中国AI进入“经营算力”阶段：Token价格腰斩与重资产投资回报的博弈

事件概述

中国人工智能产业正在经历从“争夺算力规模”向“经营算力效益”的结构性转变。尽管DeepSeek等厂商推动模型API价格大幅下调，导致Token综合价格指数较2026年5月高点下跌超过52%，但头部企业如阿里巴巴的单季度资本支出依然保持高位增长。这种价格下行压力与巨额基础设施投入并存的局面，使得计算资源的投资回报率成为行业新的核心议题。

核心信息

1. 基础设施选址逻辑重构：成本与时延的平衡

• 乌兰察布效应：内蒙古乌兰察布凭借低廉的电价、土地成本及适宜散热的气候，已吸引阿里、华为、快手等89个数据中心项目签约，试图将能源优势转化为“Token之都”的产业优势。
• 成本敏感性：电力是数据中心主要运营成本。假设一座10MW功率、PUE为1.2的数据中心，若每千瓦时电价相差0.40元，五年累计电费差额可超2亿元。这促使云厂商在选址时必须在“低电价带来的长期运营节省”与“靠近用户以降低网络时延”之间寻找平衡。
• 任务分层部署：训练、批处理及存储等非时延敏感任务倾向于部署在能源成本低地区；而推理服务等对延迟敏感的业务仍需靠近网络枢纽。

2. 模型降价潮背后的成本真相

• 价格降幅显著：2026年5月，DeepSeek宣布将V4-Pro模型API价格永久下调75%（降至原价的四分之一）。截至10月，Silicon Data指数显示Token综合价格较5月高点下降约52%。
• 降价不等于成本同比例下降：模型API价格的下降源于市场竞争和技术优化，但企业实际承担的计算成本还受芯片性能、推理效率、资源调度等多因素影响。部分高端模型报价依然稳定，价格下降主要集中在低端或通用任务模型上。
• 应用场景变化：随着智能体（AI Agent）的发展，单次请求可能引发多轮后台调用，虽然单次Token成本降低，但完成复杂任务的总算力消耗未必同步减少。

3. 自建与租用的投资风险分化

• GPU折旧风险：服务器和机房可使用多年，但GPU可能在物理寿命结束前就因新一代更高能效芯片的出现而失去成本竞争力。
• 财务模式差异：
  • 自建：需承担前期资本开支、折旧及利用率风险，适合需求稳定且规模巨大的企业。
  • 租用：初始资本压力小，灵活性高，但长期边际成本可能较高，适合业务快速变化的初创公司。
• 关键挑战：数据中心能否盈利不仅取决于低电价，更取决于能否持续获得订单以维持高利用率，以抵消设备过时风险。

4. 阿里财报揭示产业链收益错位

• 资本开支激增：阿里巴巴截至2026年6月底的季度财报显示，单季资本开支达676.78亿元，同比增长75%，主要用于AI基础设施采购。
• 收入与亏损并存：同期，AI云与算力服务收入达484.37亿元（同比+45%），经调整EBITA为56.28亿元（同比+133%）；而AI实验室与应用分部收入33.38亿元，经调整EBITA亏损扩大至138.61亿元。
• 角色差异：对于云服务商，计算资源是收入来源；对于模型公司，推理成本是主要支出。产业链各环节的收益节奏并不同步，云厂商需数年回收重资产投资，而模型公司则面临持续的现金流压力。

值得关注

• 定价权转移：模型能力领先不再自动等同于高定价权。客户越来越关注任务完成的实际成本与业务收益比。当模型价格以月为单位快速波动，而数据中心投资需数年回收时，AI公司的竞争维度已从单一的技术指标扩展至资产管理与资本回报效率。
• 投资回报的不确定性：技术进步降低了单位算力成本，但并不保证每一笔基础设施投资都能获得理想回报。云厂商需要在预测未来几年的计算需求、模型效率变化与市场价格之间做出艰难判断，任何变量的剧烈变动都可能影响设备的最终投资回报。