AI越便宜，芯片越贵

过去一年，人工智能领域出现了一个看似矛盾的市场现象：大模型调用价格一路走低，AI应用门槛持续降低，但支撑AI运行的核心硬件——高端芯片，价格却逆势攀升，甚至一芯难求。这背后折射出AI产业正在经历一场深刻的结构性变革。

降价潮席卷AI市场

2023年以来，国内AI大模型领域掀起多轮价格战。字节跳动率先将豆包大模型的价格降至0.8元/百万tokens，百度文心一言紧随其后宣布免费，阿里通义千问、腾讯混元等均大幅下调API调用费用。有统计显示，过去一年主流大模型的价格降幅超过90%，部分模型甚至降至“白菜价”。

同样，在海外市场，OpenAI的GPT-4o价格较初代GPT-4下降超过60%，谷歌、Meta等巨头更是频繁推出免费或低价AI服务。AI正在从“奢侈品”变成“日用品”，用户可以用极低的成本体验文字生成、图像创作、代码辅助等功能。

然而，AI的“便宜”并未传导至硬件端。相反，支撑AI运算的核心芯片——尤其是英伟达的H100、H200以及最新发布的B200系列，价格不断创下新高。目前一块H100芯片的市场售价约为3.5万至4万美元，较官方定价溢价超过50%；而B200的单价预计将突破5万美元。

国内市场上，虽然受制于出口管制，但通过特殊渠道流入的英伟达高端芯片价格更是水涨船高。与此同时，华为昇腾910B等国产替代芯片价格也不菲，且供应紧张。有云计算厂商透露，高性能AI芯片的采购成本在过去一年间上涨了30%以上。

为何AI服务越便宜，芯片反而越贵？核心原因在于“降价”刺激了需求爆发。

当AI调用成本大幅下降，企业和开发者不再顾虑成本，开始大规模将AI嵌入各类应用场景。智能客服、代码生成、内容创作、教育辅导……AI使用量呈指数级增长。据估算，仅豆包大模型降价后，其日均调用量增长了数十倍。而每一次AI调用背后，都需要芯片提供算力支撑。

这种需求的急剧膨胀，远超芯片产能的扩张速度。尽管英伟达等厂商在加速生产，但新建芯片工厂周期长达数年，短期内无法满足暴增的订单。供需失衡直接推高了芯片价格。

此外，技术迭代也在推高成本。新一代AI模型参数规模更大、训练更复杂，需要更强的单卡算力和更大的显存。英伟达B200芯片采用更先进的封装工艺，单片成本本身就不低。而由于出口管制，国内厂商不得不转向国产芯片，但国产芯片在性能和生态上仍有差距，导致很多企业愿意支付更高溢价去获取稀缺的进口芯片。

“AI越便宜，芯片越贵”这一现象，深刻影响了产业链各环节的利润分配。

下游的AI应用厂商和云服务商面临“增收不增利”的困境——虽然用户量激增，但托底算力的成本高企，不少厂商依靠融资补贴AI服务。中游的芯片供应商则赚得盆满钵满，英伟达毛利率持续超过70%，市值一度突破3万亿美元。而上游的台积电等代工厂，也在先进封装环节拥有强大议价权。

这种格局正在引发连锁反应。一方面，科技巨头纷纷自研芯片，谷歌TPU、亚马逊Trainium、微软Maia、百度昆仑芯等加速推进，试图摆脱对英伟达的依赖；另一方面，国产芯片厂商迎来窗口期，华为、寒武纪、壁仞科技等正努力攻克技术难关，填补市场空白。

随着芯片产能逐步释放，以及更多玩家入场竞争，供需矛盾有望在未来一两年有所缓解。但从长远看，随着AGI（通用人工智能）的推进，算力需求仍将持续呈指数级增长。降低芯片成本的根本途径，或许是寻找更高效的计算范式——比如光子芯片、存算一体芯片等新兴技术。

AI越便宜，芯片越贵。这看似悖论，实则揭示了ICT产业发展的底层规律：每一次技术平权的背后，都伴随着基础设施成本的集中攀升。下一次芯片价格拐点的到来，或许正是AI真正走向普惠的时刻。