AI的成本困局：基礎設施經濟學將如何重塑市場下一階段

來源：International Business Times UK 

原文作者：Anastasia Matveeva 

編譯整理：Gonka.ai

AI 正在以驚人的速度擴張，但其底層經濟邏輯遠比表面看起來更加脆弱。當三家雲端巨頭掌控全球三分之二的算力，當訓練成本奔向 10 億美元，當推理帳單讓新創公司猝不及防——這場算力軍備競賽的真正代價，正在悄然重塑整個 AI 產業的價值分配。

本文並非討論誰將建構出最先進的模型。它探討的是一個更根本的問題：當前 AI 基礎設施的經濟模式，在規模化之後是否真正可持續？算力分配機制的變革，又將如何重塑整個市場的價值分佈？

一、幕後的智能成本

訓練一個前沿大模型，動輒需要數千萬乃至數億美元。Anthropic 曾公開表示，訓練 Claude 3.5 Sonnet 的成本為「數千萬美元」，而其 CEO 達里奧·阿莫迪（Dario Amodei）此前預計，下一代模型的訓練成本或將逼近 10 億美元。據行業媒體報導，GPT-4 的訓練成本可能已超過1 億美元。

然而，訓練成本只是冰山一角。真正在結構層面持續施壓的，是推理成本——也就是每一次模型被調用時產生的費用。按照 OpenAI 公開的 API 定價，推理按百萬 Token 計費。對於高使用量的應用而言，這意味著即便在規模化之前，每日推理成本就可能已達數千美元。

AI 常被描述為一種軟體。但它的經濟本質，越來越像一種資本密集型基礎設施——既有高額的前期投入，又有持續不斷的營運支出。

這種經濟結構的轉變，正在悄然改變整個 AI 產業的競爭格局。能夠負擔得起算力的，是那些已經建立起大規模基礎設施的巨頭；而那些試圖在夾縫中生存的新創公司，正在被推理帳單一點一點地蠶食。

二、資本強度與市場集中

根據Holori 2026 年雲端市場分析，AWS 目前佔全球雲端市場約 33%的份額，微軟 Azure 約 22%，谷歌雲約 11%。三家合計掌控全球雲端基礎設施約三分之二的份額，而全球絕大多數 AI 工作負載，正是運行在這三家公司的基础設施之上。

這種集中度的現實意義是：當 OpenAI 的 API 出現當機，數以千計的產品同時受影響；當某家主要雲端服務商遭遇故障，跨行業、跨地域的服務隨之中斷。

集中度並沒有在收窄，基礎設施支出反而在持續擴張。以 NVIDIA 為例，其資料中心業務年化營收已突破800 億美元，顯示高效能 GPU 需求持續旺盛。

更值得關注的是一個隱性的結構性不平等。根據SEC 文件和市場報告，OpenAI、Anthropic 等頭部實驗室透過數十億美元的「股權換算力」協議，以最低每小時 1.30–1.90 美元的近成本價鎖定 GPU 資源。而那些缺乏與 NVIDIA、微軟、亞馬遜戰略合作關係的中小公司，則被迫以超過每小時 14 美元的零售價採購——溢價高達 600%。

這個定價鴻溝，正是由 NVIDIA 近期向頭部實驗室合計 400 億美元的戰略投資所驅動的。AI 基礎設施的獲取權，越來越多地由資本密集型採購協議決定，而非開放的市場競爭。

在早期採用階段，這種集中可以看起來「有效率」。但在規模化之後，它帶來的是定價風險、供應瓶頸與基礎設施依賴——三重脆弱性疊加。

三、被忽視的能源維度

AI 基礎設施的成本問題，還有一個常被忽視的維度：能源。

根據國際能源署（IEA）的數據，資料中心目前約佔全球電力消耗的 1–1.5%，而 AI 驅動的需求增長可能在未來幾年顯著推高這一比例。

這意味著，算力經濟學不僅是一個財務問題，更是一個基礎設施與能源挑戰。隨著 AI 工作負載的持續擴張，電力供給的地緣政治意義將日益凸顯——哪個國家能以最低能源成本提供最穩定的算力，將在 AI 時代的產業競爭中佔據結構性優勢。

當黃仁勳在 GTC26 宣布 NVIDIA 訂單可見性突破 1 兆美元時，他描述的不只是一家公司的商業成功，而是整個文明正在將電力、土地和稀缺礦產轉化為智能算力的宏大進程。

四、重新思考基礎設施機制

在中心化資料中心持續擴張的同時，另一類探索正在悄然興起——試圖從根本上重新定義算力資源的協調方式。

去中心化推理：一種結構性替代

Gonka協議是這一方向上的代表性實踐。這是一個專為 AI 推理設計的去中心化網絡，其核心設計目標是：將網絡同步和共識開銷壓縮到最低，把盡可能多的計算資源導向真實的 AI 工作負載。

在治理層面，Gonka 採用「一算力單元一票」的原則——治理權重由可驗證的算力貢獻決定，而非資本持股比例。在技術層面，協議採用短週期性能測量區間（稱為 Sprint），要求參與者透過基於 Transformer 的工作量證明（PoW）機制即時展示真實的 GPU 算力。

這一設計的意義在於：近 100%的網絡算力被導向 AI 推理工作負載本身，而不是消耗在維持共識、協調通訊等基礎設施開銷上。

分布式算力的經濟邏輯

從經濟學角度看，去中心化算力網絡的價值主張有三個層次。

第一是成本層。中心化雲端服務商的定價結構，本質上包含了巨額固定資產折舊、資料中心營運成本和股東利潤預期。去中心化網絡透過將閒置 GPU 資源貨幣化，可以將這部分成本顯著壓縮。以 Gonka 為例，當前透過其 USD 計費閘道 GonkaGate 提供的推理服務，定價約為每百萬 Token 0.0009 美元——而 Together AI 等中心化服務商對同類模型（如 DeepSeek-R1）的定價約為 1.50 美元，差距達千倍以上。

第二是供應彈性層。中心化服務商的算力供給是剛性的，擴容週期以月乃至季度計算。去中心化網絡的參與者可以隨需求波動彈性加入或退出，理論上能更快速響應需求峰值——正如亞馬遜雲端服務當年因節假日流量峰值需求而誕生一樣，AI 推理的峰谷波動同樣需要彈性基礎設施來承接。

第三是主權層。這一維度在主權國家的視角下尤為突出。當一國政府的公共服務深度依賴某家外部雲端服務商時，算力依賴即是戰略脆弱性。去中心化網絡提供了一種可能：本地資料中心可以作為節點接入全球分布式網絡，在保障數據主權的同時，透過向全球市場提供算力來獲得可持續的商業回報。

五、價值分配的重構時刻

回到文章開頭的核心問題：當前 AI 基礎設施的經濟模式，在規模化之後是否可持續？

答案是：對於頭部玩家，可持續；對於其餘所有人，越來越不可持續。

AWS、Azure、Google Cloud 透過數十年的資本積累建立起護城河，其規模優勢在短期內幾乎無法撼動。但這種結構性優勢同時意味著：定價權、數據訪問權和基礎設施依賴，都高度集中於少數幾個私人實體手中。

歷史上，每一次重大技術基礎設施的壟斷，最終都催生出了替代性的分布式架構——網際網路本身就是對電信壟斷的反叛，BitTorrent 是對內容分發中心化的顛覆，比特幣是對貨幣發行集中化的挑戰。

AI 基礎設施的去中心化，可能不是一種意識形態選擇，而是一種經濟必然——當集中化的成本高到足以驅動大規模用戶遷移時，替代方案的需求就會真實爆發。黃仁勳用「每一次金融危機都將更多人推向比特幣」來類比這一邏輯，同樣適用於算力市場。

DeepSeek 的橫空出世已經證明了一件事：在開源模型的能力逼近閉源前沿的世界裡，推理成本將成為決定 AI 應用規模化速度的核心變數。誰能提供最低成本、最高可用性的推理算力，誰就掌握了這場競爭的入場券。

結語：基礎設施戰爭才剛剛開始

AI 的下一階段競爭，不會在模型能力的排行榜上分出勝負，而會在基礎設施的經濟博弈中見真章。

集中化的算力巨頭手握資本和規模優勢，但也背負著固定成本結構和定價壓力。去中心化網絡正在以極低的邊際成本切入市場，但需要證明自己在穩定性、易用性和生態規模上能夠達到真實的商業門檻。

兩種路徑將長期並存，並相互施壓。中心化和去中心化之間的張力，將是未來五年 AI 產業最值得持續追蹤的結構性主題之一。

這場基礎設施戰爭，才剛剛開始。

關於作者

Anastasia Matveeva是Product Science的高級產品經理與研究員，同時也是Gonka協議的聯合創辦人之一。她的研究方向涵蓋機器學習基礎設施、大語言模型推理以及分布式計算系統。

她畢業於巴塞隆納加泰羅尼亞理工大學（UPC Barcelona），獲數學博士學位，並曾在該校擔任研究員與講師。2021 年加入 Product Science 以來，她主導開發了一套 AI 工程工具，目前已被逾百名工程師採用，並在多家《財富》500 強企業中投入使用。

關於 Gonka.ai

Gonka 是一個旨在提供高效 AI 算力的去中心化網絡，其設計目標是最大限度地利用全球 GPU 算力，完成有意義的 AI 工作負載。透過消除中心化守門人，Gonka 為開發者和研究人員提供了無需許可的算力資源訪問，同時透過其原生代幣 GNK 獎勵所有參與者。

Gonka 由美國 AI 開發商 Product Science Inc. 孵化。該公司由 Web 2 行業資深人士、前 Snap Inc. 核心產品總監 Libermans 兄妹創立，並於 2023 年成功融資 1800 萬美元，2025 年新增融資 5100 萬美元，投資者包括 OpenAI 投資方 Coatue Management、Solana 投資方 Slow Ventures、Bitfury、K 5、Insight and Benchmark 合夥人等。項目的早期貢獻者包括 6 blocks、Hard Yaka、Gcore 等 Web 2-Web 3 領域的知名領軍企業。

官網 | Github | X | Discord | Telegram | 白皮書 | 經濟模型 | 用戶手冊