一台主动压低自己工价的计算机

CoreWeave 的 2025 年年报中有一句很容易被略过的话：自 2023 年 1 月起，公司把数据中心计算设备的预计使用寿命从五年调整为六年。披露文件称，调整依据包括硬件进步、软件改进和数据中心设计。这里的六年是预计会计使用寿命（Accounting Useful Life），用于分摊折旧（Depreciation）；它并不承诺设备能连续六年保持行业最高盈利能力 S01。

2026 年 1 月 5 日，英伟达（NVIDIA）发布 Rubin 平台，称其一体化设计在特定工作负载下，可能把推理令牌成本（Inference Token Cost）降至 Blackwell 平台的十分之一。这是供应商对目标技术能力的说明，不是实际成交价格披露，也不能代表所有模型与应用 S03。

随后是 2026 年上半年财务披露。CoreWeave 表示，截至 6 月末，剩余履约义务（Remaining Performance Obligations; RPO）达到 1037 亿美元。数字很大，定义更关键：这是尚未履行服务所对应的合同金额，受会计规则以及延迟、折扣等因素影响；它既不是账上现金，也不是已经确定的净利润。公司预计在之后 24 个月确认其中约 41%，再在接下来的 24 个月确认约 39% S02。

谈人工智能算力，人们习惯从芯片名称和显存容量说起。但当同一份档案里同时出现“六年”“令牌成本降低十倍”和“1037 亿美元未来服务”，真正有意思也更危险的问题就浮现出来：哪一种时间必须赢得这场赛跑？ 是折旧周期、新一代技术出现的周期、合同保护现金流的周期，还是客户愿意支付的价格发生变化的周期？

这些数字没有证明市场将要崩溃，也不能证明某家公司已经掉进陷阱。恰恰相反，长期合同的存在提醒我们，不要讲成“新一代发布，旧处理器立即归零”的故事。它们真正说明的是，投资者不该只问“芯片能不能工作”，而应问：“谁会购买它的工作时长，以什么价格，买多少次，又能否赶在资本到期以前？”

2026 年 9 月，OpenAI 宣布 GPT-6 Sol 和 GPT-6 Luna 的应用程序编程接口（Application Programming Interfaces; APIs）价格低于上一代对应产品的推广价格，并把部分降幅归因于缓存和推理改进。在公开的 Sol 输入价格示例中，每百万令牌从 4 美元降至 2 美元；输出价格则从 20 美元降至 10 美元。这是两代不同产品在公开定价条件下的比较，不能证明每一颗芯片的市场租价都减半 S04。

小型应用的开发者看到这条消息，可能会得到过去被推理账单压缩掉的试验空间：把五种写法扩展到十种，或者为原本负担不起更强模型的用户提供服务。买下整排处理器、又把采购款变成长年融资义务的人，则会问另一个问题：服务价格下降后，需求会不会以同样速度翻倍？还是说，为获得同样收入，必须卖出更多工作量？

我把由此产生的风险称为令牌价格通缩陷阱（Token Deflation Trap）。价格下降本身并不会触发陷阱。三个条件同时出现时，陷阱才会形成：每个售出工作单位带来的收入下降；有用且付费的工作单位无法按所需幅度增长；资本义务的成本又没有同步下降。只要其中一项不成立，陷阱就可能转为难得的机会。因此，这个名字不是预言，而是一道抓住关键环节的问题。

真实市场也远比“每百万令牌多少钱”复杂。输入模型的令牌和模型输出的令牌不是同一回事；复用已有上下文的缓存输入令牌（Cached Input Token）不是一次全新的计算；一句简短而有效的回答，也可能省去一长串重试。如果把“一百万令牌”当成一百万颗完全相同的钉子出售，很快就会发现：有些钉子占用显存，有些钉子需要等待，有些钉子原本就从缓存盒里取出。会计单位很整齐，物理单位却不听话。

要理解软件为什么能给硬件重新定价，不妨从一句普通用户的请求开始：“请概括这些邮件，并把财务决定和上周的往来联系起来。”图形处理器（Graphics Processing Unit; GPU）收到的不是一句已经准备好供其“思考”的话，而是一串令牌（Tokens）。它们将经过多种计算过程，在内存、传输与并行处理上的行为并不相同。

在上下文预填充阶段（Prefill），输入令牌先被处理，以建立注意力表示（Attention）。随后进入反复生成的解码阶段（Decode）：生成一个令牌，再把它纳入下一个令牌的上下文。预填充的计算密度往往更高，也更适合并行；具体程度取决于负载规模和架构。解码则可能受到内存带宽（Memory Bandwidth）、权重搬运和对话状态的限制。一颗芯片即使擅长前一阶段，也不一定在后一阶段拥有最低的最终成本。TensorRT-LLM 等工具因此记录了分离两阶段资源的架构：需要时分别配置，而不是强迫它们采用同一种运行节奏 S07。

对话还有一种不同于长期记忆的工作内存。键值缓存（Key-Value Cache; KV Cache）保存可复用的表示，避免反复计算部分上下文。每一段长对话都要占用更多空间。如果预留很大、实际只用一小部分，昂贵芯片里就会堆积无人愿意买单的空白。把内存想成图书馆书架，就会明白问题不一定是书太少，也可能是抽屉分配方式不对。

2023 年，研究人员发表了 vLLM 系统及其分页注意力算法（PagedAttention）。它借鉴操作系统的虚拟内存分页（Virtual Memory Paging），把注意力缓存切分为可以灵活管理、共享的区块，减少连续预留造成的浪费。在同行评议论文的实验中，与特定基线系统相比，该方法在近似延迟水平下把推理吞吐量提高到约两至四倍 S05。这不意味着任何数据中心装上软件都能复制同样的增幅，却证明一个算法决策可以重新分配现有硬件的价值。

更早的 Orca 系统在 OSDI 2022 上展示了按单次生成迭代调度（Iteration-Level Scheduling）的方法，可以减少短请求被更长批次阻塞的等待 S06。连续批处理（Continuous Batching）、前缀缓存（Prefix Caching）和两阶段计算分离，不是装饰性的附加功能；它们决定有多少计算能在可接受时间内变成服务。量化（Quantization）降低数值表示精度，从而改变内存和计算开销，但必须进行质量测试，因为节省的资源可能由用户在回答准确性上付出代价。推测解码（Speculative Decoding）先用更快的函数提出候选令牌，再由另一个模型校验，因此不同负载下的加速比例不会恒定。

所以，理论峰值浮点运算次数（Floating-Point Operations per Second; FLOPS）不能等同于客户每小时愿意购买的正确答案数。两者之间隔着队列、模型、调度器、能源、响应时限合同，以及长短不一的问题。效率不是芯片的固定属性，而是一整套系统执行某项具体工作时呈现出的行为。

设想一个纯属假设的例子，不要把数字归于沙特或任何公司。一台服务器原本每天完成五万个工作单位；内存管理改进后，不换设备就能完成八万个。这是漂亮的生产率增长。但如果所有竞争者都能部署同样的改进，算力不再稀缺，市场价格就会被重新谈判。用户同时受益于速度和竞争；服务器所有者却不一定能同时拿走两种收益。

判断结果需要看经济学所说的需求价格弹性（Price Elasticity of Demand）：价格下降时，需求量会增加多少？用一个简化形式表示，若需求与价格的负 ε 次方成正比，那么在容量与成本限制之前，收入就与价格的 1−ε 次方成正比。ε 大于 1 时，降价后总收入可能上升；ε 小于 1 时，即使消费增加，收入也可能下降。容量一旦满载，需求再旺盛也没有意义，除非能够真正交付付费单位。

这是威廉·斯坦利·杰文斯（William Stanley Jevons）1865 年在《煤炭问题》（The Coal Question）中提出问题的精确变体：效率提高，会不会反而增加资源总消耗？杰文斯并未预言人工智能令牌。更不能把这段历史观察写成“任何改进都会必然让需求翻倍”的口号。反弹效应（Rebound Effect）只是一种可能，它由弹性、可用容量、替代应用的价格和已完成工作的价值共同决定。如果这段历史只留下一条规则，那应该是：不要根据工程师有多喜欢一颗处理器来推断需求曲线 S08。

市场因此需要同时回答两道方向相反的问题。软件会不会推迟采购下一代设备，从而提高现有设备的回报？它又会不会让服务充裕到足以压低所有人的售价？两道题完全可能同时答“是”。判断谁获利，不能只数服务器吐出多少令牌，要看卖出这些令牌后还剩下多少现金利润。

图 1. 以假设单位计量的净现值（Net Present Value; NPV），并非美元或里亚尔。图中组合三种降价幅度与三种需求弹性，并假设可售容量每年提高 25%。每个单元格都来自随附模型的实际运行，不是市场预测。

投资者有时像酒店老板看入住率那样看 GPU 利用率（GPU Utilization）。这个比喻有用，直到我们记起：酒店客房不会因为一次软件更新，在夜间从套房变成走廊里的一把椅子。处理器处于运行状态，也不代表全部算力都能计费。资源可能花在数据准备、失败重试、网络与内存之间的等待、客户不购买的内部工作，或质量不足、无法交付的执行结果上。

一颗利用率 95% 的处理器，收入可能低于另一颗利用率 65% 的处理器，原因可以是价格、请求价值、不可计费浪费或服务等级不同。反过来，成功的软件改进也可能令利用率下降，因为真实容量增长快过需求；此时下降并不代表运营失败。问题出在分母，不是关于勤奋与懒惰的道德故事。

在随附计算模型中，假设初始年服务能力为 50 个单位，单位价格为 1；资本成本为 120 个会计单位，分析窗口为六年，年折现率 12%，并明确设定固定与可变运营成本。这些数值不来自任何具体公司的账目。它们的作用，是让模型以修辞无法做到的方式反驳直觉。

当假设价格每年下降 22%、有效容量提高 25%、需求弹性为 0.5 时，净现值为约 −18 个单位。弹性升至 1.0，净现值变为约 +8.9 个单位。把弹性继续提高到 1.8，在这组假设下也不会进一步提高结果，仍约为 +8.9，因为两种需求都撞上可交付容量上限 S12。市场外面就算排满客户，也不会为数据中心无法提供的单位付钱。

我们还运行了一个由 27 个情景组成的网格，组合三种降价率、三种弹性和三种产能提升速度。结果有 12 个正净现值情景，15 个负净现值情景。这个计数不代表盈利概率；所有单元格都是为测试而预先设定的合成情景。更重要的结论是，两句看似有力的话都不能成为普遍规律：“廉价智能会吃掉芯片回报”，以及“需求增长会挽救所有投资”。两者都需要明确、可测的条件 S12。

利用率之外，还有一个更漂亮的错觉。基础模拟中，现金流在第五年名义收回全部资本成本，净现值却仍然约为 −5.6 个单位。这不是计算矛盾。资本有价格，五年后回来的钱，不等于今天流出去的钱。一个项目可以庆祝“回本”，同时在既定折现标准下仍不如替代方案有吸引力。一张长期合同的照片，回答不了等待成本。

还必须把模型中的乐观假设摆到台面上：我们让单位可变成本随着容量改善以相同比率下降。在独立敏感性测试中，若可变成本保持不变，而基础情景其他条件不变，净现值就会从 −5.6 降至 −31.2 个单位。因此，一份讲“生产率提高”的精美演示，不能替代对每项服务实际耗电与运营开支的测量。完成更多工作更快，不代表每一项工作都更便宜 S12。

图 2. 同一合成财务实验中的三组序列。容量的物理变化与收入的商业变化逐渐分离；需求表示市场希望购买的数量，而非实际交付量。完整坐标范围与参数见研究附件。

2026 年 8 月 31 日，AMD、思科（Cisco）与 HUMAIN 宣布，一套部署在沙特、采用 AMD Instinct MI355X 处理器、Cisco Silicon One 网络和 ROCm 软件的计算基础设施已经投入运行并为客户提供服务。三方还宣布，计划从 2027 年开始部署最高 250 兆瓦容量，并以 2030 年达到一吉瓦为扩张目标。这是三种不同状态，不能写成一句话：按项目方声明已经运行的能力、计划中的未来扩张，以及依赖执行、需求与融资的远期目标 S09。

这条消息让沙特的问题更有层次。AMD 处理器已经进入可能的付费服务，不再只有采购英伟达设备这一种叙事。由此可以比较不同硬件家族的总体拥有成本（Total Cost of Ownership; TCO）、软件兼容性（Software Compatibility）、模型可迁移性（Model Portability）和真实应用表现。但消息并不能证明哪一个平台更便宜或更赚钱，也没有披露客户合同、利用率或净利润率。这些都需要公告之外的数据。

再往前一年，HUMAIN 宣布推出基于 ALLaM 34B 模型的阿拉伯语聊天应用，功能包括阿拉伯语语音输入、搜索，以及阿拉伯语和英语使用。公告没有告诉我们服务了多少令牌，也没有披露每次会话的收入；它却让计算中心从一座能源模型，变成公民手机上或机构工作中可能发生的使用。真正关键的经济转换就在这里：计算机并不会因为“会思考”就自动形成市场；只有个人或机构发现某项工作值得交给它，并愿意为此花钱，市场才会出现 S10。

如果沙特希望从购买基础设施进一步走向推理产业（Inference Industry）的竞争位置，就不该在“最大的数据中心”和“最便宜的令牌”之间二选一，仿佛选择到此结束。更关键的是，找出能够以可预期质量交付、并且成本可以随时间下降的高价值工作。它们可能是针对阿拉伯语优化的流程、经过准确性测试的专用模型、高隐私处理托管服务，或保证响应时间的模型开发服务。这些只是算力经济中的类别示例，不是在宣称它们已经存在或必然盈利。

技术公告很擅长把巨大差异压进一个词：“性能”。然而，同时回答五个短问题的推理引擎，与承载一千段共享上下文的长对话时，并不是同一个引擎。首令牌时间（Time to First Token; TTFT）不同于令牌间延迟（Inter-Token Latency; ITL），两者又不同于每秒处理令牌数（Throughput）。一台设备可能赢得令牌速度比赛，却因首个回答来得太慢而输掉强调即时响应的应用；另一台设备可能单请求速度排名靠后，却在高并发中胜出。

2026 年 9 月 16 日，MLCommons 发布 MLPerf Inference v6.1 更新，其中加入更接近多步骤任务的新测试，也纳入按基准规则审核的新系统结果。这是一项有价值的知识增量，但不是任何厂商的盈利证书。基准测试衡量的是规定条件下的运行表现，不衡量算力运营商向客户收取的实际价格、融资、税费，也不衡量设备闲置成本 S11。

不妨设想两台同代设备的真实竞争，暂时不知道谁更好：

• 第一台在标准负载下每秒输出四千个令牌，但每位客户的月度运营成本很高，因为必须预留大量容量才能保证首令牌速度。
• 第二台在同一负载下每秒只能输出三千五百个令牌，却能共享上下文内存，高效处理长短不一的批次，并复用用户的重复请求，因此可以在客户付费的时限协议内服务更多人。

以上是说明比较方法的虚构示例数字，不是对两台公开设备的测量。只有固定模型、输入和输出长度、回答质量、真实请求比例、延迟上限、电力冷却与运营成本，以及可计费工作比例后，才能宣布赢家。届时，“每项正确且被接受任务的成本”（Cost per Accepted Task）或“符合服务等级协议任务的利润”（Margin per SLA-Compliant Task），会比孤立比较硬件计算次数更接近经济现实。

问题就此离开处理器机箱，来到投资经理的办公桌：究竟哪一组工作负载适合这台设备？客户需要长时间连续生成时，内存与传输带宽会成为约束；大部分使用是在共享企业文档中检索时，上下文复用可能更重要；客户需要训练新模型时，价值分配与换代敏感度又会改变。把所有账单都塞进一台名叫“小时价格”的计算器，再对结果不同感到意外，并不聪明。

算力世界里有三种很难同时放进一张图的速度：新一代硬件制造的速度、电力容量安装的速度，以及发现愿意为结果付费的需求的速度。第一种跟随产品和研究周期，第二种跟随建设、电网和供应链，第三种则跟随机构试验——它们可能热情开场，后来却发现并不需要持续推理。三种速度之间的缝隙，产生了实物期权（Real Option）的价值：可以推迟设备交付，调整工作负载类型，或者先租用阶段性容量，而不是立刻把所有未来雄心变成今天的账单。

再看一类不会出现在数据中心宣传图里的合同。CoreWeave 表示，其许多多年期合同采用“照付不议”（Take-or-Pay）安排；截至 2025 年末，公司已承诺合同的加权平均期限约为五年。按照公司对这些合同的描述，即使客户没有完全使用容量，也须依约为已承诺容量付款。这种经济机制可以把一部分利用率下降风险从运营商转移出去。因此，不能把人工智能接口降价对其收入的影响，推演成所有服务都按公开即时价格随买随卖 S01。

合同并非魔法护盾，也不会让时间消失。实际效果取决于交付能力、客户权利、定价与续约条款、各方偿付能力以及债务支付日期。大客户即使不再需要所预订的算力，也可能继续付款至合同结束，再在续约时强硬谈判。算力中心若遇到更高价的盈利机会，也未必能把已经承诺出去的容量重新分配。环境逆转时，连续性带来的利润保护，可能变成机会成本。不过，我们并不知道沙特合同的细节，不能把一家美国公司的公式直接套上去。

判断处理器回报，关键在盈余和缺口出现的时点，而不只是现金流总额。一笔贷款在需求成熟前到期，项目即使后来净现值为正，也可能先承受现金压力。固定价格的长期合同能保护现金流免受降价冲击，却也可能阻止运营商充分分享价格上涨。强有力的软件改进甚至可能同时提高单位利润、降低单位收入。不能把这些权衡压成一份“治理风险”清单；每一项都是可计算的财务关系：还款表、需求曲线、用量上限、技术换代时点和电力容量窗口。

到 2030 年，算力运营商最重要的资产，也许是参观数据中心时镜头拍不到的东西：一份精确历史记录，把工作负载类型与实际资源消耗、客户付款内容和客户接受的质量连接起来。它不是美化后的调用次数统计，而是每个月积累下来的知识：时间在哪里流失，利润又在哪里形成。

我把这项研究设想称为算力商业寿命图谱（Compute Commercial Life Map）。对每一种工作负载，分别记录五个时间：让模型适配硬件所需的时间、首个输出前的等待时间、得到可接受输出的时间、价格仍能在竞争中站得住脚的时间，以及该负载分摊投资的现金回收时间。五种时钟并不相同，也不能全部压缩成一个全国平均值。芯片的物理寿命可能是六年，价格优势可能只有八个月；在较小模型上的有效寿命可能长得多，而占用它的合同期限又与前三者没有直接关系。

设备销售者通常会拿最好的基准测试说服你。经验丰富的投资经理更想看到经济优势衰减曲线（Economic Advantage Decay Curve）：一种服务在需要降价或更换工作类型以前，能比替代方案多保持几个月的价值？这应按设备批次测量，而不是按处理器世代口号测量。这样才能比较三项不适合作为竞赛标题的行动：优化软件、重新定价服务，或者改变适合该算力的客户群。一年中最聪明的算力决定，也许是不再加购一批设备，只是它不适合作为耀眼的头图。

一个反对悲观结论的赌注也值得认真对待：推理成本下降，可能催生过去根本无法出售的应用；即使价格降低，市场总量和盈利仍会上升。新的复杂工作也可能吸收全部效率增量，而不是触发价格战。沙特还可能受益于能源条件、投资能力、区域市场和阿拉伯语应用。然而，这些是条件和待检验的路径，不是可以从项目宣称规模直接推导的结果。没有付费需求、单位利润和已执行合同的数据，两种故事都仍然成立。

只要有获准使用、经过汇总的运营和商业数据，研究人员或投资负责人明天就可以开始，不必等待一个不存在的万能指标：

可以设想一场在沙特市场公开进行的测试：两家服务商使用匿名、相近的工作负载，在统一时限内竞争提供质量已知的阿拉伯语服务。测量双方每项可接受任务的完整成本，然后在需求规模、对话长度分布和上下文复用比例变化时重复试验。再加入经济测试：服务价格降低 20% 后，新获得客户、完成请求和利润分别怎样变化？无需泄露关键设施细节或客户秘密，只需公开汇总后的比较结果和指标定义。结果不应预设：最新设备、最好的软件、最合适的工作，或最均衡的合同，都可能胜出。

本文提出的假设是：“一个国家在人工智能算力上的优势，不来自拥有规模最大的抽象容量，而来自在技术改进贬值以前，把它更快转化为有用且付费的工作。” 这句话应当接受检验。如果控制工作负载、成本和合同条款后仍找不到关系，就应放弃或缩小它。我不想用一个漂亮比喻凭空建立市场。

第一种情景中，复杂推理需求增长快过价格下降；每一代新硬件发布，都打开旧设备无法支撑的新应用，沙特算力由更大的区域市场获益。第二种情景中，软件和新计算机制造出巨大供给，但大部分价值转移到应用开发者与用户手中；算力中心运营商转向激烈的价格和成本竞争。第三种情景中，两类市场并存：少量高价工作使用顶级容量，通用算力则成为低利润商品。它们是没有概率权重的条件路径，不是三项经过计算的预测。

2026 至 2030 年间应该观察什么？不是只看公开标价，而是看实际成交价格、已承诺合同的真实占比、输入输出与缓存结构、统一时限下的服务表现、同一负载上不同硬件世代的任务成本差异，以及来自本地市场之外客户的收入占比。如果令牌量增长快过收入，不必立刻宣布灾难；先检查利润率，再看资产回收，最后看获客成本。收入增长也不等于胜利；还要看资本、电力冷却和网络吞掉了多少。

过去的工厂经理听机器的节奏，知道沉默可能意味着损失。现代智能工厂的经理需要另一种勇气：看着处理器产出更多，然后礼貌而严厉地追问，究竟是谁为这些产出付了钱，多少工作没有计费，又有多少客户其实可以用更小的设备完成同样计算。

现代机器可以赢下每一场速度测试，却输掉下一次定价会议。旧一代也可能在性能榜上落后，却因为它执行着熟悉客户、熟悉需求的工作而继续赚钱。两者并不矛盾。真正的矛盾，来自我们把科学进步和账单进步混为一谈。

读者最后应当记住的问题，不是：沙特会有多少颗处理器？ 而是：沙特将比别人更擅长计算什么？谁又会在下一代处理器到来以后，仍然需要这项计算并愿意为它付费？

1. CoreWeave, 2025 Form 10-K, SEC：使用寿命与合同信息，2026 年发布。
2. CoreWeave, Form 10-Q, period ending 30 June 2026, SEC：Note 2 与 RPO。
3. NVIDIA, Rubin platform announcement, 5 January 2026。
4. OpenAI, Introducing GPT-6 Sol and Luna, September 2026：定价与缓存部分。
5. Kwon et al., Efficient Memory Management for Large Language Model Serving with PagedAttention, SOSP 2023, DOI 10.1145/3600006.3613165。
6. Yu et al., Orca: A Distributed Serving System for Transformer-Based Generative Models, OSDI 2022。
7. NVIDIA, TensorRT-LLM, Disaggregated Serving technical documentation。
8. William Stanley Jevons, The Coal Question, 1865, digitized historical edition。
9. AMD, Cisco and HUMAIN, joint production and expansion announcement, 31 August 2026。
10. Saudi Press Agency, HUMAIN Chat powered by ALLaM 34B, 25 August 2025。
11. MLCommons, MLPerf Inference v6.1 Results, 16 September 2026。
12. 可复现的原创合成模型、假设与 27 个情景输出；另见结果表与假设。

编辑说明：公开财务数字均为注明出处的来源事实；模拟结果不是沙特公司或服务的实测数据。文中所述机构没有参与本文的撰写或审阅。编辑日期：2026 年 10 月 24 日。中文稿为待内容所有者审阅的编辑草稿；不声称经过独立中文母语人工审核。