阿里云突然涨价——AI 正在把互联网过去十年的逻辑推翻

🎵 本文主题曲 叁笙优居 AI 生成 · 空灵民谣

导读： 2026 年 4 月，阿里云、腾讯云、AWS、谷歌云在十天内先后调价。涨价本身不稀奇，稀奇的是这次涨的方向——从便宜往贵调。互联网做了二十年的"规模越大、单价越低"的曲线，在 AI 这一代，头一次被摁着反了过来。

2026 年 4 月 18 日清晨，一封来自阿里云的客户通知静静躺在很多创业公司 CTO 的邮箱里。

邮件很短，措辞克制。大意是：因上游算力成本持续上行，阿里云部分 AI 推理产品将在五月起逐步调整价格，部分高端 GPU 实例的按需价格上调区间在两成到三成之间。没有发布会，没有热搜话题，甚至连公众号的推文都没发一条。

但在开发者的群里，这封邮件炸开了锅。

我感觉之前没抢7.8、8.8元/月的Coding plan损失了一个亿。

一位做 AI 陪伴应用的朋友当天发了条朋友圈。他算了一笔账：产品月活刚过五万，每月光是大模型 API 的调用支出就占到收入的六成。四月这一轮调价之后，这个比例会顶到七成出头。他加了一句："不是我们跑不通模型，是模型跑不通我们。"

这不是阿里云今年第一次动价格。根据公开的服务条款历史，阿里云在 2026 年已经是第三次调整 AI 相关产品的价格结构——三月一次、四月上旬一次、四月十八日又一次。每次幅度不算夸张，但方向高度一致：朝上。

更耐人寻味的是，这不是阿里云一家的动作。

往前翻十天。腾讯云调整了混元系列的 API 计费模型，新的 HY2.0 高阶版本单位价格相比上一代，据开发者社区测算涨幅接近四倍。再往前一周，百度云文心系列的部分企业套餐悄悄上调了 5% 到 30% 不等。字节的火山引擎、京东云，也分别在这段时间把自家大模型的推理单价往上挪了一档。

海外更热闹。AWS 把 p5e 实例的按需价格从每小时三十四美元出头，拉到接近四十美元；谷歌云部分 Gemini 相关实例的对外报价最高翻了一倍；Azure 紧跟着调整了 OpenAI 系列的企业端配额和计费规则。

一个正常的市场，不应该这么整齐。

要看懂这件事，得把时间轴再往前拉一点。

2006 年，AWS 正式推出 EC2 的那一年，英特尔至强处理器的每核算力价格是每小时 10 美分。2016 年，AWS 同档位实例的价格，被打到每小时 1.3 美分。到了 2021 年前后，以阿里云、腾讯云为代表的国内云厂商，把最便宜的通用计算资源压到每小时一两分钱人民币。

这就是过去二十年所有互联网从业者默认的那条"微笑曲线"：芯片越做越密，机房越建越大，单位算力的价格一路朝下，而且看上去没有尽头。

摩尔定律 + 规模效应，两个轮子一起转。

互联网这二十年所有的商业模式——免费邮箱、免费搜索、免费社交、亿级月活的短视频、全行业的 SaaS——全部是建在这条向下的曲线上。"先把用户搞上来，后面服务器成本只会越来越便宜"，这是 2010 年到 2020 年，几乎所有互联网创业者和投资人的底层共识。

AI 来之前，这个共识没出过问题。

出问题是从 2024 年下半年开始的。

一位长期跟踪云计算行业的分析师给我讲过一个细节。2024 年 Q3，他去某家头部云厂商的机房出差，发现机柜密度被临时调整过——一整排原本设计能装 42 台服务器的标准机柜，实际只装到 24 台左右。工程师跟他解释，不是买不到服务器，是电和散热撑不住。塞满了，功率会超上限，跳闸。

从那之后，云厂商卖的不再是"算力"，而是"电力配额 + 散热配额 + 芯片配额"这三样东西的合计许可。任何一样短缺，整条线的定价逻辑都会被迫重写。

2025 年全年，这三样短缺同时发作。

英伟达的 H100、H200 在公开市场上一机难求。据多家媒体报道，头部云厂商的 H100 整机租赁价格在 2025 年一年之内涨幅超过 40%；Meta、微软、谷歌、甲骨文，加上国内的几家大厂，把 2025 年出厂的 H 系列 GPU 几乎全部吃光，二级市场开始出现"插队费"。

HBM 紧跟着出事。HBM 是贴在 GPU 旁边的高带宽显存，一颗顶级 GPU 的性能高低，有时候取决于 HBM 够不够。据公开的产业链信息，2025 年底 SK 海力士的 HBM3E 成品库存曾一度只剩下 4 周左右的出货量。

再加上 DRAM、NAND 在 2025 年下半年的涨价潮——全球存储芯片三大厂在四个月内先后三次上调合约价——整个 AI 算力的上游，进入了一个几乎所有人都没经历过的"硬件侧通货膨胀"区间。

老的那条微笑曲线，从 2025 年底开始，事实上被拧断了。

如果你最近读过黄仁勋在 2026 年 GTC 上的那场 keynote，你会注意到他讲了一句后来被反复引用的话。

大意是："这一代最重要的商品，不是手机，不是汽车，是 Token。Token 就是这一代的石油。"

这句话听上去像是讲给投资人听的故事。但如果你把目光移到国内，阿里巴巴集团 CEO 吴泳铭在 2026 年初的一封内部信里，讲了一件更具体的事——他把阿里云的未来战略，重新编组成了一个叫"Token Hub"的内部项目，把模型调用量、API 调用量、推理请求量、训练任务量，全部统一成一个指标：Token。

一切可计价、可调度、可结算的 AI 服务，都折算成 Token。

这是云厂商集体涨价背后的第二层变化——定价单位，从"实例-小时"切换到了"Token"。

这两个单位的差别看起来只是换了个名词，本质上是两套完全不同的经济学。

实例-小时定价，是典型的"硬件租赁逻辑"：我把机器租给你，机器本身有折旧曲线、有规模摊销、有闲置损失。用户越多，单位时间就能越便宜。

Token 定价，是典型的"生产性商品逻辑"：我把可消费的计算产出卖给你，背后是实时消耗的电、实时烧损的显卡、实时占用的带宽。用户越多，系统越紧，单位反而越贵。

一位头部互联网大厂的基础设施负责人私下说过一句话："做云的这十年，我们一直把自己当地产商。现在我们发现，我们其实是卖电的。"

卖电的生意，是没有"规模越大越便宜"这一说的。夏天用电高峰，电价不会因为全国空调开得多就跌下去，只会因为紧张而一档一档往上涨。Token 经济，正在把整个云计算行业，从地产逻辑重新改造成能源逻辑。

对应的商业现象就变得好解释了。

Anthropic 2026 年初一次小范围的调整，把部分 Claude 订阅套餐的每月 200 美元档位，在后台设置了一个"软性配额"。超过这个配额继续使用，后续生成会走更贵的按量计费。据英文开发者社区披露的截图，有重度编码用户在一个月内被统计到的理论算力消耗超过了 5000 美元——放在一年前，200 美元档位几乎是随便用的。

OpenAI 这一年也开始把 Pro 和 Enterprise 两个档位的实际可用量拉开差距。在开发者论坛里，你能看到大量类似的描述：同样的订阅费，去年能跑完一整个项目，今年跑到下旬就开始被限流。

降级的不是产品，是那个"按月固定付费、算力随便用"的旧商业模式。

国内这边，字节、阿里、百度的大模型 API 几乎都在 2026 年上半年完成了从"每千 Token 免费/象征收费"到"清晰阶梯定价"的过渡。Token 终于从营销噱头，变成了真正的计价单位。

我见过一家做 AI 辅导产品的小公司。两位创始人，三个工程师，一个运营，年初刚拿了一笔 Pre-A。

他们的产品很受欢迎，上线半年 DAU 干到 6 万，朋友圈里都在夸这个团队能打。

但三月底我再见他们，创始人愁眉苦脸。他给我看后台的一张曲线图：用户数在往上涨，毛利率在往下掉。

原因简单粗暴：用户越多，单日 Token 消耗越大，而上游 API 单价在涨。他算了一笔账，如果维持现在的定价（月费 29 元），DAU 超过 10 万的那一天，他们会净亏损。

他们最后的选择，不是扩用户，而是主动收缩免费额度、引导高付费用户、把低活跃用户逐步清洗出去。

这在互联网的上一个时代是匪夷所思的操作。过去所有互联网产品的本能反应都是：先增长，后变现。现在这群创业者的动作反过来了：先变现，再增长。

这就是 AI 产品侧正在发生的规模反噬。

用户越多 → Token 消耗越高 → 成本越高 → 毛利越差 → 越不敢扩用户。原来的"微笑曲线"在 AI 产品这里，被折成了一条皱眉线。

类似的剧情正在不同规模的玩家身上反复上演。

• • Cursor、Windsurf 这类编码 IDE，在 2026 年调整了计费模型，把"无限使用"改成按请求次数/按模型消耗计价
• • 国内多家 AI 搜索产品，默默降低了免费版单日请求上限
• • 某家头部的 AI 陪伴产品，公开内部数据显示，月活破百万之后的单用户算力成本比月活二十万时高出了接近一倍

这些现象叠在一起看，就是一个共同的结论：

2026 年 3 月，IDC 发布了一份关于全球 Token 消耗量的研究报告。里面有一个数字被很多朋友发给我问是不是打错了。

报告的原话大意是：从 2022 年到 2030 年，全球累计 Token 消耗量将增长约 3 亿倍。

三亿倍。不是三十倍，不是三千倍，是三亿倍。

这个数字如果成立，意味着现在整个人类已经消耗掉的 AI Token，在 2030 年看，大概就是一粒砂。

我去查了一下这份报告的测算逻辑。它基于三个假设：一是推理替代训练，成为未来 Token 消耗的主力；二是 Agent 化大规模铺开，单次交互不再是一问一答，而是模型自己在后台调用几十步思考和工具；三是多模态常态化，视频、语音、图像全部计入 Token 统计。

这三件事，2026 年上半年都在同步发生。

• • 推理层面：国内某头部云厂商公开披露，其 2026 年 Q1 的推理 Token 调用量同比增长超过 1000 倍——两年前的同一口径数据基本可以忽略
• • Agent 层面：以 Claude Code、Gemini CLI、Cursor Agent 为代表的编程 Agent，单次任务平均 Token 消耗比普通对话高 50 倍以上
• • 多模态层面：生成一段 10 秒视频所需的 Token，是生成一段 200 字文本的一万倍起步

这三个东西共同作用的结果就是：需求端的增长速度，远远超过供给端的硬件扩产速度。

英伟达建不了那么多 fab，台积电先进制程产能就那么多，SK 海力士的 HBM 产线扩产需要至少 18 个月。短期内，需求涨一个数量级，供给只能涨一个零头。

剪刀差一旦形成，价格就一定会涨。

这就是今年四月这一轮集体调价的底层原因：不是云厂商想多赚钱，而是它们自己的进货成本也在一口气往上蹿。

把上面所有的事情连起来看，未来 12 到 24 个月几乎可以确定会发生三件事。

第一件事：云厂商之间的价格战不会回来，至少不会在 AI 算力上回来。

过去十年，云厂商之间的价格战是常态——经常一年能看到两三轮官宣的降价。现在不会了。当上游硬件本身在涨，下游互相打价格战没有意义。更大概率看到的是：各家把定价模型精细化，推出更多"峰谷电价"式的阶梯产品——白天贵、夜里便宜；常规模型便宜、推理密集型贵。

第二件事：所有 AI 产品的商业模型会被迫重做一次。

订阅制无限用，注定难以维持。取而代之的会是分档订阅 + 超额按量、算力预算上限、模型降档使用等新的产品结构。这对用户不见得是坏事——你会更清楚自己到底在为什么付钱，便宜模型和贵模型的体验差异也会被显性化。

第三件事，也是最本质的：

过去一个好产品的评价标准是：能不能做到服务十亿人的时候，比服务一百万人的时候单用户成本更低。

未来一个好 AI 产品的评价标准，会变成：能不能在服务十亿次调用的时候，和服务一百万次调用时单位成本基本持平。

这个转变不小。它会重塑一整代产品经理的工作方式，会重塑一整代创业者的融资叙事，会重塑一整代 VC 看 AI 项目的估值模型。

写到这里，必须收一收。不是所有人都关心云厂商后台的价格曲线。但这轮涨价，对两类普通人真的值得留个心眼。

一类是做 AI 产品和内容的个人/小团队。

建议认真做两件事：

1. 1. 把你的 Token 成本曲线提前压成可预测。 选供应商时，不要只看当下单价，要看"量上去之后的分档价"。跑一个简单的模型：如果我的 DAU 翻十倍，我的月成本会翻几倍？翻五倍以下说明计价合理，翻十倍以上就有踩坑风险。
2. 2. 不要浪费在大模型上做小事。 很多小事完全可以用开源模型本地跑，或者用蒸馏后的小模型。能用 1B 参数解决的问题，不要去打扰 400B 的旗舰模型。省下来的钱，可以是你团队的工资。

另一类是每个月在用 Claude、ChatGPT、Gemini Pro 的普通用户。

老实说，如果你现在每月订阅费还能正常用下来，就好好珍惜。过去一年订阅价没涨过、但可用量在悄悄缩水，本质上是一次"隐性涨价"。未来你大概率会看到的是：同样的钱，能用的额度越来越少；或者加钱升级到更贵的档位。这不是哪家公司变坏了，这是整条产业链的成本在往下游转移。

互联网做了二十年的"越多越便宜"，第一次停了下来。

它停下来的那一刻，很安静，没有仪式感——只是一封平平无奇的涨价邮件，躺在某个创业者的收件箱里。

但回头看，这封邮件很可能就是下一代互联网故事真正的开头。

如果你最近也在做 AI 相关的产品/应用，评论区聊两句：你被算力成本"教育"过吗？你现在是怎么处理这条成本曲线的？