3月16日，智谱扔出一份“涨价函”：推出全球首个面向OpenClaw场景的基座模型GLM-5-Turbo，API价格同步上调20%。

这不是孤立事件。今年2月，智谱GLM-5已平均涨价50%，两轮下来相对GLM-4.7累计涨幅达83%。腾讯云紧随其后，混元系列模型部分涨幅超400%，GLM 5、MiniMax 2.5、Kimi 2.5结束免费公测。

大洋彼岸，AWS将EC2价格上调约15%，谷歌云宣布5月1日起全球数据传输服务价格翻倍。

从西雅图到北京，云厂商们在同一时间窗口集体涨价，打破了一个持续近二十年的行业信仰：云服务只降价，不涨价。

这是一次周期性修复，还是AI免费时代的终局信号？

智谱官方解释涨价原因时提到：“为保障高负载下的稳定性与服务质量，同步加大算力与模型优化投入。”优刻得说得更直白：“核心硬件采购等基础设施成本出现显著且结构性的上涨。”

表面看是供需错配：企业将客服系统、核心业务流接入大模型，个人用户开始用Agent处理复杂任务，Token消耗量从涓涓细流变成海啸爆发。但更深层的变化是——算力成本正在经历结构性抬升。

国金证券研报指出，2026年将是中国算力需求从“云端训练”向“训练+推理”双轮驱动转型的关键之年。训练侧向高质量与多模态进阶，Scaling-law在多模态领域延续性显著，视频、音频及3D训练对集群互联带宽提出更高要求。

推理侧应用加速渗透，豆包APP 2025年12月MAU已突破2.26亿，推理侧需求将成为拉动产业链增长的新引擎。

但真正的问题在于供给端。摩根士丹利一份深度报告揭示，生成式AI带来的爆炸性需求正驱动全球半导体产业链从“芯片设计竞赛”转向“物理产能争夺战”。先进制程、CoWoS封装、HBM内存、DDR5等关键环节预计在2025年底全面满载。

这意味着产业瓶颈已从“谁能设计出最好的芯片”变成“谁能拿到稳定的产能”。晶圆、封装、基板、电力、无尘室空间，都成了限制发展的“硬约束”。

不过更值得关注的是，这轮涨价并非短期现象。中芯国际2025年财报显示，公司在先进制程及成熟制程的扩产上均取得突破性进展，全年产能利用率稳步回升，资本开支维持高位以确保新增产能的及时释放。

大摩预测，2026年DRAM的bit需求将增长23%，供给缺口预计创下30年最大纪录。当“产能为王”成为行业新常态，算力成本的结构性抬升才刚刚开始。

国金证券预判，2026年算力产业链将进入“全链通胀”周期，行业景气度将从核心芯片向AIDC、云与算力服务、配套电力设备及服务器等环节全面外溢。

这是一条完整的通胀传导链：上游产能吃紧→芯片涨价→服务器成本上升→云服务商扛不住→API价格上调。

如果说算力通胀是供给侧的逻辑，那么需求侧的变化可能更加深远。

腾讯云此次涨价的背景是：OpenClaw（“龙虾”）全球爆火，一个月间Token消耗量翻4倍以上。

OpenRouter平台数据显示，OpenClaw的Token消耗量从2026年2月3日的806亿，在一个月内飙升至3月4日的3580亿，翻了约4.4倍。中国整体日均Token消耗于2025年中突破30万亿，2026年2月已到180万亿级别。

为什么Agent如此“吃”Token？因为它不是简单的一问一答。

当一个Agent被要求独立完成一项真实任务——分析竞品报告、审核合同、处理客户邮件，它会在后台反复推演逻辑，调用搜索引擎和数据库，甚至自我学习新技能再尝试。在这个过程中，每纠结一次、每调取一次工具，Token都在狂飙。根据Anthropic的数据，AI Agent的Token消耗量最高可达普通聊天交互的15倍。

国盛证券分析，由于Agent天然多工具调用+长上下文+多流程工作的特性，AI Agent的Token消耗量较大。随着智能体运行规模与任务复杂度的同步提升，活跃智能体的Token消耗进入高速增长期。根据IDC预测，中国活跃智能体数量将在2031年突破3.5亿，智能体Token消耗将迎来年均超30倍的指数级跃升。

这解释了为什么智谱此次涨价的焦点是新模型GLM-5-Turbo——它不是通用对话模型，而是专为OpenClaw等智能体任务“量身定制”。

智谱技术负责人分析，当下龙虾虽然火爆，但用户反馈显示，其运行并不通畅。在进入真实复杂的Agent场景后，通用大模型容易出现指令遵循偏差、工具调用不稳定、长任务中途失速等问题。

问题的根源不在框架，而在底层模型本身。从“对话”到“干活”，AI的使用范式正在根本性转变。这也意味着，Token的价值不再由问答次数决定，而是由AI替人干了多少活决定。

当我们将视角从消费级应用转向企业级市场，会发现另一层更深的变化。

联想近日发布的《企业CIO行动指南(2026)》基于对中国620名政企机构IT和业务决策者的调研，揭示了一个关键洞察：企业正在从“+AI”阶段进入“AI+”阶段。

当前，越来越多的企业将AI从工具层推向销售、供应链、运营、服务等增值场景，AI正在直接参与价值创造。调研数据显示，67%的企业一把手在期待AI驱动主营增长。

但理想与现实之间存在巨大鸿沟。《指南》指出，目前企业对“企业超级智能体”的认知度达到61%，但真正认可其价值的企业比例仅为30%，明确表达出实际需求的企业更是只有13%。这一数据反映出，企业超级智能体在实际业务中的落地还处于早期探索阶段。

造成这一现象的主要原因在于，企业对企业超级智能体与实际业务间的关联度存在疑虑。许多企业认为企业超级智能体与自身业务场景的契合度不高，难以直接带来业务增量或流程优化。此外，对现有IT架构进行较大幅度的重构、法律责任与权限安全也是企业的顾虑所在。

更值得关注的是，企业的AI算力部署策略正在发生深刻变化。《指南》揭示，企业总AI算力中公有云的占比显著下降了14个百分点，而私有云、本地部署及端边侧算力的合计占比则从54%攀升至69%。

为什么？因为随着智能体深入处理企业核心业务数据，将敏感数据和关键算力部署在私有云或本地环境，成为降低数据泄露与合规风险的主流选择。

有调研显示，68%的企业CIO明确表示未来会更倾向于私有化部署或混合AI架构。这种混合部署模式，不仅提升了企业的算力利用率和业务韧性，也为智能体应用的规模化落地和创新发展提供了技术基础。

在算力基础设施建设方面，企业呈现出明显的“异构算力普及与平台采用存在鸿沟”的现象。有数据显示，异构算力的普及率已经高达85%，但算力管理调度与运维平台的采纳率却仅为32%。《指南》认为，企业亟需提升对算力管理调度平台的重视，只有实现异构算力的统一管理和智能调度，企业才能真正释放算力资源的最大价值。

与企业AI落地进程相伴的，是商业模式的深刻变革。

传统的“一次性买断”或“按账号席位订阅”模式正在被重构，取而代之的是“基础订阅+按Token消耗收费”或“AI增值模块独立收费”的全新商业模型。

Gartner预测，到2026年底，40%的企业应用将集成任务特定的AI代理，较2025年的不足5%实现跨越式增长。到2035年，代理式AI将贡献超过4500亿美元的企业软件收入。

从目前来看，商业模式正从“大模型Token付费”向“智能体结果付费”演进。这一转变意味着，AI的价值衡量标准正在从“消耗了多少算力”转向“创造了多少价值”。

长江证券分析认为，国产模型已从“能力追赶期”迈入“需求爆发期”，模型能力提升→场景能力打开→需求提升→优质模式收入提升的正向大循环已经形成。

国内模型厂商正复刻2025年北美模型进入的“卖Token”时刻，伴随AI从写代码走向写工程，Token消耗量大幅提升，国内模型回归价值正轨。

从估值体系来看，软件开发板块本就具备极高的边际毛利率。在融入大模型能力后，软件企业只需承担相对固定的API调用成本，即可获得源源不断的增值订阅收入。这种“高毛利+持续性现金流”的财务特征，正在为相关算法公司与横向软件龙头提供极强的业绩支撑。

智谱此次推出的“龙虾套餐”正是这一趋势的体现。体验月卡39元获得3500万Tokens，进阶月卡99元获得1亿Tokens，这是继编程套餐后，国内首个专为龙虾场景打造的套餐。

这意味着，大模型API的客群正在从主攻编程的专业程序员，拓展到非程序员以及更多企业劳动力群体。这或许正是模型厂商向数字劳动力提供商转型的信号。

回到消费者最关心的问题：AI涨价了，普通人还用得起吗？

要回答这个问题，需要拆解“涨价”的真实含义。有文章深度分析指出，这次涨价很可能仅仅是旧硬件被新需求榨干时的一次短暂反弹。

现在的算力贵，是因为我们正处在一个硬件“青黄不接”的尴尬期。云端机房里很多跑推理的设备，其实是最初为了“训练”大模型而买的通用重型GPU，又贵又耗电。拿这种产品去处理日常海量的Token生成，成本自然全线崩塌。

但造芯片的巨头们可没闲着。天风国际分析师郭明錤最新研究指出，随着英伟达加大对AI推理架构公司Groq的投资布局，Groq旗下LPU出货规划出现显著上修。2026年至2027年期间，LPU累计出货量将达到约400万至500万颗，整体出货量将实现超过10倍的成长。

英伟达计划将单一AI机柜中的LPU配置数量，由目前的64颗大幅提升至256颗，新一代架构机柜预计将在2026年第四季度至2027年第一季度进入量产。这些新硬件砍掉了没用的计算单元，专攻数据的吞吐。在消耗同等电量的情况下，新机器产出Token的效率会呈指数级往上翻。

另外，华为昇腾、寒武纪、海光信息、昆仑芯等为代表的国产芯片厂商在单卡性能上加速追赶英伟达，华为旗舰已可对标H100，并通过超节点架构创新与英伟达机架级解决方案展开竞争。

随着国产芯片厂通过兼容CUDA及自研两种方式构建生态，逐渐突破CUDA生态壁垒，国产算力有望凭借成本优势及生态完善，在基础设施层逐步占据主导。

一旦底层的物理效率提上去了，单个Token的成本就会继续降低。所以从长期看，单个Token的单价不仅不会暴涨，反而会持续向“白菜价”俯冲。

但另一个趋势更加关键：当AI从“问答工具”进化为“Agent智能体”，完成同样任务消耗的Token量正在指数级增长。2023年用AI是一次对话消耗一两千个Token；2026年后，一个Agent独立完成一份竞品报告，可能在后台反复推演、多次调用工具，消耗的Token量是过去的几十上百倍。

所以，便宜的可能是单个Token的单价，昂贵的是我们赋予AI的任务复杂度。未来我们为AI付出的总账单，不是越来越便宜，而是取决于我们让AI干了多“重”的活。

Token已经开始分层定价——免费层的Token吸引用户；中等层每百万个3-6美元；高级层45美元；最顶级的研究型服务，每百万个能收到150美元。更值得注意的是，Token预算开始进入企业日常运营。黄仁勋提到，硅谷招人时，“这份工作附带多少Token额度”已经要写进offer里。

这意味着AI的商业闭环正在形成：从生产Token到消费Token，整条价值链已经跑起来了。

智谱的两次涨价，像投入湖面的石子，涟漪正在扩散。

对于AI企业，这意味着告别野蛮生长，回归商业本质。海通国际分析，与ChatGPT出现初期众多初创企业涌现相比，现时市场上的参与者根基稳固得多。更可预测的竞争环境将增加MiniMax及智谱持续蓬勃发展的机会，并有可能成为人工智能时代“终局”的一部分。

对于企业用户，这意味着需要从“试用者”转变为“价值投资者”。调研显示，63%的CIO计划未来招募AI行业专家。当“这份工作附带多少Token额度”成为offer里的条款，当AI从“工具”变成了“生产力”本身，企业需要真正思考如何让AI驱动主营增长。

对于个人用户，这意味着需要开始思考：AI帮我创造的价值，是否值得我付费？免费的午餐确实在结束，但这未必是坏事——只有能赚钱的行业，才能持续提供更好的服务。

至于最终账单是贵是便宜，取决于我们让AI干的活，是聊天解闷，还是创造真金白银的价值。