一、二十年神话，一夜终结
有一个行业惯例，在过去二十年里从未被打破——云计算的价格，只会向下走，从不向上。
这个惯例曾经如此牢固，以至于它几乎成为一种自然定律。每一年，摩尔定律慷慨地馈赠着更便宜的算力，云厂商以价格战换来规模，再以规模养活更低的价格。从亚马逊AWS到阿里云，这套飞轮转了整整二十年，转出了一个信条：计算，会越来越便宜。
然后，2026年的春天来了。
3月18日，阿里云宣布AI算力及存储产品最高涨价34%，理由是"全球AI需求爆发、供应链涨价"；同日，百度智能云发布公告，旗下AI算力相关产品服务将于4月18日起上调约5%至30%；腾讯云则已连续两次出手——3月11日部分模型正式收费，4月9日再宣布将于5月9日起对AI算力、容器服务及弹性计算相关产品再度调价。
更早一步，今年1月，亚马逊AWS率先打破近二十年"只降不升"的行业传统，将面向大模型训练的EC2机器学习容量块价格上调约15%；谷歌云随即宣布AI基础设施及数据传输服务涨价，最高涨幅达100%；欧洲云厂商Hetzner与OVHcloud也在2月相继跟进。
国联民生证券在研报中措辞直接："本次涨价标志着二十年来云服务价格只降不升的行业惯例被彻底打破。"
这不是一次普通的调价，这是一个时代的终结公告。
二、Token海啸：一场超出所有人预判的需求爆炸
要理解这一轮涨价，必须先理解一个词：Token。
在大语言模型的世界里，Token是最基本的计算单位，近似于文字的"音节"。用户向ChatGPT或MiniMax提问，背后本质上是消耗Token；模型生成回答，同样消耗Token。过去几年，随着模型价格持续下降，Token调用量稳步上升，一切看起来仍在预期之内。
直到Agent（AI智能体）大规模兴起。
传统对话式AI，用户问一句，模型答一句，Token消耗是线性的。但Agent完全不同——它需要自主分解任务、调用工具、反复推理、自我修正，每执行一个步骤，都要重新读取此前的全部上下文。快思慢想研究院院长田丰给出了一个令人震惊的数字：Agent执行复杂任务时的Token消耗，是传统一问一答聊天机器人的85至437倍。
这不是线性增长，这是一场平方关系的爆炸。
到2026年3月，国内大模型日均Token调用量已突破140万亿次。以智谱旗下专为Agent场景优化的通用大模型GLM系列为例——该厂商在年内已三度上调API价格，2月涨幅自30%起，3月再涨20%，4月又提价10%，调价后的Token价格已接近Anthropic旗下Claude Sonnet 4.6的水平。
经济学上有一个著名的反直觉原理，叫做"杰文斯悖论"：1865年，英国经济学家威廉·斯坦利·杰文斯发现，蒸汽机效率的提升非但没有减少煤炭消耗，反而因为使用成本降低、应用场景扩张，导致煤炭总消耗量急剧攀升。
田丰将此刻的AI算力市场，精确地比作这一历史时刻："技术进步降低了单位计算的成本，但反而极大地增加了社会总消耗量——这正是杰文斯悖论推动的新一代Token数字经济。"
算力变得更高效，人们便发明了更耗算力的应用。效率的提升，反而加速了稀缺。
三、内存墙与能源账单：那堵藏在GPU背后的物理硬墙
然而，需求侧的爆炸只是故事的一半。另一半，写在物理世界的资源约束里。
AI计算的瓶颈，不只是GPU的逻辑运算速度，更在于"内存墙"——即数据在芯片内存与计算单元之间传输的速率限制。支撑大模型高速推理的核心硬件，是一种名为高带宽内存（HBM）的特殊芯片，其全球产能严重受限，价格居高不下，而这一困局短期内难有根本性突破。
与此同时，数据中心的能耗账单正在以任何工程师都难以忽视的速度膨胀。液冷系统、电力基础设施的改造成本，与AI推理任务的规模同步攀升。国际能源价格的波动，使得云厂商在面对指数级增长的推理需求时，其边际成本无法再像过去那样持续下行。
在供给端受限、需求端爆炸的双重压力下，算力的经济学属性正在发生本质改变——它从一种"按需扩张的基础设施"，转变为一种真正意义上的稀缺资产。
天使投资人、资深AI专家郭涛将此次涨价定性为行业战略的主动转型："以往低价抢市场的模式已经失效，算力成为稀缺资产，厂商为高质量发展主动优化价格。"他将这一转变概括为：从传统的"成本加成定价"，走向真正的"价值定价"。
四、从"买服务器"到"租外脑"：云计算商业逻辑的范式跃迁
这场涨价，还牵动着一个更深层的商业逻辑转变。
过去，企业购买云服务，本质上是在采购标准化资源——服务器的算力、存储的容量、网络的带宽。定价逻辑清晰：硬件成本加上运营费用，再乘以利润率。北京邮电大学数字媒体与设计艺术学院副教授谭剑将当前的转变描述得鞭辟入里："这一轮调整不只是云服务涨价，更像是'高智力服务'开始被明确标价。"
在大模型时代，企业越来越多地购买的，是判断力、生成力与决策优化能力，甚至是一种外挂的"企业外脑"。当AI服务能够直接影响决策质量、替代高成本人力，其定价逻辑便不再锚定硬件成本，而是取决于能力的稀缺性与结果的商业价值。
这正是谭剑所说的：能力稀缺，市场便愿意为那一点更高明的判断，多付一笔钱。
华西证券近期研报也印证了这一判断：国内云厂商与模型厂商连续提价，反映的是高性能算力资源、高质量模型能力与企业级调用需求共同作用下的阶段性再平衡——AI商业化正在从"低价换量"转向"能力重估"。
五、达尔文洗牌：中小企业的生死考验
然而，历史性的范式跃迁，从来不是无痛的。
对于中小企业而言，这场涨价潮的冲击远比宏观叙事更加具体、更加冷酷。郭涛给出了一组直接的数字：中小企业AI算力成本通常占运营成本的30%至50%，若云服务价格上涨30%，企业利润将缩水10%至15%。那些高度依赖公有云算力的AI初创公司，更可能因成本暴涨而面临生存危机。
田丰将这场压力测试称为"达尔文式洗牌"。
中国大型企业通常早已采用本地化私有部署，或提前锁定了长期GPU合同；而大量中小企业和初创公司，高度依赖公有云API接口。当AI编程的Token需求以10至20倍的速度增长、电商自动化客服全面接入大模型，API费用的上涨将直接转化为高昂的"认知租金"，将依赖纯公有云调用的初创企业推向毛利压缩乃至现金流危机的边缘。
但压力之下，也有结构性的应对路径浮现。
田丰认为，高昂的旗舰模型价格将迫使中小企业放弃"杀鸡用牛刀"的粗放开发模式，转向混合架构与端侧部署：日常高频的基础任务，交给极低成本的端侧小语言模型或垂直微调模型；只有遭遇极复杂的长尾决策，才将请求路由至昂贵的云端旗舰大模型。效率，将被迫成为真正的核心竞争力。
过去几年涌现的大量AI"套壳"应用，以及缺乏商业闭环的轻量级工具，将在Token成本骤升的现实中被无情淘汰。只有那些能够真实替代高成本人力、实现硬核商业回报的应用，才能在这场通胀中存活。
这是一次残酷但必要的筛选。
六、三年推演：杠铃结构与双轨定价的未来
那么，这场涨价潮将走向何方？
郭涛的判断是：涨价潮将逐步趋缓，但短期内不会迎来全面降价周期。随着高端芯片量产、国产芯片产能释放以及算力效率提升，供需失衡有望缓解；但AI算力需求仍将维持高位，大规模降价的可能性极低。
田丰的推演则更为精细。他将未来三年的算力市场，描述为一个典型的"杠铃式定价结构"：
杠铃的一端，是高度商品化的基础算力——随着国产AI芯片（昇腾、平头哥等）产能在未来一至三年内大规模释放，标准算力的供给短缺将得到显著缓解，面向基础交互与常规判定的算力价格，将迎来新一轮下行周期；
杠铃的另一端，是用于前沿旗舰模型训练与极致复杂推理的顶级算力——这部分资源供给受限，价值坚挺，将长期保持高溢价。
谭剑的判断与此高度一致：基础云资源未必持续上涨，竞争激烈的部分甚至还会下降；但只要大模型和高端AI服务能够提供的"聪明结果"仍然稀缺，市场就会愿意为那一点更高明的判断持续溢价。
计算的民主化与计算的精英化，将同时发生，在同一个市场里共存。
七、算力吞噬软件，时代等待赢家
1999年，互联网泡沫最盛之时，没有人能够准确预言，哪些商业模式会在泡沫破裂后真正存活。2012年，深度学习崭露头角，也没有人能够预见，十年后的今天，算力会成为新的战略资源。
2011年，硅谷著名投资人马克·安德森写下那篇著名的预言："软件正在吞噬世界。"他的意思是，软件将渗透并重构每一个传统行业。那个预言已经成真。
而田丰认为，在今天的AI时代，这个定律需要被重新书写："算力正在吞噬软件，而只有最具商业护城河的闭环应用，才配得上最昂贵的硅基燃料。"
二十年的价格神话已然终结。国联民生证券在报告中写道：一旦云服务商在某一服务上成功提价而未引起大规模客户流失，第二次、第三次涨价就会变得更容易。腾讯云和阿里云的连续调价，正在验证这个判断。
历史上，每一次能源的重新定价，都伴随着产业格局的深刻重塑。石油危机催生了节能工业；电力成本的分化，重塑了全球制造业的版图。
这一次，重塑的对象是知识经济本身。
算力贵了，思考的代价随之上升。这意味着，唯有真正创造价值的思考，才值得被运行。
书名：《AI商业进化论：“人工智能+”赋能新质生产力发展》
出版社：人民邮电出版社
作者：田丰
帮助你定位AI当下发展坐标的指南针
帮助你洞察AI未来演进趋势的航海图
通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。
热门跟贴