AI行业有一个很反常的现象。竞争越来越激烈，模型越来越多，API不断降价，几家大模型公司还在亏钱；但英伟达、数据中心、云厂商仍在大规模投资，资本没有退，反而越投越多。
按照传统竞争逻辑，狼越来越多，肉应该越来越少，利润也应该越来越薄。AI现在却不是这样。它更像一个狼越来越多、肉长得更快的市场。
要解释这件事，起点不能放在英伟达的毛利率，也不能放在模型公司的亏损，而应该退到最前面：AI替代的东西原来值多少钱？
一、AI首先替代的是昂贵的人
ChatGPT Plus一个月20美元。这个价格和过去的互联网会员差不多，但它提供的已经不是看电影、听音乐或者存文件，而是写作、翻译、研究、分析、编程和处理各种知识工作。
所以20美元贵不贵，不能和Netflix比较，要和人工比较。一个程序员、律师、分析师、会计师或者研究人员工作几个小时是多少钱？再看AI多少钱，两者根本不是一个数量级。
用户不会去算一轮对话用了多少GPU，也不会关心每百万token的成本。他只知道，过去要自己花几个小时，甚至请别人完成的事情，现在花很少的钱就能做到。
人工任务价值 ≫ AI售价
这就是第一层经济关系。用户觉得自己赚到了，而AI仍然有很大的定价空间。真正限制很多人的，已经不是AI贵不贵，而是有没有值得做的任务、有没有时间消化结果。
这也是为什么AI每获得一种新能力，市场就可能扩大一次。价格下降当然会扩大使用，但能力提高、新任务出现、更多工作流程被接入，往往比单纯降价更重要。
二、用户觉得便宜，不等于AI公司卖得便宜
从用户端继续往下走，会看到完全不同的一面。DeepSeek V4.1 Flash高峰时段未缓存输入每百万token约0.30美元，输出约1.20美元。
SemiAnalysis用H200测试同一模型，并把设备购置、折旧、电力等折算成总拥有成本（TCO）。在其测试条件下，每百万总token的推理算力成本大约只有几美分，甚至更低。
假设一个任务80%是输入、20%是输出，那么按上述价格，每百万总token的平均销售收入约为：
0.8 × 0.30 + 0.2 × 1.20 = 0.48 美元
如果每百万token的推理算力成本为0.012美元，那么:
推理价格倍数=每百万总token的平均销售收入/推理算力成本
是0.48 ÷ 0.012 = 40
这个数字只回答一个更基础的问题：生产100万token的算力成本，与把这100万token卖出去的价格，相差多少？我们把这个比例叫作“推理价格倍数”。在这个例子里大约40倍。即使采用更高的零售GPU租赁成本，这个倍数仍然很高。这样的推理价差，放在多数传统产业里都很难想象。注意：这不是DeepSeek的毛利率，也没有扣除训练、研发、人员、闲置算力、网络、安全等费用。
这就解释了为什么模型公司敢不停买GPU：GPU虽然贵，但它生产出来的token更值钱。
三、梁文锋的“十个月回本”
梁文锋谈DeepSeek定价时说过，他们的思路是：购买一批设备，按照现在的API价格，大约十个月收回设备成本。他同时说，这并不是利润最大化定价；即使涨价50%，甚至翻倍，token消费也未必明显下降。
这句话很重要。第一，设备回收期很短；第二，用户对价格没有那么敏感。
为什么？还是回到起点。用户拿AI和什么比较？不是拿它和GPU成本比较，而是拿它和人工比较。只要AI完成一项任务仍然比人工便宜很多，模型公司的定价空间就很大。所以DeepSeek即使按十个月设备回本来定价，用户仍然觉得便宜。美国头部模型的价格通常又显著高于DeepSeek。今天AI产业真正惊人的地方，正是昂贵的人类劳动和越来越便宜的机器推理之间，存在一片很宽的经济空间。
四、模型公司亏损，不等于卖token亏损
这一点很容易被混淆。公司亏损是一张总账，卖token赚不赚钱是另一张账。已经训练完成的模型拿出来提供推理服务，完全可能是：
API收入 － 推理成本 ≫ 0
但企业又把钱花到新模型训练、研究人员、数据、更多GPU、新数据中心、新产品和市场扩张。最后公司的利润表仍然可以是亏损。所以公司亏损，并不等于每卖一次AI服务都亏钱。对投资者更重要的问题是：新投入一美元算力，多久能够收回来？如果答案接近梁文锋说的十个月，资本继续涌入就不难理解。
这和一种靠烧钱维持、单位产品本身不赚钱的商业模式完全不同。
五、为什么GPU越来越贵，token反而越来越便宜
新一代GPU越来越贵，不等于AI生产成本越来越高。机器价格只是一部分。真正应该看的是：一张GPU在整个使用期内，平均生产一百万有效token要花多少钱。
每百万token成本 ＝ GPU全生命周期总成本 ÷ 全生命周期有效token产量
如果新GPU贵50%，但有效token产量提高一倍以上，每个token反而会更便宜。SemiAnalysis对新一代硬件的测试已经显示出这种趋势：GPU更贵，但单位token的推理成本继续下降。
于是几件表面矛盾的事情可以同时发生：GPU价格上涨，AI服务价格下降，模型公司的单位推理经济性反而改善。英伟达可以赚很多钱，下游仍然愿意继续买芯片。不是下游不会算账，而是这笔账本来就很好。
六、狼多，为什么肉反而更多？
传统行业的竞争通常建立在一个相对固定的市场上。十家公司抢100亿元，变成二十家公司以后，每家公司自然更难赚钱。
AI现在不是这样。它正在把过去价格很高的人类认知劳动，变成价格很低的机器认知劳动。每当模型获得一种新能力，就会出现以前没有的需求。
以前不会花100美元请人做的事，现在可能愿意花1美元让AI做；以前根本不值得做的分析，现在可以做；以前一个程序员一天只能处理几个问题，现在可以处理几十个。
所以市场不是固定的100亿元。它可能从100亿元变成1000亿元。狼从10只变成50只，肉却从100变成1000，每只狼仍然可以吃得很好。
竞争在加剧，市场却扩张得更快。价格下降没有杀死利润，因为成本也在下降；竞争者增加没有让大家没饭吃，反而还会共同教育市场、带来新的需求。资本投入越来越大，也不只是因为大家相信一个故事，而是很多参与者看到了一笔现实的单位经济账。
七、真正的风险在哪里
这并不意味着AI没有泡沫。局部当然可能有。
问题不是投资规模大不大，而是什么时候出现：供给扩张持续快于真实需求扩张。
如果同时看到算力价格下降、利用率下降、设备回收期拉长、资本回报下降，而新的数据中心还在继续高速建设，那么某一段产业链才真正开始过剩。
所以判断AI泡沫，不能只看英伟达赚了多少钱，也不能只看模型公司亏了多少钱。应该从最下面往上看：用户使用AI究竟创造了多少价值，然后一路追到算力投资。
人工任务价值 → AI售价 → Token售价 → Token成本 → 算力投资回报
今天这条链最值得注意的事实很简单：
人工任务价值 ≫ AI售价 ≫ 推理算力成本
只要这几个差距仍然很大，AI产业就有足够空间让很多参与者同时赚钱。这里说的是市场，不是说每一家公司都能赚钱。它不是一个典型的狼多肉少的市场，至少现在不是；它更像一个狼越来越多、肉却长得更快的市场。
八、那些看起来“疯狂”的现象，其实可以放回同一条链里
英伟达毛利很高，模型公司却还在亏；GPU越来越贵，token越来越便宜；API持续降价，资本开支却越来越大；竞争者越来越多，投资者却还在继续下注。单独看，每一件事都像异常。
但把它们放回同一条链，就没有那么神秘了。终端用户拿AI和昂贵的人类劳动比较，所以觉得AI极便宜；模型公司拿API售价和推理成本比较，仍有很大的单位经济空间；它们再拿新增GPU投资和未来token产出比较，设备回收期又可能很短；上游于是有条件继续提高硬件价格，而新一代硬件更高的吞吐量又继续压低单位token成本。
这是一条目前仍然能够自我强化的链。
真正值得观察的，不是资本投入本身有多大，而是这条链上哪一个差距开始明显收窄。只要用户获得的价值仍远高于AI价格，AI售价又远高于单位推理成本，新增算力仍能较快回本，投资热潮就有现实的经济基础。
AI今天看起来像一个疯狂的市场，也可能只是因为我们过去习惯了狼多肉少。它现在更像一个少见的阶段：狼越来越多，肉却增长得更快。
资料说明
文中DeepSeek API价格、H200推理成本和梁文锋“十个月回本”的数据，分别依据DeepSeek公开定价、SemiAnalysis InferenceX测试和公开流传的梁文锋投资人交流记录。
参考资料
[1] OpenAI. “What is ChatGPT Plus?” OpenAI Help Center.
[2] DeepSeek. “Models & Pricing.” DeepSeek API Docs.
[3] SemiAnalysis InferenceX. “DeepSeek V4.1 Flash on H200.”
[4] China Research Collective. “Liang Wenfeng Investor Meeting, May 2026.”
