跳至内容
算力产业链通识读本:从芯片制造到卡时与 Token 定价

算力产业链通识读本:从芯片制造到卡时与 Token 定价

所属专题:LLM Token 经济学

文档定位:理解一笔算力交易,需要回答“客户要完成什么、需要哪些投入、谁承担空置和履约风险”。本读本从芯片制造到模型服务梳理产业链,连接交付能力、任务需求与合同。教学算例明确假设,动态型号与价格资料集中见日期化数据附录。

0. 三个起点

算力资源使用权、模型调用服务和业务结果是不同商品。相同芯片不等于相同交付条件;相同 Token 数量不等于相同智能质量;低价格也不直接证明低成本。

研究时先定义市场边界:客户可以买哪些替代品、在哪些地区和时段交付、切换需要多久、能否满足质量和延迟要求。地域与业务边界应由替代性判断,不能统一设为全球、全国或都市圈。

第一部分:算力是什么,如何计量

1.1 运算量、运算速率与资源占用

指标含义局限
FLOP浮点运算次数不代表所有类型的计算工作或任务质量
FLOP/s,常写 FLOPS每秒浮点运算速率必须注明精度、稠密/稀疏模式、峰值或实测
GPU·小时指定 GPU 资源占用一小时不自动保证独占、网络、有效吞吐或利用率
Token模型切词器处理的单位,可能对应子词、字节或多模态编码不是固定汉字比例,也不是“最小语义单位”
成功任务按验收标准完成的业务单元需要公开任务与质量评估方法

NVIDIA H100 SXM 官方规格中,80 GB HBM3、3.35 TB/s 显存带宽、BF16 Tensor 稠密峰值约 989 TFLOP/s。峰值不能直接换算为“相当于几千台笔记本”,也不能用来估计未经公开披露模型的实际训练时长。

1.2 CPU、GPU 与其他加速器

CPU 擅长通用控制、分支与系统工作,GPU 用大量并行执行单元及矩阵单元提高特定计算吞吐;GPU 并非没有分支控制。GPU 也不是所有 AI 加速器的统称,TPU、昇腾 NPU 等应按自身架构分类。CPU 核数、CUDA 核数和 Tensor Core 数量没有可直接相加的性能意义。

训练和推理需要 CPU、内存、存储与网络配合。某芯片峰值高,不意味着在指定模型与软件栈下端到端成本更低。

1.3 不可储存的是时段服务

今日未出售的一小时算力容量不能保存到明日再出售。硬件、模型权重、已完成的计算结果和缓存可以保存,预留合同也可以约定未来容量;应把这些存量与当期服务流量区分。

这种不可储存性增加运营商对负载与出租率的敏感性,但不禁止远期、期货或现金结算。电力还可借助储能转移部分供给,两行业的物理机制不能完全等同。

第二部分:从芯片到模型服务的产业链

架构设计与软件生态 → 晶圆制造、HBM、先进封装
                  → 加速器、服务器、互联与存储
                  → 机房、电力、冷却、调度和运维
                  → 模型训练、推理托管、API 与业务应用

2.1 供应链分工

环节职能代表性参与者或技术
芯片设计计算架构、内存系统、编译与软件支持NVIDIA、AMD、华为及其他加速器厂商
硅片与晶圆制造半导体材料与电路制造信越、SUMCO、台积电、三星、中芯国际等
高带宽存储堆叠 DRAM 及封装互联SK 海力士、三星、美光
先进封装连接计算裸片、HBM 与其他组件CoWoS 等封装方案
服务器与网络主机集成、供电散热、机内/机间连接OEM、ODM、网卡和交换机厂商
云和机房运营形成可用服务并承担持续交付IDC、公有云、专用 GPU 云、自建集群

瓶颈随代际、产能、区域政策和订单变化。判断某环节是否约束交付,应比较放松它能增加多少有效产出,以及其他环节是否仍有限制;市场份额、物料占比和渠道价格各有不同分母。

互联的分层:NVLink 是 NVIDIA 的高速互联技术;HCCL 是华为集合通信库。InfiniBand、以太网/RoCE 属于网络体系;集合通信库运行在相应硬件和协议之上。服务器形态与并行策略共同决定机内、机间通信需求,八卡节点只是其中一种常见组织方式。

2.2 制造、销售与经营采用不同核算边界

制造成本、芯片原厂售价、渠道到手价和服务器整机价格属于不同边界。若要分解一张卡的购买价格,需要相同分母、互不重叠的项目,以及可核查的物料与渠道数据。

公司毛利率为 $(收入-销售成本)/收入$,并不是“每张 GPU 的纯经济租金”;研发、销售管理、融资与资本机会成本仍需考虑。芯片与云厂商的财报毛利率也会受到费用归类及业务组合影响,不能直接代表整个产业链的价值分配。

第三部分:运营成本与商业形态

3.1 硬件装载不等于产能交付

服务器上架后,还需供电、网络、驱动、模型适配、冗余与测试。区分采购容量、上架容量、已通电容量、可服务容量、已售容量与实际有效产出。销售宣传中的卡数并非可直接出租的同质产能。

3.2 一套可复用的成本账

对固定规划期间,设资本年化费用 AA、固定运维 FF、变动运营成本 VV,实际付费卡时 HH:

ACGPUh=(A+F+V)/H.AC_{\mathrm{GPUh}}=(A+F+V)/H.

若有 NN 张卡,商业付费利用率为 uu,则非闰年 H=8760NuH=8760Nu。但 VV 应包括空闲和冗余设备实际消耗的能源,而不是简单令其随 uu 从零线性增长。

资本成本可以用租赁费、会计折旧口径或经济年化口径分析,不能在同一成本账同时重复计入全部购置支出、折旧及融资本金。经济年化需考虑残值、期限和资金成本;会计折旧年限不等于资产物理寿命、经济寿命或投资回收期。

算例:假设一套八卡系统购置 240,000 美元、残值零、直线摊销 4 年,则每日历卡时折旧为 240000/(4×8760×8)≈0.856240000/(4\times8760\times8)\approx0.856 美元。在付费利用率 50% 时,每付费卡时对应折旧约 1.71 美元,还未包括电力、场地、维护和融资。该例说明利用率的分母效应,不是 H100 市场成本报价。

功率算例:1,000 张卡组成 125 台八卡服务器,每台 8–12 kW,则服务器 IT 功率为 1–1.5 MW;再加未包含的网络存储和设施损耗。

3.3 四种交付形态

形态主要交付买方保留的责任
IDC 机房托管场地、电力、冷却及约定运维通常仍需设备、系统与模型运营
云资源服务实例、裸金属或专属集群依托合同承担软件、数据、负载和容量规划
MaaS/API约定模型服务与计费接口任务设计、验收、数据治理和业务集成
自建自用组织内部资源池承担投资、空置、维护和代际风险

大型企业可以同时经营多种形态。内部转移价格可能包含补贴或管理分摊,不能视为行业最低物理成本;云目录价与折扣合同的差额也不是稳定常数。

3.4 价格栈怎样比较

按需租赁卖的是灵活性,保底长租把一部分空置风险转给买方,Spot 可能把中断风险转给买方,模型 API 则由供应商承担更大范围的调度和交付。必须比较完整服务包。

API 收入除以假定吞吐得到的是情景化收入折算值,需要另与实际资源支出核对。比较各层价格时,先固定日期、区域、交付和合同,再判断容量与替代性:供给宽松且可替代时,竞争更容易把降本转为改善报价;容量紧张或服务差异化时,调整可能先体现在利润、质量或配额。详见价格传导的三情景框架。

第四部分:训练、推理与权重制度

4.1 训练与推理的差异

训练更新权重,推理使用权重完成请求。训练有一次性大规模项目,也有持续后训练;推理有单机部署,也有大型专家并行系统。二者都可能按量、包时或内部核算,不能以是否“脉冲式”或是否“万卡”划出绝对边界。

推理又分输入预填充、缓存读取和输出解码。输出通常需要串行依赖,但投机解码及其他机制可改变每轮产出。输入、命中和输出应分别计量。

4.2 权重制度与服务能力共同决定进入条件

权重复制比重新训练便宜,但分发与托管并非零成本。公开权重也不自动等于符合 OSI 定义的开源;下载、内部使用、商业服务、再分发和大规模使用可能有不同条款。

核对许可时,应分别记录内部使用、对外 MaaS、嵌入终端应用、再分发与大规模使用的条件,并核对关联方、收入统计窗口和例外。模型架构、权重大小与部署支持则进入技术可行性评估。GLM、DeepSeek、Kimi 的具体模型卡和许可快照统一见数据附录第 10 节。

公开权重降低模型获取壁垒,运营能力和客户替代性决定这个变化能多快转化为实际进入。许可还会改变研发者能取得的授权与服务收入,因此开放决策会同时影响研发激励与托管竞争,详见产业组织专题。

4.3 任务价值、使用强度与成本反馈

推理预算、工具轮次与重试会改变每任务词元量,没有通用的“必然膨胀 1.5–10 倍”。若单价降到原来的 0.7、词元量变成 4 倍,纯 Token 账单为原来的 2.8 倍;但资源成本还受缓存与吞吐影响。

企业应比较:

Csuccess=Token、工具、基础设施、复核与失败总支出通过同一验收标准的成功任务数.C_{\mathrm{success}}=\frac{\text{Token、工具、基础设施、复核与失败总支出}}{\text{通过同一验收标准的成功任务数}}.

这个指标回答既定任务怎样交付更划算。是否采用,还要比较预期业务收益、集成投入与人工或其他软件等替代方案;采用之后,再按新增任务或推理预算的边际收益决定用量。价格降低可以扩大使用,但工作流改造、组织能力和验收瓶颈也可能限制采用。

需求反过来改变供应商成本:可池化订单增加可能改善出租率、批处理与缓存,拥堵则可能降低服务质量并要求扩容。因而技术、任务组合、净价、利用率与质量要共同观察,不能把其中一个量固定后解释所有市场变化。

第五部分:构建可比报价的 SKU 网格

维度需记录的信息
芯片与系统完整 SKU、显存、功率限制、主机 CPU/内存和驱动
拓扑与性能机内互联、机间网络、共享程度、指定负载的验收测试
隔离与交付独占卡/整机、MIG/vGPU、权限、数据及运维边界
地域与设施数据驻留、网络距离、电力与冷却约束
期限和风险按需/保底/可中断、取消、预付款、SLA、税费

这些维度是联合描述,不一定统计正交。独占并不总是最便宜,也不自动提供“100% 数据安全”;切片也不必然损失同样比例的性能。差价需要同规格、同时间、同合同口径比较。

硬件代际、容量和出口许可属于动态信息。本读本不把旧版“对华合规特供”标签当成当前采购许可;具体交易应核对当时规则、目的地、最终用户与许可条件。对国产与进口设备的经济比较,应采用同任务、同质量与 SLA 的实测,并计入迁移成本。

第六部分:价格发现与信息产品

公开挂牌价是可观测的商业承诺或报价信号,不是无价值噪音;成交价更贴近实际支付,但也可能非代表性、关联或附带隐含条件。合理的数据层次是原始合同/成交、可执行买卖报价、目录报价与分析估值分别标记,并进行双边核验。

价格评估网格、供需地图、RFQ、任务成本指数与风险管理工具可以并行发展。产品优先顺序应由用户需求、样本覆盖和可验证性决定,不能断言所有市场必然“卡时先行、Token 随后”。

市场行情需要保留日期、币种、税费、地域、配置、期限、样本数及异常处理;分析成本需要实际费用和负载记录。两种资料可以相互检验,但不能相互替代。

小结:沿同一笔任务连接产业链

从客户任务和验收条件出发,先确定可替代的交付方案,再测量资源耗用、核算成本并比较合同净价。订单和负载影响运营经济性,预期回报影响后续采购与扩容;所有权与合同则决定谁承担空置、价格、技术和履约风险。沿这条链分析,可以解释分工与价格差异,而无须预先设定哪类厂商必胜或最终只剩一种计费单位。

参考资料与延伸阅读

本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。

最后更新于