--- title: "海外科技信息追踪 260707 一是，AI产业指标跟踪，覆盖主要模型Token消耗、模型成本消耗、GPU租赁价格、DRAM价格，以及中美主流模型API的Inpu" topic_id: 82255458188425152 created_at: 2026-07-07T20:05:53.324+0800 source: zsxq type: topic cssclasses: zsxq-vault --- # 海外科技信息追踪 260707 一是，AI产业指标跟踪，覆盖主要模型Token消耗、模型成本消耗、GPU租赁价格、DRAM价格，以及中美主流模型API的Inpu - 序号：133 - 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/82255458188425152) - 附件：图片 0，音频 0，文档 0 - 音频文件：_无音频_ ## 图片 _无图片_ ## 正文 海外科技信息追踪 260707 一是，AI产业指标跟踪，覆盖主要模型Token消耗、模型成本消耗、GPU租赁价格、DRAM价格，以及中美主流模型API的Input/OutputPrice比较； 二是，AI基建扩张的核心瓶颈正由“芯片和机房是否充足”转向“需求、现金流与数据中心资源能否形成可融资闭环”。按SemiAnalysis测算，2024—2029年全球AIIT设备与数据中心累计资本开支或达11.1万亿美元、2029年相关未偿债务融资或达约7.1万亿美元。英伟达正通过GPU租赁收入保底、数据中心预租与转租等方式，帮助Neocloud将短期、多客户的算力需求转化为可获得债务支持的项目，角色正由硬件供应商向算力信用支持方和下游生态组织者延伸； 三是，AI算力扩张正在强化存储的结构性紧缺，并将价格压力传导至服务器、汽车和消费电子。三星二季度初步经营利润升至89.4万亿韩元、约为上年同期19倍；二季度DRAM和NAND均价分别环比上涨逾40%和50%。HBM和高端服务器存储持续优先占用产能，通用DRAM、NAND供给偏紧，车企已开始通过长期协议锁定资源；下一阶段竞争将从HBM供给扩大至HBM4的客户验证、量产良率和先进封装协同，并受定制AI芯片需求加速影响； 四是，AI并未立即转化为全行业、同步式的就业替代，但已加快企业内部的资源重配和岗位重构。认为AI投资将显著减少员工人数的受访CEO占比，已由2025年1月的约46%降至2026年5月的20%；但金融、科技和工业企业仍在压缩管理层级、后台职能及重复性岗位。微软计划未来一年在Xbox裁员约3,200人，并出售或分拆部分游戏工作室，反映AI资本开支、经营效率压力和业务组合调整正叠加推动传统部门收缩； 五是，全球芯片竞争正从先进制程本身进一步延伸至供应链锁定与基础设施交付能力。苹果与博通将定制连接芯片合作延长至2031年，说明复杂射频、Wi-Fi和蓝牙芯片短期仍难被完全自研替代；韩国则推动芯片与AI重大项目提速，三星和SK海力士拟在西南地区各投资400万亿韩元建设制造基地。电力、用水、土地、环评和审批效率，正成为先进制造和AI算力扩产能否兑现的关键约束； 六是，前沿模型和AI算力正加速进入网络安全、自动驾驶等高价值垂直场景。美国CISA据报使用AnthropicMythos审计政府代码漏洞，前沿模型由通用工具向国家级网络防御延伸；日本自动驾驶公司Turing引入AMD投资，并让AMDGPU承担约10%的训练需求，显示自动驾驶企业在追求训练成本和供应保障的同时，开始尝试降低对单一算力平台的依赖。 ## 总体总结 主题正文 1. 一是，AI产业指标跟踪，覆盖主要模型Token消耗、模型成本消耗、GPU租赁价格、DRAM价格，以及中美主流模型API的Input/OutputPrice比较； 2. 按SemiAnalysis测算，2024—2029年全球AIIT设备与数据中心累计资本开支或达11.1万亿美元、2029年相关未偿债务融资或达约7.1万亿美元。 3. 英伟达正通过GPU租赁收入保底、数据中心预租与转租等方式，帮助Neocloud将短期、多客户的算力需求转化为可获得债务支持的项目，角色正由硬件供应商向算力信用支持方和下游生态组织者延伸； 4. 下一阶段竞争将从HBM供给扩大至HBM4的客户验证、量产良率和先进封装协同，并受定制AI芯片需求加速影响； 5. 认为AI投资将显著减少员工人数的受访CEO占比，已由2025年1月的约46%降至2026年5月的20%； 6. 微软计划未来一年在Xbox裁员约3,200人，并出售或分拆部分游戏工作室，反映AI资本开支、经营效率压力和业务组合调整正叠加推动传统部门收缩； 7. 韩国则推动芯片与AI重大项目提速，三星和SK海力士拟在西南地区各投资400万亿韩元建设制造基地。 8. 日本自动驾驶公司Turing引入AMD投资，并让AMDGPU承担约10%的训练需求，显示自动驾驶企业在追求训练成本和供应保障的同时，开始尝试降低对单一算力平台的依赖。