连微软都用不起AI了，就在最近，微软干了件让整个科技圈炸锅的事，6月30号之前，要把内部大部分工程师的ClaudeCode许可全给取消了。


很多人以为是这款代码模型性能不足，真实情况恰恰相反，正是因为代码生成能力过于出色，研发人员不分昼夜高频调用，最终产生的 token 账单一路暴涨，高昂的算力开支，连资金雄厚的微软都无力承担，只能紧急收缩使用规模。


这场发生在大企业内部的预算管控风波，撕开了 AI 产业长期被掩盖的竞争真相，长久以来，行业舆论始终把比拼的焦点放在高端 GPU、底层算法、模型参数规模上，大家都默认硬件和技术才是决胜关键。


直到接连不断的企业被高额账单困住手脚，市场才猛然醒悟，未来大模型赛道真正的分水岭，早已变成使用成本。能不能把每一次调用的开支压到合理区间，才决定一家企业能不能长久维持商业化运营。


大家经常在行业报告里看到的 token，本质就是算力消耗的量化标尺。每一次文字输入、每一段内容输出，背后都是服务器不间断运转产生的电力消耗。


纵观所有大模型项目的长期运营账单，六七成开支都来自电费，GPU 硬件只属于一次性固定资产投入，日复一日不间断产生的电费，才是持续吞噬现金流的无底洞。


传统互联网软件完成研发之后，可以无限复制分发，边际成本无限趋近于零，大模型彻底打破了这套商业逻辑，每一次用户调用都会产生实打实的开销，一张张 token 计费单，归根结底就是电费账单。


海外第三方聚合平台 OpenRouter 统计的数据，直观展现出成本差距带来的市场格局改写。今年 2 月，国产大模型的周度 token 总调用量第一次超越美国同类产品，在此之后持续领跑榜单。


到 3 月底，国产模型单周运算量突破 12.96 万亿 token，牢牢占据全球榜首位置。API 定价的差距更加悬殊，海外高端大模型每百万 token 收费折合数美元，国产同级别产品只需要几毛钱，价格拉开十倍以上。


DeepSeek 系列产品的优势更加突出，综合推理成本仅仅是海外同级模型的七十分之一，低廉的定价直接形成了降维竞争优势。


巨大的价格鸿沟，根源来自两地电力资源与电价体系的悬殊差距。国内东部工业区的工业电价稳定在三毛多到四毛多一度，西部戈壁大规模风电、光伏基地的绿电，长期合约电价可以压到一毛五到两毛。


大量光电、风电原本会出现季节性弃电浪费，依托东数西算工程，闲置电力全部投入算力运算，这部分能源成本几乎可以忽略不计。


反观美国硅谷的数据中心，高峰时段电价居高不下，企业财务人员看到月度电费单据都会倍感紧张。完成同等规模一万亿 token 的运算，国内厂商付出的电费，仅仅是美国同行的零头。


居高不下的电价已经困住了不少北美科技企业，除了微软紧急缩减第三方 AI 工具权限，不少互联网企业都开始收紧全员 AI 调用额度。


Uber 今年的 AI 开发预算仅仅四个月就全部耗尽，英伟达高管也曾公开坦言，团队整体算力支出已经超过全体员工的薪酬总额。


一边是电力成本持续走高，一边是硬件运维开支不断增加，双重压力之下，很多海外商业项目只能被迫缩减 AI 应用规模。


国产大模型依托廉价绿电构建起稳固的成本护城河，不仅在海外开发者平台抢占调用份额，还在持续下调 API 定价，不断扩大市场占有率。


芯片可以通过采购补齐短板，算法也能够持续迭代优化，但电力资源与电价体系，是短期内很难追赶的天然物理条件。


这场全球 AI 竞赛慢慢分出了全新的胜负手，技术只是入场门槛，充足又廉价的电力，才能够支撑大模型长久稳定地大规模商用。


微软这次被迫削减员工 AI 许可，只是行业成本危机的开端，在接下来很长一段时间里，电价会持续改写全球 AI 产业的竞争格局。硬件军备竞赛终有上限，能源成本的差距，才会真正拉开企业之间长久的发展距离。


以上只是我个人对这事的粗浅解读，你怎么看？欢迎在评论区聊聊你的想法。


信源：财联社