算力租用在涨价，模型服务在降价，这个剪刀差没人告诉你

两个方向相反的价格曲线

过去半年里，谈论 AI 成本的人几乎都在说一件事：变便宜了。Claude Sonnet 5.5、GPT-6.1 Sol、Gemini 4 Argon 三款模型在四天内密集发布，定价清一色落在每百万 token 输入 2 美元、输出 10 美元这一档。模型服务的单价确实在持续下探。

但同一时间，上游的算力租用在往反方向走。半导体分析师陆行之在 10 月 8 日的 Substack 文章里整理了这条曲线：Nebius 自 10 月 1 日起把 AI GPU 的租用价格上调 17% 至 21%，CPU 价格上调 25%，内存价格上涨 41%；AWS 则从 10 月 7 日起把 EC2 容量区块的牌价上调约 15%。

AI 供应链的价值，可能正在从贩卖模型服务的业者，转向 AI 数据中心及算力基础设施公司。

缺口不在需求，在供给

一个容易误读的信号是：同期伺服器供应链出现了明显的库存调整。广达、川湖、双鸿、健策 9 月的订单都有调整，第三季营收略低于市场预期。看起来像是需求在退。

陆行之的判断是相反的。真正的原因落在供给端：部分零组件短缺，导致已经备好的其他料件无法完成组装；同时电力供应吃紧，进一步压住了交付节奏。短缺与电力双重受限，反而让算力供给更加稀缺——这才是租用价格上调的底层原因。需求没有降温，是产能跟不上。

这条信息差对你意味着什么

大多数人只盯着 token 单价做预算，把「模型更便宜了」直接等同于「AI 成本在下降」。这只对了一半。真正要看的，是你自己的任务结构里，算力租用占比有多高。

如果你的负载主要走 API、按 token 计费，那么确实在享受降价红利。但只要涉及自建推理、私有化部署、训练或微调，你面对的是另一条曲线：GPU 小时租金、内存成本、电力成本都在往上走。而且内存端更值得警惕——缓存读取、上下文窗口这些常被当作「免费」的东西，背后是实打实的硬件成本，涨价 41% 之后不可能一直由厂商自己消化。

实操建议只有一条：在做 AI 项目预算时，把「模型 API 支出」和「算力基础设施支出」分开建模，不要用前者的降幅去覆盖后者的涨幅。这两条曲线的背离如果持续，成本结构的重心会从模型使用费悄悄挪到基础设施费上。