AI前沿大模型的這場漲價博弈，究竟還能走多遠？

從今年一月開始，全球GPU租賃價格漲幅已經(jīng)超過兩倍。

根據(jù)Counterpoint在今年2月推出的《內(nèi)存價格追蹤報告》數(shù)據(jù)，2026年第一季度至今，內(nèi)存價格環(huán)比上漲幅度已經(jīng)達到80%-90%，創(chuàng)下了歷史最大漲幅記錄。

上游成本的暴漲，已經(jīng)直接傳導(dǎo)到了AI行業(yè)的下游終端。

AI研究機構(gòu)Epoch AI最新發(fā)布的《梯度更新》報告做了一個直白測算：把全球所有Blackwell芯片的算力加總，算出能處理的Token總量，再和當前市場的實際需求做比對。

最終結(jié)論很殘酷——供給完全跟不上需求。

暴漲的Token需求已經(jīng)吞噬了算力供給

先看供給端的情況。

Epoch AI的測算以Kimi K2.6大模型為基準，該模型是擁有萬億總參數(shù)、320億活躍參數(shù)的MoE架構(gòu)。

在輸入輸出比為8000:1000的標準場景下，全球所有Blackwell芯片集群的理論吞吐量極限，是每秒約200億輸出Token。

這個數(shù)字聽起來很大？換算一下，相當于全球每個人每月能分到700萬Token。

但這只是理想場景下的理論值。如果把上下文窗口拉長到現(xiàn)在常用的128k，Blackwell的吞吐量會直接暴跌50倍，降到每秒僅約5億輸出Token。

再來看需求端。

Google不久前披露，自家產(chǎn)品現(xiàn)在每秒就要處理約12億Token（包含輸入+輸出）。

按照行業(yè)常見的8k輸入對應(yīng)1k輸出的請求比例換算，Google每秒的輸出Token需求約為1.3億。Exponential View估算，Google的需求大約占全球總Token需求的25%。

也就是說，以現(xiàn)在的需求來看，把全球所有Blackwell芯片全產(chǎn)能拉滿，全部用來跑大模型，也只是剛好能勉強撐住。

那需求現(xiàn)在的增長速度是多少呢？

每年10倍。

從2024年開始，Google處理的Token量每年增長10倍，其他AI服務(wù)商的增長速度也基本和這個水平一致。

反觀供給側(cè)呢？全球AI算力每年只增長3.4倍，芯片內(nèi)存帶寬的年增速也只有4.1倍。

供給年增3.4倍對上需求年增10倍，供需缺口每年都在被越拉越大。

Meta員工日均消耗百萬Token，企業(yè)端需求已經(jīng)爆炸

算力緊缺從來不是抽象的數(shù)字，已經(jīng)真實發(fā)生在企業(yè)日常運營中。

看看頭部科技公司內(nèi)部的情況就知道了。

The Information報道顯示，Meta的8.5萬名員工，每個月就要消耗掉60萬億Token。

換算下來，Meta每一位員工平均每天就要燒掉約100萬輸出Token。

Apple的消耗規(guī)模更驚人。

Apple部分工程團隊，每天的Token使用預(yù)算就高達300美元——按照Kimi K2.6的定價計算，這筆錢足夠一個人生成2500萬輸出Token。

這還只是兩家頭部公司的消耗。

現(xiàn)在全球大約有1400萬軟件工程師每天都在使用AI工具。

如果所有工程師的使用強度都達到Meta或者Apple員工的水平，全球Token吞吐需求將會直接飆升到每秒2億到40億Token。

40億的需求，對比Blackwell在長上下文場景下5億每秒的極限供給，差了整整一個數(shù)量級。

漲價持續(xù)，但增長開始放緩

更值得玩味的變化已經(jīng)出現(xiàn)。

METR最新研究結(jié)果顯示，Claude Code在實際開發(fā)測試中，反而讓資深開發(fā)者的任務(wù)完成速度變慢了19%。

同時，VS Code相關(guān)AI編碼插件的安裝增速，從今年年初開始就已經(jīng)明顯放緩。

編碼AI工具增長放緩，背后其實是兩個因素的疊加：一方面是算力資源本身已經(jīng)捉襟見肘，另一方面很多企業(yè)今年的AI預(yù)算已經(jīng)提前花完。

和增長放緩形成鮮明對比的，是前沿大模型的一輪接一輪漲價：ChatGPT Pro上調(diào)訂閱價格，Claude API價格持續(xù)上漲，Gemini的漲幅最夸張，部分場景價格直接暴漲3倍，GPT-5.5的定價更是直接翻倍。

現(xiàn)在企業(yè)用AI，用量越來越大、花費越來越高，但獲得的效果卻不一定能跟上成本漲幅，這筆賬企業(yè)很快就算明白了。

高性價比替代方案成新選擇，前沿模型定價權(quán)動搖

市場已經(jīng)出現(xiàn)了新的分流路線，很多企業(yè)開始轉(zhuǎn)向高性價比的替代方案。

DeepSeek V3的訓練成本只有頭部前沿模型的1/10到1/20，API價格更是低到同類前沿產(chǎn)品的1/16。

那性能呢？DeepSeek V3的實際表現(xiàn)已經(jīng)逼近GPT-5的水平。

國外技術(shù)社區(qū)Hacker News上有一個熱門帖子，創(chuàng)作者做了一個11個月回本的投資回報模型，幫企業(yè)算清楚：從GPT-5.5切換到DeepSeek，每年能省下多少成本。

評論區(qū)的開發(fā)者和企業(yè)管理者形成了一個共識：前沿大模型的定價權(quán)正在逐步崩塌。

當一個高性價比模型只用1/16的價格，就能跑出頭部模型90%的效果，漲價對頭部模型來說就不再是利潤增長的手段，反而會變成加速客戶流失的推手。

本來，「企業(yè)不斷增加Token用量榨取AI價值」是前沿大模型廠商的核心增長邏輯，但現(xiàn)在The Information的報道顯示，這種增長邏輯已經(jīng)開始反噬AI廠商自身的利潤空間。

用戶越多，虧損越多；靠漲價止血，用戶就會流向替代方案。這已經(jīng)形成了典型的死亡螺旋。

AI行業(yè)走到算力經(jīng)濟懸崖邊，格局正在重塑

把視角拉遠來看整個行業(yè)。

當前全球的AI算力里，OpenAI、Anthropic、Google DeepMind這些頂級前沿實驗室，只占據(jù)了20%-30%的份額。

剩下70%-80%的算力，都掌握在企業(yè)自用算力、云服務(wù)商、推理服務(wù)商手里。

這也就意味著，哪怕是最頂級的AI實驗室，也沒辦法靠自建算力填滿供需缺口，它們和所有參與者一樣，都在搶同一批芯片產(chǎn)能。

算力年增3.4倍，需求年增10倍，這個供需剪刀差不會自動消失。

確實，小模型已經(jīng)在替代一部分市場需求，蒸餾模型生態(tài)的崛起就能證明這一點，但模型能力提升又在不斷催生新的更大需求，缺口依然無法填補。

現(xiàn)在整個AI行業(yè)其實已經(jīng)站在了懸崖邊上，這不是技術(shù)能力的懸崖——大模型的能力還在不斷變強，這是經(jīng)濟模型的懸崖，現(xiàn)在的商業(yè)邏輯已經(jīng)算不通了。

當GPU租金翻倍上漲、API價格接連暴漲、開源高性價比替代品性能逼近頭部、企業(yè)開始質(zhì)疑AI編碼工具的投資回報，一個核心問題已經(jīng)被拋到了行業(yè)面前：

前沿大模型的核心護城河，到底是模型本身的智能，還是堆出來的算力？

如果答案是算力，那么控制芯片產(chǎn)能的玩家，就能掌控AI的未來；如果答案是模型智能，那么DeepSeek用1/16的成本就能逼近同等效果，已經(jīng)動搖了這個結(jié)論。

參考資料：

https://counterpointresearch.com/en/insights/Memory-Prices-Surge-Up-to-90-From-Q4-2025

https://www.signalbloom.ai/posts/outsourcing-plus-localai-will-soon-become-more-economical-vs-frontier-labs/https://news.ycombinator.com/item?id=48278610

本文來自微信公眾號“新智元”，作者：ASI啟示錄；編輯：大衛(wèi)，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com