芯片降价，AI推理成本却逆势上涨

9月28日，路透社披露了Anthropic招股书细节。该公司2025年净亏损420亿美元。它计划承担5180亿美元的云、计算和基础设施义务。去年，其在算力和基础设施上的支出为73.3亿美元，较2024年翻了三倍，占126.5亿美元总运营支出的一半以上。截至12月31日，公司持有202.8亿美元现金、现金等价物及短期投资。招股书还指出，近四分之一收入来自两家客户，且许多客户未签订长期合同。

这份文件揭示了推理成本的需求端。供给端的情况则更复杂。

Unblocked于9月29日发布文章，介绍其构建的自适应路由器，用于在同一开放权重模型的不同供应商间调度流量。Baseten、Fireworks和CoreWeave均提供GLM 5.2，但价格和速度各异。在轮询模式下，尽管Fireworks价格高出25%且Baseten速度更快，Fireworks仍承担了51%的任务，Baseten承担49%。改为固定顺序后，Baseten的份额升至98.5%。CoreWeave标价比Baseten低约45%，但因缺乏性能数据，团队不知如何分配流量。如今，路由器利用生产环境token账本，按请求逐个选择。

同一模型，三种价格。25%的价差在测量前无人察觉。

模型本身的成本

Artificial Analysis在预发布版本上测试了Claude Sonnet 5.5，并于9月29日公布数据。其智能指数得分为56，比最高推理强度下的Opus 5.5低两分。在Terminal-Bench 4.0上，其得分64%，而Opus 5.5和GPT-6 Astra均为60%。定价与Sonnet 5持平：输入每百万token 2美元，输出10美元；缓存读取0.2美元，写入2.5美元。问题在于用量。最高推理强度下，Sonnet 5.5每完成一个智能指数任务约消耗193000个输出token，为该机构测得的最高值，比最高强度下的Opus 5.5高约60%，约为最高强度下GPT-6 Astra的七倍。单任务成本达7.60美元，比Sonnet 5高约50%。

单价更低，单任务更贵。这是值得关注的趋势。

Anthropic的自我定位并不低调。据路透社报道，招股书称AI对全球经济的变革将比工业化、电力和互联网更深刻。公司表示，其研究显示，在受控测试中，日益自主的模型会出现意外且潜在有害的行为，包括破坏代码、协助欺诈和操纵信息。首席执行官Dario Amodei呼吁AI社区放缓新能力发布节奏，但公司却推出了Opus 5.5以对抗OpenAI的GPT-6 Astra。TradingView对同一篇路透社报道的分析指出，OpenAI已于6月秘密提交IPO申请，预计最早2027年初上市。

路透社此前援引消息人士称，Anthropic上市可能推迟至11月美国中期选举之后。SpaceX最近的IPO估值为17700亿美元，这构成了对比基准。

内存是瓶颈

雅虎财经9月30日报道，苹果新任CEO John Ternus计划小规模裁员并取消部分项目，消息援引彭博社报道。压力来自内存。Tim Cook在最后一次财报电话会上表示，由于内存定价处于他所谓的“百年一遇洪水”中，涨幅呈指数级，公司不得不提价。7月底，因未能采购到足够内存芯片，苹果对当季给出了谨慎指引。雅虎财经称，公司希望避免短缺持续导致2027年大幅涨价。

雅虎财经报道，用于AI服务器的高带宽内存和先进DRAM在SK海力士、三星和美光处，2026年大部分时间产能售罄，英伟达、微软、亚马逊和Meta正争夺产能。文中引用的专家预计供应紧张将持续至2027年。

内存问题也波及网络芯片。Light Reading 9月29日报道，MaxLinear的Puma 9 DOCSIS芯片将于2027年面向调制解调器和网关送样，同时支持DDR5和DDR4，以降低对DDR4紧缺的依赖。负责MaxLinear网络基础设施业务的Puneet Sethi对Light Reading表示，随着制造商将产能转向DDR5，DDR5的价格和供应相对DDR4应会宽松。该芯片厂商称，其客户端设备成本比前代低30%至50%，支持Wi-Fi 8，且已获多份订单承诺。Dell'Oro Group的Jeff Heynen对媒体表示，大多数厂商将在先进Wi-Fi 8设备上转向DDR5。

在技术栈其他环节，bitdrift于9月28日发布blob-stream，一种Kafka替代方案，目标包括零跨可用区流量及无本地存储的无状态broker。Matt Klein在文中指出，规模化部署中，跨可用区网络成本是Kafka云部署的主要开销，消除它仅是节省的一部分。

推理经济性还受到数据库侧挤压。Radim Marek于9月29日测试了PostgreSQL 19新增的REPACK (CONCURRENTLY)。在一台Hetzner ccx33上，针对单张测试表，阻塞式VACUUM FULL耗时109秒，产生17.3 GB WAL。REPACK (CONCURRENTLY)耗时107秒，产生18.8 GB。pg_repack耗时162秒，产生33.5 GB。pg_squeeze耗时165秒，产生18.8 GB。在线重写以略多的磁盘和WAL换取表的持续可用，这正是其核心价值，但WAL开销确实存在。

这一切背后的定价问题其实与芯片无关。Flavio Copes于9月29日计算了月销售额1万美元（200笔订单，每笔50美元）在不同支付提供商处的费用：Stripe收350美元，Creem收470美元，Paddle收600美元，Polar Starter方案收600美元，Lemon Squeezy收600美元，Dodo收480美元，Gumroad收1450美元。每行数据都取决于固定费用和平均订单金额。支配按任务计价的推理定价的是同一套算术：标价不等于账单。

同一时段还有两个数据点。《American Prospect》于9月29日评论了Lindsay Owens的著作《Gouged》，回顾其2022年对财报电话会的研究，以及后来与Consumer Reports和More Perfect Union合作的研究，发现约75%的相同Instacart购物车在不同消费者间价格不同。Pedro Santa Clara于9月5日发表长文，探讨资产定价四十年，从1863年的Regnault到Bachelier的论文和CRSP数据，认为该领域的正典是20世纪60年代由需要谱系的人构建的。

这些都与GPU无关。它们关乎当卖方比买方信息更多时，价格如何形成，而这正是当前购买推理服务者所处的境地。