共计 1201 个字符，预计需要花费 4 分钟才能阅读完成。
As model APIs get cheaper, Chinese tech groups keep pouring capital into…
中国 AI 竞赛的焦点正在转移。 模型 API 价格持续走低 , 科技巨头却在电力富集地区不断加码数据中心。接下来的较量, 不再只是谁能训练出最强模型, 而是谁能维持服务器利用率、收回多年期基建投入。
📌 乌兰察布成为数据中心密集区
乌兰察布, 距北京数百公里的北方城市 , 已成为中国数据中心建设最密集的区域之一。地方政府签署了数十个项目, 阿里巴巴、华为、快手及专业运营商纷纷入驻, 甚至有一所废弃学校正被改造成算力设施。吸引它们的不是软件人才, 而是相对低廉的电价、可用的土地, 以及利于降低制冷负荷的气候。
🔍 模型降价, 资本开支却在飙升
建设热潮与模型价格快速回落同步发生。5 月,DeepSeek 将 V4-Pro API 价格永久下调 75%。到 10 月,Silicon Data 编制、被《金融时报》引用的 Token 价格指数显示, 综合价格较 5 月峰值下降超过 52%。并非所有模型降幅一致, 部分高端产品价格相对坚挺, 但“按 Token 出售的智能正在变便宜”的方向已明确。
然而, 卖算力的公司花得更多。 阿里巴巴截至 6 月 30 日季度的资本支出达 676.78 亿元 , 同比增长 75%, 主要由 AI 基础设施驱动; 同期 AI 云与计算服务收入增长 45% 至 484.37 亿元。两组数字勾勒出行业新张力: 模型方竞相降低标价, 云运营商却要为回收周期长达数年的设施融资。
💡 电力账单与折旧压力浮出水面
以 10 兆瓦 IT 负载、PUE 1.2 连续运行测算 , 若电价每千瓦时相差 0.40 元, 年度电力成本差距约 4200 万元, 五年累计超 2 亿元。真实合同随利用率、电价和冷却设计变化, 但这一敏感性足以把选址带进董事会。
- 电力成本: 电价差 0.40 元 / 千瓦时,10 兆瓦负载五年成本差超 2 亿元
- 选址权衡: 训练集群看带宽, 延迟敏感推理看距离, 冷存储可迁往低价电力区
- 折旧风险:GPU 物理寿命可能长于经济寿命, 新芯片或新架构可能让早期采购搁浅
📊 降价不等于任务成本同步下降
模型侧降价并不等于任务成本同步下降。API 标价既反映竞争定位 , 也反映底层效率。客户越来越多地把常规分类、摘要和支持工作交给更便宜的模型, 把昂贵模型留给更难的推理。Agent 会放大这一效应: 单次用户请求可能触发数十次模型调用、工具使用和重试。
阿里巴巴的业绩体现了内部分化:AI 云与计算服务收入上升、调整后 EBITA 大幅提高; 而包含 Qwen 等消费产品的 AI 实验室与应用部门则录得大额调整后 EBITA 亏损 。
🚀 结语: 两个周期的错配
同一度电, 在云业务账本上是收入 , 在模型业务账本上可能是成本。芯片厂商在服务器出货时确认销售, 云运营商靠多年利用率回收资本, 模型公司则要等付费客户上量才能回本。
模型价格几个月可跌去四分之三, 数据中心折旧周期却以年计——这或许才是中国 AI 基建真正的管理难题。
