DeepSeek峰谷涨价折射行业痛点，曦望：急需推理算力原生架构

近日 DeepSeek 官宣 V4 正式版将实施峰谷定价，国内工作日 9:00-12:00、14:00-18:00 核心工作时段 API 调用价格直接翻倍。这套对标水电的分时定价，平抑日间算力峰值看似是资源调配的市场化手段，却暴露出整个 AI 产业最尖锐的底层矛盾 —— 算力综合成本居高不下，已经成为制约 AI 规模化落地、中小开发者生存、产业普惠发展的最大枷锁。

短期分时调价只是缓解供需失衡的权宜之计，行业真正的破局方向，是从硬件、算法、服务、产业生态多维度系统性压降算力成本。

一、峰谷涨价是 “治标方案”，根源是算力供给成本长期高企

一方面依靠芯片效率和架构改进，Token生产成本在快速下行，另一方面，大模型服务价格却在不断上涨。如此矛盾现象，激起行业热议。

国产GPU 芯片曦望Sunrise 在接受媒体采访时曾对这种现象做出解释，现在不是成本在定价，是供需在定价。需求涨得比成本降得更快：尤其 Agent 起来之后，一个任务烧的 Token 是过去的几十倍，需求是指数级的；而算力、电力、数据中心这些供给端是线性的、还得排队建。供给追不上需求的时候，定价权就从成本转到了供应手里。

DeepSeek的这套峰谷定价方案也侧面印证，智能体时代需要新的推理算力架构的紧迫性。”每瓦 Token 吞吐量”成为企业最关注的核心指标。谁能以最低成本持续生产最多高质量 Token，谁就能在竞争中占得先机。

二、算力成本高企，正在全方位阻碍 AI 产业普及

当前 AI 算力成本由多重刚性成本叠加形成， 推理算力负载、大模型高 Token 消耗、电力能耗、共同推高使用门槛，带来三重行业困境：

中小企业落地 AI 成本门槛过高 多数 SaaS、线下服务、小微企业没有自建算力集群能力，完全依赖公有 API。日间翻倍的调用成本，会让智能客服、文档处理、内容生成这类轻量化 AI 工具失去性价比，大量传统企业数字化转型意愿受挫，AI 只能停留在大厂、大型互联网企业，难以下沉千行百业。创新试错成本抬高，抑制技术迭代活力 模型微调、数据集测试、多版本功能验证都需要高频次批量调用，多数研发工作集中在日间办公时段。算力涨价后，独立开发者、高校科研团队、初创企业的试错预算大幅缩水，中小创新主体的研发空间被挤压，行业创新生态单一化。AI商业化陷入两难循环 一边是持续攀升的硬件与运维成本，长期低价会持续亏损，无力投入下一代模型、国产算力适配研发；另一边是贸然涨价流失用户，丢失市场份额。这种两难循环的根源，就是缺少规模化、可持续的算力降本路径，只能依靠价格调节需求被动续命。

长远来看，AI 产业的终极目标是通用智能普及，算力应当如同水电煤一样成为低成本普惠基础设施。单纯依靠分时涨价平衡收支，只是短期缓冲，唯有系统性降低算力综合成本，才能同时兼顾厂商盈利、企业落地、开发者创新三方需求。

三、多维发力系统性降本，才是行业长期最优解

解决算力成本难题，不能停留在需求端价格调控，必须从硬件底层、算法优化、精细化服务、产业协同四大维度同步推进，实现供给侧算力成本的实质性下降：

硬件端：打造推理时代的原生算力架构，优化算力能效，降低Token成本

智能体普及时代，对 GPU 要求与过去不同：更低延迟、更大长上下文承载、更低单位功耗，以及更高效的多模态并发处理能力。现有推理架构力不从心。作为国内第一家 All-in 推理的 GPU 芯片公司——曦望 认为，能扛住高频调用的低延迟、能支撑长上下文的稳定性、能持续下降的单位 Token 成本。这是评价Agent 时代推理架构的三个硬指标。但现有通用 GPU 无法同时满足这三大要求。市面上多数通用 GPU为“训推一体”， 面向训练优化，推理实际算力利用率往往远低于峰值。曦望认为，Agent 时代急需推理算力原生架构。曦望的做法是砍掉所有训练能力，重新设计芯片和系统，将节省出的晶体管与功耗预算集中投向推理。

算法端：模型轻量化、缓存与调度技术削减 Token 消耗

厂商可通过模型架构优化（MoE 混合专家、小参数量轻量化版本）、上下文缓存、量化压缩等技术，同等效果下大幅减少算力消耗。

服务端：改变旧有流量模式，按场景、按价值收费。

一些高价值任务，如编程、医疗、法律分析，用户追求高准确率和低延迟，这类服务对价格不敏感。另一些需求，例如聊天、摘要、创意草稿，用户极度价格敏感，对错误容忍度高。按照现有的Token流量收费的模式，无法体现不同服务的价值差别。曦望在接受媒体采访时曾讲述道，高价值任务的客户很愿意为“每一个 Token 跑得多便宜、多稳”付钱。这背后其实是对算力需求精细化的需求。曦望认为，作为算力提供方，需要让不同质量的算力服务找到真正需要它的场景。

但曦望对未来趋势的判断是，国内大模型很可能成为公共基础设施，Token 价格整体还是会持续变便宜。最终让算力实现普惠，就像手机流量一样，让原来跑不起的应用都能跑起来了。

产业端：构建算力共享、开源协同生态摊薄成本

推动算力共享平台、企业私有算力混合云模式，避免每家企业重复采购闲置 GPU；完善开源大模型生态，企业可本地部署开源模型减少 API 依赖；行业共建算力调度公共平台，统一调配跨厂商闲置算力，提升整体集群利用率，用规模化摊薄单位算力成本。

四、结语：分时调价是过渡，算力普惠才是产业终局

DeepSeek 高峰价格翻倍，是算力供需失衡下的阶段性商业选择，却清晰传递出行业信号：算力成本瓶颈已经制约产业发展速度。短期分时定价可以缓解厂商经营压力、改善服务稳定性，但无法解决算力昂贵的底层矛盾。

AI 产业想要健康长久发展，不能永远在 “低价内卷亏损” 和 “高峰涨价挤压用户” 之间摇摆。全行业需要形成共识，把系统性降低算力综合成本作为核心发展主线：研发原生架构以适合智能体时代的推理算力需求、算法技术优化降消耗、场景化商业服务、生态资源共享摊薄成本。

唯有算力成本持续下行，大模型才能真正走进中小企业、赋能千行百业，实现技术普惠与产业商业化双向共赢。