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。（记者 常 理 沈 慧）