随着人工智能模型能力呈现指数级跨越，底层算力的价值正被重新定义。
科技播客主持人及博主 Dwarkesh Patel 近日在其视频中表示，AI 模型越智能，其将算力变现的能力就越强，这将不可避免地推高算力价格，最终导致普通 AI 应用和普通用户面临被 " 价格挤出 " 的风险。
在这一趋势下，顶级 AI 实验室正面临极端的供需失衡。Patel 测算，以 Anthropic 为代表的头部企业营收正呈现每年 10 倍的爆炸性增长，但行业整体算力规模每年仅能实现 3 倍扩张。为填补这一巨大缺口，算力现货价格自今年 2 月的低谷以来已飙升超过 40%。巨头们正以极高的溢价锁定资源，谷歌每月向 SpaceX 支付 9 亿美元租赁 11 万张 GPU，其单价已达到现货市场价格的两倍。
算力供给的极度缺乏在短期内无法通过市场机制有效缓解。受制于芯片制造设备交付周期以及晶圆代工产能的物理极限，算力供应链表现出极低的弹性。在达到技术奇点之前，整个 AI 产业将进入一个资源极度稀缺、权力高度集中的新周期。
AI 行业的超额收益与硬件瓶颈之间的脱节，正在引发一连串的连锁反应。如果头部实验室要维持营收每年 10 倍的增长，而算力仅增长 3 倍，市场必须通过提高实验室利润率、推高算力价格或增加推理算力占比来寻求平衡。Patel 指出，这三种现象目前已经同时发生。
在利润率方面，Anthropic 的推理利润率已从去年中期的 40% 飙升至目前的 80% 以上。在算力分配上，据 Epoch 的数据显示，OpenAI 在 2024 年初仅将四分之一的算力用于推理，而现在这一比例可能已接近甚至超过 50%。
巨头争夺稀缺资源，硬件溢价持续扩大
算力价格的上涨趋势在头部实验室的采购策略中表现得更为激进。前沿实验室无法简单地依赖零散的现货实例，他们需要建立极其庞大的集群，以确保模型训练的效率、灵活性，以及保护权重文件和客户数据所需的安全架构。
这迫使科技巨头愿意为规模化算力支付极高的溢价。以 Google 租赁 SpaceX 的 GB200 和 GB300 混合算力集群为例，其支付的每小时租金是当前现货价格的两倍。这种财大气粗的采购行为，直接拔高了整个行业的底层成本基线。随着顶级实验室在变现算力方面变得越来越出色，且算力成本不断上升，其他任何竞争对手都难以在资源竞价中与他们抗衡。
算力价值的飙升直接与 AI 模型的智能化程度挂钩。Patel 提出了一项核心推演：当 AI 模型具备人类软件工程师的水平时，一张等效的 H100 芯片如果按当前工程师的薪酬水平出租，其年租金将超过 25 万美元，这是目前 H100 现货价格的 15 倍以上。基于标准经济学理论，技术创新和专业化将极大提升劳动的价值，这意味着算力的边际价值将保持在令人瞠目的高位。
由此带来的直接后果是，当前许多流行的平民化 AI 应用将被剥夺生存空间。当 AI 突破能力阈值后，Google、Anthropic 或 OpenAI 等巨头将更愿意将有限的算力出售或应用于高价值的自动化 AI 研究，而不是廉价提供给普通用户生成无意义的 "AI 废话 "。低利润率的日常消费者需求将被高昂的底层成本彻底挤出市场。
供应链瓶颈难解，行业走向高度集中
针对市场对 " 价格信号最终会解决稀缺问题 " 的乐观预期，Patel 引用了著名的 Simon-Ehrlich 赌局作为反面教材。与 Paul Ehrlich 当年对大宗商品短缺的错误悲观预测不同，当前算力市场的供给缺乏弹性，无法像金属开采那样通过替代品或价格刺激在短期内吸收巨大的需求冲击。
此外，由智能手机和 PC 端转移至 AI 的晶圆配额（贡献 1.8 倍增长）即将触顶。到明年年底，在 TSMC 最先进的 N3 节点上，AI 的产能占比将从 60% 暴增至 86%。当所有前沿晶圆产能被 AI 完全吞噬后，行业将面临无晶圆可用的硬着陆。
在机器人能够直接将硅砂和铜矿转化为芯片的 " 奇点 " 到来之前，行业必将长期处于资源受限的状态。这种智能训练中呈现出的极强规模经济效应，虽然避免了人类劳动需要从头培训的低效，但也必然导致令人担忧的市场权力极度集中。
