这一周，AI 行业出现了两个完全相反的数字。
10月20日，谷歌 CEO 皮查伊在一档播客里说：客户现在想锁定 2027 年的算力，谷歌要满足，「极其困难」。
10月22日，数据公司 Silicon Data 的 token 价格指数跌破 1 美元，报 0.97 美元/百万 token。从 5 月底的 2.07 美元算起，跌了 54%。一周之内又跌了 8.6%。
一边是算力贵到抢不到，一边是模型便宜到按厘算。
这两个数字放在同一周，不是矛盾，是两套定价逻辑。
先看这一周的四个瞬间10月20日，皮查伊在 Big Technology 播客里说了一句罕见的实话：数据中心从决策到投产要 2 到 3 年，而今天手里的算力，是 2024 年做决策的产物。「就算是回到去年今天，智能体任务的爆发还没有发生。」
他还承认，谷歌云业务「已经在为支持前沿 AI 研发放弃短期收入」。
10月21日，Citadel 创始人 Ken Griffin 在彭博采访里泼了一盆冷水：GPU 和航空公司高度同构，边际运行成本极低。一旦供过于求，现货租赁价格会「自由落体」。
同一天，马斯克在财报电话会上说：算力投资回本周期「不排除明年缩短到六个月」。
一个说价格要崩，一个说半年回本。两个人在赌同一个变量。
10月22日，token 价格指数跌破 1 美元。Axios 的标题很直接：token 降价，可能是警报。
10月25日，路透社报道了亚马逊 CEO 安迪·贾西在 a16z 播客里的话：
「2026 年的批量算力已经售罄，2027 年也基本售罄。我们会留一小部分给按需业务、EC2 和 Bedrock 推理，但适合大客户批量采购的大块算力，基本都被订走了。连 2028 年，也有相当一部分签了长约。」
亚马逊今年的资本开支，约 2200 亿美元。
上游：贵到要签五年长约这轮算力涨价，不是传闻，是有价格的。
H100 一年期租赁合约，2025 年 10 月是 1.70 美元/小时，2026 年 3 月涨到 2.35 美元，五个月涨了近 40%。
《华尔街日报》引用 SemiAnalysis 的数据：过去一年，H100 一年期合约涨了 60%。
GetDeploying 追踪了全球 40 多家供应商：截至 10 月 19 日那一周，所有云端 GPU 租赁价格同比上涨 24%，H100 涨了 22%。涨势从今年 6 月就开始了。
更反常识的是旧卡。Crusoe 的 CEO 说，A100 现在的租金比 2020 年、2021 年还高；H100 比 2023 年刚部署时还贵。
按理说，新卡出来，旧卡该贬值。现在反过来了。
原因是需求结构变了。以前 GPU 主要用来训练大模型，现在推理和 Agent 也在吃算力。Gartner 算过一笔账：代理式模型每完成一个任务，token 消耗是普通聊天机器人的 5 到 30 倍。
训练是一次性的，推理是每天都在跑的。
所以云厂商开始挑客户。以前是按需付费、用多少算多少。现在是大客户签多年合同，预付 30%，有的还要找担保人。
《华尔街日报》采访的一个创业者打了个比方：就像你租房子，本来是月付，房东突然说，签五年，先付一年。
北美四大云厂商 2026 年的资本开支指引，合计约 7200 亿到 7450 亿美元。谷歌上调到 1950 亿至 2050 亿，亚马逊 2200 亿，Meta 1300 亿至 1450 亿。
钱砸下去了，但变电站、土地、芯片的交付周期，都跟不上软件迭代。
下游：便宜到跌破 1 美元同一个星期，模型这边的价格是这样的：
Anthropic 10 月初发布的 Claude Haiku 5.5，输入价格 0.10 美元/百万 token，比上一代便宜约 75%，上下文 100 万 token。
DeepSeek V4 Pro，缓存命中的输入价格是 0.025 元人民币/百万 token。
国内主流头部模型，每百万 token 全线落在 0.3 元到 6.5 元区间。部分高频场景，已经进入「厘」级计价。
Epoch AI 的测算更狠：达到同等性能的 AI 成本，自 2023 年以来每个季度下降约 47%。一年之内，推理成本降到原来的十三分之一。
BenchLM 的统计：前沿模型的 token 价格，比 2023 年 3 月下降了 84%。
有个做数据服务的老板给《企业观察报》算了笔账：同样 1 万条数据处理任务，2024 年用 GPT-4 Turbo 要花 160 美元。现在用国产模型，十几元人民币。
从 1140 元到十几元，两年。
这就是「钱从哪省出来的」的第一层答案。
钱到底从哪省出来的：四把刀第一把刀，架构。
以前的模型是稠密架构，每次推理要把所有参数都跑一遍。像一个 7000 人的公司，不管干什么活，全员到场。
现在主流是 MoE，混合专家架构。智谱的 GLM-5.2，总参数 7440 亿，每次推理只激活约 400 亿，占 5.4%。
活还是那些活，上场的人少了 95%。
第二把刀，缓存。
大模型处理长文本时，会把中间结果存在 KV Cache 里。这部分特别吃显存。
DeepSeek V4.1 Flash 把 KV Cache 的体积，比自家初代模型压缩了 437 倍。对高带宽内存的需求降到四分之一，对固态硬盘的需求降到八分之一。
对 Agent 这类多轮调用场景，缓存命中率直接决定账单。命中和不命中，价格能差 50 倍。
第三把刀，国产算力。
DeepSeek 完成了昇腾系列的底层适配。有个匿名测试的模型叫「牛来」，全程跑在国产芯片上。优化后的单 token 成本，已经和英伟达 GPU 打平。
这不只是省钱，是把「买不到卡」这个风险拆掉了一半。
第四把刀，开源。
中国头部模型几乎全部开放权重。开发者可以免费下载、私有化部署、商用改。
当市场上有一个接近零边际成本的替代品时，闭源厂商的定价锚点就没了。
四把刀砍下来，单位 token 的成本确实降了。
但这里有个陷阱。
算一笔账：一个岗位 vs 一条 AI 流水线很多人看到「token 便宜 90%」，第一反应是：那我用 AI 干活几乎不要钱。
不对。
真实的企业账本，不是这么算的。
举一个客服中心的例子。
一个 100 人的客服中心，二线城市，人均年成本 12 万（含社保公积金）。一年人力成本 1200 万。
每人每天处理 80 个工单，一年 250 个工作日，总共 200 万个工单。单均人力成本 6 元。
现在上 AI 客服。
单个工单平均消耗 2000 token，200 万单就是 40 亿 token。按 0.97 美元/百万 token 算，约 3880 美元，合 2.8 万元人民币。
加上系统集成、知识库维护、模型订阅，一年算 50 万。
再留 20% 的复杂工单给人工兜底。一个人管 5 个 AI 坐席，需要 20 个人，人力成本 240 万。
总成本约 293 万，单均 1.46 元。
从 6 元降到 1.46 元，降了 76%。人从 100 个变成 20 个。
注意这个结构：token 成本只占 2.8 万，不到总成本的 1%。真正的大头是「20 个人」和「50 万系统费」。
所以，AI 替代的真正逻辑，不是「token 比人便宜」。
是「一个人加上 AI，能干原来五个人的活」。
这才是老板的算法。
他不会去看云厂商的资本开支，也不会关心 token 单价跌了多少。他只看一张表：同样产出，我要花多少钱，要几个人。
这张表，过去两年被改写了三次。
顺便说一句：降价不等于替代门槛降到零。
它只是降到了老板不需要开会讨论的程度。
⏳ 核心矛盾：成本 90 天腰斩，人 3 年才能换一次技能这是我看完这些数字之后，最不舒服的一点。
Epoch AI 说，同等性能的成本每季度降 47%。换算一下，大约 90 天，成本砍一半。
而一个人的技能更新周期是多少？
学会一个新工具，三个月。掌握一个新岗位的核心能力，一到两年。换一个行业，三到五年。
高校调整一个专业，要走论证、审批、招生、培养，四年起步。
企业的转岗培训，多数是两周的线上课，加一次考试。
政策这边，2026 年 10 月 23 日刚发布的国办发〔2026〕29 号文，第一次提出「失业缓冲期制度」。
也第一次把「转型转岗就业支持」写进了任务清单。
但动词是「鼓励企业探索」。
一边是 90 天一次的成本重置，一边是 3 到 5 年一次的能力重置。
中间差了一个数量级。
这就是「成本下降的速度，快过快转岗培训的速度」的真实含义。
不是培训不努力，是两条曲线的时间尺度不一样。
成本曲线是按季度走的，人的曲线是按年走的。
有人会说，历史上每次技术革命都这样，最后都消化了。
对。蒸汽机、电力、计算机，最后都消化了。
但历史上没有一次，是把「认知劳动」本身变成可批量复制的商品。
纺织机替代的是手，计算机替代的是计算，这一轮替代的是判断、写作、分析、编程。
这些恰好是过去二十年，城市中产用来安身立命的东西。
⚔️ 争议：这是效率革命，还是账面魔术关于这轮降价，行业里有两派。
一派说，这是真的效率革命。
理由是降本有真东西撑着：MoE 架构、KV Cache 压缩、国产算力、开源竞争。不是烧钱补贴。
据《企业观察报》报道，智谱的云端业务毛利率，从 2024 年的 3.3% 涨到 2025 年的 18.9%。降价的同时，毛利还在改善。
这说明成本确实降了，不是亏本赚吆喝。
另一派说，这是账面魔术。
理由是总账单没降。
token 单价跌了 54%。
但 Agent 的 token 消耗，是聊天机器人的 5 到 30 倍。单价降一半，用量涨十倍，总支出反而上升。
Gartner 的判断很直接：token 单位成本下降，会被需求增长吃掉。整体推理成本仍在上升。
OpenRouter 的数据：9 月第二周，单周调用量 127 万亿 token。
所以「模型越来越便宜」这句话，对开发者是真的，对企业财务不一定。
还有第三派，是华尔街。
他们关心的不是 token 价格，是这门生意的现金流。
Ramp 的数据：1% 的企业，贡献了 80% 的 OpenAI 和 Anthropic 企业支出。而这些企业里，很大一部分是 VC 投的。
据 The Supercycle 统计，Meta 的利息支出一年涨了 330%，季度自由现金流转负。
SpaceX 的 400 亿美元芯片债，定价 7.75% 到 8.3%，被市场动荡扰乱。
英伟达支持的澳洲 AI 基建公司 Firmus，IPO 遇冷。
估值从 9 美元一路降到 8.25 美元，承销商还把招股书从基金经理的数据室里撤了。
上游在借钱扩产，下游在降价抢量，中间的需求只靠 1% 的客户撑着。
这就是 Griffin 说「价格会自由落体」的底气。
也是马斯克说「六个月回本」的底气。
两个人看的是同一张表，得出相反的结论。
最后这一周真正分裂的，不是 AI 行业。
是三本账。
云厂商的账本上，算力是资产。2026 年售罄，2027 年基本售罄，2028 年锁定大半。2200 亿美元砸下去，换回来的是多年合同和确定性。
企业的账本上，AI 是成本项。token 便宜 90%，一个人能管五条流水线，替代的账算得过来。
个人的账本上，技能是负债。每 90 天贬值一次，而补课要三年。
三本账都能对上。
云厂商没说谎，模型确实在降价，成本确实在降。
企业也没算错，替代确实划算。
个人也没做错什么，只是账本换了一本，而他还在用旧的算法。
所以「算力卖到 2027 年，模型却越来越便宜」这句话，本身不是矛盾。
它只是在提醒一件事：
单价跌到地板，不是因为这样东西不值钱了。
是因为有人已经算过：让它便宜，比让你贵，更划算。
本文来源于网络，仅供学习交流，如有侵权请联系删除