浅谈算力中心和Token供给是否过剩

文章探讨了算力中心和Token供给是否过剩的问题，分析了算力中心成本、GPU折旧更新、Token产出及市场需求等方面。

大模型公司算力获取方式

国内很多大模型公司如KIMI、Minimax、智谱等主要租用算力中心，而阿里、字节、腾讯等采用自建AI算力中心，且会出租算力成为第三方云服务商。国外大模型厂家基本采用自身算力。Meta因大模型性能不行、Agent研发进展缓慢，出租闲置算力回血，马斯克的X AI也有类似情况。

算力中心成本

算力中心成本包括前期建设（土地、建设、购买AI硬件成本）和后续运营维护成本。土地和建设成本是一次性支出，购买AI硬件和运营维护成本不断叠加。其中，GPU采购成本占大头，电费占比仅5%。

GPU的折旧与更新

目前GPU折旧多按6年计算，4年折旧已属折中，激进计算为2 - 3年。英伟达原本2年更新一代GPU服务器，现计划一年更新一代。新交付的GB300 NVL72服务器性能提升，能耗增加少，但价格更高。英伟达下半年将交付的VR200价格比GB300贵近一倍，数据中心利润需在4年内赚够资金购买下一代产品。

算力中心能生产多少Token

假设构建一个1GW的算力中心，全部采用英伟达GB300，配置7100个机架。因GPT5.5是闭源模型，通过与其性能接近的GLM5.2推算token产出量。该数据中心100%利用率下，最大能产生约200万亿 - 400万亿的token/天。

Token的市场需求如何

高盛研报预计到2030年，全球Token月消耗量将比2026年增长24倍。当前全球Token日消耗量约166万亿，而全球约21GW的AI算力中心产出明显过剩，这也是算力中心闲置、利用率不高的原因之一。此外，国外大模型计价高，C端用户倾向使用便宜模型，企业端也因Token价格贵收缩支出。

来源：虎嗅