与此同时，AI算力卡等基础设施供求关系趋于紧张，资源缺口明显，价格不断上涨，大幅抬高了AI大模型企业的运营服务成本，出现了局部“算力荒”。

　　此外，企业用户等专业领域AI应用需求显著扩大，不仅需要消耗更多的Token，也需要AI服务商提供更强的模型能力和更为系统的智能服务。“这三方面都导致过去的流量、烧钱、免费的打法难以为继。”胡延平表示。

图：第四届链博会英伟达展区展示其AI技术栈对国产开源大模型的支持能力/《锋面》记者摄

　　作为一家AI初创公司的老板，易必盈创始人石思奇对AI成本是极为敏感的。他发现，创业近一年的时间里，单次Token价格总体在下降，但随着研发、运营和客户场景不断增加，企业整体AI支出反而有所上升。“AI成本正在从零散的工具费用，逐渐变成企业需要持续管理的一项基础设施成本。”

　　从行业中长期发展的角度来看，AI大模型有着不同于移动互联网时代的市场化逻辑。胡延平告诉《锋面》记者，互联网的“信息经济”本质是用户越多单位成本越低，边际成本呈递减趋势。

　　AI大模型的成本逻辑则是相反的，石思奇向《锋面》记者介绍，大模型端服务器每增加一个用户，相应成本都会增加，增加的幅度取决于用户的使用频次及需求产生的Token量。“有的单个用户的需求产生的成本可能会超过前序的10个用户，这也导致大模型企业成本浮动变化较大。”