中新网西宁7月29日电 (记者 孙睿)记者于28日夜间从国家电投集团黄河上游水电开发有限责任公司（下称“黄河公司”）获悉最新情况，青海省海南州兴海县境内迄今已接连发生三次震级达5.0级及以上的地震，龙羊峡、拉西瓦、羊曲、班多等坐落于黄河干流的关键水电站均感受到明显晃动。面对震情，黄河公司当即开展全域紧急巡查，结果显示周边各电站及新能源场站设备维持正常运转，未出现人员受伤或设施损坏，电力供应态势平稳。

地震来袭后，黄河公司即刻部署多项应对举措，涵盖人员紧急疏散避险、设备系统巡检以及全天候应急值守等环节，全方位筑牢安全防线。

毗邻震中的班多水电站与羊曲水电站率先启动地震应急机制，现场工作人员有条不紊地转移至安全地带，并对大坝主体、发电厂房、机电装置及边坡结构等逐项展开细致检查，未察觉任何异常状况。与此同时，龙羊峡、拉西瓦、李家峡、公伯峡及积石峡等其余水电站亦同步推进水工建筑物、库区潜在滑坡体及机组设备的专项巡检工作，所有设施运行状态保持稳定。

此外，黄河公司在海南州境内布局的光伏阵列与风力发电场站，也已完成对塔架基础、输电线路及升压站的全覆盖隐患排查，确认各处设施均无异常反应。

截至记者报道之时，黄河公司旗下各产业板块运作一切如常，各场站值班人员坚守岗位职责，应急预案及物资准备充分到位，全力保障震后安全生产工作的持续推进与稳定开展。(完)

7月23日，天津迎来一场医疗界盛会——中国医师协会精神科医师分会第二十二届学术年会（CPA2026）在此间启幕。在会议议程中，一项颇具里程碑意义的专题研讨吸引诸多目光：国内精神医学领域首个非侵入式脑机接口临床建设项目宣告启动。此举被视为无创脑机接口技术由实验室迈向规模化临床应用的关键转折，为我国在该领域走在世界前列擘画了崭新蓝图。

据悉，该项目由国内脑机接口企业杭州虚之实科技领衔，联合天津市安定医院、中南大学精神卫生研究所等六家医疗科研机构共同推进。在架构设计上，项目创新性地提出“一个核心、多学科联动”的发展思路——以精神科为中枢，辐射神经内科与儿科，旨在构建一套跨越全年龄段、覆盖多种精神障碍的临床诊疗应用系统。其核心技术路线围绕神经信号精准诱发展开，打造了“虚拟现实场景刺激＋脑机接口即时解码＋自适应反馈调节”三位一体的闭环回路，以此实现对脑神经环路的主动重塑和动态干预。

会议现场，多位权威专家就技术演进与规范议题展开深度交流。中南大学湘雅医学院精神医学系主任、国家精神疾病医学中心主任王小平表示，展望未来，可依托人工智能算法构建动态生物标志物数据库，从而推进精神疾病精准亚型的细致划分；同时，他特别强调，脑电数据的安全防护与伦理框架建设必须同步强化，这是技术可持续应用的根本保障。

广东省人民医院主任医师贾福军则从临床角度指出，无创神经反馈手段因其安全性高、无侵入性损伤等优势，可实现对神经环路的精准靶向调节，对于缺乏明确药物适应症的青少年抑郁患者而言，这一技术展现出无可替代的独特应用价值。

杭州市第七人民医院主任医师邓伟、中国科学院杭州医学研究所研究员马宁等与会学者亦表示，将虚拟现实情境与经颅直流电刺激、神经反馈相结合的多模态干预方案，在儿童及青少年精神健康维护中已初见成效，其任务态脑电信号的稳定表现明显优于传统静息态采集模式，为后续推广应用积累了宝贵数据。

根据项目规划，未来1至2年内，项目团队将全力推进核心设备的三类医疗器械注册审批，并联合多方力量制定行业统一标准。此外，还将牵头组建全国性的临床应用联盟，以推动无创脑机接口技术在各医疗机构的规范化实施，为精神卫生服务体系注入更为精准、高效的全新动能，惠及更广泛的患者群体。

据市场监管总局官网7月30日发布的消息，当日该局对八家强制性产品认证机构展开了集中行政约谈。这些机构包括中国质量认证中心有限公司、中国市政工程华北设计研究总院有限公司、中国国检测试控股集团股份有限公司、应急管理部消防产品合格评定中心、北京鉴衡认证中心有限公司、广东质检中诚认证有限公司、威凯认证检测有限公司及深圳维天认证中心有限公司。

约谈旨在回应这些单位在运作中暴露的诸多问题，比如跟踪调查环节未能严格落实、证书管理存在失当、执行认证规则时有偏差，以及对发证环节的审核把关不够严谨等。针对上述情形，市场监管总局明确要求相关企业必须恪守《中华人民共和国认证认可条例》和《强制性产品认证管理规定》等法律法规，迅速并扎实推进整改工作，全面规范强制性认证操作流程，切实承担起主体责任，强化质量管理，以稳固产品质量安全防线，有效维护公众的生命与财产安全。

国家统计局近日披露了2025年上半年规模以上工业企业利润的关键数据。在算力需求持续井喷的背景下，电子行业利润同比飙升96.9%，为全部规上工业企业利润增长贡献了8.5个百分点；其中，集成电路制造业的利润增幅更是达到了惊人的2579.5%。7月27日，存储芯片巨头长鑫科技正式挂牌科创板，上市首日即高开471%，终盘涨幅465.82%，市值攀升至3.28万亿元，一举超越工商银行，登顶A股总市值榜首。

这一连串令人咋舌的数字背后，真实的算力市场究竟处于怎样的温度？这场算力“狂飙”又与普通人的生活产生了哪些千丝万缕的联结？近日，《每日经济新闻》记者借助在郑州举行的“光合组织2026智能计算应用大会”之机，深入一线展开了实地探访。

7月中旬的郑州，室外温度直逼40摄氏度。郑州国际文化交流中心内却人潮涌动，热闹非凡。走进一楼展厅，一台高达两人、颇为壮观的机柜赫然映入眼帘——这正是国内首台十万卡AI算力集群。围观者层层叠叠，不少人需仰头才能望见机柜顶部。展厅内人流摩肩接踵，站久了衣物便有些黏腻。一位工作人员向记者透露，空调其实已调至很低，但人气实在太过旺盛。沿走廊两侧，各厂商的服务器机箱整齐排列，每个展位前都围聚了数层观众，外围的人们不得不侧身从缝隙中探看。

现场人群大体可分为两类：一类是服务器零部件及整机制造商，另一类则是AI应用开发商。两类人群交织穿梭，过道中不时有人驻足互换联系方式，或探讨服务器性能参数，或交流行业最新趋势。午后从餐厅返回会场途中，依旧能听到三三两两的讨论声不绝于耳。这番火热场景，令记者恍如置身于上世纪90年代互联网初兴时的繁荣气息中。

根据国家统计局发布的上半年数据，服务器及高性能工作站相关领域中，计算机整机制造利润同比增长689.3%，计算机外围设备制造利润增长305.8%；电子器件制造领域中，集成电路制造利润飙升2579.5%，半导体分立器件制造利润增长31.2%；而在电子元件及电子专用材料制造领域，电子专用材料制造利润增长209.7%，电子电路制造利润增长26.9%。这些令人瞠目的数字，折射出怎样的市场真相？

“眼下连板卡都供不应求。”浪潮计算机产品经理刘树奇向记者坦言，“内存条价格从去年到现在翻了三倍，去年一条1万元，今年可能涨到3万元却依然一货难求。”刘树奇提到的板卡，正是服务器的“骨架”——那些常见的绿色电路板，承担着CPU、GPU、存储及各类网络组件之间的互联互通职能。

一位GPU厂商人士感慨道：“我们曾签下一个订单，约定连服务器一并交付，结果服务器价格每日一变，根本无法履约。原先一台服务器20万元，随后涨至50万元，再飙到80万元，即便有钱也拿不到货。”刘树奇补充说：“有一段时间，合同报价的有效期甚至仅为一周。一周之后需要重新核算，价格可能又已不同。”

从采访中记者获悉，这种供应紧张态势自去年末便已显现，至今仍未缓解。

那么，这场“飞驰”的订单浪潮由何支撑？算力热潮又与普通人相距多远？浪潮计算机AI产品部廖广山向记者解释，普通用户使用大模型时属于云端推理，调用的算力资源在云端完成，并不会占用手机本地算力。而若想解决私密性问题、确保数据仅在本地方流转，则需采用本地化部署方案。廖广山说：“本地化部署的主要支出在于购置服务器，模型代码是开源的，从官网下载镜像即可运行。”

一家AI应用服务商或科研机构若需本地化部署模型并开展训练，究竟需要多少算力？面对记者的提问，廖广山详解道：“这取决于实际目标，通常可分为预训练和微调两类。以DeepSeek为例，若在本地运行该模型，基准资源需求为1倍；若需微调，则需约4至8倍的资源；若是进行推理训练，则需20倍以上。你提到的应用场景应属于微调范畴。”

刘树奇举了一个生动的例子：假设某机构想开发一个模型，识别路口一天内通过的行人、车辆、动物数量及空气质量，便需先搭建模型框架，设定多个识别字段，例如什么样的轮廓属于“人”，哪些特征属于“动物”，什么形状算作“车”。模型初建之后，还需持续“喂入”数据，比如不同品牌、不同形态的车辆图片，让系统不断学习迭代。只要数据量足够庞大，模型自然会愈发精准。

“如果只需保障训练过程的稳定性，比如确保AI短剧中人物形象前后一致，倒也不一定非得做本地化部署，购买大模型厂商提供的租户隔离服务即可满足需求。”廖广山补充道。

在算力价格暴涨的背景下，算力到底是离普通人更近，还是愈发高端、愈发遥不可及？中科曙光高级副总裁李斌对此表示，算力与普通人的距离正在缩短。“以郑州的曙光8000(登峰)为例，过去主要服务于科研院所的科学家，如今已有相当大一部分算力接入手机App后端，为各类Token服务提供支撑。或许在用户打开手机的刹那，背后调用的正是来自郑州的算力。”

在普通人眼中，服务器机箱的内部结构或许与台式电脑大同小异——同样包含CPU、GPU、存储、硬盘和散热组件。廖广山用一个形象的比喻解释：“如果说前者只是一辆玩具车，那后者便是真正的运载火箭。两者在设计复杂度、结构精密性及用途上完全不在一个量级，后者所能完成的计算任务也远为复杂。研发一套服务器需投入上千万元资金。”

然而，相似之处在于，随着算力需求的变化，服务器内部各组件的配比也在不断调整。李斌认为，在超长上下文的推理任务中，存储的重要性愈发凸显。海光信息服务器产品部总经理张攀勇则表示，随着AI Agent时代的来临，大量工作实际上由CPU承担，包括任务编排、工具调用与结果处理，以及记忆管理等；而GPU的角色则更聚焦于模型推理本身。这种变化也带来了一种范式转移。从他们的工作负载观察来看，CPU与GPU的配比已发生显著变化：过去在双路GPU服务器中，常见配置为一颗CPU搭配八颗GPU或两颗CPU配八颗GPU，比例大致介于1:4至1:8；而在当前的数据中心场景下，由于沙箱环境、存储系统、数据库、向量计算等多样负载的增加，整体配比已从往日的1:4、1:8逐步演化为1:1。

要让服务器机身更趋紧凑，廖广山认为可能需依赖液冷技术的进一步成熟。

算力是否存在结构性过剩的可能？李斌向记者表示，算力的短缺或过剩存在阶段性波动，但总体而言，AI驱动的需求仍在持续攀升，尤其是对高端算力的渴求，智能体兴起之后，算力需求将更加旺盛。“从IT产业发展的规律来看，同等性能或效果所需的成本大概率会持续下降，这是行业大趋势。长期来看，算力必将更加普惠。”李斌举例道，“在大模型爆发之前，行业最热门的是人脸识别技术。如今，这项技术的门槛与使用成本已大幅降低。未来大模型也可能沿循同样的路径。一方面，模型自身能力不断进化；另一方面，推理效率持续提升，单位任务所需的算力成本随之下降。最终，大模型将演变为像水电一样的基础设施，更加贴近大众。”

那么，算力的终极形态又会是怎样？李斌认为，未来的整体方向是云化，同时边端设备如具身智能等将配备轻量化算力以实现实时响应。个人无需购置笨重的本地设备，通过App即可轻松获取强大的AI能力。海光信息副总裁应志伟也向记者表示，算力终将如水电般即开即用，无论通过本地部署还是云端接入都能随时响应。所有业务都将深度融入AI能力，否则便难以适应这一时代。算力将无处不在，使用者在不知不觉中便可享受其便利，这才是真正的大势所趋。

“过去依赖大型算力中心，是因为模型复杂、体量庞大，对算力要求极高，普通终端设备难以承载，只能依托集中式算力完成训练和推理。这一方向不会改变，但也要看到另一面：当模型真正落地应用时，不同行业、不同用户的需求千差万别。程序员或许需要千亿甚至万亿参数的大模型来辅助编程，但在许多场景下，一个监控摄像头做人脸识别，几十亿参数的轻量模型就已足够。此类细分场景不胜枚举——嵌入式设备做电源波形检测时，网络延迟反而会抵消优势；孩子在家做数学题，本地小模型即可解决，无需调用云端大模型。”应志伟总结道。