近期，人工智能服务的成本经历了一轮显著增长。例如，到2026年3月，腾讯云上部分AI模型的收费上涨了超过400%。与此同时，阿里云也多次调整了其百炼平台上特定AI服务的价格。
一位专注于内容创作的朋友分享了他的经历：过去，批量生成一周约50个短视频脚本所需的API调用，按token计算大约仅需人民币15元。然而，自今年3月起，随着许多AI中继中心关闭以及主要云服务商上调价格，完成同样的工作量现在需要近60元，费用几乎翻了两番。
数据显示，2024年初，中国每日的token调用量平均为1000亿次，而到2026年3月，这一数字已飙升至惊人的140万亿次，两年内完成了千倍以上的增长。
那么，究竟什么是token？简单来说，它是人工智能处理信息的基本计量单位，也是算力计费的依据。当你向“通义千问”提问“深圳今天天气怎么样？”——这个过程大约会消耗200个token。若委托DeepSeek撰写一份5000字的方案，则可能需要8000至10000个token。可以将其类比为AI的字符或字数统计器：使用越多，消耗的算力自然就越多。
人工智能成本的急剧提升，仅仅是供应商在试图涨价吗？答案并非如此简单，这背后反映了需求模式的巨大转变。
摩根大通预测，到2030年，中国在AI推理token上的消耗量将比2025年高出大约370倍。高盛则预计，同期全球token消耗量将增长24倍。这些预测共同指向一个结论：人工智能算力的消耗正迈入指数级增长的轨道。
这种爆发式增长的核心原因在于人们使用AI方式的演变。过去，我们大多是向AI提出简单问题，获得简短回复。而今，用户更倾向于让AI执行复杂任务，例如：“帮我规划一个五日游，包括航班、酒店、观光与美食推荐。”执行此类“Agent”任务时，AI需要进行多轮推理、调用多种工具并逐步完成，其消耗的token量可能是普通问答的100到1000倍。从简单的问答到复杂的执行，算力需求有着三数量级的巨大差异。
在供应端，字节跳动、阿里巴巴、腾讯等领先的云服务提供商在AI基础设施上的投入正高速增长。从2024到2025年，核心AI芯片组件的支出从220亿美元增至520亿美元，增幅超过一倍。高带宽内存（HBM）在GPU物料清单中的比重也从大约50%上升到近三分之二。芯片、内存和电力成本的全面上涨，直接推高了整体计算成本。
因此，提价并非供应商的主动选择，而是源于持续过剩的需求和无法跟上的产能。这与2010年左右移动通信发展初期的情况颇为相似：智能手机普及初期，基站不足导致数据费用高昂，直到4G、5G大规模建设后，数据成本才得以降低。AI目前正处于类似的转折点。
不同的是，这一次承担“AI基站”建设任务的，并非传统电信运营商，而是中国正在大力推进的一项全新基础设施——一体化算力网络。
“算力黑洞”并非仅限于人们所想象的日常办公场景，其最大的消耗点隐藏在更广泛的产业之中。例如，在制造业领域，富士康和宁德时代等企业利用AI进行视觉质量检测，每日对数百万张产品图像进行实时分析，每条生产线都需要持续的强大算力支撑。程序员们通过“通义灵码”和GitHub Copilot等工具辅助编程和查找bug，中国数百万开发者每天都在产生巨大的算力需求。内容产业也大量使用AI生成文案、视频脚本和产品描述，短视频中许多文案都有AI的参与。
在医疗健康领域，AI辅助医生读取CT扫描，检测早期肺癌，其准确性在某些情境下甚至超越了人类。科学研究中，AI辅助药物发现极大地缩短了从靶点识别到分子筛选的时间。农业方面，卫星遥感结合AI分析，能够精准指导农民灌溉施肥和病虫害防治。
上述所有场景的共同特征是海量的算力消耗。这些应用并非少数人的专属，而是关乎产品质量、人类健康和作物收成等国计民生。当算力供应不足时，涨价的压力将沿着产业链传导，最终影响到每一个人。
为应对这一挑战，中国的解决方案是建设一个宏伟的“算力高铁网络”，以保障国家未来的数字发展。