博士算力猎场· 2026年10月15日 · 算力研报

Dr. Wu | UCLA Ph.D | 国内首个千卡、万卡GPU智算集群缔造者

加入算力猎场，和有独立判断的人一起思考。

你卖 token 越便宜，买算力越贵，中间那道缝是谁的？这不是一句俏皮话，是 2026 下半年算力行业正在发生的真实撕裂——应用层在通缩，算力层在价值通胀，两个市场同时呼吸、互相对着干。一边是模型厂把 API 价格一刀刀往下压，Google 在 10 月 14 日官方发布 Gemini 4 Argon，把深度推理与多模态能力直接定到对手约一半的价位，进一步压低全行业的 API 价格预期；另一边是高端 GPU 的租赁价格在换代期持续上行、买断端则横盘不动。看懂这道缝，比猜下一家模型厂降多少价、下一周租金涨几个点，都更要紧。

需要先把口径钉死：本文讨论的"价格"，只在两个口径内展开。其一，是模型厂对外公布的 API／订阅定价，属于模型服务定价，不是 GPU 硬件价格；其二，是高端 GPU 租赁与买断的"趋势方向"，本文只描述方向（上行／横盘），不写任何具体卡价、租金或美元数字。GPU 硬件的单价、租金、报价，本栏目一律不写——这是研报的红线，也是把产业逻辑看清楚的前提。

一、两个市场同时存在的现象

把这一周两个市场的核心现象压成一张表。这是我们团队内部周度评审用的格式，今天公开，所有方向都随文标了级别，但数字一律不进入——因为那不是本文的承重证据。

这张表最反直觉的一点：token 侧在塌、GPU 侧在涨，而且两个方向都长在同一条产业链上。把方向记住，下面的判断才有锚。

二、应用层这头：token 在通缩

模型厂的 API 价格在塌。Google 在 10 月 14 日官方发布 Gemini 4 Argon，强调深度推理、多模态、专业工作流与安全控制，并以"价格降至对手约一半"的口径向市场投放——这不是单次促销，是模型厂用毛利换份额的清场动作，直接压低了全行业对 API 价格的预期（◎）。同一方向上，OpenAI 的 GPT-6 系 API 较 5.6 档已经腰斩，等于用降价把客户牢牢锁进自己的生态；Anthropic 的 Haiku 5.5 降幅约 90%，Sonnet 5.5 的缓存读也近乎腰斩（○）。国内也没闲着：智谱把 GLM-5.2 开源权重放出来、GLM-5.3-FlashX 把速度拉到 200 tok/s，用开源和高速档抢开发者；MiniMax 的 M3.1-Flash 公测，百万上下文、原生多模态、代码任务一把抓；字节 Doubao-Seed-2.1-pro 全量后把图文视频推理成本压了三成（○）。

一句话，模型厂在比赛"谁更能把 token 卖便宜"——这不是慈善，是因为当模型能力趋同，价格就成了唯一的护城河，谁先把价格打穿，谁就先把调用量吃下。应用层通缩，是模型厂用毛利换份额的主动选择，不是行业不行了。

三、算力层这头：价值在通胀、买断在横盘

再看算力层这头。趋势是：高端 GPU 的租赁价格在换代期持续上行，而买断端则横盘不动。这里必须分清"方向"和"数字"——本文只描述方向，不写任何卡价或租金数字。换代期最真实的信号是"紧"：B300 这类上一代存量只减不增，Rubin／GB300 的新平台产能还在爬，短期现货缺口是真的，于是当下这一刻的租赁端偏紧；但长期产能曲线已经明牌，买方在这一侧开始理性，买断端因此横盘。

真正危险的信号只有两条：其一是租金涨、买断也猛涨、交期还在缩短（那才是抢购），其二是租金跌、买断也跌（那才是崩）。目前两条都没出现，"租赁偏紧、买断横盘"描述的是换代期的双轨定价，不是泡沫，也不是崩盘。

把视角拉到更长的供给侧，10 月 5 日英伟达官方确认 Vera Rubin NVL72 进入全面生产爬坡：72 颗Rubin GPU、36 颗Vera CPU、ConnectX-9 SuperNIC 与 BlueField-4 DPU 构成完整系统，并宣称在深度推理场景下每百万词元成本仅为上一代 GB200 NVL72 的十分之一、单位兆瓦词元吞吐最高提升十倍。这些仍是厂商口径，不能替代客户实测，但它说明一个结构性事实：竞争单位已从单卡扩展为机架、网络、液冷与软件共同优化的系统级交付。供给切换本身，就是"买断横盘、租赁偏紧"的底层原因。

四、三股力量一览：中国市场的结构也在变

再把中国市场单独拎出来看，因为结构正在发生肉眼可见的变化。IDC 经路透社转引的数据表明，2026 年上半年中国 AI 加速器出货总量约 200.8 万颗，其中英伟达 67.8 万颗、份额 34%、同比下降 44%；华为 57.2 万颗、份额 28%；平头哥 7%、寒武纪 5%、昆仑芯 4%、海光 3%。更关键的是，GPU 出货量降至 99.1 万颗、同比下降 26%，而非 GPU 加速器增至 101.6 万颗、同比增长近 80%，后者首次在数量上超过 GPU。

这张表说明两件事。第一，出口限制与本地供给正在改变中国市场结构，国产替代在"数量份额"上已经拿到结果。第二，份额不等于技术全面追平——性能、软件生态与集群效率仍是质量维度。把"政策与供应安全驱动的替代"和"经济性驱动的长期替代"分开看，前者已有份额支持，后者仍需客户复购、利用率、单位 token 成本与软件迁移数据去验证。

五、中间那道缝被谁吃了

那这道缝到底被谁吃了？我的判断是：短期被"能对齐计价单位的人"吃了，长期被云厂和超大规模租赁商吃了。逻辑很简单——模型厂降价是为了抢调用量，调用量涨意味着推理负载涨，推理负载涨意味着对高端算力的持续需求涨；而高端算力的现货供给在换代期是紧的，于是租赁端被焊在相对高位。下面这张表把受益方和逻辑拆开。

模型厂每把 API 降一块，自己的毛利就被算力成本咬一口；而手握现货、能按小时计价的人，反而坐收"需求被降价创造出来"的红利。这就是缝的本质：降价的受益方（调用量）和成本的承担方（算力租赁）不是同一群人，中间的价差落进了"掌握现货定价权"的那一层。

六、计价单位错位：token 侧换轨了，GPU 侧还在小时

更深一层，这道缝暴露的是计价单位的全面错位。模型厂按 token 计价、还在往"任务完成成本"走；算力侧按卡、按柜、按小时计价，还在新旧平台分价里打转。两边不在同一个单位上对话，中间的损耗就是实打实的利润泄漏。我之前讲过计价单位三次换轨——从单卡 TFLOPS 到机柜 token/秒，到每兆瓦 token，再到 Agent 任务完成成本。今天这道缝，恰恰是"token 侧已经换到任务成本、GPU 侧还停在小时租金"的时差产物。谁能把自己的账本对齐到"每兆瓦 token"和"每次任务的综合算力成本"，谁就能把这道缝从"别人吃我的利润"变成"我赚两边价差"。

对算力买方来说，结论很冷但很清楚。第一，别被模型厂的降价冲昏头——token 便宜是表象，真正的成本闸门在租赁走势和你本地电价的组合上，而 GPU 卡价与租金的具体数字，不在本文讨论范围。第二，把推理负载和训练负载分开算：推理负载受 API 降价刺激会暴涨，暴增的部分该走租赁还是走国产替代，要在签单前算清，而不是上线后补救。第三，盯死"买断横盘、租赁偏紧"这个窗口——如果你能锁长期、扛得住新平台压价，买断比租划算；如果你排不上现货又扛不住空窗，就别硬扛，按小时买。断环的钥匙在"算力侧供给放量"——Rubin／GB300 产能爬坡、昇腾 950／960 超节点上量，才是把租赁从相对高位拉下来的真变量。

Dr.Wu 的判断

1. 模型 API 价格会继续下行：模型能力趋同后，价格战是唯一的护城河，Gemini 4 Argon 压到对手约一半、GPT-6 腰斩、Haiku 降约 90% 只是开始。置信度约 80%。
2. 高端 GPU 租赁在换代期会继续偏紧：B300 存量只减不增、Rubin／GB300 产能仍在爬，现货缺口短期不会消失。置信度约 78%。
3. "应用层通缩、算力层价值通胀"会长期并存，直到算力侧供给明显放量（Rubin／GB300 交付上量、国产超节点规模商用）才可能被打破。置信度约 75%。
4. 中间那道缝主要被谁吃：短期是掌握现货定价权的租赁商与云厂，长期是能把 token 成本和算力成本对齐到自己账本上的应用方。置信度约 72%。
5. 在供给放量被验证之前，"买断横盘、租赁偏紧"仍是双轨定价的合理状态，能锁长期就买断、排不上就租。置信度约 80%。

互动时间

你现在的推理成本里，token 和算力侧各自占多大头？评论区报一个数字比例，我挑几个典型的，下篇帮你算出那道缝到底被谁吃了。也可以加 Alan Ng（alanngw）、Dr.Wu（michaelwqs）进读者群，和懂行的人一起把账算清楚。

博士算力猎场 | 算力研报

Dr. Wu | UCLA Ph.D | 国内首个千卡、万卡GPU智算集群缔造者

数据来源

• ◎ 官方／央媒／高权威：Google Gemini 4 Argon 官方发布（10/14，深度推理、多模态、专业工作流安全控制、API 价格降至对手约一半）；英伟达官方确认 Vera Rubin NVL72 全面生产爬坡（10/5，72 GPU＋36 CPU 系统级架构与厂商效能口径）；华为昇腾 950 上市、960 超节点官方披露（9/17，8 EFLOPS FP8、16 EFLOPS FP4、可扩展至 4096 卡）。
• ○ 行业媒体／券商研报／公开财报：GPT-6 系 API 较 5.6 档腰斩、Haiku 5.5 降约 90%、Sonnet 5.5 缓存读腰斩（模型 API 定价趋势，非 GPU 硬件价格）；智谱 GLM-5.2 开源与 GLM-5.3-FlashX 速度口径；MiniMax M3.1-Flash 公测；字节 Doubao-Seed-2.1-pro 推理成本压降三成；IDC 中国 AI 加速器 H1 出货（英伟达 34%、华为 28%、非 GPU 数量首超 GPU）；百度昆仑芯 P800 万卡集群交付与文心 5.1 训练（权威媒体）。
• △ 未官宣／自媒体：Kimi 估值与融资、OpenAI 收入估算、Anthropic IPO 等，按媒体口径处理，不计入本文测算。

数据来源分级对照

特别声明

本文为算力研报栏目产业研究，基于 2026-10-14 新闻地基整理，不构成任何投资或采购建议。本栏目严禁任何 GPU 卡价、租金、报价类信息：文中"算力层通胀"仅以"高端 GPU 租赁价格上行、买断端横盘"的趋势方向描述，不出现任何具体卡价、租金或美元数字；"应用层通缩"所涉 Gemini 4 Argon、GPT-6、Haiku 等均为模型厂 API／订阅定价，属模型服务定价而非 GPU 硬件价格，已与 GPU 卡价／租金严格区分。英伟达 Rubin NVL72 的效能数字（每百万词元成本、单位兆瓦吞吐）为厂商自披露口径，非第三方基准，未作为客户 TCO 结论。所有数据以公开信源为准，分级标注见上表，预写稿在发布前以实盘核验为准。