算力成本通缩效应显著

在人工智能技术快速发展的背景下，AI算力市场经历了从高速增长到供需平衡的转变。海豚研究近期发布的报告指出，尽管AI大模型的迭代速度不断加快，但其单位Token生成成本却呈现出明显的通缩趋势，这为云厂商带来了新的盈利空间。

算力成本通缩效应显著

根据Semi analysis的数据，最新一代GB200 NVL72芯片的每百万Token生成成本仅为H100/200的1/3~1/4。这种成本下降主要源于芯片性能的指数级提升：以DeepSeek R1为例，相同工程编排下，GB300的输出效率能达到H200的4~10倍；而DeepSeek V4在同一硬件基础上，通过优化工程编排，输出效率也能提升2~4倍。虽然单颗GB300的价格高于H200，但性能提升带来的成本优势依然显著。

云厂商议价能力增强

随着算力需求的增长，云厂商的议价能力也在不断提升。数据显示，从2024年底开始，云算力的on-demand价格进入了明显的上行周期。这一变化主要得益于AI模型对算力需求的持续增长，使得云厂商在与AI Lab的利润分配中获得了更大的话语权。

利润率提升的多维驱动

云厂商利润率的提升主要来自三个维度：首先是MaaS/TaaS型业务占比的提升，这类业务的毛利率明显高于传统的IaaS型业务；其次是芯片代际升级带来的成本下降；最后是云算力价格上涨带来的直接收益。以Qwen 3.5模型为例，仅考虑芯片单位Token生成成本下降这一因素，单位Token产生的毛利率就能提升约15个百分点。

潜在风险与投资启示

尽管当前AI算力市场呈现出良好的发展态势，但过度依赖模型商可能带来潜在风险。一方面，云厂商需要警惕模型商定价策略的变化；另一方面，也需要关注硬件供应商的竞争格局。对于投资者而言，理解这些变化将有助于做出更明智的投资决策。

总的来说，AI算力市场正从高速增长期进入成熟期，云厂商通过提升服务结构、优化成本控制和增强议价能力，在这一过程中实现了利润率的显著提升。然而，如何在保持竞争力的同时应对潜在风险，将是未来发展的关键挑战。