米达的计算价格削减计划可能将AI成本降低30%

# 米达的计算价格削减计划可能将AI成本降低30%

一项旨在显著降低人工智能工作负载计算能力成本的计划在2026年6月13日的彭博社《Odd Lots》播客中详细介绍。来自技术战略家阿尔君·米达的提议框架，旨在通过重新构建云定价模型和硬件利用率，将先进模型训练的每petaflop有效价格降低30%。该倡议恰逢全球AI计算市场预计每年将超过4000亿美元。

背景 — 为什么现在很重要

降低计算成本的推动出现在主要科技公司进行大量资本支出的时期。英伟达报告其最新财季数据中心收入为475亿美元，这一数字凸显了当前在AI基础设施上的支出规模。计算经济学的上一次重大结构性变化发生在2020年代初，GPU加速云实例的广泛采用，最初降低了初创公司的进入壁垒。

当前的宏观背景是利率上升，联邦基金利率为5.25%。这增加了建立数据中心和购买先进芯片所需的大规模投资的资本成本。米达提案的催化剂是单位性能硬件成本下降与云服务定价顽固高企之间的日益分歧。这一差距已成为将AI应用扩展到最大科技集团之外的主要瓶颈。

数据 — 数字显示了什么

当前市场数据突显了显著的成本压力。训练像GPT-5这样的前沿大型语言模型的成本估计在2.5亿到5亿美元之间，其中超过60%的费用直接归因于计算租赁。在8000个英伟达H100 GPU的集群上进行一小时训练的费用可能超过50万美元。米达的30%成本降低目标将转化为每个主要模型训练运行直接节省7500万到1.5亿美元。

云服务提供商在AI特定计算实例上的利润率估计在45%到60%之间，而通用计算的平均利润率为30%。尽管领先半导体节点的每个晶体管成本同比下降40%，但这一溢价依然存在。标准普尔500信息技术行业的前瞻市盈率为28倍，而云基础设施子行业的前瞻市盈率为32倍，反映出高增长预期。

指标	当前状态	在提议框架下
每petaflop小时有效价格	~$12.50	目标: ~$8.75
云服务提供商AI利润率	45-60%	估计: 30-40%
模型训练成本	2.5亿-5亿美元	潜在节省: 7500万-1.5亿美元

分析 — 对市场/行业/股票的影响

直接的二次影响是对纯云基础设施提供商盈利能力的压力。像亚马逊网络服务（AMZN）、微软Azure（MSFT）和谷歌云（GOOGL）这样的公司越来越多地从高利润AI工作负载中获得收入。30%的价格压缩可能会削减它们的综合运营利润率3-5个百分点，仅对云部门的每股收益预期影响8-12%。SPDR标准普尔软件与服务ETF（XSW）可能会看到估值倍数收缩。

半导体公司，特别是英伟达（NVDA）和超威半导体（AMD），面临复杂的结果。降低终端用户成本可能刺激更大规模的需求，可能抵消客户的任何利润压力。然而，这也可能加速替代低成本架构的采用。对此分析的一个关键风险是，云服务提供商可能通过捆绑服务或创建新的高端层来抵制结构性变化，从而维持每用户收入。

来自期权市场的定位数据显示，云暴露ETF的看跌期权购买增加。对冲基金资金流表明，出现了一种新兴的多空交易：看好半导体设备制造商如应用材料（AMAT）以预期的需求增长，而对超大规模云运营商持空头头寸以应对利润压缩的担忧。这一交易取决于提议定价模型的采用速度。

前景 — 接下来要关注什么

下一个主要催化剂是2026年第二季度财报季将于7月中旬开始。投资者将仔细审查亚马逊、微软和谷歌对其云定价策略和资本支出计划的评论，以寻找任何对竞争压力的承认。9月17日的FOMC会议至关重要；任何降息信号将降低新数据中心建设的融资成本，从而改变竞争格局。

需要关注的关键水平包括纳斯达克100指数（NDX）在18500的支撑位，这一水平与其200日移动平均线相吻合。持续突破该水平可能会发出对技术估值在利润担忧下进行更广泛重新评级的信号。对于英伟达而言，850美元的每股水平代表了过去两个季度保持的整合区间；向任一方向的决定性突破将表明市场对量与利润辩论的裁决。

常见问题解答

更便宜的AI计算对小型AI初创企业意味着什么？

降低计算成本直接减少了训练竞争模型所需的资本，降低了进入壁垒。一个之前需要5000万美元风险投资的初创企业，可能只需要3500万美元，从而增加可行竞争者的数量。这可能会使AI应用市场分散，并增加并购活动，因为大型公司寻求收购由小团队构建的新架构。

这与历史上数据存储成本的下降相比如何？

这一趋势与2000年至2015年数据存储成本的快速下降相似，当时每千兆字节的成本下降超过99%。这一价格崩溃使社交媒体和视频流等新兴产业得以发展。AI计算成本的类似下降虽然不会如此陡峭，但也可能同样具有变革性，使物流、材料科学和医疗等当前被高价排除的行业实现普遍AI。

实施这一定价计划的最大障碍是什么？

主要障碍是超大规模云服务提供商现有的经济模型，这依赖于高利润、差异化服务来资助庞大的全球基础设施。转向低利润、高容量的模型需要战略和投资者预期的根本转变。除非竞争力量或监管压力（如对云服务实践的反垄断审查）迫使市场结构发生变化，否则很可能会面临重大阻力。

结论

将AI计算成本削减30%将使市场价值从云服务提供商转移到半导体制造商和AI终端用户。

免责声明：本文仅供信息参考，不构成投资建议。CFD交易具有高风险，可能导致资本损失。