4P 除以 5.12：中誠華隆 HL200 的世代座標與萬卡階梯

把 4P 的 FP4 算力除以 5.12 TFLOPS/W 的能效比，答案約為 800W。這個數字沒有出現在新聞稿裡，卻是解讀 HL200 最直接的入口：它把這顆晶片放進當前旗艦 AI 加速器 700W 到 1,000W 的功耗區間，而非中階卡或邊緣運算的範圍。能效比不是行銷修辭，它反推得出封裝、散熱與供電設計的全部前提。

8 月 22 日，據界面新聞報導，中誠華隆發布 HL200 推理晶片與超節點智算叢集方案。單卡 FP4 算力 4P（即 4 PFLOPS），FP8 算力 2P，FP16／BF16 算力 0.5P，原生支援 FP4、FP8 低精度推理；叢集方案單機櫃支援 64 張 GPU 互連，單節點縱向堆疊最高 1,024 卡，橫向擴展上限 10,240 卡。

公司背景值得記上一筆。中誠華隆 2017 年 10 月以混合所有制形式成立，定位於通算、智算、超算、存算的基礎設施，標榜晶片、整機到解決方案的全套自主能力。更早之前的 HL 系列以首款全國產訓推一體 AI 晶片為定位，並宣稱相容 CUDA 生態；HL200 是同一條產品線往推理場景的再一次出手，首代研發投入要在後續產品上攤提回收，這與第二款國產 3A 的資本帳面對的是同一組變數：週期與複用率。

規格表的除法：800W 與世代座標

規格表本身就是對比工具。FP8 密集算力 2P，落在 H100 SXM 的 1,979 TFLOPS 附近；但 H100 不支援 FP4，這個格式要到 Blackwell 世代才進入主流。兩個事實疊合，HL200 的座標大致可以描述為：單卡峯值口徑對齊 Hopper 世代，低精度格式支援則是下一個世代的做法。

能效比經得起同樣的檢驗。H100 以 700W 封裝跑出 1,979 TFLOPS 的 FP8 密集算力，約合 2.8 TFLOPS/W；HL200 若按 8 比 4 的精度倍數換算，FP8 口徑約 2.6 TFLOPS/W，差距不到一成，代價是這個數字建立在約 800W 的功耗換算上，比 H100 高出一成有餘。至於 Blackwell 世代，同口徑能效比已成倍數領先，HL200 追的是格式與叢集規模，而非單卡極限。

三種精度之間 8 比 4 比 1 的倍數關係，是原生低精度設計的典型結構，而非後期用軟體降級湊出的相容。這組數字圈定了工作負載：以 FP4、FP8 跑大模型推理，訓練不在主要劇本裡。

超節點的擴展算術

叢集方案的數字更值得攤開。單機櫃 64 張 GPU，與 NVIDIA GB200 NVL72 的 72 張屬同一量級；單節點縱向 1,024 卡，約為華為 CloudMatrix 384 的 2.7 倍；橫向上限 10,240 卡，即十個千卡節點，高於阿裏巴巴對外宣示的 7,200 卡超節點路線。以發布口徑而論，這套方案的擴展上限暫時排在公開已知的超節點計畫之前。

帳面合計算得很快：10,240 卡乘以 4P，FP4 叢集算力約 40.96 EFLOPS，FP8 口徑約 20.48 EFLOPS。功耗按 800W 反推，僅 GPU 就需要約 8.2MW，計入冷卻、供電損耗與互連設備後，設施整體電力落在 10MW 以上，等於一座中型資料中心。能簽下這種規格的買家，名單很短。

萬卡規模也改寫成本結構。互連光模組、交換設備與液冷在總資本支出中的佔比隨規模上升，機櫃內 64 卡的拓撲設計直接決定 FP4 推理的 token 吞吐。發布重心從單卡轉向叢集，反映的是推理市場定價單位的位移：可擴展性是產品，單卡只是零件。

買家結構：萬卡叢集賣給誰

全國產訓推一體的定位，對應一個特定採購市場。2022 年 10 月以來，美國出口管制先後將 A100、H100 擋在門外，2023 年補上 A800、H800，2025 年 H20 又經歷出口許可的中止與恢復。政務、金融與關鍵基礎設施項目對供應確定性的估值持續上升，混合所有制背景加上晶片、整機、解決方案一體的交付形態，對接的正是標案結構，而非雲端零售。

需求側的推理量仍在放大。開源模型把部署門檻壓低，這與先前分析的Ling-3.0 開源檢查點的成本邏輯同向：權重與訓練半程下放之後，更多機構有能力自建推理服務，算力採購從訓練峯值轉向推理基線。FP4 原生支援的價值正在此處，精度每降一級，同一張卡的吞吐上升、單位 token 成本下降，推理場景對低精度的敏感度遠高於訓練。

電信業者是可以觀察的採購主力。中國移動 2025 年提出的資本開支計畫約 1,512 億元人民幣，其中算力投資約 373 億元，佔比約四分之一。總盤收縮、算力維持權重的結構，配上招標文件逐年提高的國產化要求，份額流向的方向明確，承接壓力的是進口特規卡與缺少超節點方案的二線國產廠商。

影響傳導：誰收帳，誰付帳

上遊先收。原生 FP4 的大頻寬需求離不開 HBM，國產 HBM 正從 HBM2e 往 HBM3 推進，一顆進入量產的國產推理晶片就是現成的出貨出口；2.5D 先進封裝、板卡與整機、液冷與機櫃互連，分食萬卡叢集中落在 GPU 之外相當比例的設備支出，信創整合商的合約金額也隨全套交付形態拉長。

承壓的位置有三處。NVIDIA 特規產品面對價格與供應確定性的雙重擠壓，據路透社 2025 年中報導，八卡 H20 伺服器在中國的報價已從約 110 萬元人民幣降至 55 萬元附近；摩爾線程、壁仞、燧原這類尚未展示同等規模超節點的廠商，在大型標案的入場資格上落後一個臺階；雲端業者自研晶片部門則多了一個外部供應來源，議價位置反而改善。

相容 CUDA 生態的宣稱決定遷移成本。這類相容通常經由工具鏈轉譯達成，既有程式碼的改寫量下降，但推理部署的工程投入集中在軟體棧調優，實際遷移成本仍需逐案驗證。對以存量 NVIDIA 叢集為主的機房，這是評估國產卡的第一道篩。

結算關卡與兩種情境

規格表與出貨之間還隔著幾道關卡：先進製程與 2.5D 封裝的國產產能、HBM 供給、第三方實測的 token 吞吐，以及尚未公布的售價。推理市場的價格帶正在快速下移，H20 整機一年內近乎腰斬的報價，同步壓縮國產卡的定價空間；HL200 的能效比若無法轉換為每百萬 token 的成本優勢，帳面規格很難變成訂單。

兩種情境值得追蹤。管制再收緊，國產推理晶片的需求確定性上升，HL200 的規格夠不夠用，會被採購驗證快速回答；管制放寬、特規卡恢復充分供應，價格戰將直接檢驗國產方案的真實成本結構。兩種劇本裡，超節點能力都比單卡峯值算力更具稀缺性，這也是發布會把重心放在 10,240 卡的原因。

至於那道除法的餘數：800W 的單卡功耗、8.2MW 的叢集電力，最終都會摻進每百萬 token 的報價裡。HL200 能否把約一個世代的落差換算成價格優勢，取決於良率與軟體棧，而這兩個數字目前都還沒有發布。