夜雨聆风💥 同一项技术，正在产生完全相反的经济效果。
7月9日，纽约联储行长John Williams说了一句话，在华尔街引发不小的震动：AI驱动的需求已经成为他对通胀的首要担忧——而且这个担忧已经超过了关税和能源价格。
这是美联储第一次将AI明确列为最大的通胀风险。
与此同时，在中国，AI的价格正在以惊人的速度向下坠落。新华社7月10日的专题报道给出了一个数字：AI智能体的推理成本，已经从一年前的¥2700降到了¥10，降幅99.6%。中国AI模型的价格比美国便宜60%到90%。
美国在为AI涨价睡不着。中国靠AI降价在抢全球市场。
这背后的逻辑，值得每一个关注AI的人认真理解。
美国的AI通胀：钱去哪了
Williams的原话很直白："AI基础设施建设的需求，正在推高电力价格、芯片价格和劳动力成本。"他特意强调，这已经超越关税和能源价格，成为他最担心的通胀源头。
理解AI通胀，需要看明白钱流向了哪里。
第一条管道是电力。单个大型AI数据中心的用电量堪比一座小型城市。Meta计划在加拿大建设的首个数据中心规模达1GW——这相当于一座核电机组的输出功率。全球AI数据中心的电力需求正在以每年30%以上的速度增长，直接推高了能源价格。
第二条管道是芯片。HBM（高带宽内存）的价格在过去一年里涨了大约6倍，供应仍然短缺50%到60%。英伟达的B200 GPU单价高达数万美元，而且还要排队等货。芯片价格的上涨，沿着供应链层层传导，最终体现在每一个AI产品里。
第三条管道是劳动力。AI工程师的年薪已经突破百万人民币，顶尖人才甚至更高。四大科技巨头——微软、亚马逊、Google、Meta——2026年的合计资本支出预计达到约7250亿美元，同比增长77%。这些钱大部分流向了AI基建和相关人才。
第四条管道是基建本身。训练一个前沿大模型的成本已经高达数亿美元，而推理成本虽然在下行，但总量在快速膨胀。AI公司在算力上的投入，像军备竞赛一样没有止境。
传导路径很清楚：基建烧钱→芯片涨价→服务器涨价→企业AI成本上升→最终转嫁给消费者。
Fed不是在"担心AI"——是在担心美国经济到底能承受多高的AI代价。
📊 一个值得注意的数字：黄金价格已经涨到约4108美元/盎司。当美联储最强的加息工具都压不住通胀预期时——AI驱动的结构性通胀，可能比市场想象的更顽固。
中国的AI通缩：便宜的竞争力
如果美国的AI经济学的关键词是"涨价"，那中国的关键词就是"降价"。
新华社7月10日的专题报道以"从技术可用到商业可赚"为题，详细报道了AI智能体在中国的商业化进程。其中最震撼的数据是推理成本的下降——从¥2700到¥10，降幅99.6%。
中国AI为什么能这么便宜？
第一层原因是国产芯片的替代效应。国产AI芯片的价格只有英伟达同级别产品的几分之一，当算力成本下降，模型推理成本自然跟着下降。
第二层原因是工程师红利和残酷竞争。中国有全球最多的AI工程师。人才供给充足带来了相对较低的人力成本。与此同时，中国AI公司的竞争激烈程度远超海外——DeepSeek、月之暗面、智谱、百度、阿里、腾讯——十几家实力不俗的公司在同一个赛道上血拼，价格战是最终的必然结果。
第三层原因是开源的杠杆效应。DeepSeek等中国AI公司在开源方面走得比美国同行更彻底。开源模型的成本仅为闭源模型的十分之一，而且可以通过社区协作快速迭代。当模型本身是免费的，推理成本就成了唯一的成本项。
效果已经被市场验证。美国AI创业公司Lindy宣布完全切换到DeepSeek，原因很简单——"每月省数百万美元"。当一家理性的美国公司做出这个选择，它比任何数据都更有说服力。
两种AI经济学的碰撞
⏳ 如果把两套逻辑放在一起看，未来两三年可能会发生一件有意思的事。
美国模式是高投入、高定价、通胀传导。AI越强，投入越大，成本越贵。这种模式的好处是能持续保持技术领先，坏处是会限制AI的普及速度——当AI太贵，能用得起的企业和个人就有限。
中国模式是低投入、低定价、通缩输出。AI越强，竞争越激烈，成本越便宜。这种模式的好处是能快速扩大AI的用户基数，坏处是利润率极低，可能难以支撑长期的研发投入。
这不是谁的AI更强的问题——这是两种不同的技术经济学模型在实战中碰撞。
普通人才是最终的受益人。无论是美国的"通胀模式"还是中国的"通缩模式"，都在推动AI能力的持续提升。区别只在于，中国模式让更多人更早地用上了AI。
当美国在为AI涨价睡不着的时候，中国的AI公司正在思考：怎么把推理成本再降一个数量级？
这本身，可能就是中国AI最大的竞争力。
来源：纽约联储公开讲话，2026年7月9日；新华社专题报道，2026年7月10日；OpenRouter公开数据，2026年6-7月
