无论你的模型成本有多低、性能有多优异，当面对大规模商用时，你都需要有足够多的算力，来满足用户海量的token需求。
无论是API调用，还是本地化部署，在算力硬件这一关，谁都逃不过去。
训练成本可以省，推理成本可以低，但模型性能军备竞赛的客观现实，必然导致算力规模的持续扩张。
这就是杰文斯悖论：越省钱、越高效的技术普及开，整个行业反而会花掉更多的钱，消耗掉更多的资源，快速扩张规模，直至需求最终饱和