經營壓力持續攀升

“過去一年多，我們的智能體平台AiPy日均詞元消耗量增長超過100倍，疊加算力漲價，企業整體運營成本增加5%左右，經營壓力很大。”國內人工智能和網絡安全企業知道創宇聯合創始人、CTO（首席技術官）楊冀龍說。

這場席卷全球的算力漲價潮讓不少人工智能應用企業承壓，從高端圖形處理器（GPU）、存儲芯片到雲端推理服務，算力產業鏈全線漲價，頭部雲廠商相關服務最高漲幅超三成。

人工智能大模型算力產業方陣首席顧問高輝認為，頭部模型廠商抗壓能力較強，可通過自建大規模算力集群等方式，對沖短期算力漲價影響，還可通過技術優化攤薄單位算力成本﹔中型人工智能應用服務商受沖擊最大，這類企業高度依賴公有雲租賃算力，算力成本佔其營收比重高達30%至60%，由於市場競爭激烈，終端產品難以同步漲價，利潤空間被擠壓，經營壓力持續攀升。

從細分領域看，四類賽道承壓尤為明顯。一是人工智能視頻生成賽道，由於多模態模型詞元消耗極高，算力成為不少企業第一大支出﹔二是人工智能體服務商，由於持續循環推理、自主任務運算不斷消耗算力，企業成本彈性極低﹔三是人工智能代碼研發工具平台，規模化調用會持續推高企業運營成本﹔四是面向C端的免費或低價人工智能工具，因為缺乏充足付費用戶分攤漲價成本，盈利難度進一步加大。

在楊冀龍看來，這輪算力漲價將持續一年甚至更長時間，等到國產芯片產能大規模釋放、算力軟硬件生態完整適配后，市場供需關系才可能迎來實質性變化。

高輝認為，硬件、電力、基建等剛性成本已經抬升，算力價格中樞將長期上移，難以回歸此前低價區間。從中長期來看，人工智能商業化持續落地將支撐高端算力維持溢價，若行業商業化不及預期，或將出現階段性供需寬鬆、價格小幅回調。

不過，算力漲價是挑戰更是機遇。“那些具備自建算力、掌握推理優化技術、布局國產算力生態的企業，以及算力調度、模型壓縮服務商，將在新一輪行業洗牌中獲得差異化競爭優勢。”高輝說。

從拼規模到拼效率

過去幾年，大模型的發展主要依賴持續增加的計算資源。然而，隨著大模型進入大規模應用階段，訓練成本逐漸轉變為持續性的推理成本。算力的需求結構正在發生變化。

“我們需要重新審視計算效率、模型結構和部署方式，迎接人工智能產業從算力驅動向效率驅動轉變。”北京航空航天大學人工智能研究院副研究員胡堃說。

“提升效率本身就是人工智能的使命。”楊冀龍認為，企業應選用適配自身業務的行業智能體產品，避免通用大模型無差別的詞元消耗。以AiPy為例，產品可針對業務場景精准識別企業核心訴求，減少大量無關交互帶來的詞元損耗。未來，低成本、高效率的人工智能基礎設施將成為產業發展的關鍵支撐。人工智能不僅要關注模型精度，還要綜合考慮模型結構、計算架構、編譯優化以及硬件適配能力，通過不同層級的計算資源滿足不同應用需求。

“如果大模型完成一項任務需要很長的推理鏈路和大量重試，即便詞元便宜了，最終成本也未必能降低。”上海語生科學技術有限公司首席科學家郭權瑋認為，模型進入智能體階段后，算力消耗大概率超過傳統對話式問答，單純堆GPU不可持續。未來，行業需要從比拼“模型有多大”轉向“完成一件工作到底需要多少算力、多少成本”。從這個角度而言，本地模型是理想方案之一。

人工智能企業該如何降本增效，提高算力使用效率，走可持續發展之路？專家認為，在算法層面，通過模型量化、蒸餾、稀疏化改造，精簡無效參數﹔在工程調度層面，依托流量削峰、冷熱數據緩存、批量推理等技術，將低優先級任務調度至低價閑時算力節點﹔在架構部署層面，可讓西部低價算力承接離線批量任務，優化整體成本結構﹔在業務層面，精細化管控調用權限，區分付費與免費用戶的算力優先級，限流低價值無效調用。

行業格局將被重構

算力漲價潮下，國內人工智能行業競爭格局也在悄然變化，規范、高效、自主正成為行業發展的主線。

“雖然算力價格在漲，但毋庸置疑，國產大模型和人工智能應用變得更強了。去年，我們通過AiPy開展大模型適配度測評，國產大模型Kimi K3的綜合表現已超過美國人工智能公司Anthropic開發的Claude Sonnet 4.8。”楊冀龍說，未來幾年，隨著國產算力、模型、應用的快速發展，人工智能將越來越普惠。

胡堃表示，國內企業在模型壓縮、混合精度計算、推理優化等方面不斷探索，使部分模型能夠以更低的計算成本實現接近先進模型的應用效果，算力成本壓力正成為中國人工智能企業形成差異化競爭優勢的重要機遇。

算力漲價給人工智能行業帶來的另一個趨勢是“馬太效應”持續強化：行業資源加速向頭部企業集中，那些缺乏穩定算力供給、資金實力薄弱的中小模型廠商將逐步退出市場。與此同時，隨著海外高端芯片獲取難度加大、成本攀升，國產人工智能芯片將加速適配迭代，算力生態持續完善，算力自主可控進程提速。

北京工業大學教授陳志杰說，當前，大模型技術與公眾預期仍存在差距，除非出現新的突破性技術，把行業價值從演示場景真正轉化為產業端的真實收益，否則算力、模型與實際需求之間的結構性錯配，會推動行業進入一輪深度洗牌。

高輝分析，未來國內人工智能行業的算力分層供給將常態化，高端算力保障前沿研發，中端普惠算力支撐產業數字化。同時，軟硬協同優化將成為常態，模型算法與國產芯片實現深度聯合調優，算力資源市場化交易普及，跨區域調度、算力共享將逐步落地，算力集群向綠電富集區域布局。

當前，國內大模型憑借單位算力成本僅為美國20%至40%的優勢，在全球詞元市場形成高性價比競爭力，“詞元出海”有望成為新的增長機遇。不同於傳統硬件出口，“詞元出海”通過輸出標准化人工智能服務，無需輸出實體設備，是輕量化、高附加值的數字貿易新模式，可大幅提升我國能源與數字資源的增值空間。

高輝建議，短期看，“詞元出海”應優先深耕東南亞、中東等鄰近市場，以垂直行業定制化服務、非實時批量推理業務為主﹔中長期看，要依托離岸算力政策、跨境基建的完善，持續擴大出海規模。（記者 常理 沈慧）