北京
每次用AI按量付费时，你有没有想过一个问题：屏幕上蹦出来的那串文字，到底凭什么值这个价？点拾投资最近一篇分析文章，借黄仁勋在达沃斯提出的“五层蛋糕”框架，把Token的生产成本拆了个底朝天。结论有点反直觉：AI看着像软件生意，骨子里却越来越像重工业。
五层蛋糕，芯片才是吞金兽
黄仁勋把AI基础设施比作一个五层蛋糕，从上到下依次是能源、芯片、基础设施、模型、应用。在大规模商用推理的口径下，各层成本占比大致是这样的：
- 芯片层：约40%~55%，最大成本项，没有之一
- 基础设施层：约15%~20%，机房、网络、散热都算这里
- 能源层：约10%~20%，电费看着吓人，其实排第三
- 模型层：约10%~15%，训练和调优的摊销
- 应用层：约5%~10%，产品侧的开销
硬件相关的三层加起来，占了总成本的七成左右。换句话说，你付的每一笔Token费用里，大头不是“智能”，而是芯片折旧和机房租金。这哪是软件公司的成本结构，分明是重资产工厂的账本。
两个误会：Token不是电力的转售
很多人以为AI收费贵是因为耗电，文章直接泼了盆冷水：Token并非电力的转售，单Token的边际电耗只是完全成本的一小部分。一枚Token的完全成本，得摊入芯片折旧、显存带宽的机会成本、数据中心的利用率，甚至服务质量溢价。
同样一度电，喂给不同芯片、放在不同利用率的机房，产出的Token数量天差地别。所以电价单独解释不了Token价格，把AI账单等同于电费账单，属于没算明白账。
另一个误会是拿单Token价格当唯一标尺。实际上，前沿旗舰模型和经济档模型的推理成本能差出几十倍；长上下文任务更吃显存，成本自然更高；而批处理任务能把集群利用率从60%拉到70%~80%，成本随之摊薄。谷歌2026年推出的分层推理定价，就是按等待时间和稳定性分档，批处理档直接半价——同一个模型，换个用法，价格能差出一大截。
双时钟矛盾：算法跑得飞快，物理世界跟不上
文章最扎心的观察，是提出了“双时钟”概念。算法侧的成本下降快得惊人，3年能降到原来的1/250，迭代以天和周计。但物理侧完全是另一套节奏：数据中心扩建要18~36个月，变压器交付周期平均2.5年，HBM产能年增只有30%~50%，电力更是结构性短缺。
两套时钟同场运转，结果就是一边价格战打得火热，一边算力紧张到排队。5000亿美元砸下去，买不来物理世界的加速，也买不来社区的同意。在某种程度上，钱不是瓶颈，时间才是。
Token经济拼的不是代码，是组织能力
理解Token成本，不是为了得到一个死价格，而是看清一个事实：当智力服务开始被计量、被调用、被定价，AI真正进入的不只是聊天框，而是一套新的工业秩序。竞争不再是哪家公司更会写代码，而是谁能更高效地把能源、芯片、模型和人类需求组织起来。
对模型公司，拼的是芯片采购和集群调度；对云厂商，拼的是基础设施利用率和电力锁定；对应用公司，拼的是怎么把Token成本转成用户愿意付的价值。三拨人，各自的战场不一样，但账本都在同一张五层蛋糕图上。
Token看上去像软件，骨子里却越来越像重工业。下次再为AI账单肉疼，可以想想黄仁勋这张蛋糕图——你付的不是电费，是整条重工业产业链的折旧费。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
