AI大模型推理变便宜，但显卡价格还能居高不下

代币价格下跌+GPU价格居高不下，正是杰文斯悖论在现实中的典型体现。推理成本正在大幅下降（得益于效率提升、竞争加剧、Blackwell规模收益）。但这并没有降低对计算的需求——需求反而爆炸式增长。

更便宜的代币解锁了智能体工作流、更多编码、更多自动化和更多用户。总代币量的增长速度远远快于单位成本的下降速度，因此稀缺资源（GPU、HBM、电力、数据中心）依旧供应紧张。

这对AI基础设施企业的影响：
- GPU/加速器厂商（NVDA及同行）仍然受益。高利用率+持续稀缺支撑了价格和销量。
- 随着推理规模扩大，内存（HBM/GDDR）、网络和电力基础设施需求将持续保持旺盛。
- 如果代币价格下降速度超过销量增长，超大规模企业和新兴云厂商将面临利润率压缩，但迄今为止产能限制和绝对支出增长都表明需求仍占据上风。
- 向重推理工作负载转移，更有利于专业芯片和高吞吐量系统，而非单纯的训练集群。

总结：AI普及的速度，比效率提升减少硬件需求的速度更快。单位价格崩盘，但总支出和基础设施需求持续上升。只要销量增长仍是主导力量，这对物理层就是利好。

我们再推演一下。所有实验室都决定自研芯片，因为成功给了他们底气，想要减少对$NVDA的依赖。但在这个只看市场份额的世界里，他们的产能受到极大限制。

第一代甚至第二代芯片性能都不行。电力是有限的。如果你用上自研芯片，会进一步抑制你的产能，你还会失去市场份额。那你该怎么办？

你对着镜子审视自己，会意识到唯一的答案就是把钱袋放到Jensen脚边，说声抱歉。

补充一句：不管你喜不喜欢Elon，他看透了市场的每一条脉络，每一步都走得完美。他唯一没预料到的是Sam A偷走了一个非营利组织。

$NVDA $SPCX