AI成本降低，芯片价格却在上涨

正文：

在6月30日，Anthropic推出了Claude Sonnet 5。

这款中端模型在Sonnect系列中表现最为突出。在SWE-bench Pro的代理能力测试中，Sonnet 5获得了63.2分，仅比旗舰产品Opus 4.8的69.2分低了6分。而在研究生级推理测试GPQA-AAA v2中，Sonnet 5的表现反而优于Opus 4.8。

价格方面尤为重要。在优惠期内，Sonnet 5的定价为每百万输入token 2美元，输出10美元。而Opus 4.8的价格则为5美元和25美元——Sonnet 5以四到六成的价格实现了旗舰产品超过九成的能力。

首先，AI的成本再次下降。这一趋势对所有人来说都是利好，Chatbot市场的竞争愈发激烈，模型厂商之间的竞争也愈加白热化。

其次，市场定价的另一面是，虽然模型的价格在下降，但计算能力和存储成本却在上升。

Claude Sonnet 5发布的当天，美国半导体指数上涨近4%。在过去三年的AI发展中，一直有一个观点认为推理效率将减少对芯片的需求，但这一判断在各个数据节点上都未能得到验证。

2022年，GPT-4级别API调用的成本约为每千token 0.03美元。根据斯坦福AI指数报告，预计到2025年，同样性能水平的模型价格将下降约280倍。综合开源和效率提升的影响，业界普遍认为降幅可达1000倍。

Anthropic此次Sonnet 5在能力密度上对标Opus 4.8，定价仅为其四到六成。Google的Gemini Omni Flash视频生成服务定价为每秒0.10美元，Nano Banana 2 Lite图像模型的生成成本为每千张仅0.034美元，均为前代价格的一半。DeepSeek-V4-Pro将百万token输入的成本降至0.035美元。

6月24日，《The Information》报道OpenAI在内部发现了一项纯软件优化技术——某些运算环节的GPU需求减少了一半以上，专用GPU数量从几千台骤降至几百台。同月，Meta推出了Vistara方案：将退役服务器中的DDR4内存通过自研CXL芯片重新连接，与DDR5按3:1的比例搭配，从而降低推理服务器成本25%。

到了6月30日，阶跃开源推出了推测解码技术JetSpec——这一技术使得大模型推理速度提升近10倍。换句话说，在相同的token输出量下，所需的GPU数量可以大幅减少。

如果将AI视为传统的成本-需求函数，这些信号指向一个结论：未来所需的芯片将减少。

在DeepSeek发布R1的那个周末，AI基础设施相关股票经历了近年最剧烈的抛售。AI云公司Nebius的股价暴跌40%。故事的核心在于：中国的开源模型以0.1美元出售token，而美国公司则需支付2美元，从而导致计算需求的急剧下降。

Nebius的联合创始人Roman Chernin回忆道，DeepSeek引发市场恐慌的那一周，”或许是我们销售最好的时刻”。公司的采购部门在看到成本急剧下降后，第一反应并非削减预算，而是终于能够大规模进行推理。

预计到2024年，全球企业在生成式AI上的总支出将达到115亿美元，而到2025年，这一数字将飙升至370亿美元——一年增长320%。根据Menlo Ventures的企业调研，中位企业在2025年预计将运行”数十个”AI应用，而2023年这一数字仅为1到2个。

Uber在2026年4月就已经用尽了全年的AI预算。AT&T目前每天处理270亿token——18个月前，这一数字为8亿。一家美国大型医疗保险公司，月度token消耗从300万猛增至超过1.5亿。

换句话说，token的成本降至千分之一，而市场使用的token数量却增长了数万倍。这一变化的净效应只有一个方向：支出激增。

根据多条独立线索，token消耗量每两个月翻一倍。若将这一指数曲线延续至2027年，企业AI年支出突破千亿美元将成为必然，而非预测。

存储器价格的上涨是AI需求从模型层向硬件层传导的最直接信号。

预计到2025年第三季度，DRAM和NAND Flash现货价格的累计涨幅将超过300%。DDR5颗粒的单月涨幅曾一度突破90%。进入2026年，涨价趋势不仅未减，反而加速。

第一季度DRAM合约价的涨幅预期从55%-60%上调至90%-95%；NAND的涨幅也从33%-38%上调至55%-60%。二季度，TrendForce预测DRAM再涨58%-63%，NAND再涨70%-75%。

以消费级产品为例：宏碁掠夺者32G DDR5 6000套条，2025年10月底的价格为1300元，而到2026年1月已飙升至2700元。三个月内价格翻倍，在消费市场上极为罕见。

三星存储业务在2025年第四季度录得季度营业利润历史新高——突破20万亿韩元，约合人民币962亿元。而这一轮涨势的根本推动力并非手机或PC的消费级换代，而是AI数据中心对HBM、企业级SSD和高密度DRAM的巨额采购。

高盛在5月的一份报告将这一趋势进行了详细分析。

该报告预测，2026年至2031年全球AI基础设施累计资本支出预计将达到7.6万亿美元。2026年单年的支出为7650亿美元，到2031年将攀升至1.6万亿。其中，单颗基准GPU（基于NVIDIA VR200 Rubin）的计算成本为8.05万美元，NVIDIA将占据各期总算力支出的75%。

高盛在报告中还提出了一个关键问题：如果ASIC（专用芯片）大量替代GPU，是否能够降低总体需求？

答案是因情况而异。如果需求缺乏弹性——企业的AI算力需求是固定的——那么ASIC替代可以直接降低总体资本需求。但如果需求具有弹性——算力越便宜，购买量越多——那么芯片组合的变化主要是利润在不同供应商之间的分配，而非总支出规模的变动。

美股价格同样显示出这一趋势。闪迪自年初以来上涨了857%，Bernstein在6月30日的报告中将其目标价上调至3000美元。AMD的股价一天内上涨7%，创下历史新高。涉及GPU、存储、封装及数据中心设备的公司均在新高附近徘徊。

Edgen.tech在6月11日的综述文章中提到，内存芯片的价格在过去一年里上涨了六倍。

这一现象无法简单用“周期性回升”来解释。价格上涨六倍是一个信号，显示出整个经济体系正在重新评估AI的物理基础设施需求。

威廉·斯坦利·杰文斯在1865年出版了一本名为《煤炭问题》的书。

来源：Odaily星球日报