算力，正成為AI時代最稀缺的“硬通貨”，目前全鏈價格不斷攀升。

　　海外英偉達H100一年期租賃價格漲幅近40％；國內(nèi)云廠商集體調(diào)價——騰訊云Tencent HY 2.0 Instruct模型輸入價上漲463％后再次整體提價5％，阿里云平頭哥真武810E等算力卡產(chǎn)品上調(diào)5％～34％，百度智能云相關(guān)服務上調(diào)5％～30％，科大訊飛智算平臺AI推理服務漲價8％，商湯科技SenseCore大模型訓練費用平均上浮12％，智譜2月以來3次提價……近期算力產(chǎn)品全鏈漲價，持續(xù)兩年多的AI“價格戰(zhàn)”驟然逆轉(zhuǎn)。

　　這是短期供需錯配的周期性波動，還是AI驅(qū)動下的趨勢性上漲？產(chǎn)業(yè)未來的競爭焦點將落在哪里？近日，記者采訪了工信部信息通信經(jīng)濟專家委員會委員盤和林與中國信通院云計算與數(shù)字化研究所總工程師郭亮，深度探尋算力漲價潮背后的產(chǎn)業(yè)變革趨勢。

　　Token激增是算力漲價潮的“核心引擎”

　　“漲價的根源是人工智能的需求驅(qū)動。”盤和林認為，其中既包括AI訓練所帶來的算力消耗，也包括AI應用爆發(fā)所激發(fā)的推理算力需求。

　　郭亮分析，漲價包含四方面因素：一是硬件成本“逆向”暴漲。高帶寬內(nèi)存（HBM）存儲與高端芯片處于絕對賣方市場，2026年第一季度存儲價格翻倍，硬件采購及運維成本高企。二是需求結(jié)構(gòu)從訓練轉(zhuǎn)向推理。隨著AI智能體爆發(fā)，推理端的Token調(diào)用量激增。推理屬于持續(xù)性運營支出，海量并發(fā)帶來的電力和帶寬成本已超出云廠商的補貼上限。三是商業(yè)模式從“圈地”轉(zhuǎn)向“盈利”。早期算力價格戰(zhàn)已完成初步生態(tài)綁定，在財務壓力下，廠商必須通過提價來覆蓋昂貴的算力折舊。四是算力資源的戰(zhàn)略性稀缺。全球高端算力租賃容量告急，電力配額緊張，供需極度失衡，導致價格失去下行空間。

　　此前兩年多時間里，云廠商以“燒錢換市場”的邏輯持續(xù)降價，Token成本被壓縮至每百萬Token不到一元。但當前，復雜推理讓單日調(diào)用費用高達數(shù)百元，價格不斷上漲，此前大模型的免費公測也同步結(jié)束。

　　“行業(yè)集體提價是從‘燒錢擴規(guī)模’轉(zhuǎn)向‘商業(yè)可持續(xù)’的必然結(jié)果。”郭亮表示，這宣告廉價算力時代終結(jié)，將進入以利潤為導向的“價值重估”階段。

　　談及價格競爭，盤和林認為，此前云計算廠商尚未發(fā)掘出具有大規(guī)模用戶黏性的AI應用場景，多數(shù)廠商采購的算力服務器主要應用于AI模型訓練環(huán)節(jié)，而非直接面向企業(yè)或個人用戶提供算力服務支持。今年以來，以“龍蝦熱”“歡樂馬”為代表的AI開源作品涌現(xiàn)，憑借其創(chuàng)新性與易用性極大激發(fā)了普通用戶對云計算產(chǎn)品的使用熱情，不僅顯著推動了Token銷售量的爆發(fā)式增長，更進一步帶動了算力資源及存儲服務的整體需求提升。

　　存儲與芯片是算力價格上漲的“成本推手”

　　當前，算力產(chǎn)業(yè)鏈的漲價態(tài)勢從上游硬件蔓延至下游服務，包括國內(nèi)外主流云廠商在內(nèi)的數(shù)十家企業(yè)，相繼上調(diào)了AI算力及相關(guān)服務的價格。那么，在算力產(chǎn)業(yè)鏈中，哪些環(huán)節(jié)是漲價的根源？

　　郭亮認為：“從算力產(chǎn)業(yè)鏈的結(jié)構(gòu)來看，存儲供應、先進封裝、芯片制造和晶圓生產(chǎn)都對算力漲價產(chǎn)生了影響。”

　　具體而言，在存儲供應方面，尤其是HBM和高容量閃存方面，隨著模型參數(shù)規(guī)模持續(xù)擴大、多模態(tài)交互日益普及，推理任務對內(nèi)存帶寬的要求已超越了對算力本身的追求，比如三星、SK海力士等廠商的HBM產(chǎn)能在2026年之前便已被長期訂單鎖定。在CoWoS等先進封裝技術(shù)方面，盡管晶圓制造產(chǎn)能正在擴張，但將計算芯片與HBM堆疊集成的先進封裝工藝擴產(chǎn)周期較長、技術(shù)門檻較高。即便晶圓供應充足，若無法完成封裝出貨，市場上的算力資源仍將處于缺貨狀態(tài)。在晶圓生產(chǎn)環(huán)節(jié)，相比存儲與封裝，先進制程的晶圓產(chǎn)能雖同樣緊俏，但在全球主要代工廠大規(guī)模擴建的背景下，其產(chǎn)能釋放節(jié)奏相對可預期，已不再是當前價格波動的主要推手。

　　“漲價主要集中在兩個環(huán)節(jié)。”盤和林分析說，“一是算力服務器本身的價格上漲，例如英偉達等廠商的AI算力服務器；二是云計算廠商提供的算力及存儲租賃服務價格上調(diào)。”

　　其中，算力服務器漲價主要源于兩個因素：一方面，芯片制造能力受限，核心瓶頸在于光刻機產(chǎn)能無法滿足AI產(chǎn)業(yè)快速發(fā)展的需求。另一方面，存儲芯片不足，內(nèi)存芯片自身存在固有產(chǎn)能周期，而AI需求的爆發(fā)式增長進一步加劇了供不應求的局面。存儲芯片產(chǎn)能的擴張通常需要3年左右，即便考慮到廠商已提前布局，至少也需要1～2年才能有效緩解供給壓力。

　　算力漲價是一場加速產(chǎn)業(yè)出清的壓力測試

　　“此輪漲價是一場‘壓力測試’。”郭亮形象地概括，它將加速產(chǎn)業(yè)出清，告別粗放的發(fā)展時代，邁向高門檻、高效率的Token生產(chǎn)和使用“深水區(qū)”。

　　此輪算力漲價正在深刻重塑整個AI產(chǎn)業(yè)鏈的競爭格局，對頭部廠商、中小企業(yè)產(chǎn)生不同影響。

　　對于頭部廠商，郭亮認為，漲價將有助于利潤與生態(tài)修復。一方面，提價緩解了云廠商巨額的算力折舊壓力，使其從“虧損獲客”轉(zhuǎn)向“質(zhì)量增長”；另一方面，頭部廠商憑借自研芯片帶來的成本優(yōu)勢，可能進一步壓縮二線云服務商的生存空間，強化自身在算力生態(tài)中的控制地位。

　　對于中小企業(yè)，盤和林分析說：“算力漲價將顯著增加中小企業(yè)和個人用戶使用AI的成本。”當前，多數(shù)中小企業(yè)主要依賴在云端購買算力與存儲資源完成模型訓練，為AI應用提供算力支持。如果AI能夠產(chǎn)出更多價值、創(chuàng)造更多利潤，中小企業(yè)很可能選擇忽視短期成本上升，選擇“AI+”戰(zhàn)略來提升經(jīng)營效率與市場競爭力。

　　郭亮總結(jié)道：“算力產(chǎn)業(yè)高質(zhì)量發(fā)展將加速‘脫虛向?qū)崱！彼懔Τ杀靖咂髮⑹沟谩癙PT創(chuàng)業(yè)”逐漸失去土壤。行業(yè)的投資重心將從純模型研發(fā)轉(zhuǎn)向能夠產(chǎn)生實際流水、算力投入產(chǎn)出比更高的商業(yè)化場景。

　　“算力銀行”與“算力超市”將為中小企業(yè)量身減負

　　面對算力供需緊張態(tài)勢，政策端已加速破局。今年4月，工業(yè)和信息化部發(fā)布《關(guān)于開展普惠算力賦能中小企業(yè)發(fā)展專項行動的通知》，推出“算力銀行”與“算力超市”兩大創(chuàng)新模式，直擊中小企業(yè)算力成本痛點。

　　郭亮表示：“專項行動是針對2026年AI算力成本激增的問題，為中小企業(yè)量身定制的‘減負’方案，關(guān)鍵在于有效落實兩項創(chuàng)新業(yè)務。”

　　“算力銀行”類似金融銀行模式，將散落的閑置算力資源化、標準化、金融化，通過“零存整取”和跨域調(diào)度實現(xiàn)普惠供給。

　　具體分四步：首先，資源歸集（存款），將不同品牌、規(guī)格的算力標準化為“標準算力單元”，像吸收存款一樣，將科研機構(gòu)、云廠商、企業(yè)的富余算力接入中國算力平臺。其次，資源池化（金庫），利用平臺將分散的服務器整合為虛擬資源池，跨地域調(diào)度，平衡波峰波谷，解決“有的地方卡死，有的地方閑死”的問題。再次，按需配給（貸款），企業(yè)像申請貸款一樣按需下單。中小企業(yè)通過“算力券”或按量付費等靈活套餐，低成本獲取高性能算力。最后，價值清算（結(jié)算），建立計量與返利機制，提供方獲得收益或未來優(yōu)先使用權(quán)，使用方按實支付，政府通過平臺數(shù)據(jù)實現(xiàn)精準補貼。

　　“一家自動駕駛初創(chuàng)公司需要大量算力處理路測數(shù)據(jù)，而某大學實驗室的算力夜間閑置。通過算力銀行，實驗室存入算力獲得未來積分；初創(chuàng)公司用政府發(fā)放的‘算力券’低價提取算力，避開公有云高峰高價。”郭亮舉例說明。

　　“算力超市”的核心是算力資源的“商品化”與“便捷化”，讓企業(yè)像網(wǎng)購一樣獲取AI算力。

　　其中包括四個關(guān)鍵環(huán)節(jié)：一是資源標準化上架，將底層硬件性能轉(zhuǎn)化為標準化商品，按Token數(shù)、單精度浮點運算能力、核時計費的算力規(guī)格計算，消除技術(shù)門檻。二是智能搜索與比價，基于中國算力平臺中小企業(yè)專區(qū)，實現(xiàn)動態(tài)比價和算力選型，自動推薦成本低、延遲低的算力包，解決信息不對稱等問題。三是開箱即用服務，預裝模型環(huán)境和開發(fā)工具，用戶可一鍵部署主流大模型鏡像和數(shù)據(jù)集，實現(xiàn)“下單即運行”，縮短開發(fā)周期。四是普惠政策與支付結(jié)算，對接政府補貼，支持“算力券”直接結(jié)算，提供預付、后付、包年包月等模式，平臺承擔QoS監(jiān)控確保真實性能。

　　“如果說算力銀行負責的是底層的‘資源流動’，解決的是‘資源流動’問題；那么算力超市負責的就是前端的‘用戶體驗’，解決的是‘交易門檻’問題，讓算力變得看得見、買得起、好上手。”郭亮認為，這兩個創(chuàng)新業(yè)務，將算力從高門檻的“資本密集型資產(chǎn)”轉(zhuǎn)變?yōu)橄袼㈦娨粯拥摹凹从眉锤缎托畔⒒A設施”，是中小企業(yè)在2026年算力競爭中突圍的關(guān)鍵。

　　針對中小企業(yè)的困境，盤和林建議要做好兩手準備：一是企業(yè)主動與云計算廠商合作，推動傳統(tǒng)算力服務向“算力超市”“算力銀行”創(chuàng)新模式升級，依托其市場經(jīng)驗與資源優(yōu)勢，降低算力基礎設施建設成本；二是政府引導國企跨領(lǐng)域融合金融、通信、算力資源，構(gòu)建業(yè)務生態(tài)體系。他特別強調(diào)，企業(yè)是產(chǎn)業(yè)發(fā)展的核心主體，必須通過市場化機制充分激發(fā)其積極性；政府則需配套“算力券”補貼、利率貼息等精準政策工具，加速創(chuàng)新模式落地生效，最終實現(xiàn)中小企業(yè)從“被動承壓”到“主動受益”的實質(zhì)性轉(zhuǎn)變。

　　未來算力產(chǎn)品價格或?qū)⒈３州^高水平

　　面向未來，此輪漲價是周期性波動還是趨勢性上漲？

　　盤和林認為，答案取決于AI應用能否真正創(chuàng)造價值。算力漲價的長期性本質(zhì)取決于AI應用的價值轉(zhuǎn)化能力。若AI僅停留在“玩具”層面，缺乏實際生產(chǎn)力支撐，此輪漲價將如曇花一現(xiàn)般短暫；若AI成為驅(qū)動產(chǎn)業(yè)變革的生產(chǎn)力工具，其漲價則將演變?yōu)榫哂谐掷m(xù)性的趨勢性特征。

　　基于當前產(chǎn)業(yè)態(tài)勢，盤和林判斷：“趨勢性價格上漲的概率更大。”AI仍處于技術(shù)爆發(fā)周期，算力產(chǎn)業(yè)將長期維持“需求激增—供給滯后”的緊平衡狀態(tài)，短期內(nèi)算力供給難以匹配需求增速。然而，未來尚存不確定性——AI究竟是泡沫還是生產(chǎn)力工具，仍需市場持續(xù)驗證。

　　郭亮提出：“此輪漲價是‘短期供需錯配’與‘長期成本剛性’共同作用的結(jié)果。”他預計，算力價格的高位震蕩將持續(xù)至2027年初。隨著全球先進制程產(chǎn)能逐步釋放、CoWoS封裝瓶頸得到突破以及HBM4內(nèi)存的大規(guī)模交付，當前由極度缺貨所導致的溢價將逐步回落。盡管短期內(nèi)的極端漲幅會趨于平抑，但由于能源成本、地緣政治溢價以及芯片制造工藝正逼近物理極限，算力的價格中樞仍將保持在較高水平，其中高性能算力將獲得更多溢價。

　　郭亮進一步表示，未來產(chǎn)業(yè)發(fā)展將有三大趨勢。首先，算力將從通用走向異構(gòu)，昂貴的處理器（GPU）不再是唯一解。針對特定算法優(yōu)化的ASIC專用芯片將大規(guī)模普及，企業(yè)也將不再盲目追求萬億參數(shù)級別的模型，而是通過模型蒸餾等技術(shù)，在更廉價的算力上實現(xiàn)高效運行。其次，需求重心將從訓練轉(zhuǎn)向推理，推理所消耗的Token量將逐步超越訓練階段。大規(guī)模推理任務對實時性和并發(fā)性的要求，使得算力供給必須更加靈活。為降低單次調(diào)用的成本，產(chǎn)業(yè)將加速向低功耗推理芯片及端云協(xié)同模式轉(zhuǎn)型。最后，算力將真正成為“新電力”，實現(xiàn)基礎設施化。

　　“未來競爭的勝負手，將聚焦‘能源調(diào)度+算力能效+算法優(yōu)化’的綜合成本控制能力。”郭亮判斷，從這個意義上說，漲價正是算力行業(yè)的“成年禮”——它將倒逼整個產(chǎn)業(yè)從粗放的擴張模式轉(zhuǎn)向極致的能效競爭。（記者　李瑞璐）

【責任編輯:朱家齊】