文中价格与行业数据查证于2026年7月，逐条标注出处，所有数字均可在文末溯源。
一、一笔9.2亿美元的月租金
先说一件最近的事。
据24/7 Wall St.今年6月的报道（经Yahoo Finance转载），Google要向SpaceX支付每月9.2亿美元，租用大约11万张Nvidia GPU，合作期从2026年10月持续到2029年6月。这个租金水平，据Dwarkesh Patel在同期一篇博客文章中的测算，大约是这批卡现货价的2倍，而现货价本身，据其文中引用，比2026年2月的低点又涨了40%以上。
如果你只看新闻标题，这条信息很容易被淹没在“存储芯片涨价”“苹果Mac涨价”这类更抓眼球的消息里。但仔细想一下会发现，这条新闻讲的其实是一件不太一样的事：苹果涨价涨的是造一台电脑的成本，Google多付的这笔钱，涨的是租一张已经造好的卡的价格。
一个是硬件采购市场，一个是算力租赁市场。这是两件事。
而与此同时，如果你打开任何一家大模型厂商的API价目表，看到的又是另一个方向的走势——Token调用价格，还在持续往下探底。
三条线，三个方向。把这三条线分别拆开，看看它们各自在讲什么故事，以及它们为什么能同时成立。
二、拆开“算力”这个词——三层价格，三个逻辑
“算力会不会越来越贵”这个问题之所以长期争论不清，是因为很多时候大家讨论的并不是同一个市场。实际上，“算力价格”至少包含三个层面：
| 层次 | 近期走势 | 核心驱动力 |
|---|---|---|
| 硬件采购（芯片/显存） | 涨 | 实物供给稀缺：HBM、DRAM产能被AI数据中心抢占，叠加电力瓶颈 |
| 算力租赁（GPU小时价） | 涨 | 头部AI实验室营收增速远超算力供给增速，愿意为确定性支付溢价 |
| Token调用（API单价） | 跌 | 算法效率提升、开源竞争、推理优化持续压低完成同一任务所需的算力 |
下面按这个顺序，一层一层拆。
三、变贵的第一条线：硬件采购——供给side的实物通胀
这条线的证据链，我在《存储通胀：苹果涨21%、美光毛利80%、华为另起炉灶》里已经详细拆过，这里只做简要回顾。
核心逻辑：多家产业分析和机构研报（Wedbush等，经财经媒体转引）估算，AI服务器对DRAM的需求量约为普通服务器的8到10倍，这轮需求爆发叠加存储厂商主动向HBM倾斜产能，共同推高了价格。据21世纪经济报道今年3月的调查，三大存储厂商已将18%到28%的DRAM产能分配给HBM，且因为HBM良率仅50%到60%、单位容量实际消耗的产能相当于3到4颗标准DRAM，这部分产能挤占的效果被进一步放大；同期TrendForce的预测显示，2026年全球DRAM行业资本支出约613亿美元，同比增长约14%，但三星2026年DRAM产能预计仅增长约5%，扩产速度明显跟不上需求增速。
电力也在成为新的硬约束。据Gartner今年6月的官方预测，2026年全球数据中心用电量将达到565TWh，较2025年的447TWh增长26%，AI优化服务器的耗电占比将从上一年的约20%升至31%。美国最大电力市场PJM的容量拍卖价格也印证了这一点：据PJM官方公布及IEEFA的整理，2024/25年度的清算价为每兆瓦日28.92美元，到2025/26年度涨至269.92美元，涨幅接近10倍；最新的2026/27年度拍卖进一步涨到329.17美元，触及了监管设定的价格上限。
这一层涨价，本质上和普通商品通胀是同一个逻辑：实物产能扩张需要两到三年周期，需求却是指数级涨上来的，供需缺口短期填不平。
四、变贵的第二条线：算力租赁——需求增速跑赢供给增速
这条线主要素材来自Dwarkesh Patel 2026年7月29日发布的博客《Why compute might get 10x+ more expensive in coming years》。这篇东西本身是作者标注为“两小时速写”的思想实验，不是严谨的预测报告，但里面的一部分证据和推理框架，值得认真对待。
先说最实的一块：文章开头那条Google-SpaceX的租赁交易（每月9.2亿美元、约11万张GPU），是全文唯一一条有具体交易、有第三方财经媒体信源支撑的硬数据。这条信息本身就足以说明，至少在头部实验室需要的那部分算力（不能用现货，要长期锁定、要保证数据安全和利用率）里，价格确实在涨。
作者给出的一个推理框架是这样的：如果头部实验室的营收继续保持年化10倍增长，而算力供给年化只能做到3倍增长（这个3倍的数字，作者引用了Epoch AI一篇关于头部实验室算力使用的分析），那么中间的差额只能靠三件事的组合来填：实验室利润率上升、算力单价上升、推理占算力支出的比例上升。而实验室并不希望第三项主导——如果大部分算力都花在了跑存量模型的推理上，等于变相承认继续投入训练已经不划算了。所以差额主要落在前两项。
3倍这个算力供给增速，作者拆成了三个乘数：摩尔定律贡献约1.4倍，新建晶圆厂贡献约1.2倍（受EUV光刻机设备供应制约，瓶颈预计持续到2030年），AI抢占先进制程晶圆份额贡献约1.8倍（预计2027年底见顶，届时AI将占N3产能的86%，目前约60%）。这三个数字都是作者自己的估算，我没能找到独立的第三方交叉验证，写在这里仅代表这篇博客的推理链条，不代表已核实的行业共识。
接下来这部分数字，需要打个更大的问号：作者提到Anthropic推理毛利率在近两年内出现了大幅上涨，但他自己在原文脚注里明确写这是“total vibe claim”（纯粹凭感觉的说法），不是查出来的实测数据，所以这个具体数字不予采用。倒是可以提供一组真实核实过的替代数据：据《华尔街日报》2026年5月报道（经Axis Intelligence整理），Anthropic的算力成本占营收比例从今年一季度的71美分/美元，降到了二季度的56美分/美元，方向上印证了“规模扩大后单位成本占比在下降”这个判断，但幅度远没有“vibe claim”里暗示的那么夸张。
文章里那个更出圈的“250万美元一张H100”的说法，前提是“如果一张H100真能跑出一个人类水平的软件工程师”，按当前软件工程师市场价，这张卡理论上应该能租到远超今天现货价的水平。这是一个完整的思想实验，但前提必须是AI真的达到了人类水平的工程能力，并且这个能力的边际价值不会因为供给暴增而崩塌。作者自己也承认，这个假设成不成立，目前谁也说不准——这个数字本身没有可核实的经验依据，只是作者论证逻辑的一部分，读的时候需要清楚这一点。
这里有一个值得借用的经济学工具，叫“Alchian-Allen效应”，简单的可以理解为：当一笔固定成本被加到两种不同质量的商品上时，优质品会变得“相对更便宜”，需求会转向优质品。放到算力上理解就是——当GPU小时成本本身已经很贵，用一个能力较弱、需要消耗更多Token才能完成同样任务的模型，反而变得非常不划算。所以效率更高、能力更强的模型，能收更高的溢价，而不是被拖入单纯的价格战。这也是为什么头部模型很可能持续保持定价权，而不是随着通用能力的普及一起被打成白菜价。
五、变便宜的第三条线：Token调用——效率通缩仍在继续
前面两条是涨价的线，这一条来看跌价的。
以第三方定价追踪站PricePerToken.com和TokenCost.app整理的历史数据为锚点（这两个都是聚合追踪各家API定价的独立站点，不是OpenAI官方一手页面，但相互印证、数字一致）：2023年3月GPT-4发布时，每百万Token输入30美元、输出60美元；到2024年5月GPT-4o发布，降到输入5美元、输出15美元。如果以GPT-4发布价作为高位锚点，仅这一次换代就带来了约6倍的降幅，此后价格战仍在持续压低通用Token的价格。
国产大模型这边，据中国信通院的数据（经业内文章转引，未能找到信通院原始报告链接，标注为二手引用），2026年国内大模型API平均价格较2023年下降超过90%，同期性能提升了3到5倍。同时也值得指出一个反直觉的现象：据证券日报今年的报道，2026年上半年海外部分云厂商API价格因为存储和GPU成本上涨反而在涨价，最高涨幅据报道达到463%，DeepSeek却在这个背景下于5月22日宣布旗舰模型V4-Pro永久降价75%——这说明“Token降价”并不是全球统一的必然规律，国内这轮降价更多是市场竞争策略的结果，而不是纯粹的成本下降传导。
这条降价曲线背后的技术支撑，其实已经很熟悉了——MoE稀疏化让每次推理只激活总参数的一小部分；量化和蒸馏压缩模型体积；KV Cache优化能让同样的上下文占用直接减半，这部分逻辑在我之前那篇KV Cache文章里讲过“降税”的比喻；Prompt Caching命中和未命中的价格能相差数十倍甚至更多，据Apifox今年5月整理的中国大模型价格对比，月之暗面Kimi K2.6的缓存命中价低至0.07美元/百万Token。
但这条降价曲线并不等于企业的AI账单在变小。恰恰相反——通用Token价格在探底，企业的AI运营总支出却在膨胀，原因是企业正在从简单问答转向Agent协作、代码生成这类更消耗Token的复杂工作流。这一点可以用Anthropic自己的数字来印证：据Anthropic自己在融资公告中披露（经VentureBeat、Simon Willison等多方转载核实），其年化营收从2025年末的约90亿美元，一路涨到2026年5月的470亿美元，公司自己的原话是“过去三年里，每一年都保持了10倍以上的年化增长”。这条数据同时说明两件事：一是Token价格确实在降，厂商靠规模和效率仍能维持业务增长；二是需求膨胀的速度，远远盖过了降价带来的成本节约。
六、三条线为什么不矛盾——它们是三个不同的市场
现在可以把三条线拼在一起看了。
硬件涨价，涨的是“造出同样1P算力”需要付出的实物成本——芯片和显存的原材料、产能都在被AI数据中心抢占。租金涨价，涨的是“确定性拿到这批算力”需要付出的溢价——头部实验室的营收增速远远跑赢了算力供给的增速，愿意为稳定的算力供应多付钱。Token降价，降的是“完成同一个任务需要消耗多少有效算力”——这是效率进步和市场竞争共同压出来的结果，目前它下降的速度，仍然快于前两条线上涨的速度。
三条线合在一起，才能解释一个看起来矛盾的现象：为什么Token越来越便宜，企业的AI总支出却越来越大。答案不是任何一条线单独造成的，而是租金上涨叠加任务复杂度提升，盖过了效率通缩带来的降价空间。
七、一个值得保留的自我怀疑
Dwarkesh在那篇博客里，主动提到了一个经济学史上著名的赌局——Simon-Ehrlich赌局。生态学家Paul Ehrlich在1980年押注一篮子大宗商品的价格会在十年内上涨，结果被经济学家Julian Simon赢了：市场信号和技术创新，让稀缺的资源被更高效地利用，价格反而跌了。这个赌局常被用来说明，悲观预测稀缺性的一方，历史上经常出错。
作者补了一句很诚实的话：如果这个赌约换个十年段来打，Ehrlich其实会赢（这是他文中的原话观点，历史学界对此确实也有过重新分析，认为结果对时间窗口很敏感）。他也承认，算力和大宗商品篮子不是同一个参照系——算力供给的弹性明显更低，没法像金属那样靠新矿源或替代品快速缓解——但他仍然把这个先例摆出来，提醒自己（也提醒读者）：“未来会更稀缺”这类判断，历史上并不总是对的。
八、你站在哪个市场，答案就不一样
拆完三条线，回到最初那个问题：算力会不会越来越贵？答案取决于你是谁。
如果你在自建训练集群或者需要长期锁定大规模算力，你感受到的是硬件采购和算力租赁的双重上涨，这条压力短期内看不到反转的迹象。
如果你是调用API的普通开发者，只要你的任务复杂度没有跟着膨胀，你大概率还会持续享受Token价格下降带来的红利——前提是别掉进“降价了所以随便造”的陷阱，任务复杂度一旦涨上去，账单照样会失控。
如果你在做本地部署，显存和内存涨价正在直接推高你的入场门槛。这条我在讲统一内存架构那篇里细讲过，存储通胀正在悄悄抬高“本地AI自由”的门槛。
写在最后
这篇文章没有打算回答“算力到底会不会越来越贵”，因为这个问题本身问错了。
硬件采购、算力租赁、Token调用是三个独立的市场，各自的走势取决于各自独立的变量：硬件通胀能不能缓解，看存储产能爬坡的速度；租金通胀能不能持续，看头部实验室的营收增速能不能继续保持10倍量级，这本身是一个关于AI能力进步速度的问题，谁也说不准；Token通缩能不能跑赢前两者，看算法效率的红利还能挤出多少空间，以及市场竞争策略会不会持续压低价格。
三个问题分别独立，用一句“算力会/不会越来越贵”打包回答，只会得到一个听起来斩钉截铁、实际上什么都没说清楚的结论。
下次再有人跟你说“算力肯定会越来越贵”或者“算力肯定会越来越便宜”，你可以反问一句：你说的是哪条线？
数据来源
- Dwarkesh Patel，《Why compute might get 10x+ more expensive in coming years》，2026年7月29日：dwarkesh.com/p/why-compute-might-get-10x-more-expensive（第四节主要框架、Alchian-Allen效应、Simon-Ehrlich赌局引用均来自此文）
- Epoch AI，《Frontier labs don’t use most AI compute》（经Dwarkesh博客引用，原始链接）：epoch.ai/gradient-updates/frontier-labs-dont-use-most-ai-compute
- Joey Frenette，《Google Is Paying SpaceX Over $900 Million a Month for AI Compute》，24/7 Wall St.，2026年6月9日，经Yahoo Finance转载：finance.yahoo.com/sectors/technology/articles/google-paying-spacex-over-900-151816933.html
- Gartner官方新闻稿，《Gartner Says Data Center Electricity Consumption to Grow 26% in 2026》，2026年6月10日：gartner.com/en/newsroom/press-releases/2026-06-10
- PJM Interconnection官方拍卖结果公告（2025/26与2026/27两次Base Residual Auction）：insidelines.pjm.com；历史数据整理另见IEEFA：ieefa.org/resources/projected-data-center-growth-spurs-pjm-capacity-prices-factor-10
- 21世纪经济报道，《价格飙涨、业绩翻番 三大内存厂却开始“踩刹车”》，2026年3月22日：21jingji.com
- Wedbush存储超级周期研报（经TradingKey转引），2026年3月24日：tradingkey.com
- PricePerToken.com、TokenCost.app：第三方大模型API定价追踪站，用于GPT-4/GPT-4o历史定价交叉验证（非OpenAI官方一手页面）
- 中国信通院国产大模型API价格数据（经CSDN博客转引，未找到信通院原始报告链接，二手引用）
- 证券日报，《技术突破驱动成本下降 多款国产大模型宣布降价》，2026年：stcn.com
- Apifox，《2026年中国大模型价格战：五大前沿API成本深度对比》，2026年5月31日：apifox.com
- Anthropic融资公告原始数据，经VentureBeat（2026年5月8日）与Simon Willison博客（2026年5月29日）整理转载：venturebeat.com、simonwillison.net
- Axis Intelligence引用《华尔街日报》2026年5月20日报道，Anthropic算力成本占营收比例数据：axis-intelligence.com/anthropic-statistics
文中价格与产业数据查证于2026年7月，产业周期变化快，具体数字请以引用来源当期口径为准。相关背景可参考本账号往期：《存储通胀：苹果涨21%、美光毛利80%、华为另起炉灶》《这4大瓶颈，困住了AI算力》《为什么CPU能一卖四，GPU却只能整卡出租？》。