推理芯片交付周期拉长，云厂商改签长约

推理芯片的交付周期被多家云厂商公开拉长。现货实例变少后，采购从按小时竞价，改成按季度锁定卡时。训练集群仍能排上队，但推理扩容要等。做应用的公司发现，模型发得比卡快，产品发布会卡在额度审批上。

这不是短期的供需噪音。训练可以排队，推理必须在用户点下去的几百毫秒内给出结果。卡时一旦变成稀缺品，合同语言就会从弹性云，退回到近似产能预订。宣传里的“无限扩展”，和排期表上的“十二周以后”，开始公开打架。

周期拉长意味着什么

对云厂商，这意味着要把有限的 GPU 优先给签了长约的客户。对应用公司，意味着容量规划必须提前一个季度，而不是上线前两周才找销售要试用券。有的团队改走自建或托管机柜，用资本开支换确定性。这会改变创业公司的现金结构：以前按月烧推理费，现在要为未来三个季度的卡位付订金。

中小团队被挤到现货的尾巴上。他们买得到的往往是被长约客户剩下来的碎片时段，延迟和抢占都会变差。产品表现因此不完全取决于模型，而取决于自己在排期表里的位置。

长约怎么写

合同开始出现最低消费、可转移卡时和跨区调度条款。财务要把推理成本从浮动费用，改成可预测的资本开支近似项。谈判焦点不再是单价小数点，而是：锁定期内能不能把额度挪到新模型、新量化方案，以及突发流量能否按溢价借到一周的突发容量。

律师和工程必须坐在同一张桌子上。否则会出现一种尴尬：商务锁了某代芯片的小时数，算法下个月已经切到只在新架构上跑得动的量化格式。不能迁移的便宜，是另一种贵。

还有一种隐蔽条款：闲时能否出借、忙时能否赎回。写不清，长约就会在业务高峰变成死库存，在业务低谷变成罚金。

对应用层的传导

如果卡时被锁死，产品会更积极地上量化、上缓存、限制免费额度。用户看见的是价格表，背后是一张芯片排期表。客服话术也会变：不是“模型升级了所以变贵”，而是“这档能力对应的卡时被预订满了”。

对用户未必全是坏事。稀缺会逼产品把 token 用在真正重复的工作流上，而不是把长文总结当成默认按钮。但对依赖突发流量的业务，长约会变成紧箍咒。他们需要的是可溢出的容量，不是一张写死的季度账单。

看排期，也看可迁移性

下一轮要问的不只是“还能不能买到卡”，还有“锁进去的卡时，能不能跟着模型迭代走”。排期表会决定谁能把新模型发到用户面前，迁移条款会决定谁被钉在旧账上。