6.8元。中国信通院监测到的2025年下半年国内大模型词元服务归一化均价。放在两年前，没有人会相信价格能落到这个位置。2024年5月DeepSeek-V2把输入价格压到每百万Token一元，字节、阿里、百度在一周内轮番跟进，下探持续了整整两年。均价停在6.8元之后，2025年10月中下旬阶跃、DeepSeek、MiniMax、讯飞、月之暗面接连发布五款新模型，只有Kimi一家下调报价，其余四家与上一代持平。
价格战的停火，反映的是单价作为竞争语言已经丧失了信息含量。客户为一个Agent任务支付的真实费用不再由标价主导，继续在报价单上做文章，打动不了任何一个认真核算投入产出的人。决定胜负的计量单位换了：客户每完成一个任务，实际花掉多少钱。这个转换背后，有几层账本被长期遮蔽，每一层都比模型报价更硬。

第一层账本在推理硬件的利用率上。浪潮信息首席AI战略官刘俊披露过一个数字：推理场景下GPU利用率通常只有5%到10%，训练场景则在50%以上。客户支付的每一元推理费用里，有九成对应的是闲置的算力和空转的电力。单价跌去99%，如果利用率停留在个位数，账单的结构性浪费仍然原封不动。浪潮2025年底推出的元脑HC1000超扩展服务器，宣称把推理成本压到每百万Token一元，核心做法就是通过架构重组把单卡模型浮点利用率提升至5.7倍。同一时期DeepSeek V3.2通过稀疏注意力机制把长上下文推理成本降低了6到10倍，摩根大通的第三方基准确认输出成本下降69%、输入成本下降33%。推理成本的真实下探发生在硬件调度和注意力机制层面，价目表上的调价只是最终的外在表现。
MoE架构的普及让利用率问题变得更复杂。混合专家模型在推理时只激活总参数中的一小部分，华为Pangu Ultra-MoE总参数718B、激活约39B，蚂蚁Ling-flash-2.0总参数100B、激活仅6.1B。从计算量的角度看，这是效率的胜利。但SIGCOMM 2025的一篇论文指出，MoE的稀疏激活把前馈网络从计算密集型推向了内存密集型，推理阶段的显存带宽压力上升，GPU利用率反而被进一步拉低。省下来的计算量没有等比例转化为省下来的钱，瓶颈从“算得多”挪到了“搬得快”。单任务成本的竞争，本质上是在显存带宽、缓存命中、专家路由这些不上价目表的环节上抠效率。谁能在MoE架构下把显存访问和专家调度的开销压住，谁的单任务账单才能真实地低于对手。

第二层账本在折旧节奏和GPU经济寿命的错配里。超大规模云厂商对GPU采用3到4年的摊销周期，部分新兴云服务商拉到6年，Groq的CEO乔纳森·罗斯则公开表示一年期摊销才接近真实，沿用3到5年摊销的做法“完全错了”。争的是一件事：一块GPU在账面上值多少钱，和它在市场上能挣多少钱，是两个不同的数字。以一台8卡H100服务器为例，采购成本约280万元，2023年算力紧缺时每卡每小时租金高达4到8美元，十多个月即可回本。供给缓解之后租金跌到每卡每小时1美元左右，按满售测算5年总收入约450万元，扣除设备和机房等约560万元总成本，五年净亏约110万元。直线折旧法下前两年盈利、第三年转入亏损，GPU的经济寿命短于会计摊销年限，这个缺口在价格战期间被融资和扩张掩盖，在资本纪律收紧之后会直接显性化。
折旧错配的杀伤力在于，它把成本战从“可选项”变成了“必选项”。字节跳动2025年资本开支超过1500亿元，其中约900亿元用于AI算力采购，2026年计划投入1600亿元，AI芯片采购占850亿元，而净利润同比下滑超过70%。豆包每天消耗约120万亿Token，3.45亿月活用户以免费模式使用，推理侧每一次调用都在产生现金成本。价格战之前，国内大模型推理算力毛利率高于60%；2024年5月各大厂接连降价之后，推理算力毛利率跌至负数。毛利率从正60%到负数，只用了不到一个季度。这个变化定义了一个硬边界：继续用单价换市场份额，换来的每一份份额都在加深亏损，而折旧的时钟不会因为市场份额扩大而停走。单任务成本每压下一毛钱，在百万级日均调用量上就是一笔以百万计的毛利修复。成本战在这里不再是一种竞争策略，它是让推理业务从负毛利回到正毛利的唯一通道。

第三层账本在基础设施的刚性开支里。一座1GW数据中心的全周期总拥有成本约550亿美元，按四年折旧摊开，GPU芯片250亿美元占45%，供电和散热系统110亿美元占20%，网络50亿、存储40亿，电费27.5亿美元只占5%。电价便宜这个被反复讲述的优势，在超大规模算力成本结构里的权重远低于直觉。真正的大头是GPU本身和围绕GPU功耗搭建的供电散热体系。一颗H100功耗700瓦，下一代B系列直奔1000瓦以上，几万张卡堆在一起，供电和散热系统的复杂度随功耗密度非线性上升。液冷方案在单机柜10千瓦以上才开始具备总体成本优势，30千瓦时冷板方案的单千瓦冷却成本才真正经济。冷板式液冷单位价值量约5000元每千瓦，国内数据中心液冷渗透率2025年才进入加速期。散热不是一项可以“省一省”的运营开支，它是GPU功耗的派生成本，模型越往大规模推理走，这笔开支越刚性。
把三层账本叠在一起看，单任务成本的竞争壁垒就清楚了。硬件的利用率取决于推理架构的设计，MoE的显存瓶颈取决于工程调优的深度，折旧的节奏取决于GPU采购策略和租赁定价的匹配，散热的成本取决于功率密度的物理约束。这些东西没有一样能靠一场发布会上的报价调整来改变。模型标价是公开的、可模仿的、一夜之间可以抹平的。推理工程管线是私有的、需要迭代的、由无数个不上台面的优化决策堆出来的。
还有一层账本藏得更深，它决定前三层账本能否被真正兑现。推理成本在算力硬件上是刚性的，但在软件工程层面存在可观的压缩空间。投机解码在2026年已成为生产环境的工程标配：用小模型预生成草稿、大模型并行验证，在输出分布严格不变的前提下把大模型前向传播开销压到原来的四分之一，实际提速两到二点五倍。
MoE解码的瓶颈早已不在算力，而在显存带宽：一个量化后的MoE块在服务端能跑到实测带宽的百分之七十至七十三，但单Token步骤每层仍有约零点七九毫秒的带宽差距未被填满。长上下文场景下，MiniMax的稀疏注意力在百万Token上下文上把每Token注意力计算降低了二十八点四倍，解码墙钟提速七点六倍。

这些优化的共同特征是不改变模型能力、不增加硬件采购，只靠工程手段把同一张GPU的产出密度往上推。国产芯片在推理场景的TCO已具备与英伟达大致相当的水平，但HBM供应短缺推高了采购报价，华为昇腾950DT两个月内涨幅在百分之二十至五十之间。硬件变贵的趋势越明确，软件效率对单任务成本的边际影响就越大。前三层账本决定成本的下限，这一层决定实际账单离下限有多远。价格战打不穿的东西，最终要靠工程效率一寸一寸地磨。
6.8元这个数字标记的是一个竞争周期的收束，而非价格底部的确认。2026年以来国内大模型归一化均价回升到13.46元附近，差价由旗舰模型和高端推理需求抬升，普惠档的低价并未消失，分层定价在取代齐涨齐跌。单任务成本、GPU利用率、MoE显存效率、折旧残值、每瓦Token产出，这些指标不会出现在发布会的标题页上，它们正在成为续费谈判桌上真正的比较项。
价格战结束时，围观者以为故事到了尾声。在折旧时钟和毛利率红线重新划定生存条件之后，能够把每瓦算力转化为更多有效任务、把每一个任务的实际花费压到对手够不着的位置的厂商，才拿得到下一轮牌局的入场资格。这条路没有掌声，但每一分省下来的钱，都对应着一块GPU在折旧到期之前多跑出来的真实价值。