距离北京数百公里的内蒙古乌兰察布，已成为中国数据中心建设最密集的区域之一。当地政府已签署数十个项目，阿里巴巴、华为、快手及多家专业运营商均已入驻，一座废弃学校正在被改造为算力设施。吸引这些企业的并非软件人才，而是相对低廉的电价、可用的土地以及有利于降低冷却负荷的气候条件。
这轮建设热潮与模型价格的急剧下降同步发生。今年5月，DeepSeek将其V4-Pro API费率75％的降幅永久化。到10月，Silicon Data编制、被《金融时报》引用的一项Token价格指数显示，综合价格较5月峰值下跌超过52％。并非所有模型降幅相同，部分高端产品定价相对坚挺，但方向已经明确：按Token售卖的智能正在变得更便宜。
然而，出售算力的公司支出却在增加。阿里巴巴截至6月30日当季资本支出达676.78亿元人民币，同比增长75％，主要受AI基础设施驱动。同期，其AI云与计算服务收入增长45％至484.37亿元人民币。两组数据折射出行业的新张力：模型提供商竞相下调标价，云运营商则必须为回收周期长达数年的设施融资。
电力是最显性的成本项。假设一个10兆瓦的IT负载以1.2的电源使用效率持续运行，若每千瓦时单价相差0.40元，年度电费差距约为4200万元，五年累计差额超过2亿元。实际合同因利用率、电价和冷却设计而异，但敏感度足以将选址问题推入董事会层面。能够提供稳定电力、直连发电资源以及较低环境温度的地区，正成为战略资产。
选址仍涉及权衡。训练集群偏好高密度、高带宽的网络结构；对延迟敏感的推理任务更倾向于靠近用户和网络枢纽。批量训练、批处理作业和冷存储可以迁往低电价地区，交互式产品则无法忽视延迟。因此，运营商选择拆分工作负载，而非追求单一理想站点。
所有权结构带来另一层风险。自行采购GPU的企业需承担利用率和折旧风险；从云厂商租用的企业则以更高的长期单位成本换取灵活性。GPU使计算更加复杂：物理寿命可能超过经济寿命。更新一代芯片或更高效的模型架构，可能使早期采购的硬件即使仍能运转也面临搁浅。廉价电力改善运营利润率，但无法消除技术过时的影响。
模型侧的价格下调并不会一比一地映射为任务成本下降。API标价仅是成本结构中的一环，电力、折旧与利用率共同决定了算力经济的真实底线。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
