AI越便宜，基础设施越昂贵：新的“瓶颈经济”正在形成

AI产业正在分裂成两条看似相反的曲线：使用“智能”的成本快速下降，但建设和交付这些智能所需的基础设施，仍受芯片制造、高带宽内存、服务器、网络、电力和数据中心容量限制。

这不只是一次价格变化，而是一场产业价值重新分配。它将影响哪些公司能够守住利润率、投资者应如何评估AI资本开支，以及信贷风险最终会集中在哪里。未来的赢家未必是出售最多Token的公司，更可能是掌握稀缺基础设施、渠道、专有数据，或能把软件收入与可验证商业结果绑定的企业。

模型价格战：价值正在从Token转移

一些估算显示，在模型能力和任务质量大致可比的情况下，AI推理成本在约两年内下降了95%左右。不过，具体降幅取决于所比较的模型、工作负载和质量水平。39 相比精确百分比，更确定的趋势是：曾经只能以高价通过API提供的能力，如今越来越多地可以由低价模型和开放权重模型完成。

OpenAI近期的调价体现了这一压力。2026年7月，公司将较小的GPT-5.6 Luna模型价格下调80%，中端Terra模型下调20%。34 8月，公司又宣布面向开发者的前沿模型GPT-5.6 Sol在未来三个月降价超过20%。33

对用户而言，这无疑是利好。更低的推理成本意味着企业可以更经济地运行AI代理、自动化客服、生成内容、编写代码，并处理更大规模的数据。

但对模型提供商来说，每次降价都会压低单位收入，除非使用量增长足以抵消价格损失。因此，单纯依靠出售“高级但缺乏差异化的模型能力”，正逐渐变成一种脆弱的商业模式。

这里需要区分两件事：更便宜的智能，并不等于更便宜的AI系统。Token价格下降后，一个可靠产品的完整运营成本仍可能很高，其中包括检索、监控、安全、延迟控制、系统集成以及人工复核等环节。

物理供应链却在走向相反方向

支撑AI工作负载的基础设施扩张速度，暂时赶不上需求增长。路透社报道称，随着AI芯片需求推高产能紧张程度，三星已将部分先进制程代工服务的新订单价格上调最多15%。1

三星还表示，芯片短缺可能进一步加剧并延续至2028年，同时正与主要数据中心客户推进多年期供应安排。2 三星内存业务则提出一种合同框架：如果相关谈判完成，约60%至70%的产能可能由长期协议覆盖。56

这类协议正在改变市场规则。产能不再只是“谁愿意支付现货价，谁就能买到”。大型客户会提前数年锁定供应，从而提高自身的供货确定性，却也可能让中小买家更容易受到短缺和价格波动冲击。

内存市场的前景尤其紧张。SK海力士首席执行官郭鲁正表示，2027年可能成为内存行业供应最糟糕的一年，且需求超过产能的状态可能延续到2030年以后。需要强调的是，这属于企业预测，并非已经确定的结果；但它说明供应响应可能需要很长时间。17

英伟达说明了基础设施为何仍有定价权

英伟达最新业绩表明，模型价格下降目前还没有削弱硬件层的需求。公司公布的2027财年第二季度营收为962亿美元，同比增长106%；数据中心业务营收为890亿美元，同比增长117%。4950

这正是AI市场的核心矛盾：效率更高的模型，可能减少完成单项任务所需的计算量；但更低的价格也可能刺激使用量大幅增长。如果需求扩张速度快于效率提升速度，基础设施总消耗仍会持续上升，即使单次推理成本正在下降。

与此同时，瓶颈可能不断转移。加速器有货，并不意味着高带宽内存、先进封装、网络设备、电力或电网接入也充足。

英伟达当季毛利率为75%。但相关分析指出，内存成本上升可能挤压未来利润率。4953 这并不意味着基础设施经济性已经失效，而是说明：强劲需求并不会让供应链上的每个环节都同样赚钱。

超大规模云厂商能吸收压力，但并非没有上限

面对服务价格下降、基础设施成本上升的错配，大型云计算公司比中小型AI供应商更有承受力。它们可以将投资分摊到云计算、广告、企业软件和消费平台等多项业务，也可以把AI能力打包进更广泛的合同，利用渠道推动使用率，并通过长期供应协议降低供货风险。

因此，超大规模云厂商可能成为整个行业的“减震器”。它们或许愿意接受较低的AI服务利润率，以维护云客户关系或换取市场份额。

代价则是资本效率下降。如果AI价格下降速度快于使用量增长，巨额数据中心投资的回报周期就可能被拉长。

对小型供应商而言，处境更加严峻。一个租用昂贵算力、再转售通用模型接口的公司，如果API价格下降速度快于客户增长速度，几乎没有缓冲空间。

更可持续的企业，需要通过以下方式建立差异化：

• 掌握专有工作流或数据；
• 拥有可信的企业客户渠道；
• 在安全、合规、可靠性或响应速度上形成优势；
• 将收费与客户实际取得的业务结果挂钩，而不是只按Token数量计费。

模型更便宜，不代表生产率会立即上升

价格下降通常会鼓励企业试用和采用AI，但“采用”并不等于已经获得经济价值。企业仍需重新设计流程、清理数据、整合系统、培训员工并建立风险控制机制，AI才可能转化为持久的生产率提升。

这会给投资者带来一个重要的时间错配风险：企业支出可能先于可衡量回报加速。尤其在竞争对手纷纷投入时，公司可能因为担心掉队而采购算力或软件，而不是因为已经证明其回报率合理。

如果生产率收益兑现得比预期更晚，基础设施承诺却是固定的，企业就可能面临双重压力：AI收入预期下修，但数据中心和设备支出仍需支付。

市场大致存在两种情景：

• 乐观情景： 推理成本大幅下降，使用量增长足够快，带动AI总支出、云计算消费和生产率继续上升；
• 悲观情景： 模型价格下降速度快于使用量增长，导致利润率和设备利用率承压，部分数据中心项目的回报低于融资计划的假设。

信贷风险将取决于需求是否“签进合同”

AI基础设施扩张正在变成一个信贷市场问题。数据中心建设、基础设施并购和零部件采购都需要大量资本，且债务期限往往较长。

当债务由信用状况良好、签订多年合同的客户以及可预测的使用量支撑时，融资更容易成立。相反，如果偿债依赖的是尚未实现的未来需求，那么风险就会明显上升。

AI价格下降、利用率增长放缓、电力成本上升或零部件短缺，都可能削弱支撑基础设施项目偿债的现金流。

如果次级债规模扩大，或信用保险成本上升，通常意味着贷款方要求更高的风险补偿。这并不能证明信用事件即将发生，但会使底层合同质量和借款人现金流韧性，比“AI需求强劲”这一 headline 更重要。

宏观经济影响将是混合的

AI可能对数字服务产生通缩效应。更便宜的推理服务有望降低编程、分析、客服、内容制作以及部分行政工作的成本。如果竞争压力足够强，这些节省最终可能传导给企业和消费者。

但基础设施建设在特定市场可能产生相反效果。稀缺的内存、先进芯片、服务器、施工能力、土地、电力和电网接入，都可能变得更加昂贵。

因此，短期内可能出现一种并存局面：AI赋能的数字工作价格下降，而生产这些服务所需的资本品和能源投入面临通胀压力。

这不太可能表现为单一的“AI通胀”或“AI通缩”。最终结果取决于效率提升是否快于瓶颈扩散，也取决于企业是把成本节省让利给客户，还是保留为利润。

供应链正在成为战略资产

多年期产能预订也提高了半导体供应链的地缘政治重要性。三星和SK海力士在内存领域拥有更强议价能力，而先进逻辑芯片和封装仍集中在少数供应商和地区。

当产能提前多年被锁定时，出口管制、补贴政策和区域性中断的影响会更大，因为供应无法迅速转移到其他地方。

随着全球需求继续增长，中国存储芯片厂商可能在限制较少的产品领域获得一定机会。但要缩小与先进高带宽内存（HBM）及其他AI关键组件的差距，则困难得多。客户认证、可靠性标准、技术复杂度、出口管制和采购规则，都可能限制替代供应商快速扩大份额。

谁最终为这道成本缺口买单？

AI消费价格下降、生产成本上升之间的差额，最终由谁承担，仍没有确定答案。可能的承担者包括：

• 超大规模云厂商： 通过牺牲部分利润率来保护更大的云计算和软件生态；
• 芯片与内存供应商： 在产能受限期间保留由稀缺性带来的定价权；
• 投资者： 接受AI基础设施资本开支更低的投资回报；
• 贷款方： 通过更高利差承担风险，或在项目过度加杠杆时面对损失；
• 客户： 如果供应商能把基础设施成本重新包装成更高价值、与结果挂钩的产品，客户也可能承担部分成本。

短期内，最可能出现的是前三种情况的组合。AI使用会继续变便宜，但交付AI所需的基础设施仍会保持昂贵，直到供应追上需求，或者市场证明现有投资承诺过于激进。

这场价格坍塌并不是AI投资故事的终点，而是一次价值检验：当“智能”变得越来越充足，真正稀缺的机器、内存、电力、数据中心容量和分发渠道，究竟掌握在谁手中？