750 亿欧元，只是个开始

先说个大数字。

软银刚宣布要在法国投 750 亿欧元建 AI 数据中心，换算成人民币大概 6000 亿。这是什么概念？相当于北京市一年财政收入的三分之一。

为什么要投这么多钱？因为 AI 太吃算力了。一个大模型训练一次，电费就够一个小城市用一个月。推理也是，每次你问 ChatGPT 一个问题，后台就有几十张 GPU 在疯狂运转。

这不是软银一家在烧钱。微软、谷歌、亚马逊，每家今年的 AI 资本开支都超过 500 亿美元。钱从哪来？从你我的订阅费里来，从企业的云服务账单里来。

美国企业开始"省着用" AI

更直接的信号来自华尔街日报的一篇报道，美国企业开始对 AI 实施配给制了。

什么意思呢？就是以前大家觉得 AI 能提效，就敞开了用。现在发现账单太吓人，开始限制使用量、搞分层审批、算 ROI。

有个细节很有意思。某家公司发现，员工平均每天调用 AI 接口 47 次，但真正产生价值的只有 8 次。剩下那 39 次，要么是在试错，要么是在"玩"。

这让我想起小时候家里刚装宽带，我妈规定每天只能上网两小时。现在企业对 AI 的态度，有点像当年的"拨号上网时代"，大家都觉得这东西好，但用起来心疼。

苹果的"精打细算"

苹果的做法更有意思。

下个月 WWDC 要发 Siri 的大升级，核心思路是什么？把模型塞进手机里本地跑。这样就不用每次都调云端，省钱又快。

听起来很美好对吧？但仔细一看，苹果的"本地模型"其实是从 Google Gemini 蒸馏出来的。复杂的问题还是得送到 Google Cloud 处理，只不过用了 NVIDIA 的机密计算技术包装一下。

这就像你买了一台洗碗机，结果发现只能洗碗，锅还是得手洗。苹果在 AI 上的策略，本质上就是在算一笔账，哪些计算必须在本地，哪些可以外包。

苹果 2024 年承诺的 Private Cloud Compute 方案原计划使用苹果芯片，因无法承载完整 Gemini 模型，现已部分转向谷歌云，但该名称仍将保留。

— Kim (@kimmonismus)

NVIDIA 的新算盘

说到算账，NVIDIA 也要搞事情了。

6 月 1 号，NVIDIA、微软、Arm 同时发了一组神秘坐标，指向台北音乐中心。明眼人都看得出来，这是在预告 NVIDIA 的 ARM 笔记本芯片 N1X。

这颗芯片整合了 CPU、Blackwell 架构 GPU 和 AI 单元，目标是让轻薄本达到 RTX 4070 的性能。说白了，NVIDIA 不满足于只卖显卡了，它要做整机方案。

这背后也是成本逻辑。现在 AI PC 的概念炒得很火，但真正能本地跑大模型的笔记本，动辄两三万。NVIDIA 想做的事，把价格打下来，让更多人买得起"能跑 AI 的电脑"。

一个有趣的技术实验

最后说个轻松点的。

有个叫 Simon Willison 的程序员，用 Claude Opus 4.8 的帮助，在浏览器里跑起了 Python 应用。他用的技术叫 Pyodide + Service Worker，简单说就是把 Python 解释器编译成 WebAssembly，直接在浏览器里运行。

这个实验的意义在于，它展示了一种可能性，未来你可能不需要服务器，就能在浏览器里跑完整的 Web 应用。这对成本意味着什么？意味着你可以把服务器的钱全省了。

当然，现在这个技术还很早期，性能和兼容性都有问题。但方向是对的，让计算离用户更近，而不是集中在几个大公司的数据中心里。

我们正在经历什么

把这些新闻串起来看，你会发现一个有意思的画面。

AI 的发展正在经历一个"成本觉醒期"。前两年大家追求的是"能不能做"，现在开始算"划不划算"。企业从"全面拥抱"变成"精打细算"，个人开发者从"免费白嫖"变成"订阅付费"。

这其实是一件好事。成本压力会倒逼技术优化，会催生更高效的模型架构，会推动端侧计算的发展。就像当年云计算从"贵得离谱"变成"按需付费"，AI 也会走过这条路。

只是这个过程中，会有人掉队，会有公司倒闭，会有技术路线被淘汰。这就是技术进步的代价。

给普通人的建议

如果你是开发者，我有几个建议。

第一，现在就开始关注你的 AI 使用成本。不管是 Copilot 还是 API 调用，养成记账的习惯。

第二，学着用更便宜的方式达到同样的效果。比如用小模型代替大模型，用本地推理代替云端调用，用缓存减少重复请求。

第三，保持关注端侧 AI 的发展。苹果、NVIDIA 都在押注这个方向，未来两年会有大量机会。

最后，别被焦虑裹挟。AI 的成本确实在涨，但技术也在进步。今天的"贵"，可能就是明天的"便宜"。

关键是想清楚，你到底需要 AI 帮你解决什么问题。如果只是为了"用而用"，那确实烧钱。如果是为了解决真实问题，这笔钱花得值。

如果你只记一件事，记住这个

AI 正在经历"成本觉醒期"。从企业到个人，大家都在算账。成本压力会倒逼技术优化，今天的"贵"可能就是明天的"便宜"。关键是想清楚你到底需要 AI 解决什么问题。

别被焦虑裹挟，但也别忽视趋势。