B300涨至近3倍、H200月租破10万：高价从何而来

一台装有英伟达B300的AI服务器，现货报价一度达到1300万至1450万元。这个数字足以在不少二线城市买下一栋小型办公楼。

H200整机也不便宜。此前约210万至220万元的设备，后来被报到480万至500万元。五年期合同的月租从6万元左右升至8万至9万元，高采购成本下的短期租赁报价进一步突破10万元。

B300的变化更夸张。2025年，相关整机方案报价约450万元；到2026年6月至7月，深圳市场的部分现货报价已超过1300万元。严格来说，这不是“上涨了近3倍”，而是价格涨到了原来的近3倍。两种说法只差几个字，代表的涨幅却不同。

先把结论说清楚：这轮上涨有真实需求支撑，但1300万至1450万元的极端报价，并不完全来自终端客户的使用价值。出口与渠道受限制造了供给缺口，模型推理带来了持续算力需求，跨境转运抬高了成本，低违约金又给供应商留下套利空间。几股力量叠在一起，最终把现货推到了一个很难用经营收益解释的位置。

先分清裸卡、整机与集群方案

讨论AI服务器价格，最容易出现的错误，是把裸卡和整机报价放在同一张表里比较。

一台服务器不只有GPU。整机通常还包括CPU、内存、网络组件、NVLink相关配置、电源、散热系统、机箱以及集成服务。不同方案使用的GPU数量、显存规格、网络配置和保修条件也可能不同。到了集群层面，还要加入交换机、存储、机柜、液冷和部署成本。

因此，市场上“几十万元一张卡”和“上千万元一台服务器”可以同时存在，并不必然矛盾。

本文讨论的核心价格均为整机或服务器方案报价。由于公开流传的配置和成交时间并不完全一致，1300万至1450万元应理解为产业链中的高位现货报价，不能直接当作普遍成交价。当前也没有可靠数据证明，在这个区间到底成交了多少台。

价格是怎样一步步抬上去的

回看这一轮行情，价格并非一天跳到高位，而是经历了低谷、回升和现货失控三个阶段。

2025年第四季度，H200整机现货价格约为220万元，部分报价低至210万元附近。五年期合同月租约6万至6.1万元。同期，H100月租已经从更早的8万至9万元，降到约4.5万元。

当时市场的主要问题不是“买不到”，而是部分算力没有被充分利用。设备持有者需要支付融资、机房、电力和运维费用，只要机器闲着，折旧仍会继续。为了提高出租率，租赁商只能下调价格。

2026年第一季度，情况开始变化。H200月租升至8万至9万元，相比6万元左右的低位上涨约50%；H100月租也重新回到6万元以上。出租率提高后，设备方不再急着低价出货，采购方则开始担心后续供应。

到了第二季度，供需矛盾进一步放大。H200整机现货报价升至480万至500万元，几乎是此前低位的两倍多。采购成本上涨后，整机月租突破10万元并不意外：如果设备买入价接近500万元，月租仍停留在6万元，扣掉机房、电力、维护、融资成本和空置时间，回收周期会变得很长。

B300走得更极端。其整机方案从2025年约450万元，升至2026年6月至7月的1300万元以上，部分产业链报价达到1450万元。

H200和B300都在涨，原因却不完全相同。

H200的高价更多建立在存量设备有限、进口渠道不稳定之上。B300除了供应稀缺，还叠加了新架构溢价、大规模推理需求和交付时间不确定性。采购方需要的往往不是“将来可能到货”的服务器，而是能立刻上架、立刻接入业务的现货。时间本身因此被标上了价格。

一台B300，渠道成本可能如何堆到900万元

正常贸易中，商品价格通常由出厂价、税费、运输和渠道利润组成。受限产品的路径复杂得多。

一份产业链调研测算显示，B300相关设备可能需要经过多个地点转运，期间涉及包装更换、仓储、清关协调、风险资金和交付保障。整个周期约8至12周，综合成本估算约700万元。若再加入约30%的风险补偿，渠道成本线可能接近910万元。

这不是厂商公布的标准成本，也不是每一台设备都必然花费910万元。它更适合用来解释：为什么一台账面价格低得多的服务器，进入不稳定渠道后，会迅速变成接近千万元的商品。

这条链路上的每个参与者都要考虑失败概率。货物可能滞留，资金可能长期占用，合同也可能无法履行。风险越难量化，报价就越倾向于向最坏情况靠拢。

但渠道成本只能解释价格为什么高，不能完整解释为什么高到1450万元。剩下的部分，还要看合同机制。

违约金太低，交货反而变成了亏本选择

假设一名供应商以800万元签下一台B300整机订单，约定数月后交货。合同违约金为订单金额的5%至10%，也就是40万至80万元。部分实际合同的赔付及附加成本可能更高，按80万至100万元计算也不改变结果。

交货前，现货价涨到了1300万元。此时供应商面前有两种选择：

• 按合同交货，收入800万元；
• 支付约80万至100万元违约成本，再以1300万元卖给新买家。

第二种选择扣掉违约支出后，收入仍约为1200万至1220万元。与履约相比，可能多出400万元左右。只要合同没有更强的履约约束，违约就会成为一笔可以计算的生意。

这会产生连锁反应。原买家收不到设备，只能回到现货市场加价采购；现货进一步稀缺，新订单报价随之上涨；供应商看到价差扩大，更不愿按旧价格交货。订货价和现货价就此脱节。

因此，1300万至1450万元并不是一个单纯由算力产出决定的均衡价格。其中混入了至少四层额外成本：

1. 跨境交付的不确定性；
2. 渠道承担的资金与合规风险；
3. 供应商违约后重新出售的套利收益；
4. 买家担心错过业务窗口而支付的时间溢价。

判断泡沫是否消退，不能只看某张报价单从1450万元降到1300万元。更有效的观察方法，是看800万元级订货价与1300万元级现货价之间的差距有没有收窄，以及合同的实际交付率有没有提高。

推理需求为何能托住高价

如果没有真实业务需求，渠道再稀缺，也很难长时间维持数百万元的溢价。B300受到追捧，与AI算力的使用方式变化直接相关。

大模型训练像一项大型工程。团队准备好数据和计算资源后，可以集中运行数周或数月。一次训练结束，集群可能转去做微调、测试，或者等待下一轮任务。

推理更像持续营业的在线服务。用户每输入一次问题、生成一段代码或创建一段视频，后台都要完成计算。用户量越大、上下文越长、模型推理步骤越多，GPU占用就越高。服务不能只在夜里运行，也不能等到服务器便宜时再回答用户。

这使推理算力呈现三个特征：持续占用、波峰明显、扩容需要提前准备。

B300的市场定位更贴近大规模推理和混合负载。对于拥有大量模型调用的平台，设备不仅要跑得快，还要在显存、互联和能效之间取得平衡。产业链访谈中，多家头部模型平台被频繁列为潜在需求方，但公开信息并未给出各家的实际采购数量和合同金额。把这些公司直接写成已完成大额采购，证据并不充分。

另一个信号来自算力出租行为。部分AI企业曾将暂时空闲的算力对外出租，后来又收回资源用于自有模型服务，并收紧代理折扣。企业名称和经营细节缺乏完整披露，无法据此计算整个市场的需求，不过这个动作很有代表性：当自营推理收入高于出租收入时，机器的机会成本会明显上升。

1300万元的服务器，靠Token能赚回来吗

设备有人用，不代表任何采购价格都合理。最终约束仍然是收入：一台服务器在使用期内能够生成多少可收费Token，扣除成本后又能留下多少现金。

产业链中存在两套常见测算。

第一套从租金倒推。若大型客户能够接受的B300裸金属长协租金上限约为20万元/月，并按照一定的利用率、运维成本和资金回报要求估算，对应的采购承受区间大约为900万至990万元。

第二套从Token通量倒推。在70%负载率、给定Token售价、缓存比例和五年摊销周期等条件下，B300能够支持的采购价格约为613万至876万元。

这些模型不能当成精确估值。负载率从70%降到50%，收入会明显减少；Token单价下降，回本上限也会下移；如果缓存命中率提高，实际计算量又可能下降。设备能否连续五年保持较高出租率，同样是很强的假设。

不过，两套模型都指向同一个问题：1300万至1450万元的现货价，已经高于多数经营模型给出的承受范围。买家若在这个位置采购，需要相信Token需求、设备利用率或服务价格会比基础假设更好，还要接受较低的投资回报。

推理需求可以证明B300有长期使用价值，却不能自动证明每一张高价报价单都合理。

B300与H200可能走向不同的价格路径

如果后续供应改善，最先被挤掉的通常不是制造成本，而是渠道风险、交付焦虑和违约套利带来的溢价。

部分市场观点预计，B系列整机可能通过新渠道增加供应，但具体到货时间和数量尚未得到稳定数据支持。只要设备能够按合同交付，采购方就没有必要为“立刻拿到机器”多付数百万元。现货与订货之间的巨大价差也会缩小。

基于约850万至910万元的渠道成本测算，以及900万至990万元的经营承受区间，有预测认为B300价格可能向900万至1000万元收敛。这个区间不是已经确认的市场底价。渠道变化、设备配置和真实需求都可能让结果偏离预测。

B300即使回落，也未必迅速跌回早期的450万元。持续增长的推理调用、模型即服务长协，以及企业对稳定算力的需求，仍可能为价格提供支撑。它的问题主要是现货溢价过高，而不是完全没有使用价值。

H200的压力更直接。其480万至500万元报价较大程度依赖存量稀缺。一旦更新产品获得稳定供应，客户会重新比较单位Token成本、功耗、显存和残值。旧架构设备的租金与二手价格可能同时承压。

有情景模型将H200的合理采购中枢估算在250万元左右，部分合规采购参考价约295万元。这些数字依赖B300与H200的吞吐差异、设备使用率和Token定价，不能被当成必然回落目标。它们的作用，是展示H200高位价格对“长期稀缺”这一假设有多么敏感。

国产替代会不会终结海外GPU溢价

国产算力对这一轮价格的影响，需要分时间看。

短期内，大型模型平台更换硬件并不只是换一张卡。训练和推理框架、算子库、通信组件、模型适配、故障排查流程都要重新验证。即便单卡参数接近，集群稳定性、软件生态和交付规模也会影响实际使用成本。产能能否按期释放，也是现实限制。

因此，国产方案短期内很难无缝接住所有高端GPU需求。对于已经围绕CUDA建立系统的团队，迁移成本尤其明显。

但海外GPU的高溢价越持久，迁移的经济动力就越强。原本需要两年才能回收的适配投入，可能因为服务器涨价而缩短。训练任务相对容易做集中适配，部分新增需求可能先转向国产集群；推理业务对稳定性和延迟更敏感，切换速度可能较慢。

更稳妥的判断是：国产芯片暂时无法快速填满全部供给缺口，但客户认证、软件适配和量产进度，会逐步改变海外GPU能够维持的溢价水平。这里没有一个统一的替代率，不同模型、不同业务和不同集群规模差异很大。

接下来应盯住五个数字

判断行情是否真正转向，挂牌价只是最表面的一层。更有用的是持续跟踪以下指标：

1. B300实际到货量。 不是渠道声称“即将到货”的数量，而是完成验收、能够上架运行的设备数量。
2. H200真实月租。 长协成交价比短期询价更能反映设备的现金流能力，还要同时观察出租率。
3. B300现货与订货价差。 价差持续缩小，说明交付风险和违约套利正在减弱。
4. Token需求与推理收入。 调用量增长若无法转化为收入，采购方能够承担的设备价格仍会下降。
5. 国产芯片认证和量产进度。 客户测试通过只是第一步，能否稳定批量交付更重要。

需求侧还有一个容易被忽略的反向风险：单位Token需要的算力并非固定不变。

模型蒸馏、小模型、量化、推测解码、缓存优化和更高效的推理框架，都可能减少一次调用消耗的GPU时间。假设Token总量增长一倍，但单位Token计算成本下降一半，设备需求未必同步翻倍。若模型调用增速也开始放缓，高价所依赖的需求预期就会松动。

高位报价不等于长期价值

B300和H200整机价格大幅上涨，可以确认。B300现货报价曾达到1300万至1450万元，H200达到480万至500万元，部分H200月租报价也突破了10万元。

推动行情的因果链并不复杂：稳定供应不足，真实推理需求增加，买家争夺可立即使用的设备；灰色链路把运输、资金和交付风险计入价格；现货上涨后，较低的违约成本又鼓励供应商撕毁旧合同转售。最后，使用价值和渠道溢价被装进了同一张报价单。

目前无法确认高价区间对应的真实成交规模，也无法准确拆分其中有多少是推理需求、有多少是渠道和违约溢价。后续到货数量、价格回调幅度和国产替代速度同样存在不确定性。

B300可能凭借推理和模型服务需求保留较高价格，但1300万至1450万元的极端现货溢价很难只靠经营收益支撑。H200更依赖存量稀缺，面对新品进入、租金下行和残值下降时，价格压力可能更早出现。

与其猜某一天是否见顶，不如看设备有没有真正交付、租金有没有成交、现货和订货价差是否收窄，以及Token收入能否覆盖采购成本。当这些数字一起变化时，才足以判断这轮暴涨只是短暂降温，还是已经走到转折点。