今年以来，腾讯云、阿里云、百度智能云等云计算厂商及人工智能（AI）服务商密集上调算力产品价格，部分服务最高涨幅超过30%。此轮算力涨价，不仅是企业的价格调整，更是一场席卷产业链的供需博弈。
算力是数字经济的核心生产要素，这一轮算力涨价潮因何而来？价格上涨如何传导至产业链上下游？又将给正在加速发展的AI产业带来怎样的影响？
三重因素推高价格
“算力价格上涨，根本原因是供需失衡。需求端快速增长，而供给端受多重瓶颈制约，两者之间的缺口持续扩大。”赛智产业研究院智能经济研究所所长李铭岩说。
国家发展改革委宏观经济研究院研究员张林山认为，生成式AI应用的井喷式发展催生了海量算力需求，科技巨头与初创企业纷纷投身“百模大战”，导致对高性能图形处理器（GPU）、智算中心的需求呈指数级激增。
词元（Token）调用量的快速增长是需求端扩张的直接体现。截至今年3月，我国日均Token调用量已超过140万亿，相比2024年初的1000亿增长了1000多倍，相比2025年底的100万亿，3个月时间增长超40%。
需求结构的转变，折射出算力市场的新趋势。国家数据局数据显示，2025年，我国用于人工智能训练和推理的数据总量为199.48艾字节（EB），推理数据量首超训练数据量，达101.34EB。据测算，未来推理算力需求与训练算力需求之比或将达到3∶1，甚至更高。训练决定模型的能力上限，而推理则决定模型的商业落地，这种转变，使算力从阶段性投入变成持续性运营支出。
供给端的约束也十分突出。国研新经济研究院创始院长朱克力认为，高端AI芯片、高带宽存储等核心硬件产能紧张，上游元器件成本抬升，直接推高服务器采购成本。同时智算中心建设还要匹配电力、网络配套，新建算力集群投产周期长，短期供给跟不上需求扩张的节奏。
李铭岩判断，此轮算力涨价不是短期波动，而是AI产业从“补贴扩张”走向“商业可持续”的标志性节点。需求端从训练向推理的结构性迁移打开了长期增长空间，供给端的硬件、封装、交付等瓶颈在短期内难以根本缓解，而行业自身的商业逻辑已从“烧钱”转向“盈利”。三重力量叠加，共同推高了算力价格。
产业链正加速调整
8月17日，DeepSeek API（应用程序编程接口）调价正式生效。业内人士分析，算力成本压力是人工智能大模型涨价的主要原因。
算力价格上涨，正沿着产业链向上下游传导。一场围绕成本、利润和市场份额的博弈也随之展开。涨价首先向上游传导，带动算力基础设施投资扩张。随着AI需求持续增长，云厂商不断加大资本开支，推动GPU、存储、先进封装等核心硬件需求扩张。“上游硬件厂商迎来量价齐升的景气周期，芯片、存储、先进封装等上游环节是涨价的最大受益者。”李铭岩说。
处于产业链中游的算力租赁企业，则面临机遇与压力并存的局面。业内人士表示，随着算力需求持续增长，算力租赁市场空间进一步扩大，相关企业的议价能力有望提升。与此同时，算力成本占其运营支出的七八成，上游价格上涨将直接压缩利润空间。
当涨价压力最终传导至下游，AI应用企业的成本承压将更加明显，行业分化或将进一步加剧。算力成本正成为大模型公司和AI应用企业的运营负担，头部模型厂商成为云服务商之外算力租赁市场的重要增量客户，但实力较弱的中小AI企业可能因算力成本过高而被挤出市场，加速行业洗牌。
张林山认为，面对算力涨价挑战，企业应采取降本增效与多元布局的策略。技术上，通过模型蒸馏、量化等手段降低算力消耗，并探索国产芯片等替代方案；资源上，采用混合云架构，灵活调度算力资源以平滑价格波动；战略上，大型企业可适度布局自建算力设施，中小企业则可利用算力租赁模式降低初始投入，通过精细化管理最大化单位算力的价值。
朱克力表示，算力供给企业，不能简单依靠涨价获利，要提升资源调度效率，盘活闲置算力，丰富按量计费、弹性租赁等多元服务模式。长远来看，整个行业要跳出单纯拼硬件资源的思路，向算法优化、场景解决方案延伸，依靠技术效率对冲硬件成本上涨带来的压力。
完善算力供给体系
算力涨价潮会持续多久？多位专家判断，未来两三年算力价格将呈现先稳中有升，而后逐步趋稳分化的走势。短期高端训练算力仍将维持高位，随着全球算力产能持续投放、国产算力生态成熟，通用推理算力涨幅放缓；长期来看，价格将逐步回落。
面对供给短缺与需求增加双重压力，除了扩大硬件供给，通过云端服务的调度能力，把已有和新增的算力资源利用到最优，成为当前许多企业的选择。
以腾讯云为例，通过统一调度层，腾讯云将不同芯片、不同任务、不同位置的算力资源纳入同一平台管理，按业务实际需要动态匹配——训练与推理弹性分配、云端与边端协同承担、离线与在线错峰运行。
中国信息通信研究院云计算与数字化研究所副所长栗蔚认为，行业将从比拼浮点运算能力，转向比拼Token效能。云服务商需通过模型架构优化等手段系统性降低Token成本，从而在价格层面构建差异化竞争优势，实现技术降本与商业竞争力的双重突破。
今年4月，算力网被正式纳入国家“六张网”建设，围绕国家算力枢纽节点已建成超70条算力大通道。李铭岩认为，应在此基础上加快推动算力资源全国“一张网”调度，打破区域和主体壁垒，让算力真正像水电一样流动自如；持续探索“算力换绿电”等市场化合作模式，让西部绿电真正成为东部算力的低成本能源支撑；加大研发投入，突破先进制程、先进封装等关键技术瓶颈。
构建高效、普惠、安全的算力供给体系需要多方协同推进。张林山建议，技术层面，持续突破高端芯片、基础软件关键技术，完善异构算力调度平台，提升算力资源利用率；布局全国一体化算力网络，深化“东数西算”工程，推动算力跨区域流通交易，降低算力使用门槛，促进算力普惠。产业层面，鼓励绿色智算中心建设，发展液冷、低碳算力基础设施。
人工智能行业亟需深度转型 ——算力涨价潮影响与应对②
算力价格持续攀升，不仅抬高了人工智能企业的经营成本，更改写了行业原有发展逻辑，推动全产业迎来深刻变革。面对来势汹汹的算力涨价潮，人工智能企业面临哪些考验？又该如何应对？
经营压力持续攀升
“过去一年多，我们的智能体平台AiPy日均词元消耗量增长超过100倍，叠加算力涨价，企业整体运营成本增加5%左右，经营压力很大。”国内人工智能和网络安全企业知道创宇联合创始人、CTO（首席技术官）杨冀龙说。
这场席卷全球的算力涨价潮让不少人工智能应用企业承压，从高端图形处理器（GPU）、存储芯片到云端推理服务，算力产业链全线涨价，头部云厂商相关服务最高涨幅超三成。
人工智能大模型算力产业方阵首席顾问高辉认为，头部模型厂商抗压能力较强，可通过自建大规模算力集群等方式，对冲短期算力涨价影响，还可通过技术优化摊薄单位算力成本；中型人工智能应用服务商受冲击最大，这类企业高度依赖公有云租赁算力，算力成本占其营收比重高达30%至60%，由于市场竞争激烈，终端产品难以同步涨价，利润空间被挤压，经营压力持续攀升。
从细分领域看，四类赛道承压尤为明显。一是人工智能视频生成赛道，由于多模态模型词元消耗极高，算力成为不少企业第一大支出；二是人工智能体服务商，由于持续循环推理、自主任务运算不断消耗算力，企业成本弹性极低；三是人工智能代码研发工具平台，规模化调用会持续推高企业运营成本；四是面向C端的免费或低价人工智能工具，因为缺乏充足付费用户分摊涨价成本，盈利难度进一步加大。
在杨冀龙看来，这轮算力涨价将持续一年甚至更长时间，等到国产芯片产能大规模释放、算力软硬件生态完整适配后，市场供需关系才可能迎来实质性变化。
高辉认为，硬件、电力、基建等刚性成本已经抬升，算力价格中枢将长期上移，难以回归此前低价区间。从中长期来看，人工智能商业化持续落地将支撑高端算力维持溢价，若行业商业化不及预期，或将出现阶段性供需宽松、价格小幅回调。
不过，算力涨价是挑战更是机遇。“那些具备自建算力、掌握推理优化技术、布局国产算力生态的企业，以及算力调度、模型压缩服务商，将在新一轮行业洗牌中获得差异化竞争优势。”高辉说。
从拼规模到拼效率
过去几年，大模型的发展主要依赖持续增加的计算资源。然而，随着大模型进入大规模应用阶段，训练成本逐渐转变为持续性的推理成本。算力的需求结构正在发生变化。
“我们需要重新审视计算效率、模型结构和部署方式，迎接人工智能产业从算力驱动向效率驱动转变。”北京航空航天大学人工智能研究院副研究员胡堃说。
“提升效率本身就是人工智能的使命。”杨冀龙认为，企业应选用适配自身业务的行业智能体产品，避免通用大模型无差别的词元消耗。以AiPy为例，产品可针对业务场景精准识别企业核心诉求，减少大量无关交互带来的词元损耗。未来，低成本、高效率的人工智能基础设施将成为产业发展的关键支撑。人工智能不仅要关注模型精度，还要综合考虑模型结构、计算架构、编译优化以及硬件适配能力，通过不同层级的计算资源满足不同应用需求。
“如果大模型完成一项任务需要很长的推理链路和大量重试，即便词元便宜了，最终成本也未必能降低。”上海语生科学技术有限公司首席科学家郭权玮认为，模型进入智能体阶段后，算力消耗大概率超过传统对话式问答，单纯堆GPU不可持续。未来，行业需要从比拼“模型有多大”转向“完成一件工作到底需要多少算力、多少成本”。从这个角度而言，本地模型是理想方案之一。
人工智能企业该如何降本增效，提高算力使用效率，走可持续发展之路？专家认为，在算法层面，通过模型量化、蒸馏、稀疏化改造，精简无效参数；在工程调度层面，依托流量削峰、冷热数据缓存、批量推理等技术，将低优先级任务调度至低价闲时算力节点；在架构部署层面，可让西部低价算力承接离线批量任务，优化整体成本结构；在业务层面，精细化管控调用权限，区分付费与免费用户的算力优先级，限流低价值无效调用。
行业格局将被重构
算力涨价潮下，国内人工智能行业竞争格局也在悄然变化，规范、高效、自主正成为行业发展的主线。
“虽然算力价格在涨，但毋庸置疑，国产大模型和人工智能应用变得更强了。去年，我们通过AiPy开展大模型适配度测评，国产大模型Kimi K3的综合表现已超过美国人工智能公司Anthropic开发的Claude Sonnet 4.8。”杨冀龙说，未来几年，随着国产算力、模型、应用的快速发展，人工智能将越来越普惠。
胡堃表示，国内企业在模型压缩、混合精度计算、推理优化等方面不断探索，使部分模型能够以更低的计算成本实现接近先进模型的应用效果，算力成本压力正成为中国人工智能企业形成差异化竞争优势的重要机遇。
算力涨价给人工智能行业带来的另一个趋势是“马太效应”持续强化：行业资源加速向头部企业集中，那些缺乏稳定算力供给、资金实力薄弱的中小模型厂商将逐步退出市场。与此同时，随着海外高端芯片获取难度加大、成本攀升，国产人工智能芯片将加速适配迭代，算力生态持续完善，算力自主可控进程提速。
北京工业大学教授陈志杰说，当前，大模型技术与公众预期仍存在差距，除非出现新的突破性技术，把行业价值从演示场景真正转化为产业端的真实收益，否则算力、模型与实际需求之间的结构性错配，会推动行业进入一轮深度洗牌。
高辉分析，未来国内人工智能行业的算力分层供给将常态化，高端算力保障前沿研发，中端普惠算力支撑产业数字化。同时，软硬协同优化将成为常态，模型算法与国产芯片实现深度联合调优，算力资源市场化交易普及，跨区域调度、算力共享将逐步落地，算力集群向绿电富集区域布局。
当前，国内大模型凭借单位算力成本仅为美国20%至40%的优势，在全球词元市场形成高性价比竞争力，“词元出海”有望成为新的增长机遇。不同于传统硬件出口，“词元出海”通过输出标准化人工智能服务，无需输出实体设备，是轻量化、高附加值的数字贸易新模式，可大幅提升我国能源与数字资源的增值空间。
高辉建议，短期看，“词元出海”应优先深耕东南亚、中东等邻近市场，以垂直行业定制化服务、非实时批量推理业务为主；中长期看，要依托离岸算力政策、跨境基建的完善，持续扩大出海规模。
来源：《经济日报》
