大模型漲價潮來襲！算力變“戰略資產”，誰在默默承受成本壓力？

大模型越用越便宜的神話，在一輪又一輪漲價公告中宣告終結。

海外的漲價更為隱蔽但同樣深刻，Anthropic調整了旗下Claude Enterprise訂閱模式：從每月每用戶最高200美元的固定費用，轉變為每月20美元基礎費加上按照實際算力消耗計費。對于重度用戶而言，新定價可能導致成本翻倍甚至三倍。

這一輪漲價遠非一次簡單的成本傳導，有人用“硅基通脹”一詞來形容新型工業血液的價值重估，從這個角度來看，漲價的趨勢也很難就此打住。算力正在從“可無限獲取的公共資源”轉變為“需競價獲取的戰略資產”，定價權正在從應用層向基礎設施層遷移。誰掌握算力，誰就掌握AI時代的鑄幣權。

2026年以來，全球算力需求增長曲線變得越發陡峭，據全球最大的API聚合平臺OpenRouter數據，2026年4月其周度累計Token消耗量較一年前提升約7-8倍。國家統計局今天（4月16日）發布會上的最新數據顯示，截至今年3月，日均詞元（Token）調用量突破140萬億，比上年末增長超40%。

中信證券在研報中指出，Token調用量井噴帶來的是算力需求極大爆發，與此同時供給側受到各類硬約束短期邊際增量有限，目前國內外均出現了嚴重的算力荒。

Agent的興起是算力需求結構最深刻的變革，以OpenClaw為代表的AI Agent，單次任務消耗Token是ChatBot的10到100倍，國內廠商紛紛推出“國產龍蝦”，進一步加速了“養蝦”的普及。

關鍵轉變在于傳統ChatBot產生的算力負載是間歇性的——用戶提問、模型回答、會話結束；而Agent的常態是持續運行，多步驟推理、信息檢索、代碼執行、結果迭代。這種“常駐負載”從根本上改變了算力需求的形態——從請求/響應的離散模式，轉變為全天候持續的算力消耗。

這種轉變也解釋了為什么Agent和多模態應用的爆發對推理端算力需求拉動極大。中信證券認為，AI芯片需求可分為訓練和推理，目前推理端算力需求的增長動力顯著更強。

這樣看來，傳統產業經濟學里的“規模效應”失效了嗎？

傳統SaaS的定價邏輯建立在邊際成本遞減的假設之上——用戶越多，單位成本越低。但AI推理的邊際成本結構截然不同，根源在于算力的邊際成本并非算法決定的，而是由物理供應鏈決定的。高帶寬內存的產能、先進封裝的吞吐量、電力供應的規模——這些物理約束在供給側設置了剛性天花板，導致“需求越大、成本越高”的現象持續存在。

算力“荒”的本質并非芯片不夠，而是整個物理供應鏈的“木桶效應”正在集中顯形。從晶圓到封裝，從內存到光模塊，每一個環節都在構成一道硬約束。

在AI芯片生產鏈條中，CoWoS先進封裝是當前最關鍵的瓶頸。摩根士丹利研報顯示，臺積電2026年CoWoS總產能約93kwpm，較2025年底的70k增長33%。但更關鍵的是，新增產能幾乎被輝達與博通兩大國際客戶包走，僅部分少量產能分配給聯發科。據臺媒報道，臺積電已全面上調2026至2027年CoWoS產能目標，機構推估臺積電先進封裝產能將從今年的130萬片增至2027年的200萬片。即便如此，供給仍遠遠無法滿足井噴式的需求。

高帶寬內存（HBM）是AI算力另一項核心成本，根據SemiAnalysis的存儲模型測算，2026年第一季度，LPDDR5合約價格同比漲幅預計將達約4倍，DDR5合約價格同比漲幅預計將達約5倍。

AI服務器的內存成本占比正在急劇攀升，一臺配備8顆H100 GPU的高端AI服務器，僅HBM內存的采購成本就可能占整機成本的30%以上。當內存價格以數倍的幅度跳漲時，整機成本被成倍推高。

除了芯片和內存，AI基礎設施中的“毛細血管”同樣面臨短缺，800G以上光收發模塊2026年預計增至6300萬組，但EML激光器產能被英偉達等巨頭壟斷，交期已排至2027年之后。Paddle Card等關鍵PCB組件的交期從正常的6周拉長到6個月。

SemiAnalysis報告指出，更高的服務器采購成本壓縮了項目預期回報，迫使部分運營商放緩甚至擱置新部署計劃。換言之，原本應進入市場的新增供給被迫滯后，進一步收緊了租賃市場的供給格局。

當供給側每個環節——晶圓、封裝、內存、光模塊——都形成寡頭壁壘時，算力就從“可復制的商品”變成“需排隊爭奪的稀缺品”。

漲價潮最深刻的變革不在于價格本身，而在于它重新定義了AI產業鏈中的權力關系。

過去十年，云計算行業遵循“只降不升”的鐵律——規模效應驅動價格持續下行，廠商以低價獲客、以規模取勝。然而2026年，阿里云、騰訊云、百度云等頭部廠商集體打破這一慣例。

所謂的定價權轉移主要體現在三個層面：

云廠商從“規模擴張優先”轉向“價值定價優先”，將稀缺的GPU資源向高毛利的模型即服務（MaaS）與核心API集中。東吳證券研報分析，當前算力緊缺下，算力租賃廠商的議價權有望提升，其業務正從單純的裸算力出租升級為模型服務或Token分成模式，即從“賣算力”轉向“賣詞元”。

大模型廠商的商業模式也在發生根本性轉變，智譜年內三次提價，整體漲幅超60%。Anthropic從固定訂閱轉向按量計費，標志著大模型公司從“燒錢換增長”向“精細化運營”的轉型。

硬件廠商是這輪漲價的最大受益者，SemiAnalysis數據顯示，部分2至3年前簽署的H100租賃合約，正以原價完成續約，有的合約甚至直接續約4年至2028年。一款2022年發布的芯片，在四五年后仍能以原價鎖定長期租約——這在半導體行業歷史上極為罕見。

誰在承受成本壓力呢？

重度用戶是這場漲價中最直接的“受害者”，Anthropic新定價模式下，重度用戶的成本可能翻倍甚至三倍。

開發者與中小企業正在面臨“算力鴻溝”的擠壓，國內模型廠和云平臺紛紛下調Coding Plan的額度和優惠，智譜等廠商的Coding Plan產品出現了限購現象。

二線云廠商與大模型公司同樣承壓，僅有頭部云廠商能夠獲得較為充足的先進算力資源，中小型廠商在算力爭奪中處于明顯劣勢。

在此背景下，算力正在制造新的社會分層。頭部科技公司鎖定長期協議和先進產能，享有穩定的算力供給和相對有利的價格；中小企業只能按小時租賃、按Token付費，在供需波動中承受更大的成本壓力。

算力短缺不僅帶來漲價，也為國產算力產業鏈創造了歷史性機遇。中信證券明確判斷，AI應用爆發對應的國內算力荒將會加速國產卡放量，預計2026年國產算力芯片出貨量至少實現翻倍以上增長，將為算力設計公司、先進制程、先進封裝、先進存儲以及配套產業鏈帶來強勁增長動能。

據IDC數據，2025年中國AI加速卡出貨量約400萬張，其中國產AI加速卡出貨量165萬張，市場份額約41%。華為出貨量約81萬張，市場份額約20%，已與英偉達形成實質性競爭格局。

在英偉達新的AI加速卡恢復對華銷售之前，中國國產AI加速卡廠商有望持續替代英偉達的市場份額。

從推理端切入國產替代的邏輯同樣清晰，中信證券分析指出，推理環節對算力產品綜合性能要求相較訓練端任務更低，國產算力芯片廠商通過與互聯網廠商深度合作（針對特定需求定制化或優化），能夠提供更適配需求的推理芯片，國產替代節奏相較于訓練端進展更快。

國產算力產業正形成多強并驅的格局，除華為外，寒武紀計劃在2026年交付50萬件AI加速器，其中包含多達30萬件最先進的思元590和690芯片，并計劃將其芯片產量提高兩倍以上。海光信息新一代芯片性能約為H100的45%，2026年計劃量產近30萬顆。

中銀國際證券在研報中稱，“十五五”規劃建議明確提出“適度超前建設新型基礎設施”，算力不再僅僅是技術圈的專業議題，而是上升為國家戰略層面的核心競爭力。

短期內，供需緊張的格局難以根本緩解。大摩預測2026年CoWoS產能僅增長33%，而Token消耗量同比已增長7-8倍——產能增速遠落后于需求增速。關鍵問題集中在AI需求可能出現的問題以及除NVIDIA外的投資標的。當定價權加速向上游集中時，產業鏈的投資邏輯也在同步重構。

中長期來看，這輪漲價潮最深遠的影響，可能在于AI產業成本結構的轉變。

從“訓練昂貴、推理便宜”到“訓練平價、推理昂貴” 。隨著模型架構創新和訓練效率提升，訓練成本在持續下降；但推理環節因Agent常駐負載和多模態交互的普及，正成為算力消耗和成本的核心來源。這意味著未來AI商業模式的盈利模型需要重新設計。

“算力效率”成為核心競爭力，當Token本身成為計價單位，如何降低每次交互的Token消耗、優化推理效率，將成為繼模型能力之后企業競爭的第二條核心賽道。