Etched估值103亿、AMD亮剑2吉瓦：AI软件开发者的算力账该怎么算

对于每年在算力上支出百万级的企业技术负责人来说，真正的问题不是"哪家芯片更强"，而是：当供应链从单极裂变成三极，我的成本模型和风险对冲策略是否需要推翻重来？

三极格局：从"只买 Nvidia"到"三家比价"

过去五年，企业 AI 算力采购几乎等同于"买 Nvidia"。H100/H200/B200 系列一卡难求的局面从 2023 年延续到 2025 年底。但 2026 年年中回头看，格局已经裂变——此前我们详细拆解过 AMD 50 亿美元押注头部模型企业 背后算力供应链的松动信号，而 Etched 的百亿估值则意味着第三极正在成型：

三极格局意味着企业第一次有了真正的谈判筹码。但更关键的是选型背后的三个结构性变量——它们在 2026 年才全面浮出水面，之前的任何采购决策都未将其纳入模型。

三个正在改写算力账本的新变量

出口管制从 GPU 延伸到模型

2026 年 7 月，美国财政部制裁中国 AI 企业月之暗面，open-weight 模型出口管制讨论同步升温。对出海 SaaS 和混合架构团队来说，算力选型不再只是"哪家芯片跑得快"，而是"哪家芯片在 12 个月后还能合规买到"。供应链的地缘弹性已和算力密度并列选型第一维度。AMD Helios 作为非 Nvidia 阵营的新选项，AI 软件开发团队 GPU 采购多了第二个选项，其意义不仅是性能对标，更是供应链冗余。

推理需求超过训练，芯片采购逻辑逆转

Vercel 2026 年 7 月发布的 AI Gateway Production Index 数据显示：开源模型占 29% 的生产流量，但仅消耗 4% 的 API 支出。大量推理负载正从昂贵闭源 API 迁移到可自部署的开源模型——我们在 软件定制开发成本重估 中详细拆解过这一剪刀差如何改写外包报价。芯片选型的主战场正从"训练用哪家"转向"推理部署用什么"——推理功耗和每 token 成本成了比训练峰值算力更重要的决策变量。

数据中心电力瓶颈成为硬件问题

2026 年 7 月 25 日，TechCrunch 报道了一起事故：一根倒塌的电线杆导致 3.1 吉瓦电力在 30 秒内断开，AI 集群集体瘫痪。电力供应的物理约束正从"选址问题"升级为"硬件选型问题"：同吞吐量下不同芯片架构功耗差异可达 40%。在电力紧张地区，能效比直接等于可用算力。

算一笔三年账：三种路径的真实成本

基于 2026 年 Q2 中国市场量级，我们为典型 AI 软件开发团队（日均推理 100 万次、年自训练 2-3 个小模型）测算。Etched 这类 ASIC 芯片的崛起意味着 非 GPU 推理芯片正在改写部署账本，将其纳入混合方案后：

以上数字基于 Nvidia H200/B200、AMD MI300X 及国产方案 2026 Q2 市场价格参考，实际因团队规模和配置浮动。

关键发现：混合方案在三年尺度上首次与纯自建持平甚至更优——不是硬件变便宜了，而是推理占比上升后，"云 API 训练 + 自建推理集群"的组合比"全自建大集群"更灵活。

一个真实的单供应商锁定事故

2025 年初，华南某金融科技团队（80 人）全面采用某头部 GPU 供应商云实例，理由是 CUDA 生态最成熟。

到 2025 年底，GPU 云实例三次调价，单卡小时费累计涨 42%。年推理成本从预算的 ¥87 万飙到 ¥124 万。推理代码深度依赖 CUDA 专有库，切换成本预估 11 周。

2026 年 Q1，团队启动多供应商改造：推理链路迁至 AMD MI300X 集群，保留 Nvidia 仅用于训练。切换代价：6.2 周 + ¥23 万。首季度推理成本降 28%，同时获得与两家供应商分别议价的能力。

教训很直接：单供应商的"省心"在涨价周期中被迅速放大为"省不了"。多供应商架构是成本风险对冲的必选项，不是锦上添花。

CTO 五步采购核查清单

1. 算力画像：统计过去 90 天训练 vs 推理 GPU 机时占比。通过标准：推理 > 60% → 优先评估混合方案。
2. 供应商弹性：核心推理链路能否 2 周内迁移至第二供应商？通过标准：至少一条链路完成跨供应商 PoC，延迟涨幅 < 15%。
3. TCO 建模：按三种情景建模三年现金流。通过标准：混合方案三年 TCO 较纯云低 20%+ 触发切换。
4. 合规审查：选中芯片是否在出口管制清单中？通过标准：至少有一条"国产芯片+国产模型"全合规链路可用。
5. 电力核验：自建集群电力配额覆盖未来 18 个月扩容？通过标准：可用电力 ≥ 峰值功耗 × 1.3，含 SLA 保障。

常见问题

50 人以下团队，芯片选型要关注这么多吗？

小团队更不该单供应商锁定——缺乏大厂的议价能力和冗余预算。建议：推理走多模型 API（至少 2 家供应商），训练按项目走按需 GPU 实例，不签年度框协议。

国产算力卡现在能替代 Nvidia 吗？

推理场景下，昇腾 910B 在主流开源模型上的性能已达 A100 的 80-90%，且不受出口管制影响。训练场景差距仍大，建议"国产推理 + 进口训练"混合架构。

从纯 Nvidia 切换到多供应商，工程代价多大？

取决于 CUDA 耦合度。PyTorch 2.0+ 且未用 CUDA 专有 API 的，迁移到 AMD ROCm 约 2-4 周；深度依赖 cuDNN/cuBLAS 的预估 6-10 周。先做 CUDA 依赖审计。

自建集群的电力问题真那么严重？

2026 年一线城市 IDC 机柜供电紧张已非个案。深圳某 IDC 当前排队等电力的 AI 集群超 30 个，平均等待 4-6 周。对延迟零容忍的项目务必在选址前确认电力配额。

三年尺度上哪种方案 ROI 最高？

年均推理超 500 万次时，混合方案三年 TCO 通常比纯云低 35-50%。前提是有 1 名专职运维且团队有 GPU 集群管理经验。小团队建议"多供应商 API 路由"起步。

参考

• TechCrunch: Etched defies skeptics, hits $10.3B valuation
• TechCrunch: AMD takes on Nvidia with its Helios AI rack-scale system
• TechCrunch: One fallen power line exposed a growing AI data center problem

优码云（umayun.com）为企业提供 AI 软件开发与算力架构咨询服务。如需针对业务场景的算力方案，欢迎联系。