當下，AI大模型正處于從生成式AI走向代理式AI的關(guān)鍵時刻。在此背景下，騰訊、阿里等廠商不惜大發(fā)紅包以爭奪用戶。

　　在大模型廠商紅包大戰(zhàn)尚未分出勝負之際，算力租賃廠商卻成為當下實實在在的贏家。正如服飾品牌李維斯的故事那般，最終贏家不是在加州挖金子的礦工，而是賣牛仔褲的李維斯。在這一輪大模型紅包大戰(zhàn)中，算力租賃賺得盆滿缽滿。

　　2月11日，云計算服務(wù)商優(yōu)刻得發(fā)布漲價公告。在被問及具體哪些產(chǎn)品漲價時，優(yōu)刻得相關(guān)工作人員告訴《每日經(jīng)濟新聞》記者（以下簡稱每經(jīng)記者），“全線產(chǎn)品（都會上漲），具體會根據(jù)客戶資源使用情況給出方案�！�

　　值得一提的是，宣布漲價后，優(yōu)刻得昨日股價高開高走，收漲20%。

　　紅包大戰(zhàn)帶來對AI基礎(chǔ)設(shè)施的巨大需求

　　2015年除夕，微信支付憑借搖一搖搶紅包，迅速爆發(fā)。而這一波，騰訊元寶發(fā)紅包之后，阿里巴巴、百度、字節(jié)跳動也紛紛下場。

　　紅包大戰(zhàn)，也使得對AI基礎(chǔ)設(shè)施的需求大增。

　　近日，國內(nèi)云服務(wù)廠商優(yōu)刻得宣布，因全球供應(yīng)鏈波動持續(xù)加劇，核心硬件采購等基礎(chǔ)設(shè)施成本出現(xiàn)顯著、結(jié)構(gòu)性的上漲，經(jīng)過慎重評估，公司決定自2026年3月1日起，對續(xù)簽及新簽用戶的全線產(chǎn)品與服務(wù)進行價格上浮調(diào)整。

　　漲價緣由是硬件成本提升，還是推理側(cè)需求過于旺盛而導(dǎo)致供不應(yīng)求？優(yōu)刻得上述工作人員回復(fù)稱：“兩方面（原因）都有，主要是硬件成本上升，近期需求也在增加。當前的價格調(diào)整，也是行業(yè)從‘資源出租’向‘能力服務(wù)’轉(zhuǎn)變的體現(xiàn)�！�

　　不僅僅是國內(nèi)廠商在漲價。1月23日，全球云計算巨頭亞馬遜云科技宣布對其面向大模型訓(xùn)練的EC2機器學(xué)習(xí)容量塊實施約15%的價格上調(diào)，這是AWS（亞馬遜云計算服務(wù)）約20年來首次打破“只降不漲”的定價傳統(tǒng)。機器學(xué)習(xí)容量塊是AWS為應(yīng)對高性能GPU（圖形處理器）等稀缺計算資源供需失衡所推出的定制化服務(wù)模式，用戶可提前預(yù)訂指定型號的GPU實例，確保關(guān)鍵算力資源的穩(wěn)定供給。

　　開源證券認為，AWS作為亞馬遜核心的公有云平臺，此次漲價一方面再次確認了全球AI算力需求端的高景氣度，另一方面從供給角度來看，AI云產(chǎn)業(yè)鏈資源稀缺性或日益凸顯。

　　Agent拉動推理需求呈指數(shù)級上漲

　　對于公有云漲價，云服務(wù)商派歐云（PPIO）工作人員告訴每經(jīng)記者，主要原因是推理需求的爆發(fā)式增長，其中Agent（智能體）的需求是主要增長因素；其次推理成本的上漲動力還來自服務(wù)質(zhì)量的持續(xù)提高，高SLA（服務(wù)等級協(xié)議）、低時延、長上下文、多模態(tài)等服務(wù)會產(chǎn)生支付溢價。

　　如果說紅包大戰(zhàn)帶來的是用戶人數(shù)增加從而帶來算力需求提升，那么Agent的盛行，對推理算力需求的提升則更為龐大。

　　優(yōu)刻得上述工作人員表示：“算力需求已從訓(xùn)練驅(qū)動的單一模式，轉(zhuǎn)變?yōu)橛?xùn)練+推理雙輪驅(qū)動且推理占比不斷上升的新模式。Agent的實時交互、多輪推理、工具調(diào)用與自主規(guī)劃等能力，使得單次任務(wù)所需的推理次數(shù)呈指數(shù)級上升�！�

　　PPIO工作人員也對每經(jīng)記者表示：“Agent的廣泛應(yīng)用放大了Token（詞元）的消耗，進而推高算力需求，一方面Agent推理上下文逐漸增加到200K以上，另一方面由于計算復(fù)雜度與上下文長度是平方關(guān)系，長上下文對算力的需求呈指數(shù)級增長。據(jù)我們估算，Agent場景下單用戶的Token消耗量是普通Chat的10倍至50倍，此外Agent對內(nèi)存的需求也在持續(xù)增加，主要體現(xiàn)在Agent工具的數(shù)據(jù)記憶需求�！�

　　值得注意的是，AI推理不僅有云端，也有邊緣側(cè)、端側(cè)設(shè)備。那么，即時性的要求是否會助推邊緣側(cè)、端側(cè)AI推理需求增長？

　　對此，PPIO工作人員表示：“至于邊緣和端側(cè)，我認為會增加部署，但會是“云—邊—端協(xié)同”的混合架構(gòu)：實時性強、隱私要求高、網(wǎng)絡(luò)不穩(wěn)定的場景會下沉到端和邊緣，用小模型或本地推理保證響應(yīng)；而需要最強通用能力、快速迭代的大模型能力，仍會集中在云端。關(guān)鍵不在把所有算力搬到端上，而在把任務(wù)鏈路切分得更合理。”

　　優(yōu)刻得工作人員也表示：“我們會根據(jù)客戶的需求來部署我們的產(chǎn)品和資源。根據(jù)不同業(yè)務(wù)場景對延遲、成本、合規(guī)性的差異化要求，靈活調(diào)度云端、邊緣與端側(cè)算力資源。”