AI 算力经济学综述：一张图看懂芯片以外的所有账

💡 核心判断： 看 AI 算力，芯片只是冰山一角。冰山下面，是电力、HBM、液冷、数据中心、单位 token 定价权、地缘政治——每一笔账都牵着产业链每一环的估值。 这篇综述给你一个"算力经济学三件套"的概览——单位 token 成本、单次训练成本、投资回报率。后续将用整个系列文章完整拆解这三件套的技术细节，敬请关注。

一、一个数字开场

据 Epoch AI 估算，GPT-5 级别的大模型训练大约消耗 100 GWh（1 亿度）电量。

什么概念？

100 GWh，约等于华盛顿特区一天的全市用电量——9000 户美国家庭一年的用电量。

把这笔账算细：

• GPU 采购费约 5-10 亿美元（公开估算），是大头
• 电费按美国工业电价 0.08 美元/kWh 算，约 800 万美元，连续烧 90 天不间断
• HBM占 GPU 整机成本 15-25%，而且这个比例还在往上走——2026 年 HBM4 对 HBM3e 提价超 50%，GPU 里最贵的部分正在变得更贵
• 液冷+数据中心折旧+网络带宽+运维人力，再加 30-50%

把这些全加起来，一次训练的真实总持有成本（TCO）大约是 GPU 采购价的 2-3 倍。

芯片是显性成本。芯片以外的一切，是隐性成本。

隐性成本决定盈亏。这就是为什么 AI 算力的故事不能只讲英伟达。

有个现成的对照。英伟达 FY2026 全年营收 2159 亿美元，刷新历史纪录。但同期四大云厂（亚马逊、谷歌、微软、Meta）2026 年资本开支合计约 6100-7250 亿美元——买铲子的钱，已经是卖铲子收入的 3 倍以上。这中间的差价，就是冰山下面的部分：电力、基建、HBM、散热、运维。本系列要算的，就是这笔差价。

二、为什么这一篇先讲框架

接下来系列文章，我会逐一拆解算力产业链上的每一笔经济账：

• 电力、数据中心、HBM、液冷、单位 token、训练通胀、推理定价、自建vs租赁、算力租赁、国产算力、toB 商业模式、出口管制、AI 吞噬电力、ROI 拐点、地缘政治……

如果你一篇一篇读下去，会拿到一堆数字。但如果你没有一个统一的框架，这些数字只是碎片。

这一篇是综述，——它是后面系列文章的底层思维模型。

掌握这套模型，以后看任何 AI 算力新闻都能直接套：

• 谁在喊"芯片紧缺"——先想想 HBM 是不是真的缺
• 谁在喊"AI 泡沫"——先想想单位 token 价格是不是还在跌
• 谁在喊"国产替代"——先想想 TCO 是不是真有竞争力

下面开始拆。

三、算力经济学三件套

任何 AI 算力的商业决策，本质上都在算三笔账。学会这三笔账，AI 算力的世界对你就透明了。

三件套一：单位 token 成本

单位 token 成本 = (HBM + GPU + 电力 + 液冷 + 数据中心折旧 + 网络) ÷ token 产出

这是 AI 算力的"原子单位"——所有 AI 公司的盈亏，最后都能折算到这个数字上。

每一项加数都是一笔账：

加完大约是 GPU 采购价的 2-3 倍。这就是算力的真实成本结构。

这个框架现在正被一件事反复验证：HBM 涨价。2026 年 Q2 全球 HBM 份额是 SK 海力士 62%、美光 21%、三星 17%（据 Chosun Biz）。SK 海力士拿着六成份额，跟英伟达谈完 HBM4 定价——比 HBM3e 贵 50% 以上。传导链立刻启动：Meta 把 2026 年资本开支指引下限抬到 1300-1450 亿美元，公开理由就是内存涨价；亚马逊抬到约 2200 亿美元。

HBM 涨价，最后变成几十亿美元的云厂商 capex。这就是"每一项加数都是一笔账"的意思。

单位 token 成本怎么降？ 三个方向：把分母做大（提高 token 产出）、把分子压小（每一项都优化）、换更便宜的算力（国产替代）

三件套二：单次训练成本

单次训练成本 = 单位 token 成本 × 训练 token 数 × 训练轮数

这是 AI 公司"搞一次大新闻"的钱。

• GPT-3（2020）：训练成本约 500 万美元
• GPT-4（2023）：约 1 亿美元
• GPT-5（2025 推测）：约 5-10 亿美元
• 下一代旗舰模型（2027 推测）：可能 20-30 亿美元

这条指数曲线是 AI 算力最戏剧化的故事。10 年涨了 500 倍。

为什么涨这么快？ 两个乘数：

• 训练 token 数：5 年涨 100 倍（数据爆炸）
• 模型参数：5 年涨 50 倍（参数规模膨胀）

但单位 token 成本同期降了 100 倍（摩尔定律 + 硬件迭代）。所以两个涨一个降，乘起来就是这条曲线。

注意一个新变量：这条曲线的斜率，正在被 HBM 涨价重新压陡。过去靠硬件迭代降单位成本的对冲力量，2026 年第一次遇到了内存涨价的逆风。训练通胀的旧账要加新一页了。

三件套三：投资回报率

ROI = 算力营收 ÷ 总持有成本

这是 AI 公司"这门生意值不值得干"的最终答案。

分子——算力营收怎么算？

• 卖 API（按 token 收钱）：OpenAI、Anthropic 模式
• 卖订阅（C 端按月收钱）：ChatGPT Plus、Claude Pro
• 卖解决方案（B 端打包收钱）：车企、医院、政企客户
• 自用（云厂商内嵌到自家产品）：Azure OpenAI、阿里云百炼

分母——总持有成本怎么算？就是三件套一那个 TCO，再乘以使用年限。

当前 AI 算力行业的 ROI 现状：

• 头部大模型公司：2025 年开始接近盈亏平衡（OpenAI 据传 2025 接近打平）
• 中腰部模型公司：还在亏损，但亏损率在收敛
• 算力租赁公司：赚的是"卖铲子"的钱，ROI 反而最稳
• 国产算力：溢价高但产能利用率低，ROI 还在爬坡

市场已经开始给"单位经济性"定价了。一个标志性的注脚：2026 年中，Anthropic 的估值达到 9650 亿美元，反超了 OpenAI 的 8520 亿。同样的赛道，账算得紧的那家，资本市场愿意多付钱。单位 token 成本这件事，不再是财务报表里的细节，它直接写在估值里。

ROI 拐点什么时候到？这是整个系列最后要回答的问题。

四、15 笔账的全景地图

把三件套展开，就是 15 笔具体的账。这里只给地图——每笔账的核心问题，具体数字留到各篇再拆（数字变化快，框架不变）。

第一块：硬成本——看得见的钱

• HBM：内存墙与韩国的定价权。HBM 单价为什么是 DRAM 的数倍？这笔账英伟达怎么算？
• 液冷：单机柜从 10kW 到 100kW，散热成本曲线怎么弯的？
• 数据中心建设：高密度机柜的 TCO 里，土建、机电、散热的钱怎么分？
• 电力（微观）：数据中心选址为什么开始跟芯片厂抢电？电费占 TCO 多少？

第二块：软成本——看不见的钱

• 训练通胀：从 GPT-3 到 GPT-5 的指数曲线，怎么涨上来的？下一步呢？
• 单位 token 成本：推理算力的定价权之争。为什么有的公司算账紧、有的松？
• AI Agent 时代：一次 Agent 任务的 token 消耗是单次对话的几十倍，需求曲线怎么变？

第三块：商业模式——钱怎么赚回来

• 自建 vs 租赁 vs 公有云：为什么字节自建、阿里混合、腾讯偏公有云？
• 算力租赁：每千瓦时的利润怎么算？"妖股"的单位经济性。
• 国产算力的定价权：国产溢价能持续多久？产能利用率是关键变量。
• 算力 toB：为什么给车企卖整套方案而不是裸 token？

第四块：宏观约束——外部变量

• 出口管制：禁令之后，钱流向哪里？
• 电力（宏观）：美国能源约束 vs 中国绿电接驳，两条路差在哪。
• ROI 拐点：训练成本继续涨，营收跟得上吗？整个系列最大的悬念。
• 算力地缘政治：中、美、欧的算力版图与算力外交。

五、将会贯穿整个系列的几个核心数字

最后，留几个跨篇通用的核心数字，帮你建立标尺。

1. 单位 token 价格基准线（非旗舰模型）

• 2024 年主流大模型推理：约 1 美元/百万 token（输入）+ 3 美元/百万 token（输出）
• 2025 年降价后：约 0.3 美元/百万 token + 1 美元/百万 token
• 2026 年再降价：约 0.1 美元/百万 token + 0.3 美元/百万 token（Google Gemini Flash 的介绍价 0.75 美元/百万 token 输入，到 2026 年底；OpenAI 靠推理优化把服务成本压降约 20%）
• 每 12-18 个月，单位 token 成本降一个数量级

2. HBM 单价基准线

• 2024 年 HBM3e：约 15-20 美元/GB
• 2026 年 HBM4：约 25-35 美元/GB（对 HBM3e 合约价提价超 50%）
• 韩国厂商定价权强，毛利率 50%+；三星 HBM4 良率 2026 年 8 月已冲到 80%，竞争在回归，但 SK 海力士仍握六成份额

3. 数据中心单机柜密度演进

• 2020 年：5-10 kW（风冷）
• 2024 年：30-50 kW（液冷开始）
• 2026 年：80-120 kW（液冷标配）
• 2028 年（推测）：150-200 kW（浸没式液冷）

4. 单次训练成本基准线

• GPT-3：500 万美元
• GPT-4：1 亿美元
• GPT-5（推测）：5-10 亿美元
• 下一代旗舰：20-30 亿美元

5. 全球算力投入基准线

• 四大云厂 capex：2026 年约 6100-7250 亿美元，同比涨约 70%
• 全行业数据中心 capex（Dell'Oro 口径）：2026 年超 1 万亿美元
• 中国侧：字节、腾讯、阿里、百度四家 2026 年 capex 合计增速超 80%（据央广网 8 月报道），全国智能算力规模 159 万 PFLOPS

6. 国产替代基准线

• 英伟达中国数据中心 GPU 份额：约 8%（2026 年 8 月）
• 华为份额：可能已过 50%；2026 年国产高端份额有望接近 90%
• 寒武纪 2025 年首次年度盈利——国产算力的 ROI 拐点样本

六、这一系列的目标读者

不是写给 AI 从业者的——他们比我懂。

不是写给纯财经读者的——他们只想看"哪只股票涨"。

是写给想理解 AI 算力经济性的人——可能是制造业转 AI 的老板、可能是大厂中层想理解自家成本结构、可能是投资者想建立分析框架、可能是政策制定者想理解产业逻辑。

如果你是这群人之一，这个系列篇会给你一套完整的思维工具。

Homegrown Innovation 第15期

看清硬科技的钱会流向哪。

⚠️ 免责声明：本文内容仅代表作者观点，不构成任何投资建议。文中提及的上市公司仅作为产业分析参考，不构成对任何个股的推荐或评价。本文涉及的算力经济数字多为公开数据综合估算，数据截至 2026 年 8 月 15 日，具体数字以各公司官方披露为准。汇率口径：1 USD ≈ 7.2 CNY。投资有风险，入市需谨慎。