眾所周知，全球科技公司正在押注AI，未來幾年，美國預計將投入數萬億美元。但現實卻是殘酷的，一方面超大規模云廠商加大投入，另一方面，AI基礎設施的成本也在不斷攀升。

于是乎，我們看到了奇怪的“芯片通脹（Chipflation）”現象。科技企業急于收回成本，AI繁榮壓縮了常規芯片的供應。許多人抱怨稱：“新一代智能手機、游戲機的價格高于上代，怪AI去吧。”

據估計，臺積電計劃今年投資約560億美元，但即使如此，尖端芯片仍然供不應求。受到供應限制的影響，馬斯克甚至考慮自建芯片工廠，預計花費550億美元，甚至高達1190億美元。

高盛全球股票研究主管詹姆斯·科韋洛（James Covello）稱：“幾乎所有價值全都流向芯片層，這種現象是史無前例的，也是不可持續的。芯片公司以產業鏈上游所有參與者的利益作為代價，獲得蓬勃發展的機會。”

基礎設施成本暴漲

從財報數據我們便可以窺見通貨膨脹帶來的痛苦。微軟預計，由于組件價格更高，全年資本支出預計將增加250億美元，總額達1900億美元。Meta已經將支出中值上調100億美元，主要是因為組件成本上升，尤其是內存芯片成本增加。

英偉達堪稱印鈔機，它的GPU毛利達75%，一些批評者稱，75%的利潤率實際上是“英偉達稅”。因為數據中心需要消耗大量內存，所以企業還要支付“內存稅（memory tax）”。

三大DRAM供應商SK海力士、三星、美光的總市值已經超過2.8萬億美元，最近一個財季，SK海力士的營業利潤率達到了創紀錄的72%。同一季度內，三星DRAM的平均售價較上一季度上漲超過90%。

根據研究機構SemiAnalysis的數據，今年，各類內存的支出可能占到云廠商資本支出的30%，而在2024年，這一比例僅為8%。

云廠商仍然信心十足，CoreWeave表示，租賃價格會全面上漲。

與此同時，云廠商也在尋找方法降低成本，要么采用替代AI芯片，比如AMD產品；另一種方法是自主研發硬件，比如Alphabet的TPU、亞馬遜Trainium、微軟Maia 200。亞馬遜預計，Trainium每年能為自身節省數百億美元。

由于成本上升，預計今年全球智能手機銷量將下降約13%，其中平價手機受到的影響尤為嚴重。

太平洋投資管理公司（Pimco）經濟學家蒂芙尼·懷爾丁（Tiffany Wilding）指出：“由于市場對半導體、內存以及AI基礎設施其他組件的巨大需求，企業似乎正在通過價格將壓力傳導至消費者。”

如果美聯儲拒絕降息，投巨資追求超級智能就會變得魯莽。

對不起：模型要漲價了

面對成本壓力，企業正在調整節奏。最常用的手段就是給用戶“漲價”，比如，GPT 5.5的價格就比上一代模型漲了很多。

GitHub正在轉向“按量計費”模式，它于4月27日解釋稱，從6月1日開始Copilot產品將基于“Token（詞元）”使用量進行計費。

Harness首席技術官Adam Arellano認為，過去那種“每月固定價格、無限次提問”的定價模式是不可持續的，陣痛遲早會到來。

服務的經濟學原理就像自然生態系統，保持良性循環如同控制野外種群。Arellano稱：“你如果把所有的美洲獅都消滅了，鹿群的數量會爆炸，然后因為食物不足，數量又會劇烈回彈。最開始時，AI編程助手的開發者拿到了太多資金，它們不需要為生存斗爭，不需要真正做有用的事，不需要精打細算。”

SOCRadar首席信息安全官Ensar Seker說：“到目前為止，許多團隊將工具視為無限的生產力助推器，現在按量收費，大家會被迫重視優化和投資回報率（ROI）。AI使用量可能會分配給高價值任務，比如調試復雜邏輯、加速代碼審查，而不是日常的自動補全。”

然而，一旦企業開始為某項產品收費，用戶就會對服務有所期待。TieTechnology首席運營官Mike Wehrs指出：“如果我買了最初的100個Token，結果你沒能搞定，再多給我40個Token又能有什么用呢？這就是模型開發者目前還沒有考慮到的問題，他們也沒有想好如何處理這種情況。”

在整個行業，當前的定價舉措可能是隨意的，因為AI的發展速度太快，許多科技創業者一直更專注于打造產品，而不是商業模式。

Arellano相信，如果能迅速做出很酷的東西并快速推向大眾，經濟和商業模式之類的現實問題自然會浮現。企業也許是對的，因為除了加密貨幣之外，沒有任何事物以這樣的速度發展過。

開發者Sigrid Jin認為，對于像他這樣的開發者來說，盡可能多地使用AI詞元（Token）是理解AI價值的最佳方式，他一年便用掉了500億個詞元。

在美國，大多數人使用的是免費版模型，或者是每月20美元的套餐，這些人實際上并沒有真正理解AI的全部潛力。

Sigrid Jin建議同行在詞元上的花費應該接近房租，這樣才能獲得“投資回報”。

無論是個人用戶還是企業用戶，只有營收超過成本，才能維持良性運轉。但放在現實中，許多公司在AI上的支出已經超過員工薪水。

使用成本超過人力

Uber便陷入類似的困境，原本Uber安排了2026年的AI預算，但結果短短4個月年度預算便揮霍一空。

這就是當前擺在所有AI企業面前的問題：AI的成本增速如此之快，它不僅沒有降低成本，反而成了吞噬現金流的黑洞。

英偉達副總裁Bryan Catanzaro說：“對于我的團隊來說，計算成本遠超員工成本。”

也就是說，雇傭一個AI智能體（Agent）所需的算力、電力和維護費用極高，已經超過雇傭一個同級別的人類員工。

為了追求所謂的“生產力”或“未來感”，企業和個人瘋狂使用詞元，這種行為是愚蠢的。

從長期來看，昂貴的AI軍備競賽真的好嗎？如果AI無法在經濟層面證明自己“比人便宜”，所謂的“AGI”商業敘事就可能崩塌。

種種案例證明，在當前的算力成本結構下，人類依然是性價比更高的選擇。

麥肯錫預測，到2030年AI總支出可能高達5.2萬億美元。如果企業采用固定價格的“訂閱制”，重度用戶會無限使用，讓企業虧錢。最終企業只能選擇“按使用量付費”的模式，豆包走的也是這條路。

一些企業瘋狂裁員，將“工資”預算省下來，用于購買算力。本質上，這種做法不是“AI替代人”，而是資本從“人力資本”轉向“算力資產”。

單是美國，2026年科技行業裁員已超9.2萬人，但這并非因為AI臻于完美，已經可以取代人類，而是企業想騰出資金，用來建設數據中心。

就目前而言，AI比人更貴，但拐點一定會到來。Gartner預測，未來四年內，萬億參數大模型的推理成本將暴跌90%，可靠性也會提升，到時模型使用成本更低，結果更可預測，AI替代人力的現象才會全面實現。（小刀）