算力通胀元年：DeepSeek 越便宜，这轮涨价越难停

文 | 强调 Next

明天（4 月 18 日），阿里云、百度智能云将正式开始调价。3 周之后，腾讯云也将迎来新一轮涨价。全球范围内，OpenAI、Anthropic 在过去 18 个月里把 API 价格降了超过 80%，DeepSeek-R1 的出现更让外界相信推理成本即将归零。

结果，中国三大云厂商在同一周宣布涨价 20% 至 30%。

媒体的第一反应是 " 价格战结束，大厂开始收割 "。这个定调不算错，但它停在了最表层的解读上。它解释了云厂商为什么要涨，却没有回答更关键的问题：这次涨价是短暂修正，还是一个持续性趋势的起点？答案，藏在一个 150 年前的经济学悖论里。

01. 杰文斯悖论：越便宜，烧得越凶

1865 年，英国经济学家威廉 · 杰文斯观察到一个反直觉现象：蒸汽机效率提升之后，英国的煤炭消耗总量反而急剧增长：效率提升降低了使用成本，触发了需求爆炸。这就是杰文斯悖论（Jevons Paradox），它在 2026 年的算力市场里精准复现了。

DeepSeek-R1 确实让单 Token 推理成本大幅下降。但它同时打开了一个需求闸门：大量此前觉得 "AI 太贵 " 的企业，开始把 AI 嵌进业务流程。一旦嵌入，Token 消耗量以非线性速度膨胀。

更关键的变化是，AI 的应用已经从 " 对话 " 进入 " 做事 "：Agent 和 Reasoning Model 登场了。一个任务以前烧 1000 个 Token，接上思维链之后烧 5000 个，因为 Reasoning Model 会自己 " 思考 "，消耗量是普通模式的 10 到 50 倍。

DeepSeek 降低了起步门槛，却捅破了算力天花板。每一单位 Token 越来越便宜，但每一个业务任务却越来越贵。这才是这轮涨价得以成立的真实地基。

02. 开源了权重，没开源推理栈

另一个被大量报道忽略的细节：DeepSeek 开源了模型权重，但没有开源它的推理优化栈。这两者的差别，好比给你了发动机的设计图纸，却没告诉你怎么调出 F1 的性能。

真正决定推理成本的，不只是模型架构，而是藏在水面下的工程能力：投机解码（Speculative Decoding）的命中率、KV Cache 的内存调度策略、Prefill 与 Decode 阶段的分离优化、万卡集群的网络拓扑。这些硬功夫，仍然是少数头部云厂商的护城河。

同样跑 DeepSeek-R1，头部云厂商的推理效率可以比企业自建高出 3 到 5 倍。这意味着同等算力投入下，云厂商能服务更多并发，单位成本更低。

这个效率差，就是云厂商 " 溢价 " 的来源之一。它是实实在在的工程壁垒。所以这次涨价，某种程度上也是在给自己的技术优势定价。

03. 诸神之战：四家巨头的账本与野心

在这一轮集体调价的浪潮中，四家核心巨头的姿态各异，折射出不同的商业算盘。

阿里云：吴泳铭式的 " 利润质量 " 保卫战。阿里的调价最坚决，涨幅主要集中在高端 GPU 实例和存储（CPFS）上。在阿里全面回归 " 效率第一 " 的背景下，阿里云不再追求所谓的 " 云市场份额第一 "，而是要抢夺 "AI 算力利润率第一 "。潜台词就是，阿里云正在建立一个 "VIP 算力区 "。如果你无法覆盖这 30% 的溢价，你可能就不在阿里的核心目标客户名单上。

百度智能云：" 用户过滤器 "。百度作为最早押注大模型的玩家，正面临文心大模型推理成本随调用量量级跃迁的压力。所以百度的涨价更像是一场 " 用户洗牌 "。它在主动洗掉那些只薅羊毛、不产生商业闭环的小型个人开发者，转而全力服务对价格不敏感的 B 端大客户。百度需要通过调价证明：它的 AI 增长不再靠补贴，而是靠 " 溢价卖智力 "。

腾讯云：生态锁死后的 "ROI 修正 "。腾讯云的动作比阿里晚了三周，这是一种典型的 " 跟随策略 "。腾讯的底气在于微信生态和企业微信的深度绑定。当企业的工作流已经深度嵌入腾讯的社交 / 协同生态，迁移成本极高。腾讯云的涨价更像是一种 " 补涨 "，用来修正过去两年为了抢占生态而牺牲的 ROI，让 AI 业务在财报里变得更 " 体面 "。

火山引擎：战略性 " 不平衡跟随 " 与抢人计划。火山引擎（字节跳动）是这波涨价潮中的变数。它虽然也调整了部分价格，但在很多核心 API 上的涨幅明显低于阿里和百度。字节正在利用这个窗口期进行 " 存量截流 "。凭借内部抖音、TikTok 带来的恐怖算力消纳能力，火山拥有极强的成本摊薄底牌。当对手在 " 赶客 " 保利润时，火山在等那些掉队者，试图通过价格差完成最后一次 " 装机量 " 的反超。

04. 最大的意外：大企业开始 " 出走 "

这次涨价引发了一个没人预料到的反作用力：它实质上坚定了大企业 " 自建算力 " 的决心。

云计算行业有个隐藏规律：当月度账单突破某个阈值，" 自建 vs. 租用 " 的财务模型就会翻转。对于银行、央国企、大型制造商来说，这个阈值大约在每月 300 万到 500 万元的云算力支出。

2024 年，大多数大型企业还在阈值以下，自建划不来。2025 年随着 AI 项目铺开，部分企业开始触线。而 2026 年这轮 20% 到 30% 的涨价，直接把一批原本刚好卡线的客户，推到了 " 必须认真考虑自建 " 的区间。

这波自建潮的受益者并不是云厂商的竞争对手，而是更边缘的角色：GPU 租赁平台的 3 月询价量同比翻了两倍；华为昇腾的大客户交付排期已拉长到 6 个月；专门帮企业做 " 私有化推理集群 " 的集成商突然成了香饽饽。

云厂商本来打算涨价收割高端客户，没想到顺手推走了一批有自建能力的大客户。这个决策风险，在财报季到来时可能会被重新评估。

05. 谁赢了？利益分配的真相

三家云厂商的涨价，在媒体眼里是 " 大厂收割 "。但从整个产业链来看，真正的赢家分布要复杂得多。

这里有个讽刺的现实：最受伤的是那些最有创新活力的中小 AI 创业公司。他们如果因为成本大面积倒下，云厂商自己的生态也会随之枯萎。

这不是没有先例。2010 年代初期，亚马逊 AWS 在某些服务上的激进涨价，加速了部分开发者转向 Google Cloud，间接帮助 GCP 完成了早期生态积累。历史不会简单重复，但它会押韵。

06. 涨价时代，还要持续多久？

说穿了，这轮涨价的本质是中国 AI 算力市场在需求爆发与供给约束之间的一次压力释放。两边挤压之下，价格只能向上走。这不完全是云厂商的主动选择，某种意义上也是被迫的定价修复。

支撑这轮涨价的三个结构性因素，没有一个会在 12 个月内实质性消失：Reasoning 模型普及带来的 Token 消耗量级跃迁、AI Agent 大规模落地加速、以及 Nvidia 出口管制带来的供给约束。

B2B 软件市场有一个反复验证的规律：价格棘轮效应（Ratchet Effect）。AWS 在 2010 年代初的几次涨价，没有一次在供给改善后完整回吐。Google Cloud 存储定价自 2021 年以来只走过一次下行台阶，还附带了存储上限收紧。云厂商懂这个规律：这次涨价不只是 " 趁窗口收割 "，更是在锁定一个新的价格基准线。

所以在 2027 年之前，" 算力归零 " 不会成真。真正决定价格拐点的，取决于国产算力的调度效率什么时候能实质性追上 Nvidia H100。从目前的工程进度来看，这个时间点大概率在 2027 年至 2028 年之间。

而在这个窗口里，云厂商有充分的理由 " 先涨为敬 "，因为他们知道，窗口不会永远开着。

07 结语：一场供给侧的结构性博弈

这轮涨价揭示的，不是 "AI 商业化成人礼 " 这种宏大叙事，而是一个更具体的产业现实：效率革命与需求爆炸同步发生时，价格不一定下行，反而可能上行。杰文斯悖论在煤炭时代成立，在算力时代同样成立。

对中小 AI 应用企业来说，与其争论谁在收割，不如认真算一笔账：自己的业务场景里，还有多少 Token 在被无效消耗？

省 Token，才是这个时代最硬的护城河。