据相关消息，长沙一名外卖配送员在炎炎烈日下奔波劳作，每日灌下整整两升白开水，却意外罹患急性肾损伤。这不禁令人疑惑：明明补充了大量水分，为何肾脏仍遭重创？南京市第二医院肾内科副主任医师江春玲对此剖析，酷暑时节人体大量流汗之际，流失的远非单纯水分，还伴随钠、钾、镁等维系机体正常运转的关键电解质，故而补水策略切忌单一化。

江春玲解释，这位骑手的遭遇实为典型的“假性补水”。问题根源并非饮水量不足，而在于补水形式太过单一。盛夏高温下，汗液带走的不止水分，还有诸多如钠、钾、镁之类的必要电解质。若长时间仅靠白开水解渴，血液中本就因排汗而降低的钠离子浓度会进一步被冲淡，表面上看似喝足了水，体内却悄然陷入隐性脱水困境。与此同时，电解质失衡导致的有效血容量下降，使得肾脏灌注显著减少，肾脏组织持续处于缺血缺氧状态，久而久之便诱发急性肾损伤，严重者甚至可能演变为心律失常、肾衰竭等致命后果。

江春玲指出，公众对夏季饮水常存在认知偏差。诸如“待到口干舌燥再饮水”的旧观念便值得商榷。“当口渴信号发出时，身体其实已经步入缺水阶段，肾脏的代谢负荷也随之攀升。”专家强调，在高温环境下，应建立定时、主动补水的良好习惯，切莫被动等待口渴袭来。

另一常见误区在于“唯白开水是举，忽视电解质补给”。江春玲进一步说明，若大量出汗后只喝白开水，血液中的钠元素极易被过度稀释，非但未能有效补水，反而可能引发周身乏力、恶心不适乃至意识紊乱等低钠血症症状。此外，“以甜饮料取代白开水”同样不可取。市售含糖饮品通常糖分偏高，高糖摄入后会产生渗透性利尿效应，反而促使水分与电解质流失加速，同时还会额外加重肥胖及肾结石的潜在风险。

那么，怎样的补水方式才算科学？江春玲将其归纳为三大要诀：时机得当、分量适宜、选水合理。专家建议，首先应注重补水时机的把握，秉持“少量多次”原则，培养定时饮水的好习惯，例如晨起之后、三餐之前以及运动前后都适量摄入水分。每次以100至200毫升为宜，细酌慢饮，切忌一次性大口猛灌，以免陡然增加肾脏与心脏的负担。

就补水总量而言，江春玲强调需因人而异。普通轻体力活动的成年人，每日水分摄入可维持在1500至1700毫升上下；而高温作业者、户外从业者或运动量较大的人群，则可根据出汗程度将摄入量提升至2000至3000毫升甚至更高，同时户外劳动时务必分次均匀补充，避免短时间内集中饮水。

此外，专家提醒应依据出汗多少挑选合适的补水饮品。若仅是轻微出汗，白开水或淡茶足矣；而经历大量排汗后，则应选择富含钠、钾等电解质的饮品，例如淡盐水、电解质冲剂或运动饮料，亦可于就餐时搭配菜汤、稀粥以兼顾补盐与补水。尤其需要警惕的是，肾病患者务必严格遵循医嘱控制水盐摄入量，切勿擅自调整。

中国天气网最新消息指出，自7月31日至8月2日的三天里，受副热带高压外围水汽持续供给的影响，四川、陕西等区域仍将面临强降雨天气。这些地带近期降水频繁，雨量累积叠加，需要高度警惕可能引发的灾害风险。与此同时，北方多省区因冷暖气流交汇，预计将出现剧烈的强对流活动，尤其是黑龙江中部地区，降雨强度可能突破历史同期极值，今日午后至明日还伴随10级以上的雷暴大风，当地必须强化对强降雨和极端天气的防御措施。

回顾昨日，我国南北众多区域均遭遇了显著的降雨过程。北方方面，甘肃、陕西、黑龙江及内蒙古等地显示出强劲的雨势，部分区域更出现了大暴雨；南方地区，四川、云南以及广东、广西的部分地带降水颇为猛烈，其中广西东兴在24小时内累计降水量达到161.6毫米，已然触及大暴雨的标准门槛。

展望未来三天，全国范围的强降雨分布依然较为零散，但总体态势仍围绕副热带高压的外缘运作。在副高西侧的四川盆地、陕西、甘肃等区域，强降雨预计将延续至8月4日，四川盆地的中西部与南部、甘肃东南部以及陕西西南部将迎来大到暴雨，四川局部甚至可能出现大暴雨，且短时降雨强度尤为突出。回顾过去两天，这些区域已遭受强降雨的侵袭，而未来数日降雨不断，累计雨量可观，由此带来的灾害风险不容忽视。

就主要城市而言，成都、西安和兰州在未来几天将频繁遭遇阴雨天气，其中成都今天及明天的夜间预计会有大雨降临。

成都再度开启连续降雨模式，今明两晚雨势尤为强劲。（数据来源：中央气象台）

与此同时，在副热带高压北缘地带，黑龙江一带的降雨同样不容小觑，其强度可能展现出一定的极端特征。由于副热带高压强度超常且位置偏北，夏季风的前缘得以推进至黑龙江区域，一旦与冷空气相遇，便会触发混合型强对流天气。今天至明日白天，黑龙江西部及中部地区将出现10级以上的雷暴大风，局部甚至不排除出现龙卷风的可能性。

中国天气网特别提示，未来三天内，四川盆地、黑龙江、广东和广西等地仍将持续出现降雨，叠加效应明显，暴雨引发灾害的风险极高。四川中部、陕西西南部、甘肃南部等地的部分区域，山洪及地质灾害的气象风险等级较高，建议公众尽量规避前往山区、河谷等地质灾害易发地带，外出时务必密切关注临近的天气预报与预警信息，错开强风雨时段出行，确保人身安全。(图片/于群)

苏州7月30日电（常慕城）《新一代人工智能发展年度报告(2025-2026)》于当日上午在苏州国际博览中心正式揭晓。这份报告以算力、运力、存力与电力“四力协同”为核心脉络，全面梳理了全球产业的演进脉络，并对各城市的产业竞争力进行了深入评估，旨在为政策规划与投资决策提供坚实的数据支撑和方向指引。

报告指出，在过去一年间，全球人工智能产业正加速由技术突破转向体系化落地，并涌现出四大显著热点。第一，围绕人工智能主权的博弈，已成为国际地缘政治与经济竞争中的焦点议题，推动全球竞争进入系统化合作与对抗交织的新时期。第二，大模型领域的较量重心，正从参数规模转向推理效能与工程化应用的全面比拼。第三，智能体的角色已突破传统聊天工具的边界，演化为数字员工，企业在部署进程中亦由试点探索迈入规模化应用阶段。第四，就业生态面临结构性的重塑与更替，这一崭新挑战亟需通过治理创新予以回应。

报告数据显示，截至2025年末，全国人工智能产业链上的企业总量已跨越28万家门槛，仅当年就新增逾11万家，年复合增速达到14%。其中，聚焦AI终端与AI应用的环节，惠及的企业数量超过19万家。我国凭借工业级实用主义的发展路径，有力推动了AI技术与实体经济的深度融合，并已收获阶段性成果。

报告进一步分析指出，我国人工智能产业已构筑起“链强群壮”的雄厚根基，展现出具备全球竞争力的赶超势头。在区域布局维度，京津冀地区充当创新策源的核心大脑，长三角地区锻造出AI产业链协同的坚实躯干，珠三角地区则成为创新终端与突破动力的重要引擎。三大城市群各具特色、优势互补，形成协同共进的格局。

展望未来，报告提出了四项关键倡议：一是辩证统筹自主创新与对外合作，以提升产业链的整体竞争力；二是优化AI创新资源的供给机制，突破产品与应用规模化落地的关键堵点；三是依托“培育+引进”双轨并进，构筑适应未来需要的人工智能人才高地；四是前瞻性地应对AI治理新课题，为全球治理贡献中国智慧。

新华社中国经济信息社江苏中心主任陈希希在发布会上表示，该中心已联合新一代人工智能产业技术创新战略联盟，连续八年对行业发展进行跟踪研究并定期发布报告。他透露，下一步双方将持续深化研究，聚焦人工智能领域的最新成果与关键突破，总结并推广一批具有示范意义的典型案例。

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。