一、需求端压力陡增 算力消耗指数级攀升 当前，人工智能应用已从实验室走进千家万户；数据显示，仅今年2月，全球最大的AI模型API平台OpenRouter上，中国模型的调用量在三周内暴涨127%，首次超越美国。该数据变化反映出AI应用普及程度的急剧提升。 需求激增的驱动力来自两个上。其一是AI推理应用的广泛部署。春节期间，各类AI红包、多模态应用迅速普及，使得AI推理需求相对于训练需求的比例从原有水平跃升至5到10倍。这相当于原本仅在科研机构进行的高端应用，突然转变为全民参与的大规模消费行为，对算力的消耗需求自然呈现指数级增长。 其二是智能体技术的爆发式应用。以OpenClaw等开源框架为代表的新一代智能体系统具备更强的自主性和任务处理能力，但其算力消耗量远超传统聊天应用。业界数据表明，在智能体场景下，单个用户的算力消耗量是普通聊天应用的10到50倍。这是因为智能体需要维持更长的上下文理解，相当于让AI同时处理数百页的信息内容后再进行交互，所需计算资源大幅攀升。 二、供给侧困境凸显 全链成本压力传导 需求端的爆炸式增长与供给端的严重不足形成了尖锐矛盾。最直接的制约来自核心硬件。受国际贸易格局影响，英伟达对华高端GPU供应出现明显缩减，导致B200等顶级芯片在国内市场溢价高达20%，且供应严重不足，客户即便资金充足也面临长期等待。以H200芯片为例，月租金已从年初的4.8万元涨至6万到6.6万元，涨幅达25%至30%，而新订单需排队至2027年第二季度才能交付。 硬件供应的紧张直接推高了整个产业链的成本。算力产业的完整供应链包括服务器、内存、硬盘等基础硬件，以及数据中心的建设、运维成本。从2025年初至今，这些硬件成本全线上升30%，数据中心的土地、电力和散热成本也增长了15%。特别是为高功耗芯片提供散热的液冷技术成为标配，对应的供应商的订单同比激增252%，深入推高了系统成本。 这股压力甚至传导至更上游的光芯片、光模块和CPU等产业。研究机构数据显示，光芯片供需缺口高达25%至30%，整个产业链从原材料到最终服务的各个环节都进入了涨价周期。曾长期坚持"只降不涨"政策的亚马逊云科技，也在今年1月宣布调整价格，足见成本压力之大。 三、市场呈现分化 产业结构加速优化 ，涨价并非均匀分布，而是呈现明显的结构性分化。高端芯片市场涨幅最为凶悍，英伟达H200、H100等旗舰产品供不应求，价格坚挺。相比之下，国产芯片如华为昇腾910B和摩尔线程MTT S5000的涨幅相对温和，在10%至15%左右，在成都等区域市场甚至开始展现价格竞争力。 这种分化也体现在服务商层面。头部云厂商和大型专业数据中心因掌握稀缺的高端资源而强势涨价，但一批专注于边缘计算的中小型服务商则另辟蹊径。它们将算力节点部署在距用户更近的二三线城市，专门承接对实时性要求高但无需极致通用能力的推理任务，如视频处理等。通过充分利用"闲时算力池"和降低网络传输成本，这类服务商为企业提供了规避高价峰谷的替代方案。 虽然这些边缘算力服务商无法承担训练万亿级大模型的任务，但在当前推理需求爆发的背景下，已成为算力市场的重要补充力量，表明了市场在资源配置上的自我调整能力。 四、产业格局演变 从资源出租向能力输出转变 涨价潮的背后，还反映出云计算和算力服务产业的商业逻辑正在发生深刻变革。传统的云服务商主要是出租硬件资源，按使用量计费。但在当前背景下，产业开始向提供更高层级的算力能力和优化方案转变。服务商需要在资源稀缺的约束下，通过技术优化、架构创新和成本管理，为客户提供更高效、更经济的解决方案。 这种转变对产业的长期发展意义重大。它促使服务商更加聚焦于提升技术水平、优化资源配置效率，而不仅仅是扩大硬件规模。同时也为国产芯片、边缘计算等新兴力量提供了发展机遇。
算力价格波动表面看是资源紧缺与成本抬升，实质折射出AI应用从"少数人试验"走向"规模化生产"的产业拐点。面对"算力通胀"，既要加快补齐基础设施与关键环节短板，也要以技术与管理创新提升算力效率、降低系统成本；回到市场层面，结构性分化提醒各方：真正可持续的增长，来自供需匹配、能力交付与长期竞争力，而非短期情绪与单一资源的追逐。