北京
全球科技公司的AI芯片賬單，正在以肉眼可見的速度狂奔。如今，一座中等至大型數據中心配備的AI芯片，造價動輒數十億美元。單是組裝現代AI集群的一塊英偉達Blackwell GPU，價格就能抵上一輛全新的特斯拉Model 3。非AI芯片的支出同樣飆升，中央處理器（CPU）和內存芯片的總采購量與單位成本，雙雙推至歷史最高位。這些冰冷的數字，正把整個AI經濟推向成本失控的邊緣。
**正方觀點很清晰：芯片價格漲勢不可逆，企業會被壓垮。** 需求端的三股力量——人工智能、物聯網和電動汽車——同時擠壓芯片產能。尤其是AI，模型訓練和部署對算力的吞噬幾乎沒有上限。歷史上，模型質量與投入的算力規模嚴格正相關，更多的芯片就意味著更強的輸出。但眼下，驅動需求的引擎正從訓練轉向推理。高盛預測，到2030年token消耗量將增長24倍，達到每月120萬億個。原因在于，代理式AI系統取代了單一提示交互，每一次查詢都疊加了多步任務，每次調用的計算量成數量級膨脹。與此同時，芯片每隔幾年就必須換代以保持成本競爭力，新舊輪替進一步繃緊了供需鏈條。
**反方曾寄望于效率提升，認為芯片工藝演進和推理優化會拉低單位成本。** 然而，現實正在澆滅這種期待。Gartner已發出警告：即便推理成本暴降90%，企業AI的賬單也不會變得更便宜。原因有二：第一，代理模型單任務消耗的token遠高于傳統交互，用量激增會吞噬掉大部分降幅；第二，AI服務商幾乎不可能把節省的全部成本讓渡給客戶。更扎眼的事實來自企業內部。微軟在發現員工對AI的使用量過大后，最近取消了大部分Claude Code直接許可，一名英偉達高管評價：“算力的成本已遠超人工成本。”優步則在四個月內就燒光了2026年全年的AI編程工具預算。很多公司現在為AI生產力付出的費用，已經超過了它們原本打算用AI替代的人力開銷。
**供給端同樣無力平抑價格。** 一座全新的芯片工廠造價高達數百億美元，且需要數年才能投產。芯片制造商在擴產上極度保守——一旦未來需求下滑，天量投資就可能轉嫁為自身的虧損。這種供給剛性使得需求與產能之間的缺口持續存在，直接推高芯片報價。而且，AI芯片與非AI芯片常常共用生產線，當更賺錢的AI芯片擠占產能時，CPU、內存等非AI芯片的短缺就會加劇，進而拉抬其成本。與此同時，新一代芯片的制造更加昂貴，需要額外的工藝步驟、更貴的材料和更復雜的技術。通脹高企、地緣政治和貿易摩擦，則給這些成本壓力又加上了一把火。
**所以，站在芯片成本與AI經濟的交叉口，我的判斷是：降本預期的幻覺將被快速戳破。** 是的，單個token的推理成本可能持續走低，工藝進步也能在微米間挖掘效率。但企業最終面對的總成本，是token消耗量與單價的乘積。當代理式AI將消耗量推高至數十倍，而供應商又牢牢握住定價權時，劃算就只是一個數學上的假設。Uber的預算閃電戰和微軟的許可收縮，已經提前預告了這種裂痕。如果芯片供給無法彈性響應，AI經濟就可能不是被技術瓶頸卡住，而是被一句老話擊中：成本，才是最終的限制條件。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
