AI产业链上下游齐发力词元价格有望逐步企稳
AI产业链上下游齐发力词元价格有望逐步企稳
2026年07月31日 22:39
近日，Kimi K3模型发布并开源，该大模型除了性能备受关注，其性价比表现同样不俗。与此同时，华为、阿里等多款国产超节点迅速适配。芯模联动之下，词元成本有望进一步降低。
业内人士认为，当前词元增速远超算力增速，短期内词元成本承压。长期来看，我国词元价格有望企稳下行，在可预见的未来，词元的单位成本仍有大幅下降空间。
大模型上新超节点发力
7月中旬，2.8万亿参数的国产大模型Kimi K3正式发布，其强劲的性能备受业内关注，甚至因供不应求引发“订阅熔断”——不仅免费用户无法使用，个人新用户付费订阅也被迫暂停。
虽然和其他国产大模型相比，K3的单位定价并不便宜，却表现出不俗的性价比。大模型评测机构SuperCLUE横向对比多款国产大模型发现，通过对比完成同样任务的得分和成本，Kimi K3在任务得分比第二名高出18%的前提下，平均成本却低约16%。
国外知名大模型评测机构Artificial Analysis（智能分析）发现，在标准化任务测试中，和多款头部海外大模型相比，Kimi K3在众多基准胜出的前提下，单任务平均成本仅为其50%到90%。一些个人博主在实测生成3D游戏的任务中，Kimi K3的单任务成本最低只有海外同级别大模型的十分之一。
对此，SuperCLUE创始人徐亮认为，Kimi K3在处理多轮交互复杂任务时，依托更强底层能力减少迭代轮次，叠加优异的上下文缓存命中率， 综合 调用开销优于预期。
除了通过技术升级拉高性价比，Kimi K3还通过开源和芯模联动进一步挖潜。
7月27日，Kimi正式开放K3的模型权重、技术报告和关键Infra（基础设施）技术，这不仅是全球首个开源的3万亿级别模型，也是目前参数规模最大的开源模型。7月28日，阿里云宣布灵骏真武M890超节点已适配Kimi K3，华为计算也宣布升腾950超节点支持Kimi K3的全系列数值精度格式。
阿里云表示，为提升运行效率，阿里云、平头哥与Kimi团队从软件栈、算子等层面进行了深度联合适配。测试显示，适配后模型的首Token（词元）时延降低约35%，单卡解码吞吐提升1.8倍。这不仅意味着用户的延迟体验能够得到显著提升，更意味着每一块芯片都能够被利用起来。
值得关注的是，在2026世界 人工智能 大会上，以升腾950、真武M890为代表的超节点备受关注，期间至少有9款超节点产品发布或上市。
激活词元经济仍需降本
在《2026世界 人工智能 大会暨 人工智能 全球治理高级别会议主席声明》中，明确提及“培育以大模型为基础、智能体驱动为引领的词元经济新模式”。
多位业内人士告诉记者，这是首次明确提及“词元经济”的高级别文件，也对词元经济的内涵和发展方向做了较为明确的描述。随着智能体的快速普及，成本正成为制约词元经济发展的瓶颈。
“当前智能体交互逻辑是成本暴涨的核心。”TPU（张量处理器）芯片企业中昊芯英创始人杨龚轶凡说，尽管用户单次提问文本很短，但大模型会打包全部历史上下文，输入规模往往是输出的上万倍，单次对话极易消耗十万级词元，账单成本自然居高不下。
“目前算力依然是首要瓶颈，词元需求按月指数级增长，硬件供给按年在建设，这是当前的结构性缺口。” AI芯片 公司曦望智能董事长徐斌认为，2026年上半年智能体应用爆发后，推理算力的 租赁 价格普遍上涨了40%以上，市场明显从买方转向卖方。
大模型公司阶跃星辰首席技术官朱亦博认为，两年来，中国日均消耗词元数从1000亿增至140万亿，增加了一千多倍，但同期推理算力只增加了3倍。以前建设的算力如今均已消耗殆尽，现在市场上一卡难求。同时，大模型变得越来越大，每个词元需要的算力也越来越多。
“高额算力成本已经制约AI商业化落地。”杨龚轶凡说，“只有成本下探，各类 AI应用 才能规模化普及。”
徐斌进一步判断，“只有把大模型的推理成本从元级压到分级，AI才有机会像水电一样成为基础设施。”
上下游携手降低词元成本
英伟达 创始人黄仁勋曾用“五层蛋糕”描绘AI生态，即能源、芯片、基础设施、大模型、应用。如今，中国的AI行业也在跨界联手，从每个环节降低成本。
多位业内人士告诉记者，算力中心的能耗成本占总运营成本的60%以上， 电力 成本又占能耗成本的大头。因此，算电协同被视为重要的发力方向。
对此，中科类脑董事长刘海峰告诉记者，中国拥有丰富的绿电资源，通过算电协同可以将“卖绿电”升级为“卖词元”，把中国的绿电优势、供电稳定优势转化为词元的成本优势。通过电交易、绿电直连等组合方案，算力中心的 电力 成本可降低20%，对应全生命周期投资可节省约4%。以百亿元级投资的算力中心为例，即可节省约4亿元。
国产芯片 也在致力于通过芯模联动降低词元成本。杨龚轶凡说，经大量实测验证，同等生产制程、同等芯片面积、同等硬件采购成本下，TPU架构运行大模型速度更快、单位算力能耗更低、 综合 使用成本更低。每一代TPU芯片迭代都能实现2到4倍 综合 性价比提升，持续拉低大模型训练、推理词元的算力开销。
词元工厂作为AI基础设施的典型代表，也在持续技术升级以降本增效。
现在开源模型众多，但定价和性能差异较大。由此，为用户按需智能挑选大模型的智能模型网关成为热门方向，它用工程化手段整合多种大模型，将平均表现稳定在头部梯队的同时，让价格稳定在中低梯队。词元工厂派欧云创始人姚欣表示，据综合测算，智能模型网关可以将智能水平提升20%，将成本降低50%到60%。
AI基础设施企业无问芯穹CEO夏立雪说，近期测试三级分离式的推理架构，首词元延迟降低51.5%的同时，单词元的成本可以降低37.5%。
展望词元成本的下降曲线，夏立雪表示，在过去一年里，通过一系列技术创新，推理成本已经下降90%。在可以预见的未来，推理成本依然有90%以上的下降空间。
（文章来源：经济参考报）