周一晚8点 ｜ 当AI模型越来越便宜，AI公司为什么开始抢数据中心？

　【编者按】当“创新”成为时代最响亮的号角，浙江正涌现一批不一样的企业家。他们不只“会做生意”，更是用科学家的钻劲、工程师的巧思，死磕核心技术。从一枚芯片、一个分子、一段代码，到一台智能设备、一种绿色能源……他们瞄准的，是真正能打、能赢未来的“硬实力”。潮新闻“潮·新质实验室”联合浙江大学国际联合商学院（ZIBS）、浙江大学国际校区隐形冠军国际研究中心推出财经观察栏目《周一晚8点》，化身探宝者，挖掘是谁在默默支撑中国制造的筋骨，解读他们突破的“独门绝技”，追问浙江的创新密码，未来的产业“风向标”又将指向何方。

 一图导读 图片由AI生成 

近期，AI模型价格竞争正在加速。OpenAI等海外模型公司持续降低API调用价格，中国模型厂商也通过价格优势加速市场竞争。8月初，研究机构Artificial Analysis测算，在同一组基准测试中，Anthropic Claude Fable 5的平均运行成本约为DeepSeek V4-Flash的105倍。（注：该测算基于DeepSeek于8月17日上调V4系列API价格前的数据。）

模型越来越便宜，但算力成本并没有同步下降。随着AI数据中心规模扩大，AI公司也开始引入更多外部资本，加速基础设施建设。

8月10日，英伟达联合贝莱德（BlackRock）、高盛（Goldman Sachs）等六家金融机构，计划为AI基础设施撬动超过5000亿美元第三方资金。

而这5000亿美元并不是英伟达自己投资。由于AI数据中心越来越贵，很多AI实验室和云计算公司仅靠自有资金很难快速扩张，于是金融机构开始把GPU集群和数据中心视为可以融资的资产，部分融资结构中，GPU等算力设备本身还可以作为抵押物。

英伟达通过连接芯片、客户和金融资本，帮助客户降低融资门槛，最终也会反过来扩大GPU采购和数据中心建设需求。

图源：专栏整理绘制

再往下看，电力是数据中心的一笔长期账。电费主要影响其运行成本，据麦肯锡估计电费约占数据中心运营成本的六成至七成。对常年高负载运行的数据中心来说，电价和能效的细微差异，都会在几年运营周期中持续放大。

而单次AI任务越来越省电，并没有带来总用电下降。国际能源署（IEA）预计，到2030年全球数据中心用电量约为2025年的两倍，其中AI数据中心用电量约为三倍。

模型调用越来越便宜之后，AI公司要继续降本，就不得不把目光进一步投向芯片、数据中心和电力等。

模型降价后，AI利润空间增大了吗？

Do Lower Model Prices Mean Higher Profit Margins for AI Companies?

模型调用价格快速下降，并不意味着模型商的利润空间同步扩大。随着模型竞争加剧，企业一边需要持续降低价格，一边还要承担不断增长的训练和推理需求，算力成本开始更直接地影响商业化效率。

以OpenAI为例，其年化收入从2024年的约60亿美元增长至2025年的200多亿美元，但同期推理成本增长约4倍，毛利率降至33%（海外媒体引述，非审计财报口径）。收入虽然仍在高速增长，但算力消耗也在快速放大。模型竞争已经不只是模型能力和调用价格的竞争，也开始延伸到背后的芯片、数据中心和电力等基础设施环节。

AI公司首先从最直接的芯片环节入手。亚马逊云科技（AWS）自研Trainium，其第一代Trn1实例称可将训练成本降低最高约50%。谷歌（Google）长期使用自研TPU。OpenAI今年也与博通（Broadcom）合作开发面向推理场景的定制芯片。

越来越多大型AI和云计算公司开始通过自研或定制芯片降低单位算力成本，而英伟达则试图通过融资和基础设施生态绑定客户，扩大GPU需求。

但芯片并不能解决全部问题。当算力规模持续扩大后，供电、制冷和数据中心容量等问题同样成为新的成本约束。亚马逊今年将资本开支计划提高至约2200亿美元，但CEO安迪·贾西（Andy Jassy）仍表示，未来几年算力供给可能继续紧张，大部分新增容量已经被客户提前预订。

图源：专栏整理绘制

当先进芯片依然昂贵且供给有限，企业开始进一步寻找数据中心环节中更可控的降本空间。第一财经近期在“新晋Token之都”内蒙古乌兰察布调研时提到，当地电价约为每度0.32—0.35元，较京津冀部分地区更具成本优势。当地年平均气温仅4.3℃，也有利于降低数据中心散热成本。阿里巴巴数据中心负责人王朝阳也提到，当芯片成本难以由企业单方面降低时，电力成本就成为更值得精细计算的“可选项”。这也是阿里、华为、字节跳动、快手等企业持续在乌兰察布布局数据中心的重要原因之一。

除了选址，模块化构建数据中心开始成为新的降本变量。简单来说，就是将部分供电、制冷和IT空间等设施提前在工厂完成预制，再运往现场组装，从而缩短建设周期。

阿里云CUBE 5.0采用模块化架构，将配电、空调等设施提前在工厂完成，再运到现场组装，将大型AI数据中心常见的6—12个月交付周期压缩至约100天。海外数据中心基础设施企业Vertiv也表示，预制模块化方案相比传统建设方式能够显著缩短交付时间，能让昂贵的算力设备更快投入使用。

图源：专栏整理绘制

但模块化也不意味着数据中心可以变成完全统一的“标准件”。不同芯片和算力负载对功率、供电和散热的要求差异很大，仍需要根据项目重新定制适配。因此，大型AI数据中心通常是“部分模块化”，而不是整个数据中心都能像搭积木一样简单复制。

这也意味着，AI基础设施的降本并不存在单一答案。芯片需要优化，数据中心需要重新选址，供电和散热需要持续改进，建设周期也需要不断压缩。

随着模型价格竞争持续向下，基础设施中的每一块芯片、每一度电和每一天建设时间，都开始变得更加重要。

为什么模型公司开始参与算力基础设施？

过去AI模型公司主要依赖云厂商获取算力，如今，这些企业开始越来越深地参与算力基础设施建设。它们的目的并不只是减少云服务费用，而是提前锁定算力供给，同时优化能源、建设周期和运营成本。

xAI是目前参与算力基础设施最深入的模型公司之一。它在孟菲斯直接建设Colossus数据中心，第一阶段仅用了122天完成部署。今年1月又宣布计划在密西西比投资超过200亿美元建设新的数据中心。面对电网扩容速度难以匹配算力增长的问题，xAI引入天然气发电设备，为数据中心提供额外能源保障。

OpenAI则没有选择完全自建，而是通过长期合作提前锁定未来算力。其规划了多个美国数据中心，整体规模达到数吉瓦（GW）级；同时，企业也通过与能源企业、云服务商和芯片企业合作，提前布局未来几年所需的计算资源。

Anthropic采取的则是混合模式。一方面投入资金与AI算力基础设施公司Fluidstack建设面向Claude工作负载的数据中心，另一方面继续通过亚马逊等云服务商锁定大规模算力。

海外头部模型公司均已开始直接参与算力资源规划，包括选址、长期租赁、供电方案和基础设施架构等。

中国市场的路径有所不同，更多由大型云厂商和互联网企业提前布局基础设施。

阿里巴巴2025年宣布未来三年投入至少3800亿元建设云和AI硬件基础设施。字节跳动也持续提高AI基础设施投入。目前，在乌兰察布，阿里、华为、快手、DeepSeek等企业均已在当地布局算力基础设施，2026年上半年，当地互联网数据服务用电量同比增长八成以上。

其中，DeepSeek此前通过模型架构优化和计算效率提升降低训练与推理成本。但随着模型规模扩大和用户需求增长，效率提升并没有替代基础设施投入，企业仍需要持续关注芯片采购、数据中心建设和能源保障。为此，DeepSeek也开始在乌兰察布等地区布局算力基础设施。

图源：专栏整理绘制

虽然我们目前还很难判断模型最终是否会像电力一样，成为一种普遍可获得的基础能力。但可以看到，模型公司的成本竞争正在从算法优化、芯片采购，进一步向数据中心、电力等基础设施环节延伸。

本期主要参考：

第一财经：大厂涌向乌兰察布，AI如何改变了数据中心这门生意？

财新周刊：特稿｜AI算力的乌兰察布样本；

新华社：阿里宣布投入超3800亿元建设云和AI硬件基础设施；

36氪：DeepSeek再启融资，710亿美元估值背后，AI竞争已经变了；

Reuters：DeepSeek's new AI model is by far the cheapest of well-known models to run, research firm says.

NVIDIA: NVIDIA Partners With Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs and KKR to Establish AI Compute Infrastructure Financing Platforms.

International Energy Agency (IEA)，Data centre electricity use surged in 2025, even with tightening bottlenecks driving a scramble for solutions》.

文章中涉及企业官网、官方微信公众号及其他公开信息。

出品：

潮新闻“潮·新质实验室”、浙江大学国际联合商学院（ZIBS）、

浙江大学国际校区隐形冠军国际研究中心（IHC）

支持单位：

浙江核新同花顺网络信息股份有限公司（同花顺：300033）

浙江有数数字科技有限公司

文稿：雷李楠、相渊

监制／主编：雷李楠、杨业

策划：王静、周夏林

执行主编：相渊、张琼文

责任编辑：金靖