单卡每小时4.2元——这是北京8000P算力园区给首批入驻企业的GPU租用单价。
对比去年某家视频生成公司自建机房的成本：NVIDIA H800单卡每小时约42元（电费、散热、运维摊销后）。补贴后的园区价格，让这家公司果断关掉了自己的小机房，把所有训练负载搬进了中关村科学城北区这栋灰白色建筑里。
一个月下来，他们光显卡租金就从63万降到6.3万。算上存储和网络，总算力账单从月均82万缩到9.8万。
这不是孤例。据《21世纪经济报道》2026年1月报道，北京市已明确“全面实施人工智能+行动，建设国家人工智能应用中试基地”。这座8000P园区正是中试基地的核心算力节点。新华社在2025年6月的报道中称其为“打造通用人工智能（AGI）策源地”。一年过去，入驻企业从最初的5家扩张到17家，涵盖大模型、具身智能、AI Agent、视频生成四个方向。
我们拿到了其中3家企业的上云前后账本，拆开来看补贴到底补在哪儿，以及那些没写在政策文件里的隐性成本。
账本一：补贴怎么把单卡成本打到4.2元
先看明账。园区运营方（某国资平台）对入驻企业实行阶梯补贴：
- 算力券：前6个月算力费用补贴50%，之后按训练量梯度削减。
- 空间租金：前三年免租（含机房空间，不含电费）。
- 网络带宽：按需分配，月费封顶2万元（市价同等带宽约8万）。
以一家做法律大模型的创业公司为例：他们需要长期占用512张昇腾910C卡训练基座模型。
自建机房对比：
- 服务器采购（512卡×4.8万/卡）：245.76万元（一次性）
- 机柜、电力改造、液冷系统：180万元（一次性）
- 月均电费：约32万元（单卡功耗310W，含制冷）
- 运维工程师：2人 x 4万/月 = 8万元
- GPU折旧（按3年直线）：6.83万元/月
- 月均实际使用成本：约46.8万元
入园后：
- 算力租用：512卡×4.2元/小时×720小时（满负荷）≈ 15.48万元/月
- 补贴后前6个月实付：7.74万元/月
- 机房免租，电费含在算力单价里（园区统一供液冷，能效比1.1，已分摊）
- 网络带宽：封顶2万元/月
- 运维：园区提供基础运维，企业只需1人做调度监控，成本2万/月
- 月均实际支出（前6个月）：7.74+2+2 = 11.74万元
结论：前6个月月省35万元，约75%的成本削减。 6个月后补贴减半，月成本升至约20万，仍比自建低57%。
不过该企业CTO透露：“我们原本计划用NVIDIA H100，但园区只部署了昇腾910C。虽然买了昇腾适配服务，前两周还是碰到了算子缺失和通信卡死——和《昇腾910C集群微调实录》里写的一模一样。”
账本二：视频生成企业最怕的“隐性成本”
第二家是某视频生成模型公司（旗下产品曾登顶国内榜单，参考《豆包视频模型登顶国内榜单之后，影视公司怎么用它剪院线预告片》）。他们入驻后主要跑文生视频长序列训练，每批任务用1024张卡，训练周期约两周。
明面省下的钱：
- 此前用公有云GPU：按需价约15元/小时/卡，1024卡跑两周（336小时）≈ 516万元
- 园区补贴后定价：6元/小时/卡（比4.2元高，因为视频训练对显存和带宽要求更高），实付约206万元
- 单次训练节省310万元，约60%
但隐性成本冒出来了：
- 液冷故障：2026年5月园区因冷媒切换导致单批次掉卡，1024卡中有37卡温度超标自动降频，训练中断后重新Checkpoint恢复，浪费约11小时。参考《昇腾 910C 万卡集群的液冷巡检：哪些信号需要提前 30 天报警》，这类问题可以通过提前30天监测冷媒离子浓度来规避。园区尚未部署该监控体系。
- 网络拥塞：多企业同时提交大任务时，HCCL通信出现抖动，一次训练因AllReduce timeout失败。运维排查发现是AI计算网络与存储网络共享同一张HCA卡导致，后来通过MPI参数调整和独立网段解决。
- 版本兼容：某次CANN版本更新后，视频模型中的FlashAttention算子编译失败，回滚到上一版本才恢复，耽误2天。
这家公司的AI训练负责人算了一笔账：“隐性成本折算到每次训练大约多花8-10万元（微调+时间折算）。但相比公有云，还是省了300万。只要园区把液冷监测和网络QoS做好，我们愿意签长期合同。”
账本三：Agent公司的“FinOps”账单局
第三家是做企业级AI Agent平台的。他们的业务不是训练基础模型，而是大量调用大模型API做编排推理。入驻园区后，他们租了100台推理服务器（昇腾310B），部署几十个客户Agent。
明面变化：
- 推理卡月租：单卡600元/月（含电），100台×8卡×600元 = 48万元/月
- 之前用云端推理API：按Token计费，月均约75万元
- 月省27万元，36%
但Agent的账单麻烦在于：自动扩容和循环调用可能把省下的钱吃回去。参考《AI Agent的账单危机：自动续费背后的FinOps治理新解法》，他们为每个客户Agent设置了Token每月上限（5000万Token），并编写了前置过滤规则：先用轻量模型（如7B）判断问题是否需要调用大模型。结果，实际Token使用量仅为预估的45%，客户投诉率反而下降——因为过滤后客户只收到高质量回复。
尽管如此，他们的CTO提到一个尴尬细节：“园区提供的虚拟机镜像里预装了CentOS 7，但我们用的Agent框架依赖GLIBC 2.28以上。自己编译三天才搞定。希望园区能出一个‘Agent环境包’。”
补贴是杠杆，但工程细节决定留存率
综合三家账本可以看出：
明面成本降幅：60%–78%。这直接推动了北京AGI策源地的企业入驻速度。据朝阳区2024-2026年行动计划，到2026年要建设100个以上人工智能应用示范场景，形成3个以上人工智能特色产业园区。8000P园区显然是其中的标杆。
但工程适配成本不低：昇腾生态仍在完善，液冷稳定性、网络配置、软件兼容性都需要企业额外投入人力和时间。好消息是，园区运营方已在2026年Q2公开了《昇腾910C集群的硬件故障排查指南》，并计划在Q3上架自助式算子适配服务——这正是从《昇腾910C集群微调实录》这类实战文章中总结出的需求。
另一个值得注意的方向是电力扩容。8000P满负荷运转时，峰值功耗接近6.4MW。北京2026年夏季电力供应偏紧，园区已配置了两台柴油发电机作为备用，但上个月一次短时电网波动仍导致算力集群降频10%。《万卡集群跑三个月，电力、调度和液冷的真实账本》中提到的“冷媒切换+电力冗余”问题，在这里同样存在。
剩下的问题：生态怎么闭环
园区首批企业趋同于“训练型”和“推理密集型”两类。但AGI策源地的目标是让AI落地到实体场景。我们走访时注意到，园区一楼展示厅里摆着三台人形机器人——和《三台人形机器人进家30天》里描述的那类产品很像。现场测试时，机器人能把咖啡杯端到指定位置，但遇到一个椅子腿就停住了——地图识别没做那个障碍物。
园区CTO告诉我们，他们正在和几家具身智能公司谈入驻，计划在六层划出一块“物理世界验证区”，铺上典型家居环境，让机器人在真实物理条件下跑测试。但《机器人会收拾客厅了，坏了谁修仍没人说清》里的那个问题——故障后维修周期和成本——至今没有公开答案。
这可能就是算力开闸之后，下一个需要拉通的账本。
数据来源：新华网2025年6月报道《8000P算力与空间赋能，这座园区打造通用人工智能策源地》；21世纪经济报道2026年1月《瞄准“全球人工智能第一城”，北京要将AI卷到底》；朝阳区三年行动计划（2024-2026）；以及入驻企业匿名访谈。
