今年以來，騰訊云、阿里云、百度智能云等云計算廠商及人工智能（AI）服務商密集上調算力產品價格，部分服務最高漲幅超過30%。此輪算力漲價，不僅是企業的價格調整，更是一場席卷產業鏈的供需博弈。

算力是數字經濟的核心生產要素，這一輪算力漲價潮因何而來？價格上漲如何傳導至產業鏈上下游？又將給正在加速發展的AI產業帶來怎樣的影響？ 

三重因素推高價格 

“算力價格上漲，根本原因是供需失衡。需求端快速增長，而供給端受多重瓶頸制約，兩者之間的缺口持續擴大。”賽智產業研究院智能經濟研究所所長李銘巖說。

國家發展改革委宏觀經濟研究院研究員張林山認為，生成式AI應用的井噴式發展催生了海量算力需求，科技巨頭與初創企業紛紛投身“百模大戰”，導致對高性能圖形處理器（GPU）、智算中心的需求呈指數級激增。 

詞元（Token）調用量的快速增長是需求端擴張的直接體現。截至今年3月，我國日均Token調用量已超過140萬億，相比2024年初的1000億增長了1000多倍，相比2025年底的100萬億，3個月時間增長超40%。 

需求結構的轉變，折射出算力市場的新趨勢。國家數據局數據顯示，2025年，我國用于人工智能訓練和推理的數據總量為199.48艾字節（EB），推理數據量首超訓練數據量，達101.34EB。據測算，未來推理算力需求與訓練算力需求之比或將達到3∶1，甚至更高。訓練決定模型的能力上限，而推理則決定模型的商業落地，這種轉變，使算力從階段性投入變成持續性運營支出。 

供給端的約束也十分突出。國研新經濟研究院創始院長朱克力認為，高端AI芯片、高帶寬存儲等核心硬件產能緊張，上游元器件成本抬升，直接推高服務器采購成本。同時智算中心建設還要匹配電力、網絡配套，新建算力集群投產周期長，短期供給跟不上需求擴張的節奏。 

李銘巖判斷，此輪算力漲價不是短期波動，而是AI產業從“補貼擴張”走向“商業可持續”的標志性節點。需求端從訓練向推理的結構性遷移打開了長期增長空間，供給端的硬件、封裝、交付等瓶頸在短期內難以根本緩解，而行業自身的商業邏輯已從“燒錢”轉向“盈利”。三重力量疊加，共同推高了算力價格。 

產業鏈正加速調整 

8月17日，DeepSeek API（應用程序編程接口）調價正式生效。業內人士分析，算力成本壓力是人工智能大模型漲價的主要原因。 

算力價格上漲，正沿著產業鏈向上下游傳導。一場圍繞成本、利潤和市場份額的博弈也隨之展開。漲價首先向上游傳導，帶動算力基礎設施投資擴張。隨著AI需求持續增長，云廠商不斷加大資本開支，推動GPU、存儲、先進封裝等核心硬件需求擴張。“上游硬件廠商迎來量價齊升的景氣周期，芯片、存儲、先進封裝等上游環節是漲價的最大受益者。”李銘巖說。 

處于產業鏈中游的算力租賃企業，則面臨機遇與壓力并存的局面。業內人士表示，隨著算力需求持續增長，算力租賃市場空間進一步擴大，相關企業的議價能力有望提升。與此同時，算力成本占其運營支出的七八成，上游價格上漲將直接壓縮利潤空間。 

當漲價壓力最終傳導至下游，AI應用企業的成本承壓將更加明顯，行業分化或將進一步加劇。算力成本正成為大模型公司和AI應用企業的運營負擔，頭部模型廠商成為云服務商之外算力租賃市場的重要增量客戶，但實力較弱的中小AI企業可能因算力成本過高而被擠出市場，加速行業洗牌。 

張林山認為，面對算力漲價挑戰，企業應采取降本增效與多元布局的策略。技術上，通過模型蒸餾、量化等手段降低算力消耗，并探索國產芯片等替代方案；資源上，采用混合云架構，靈活調度算力資源以平滑價格波動；戰略上，大型企業可適度布局自建算力設施，中小企業則可利用算力租賃模式降低初始投入，通過精細化管理最大化單位算力的價值。 

朱克力表示，算力供給企業，不能簡單依靠漲價獲利，要提升資源調度效率，盤活閑置算力，豐富按量計費、彈性租賃等多元服務模式。長遠來看，整個行業要跳出單純拼硬件資源的思路，向算法優化、場景解決方案延伸，依靠技術效率對沖硬件成本上漲帶來的壓力。 

完善算力供給體系 

算力漲價潮會持續多久？多位專家判斷，未來兩三年算力價格將呈現先穩中有升，而后逐步趨穩分化的走勢。短期高端訓練算力仍將維持高位，隨著全球算力產能持續投放、國產算力生態成熟，通用推理算力漲幅放緩；長期來看，價格將逐步回落。 

面對供給短缺與需求增加雙重壓力，除了擴大硬件供給，通過云端服務的調度能力，把已有和新增的算力資源利用到最優，成為當前許多企業的選擇。 

以騰訊云為例，通過統一調度層，騰訊云將不同芯片、不同任務、不同位置的算力資源納入同一平臺管理，按業務實際需要動態匹配——訓練與推理彈性分配、云端與邊端協同承擔、離線與在線錯峰運行。 

中國信息通信研究院云計算與數字化研究所副所長栗蔚認為，行業將從比拼浮點運算能力，轉向比拼Token效能。云服務商需通過模型架構優化等手段系統性降低Token成本，從而在價格層面構建差異化競爭優勢，實現技術降本與商業競爭力的雙重突破。 

今年4月，算力網被正式納入國家“六張網”建設，圍繞國家算力樞紐節點已建成超70條算力大通道。李銘巖認為，應在此基礎上加快推動算力資源全國“一張網”調度，打破區域和主體壁壘，讓算力真正像水電一樣流動自如；持續探索“算力換綠電”等市場化合作模式，讓西部綠電真正成為東部算力的低成本能源支撐；加大研發投入，突破先進制程、先進封裝等關鍵技術瓶頸。 

構建高效、普惠、安全的算力供給體系需要多方協同推進。張林山建議，技術層面，持續突破高端芯片、基礎軟件關鍵技術，完善異構算力調度平臺，提升算力資源利用率；布局全國一體化算力網絡，深化“東數西算”工程，推動算力跨區域流通交易，降低算力使用門檻，促進算力普惠。產業層面，鼓勵綠色智算中心建設，發展液冷、低碳算力基礎設施。 

人工智能行業亟需深度轉型 ——算力漲價潮影響與應對②

算力價格持續攀升，不僅抬高了人工智能企業的經營成本，更改寫了行業原有發展邏輯，推動全產業迎來深刻變革。面對來勢洶洶的算力漲價潮，人工智能企業面臨哪些考驗？又該如何應對？

經營壓力持續攀升 

“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）、存儲芯片到云端推理服務，算力產業鏈全線漲價，頭部云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，由于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，由于持續循環推理、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臺，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松、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準識別企業核心訴求，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。不同于傳統硬件出口，“詞元出海”通過輸出標準化人工智能服務，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。

來源：《經濟日報》