Чем дешевле ИИ, тем дороже чипы.

6月30日，Anthropic发布了Claude Sonnet 5。

30 июня Anthropic выпустила Claude Sonnet 5.

这是一款中端模型，Sonnect系列里"最能干活"的。代理能力测试SWE-bench Pro上跑出63.2分——离旗舰Opus 4.8的69.2分只差6分。另一个维度上，研究生级推理测试GPQA-AAA v2上，Sonnet 5反倒压了Opus 4.8一头。

Это модель среднего уровня, «самая работоспособная» в серии Sonnet. В тесте агентских способностей SWE-bench Pro она набрала 63,2 балла — всего на 6 баллов меньше, чем флагманский Opus 4.8 (69,2 балла). С другой стороны, в тесте рассуждений уровня аспирантуры GPQA-AAA v2 Sonnet 5 превзошла Opus 4.8.

定价更关键。优惠期内每百万输入token收2美元，输出10美元。Opus 4.8对应的价格是5美元和25美元——Sonnet 5用四到六成的价格，跑出了旗舰九成以上的能力。

Ценообразование еще важнее. В период акции цена составляет 2 доллара за миллион входных токенов и 10 долларов за выходные. У Opus 4.8 соответствующие цены — 5 и 25 долларов — Sonnet 5 при цене от 40 до 60% выдает более 90% возможностей флагмана.

这条新闻可以有两种读法。

Эту новость можно прочитать двояко.

第一种：AI又变便宜了。成本下降利好所有人，Chatbot战争继续，模型厂商卷生卷死。

Первая: ИИ снова дешевеет. Снижение затрат выгодно всем, война чат-ботов продолжается, разработчики моделей конкурируют до изнеможения.

第二种——也是市场正在定价的——模型越便宜，算力和存储反而越贵。

Вторая — и именно так рынок оценивает ситуацию — чем дешевле модели, тем дороже вычислительные мощности и хранилища.

Claude Sonnet 5发布当天，美国半导体指数涨近4%。过去三年的AI叙事里有一条明线：推理效率会干掉芯片需求。但这个判断在每一个数据节点上都错了。

В день выхода Claude Sonnet 5 американский полупроводниковый индекс вырос почти на 4%. В повествовании об ИИ за последние три года была четкая линия: эффективность вывода уничтожит спрос на чипы. Но это суждение оказалось неверным на каждой точке данных.

降价：三年降了一千倍

Снижение цен: в 1000 раз за три года

先看降价这条线。

Сначала рассмотрим линию снижения цен.

2022年，GPT-4级别API调用成本约每千token 0.03美元。到2025年，同等性能级别模型的价格——按斯坦福AI Index Report的口径——降了约280倍。加上开源和效率提升的综合效应，业界公认的降幅是 1000倍。

В 2022 году стоимость вызова API уровня GPT-4 составляла около 0,03 доллара за тысячу токенов. К 2025 году цена моделей того же уровня производительности — по данным Stanford AI Index Report — снизилась примерно в 280 раз. С учетом совокупного эффекта открытого исходного кода и повышения эффективности отрасль признает снижение в 1000 раз.

降了不只一种模型，是每一家都在降。

Снизились цены не на одну модель, а на все.

Anthropic这次Sonnet 5对标Opus 4.8的能力密度，定价只有四到六成。Google的Gemini Omni Flash视频生成每秒0.10美元，Nano Banana 2 Lite图像模型4秒出图、每千张只要0.034美元——是前代的一半。DeepSeek-V4-Pro把百万token输入打到了0.035美元的水平。

Anthropic в этот раз Sonnet 5 по плотности возможностей сопоставима с Opus 4.8, но цена составляет всего 40–60%. У Google Gemini Omni Flash генерация видео стоит 0,10 доллара в секунду, модель изображений Nano Banana 2 Lite выдает изображение за 4 секунды, а за тысячу изображений — всего 0,034 доллара, что вдвое дешевле предыдущей версии. DeepSeek-V4-Pro снизила стоимость входящих токенов до 0,035 доллара за миллион.

降价不止发生在定价表上。

Снижение цен происходит не только в прейскурантах.

6月24日，The Information报道OpenAI在内部找到了一项纯软件优化技术——某个运算环节的GPU需求被砍掉了一半不止，专用GPU池子从几千台骤降到几百台。同月，Meta提出了Vistara方案：把退役服务器拆下来的DDR4内存通过自研CXL芯片重新接上，和DDR5按3:1搭配，推理服务器成本压降25%。

24 июня The Information сообщила, что OpenAI внутри компании нашла чисто программную оптимизацию — потребность в GPU для определенного вычислительного этапа сократилась более чем вдвое, пул выделенных GPU упал с тысяч до сотен. В том же месяце Meta предложила решение Vistara: снятые со списанных серверов модули DDR4 подключаются через собственный чип CXL и используются в соотношении 3:1 с DDR5, что снижает стоимость серверов вывода на 25%.

到了6月30日，阶跃开源了推测解码技术JetSpec——大模型推理速度可以提升近10倍。换算下来，同样的token输出量，需要的GPU数可以陡降一个数量级。

К 30 июня компания Step открыла технологию спекулятивного декодирования JetSpec — скорость вывода больших моделей можно увеличить почти в 10 раз. В пересчете на то же количество выходных токенов количество требуемых GPU может резко сократиться на порядок.

如果AI是一个传统的成本-需求函数，这些信号应该指向一件事：未来需要的芯片变少了。

Если бы ИИ был традиционной функцией затрат и спроса, эти сигналы указывали бы на одно: в будущем потребуется меньше чипов.

华尔街是这么恐惧的。

Уолл-стрит именно этого и боялась.

1月DeepSeek发布R1的那个周末，AI基础设施股经历了近年最猛烈的抛售。AI云公司Nebius股价暴跌40%。故事线很简单：中国开源模型用0.1美元卖token，美国公司花2美元，算力需求必然坍缩。

В те выходные, когда DeepSeek в январе выпустила R1, акции ИИ-инфраструктуры пережили наиболее резкую распродажу за последние годы. Акции облачной ИИ-компании Nebius рухнули на 40%. Сюжетная линия проста: китайская открытая модель продает токены по 0,1 доллара, американские компании тратят 2 доллара, спрос на вычислительные мощности неизбежно схлопнется.

爆炸：总支出反涨320%

Взрыв: общие расходы выросли на 320%

但实际发生的事情完全相反。

Но на самом деле произошло совершенно противоположное.

Nebius联合创始人Roman Chernin后来回忆：DeepSeek引发恐慌的那个星期，"可能是我们销售最好的一周"。公司采购部门看到成本骤降后的第一反应不是砍预算，而是终于可以大规模跑推理了。

Сооснователь Nebius Роман Чернин позже вспоминал: та неделя, когда DeepSeek вызвал панику, «возможно, была нашей лучшей неделей по продажам». Первой реакцией отдела закупок компании на резкое снижение затрат было не урезание бюджета, а возможность наконец запустить масштабный вывод модели.

2024年，全球企业的生成式AI总支出约115亿美元。2025年，这个数字飙升到了370亿美元——一年涨了 320%。按Menlo Ventures的企业调研，中位企业在2025年运行着"数十个"AI应用，而2023年这个数字是1到2个。

В 2024 году общие расходы предприятий по всему миру на генеративный ИИ составили около 11,5 миллиарда долларов. В 2025 году эта цифра взлетела до 37 миллиардов долларов — рост на 320% за год. Согласно корпоративному опросу Menlo Ventures, медианное предприятие в 2025 году использует «десятки» ИИ-приложений, тогда как в 2023 году это число составляло 1–2.

各个维度的数据都在同一条曲线上：

Данные по всем измерениям лежат на одной кривой:

Uber在2026年4月就已经烧完了全年的AI预算。AT&T目前日处理270亿token——18个月前，这个数字是8亿。一家美国大型医保公司，月token消耗从300万一口气冲到了1.5亿以上。

Uber уже в апреле 2026 года исчерпал годовой бюджет на ИИ. AT&T сейчас обрабатывает 27 миллиардов токенов в день — 18 месяцев назад это число составляло 800 миллионов. Крупная американская медицинская страховая компания увеличила ежемесячное потребление токенов с 3 миллионов до более 150 миллионов.

拆开看，增长来自三个方向的叠加。

Если разложить, рост складывается из трех направлений.

第一是应用扩散。每家企业的营销部用了3个AI工具，销售部4个，客服部2个，加上法务、HR、财务——从2个到几十个，这是数量级的跳跃。

第二是单应用深度。以客服AI为例：2023年日交互量约500次，每次约800个token，做完对话就结束。到2025年，日交互15000次，每次约4500个token，每次交互还要再触发3到5次后续推理——情感分析、升级预测、质量评分——全部叠加在同一个入口上。

第三是模型本身的复杂度升级。从7B参数的单轮模型，升级到70B以上的多步推理代理，每一轮内部推理所消耗的token是线性交互的几十倍到上百倍。

Первое — распространение приложений. Отдел маркетинга каждого предприятия использует 3 инструмента ИИ, отдел продаж — 4, отдел обслуживания клиентов — 2, плюс юридический, HR, финансовый — от 2 до десятков, это скачок на порядок.

Второе — глубина одного приложения. Возьмем ИИ для обслуживания клиентов: в 2023 году около 500 взаимодействий в день, каждое около 800 токенов, диалог заканчивается. К 2025 году — 15 000 взаимодействий в день, каждое около 4500 токенов, каждое взаимодействие инициирует еще 3–5 последующих выводов — анализ тональности, прогнозирование эскалации, оценка качества — всё суммируется на одном входе.

Третье — усложнение самих моделей. От одношаговых моделей с 7 миллиардами параметров до многошаговых агентов рассуждений с 70 миллиардами параметров и выше, каждый внутренний шаг потребляет в десятки-сотни раз больше токенов, чем линейное взаимодействие.

换句话说，token成本降到了千分之一，市场用掉的token数涨了数万倍。乘起来的净效应只有一个方向：支出爆炸。

Другими словами, стоимость токена упала в тысячу раз, а количество используемых рынком токенов выросло в десятки тысяч раз. Совокупный чистый эффект направлен только в одну сторону: взрыв расходов.

Token消耗量每两个月翻一倍——多条独立线索拼出了同一个数字。把这条指数曲线画到2027年，企业AI年支出破千亿美元是算术问题，不是预测问题。

Потребление токенов удваивается каждые два месяца — несколько независимых линий сходятся к одной цифре. Если продлить эту экспоненциальную кривую до 2027 года, то превышение ежегодных корпоративных расходов на ИИ отметки в 100 миллиардов долларов — это арифметическая задача, а не прогноз.

传导：存储涨了六倍，芯片基建指向7.6万亿

Передача: хранилища подорожали в шесть раз, инфраструктура чипов тянет к 7,6 триллиона

存储器价格的涨幅，是AI需求从模型层向硬件层传导最直接的信号。

Рост цен на память — самый прямой сигнал передачи спроса на ИИ от уровня моделей к уровню оборудования.

2025年三季度起，DRAM和NAND Flash现货价格累计涨幅均超过300%。DDR5颗粒在单月内涨幅一度突破90%。进入2026年，涨价不但没停，反而加速了。

С третьего квартала 2025 года совокупный рост спотовых цен на DRAM и NAND Flash превысил 300%. Цены на модули DDR5 в отдельные месяцы превышали 90%. В 2026 году рост цен не только не остановился, но и ускорился.

一季度DRAM合约价涨幅从预期的55%-60%被上修到90%-95%；NAND从33%-38%上修到55%-60%。二季度TrendForce的预测是DRAM再涨58%-63%，NAND再涨70%-75%。

Контрактные цены на DRAM в первом квартале были пересмотрены с ожидаемых 55–60% до 90–95%; на NAND — с 33–38% до 55–60%. Прогноз TrendForce на второй квартал — DRAM вырастет еще на 58–63%, NAND — на 70–75%.

以消费级产品为锚：宏碁掠夺者32G DDR5 6000套条，2025年10月底价格还在1300元，到2026年1月已经飙到2700元。三个月翻倍，放在消费品市场上极其罕见。

Ориентируясь на потребительские продукты: комплект Acer Predator 32 ГБ DDR5 6000 в конце октября 2025 года стоил 1300 юаней, а к январю 2026 года взлетел до 2700 юаней. Удвоение за три месяца — крайне редкое явление на потребительском рынке.

三星存储业务在2025年四季度录下单季营业利润历史新高——突破20万亿韩元、约合人民币962亿元。而这一年多的涨势最根本的推力并非来自手机或PC的消费级换代，而是AI数据中心对HBM、企业级SSD、高密度DRAM的巨量采购。

Подразделение памяти Samsung в четвертом квартале 2025 года зафиксировало исторически высокую квартальную операционную прибыль — более 20 триллионов вон (около 96,2 миллиарда юаней). Основной движущей силой этого роста в течение более года была не смена потребительских поколений телефонов или ПК, а огромные закупки AI-центрами обработки данных HBM, корпоративных SSD и высокоплотной DRAM.

高盛5月的一份报告把这笔账算到了极致。

Майский отчет Goldman Sachs довел эту арифметику до предела.

报告预测，2026年到2031年全球AI基础设施累计资本支出约7.6万亿美元。2026年单年7650亿美元，到2031年攀升至1.6万亿。其中，单颗基准GPU（基于NVIDIA VR200 Rubin）按8.05万美元计算，NVIDIA占各期总算力支出的75%。

Отчет прогнозирует, что совокупные капитальные затраты на глобальную ИИ-инфраструктуру с 2026 по 2031 год составят около 7,6 триллиона долларов. В 2026 году — 765 миллиардов долларов, к 2031 году — 1,6 триллиона. При этом один базовый GPU (на базе NVIDIA VR200 Rubin) оценивается в 80 500 долларов, а NVIDIA занимает 75% общих расходов на вычислительные мощности в каждом периоде.

高盛在报告里还追问了一个关键问题：如果ASIC（专用芯片）大量替代GPU，是否能削减总需求？

Goldman Sachs в отчете также задал ключевой вопрос: если ASIC (специализированные чипы) в значительной степени заменят GPU, сможет ли это сократить общий спрос?

答案是分情况的。如果需求缺乏弹性——企业的AI算力需求是固定的——ASIC替代可以直接降低总资本需求。但如果需求有弹性——算力越便宜就买得越多——芯片组合的改变主要重塑的是利润在不同供应商之间的分配，而不是总支出规模。

Ответ зависит от ситуации. Если спрос неэластичен — потребность предприятий в вычислительных мощностях ИИ фиксирована — замена на ASIC может напрямую снизить общие потребности в капитале. Но если спрос эластичен — чем дешевле вычислительные мощности, тем больше их покупают — изменение комбинации чипов в основном перераспределяет прибыль между поставщиками, а не общий объем расходов.

高盛的基准情景选的是后者。

Базовый сценарий Goldman Sachs выбрал второй вариант.

美股价格也在往同一个方向走。闪迪自年初以来涨了857%，Bernstein在6月30日的报告中将目标价上调至3000美元。AMD一天涨7%创历史新高。做GPU的、做存储的、做封装的、做数据中心设备的——全部在新高附近。

Американские акции также движутся в том же направлении. SanDisk выросла на 857% с начала года, Bernstein в отчете от 30 июня повысил целевую цену до 3000 долларов. AMD выросла на 7% за один день до исторического максимума. Производители GPU, памяти, упаковки, оборудования для центров обработки данных — все около новых максимумов.

Edgen.tech在6月11日的综述文章里引用的这个数字最有冲击力：内存芯片价格在过去一年里涨了六倍。

Наиболее впечатляющая цифра, приведенная в обзорной статье Edgen.tech от 11 июня: цены на чипы памяти за последний год выросли в шесть раз.

"周期性回升"这个标签贴不上去。涨了六倍的东西，背后是整个经济体系的需求在重新定价AI的物理基础设施。

Ярлык «циклического восстановления» не подходит. То, что выросло в шесть раз, стоит за переоценкой физической инфраструктуры ИИ спросом со стороны всей экономической системы.

根源：Jevons在1865年就已经回答过

Корень: Джевонс ответил еще в 1865 году

威廉·斯坦利·杰文斯在1865年写了一本书叫《煤炭问题》。

Уильям Стэнли Джевонс в 1865 году написал книгу «Угольный вопрос».

他的核心观察是：瓦特改良蒸汽机后，单位煤耗大幅下降，英国的煤炭总消费量反而不降反升。因为效率提升意味着蒸汽动力在更多行业成本可接受了——纺织、铁路、采矿、航运——每一个新场景都创造出了原来不存在的煤炭需求。

Его ключевое наблюдение: после того, как Уатт усовершенствовал паровую машину, удельное потребление угля резко снизилось, но общее потребление угля в Великобритании не только не упало, но и выросло. Потому что повышение эффективности означало, что паровая энергия стала доступной по стоимости в большем количестве отраслей — текстильная, железные дороги, горнодобывающая, судоходство — каждый новый сценарий создавал спрос на уголь, которого раньше не существовало.

160年后，同样的公式在AI算力上重演了。

160 лет спустя та же формула повторилась на вычислительных мощностях ИИ.

企业算过账。2022年的token价格下，实时推理客服对话在经济上不可行。非紧急场景不值得跑AI。个性化内容生成只能做细分群体级别，做不到用户级别。到了2025年，价格降了1000倍，这些"原来不存在的需求"全变成了刚需。

Предприятия провели расчеты. При ценах на токены 2022 года диалоги с клиентами в реальном времени с выводом были экономически нецелесообразны. Несрочные сценарии не стоили запуска ИИ. Персонализированная генерация контента была возможна только на уровне сегментов, а не пользователей. К 2025 году цены упали в 1000 раз, и эти «ранее не существовавшие потребности» стали жесткими необходимостями.

Nebius的Chernin给了一句最直接的总结："每一次我们让同样单位的智能变得更便宜，我们不是在减少消耗，而是在增加消耗——因为同样的预算可以解决更复杂的任务了。"

Чернин из Nebius дал самую прямую резюме: «Каждый раз, когда мы делаем ту же единицу интеллекта дешевле, мы не уменьшаем потребление, а увеличиваем его — потому что на тот же бюджет можно решать более сложные задачи».

市场忽略了另一个结构性推力：毛利率的正反馈。

Рынок упустил еще одну структурную силу: положительную обратную связь от валовой маржи.

AI推理的毛利率曲线在历史上找不到对应物。一家提供API的公司，起步阶段毛利率可能只有10%——模型训练贵、推理贵。但软件优化（算子融合、量化、推测解码）每个月都在压推理成本，而定价调整总是慢半拍。于是毛利率从10%爬到90%的速度比任何传统行业都要短。

Кривая валовой маржи вывода ИИ не имеет аналогов в истории. Компания, предоставляющая API, на начальном этапе может иметь маржу всего 10% — дорогое обучение и дорогой вывод. Но программная оптимизация (слияние операций, квантование, спекулятивное декодирование) каждый месяц снижает стоимость вывода, а корректировка цен всегда запаздывает. В результате маржа растет с 10% до 90% быстрее, чем в любой традиционной отрасли.

毛利率驱动利润，利润追加采购，采购摊薄成本——正反馈回路，没有天花板。

Маржа стимулирует прибыль, прибыль увеличивает закупки, закупки размывают затраты — положительная обратная связь без потолка.

"你有DRAM就能卖token，没有DRAM就无法卖token。"这句话正在成为AI芯片需求的基本方程。

«Если у вас есть DRAM, вы можете продавать токены; если нет DRAM, вы не можете их продавать». Эта фраза становится основным уравнением спроса на чипы для ИИ.

高盛报告的两个敏感性假设也在加深同一个判断。芯片经济寿命如果从5年缩到3年，替换周期加速，累计资本需求直接上台阶。每芯片内存比预期高25%——主要改变的是芯片堆栈内部的支出分配，对7.6万亿总盘子的净影响有限，但方向是同一个：钱不会少花。

Два предположения чувствительности в отчете Goldman Sachs также углубляют ту же оценку. Если экономический срок службы чипов сократится с 5 до 3 лет, цикл замены ускорится, а совокупные потребности в капитале напрямую выйдут на новый уровень. Объем памяти на чип на 25% выше ожидаемого — в основном меняет распределение расходов внутри стека чипов, чистое влияние на общий объем 7,6 триллиона ограничено, но направление то же: деньги не будут тратиться меньше.

终局：谁握住了算力

Финал: кто держит вычислительные мощности

Fable 5出口管制解除——6月12日禁、6月30日解，前后三周——给了这个悖论一个意外的注脚。

Снятие экспортных ограничений на Fable 5 — запрет 12 июня, снятие 30 июня, всего три недели — дало этой дилемме неожиданное примечание.

管制的理由是"国家安全风险"。解除管制跟风险消失没关系——替代品出现了。Tulongfeng等亚洲团队在管制期内推出了接近Mythos级的模型，封锁的威慑力迅速归零。解禁是现实使然，跟善意无关。

Причиной ограничений был «риск национальной безопасности». Снятие ограничений не связано с исчезновением риска — появились альтернативы. Азиатские команды, такие как Tulongfeng, выпустили модели, близкие к уровню Mythos, в период действия ограничений, и сдерживающий эффект блокады быстро сошел на нет. Разблокировка была продиктована реальностью, а не доброй волей.

这段插曲恰好卡在AI降本悖论的主线上：模型是可替代的。从GPT到Claude到DeepSeek到开源模型，没有人能垄断AI的能力本身——有人设卡，就有人绕路。

Этот эпизод идеально вписывается в основную линию парадокса снижения стоимости ИИ: модели взаимозаменяемы. От GPT до Claude, DeepSeek и открытых моделей — никто не может монополизировать сами возможности ИИ: если кто-то ставит барьер, находятся те, кто его обходит.

硬件不是这套逻辑。

Оборудование не подчиняется этой логике.

GPU不行。DRAM不行。晶圆厂的建设周期以年为单位。光刻机的产能上限是固定的。高纯度硅的供给弹性近乎零。这些都是物理定律，不是商业策略。软件优化可以压模型成本一千倍，但压不下一个晶圆厂的建设周期一天。

GPU — нет. DRAM — нет. Срок строительства фабрик по производству пластин измеряется годами. Верхний предел мощности литографического оборудования фиксирован. Эластичность предложения высокочистого кремния близка к нулю. Это законы физики, а не бизнес-стратегии. Программная оптимизация может снизить стоимость моделей в тысячу раз, но не может сократить срок строительства фабрики ни на день.

**AI模型降价的终点，如果这个悖论继续跑下去，不指向去算力化——指向算力定价权的再集中。**不管你用的是谁的模型，token都得跑在某人的芯片上。模型厂商卷价格的每一分钱，最后都变成了数据中心、晶圆厂和存储产线账簿上的收入。降本越凶，这个转移越不可逆。

Конец снижения цен на модели ИИ, если этот парадокс продолжится, ведет не к де-вычислительному процессу, а к перераспределению ценообразующей власти на вычислительные мощности. Независимо от того, чью модель вы используете, токены должны работать на чьих-то чипах. Каждый цент, сэкономленный разработчиками моделей в ценовой войне, в конечном итоге превращается в доход на счетах центров обработки данных, фабрик пластин и производственных линий памяти. Чем агрессивнее снижение затрат, тем необратимее этот перенос.

风险提示及免责条款

Предупреждение о рисках и отказ от ответственности

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

Рынок сопряжен с рисками, инвестиции требуют осторожности. Данная статья не является индивидуальной инвестиционной рекомендацией и не учитывает особые инвестиционные цели, финансовое положение или потребности конкретных пользователей. Пользователи должны учитывать, соответствуют ли какие-либо мнения, взгляды или выводы в данной статье их конкретной ситуации. Инвестиции на основе этой статьи осуществляются на собственный риск.