软件介绍
超《2500%！上半年集成电路制造业利润“狂》飙”
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。
功能特点
老（歌翻唱火爆全网 AI）翻唱新技术引发版权保护之思
近来，一位名叫苏娜的歌手在短视频平台上迅速蹿红，引发了一场关于音乐创作边界的热议。这位从未露面的“神秘人”，用她清亮的嗓音重新演绎了《乡恋》《英雄赞歌》《梦里水乡》等一批横跨上世纪60年代至90年代的经典曲目，收获了大量网友的点赞与转发。然而，在专业音乐人的耳中，这些作品极有可能并非出自真人之口，而是由人工智能（AI）技术生成的翻唱。随着科技日新月异的演进，艺术家们如何看待这一新兴的翻唱现象？AI翻唱是否触碰了版权保护的底线？这些技术带来的新课题，正在短视频平台的流量狂欢中引发深刻反思。
“唱得情真意切，让多少‘50后’和‘60后’感动落泪。”“李谷一当年用歌声唱响了全国，如今苏娜的纯净嗓音，让我们再次感受到《乡恋》的深情厚意。”在短视频平台上，苏娜翻唱李谷一经典之作《乡恋》的视频下，网友留言络绎不绝，点赞量动辄成千上万。这位近来热度飙升的“歌手”，她翻唱的《英雄赞歌》《心中的玫瑰》《边疆的泉水清又纯》《年轻的朋友来相会》《梦里水乡》等经典老歌，音色与原唱神似却又别具一格，那份略带清纯的质感，仿佛将听众带回了那个纯真年代。评论区里，中老年听众反响热烈，有人直言她的歌声勾起了对原唱的回忆，也有人盛赞她超越了原唱，赋予了作品独特韵味。但令人费解的是，苏娜究竟是何人？即便翻唱了如此多的作品，她始终未曾露面，关于其个人生活的点滴信息，在网络上也无迹可寻。
“这极有可能是AI生成的。”知名乐评人卢世伟在聆听了苏娜翻唱的《心中的玫瑰》后，给出了他的判断。他敏锐地察觉到，“苏娜”这个化名本身就暗藏深意——目前市面上有一款主流AI音乐生成软件名为Suno，“不排除有人用这款软件制作歌曲后，取了一个谐音的名字来命名。”卢世伟分析道，这位“歌手”之所以能呈现千变万化的音色，很大程度上是因为AI翻唱打破了人体生理机能的界限，“它能模仿任何人的嗓音与唱腔，听感流畅顺滑，但细听之下却找不到呼吸的气口，这基本可以断定是AI的产物。”
知名乐评人流水纪对此观点表示认同。他指出，当前像“大头针”等一批AI歌手已在网络上积累了一定名气，利用AI翻唱老歌来吸引流量的做法正变得愈发普遍。北京日报记者也观察到，苏娜翻唱的歌曲，其编曲部分几乎未作改动，只是将人声替换成了与原唱高度相似的音色。不少网友也据此在评论中直言，苏娜很可能就是一位AI歌手。
面对这股汹涌而来的AI翻唱浪潮，那些被模仿的艺术家们究竟抱持何种态度？
“看到网友能通过这些翻唱作品联想到我、联想到经典，我感到十分欣慰。”李谷一以包容的心态看待此事。尽管对翻唱可能涉及的侵权风险有所耳闻，但她认为在技术飞速迭代的时代，不必抗拒新事物。“我持一种开放的态度，一首好歌无论谁唱都是好事，不管是人唱还是机器唱，都是乐事。”李谷一如是说，“至于其他问题，顺其自然即可，不能一开始就给它套上束缚。我相信旧有的格局会因为新时代的到来而发生改变。”
面对这项全新科技，当下音乐界大多持观望态度，鲜有明确表态，但公开支持或反对的声音也时有耳闻。今年4月，歌手周深在发行歌曲《月之纪》时，便同步发布了版权声明：未经授权，本作品禁止用于人工智能的训练、模仿、学习及生成等相关活动。这一声明一经发布，便赢得了众多音乐人、乐评人及网友的力挺，许多人表示，“我们并非反对AI技术本身，而是反对未经授权就攫取原创内容的行为。”
作为一位创作了大量音乐作品、并明确声明绝不使用AI进行词曲创作的音乐人，小柯也坦言这是一个两难困境。作为创作者，他同样希望自己的作品能通过翻唱被更广泛地传播，但版权保护同样不容忽视。“这个问题归根结底是版权公司与AI平台之间的博弈，理想的情形应是AI平台向音乐版权方支付费用。”在小柯看来，双方目前正处于角力阶段，新生事物总需在各方协同努力下，经过一段时间的探索，方能最终达成平衡。
无论艺术家们持何种立场，就AI翻唱而言，法律层面的界定其实相当明确。
“我们在维权时，不会去纠结这首歌是否由AI生成。”长期深耕于影视、音乐、演出等文化娱乐领域的律师徐智省给出了直截了当的定性。他解释，侵权判定的核心在于作品使用是否获得了授权，而非取决于采用何种技术手段。“只要上传的音频或视频中包含了他人的词曲内容，无论是由人声演唱还是机器生成，未经许可便涉嫌侵权。”
徐智省进一步介绍，AI翻唱实际上触碰了两条法律红线。其一，是对词曲著作权的侵害，这与真人未经授权翻唱的性质并无二致。“此外，自然人的声音在法律上可参照肖像权予以保护。”他补充道，若未经许可，AI生成的音色刻意模仿原表演者的声音，使得听众能明显辨识出对应的原唱歌手，这种行为就可能构成对他人人格权的侵犯。
不过，徐智省与流水纪均向记者透露，在实际操作中，鲜有版权机构或表演者会与AI翻唱背后的操作者对簿公堂，绝大多数权利人更倾向于选择成本较低的维权途径。徐智省坦言，当前AI翻唱多属个人或小团队试水起步阶段，单个侵权主体的体量有限，版权方通常会直接向平台投诉，要求下架了事。但确实也存在侵权方在作品被下架后，更换账号再次上传的情况，维权方不得不重新投诉，陷入“投诉—下架—再上传—再投诉”的无限循环。流水纪认为，平台方应加强审核机制，建立审查与筛选体系，要求AI创作或翻唱的作品必须进行明确标注。
使用说明
年内港股IPO数量达100家 {募资总额同比增}长111.26%
今年以来，香港新股发行市场呈现出一片火热景象。根据Wind数据统计，截至7月27日，港股年内共完成100宗首次公开募股，这一数字较去年同期激增92.31%；而IPO募集资金总额则达到约2723.39亿港元，同比增幅高达111.26%。值得关注的是，在这批新股中，有31家企业此前已登陆A股市场，它们贡献的首发募资规模达1736.10亿港元，占年内港股IPO总募资额的六成左右。
瑞银全球投资银行部副主席及亚洲企业客户部联席主管李镇国在接受《证券日报》采访时指出：“得益于新股市场强劲的动能支撑，预计2026年香港IPO市场将继续维持活跃态势。”这一乐观预期背后，是科技企业扮演了绝对主导角色。
纵观年内整体表现，港股IPO在发行数量和融资规模上均较去年实现显著跃升，呈现出鲜明的结构性特征——硬科技定调明确，大型“A+H”股则成为领军力量。从上市板块分布看，这100家发行主体中，主板占据98席，创业板（GEM）仅有2家。若以募资规模衡量，共有4只新股募资额突破百亿港元大关，分别为立讯精密、胜宏科技、牧原股份和东鹏饮料；而募资达到50亿港元及以上的新股数量则扩大至19只。
行业维度上，年内港股新增上市公司主要集中于硬件、半导体、软件等科技赛道，这些企业的募资占比接近七成。具体而言，按照Wind行业分类统计，硬件设备行业有21家企业成功上市，募资总额约1047.50亿港元，占比约为38.5%；半导体行业则有14家企业登陆港股，募资约522.06亿港元，占比19.2%；软件服务行业共15家企业挂牌，募资约279.94亿港元，占比10.3%。上述三类行业合计50家企业，IPO募资总额约1849.50亿港元，占全部募资额比重约七成。
科技企业对年内港股融资的引领作用由此可见一斑。以半导体领域为例，澜起科技、晶合集成、壁仞科技、兆易创新、豪威集团等公司，业务覆盖存储接口芯片、晶圆制造、AI算力芯片及图像传感器等多个关键环节，构筑起完整的半导体产业链条。
与此同时，尚未实现盈利的生物科技新股年内也有11只亮相，合计首发募集资金128.83亿港元，这些企业均依照第18A章生物科技企业规则完成上市，为港股市场注入了创新药及医疗器械领域的新鲜血液。此外，同股不同权架构的公司也迎来集中上市潮，Momenta、MINIMAX、商米科技等5家公司均于年内登陆港交所。
值得注意的是，IPO募资额低于10亿港元的公司则多来自机械零部件、细分医药、建筑材料、可选消费等传统领域，它们同样构成了年内港股新股的重要生力军。
“并非只有龙头企业才能觅得上市良机，成长型、专业化的中小发行人同样能抓住合适的窗口期。”汇生国际资本有限公司总裁黄立冲向《证券日报》记者表示，一次成功的IPO并不以高发行价或大规模融资为唯一追求，更关键的是上市之后能够保持充沛的成交量、获得长线资金的持续加持，并具备实施再融资的能力。
基石投资者的积极参与也为港股IPO的顺利推进提供了坚实保障。年初至今，100只新股中有83只成功引入基石投资者，参与认购的基石投资者累计数量高达916家（未进行去重处理），同比增幅接近279%。进一步数据显示，基石投资者累计认购金额约1125亿港元，占IPO募资总额的四成左右，且其投资偏好明显倾向于“A+H”股或高成长赛道的新股，诸如立讯精密、东鹏饮料、三环集团、澜起科技等项目均受到追捧。
在国际长线资金配置方面，主权财富基金在港股IPO基石投资者中的地位愈发突出。今年以来，新加坡政府投资（GIC）、淡马锡、阿布扎比投资局（ADIA）、卡塔尔投资局等机构频频出手，多次现身于不同IPO项目的基石投资者名单之中。瑞银、富达、摩根大通、施罗德等知名长线资管机构亦积极布局新股项目的基石投资配置。此外，澳大利亚养老金基金NGS Super Pty Limited也参与了爱芯元智等项目的基石认购。
高盛亚洲（除日本外）股票资本市场主管王亚军对《证券日报》记者表示：“今年参与香港IPO的投资者覆盖面更为广泛，全球长线基金数量显著增多，整体投资质量亦有所提升。”
更新日志
超《2500%！上半年集成电路制造业利润“狂》飙”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
句子4