Tomer Tunguz 解析 GPU 租金翻倍而 AI 价格下降的并行逻辑

一句话看懂：过去半年 GPU 小时租金从 4.40 美元涨到 8.08 美元、近乎翻倍，但同期大模型推理价格持续下跌，两者并不矛盾——效率提升正在把更贵的芯片，转化成更便宜的智能。

事件核心：发生了什么

风险投资机构分析者 Tomer Tunguz 在其博客中指出一个并行现象：一边是算力变贵，一边是 AI 变便宜。GPU 租金在六个月内由每 GPU 小时 4.40 美元升至 8.08 美元。上涨的不只是芯片，数据中心建设的每一环——水泥、铜材、融资信贷——成本都在走高。

电力是目前最硬的约束。原文提到，Oracle 因其新墨西哥数据中心的天然气管道供应延期约六个月，已对该园区援引不可抗力条款。

需求端则在加速。推理公司和模型公司收入屡创新高，投资者愿意给更高估值、投入更多资金，并抬高有限 GPU 小时的竞价。同时效率改进很快：原文称 Claude Opus 5.5 的运行成本比上一代低 40%；OpenAI 的 Luna 在 7 月降价 80%、9 月再降 50%；同一项基准测试的门槛成本，18 个月前是 0.55 美元，如今只需 0.0015 美元，降幅约 377 倍。

为什么重要

这解释了“算力涨价”与“AI 降价”为什么能同时成立：真正的关键指标不是单卡价格，而是每 GPU 小时能产出多少毛利。只要效率提升快于成本上涨，降价就能持续。微软表示其每 GPU 每年生成的 token 量同比增加 90%，且集中在较小模型上；若这一节奏延续，两条曲线至少是并驾齐驱。

另一个被忽视的变量是资金成本。10 年期美债收益率历史上与科技股估值负相关，长期相关性约 −0.50，但近两年转为 +0.39；利率从 3.63% 升到 5.18% 的同时，纳斯达克上涨约 78%。市场已不再单纯按利率给科技股定价，而是在押注增长本身成立。

对用户/开发者/创作者的影响

对调用 API 的开发者和 AI 应用团队，短期内推理单价大概率仍将下行，值得把模型切换和成本监控做成常规动作；但算力供给紧张意味着高峰时段的排队、限流或配额调整可能更频繁。做图像生成、长上下文编码等高消耗场景的团队，应关注小模型与蒸馏路线的性价比，而不必一味堆大参数闭源模型。企业采购算力时，合同里的供电与交付周期条款，重要性正在接近价格条款本身。