AI的风向吹出价格两极分化：硬件价格飙升，软件成本骤降 - 新闻动态与活动

人工智能的浪潮正以前所未有的力量重塑科技行业的价格格局，而这场变革的核心悖论是：智能越来越便宜，实现智能的硬件却越来越昂贵。

在河南开封，年轻人刘多发现使用文心一言等AI大模型服务的成本大幅降低。如今，1元钱可以购买200万字符的AI处理服务，相当于5本《新华字典》的文字量。

而与此同时，一家科技初创公司的CTO却为组建AI算力集群愁眉不展——RTX 5090显卡价格在短短几天内飙涨50%，单卡价格从不到2万元疯涨至3万元。

AI模型的价格正在以人类历史上前所未有的速度坍塌。根据行业分析师Rohan Paul的追踪，自2022年底以来，GPT-3.5等级模型的调用费用从每百万token约20美元暴跌至0.07美元，降幅高达280倍。而最高端的模型甚至以900倍的速度在降价。

打开新闻，降价消息层出不穷。2024年，阿里云宣布其通义千问大模型价格直降97%，从0.02元/千tokens降至0.0005元/千tokens。字节跳动的豆包大模型的最强版本定价仅为0.0008元/千tokens。

以前生成一篇小说可能需要花费几十美元，而现在只需几毛钱就能搞定。

大模型价格下降的背后是多重因素的共同作用。技术进步是首要驱动力：算法优化、计算效率提升显著降低了训练和推理成本。

规模效应也发挥着关键作用：随着用户数量指数级增长，边际成本被大幅摊薄。而激烈竞争则促使企业将成本优势转化为价格优势，以抢占市场份额。

微软CEO Satya Nadella指出，“杰文斯悖论又回来了：AI越高效、越便宜，人们就越离不开它。” 当使用变得便宜，人类就不再节制。AI正从“高端智能服务”转变为“新公共设施”，像电、水、Wi-Fi一样无处不在。

与软件价格走势形成鲜明对比的是，AI硬件成本正持续攀升。2025年以来，算力行业迎来多重异动：RTX 4090显卡价格飙升37.5%，RTX 5090显卡疯涨50%，内存与闪存价格暴涨4倍。

高端AI服务器的价格更是水涨船高。H200/B200/B300等高端AI整机价格上涨20万-30万元/台。一条高端服务器内存价格已突破4万元，一盒内存条的价格甚至可以达到500万元，这种“房价级”成本正吞噬科技巨头利润。

硬件价格暴涨的背后是供需失衡。AI算力需求爆发式增长，而供应链却面临严重约束。2025年一季度，RTX 4090在AI相关场景的出货量占比从2024年的15%飙升至42%，大量算力服务商批量采购囤积，加剧市场短缺。

高端内存市场尤为突出。HBM（高带宽内存）需求同比增长近60%，但全球产能高度集中在三星、SK海力士和美光三家手中，他们控制着近90%的DRAM市场。这种高度集中的产能分布使得整个供应链极为脆弱。

技术迭代也推高了硬件成本。AI服务器对内存要求极高，普通DDR5内存速度约为100GB/s，而AI训练需要速度达到TB/s级别的HBM。同时，AI服务器的更新周期从传统的5年缩短至2年，加剧了企业的财务压力。

这一价格趋势对行业产生深远影响。对企业而言，AI应用门槛大幅降低。更多中小企业能够负担得起AI技术，促进创新和普及。百度智能云推动部分产品降价甚至免费，就是为“最大限度降低企业创新试错成本”。

然而，硬件成本上涨却推高了行业准入门槛。构建具有竞争力的AI算力基础设施需要巨额投资。2023年，AI行业在英伟达芯片上的支出高达500亿美元，但产生的收入仅为30亿美元，芯片花费是营收的17倍。

科技巨头与中小企业之间的差距进一步拉大。大型厂商凭借规模优势、资金实力和较强的供应链议价能力，能在一定程度上承受成本上涨压力。而中小厂商则面临更大困境，难以承受成本大幅上升。

这一趋势也加速了行业洗牌。成本优势低、融资能力弱、规模小的企业或将被淘汰出局。有特色的商家可能被吸收整合，实现“聚小成大”甚至“强强联合”。

但同时，新的商业模式和创新机会也在涌现。当智能变得廉价且无处不在，应用层的公司可以专注于创造实际价值，而不是纠结于基础技术挑战。a16z创始人Marc Andreessen指出，应用层不应按成本定价，而应按价值定价。

这一价格分化现象背后有着深刻的经济学原理。AI软件价格暴跌印证了杰文斯悖论——当一种资源的使用效率提高，消费量不降反升。正如19世纪经济学家威廉·杰文斯观察到的：蒸汽机效率提高反而导致煤炭消费总量增加。

同时，硬件价格上涨部分反映了鲍莫尔成本病现象：生产率增长较慢的部门（如硬件制造）成本相对上升。尽管芯片制造技术不断进步，但AI算力需求的指数级增长仍超过了供给能力。

未来几年，这种价格分化态势可能持续。业界预计，内存价格的高位态势可能持续到2026年至2027年，到2027年至2028年之间才可能恢复正常。而大模型价格可能还会进一步下探，然后在一定水平上趋于稳定。

对中国科技企业而言，挑战与机遇并存。一方面，可以“把一些零配件的采购更多转向国产供应商，从而降低成本上涨的幅度”。另一方面，在AI应用领域，中国有巨大创新空间——2024年新公开的4.5万条生成式AI专利中，来自中国的占比达61.5%。

长期来看，AI行业需要在技术进步与成本控制之间找到平衡点。当技术突破受制于硬件瓶颈，整个行业需要重新思考创新速度与资源可持续性之间的关系。

行业数据显示，AI数据中心的成本模型正在发生根本性变化。传统数据中心中，硬件成本占比通常在10%左右，而在AI数据中心中，这一比例已飙升至30%以上。谷歌的资本支出甚至达到了收入的165%，主要用于AI芯片研发和大模型训练。

硬件价格高企可能持续到2027-2028年，而AI大模型的价格却“正以人类历史上任何技术都未见过的速度坍塌”。

这一趋势印证了经济学家威廉·鲍莫尔的理论：生产率高的行业价格下降，而那些无法提升效率的行业价格上升。在AI时代，算法贬值的同时，人格在升值。越容易被自动化的工作，价格一路下滑；而需要“人类气息”的工作，反而成了新时代的“奢侈品”。