算力通脹元年：DeepSeek越便宜，這輪漲價越難停

文 | 強調Next

明天（4月18日），阿里云、百度智能云將正式開始調價。3周之后，騰訊云也將迎來新一輪漲價。全球范圍內，OpenAI、Anthropic在過去18個月里把API價格降了超過80%，DeepSeek-R1的出現更讓外界相信推理成本即將歸零。

結果，中國三大云廠商在同一周宣布漲價20%至30%。

媒體的第一反應是“價格戰結束，大廠開始收割”。這個定調不算錯，但它停在了最表層的解讀上。它解釋了云廠商為什么要漲，卻沒有回答更關鍵的問題：這次漲價是短暫修正，還是一個持續性趨勢的起點？答案，藏在一個150年前的經濟學悖論里。

01.杰文斯悖論：越便宜，燒得越兇

1865年，英國經濟學家威廉·杰文斯觀察到一個反直覺現象：蒸汽機效率提升之后，英國的煤炭消耗總量反而急劇增長：效率提升降低了使用成本，觸發了需求爆炸。這就是杰文斯悖論（Jevons Paradox），它在2026年的算力市場里精準復現了。

DeepSeek-R1確實讓單Token推理成本大幅下降。但它同時打開了一個需求閘門：大量此前覺得“AI太貴”的企業，開始把AI嵌進業務流程。一旦嵌入，Token消耗量以非線性速度膨脹。

更關鍵的變化是，AI的應用已經從“對話”進入“做事”：Agent和Reasoning Model登場了。一個任務以前燒1000個Token，接上思維鏈之后燒5000個，因為Reasoning Model會自己“思考”，消耗量是普通模式的10到50倍。

DeepSeek降低了起步門檻，卻捅破了算力天花板。每一單位Token越來越便宜，但每一個業務任務卻越來越貴。這才是這輪漲價得以成立的真實地基。

02.開源了權重，沒開源推理棧

另一個被大量報道忽略的細節：DeepSeek開源了模型權重，但沒有開源它的推理優化棧。這兩者的差別，好比給你了發動機的設計圖紙，卻沒告訴你怎么調出F1的性能。

真正決定推理成本的，不只是模型架構，而是藏在水面下的工程能力：投機解碼（Speculative Decoding）的命中率、KV Cache的內存調度策略、Prefill與Decode階段的分離優化、萬卡集群的網絡拓撲。這些硬功夫，仍然是少數頭部云廠商的護城河。

同樣跑DeepSeek-R1，頭部云廠商的推理效率可以比企業自建高出3到5倍。這意味著同等算力投入下，云廠商能服務更多并發，單位成本更低。

這個效率差，就是云廠商“溢價”的來源之一。它是實實在在的工程壁壘。所以這次漲價，某種程度上也是在給自己的技術優勢定價。

03.諸神之戰：四家巨頭的賬本與野心

在這一輪集體調價的浪潮中，四家核心巨頭的姿態各異，折射出不同的商業算盤。

阿里云：吳泳銘式的“利潤質量”保衛戰。阿里的調價最堅決，漲幅主要集中在高端GPU實例和存儲（CPFS）上。在阿里全面回歸“效率第一”的背景下，阿里云不再追求所謂的“云市場份額第一”，而是要搶奪“AI算力利潤率第一”。潛臺詞就是，阿里云正在建立一個“VIP算力區”。如果你無法覆蓋這30%的溢價，你可能就不在阿里的核心目標客戶名單上。

百度智能云：“用戶過濾器”。百度作為最早押注大模型的玩家，正面臨文心大模型推理成本隨調用量量級躍遷的壓力。所以百度的漲價更像是一場“用戶洗牌”。它在主動洗掉那些只薅羊毛、不產生商業閉環的小型個人開發者，轉而全力服務對價格不敏感的B端大客戶。百度需要通過調價證明：它的AI增長不再靠補貼，而是靠“溢價賣智力”。

騰訊云：生態鎖死后的“ROI修正”。騰訊云的動作比阿里晚了三周，這是一種典型的“跟隨策略”。騰訊的底氣在于微信生態和企業微信的深度綁定。當企業的工作流已經深度嵌入騰訊的社交/協同生態，遷移成本極高。騰訊云的漲價更像是一種“補漲”，用來修正過去兩年為了搶占生態而犧牲的ROI，讓AI業務在財報里變得更“體面”。

火山引擎：戰略性“不平衡跟隨”與搶人計劃。火山引擎（字節跳動）是這波漲價潮中的變數。它雖然也調整了部分價格，但在很多核心API上的漲幅明顯低于阿里和百度。字節正在利用這個窗口期進行“存量截流”。憑借內部抖音、TikTok帶來的恐怖算力消納能力，火山擁有極強的成本攤薄底牌。當對手在“趕客”保利潤時，火山在等那些掉隊者，試圖通過價格差完成最后一次“裝機量”的反超。

04.最大的意外：大企業開始"出走"

這次漲價引發了一個沒人預料到的反作用力：它實質上堅定了大企業“自建算力”的決心。

云計算行業有個隱藏規律：當月度賬單突破某個閾值，“自建 vs. 租用”的財務模型就會翻轉。對于銀行、央國企、大型制造商來說，這個閾值大約在每月300萬到500萬元的云算力支出。

2024年，大多數大型企業還在閾值以下，自建劃不來。2025年隨著AI項目鋪開，部分企業開始觸線。而2026年這輪20%到30%的漲價，直接把一批原本剛好卡線的客戶，推到了“必須認真考慮自建”的區間。

這波自建潮的受益者并不是云廠商的競爭對手，而是更邊緣的角色：GPU租賃平臺的3月詢價量同比翻了兩倍；華為昇騰的大客戶交付排期已拉長到6個月；專門幫企業做"私有化推理集群"的集成商突然成了香餑餑。

云廠商本來打算漲價收割高端客戶，沒想到順手推走了一批有自建能力的大客戶。這個決策風險，在財報季到來時可能會被重新評估。

05.誰贏了？利益分配的真相

三家云廠商的漲價，在媒體眼里是“大廠收割”。但從整個產業鏈來看，真正的贏家分布要復雜得多。

這里有個諷刺的現實：最受傷的是那些最有創新活力的中小AI創業公司。他們如果因為成本大面積倒下，云廠商自己的生態也會隨之枯萎。

這不是沒有先例。2010年代初期，亞馬遜AWS在某些服務上的激進漲價，加速了部分開發者轉向Google Cloud，間接幫助GCP完成了早期生態積累。歷史不會簡單重復，但它會押韻。

06.漲價時代，還要持續多久？

說穿了，這輪漲價的本質是中國AI算力市場在需求爆發與供給約束之間的一次壓力釋放。兩邊擠壓之下，價格只能向上走。這不完全是云廠商的主動選擇，某種意義上也是被迫的定價修復。

支撐這輪漲價的三個結構性因素，沒有一個會在12個月內實質性消失：Reasoning模型普及帶來的Token消耗量級躍遷、AI Agent大規模落地加速、以及Nvidia出口管制帶來的供給約束。

B2B軟件市場有一個反復驗證的規律：價格棘輪效應（Ratchet Effect）。AWS在2010年代初的幾次漲價，沒有一次在供給改善后完整回吐。Google Cloud存儲定價自2021年以來只走過一次下行臺階，還附帶了存儲上限收緊。云廠商懂這個規律：這次漲價不只是“趁窗口收割”，更是在鎖定一個新的價格基準線。

所以在2027年之前，“算力歸零”不會成真。真正決定價格拐點的，取決于國產算力的調度效率什么時候能實質性追上Nvidia H100。從目前的工程進度來看，這個時間點大概率在2027年至2028年之間。

而在這個窗口里，云廠商有充分的理由“先漲為敬”，因為他們知道，窗口不會永遠開著。

07結語：一場供給側的結構性博弈

這輪漲價揭示的，不是“AI商業化成人禮”這種宏大敘事，而是一個更具體的產業現實：效率革命與需求爆炸同步發生時，價格不一定下行，反而可能上行。杰文斯悖論在煤炭時代成立，在算力時代同樣成立。

對中小AI應用企業來說，與其爭論誰在收割，不如認真算一筆賬：自己的業務場景里，還有多少Token在被無效消耗？

省Token，才是這個時代最硬的護城河。