把一座數據中心拆開看，它正在變成一座工廠——原料是電，產品是 token。而衡量這座工廠的，最後只剩一個指標：每生產一個 token，要花多少錢。

黃仁勳這兩年反覆改口號：從「算力即營收」，到今年的這一句——每個 token 的成本（cost per token）才是唯一重要的指標。[1] 這不是文案升級，而是英偉達對一個新現實的承認：當生成式與智能體 AI 把數據中心變成「token 工廠」，推理取代訓練成為主負載，整座工廠的經濟性，就被壓縮成了一道除法——產出的智能 ÷ 燒掉的錢。[1][2]

承接前兩篇（硬件被定製 ASIC 圍剿、軟件 CUDA 被抽象層架空），這一篇我們換一個軸看英偉達的護城河：錢。推理的單位經濟學，正在重寫它的戰場。

一、新計量單位：cost per token

過去衡量一座數據中心，看的是峰值算力（FLOPS）、GPU 數量。但當 AI 的主要工作從「訓練一個模型」變成「對外服務億萬次調用」，計量單位也換了——變成每個 token 的成本。

英偉達自己給這件事起了個名字：AI 工廠。在它的敘事裡，數據中心不再是成本中心，而是一座把電力與算力「製造」成智能、再以 token 形式出貨的工廠；推理是它的主產線，token 是它的產品。[1][2] 一旦接受這個框架，競爭的核心就只剩一句話：誰能把每個 token 的生產成本壓到最低。

二、結論先行

一句話：推理單價正在崩塌——一年降約 10 倍；但這不是英偉達的危機，而是它主動發起的戰爭。誰能把 cost per token 打到最低，誰就拿走 AI 工廠的下一筆預算；英偉達寧可自己先把價格卷下去，也不願把推理這塊陣地讓給定製 ASIC。

拆開看：

  • 單價在崩塌——可比能力檔位的推理單價，約一年降一個數量級。[2][9]
  • 但總賬在膨脹——單價越跌，用量漲得越兇，推理已佔到企業 AI 預算的約 85%。[3]
  • 推理成了主戰場——這正是定製 ASIC 最有性價比、也是英偉達必須守的地方。[13]
  • 英偉達「以攻為守」——用 Rubin CPX 專用推理芯片 + Vera Rubin「降 10×」，主動把單價打下去。[10][11]

三、單價崩塌（數據模塊）

以下數字多來自第三方機構與行業測算，口徑不一、宜看方向而非絕對值（已逐條歸因）：

維度數量級來源
可比能力檔推理單價約從 2025 年初 0.06 美元/千 token，降到 2026 年中約 0.006 美元/千 token（≈ 10×）[2]
主流廠商平均百萬 token 價一年內約從 10 美元降到 2.5 美元[9]
半導體側推理單 token 成本每年約降 60%～70%[2]
長期預測有機構（Gartner）預計到 2030 年再降約 90%[3]

這條曲線背後，是製程、架構、量化（FP4／FP8）、推理框架優化多重疊加的結果。趨勢很清楚：單 token 越來越不值錢。

四、悖論：單價跌，總賬卻漲

最反直覺的一點是：單價暴跌，企業的 AI 賬單卻在飆升。

  • 2026 年，推理已佔到企業 AI 預算的約 85%；企業的平均 AI 預算，從 2024 年的約 120 萬美元漲到 2026 年的約 700 萬美元。[3]
  • 原因是用量的爆炸抵消了單價的下跌：智能體（agentic）工作流在 2026 年的調用量，是按 2024 年單價做的預算根本沒法想象的——一個任務背後可能是成百上千次模型調用。[3][4][7]

這是 AI 時代的「傑文斯悖論」：東西越便宜，反而用得越多、總花費越大。 高盛因此判斷，智能體用量的激增會成為科技業現金流的新引擎。[7] 但硬幣的另一面是虧損：有測算稱，按當前推理成本，OpenAI 每賺 1 美元收入要倒貼約 1.35 美元（第三方測算，不代表本文立場）。[8]

對英偉達而言，這個悖論是好消息：只要總用量還在指數級膨脹，哪怕單 token 利潤變薄，算力的總需求仍在做大。 這也是它敢於主動卷低單價的底氣。

五、為什麼推理成了主戰場

把時間軸拉長，AI 算力的重心正從訓練滑向推理。訓練是一次性的「教模型」，推理是持續的「用模型」；當模型逐漸定型、應用開始放量，推理的需求曲線就蓋過了訓練。

而推理恰恰是定製 ASIC 最有優勢的地方——工作負載重複、可預測，追求極致單位成本。第三方測算顯示，生產級推理上定製硅相對通用 GPU 的 TCO 優勢可達約 65%，2026 年定製芯片出貨增速約 45%、而 GPU 約 16%。[13] 這正是首篇裡「圍剿」的主戰場，也是英偉達這一篇必須正面應對的原因：推理是 apps 層放量的命門，丟了推理的成本優勢，就等於把 AI 工廠的下一筆預算拱手讓人。

六、英偉達的打法：把單價自己先打下去

面對單價崩塌，英偉達沒有守價，而是「以攻為守」——親手把 cost per token 卷得更低，用成本優勢鎖住推理份額。

  • 造一顆專用推理芯片：Rubin CPX，專為超長上下文（100 萬+ token）推理優化，犧牲訓練通用性換 token 服務效率，計劃 2026 年底上市。[10]
  • 整代平臺對著 TCO 去：下一代 Vera Rubin 平臺對外承諾把推理成本壓低約 10×——直指定製芯片最鋒利的那把刀。[11]
  • 把敘事統一到「每 token 成本」：黃仁勳反覆強調 cost per token 是唯一指標，本質是把競爭拉回英偉達最能規模化的維度——全棧優化。[1]

提示：上述「10×」「65%」「45%／16%」等均為廠商目標值或第三方測算，獨立大規模實測尚未跟上，宜保守看待。

七、反方與不確定性（防一邊倒）

  • 泡沫論的警告。 有媒體（Fortune）警告，飆升的芯片資本開支疊加壓不下來的 token 成本，可能反過來拖累整個 AI 經濟（第三方觀點，不代表本文立場）。[6]
  • 「用量補單價」能撐多久？ 這套邏輯依賴 agentic 用量持續指數級增長；一旦企業 AI 預算見頂、或落地不及預期，單價崩塌就會直接傳導為收入壓力。[5]
  • 單價崩塌侵蝕誰的毛利？ 推理走向「白菜價」，與英偉達約 75% 的毛利率天然存在張力[12]——它能否在卷低 cost per token 的同時守住利潤率，是後續季度要驗證的關鍵。
  • 數字口徑不一。 文中單價降幅來自不同機構、不同能力檔的測算，應看方向、不宜當精確值。[2][9]

八、五層視角：token 如何在五層之間傳導

從「五層蛋糕」看，推理經濟學是一條貫穿上三層的傳導鏈：

  • 基礎設施層（infra）——AI 工廠的核算口徑從「峰值算力」換成「單位 token 成本」，重塑了數據中心的選型與 capex 邏輯；
  • 模型層（models）——單價崩塌讓「調用模型」的門檻驟降，推動模型從「奢侈品」變成「公用事業」；
  • 應用層（apps）——單價越低、智能體調用越敢放量，apps 層的繁榮反過來把算力需求做大，閉環回到 infra。

這條鏈解釋了一個表面矛盾：為什麼單 token 越來越便宜，AI 的總算力需求卻越來越大。對英偉達，真正的勝負不在某一天的 token 報價，而在它能否在這條傳導鏈的每一環，都保持「每 token 成本最低」的位置。

結語

當數據中心變成 token 工廠，英偉達的護城河也換了度量衡：不再是「最快的芯片」，而是「最便宜的 token」。單價崩塌看似兇險，卻恰是黃仁勳主動選擇的戰場——因為他算的是另一筆賬：只要總用量還在爆炸，把單價打到最低的人，就能拿走 AI 工廠越來越大的總預算。

這場戰爭英偉達打得起，但打不打得贏，要看定製 ASIC 與 AMD 在推理性價比上逼得有多緊。下一篇《價格戰》，我們就來算這筆賬。

延伸閱讀