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)

中新网南宁7月29日电（林洁琪 梁雨诗）2026年广西农业行业职业技能竞赛家畜繁殖员（猪）赛项于29日在南宁拉开帷幕。来自广西全区14个设区市的农业农村系统代表队齐聚一堂，56位参赛选手在此展开激烈角逐。

本次赛事由广西壮族自治区农业农村厅、人力资源和社会保障厅及总工会共同主办，意在借助职业技能竞赛的引领效应，加速农业领域高层次技能人才的培养与选拔，传承精益求精的工匠精神，进而为全面推进乡村振兴战略、驱动农业农村现代化进程筑牢人才根基。

畜牧业构成了广西农业版图中的优势板块与特色支柱。目前，广西生猪生产态势稳健，产能调控能力突出；奶水牛、肉牛、肉羊等特色种畜禽资源亦独具禀赋。然而，行业发展依然面临良种繁育力度欠缺、基层实践型人才供给不足、产业转型升级压力攀升等现实挑战。

据广西农业农村厅畜牧兽医处副处长黄树丛介绍，家畜繁殖员堪称畜牧产业中的技术工匠，他们深耕生产一线，以扎实的专业素养守护着畜禽的健康繁衍，并持续带动养殖户实现增收致富。此次赛事为全区繁育技术人才构筑了一个切磋技艺、展示风采、交流心得、共同进步的优质舞台。

据了解，本次竞赛设置了“理论知识笔试+现场实操演练”双重融合的考核机制。理论环节不仅涵盖动物遗传育种与繁殖、畜禽营养调控、疫病综合防控等核心专业知识，还囊括家畜繁殖相关的法律法规、政策导向及技术标准，特别增设了养殖异常工况应急处理的题型，以全方位检验参赛者深厚的理论积淀。实操部分则聚焦于猪繁殖环节的关键操作，要求选手将所学理论灵活运用于实际，妥善应对操作精度把控、异常状态识别等复杂问题，由此充分锤炼其在多变情境下的研判与决策能力。

主办方透露，比赛最终成绩将于7月30日正式公布。此次竞赛旨在着力锻造一支通晓育种原理、精于繁育操作、擅长应急处理的家畜繁殖专业队伍，进一步充实和壮大广西综合型家畜繁殖员人才力量，为加快农业农村现代化、稳步推进乡村全面振兴提供坚实而有力的人才保障。（完）

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。