AI代币越来越便宜，算力却越来越贵：人工智能热潮为何正在挤压利润率

AI市场正被两股方向相反的力量拉扯：模型输出的价格正在快速下降，而生产这些输出所需的实体基础设施却越来越昂贵。

近两年，在可比能力下，AI推理成本据估计下降了约95%。与此同时，一个名为Ox Alpha的免费模型据报道已接近前沿模型水平；OpenAI也在7月将GPT-5.6 Luna的输入价格下调80%，将Terra下调20%。171622

但芯片、内存、网络、电力和整套AI服务器并没有同步变便宜。三星电子已将部分先进制程代工订单的价格上调最高15%，并预计全球内存短缺将加剧，持续至2028年。3233

这形成了一个不寻常的经济组合：产品价格通缩，关键投入成本却仍在通胀。对AI服务商而言，使用量即使继续增长，每个代币带来的收入也可能下降，而算力、能源、硬件和融资成本未必随之下降。

AI价值链正在分成两层

理解这轮挤压的关键，是区分两个部分：一边是正在商品化的智能层，另一边是受供应约束的基础设施层。

通用模型的替代性越来越强。只要一家供应商降低API价格、推出更小的模型，或免费提供能力相当的模型，竞争对手就会承受跟进压力。OpenAI在7月的调整将GPT-5.6 Luna的输入价格从每百万代币1美元降至0.20美元，将Terra从2.50美元降至2美元。16

基础设施则完全不同。先进制程产能、高带宽内存、网络设备、电力和完整AI服务器系统，都不可能像软件价格那样迅速扩张或下调。三星表示，客户正在寻求多年期供货协议，短缺情况可能在2028年前进一步恶化。33

市场上关于英伟达相关服务器价格可能上涨超过15%的报道，也显示供应商或许会尝试把成本压力向下游转移。不过，这一消息并非英伟达官方发布的调价公告。36

因此，AI服务商面临的商业难题十分直接：每个代币的收入可能下降，但容量、能源、硬件和资本成本并不会自动下降。

英伟达的业绩说明了什么

英伟达2027财年第二季度的表现，说明基础设施需求仍然极其强劲。公司季度营收为962亿美元，同比增长106%；调整后摊薄每股收益为2.22美元。60管理层还表示，2028财年营收可能增长约70%。51

这些数字并不意味着整个AI经济已经解决了盈利问题。它们首先说明，客户仍在争抢稀缺的加速计算系统，而英伟达恰好处于这一供应瓶颈位置。

但内存成本上涨开始影响增长的质量。英伟达预计下一季度毛利率约为74%，低于本季度的75%；有关报道将部分压力归因于内存价格。51这未必意味着英伟达的商业模式会突然失去吸引力，更可能意味着未来业绩将更多取决于涨价能力、系统级整合、网络设备、软件以及供应链执行，而不只是以高毛利出售稀缺芯片。

换句话说，英伟达的收入能见度依然罕见，但利润来源可能从单纯的“稀缺芯片溢价”，逐渐转向对整个AI系统和供应链的管理能力。

博通把基础设施热潮变成融资考验

博通展示了这场挤压的另一面。路透社和彭博社报道称，博通正与贷款机构谈判，计划为一项AI芯片融资安排筹集逾600亿美元债务，受益客户包括Anthropic等公司。相关结构可能包含约300亿美元的次级债，同时设置高级担保债务部分，具体条款仍在协商。12

这里必须强调：这是一项拟议中的融资，而不是已经完成的借款。报道中的金额应被视为谈判中的规模区间，而不是最终交易金额。

真正的问题在于：这些芯片产生的AI收入是否足够持久，能够覆盖债务偿付？一块芯片在技术上很有价值，并不代表以高杠杆融资购买它就是一项优质投资。如果模型价格继续下降、客户集中度过高、设备残值下跌，或再融资成本上升，投资回报可能迅速恶化。

这也是信贷市场必须介入的原因。一旦基础设施依靠大量债务建设，代币价格下跌就不再只是软件公司的定价问题，还会影响租赁安排、特殊目的载体、供应商和贷款人的预期现金流。

大型云厂商有优势，但并非高枕无忧

大型云计算公司比独立模型提供商更有优势，因为它们可以把AI捆绑进现有的云服务、企业软件、广告业务和客户分发渠道中，也可以在其他业务上实现变现，从而补贴AI功能。

但这并不能自动证明每一项AI投资都能获得理想回报。更便宜的模型可能带来更高的使用量，却同时降低单位收入。若产能过剩，AI最终可能只是云计算中的低利润功能，而不是一个独立的利润池。

真正重要的指标不是处理了多少代币，而是客户是否愿意为由此带来的生产率提升、收入增长或成本节约支付足够多的钱。

对企业来说，代币变便宜意味着什么

推理价格下降对企业确实是利好。更低的成本让企业更容易测试AI应用、自动化细分工作流程，并将更强大的模型用于过去因成本过高而无法部署的任务。

但代币费用只是部署成本的一部分。企业仍然需要承担系统集成、数据准备、安全控制、治理、效果评估和组织变革等成本。API账单下降，并不等于投资回报率就会转正。

因此，市场正在转向一个更严格的问题：每单位AI算力究竟产生了什么可量化的业务结果？

能够把模型使用量与收入增长或可验证的成本节约联系起来的企业，可能比那些缺乏明确应用场景、只是不断囤积算力的企业更受益。

投资者和信贷市场应如何解读

投资者需要把稀缺投入品的敞口，与正在商品化的模型访问服务区分开来。

供应受限的一侧包括内存、先进制程、网络设备、电力和一体化加速计算系统。这些企业在客户争抢产能时仍可能保有议价能力。三星的提价行动和对短缺持续时间的判断，说明其当前供应链地位较强。3233

模型访问服务则面临更严峻的考验。免费或大幅折价的模型可以扩大市场，却会削弱差异化推理服务维持高价格的能力。未来更可持续的商业模式，可能依赖专有分发渠道、独特数据、专业工作流程、长期合同需求，或能够在代币之外捕获价值的软件产品。

信贷投资者应重点关注合同现金流、客户集中度、硬件残值、债务结构和再融资期限。博通的拟议交易具有警示意义：当AI基础设施开始通过大规模债务融资时，它很快就会从技术问题变成融资问题。12

结论：便宜的智能，昂贵的算力

AI行业并不存在一条统一的成本曲线。智能本身正在变得更便宜、更充足，但生产智能所需的实体容量仍然稀缺且昂贵。

这种错位解释了两个看似矛盾的现象：英伟达可以公布惊人的增长，同时提示毛利率承压；AI需求仍然强劲，但一项数百亿美元规模的拟议芯片融资却会引起信贷市场的高度关注。

AI市场的下一阶段，决定胜负的可能不再只是模型能力，而是客户能否在高成本、债务融资的算力设施需要再融资之前，把廉价智能转化为持久、可验证的现金流。