AI模型价格战加速，80%算力需求或迁移

关于人工智能行业的未来，市场过去两年形成了一种近乎默认的共识：模型越大越强，投入越多越好。

但这种逻辑正在遭遇现实挑战。

Coinbase首席执行官布莱恩·阿姆斯特朗最近提出一个颇具冲击力的判断：未来12至18个月内，约80%的AI工作负载将迁移至成本便宜99%的模型。与此同时，他认为AI需求几乎接近无限，但真正限制行业扩张的并不是需求，而是能源和计算资源。

这番表态背后，其实揭示了AI产业正在经历的一场结构性变化。

过去一段时间，行业竞争主要围绕“谁拥有最大的模型”。无论是OpenAI、Anthropic还是谷歌，几乎所有头部厂商都在持续扩大参数规模、增加训练数据，并投入数十亿美元建设算力基础设施。

这种模式在技术突破阶段有效。

因为当能力差距足够明显时，用户愿意为性能买单。

但随着模型能力逐渐趋同，市场开始进入另一个阶段——成本竞争。

事实上，这种转变已经在发生。

过去调用先进大模型一次可能需要几美元甚至更高成本，而如今许多开源模型和轻量级模型已经能够以极低价格完成相似任务。对于大量企业客户来说，他们并不需要最强模型，而是需要性价比最高的模型。

一个客服机器人不需要博士级推理能力。

一个企业知识库也未必需要动用最先进的推理系统。

当模型能力超过实际需求时，成本就会重新成为决策核心。

这与云计算产业的发展路径非常相似。

早期云计算市场强调性能和弹性资源，后来则逐渐进入价格竞争阶段。AWS、微软Azure和谷歌云持续降低单位计算成本，本质上都是为了扩大市场规模。

AI行业正在重复类似过程。

更便宜的模型不会减少需求，反而会创造更多需求。

经济学中有一个经典现象被称为“杰文斯悖论”（Jevons Paradox）：当资源使用效率提高后，总体消耗量往往不降反升。蒸汽机效率提高没有减少煤炭消耗，反而推动煤炭需求爆发。

AI可能也会遵循相同规律。

如果推理成本下降99%，原本因为成本过高而无法落地的应用场景将变得可行。企业可能部署更多AI代理，开发者可能调用更多模型接口，普通用户也会增加使用频率。

因此阿姆斯特朗提到“需求接近无限”，并非夸张。

真正的问题在供给端。

即便模型越来越便宜，背后的计算资源依然需要大量GPU、数据中心和电力支持。从美国到中东，从欧洲到亚洲，各大科技公司正在疯狂建设AI基础设施，一个重要原因就在于他们意识到未来瓶颈可能不再是算法，而是能源。

过去一年，微软、亚马逊、谷歌以及Meta不断签署长期电力采购协议，甚至重新关注核能项目。英伟达市值飙升的背后，也不仅是芯片需求增长，而是整个社会开始将算力视为一种基础资源。

这意味着AI行业未来可能出现一种有趣局面。

模型价格持续下降，使用成本越来越低，但底层能源和基础设施成本却持续攀升。

对于模型开发者而言，竞争焦点将从单纯提升能力转向优化效率。对于投资者来说，未来受益者未必只是模型公司本身，电力企业、数据中心运营商、芯片制造商甚至能源基础设施供应商，都可能成为AI浪潮的重要参与者。

某种意义上，AI行业正在从“追求最聪明模型”的时代，进入“追求最低单位成本”的时代。

而当80%的工作负载开始流向更便宜的模型时，真正改变的或许不仅是技术路线，还有整个产业链的价值分配方式。谁能以最低成本提供足够好的智能服务，谁就更有机会拿到下一阶段的市场份额。