在当今科技飞速发展的时代，智算中心建设已然成为推动各领域创新与进步的关键力量。
近期与众多朋友就智算中心建设的朋友深入交流中，“投建运” 各个环节不断被提及，而其中 “GPU 相关” 话题更是热度爆棚。
这主要归因于以下三点：
其一，智算核心 ——AI 智能算力高度依赖 GPU 等 AI 芯片；
其二，GPU 在智算中心产品资金占比中独占鳌头，GPU 服务器占比约 70 – 80%，而 GPU 芯片于 GPU 服务器内占比同样高达 70 – 80%；
其三，智算中心因场景与规模各异，对 GPU 类型要求也千差万别，选型时需综合考量众多因素。
今日，就让我们从以下 7个关键方面展开详细探讨。
一、性能与价格：探寻性价比最优解
在智算中心方案设计及产品选型进程中，提供高性价比的 “算力服务” 堪称重中之重。
基于过往丰富经验，我们通常会全面梳理当下市场主流 GPU 产品及其价格，精心计算出每 P 算力对应的价格，并详实汇报给客户，助力其做出明智抉择。
例如，不少客户在 A100 与 H100 之间举棋不定时，通过深入的性价比剖析可知，H100 单卡 FP16 稠密算力 1P 对应价格约 25 万 / 卡，而 A100 单卡 FP16 稠密算力约为 0.3P，价格却仅为 H100 的一半。
如此一来，H100 的性价比优势便一目了然。需特别提醒的是，GPU 价格犹如市场的晴雨表，时常波动起伏。
为此，我特意整理了 10 余款英伟达主流 GPU 型号的参数查询工具，获取方式详见文章末尾，方便大家随时掌握最新信息。
二、产品领先性：智算中心的长远竞争力
当前，B200 芯片尚未正式批量供应，然而令人惊讶的是，国内竟已有客户发出 B200 产品的采购需求（不少朋友纷纷向我咨询此事）。
究其根源，很大程度上是客户对 GPU 新品上市节奏缺乏清晰了解。
但这一现象也从侧面深刻反映出市场对产品领先性的强烈追求。从性能数据来看，一张 B200 的单卡 FP16 稠密算力高达 2.25P，是当下主流 H100、H200 性能的 2.25 倍。
智算中心建成后的 “使用周期” 或 “回本周期” 通常在 3 – 5 年，而芯片技术迭代的步伐却日益加快。
为确保在较长时间内保持强劲的竞争力，于建设初期的 GPU 选型环节充分考量产品领先性显得尤为必要。
三、生态成熟度：GPU 选型不可忽视的关键
在 GPU 厂商的广阔版图中，除了占据市场份额最高的 NVIDIA，可供选择的品牌与型号也颇为丰富。
国外有 AMD 和 Intel 等知名品牌，国内亦有 HW、KLX、HWJ、TS、BR、MRXC 等十多家厂商。
但在方案设计与产品选型时，我们绝不能仅仅着眼于纸面数据，产品的生态成熟度才是决定其能否被有效应用的核心要素。
毕竟，建好只是万里长征的第一步，用好才是终极目标。
以 AMD 的 MI325X 和 Intel 的 gaudi2 为例，从纸面参数审视，它们均不逊色于 H100，可为何在市场中却未得到广泛认可呢？我认为，关键症结在于其生态成熟度与英伟达 CUDA 生态相比存在较大差距。
这导致客户在使用过程中面临较高的复杂度，对厂商的依赖程度过高，对于市场化的 “算力租赁” 业务而言，更是困难重重。
四、业务场景：因需而选的 GPU 策略
步入智算时代，智算中心的核心业务聚焦于大模型相关的训练、微调和推理等关键环节。但这并不意味着有一种 GPU 能够通吃所有业务场景。即便是性能卓越的 H100，在考量推理成本时，也难以与当下主流的 4090 相抗衡。
当前，智算中心市场已达成广泛共识：大模型的集群训练 H100\H200 当属首选，而在推理侧，则更多倾向于 RTX4090\4090D 等产品。这充分彰显了根据不同业务场景精准选择 GPU 的重要性，唯有如此，方能实现资源的高效配置与利用。
五、国产芯片占比：政策推动下的崛起之路
伴随我国智算中心建设的持续深入以及国产 AI 芯片的快速迭代与发展，据 IDC 2025H1 报告显示，国内市场 AI 芯片出货量中国产 AI 芯片占比已攀升至 20%（英伟达占 80%），相比 2024 全年的 10% 有了显著提升。
在智算领域，国家为促进国产 AI 芯片的落地普及，出台了一系列政策优惠补贴措施。因此，当下智算中心设计时，国产 AI 芯片占比已成为一个重要考量因素。
事实上，在不少地区，全国产 AI 芯片的智算中心已如雨后春笋般拔地而起。就在不久前，由于美国持续对我国科技公司实施 “制裁”，中国互联网协会、中国半导体行业协会等四个协会齐声呼吁 “审慎选择采购美国芯片”，这无疑为国产 AI 芯片的发展营造了更为广阔的舞台，也预示着国产 AI 芯片在智算中心建设中将扮演愈发重要的角色。
六、 集群规模：考验 GPU 产品综合实力
国内现阶段主流的智算中心集群规模多在千卡至万卡之间，而国外已有落地 10 万卡规模的智算中心，如马斯克的 xAI（网络上相关视频随手可查），其 GPU 选用的是英伟达 H100。
这便引出一个关键问题：除英伟达外，我国国产芯片能否达到如此大规模的集群部署要求呢？
综合网络公开数据可知，目前国产芯片在千卡集群上已趋于成熟，但真正实现万卡集群成功落地（真万卡，即不仅是简单的 GPU 服务器网络互联达到万卡规模，还需在集群性能利用率等方面达标）的案例尚为数不多。
故而，在 GPU 选型过程中，务必充分考量 GPU 产品的集群部署能力，这是智算中心实现高效稳定运行的重要保障。
七、产品供应：智算中心落地的坚实基石
GPU 产品的供应能力无疑是智算中心项目成功落地的关键所在。
无论方案设计得多么精妙绝伦，如果无法按时交付，一切都将化为泡影。正因如此，智算中心项目招标时，都会明确规定建设的节奏以及对供应交付的严格要求。
毕竟，越快完成交付，便能越早获取绿电 “指标”，从而在后续运营中占据更有利的竞争地位。
然而，受国内芯片代工能力的限制，当前许多芯片的生产仍依赖国外。
这也成为国产 AI 芯片大规模普及进程中亟待攻克的核心难题，需要整个行业携手共进，共同探索解决方案。
智算中心建设中的 GPU 选型是一项复杂而系统的工程，需要综合考量性能与价格、产品领先性、生态成熟度、业务场景、国产芯片占比、集群规模、产品供应以及厂商兜底能力等多方面因素。
只有全面权衡利弊，精心挑选出最适合的 GPU 产品，才能为智算中心的高效稳定运行奠定坚实基础，助力其在推动科技创新与经济发展的道路上砥砺前行。
希望本文能为广大关注智算中心建设的朋友提供有益的参考与启示，让我们共同期待智算中心在未来绽放更加绚烂的光彩。
前些天整理了目前比较火的英伟达的十几个型号GPU不同的算力和配置，后面也会保持更新
