算力價格持續(xù)攀升，不僅抬高了人工智能企業(yè)的經(jīng)營成本，更改寫了行業(yè)原有發(fā)展邏輯，推動全產(chǎn)業(yè)迎來深刻變革。面對來勢洶洶的算力漲價潮，人工智能企業(yè)面臨哪些考驗？又該如何應(yīng)對？

　　經(jīng)營壓力持續(xù)攀升

　　“過去一年多，我們的智能體平臺AiPy日均詞元消耗量增長超過100倍，疊加算力漲價，企業(yè)整體運營成本增加5%左右，經(jīng)營壓力很大�！眹鴥�(nèi)人工智能和網(wǎng)絡(luò)安全企業(yè)知道創(chuàng)宇聯(lián)合創(chuàng)始人、CTO（首席技術(shù)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(yīng)用企業(yè)承壓，從高端圖形處理器（GPU）、存儲芯片到云端推理服務(wù)，算力產(chǎn)業(yè)鏈全線漲價，頭部云廠商相關(guān)服務(wù)最高漲幅超三成。

　　人工智能大模型算力產(chǎn)業(yè)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(guī)模算力集群等方式，對沖短期算力漲價影響，還可通過技術(shù)優(yōu)化攤薄單位算力成本；中型人工智能應(yīng)用服務(wù)商受沖擊最大，這類企業(yè)高度依賴公有云租賃算力，算力成本占其營收比重高達30%至60%，由于市場競爭激烈，終端產(chǎn)品難以同步漲價，利潤空間被擠壓，經(jīng)營壓力持續(xù)攀升。

　　從細分領(lǐng)域看，四類賽道承壓尤為明顯。一是人工智能視頻生成賽道，由于多模態(tài)模型詞元消耗極高，算力成為不少企業(yè)第一大支出；二是人工智能體服務(wù)商，由于持續(xù)循環(huán)推理、自主任務(wù)運算不斷消耗算力，企業(yè)成本彈性極低；三是人工智能代碼研發(fā)工具平臺，規(guī)�；�調(diào)用會持續(xù)推高企業(yè)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(xù)一年甚至更長時間，等到國產(chǎn)芯片產(chǎn)能大規(guī)模釋放、算力軟硬件生態(tài)完整適配后，市場供需關(guān)系才可能迎來實質(zhì)性變化。

　　高輝認為，硬件、電力、基建等剛性成本已經(jīng)抬升，算力價格中樞將長期上移，難以回歸此前低價區(qū)間。從中長期來看，人工智能商業(yè)化持續(xù)落地將支撐高端算力維持溢價，若行業(yè)商業(yè)化不及預(yù)期，或?qū)⒊霈F(xiàn)階段性供需寬松、價格小幅回調(diào)。

　　不過，算力漲價是挑戰(zhàn)更是機遇�！澳切┚邆渥越ㄋ懔�、掌握推理優(yōu)化技術(shù)、布局國產(chǎn)算力生態(tài)的企業(yè)，以及算力調(diào)度、模型壓縮服務(wù)商，將在新一輪行業(yè)洗牌中獲得差異化競爭優(yōu)勢�！备咻x說。

　　從拼規(guī)模到拼效率

　　過去幾年，大模型的發(fā)展主要依賴持續(xù)增加的計算資源。然而，隨著大模型進入大規(guī)模應(yīng)用階段，訓(xùn)練成本逐漸轉(zhuǎn)變?yōu)槌掷m(xù)性的推理成本。算力的需求結(jié)構(gòu)正在發(fā)生變化。

　　“我們需要重新審視計算效率、模型結(jié)構(gòu)和部署方式，迎接人工智能產(chǎn)業(yè)從算力驅(qū)動向效率驅(qū)動轉(zhuǎn)變。”北京航空航天大學(xué)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�！睏罴烬堈J為，企業(yè)應(yīng)選用適配自身業(yè)務(wù)的行業(yè)智能體產(chǎn)品，避免通用大模型無差別的詞元消耗。以AiPy為例，產(chǎn)品可針對業(yè)務(wù)場景精準(zhǔn)識別企業(yè)核心訴求，減少大量無關(guān)交互帶來的詞元損耗。未來，低成本、高效率的人工智能基礎(chǔ)設(shè)施將成為產(chǎn)業(yè)發(fā)展的關(guān)鍵支撐。人工智能不僅要關(guān)注模型精度，還要綜合考慮模型結(jié)構(gòu)、計算架構(gòu)、編譯優(yōu)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(yīng)用需求。

　　“如果大模型完成一項任務(wù)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�！鄙虾ＵZ生科學(xué)技術(shù)有限公司首席科學(xué)家郭權(quán)瑋認為，模型進入智能體階段后，算力消耗大概率超過傳統(tǒng)對話式問答，單純堆GPU不可持續(xù)。未來，行業(yè)需要從比拼“模型有多大”轉(zhuǎn)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(yè)該如何降本增效，提高算力使用效率，走可持續(xù)發(fā)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(shù)；在工程調(diào)度層面，依托流量削峰、冷熱數(shù)據(jù)緩存、批量推理等技術(shù)，將低優(yōu)先級任務(wù)調(diào)度至低價閑時算力節(jié)點；在架構(gòu)部署層面，可讓西部低價算力承接離線批量任務(wù)，優(yōu)化整體成本結(jié)構(gòu)；在業(yè)務(wù)層面，精細化管控調(diào)用權(quán)限，區(qū)分付費與免費用戶的算力優(yōu)先級，限流低價值無效調(diào)用。

　　行業(yè)格局將被重構(gòu)

　　算力漲價潮下，國內(nèi)人工智能行業(yè)競爭格局也在悄然變化，規(guī)范、高效、自主正成為行業(yè)發(fā)展的主線。

　　“雖然算力價格在漲，但毋庸置疑，國產(chǎn)大模型和人工智能應(yīng)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(chǎn)大模型Kimi K3的綜合表現(xiàn)已超過美國人工智能公司Anthropic開發(fā)的Claude Sonnet 4.8�！睏罴烬堈f，未來幾年，隨著國產(chǎn)算力、模型、應(yīng)用的快速發(fā)展，人工智能將越來越普惠。

　　胡堃表示，國內(nèi)企業(yè)在模型壓縮、混合精度計算、推理優(yōu)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(xiàn)接近先進模型的應(yīng)用效果，算力成本壓力正成為中國人工智能企業(yè)形成差異化競爭優(yōu)勢的重要機遇。

　　算力漲價給人工智能行業(yè)帶來的另一個趨勢是“馬太效應(yīng)”持續(xù)強化：行業(yè)資源加速向頭部企業(yè)集中，那些缺乏穩(wěn)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(chǎn)人工智能芯片將加速適配迭代，算力生態(tài)持續(xù)完善，算力自主可控進程提速。

　　北京工業(yè)大學(xué)教授陳志杰說，當(dāng)前，大模型技術(shù)與公眾預(yù)期仍存在差距，除非出現(xiàn)新的突破性技術(shù)，把行業(yè)價值從演示場景真正轉(zhuǎn)化為產(chǎn)業(yè)端的真實收益，否則算力、模型與實際需求之間的結(jié)構(gòu)性錯配，會推動行業(yè)進入一輪深度洗牌。

　　高輝分析，未來國內(nèi)人工智能行業(yè)的算力分層供給將常態(tài)化，高端算力保障前沿研發(fā)，中端普惠算力支撐產(chǎn)業(yè)數(shù)字化。同時，軟硬協(xié)同優(yōu)化將成為常態(tài)，模型算法與國產(chǎn)芯片實現(xiàn)深度聯(lián)合調(diào)優(yōu)，算力資源市場化交易普及，跨區(qū)域調(diào)度、算力共享將逐步落地，算力集群向綠電富集區(qū)域布局。

　　當(dāng)前，國內(nèi)大模型憑借單位算力成本僅為美國20%至40%的優(yōu)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。不同于傳統(tǒng)硬件出口，“詞元出海”通過輸出標(biāo)準(zhǔn)化人工智能服務(wù)，無需輸出實體設(shè)備，是輕量化、高附加值的數(shù)字貿(mào)易新模式，可大幅提升我國能源與數(shù)字資源的增值空間。

　　高輝建議，短期看，“詞元出�！睉�(yīng)優(yōu)先深耕東南亞、中東等鄰近市場，以垂直行業(yè)定制化服務(wù)、非實時批量推理業(yè)務(wù)為主；中長期看，要依托離岸算力政策、跨境基建的完善，持續(xù)擴大出海規(guī)模。（記者 常理 沈慧）