2026.09.24 | AC | LLM | LLM Price War: Labs vs Inference Clouds

摘要

1. 价格战中，独立模型公司与推理云谁先出清；
2. 同一开源模型下，原厂与托管方的成本差距从何而来；
3. 独立推理云的盈利空间由什么决定；
4. 授权、自建与低价模型如何挤压托管方的利润空间；
5. 海外托管方的合规溢价能否抵御闭源降价。

> 价格战先出清的是托管开源模型卖Token的独立推理云。同一个开源模型，原厂凭集中的流量与早锁定的算力压低成本；托管方只在原厂产能不足时有利润，授权收费、原厂自建与低价轻量模型正在收走这块利润。硅基流动的公有云业务首当其冲。

9月22日，Anthropic与OpenAI在90分钟内先后发布了低价新模型。8月中旬，DeepSeek则把V4-Pro高峰时段的输出价由促销期的6元上调至27元（每百万Token），而这款模型的原价为24元。海外在降价，国内旗舰在涨价，同一轮价格战朝两个方向进行。夹在中间的，是一批自己不训练模型、专门托管开源模型卖Token的平台。它们的披露文件，记录了这轮价格战的另一面。

一、训练门槛只决定谁能入场，价格战拼的是每个Token的毛利

本文要回答的问题是：价格战先淘汰独立模型公司，还是独立推理云。独立模型公司指智谱、MiniMax、月之暗面、DeepSeek这类自己训练基础模型、独立于大型云厂之外的公司；独立推理云指托管他人开源权重、按Token收费、自身不训练基础模型的平台，国内以硅基流动、派欧云为代表，海外以Fireworks、Together为代表。两类公司都在卖Token，区别在于前者卖自己的模型，后者卖别人的模型。

训练是一次性投入，价格战直接压缩的是每个Token的毛利。训练算力属于固定成本，主要由股权资本承担；售价下降时，首先变化的是售价减去单位推理成本之后的毛利。资本仍在为训练买单：据媒体报道，月之暗面半年内融资约39亿美元，DeepSeek新一轮拟融资约500亿元；智谱7月配售所得款项净额约313.75亿港元（港交所公告）。只要融资渠道畅通，训练投入就由资本市场承担，价格战的压力则落在推理毛利上。笔者认为，训练门槛已经完成对模型公司的筛选，价格战的胜负随之转到推理端：单位推理成本低的一方，才能在降价中保住毛利。

推理毛利的正负，已经把两类公司分开。模型原厂一侧，智谱云端部署业务的毛利率由2025年上半年的-0.4%升至2026年上半年的24.6%；据The Information报道，DeepSeek今年1至7月收入约4.75亿元，出售V4 API的毛利率在80%之上（公司未予披露）。独立推理云一侧，硅基流动公有云服务的毛利率2024年为-271.6%、2025年为-119.0%，综合毛利率由2023年的83.3%降至2025年的-24.0%（招股书）；派欧云的AI云计算服务2025年仍为毛损，综合毛利率由2023年的17.7%降至9.4%（招股书）。先例在2025年就已出现：潞晨科技当年3月停止了DeepSeek的API转售，其创始人当时公开测算，按官方价格供给满血版R1、日输出1000亿Token时，每月亏损约4亿元。同样卖Token，毛利的正负取决于卖方是否握有模型与产能。这给出了本文问题的初步答案：在推理毛利上，模型原厂已经转正，托管方仍在亏损。

旗舰模型的价格，由推理产能决定。DeepSeek在4月发布V4时说明，Pro版受高端算力所限、服务吞吐有限，待下半年昇腾950超节点批量上市后价格还将大幅下调。实际走向与这一预告相反：8月13日，DeepSeek以合理调配资源为由宣布改行峰谷定价，8月17日起生效，V4-Pro高峰时段输出价27元、空闲时段13.5元。国内旗舰上调、Flash档（各家的轻量模型）下调、海外闭源下调，三个方向同时出现，共同点是价格都由各家手中的推理产能与成本决定。所以，判断谁先出清，需要先把每个Token的成本拆开，看同一个模型由原厂和托管方分别来卖，成本差在哪里。

二、卖同一个开源模型，原厂靠流量集中与早锁定的算力压低成本

开源权重把架构上的效率分给了所有托管方。DeepSeek-V4技术报告显示，在百万Token上下文下，V4-Pro的单Token推理算力约为V3.2的27%，KV缓存约为10%；V4-Flash分别约为10%和7%。V4以MIT协议开源，任何托管V4权重的平台都能继承这部分效率。这意味着，在模型效率上，托管方与原厂处在同一起点；两者的成本差只能来自权重之外的两项，即缓存命中率与算力的购入价格。

智能体任务让缓存成为推理成本的主要部分。智能体任务会反复发送相同的系统提示与工具定义，这部分输入命中缓存后按命中价计费，命中价约为正常输入价的1/30到1/5。Anthropic在9月22日发布Opus 5.5时说明，缓存读取占智能体与编程任务成本的大部分；这次调价中，它把输入与输出价格各下调20%，把缓存读取价由每百万Token 0.50美元降至0.20美元，降幅60%。缓存能否命中，取决于同一模型的流量是否集中：命中率随同一段前缀的请求次数上升。DeepSeek在2025年3月披露，其24小时内6080亿个输入Token中有56.3%命中硬盘KV缓存。笔者判断，原厂的自营接口承接了自有模型的主要流量，可复用的前缀集中在原厂一侧；托管方分到的是分散的流量，命中率随之受限。

各家的缓存计价，已经拉开了有效输入单价。V4-Pro官方的命中价约为未命中价的1/30，硅基流动托管同一权重时约为1/11，Kimi K3官方为1/10，豆包2.1 Pro为1/5（各家官网）。粗略计算，在90%的命中率下，DeepSeek官方的有效输入单价约为未命中价的13.0%，硅基流动约为18.1%。缓存也在成为定价的重点：DeepSeek在8月调价中涨幅居首的正是缓存命中价，V4-Pro高峰时段由0.025元升至0.30元，说明存储已成为推理的关键成本项。在缓存这一项上，成本优势落在流量集中的原厂一侧。

算力的购入时点决定成本基数。2026年推理硬件普遍涨价，路透9月10日援引知情人士称，昇腾950DT的意向报价两个月内上涨20%到50%，910C由约9万元升至11万元以上。早期锁定产能的原厂与云厂，持有的是涨价前的成本基数；按现货租用算力的托管方，则直接承担涨价。硅基流动的数据反映了这一点：2025年其销售成本增长1441.6%，同期收入增长653.2%，招股书将成本增长主要归因于公有云扩张带来的算力资源成本；其前五大供应商占当年采购额的70.8%。

云厂在紧缺期优先保障自营业务，托管方处在算力供给的末端。云厂同时经营算力出租与自营模型服务。算力紧缺时，同一张卡用于自营Token业务，可以同时获得算力与模型服务两层收入，对外出租的优先级随之后移；腾讯云年内两次宣布上调模型价格，也说明紧缺期的定价主动权在云厂一侧。笔者判断，向外部租用算力的托管方，在紧缺期既要承担涨价，也要承担供给的不确定。缓存与算力两项成本都偏向原厂与云厂，这使得独立推理云的利润只能来自原厂产能不足的地方。

三、独立推理云只在原厂产能不足时赚钱

推理效率的领先停留在吞吐指标上，售价由原厂决定。派欧云招股书称，在相同模型条件下，其平台吞吐量较主流推理框架SGLang提升300%，但AI云业务2025年仍为毛损。症结在售价。DeepSeek在4月26日至8月16日按原价的四分之一出售V4-Pro，官方输出价为0.87美元（每百万Token）；同期Azure、Fireworks、Together等托管方的标价维持在原价3.48美元（modelcompare.dev），硅基流动上线时的标价也是3.48美元。原厂降价时，托管方受成本约束维持原价，成交只能来自原厂服务之外的需求。

硅基流动用补贴换规模，调用量增长放大了毛损。硅基流动招股书称，公司在商业化早期优先考虑市场占有率与用户获取，并提示未来可能继续录得毛损。2025年其销售及营销开支为8374万元，相当于收入的151.4%，其中5421.3万元、占比64.7%用于发放免费的词元代金券（招股书）。据科创板日报报道，硅基流动在国内全部Token供应商中的份额约1.5%，列第四，前三为火山引擎、阿里云与百度智能云。作为规模最大的独立第三方平台，它的份额与亏损说明，国内独立推理云缺少靠规模摊薄成本的空间。

原厂产能不足之处，托管方才有定价空间。月之暗面的K3为2.8万亿参数模型。笔者在9月12日报告中提到，K3单Token激活参数约为上一代的3.25倍，对推理算力的消耗明显上升。K3发布后共有13家服务商提供服务，月之暗面官方端点每秒输出约39.6个Token，服务商中位数约为77个（Artificial Analysis，截至9月6日）；7月19日，月之暗面以“过去48小时需求逼近算力上限”为由暂停订阅。官方端点慢、订阅暂停，托管方才有了成交与定价的空间。DeepSeek的峰谷定价把同样的逻辑写进了价目表：改价后V4-Pro的高峰输出价为3.96美元、空闲时段为1.98美元（The Information），硅基流动当前3.135美元的标价恰好落在两者之间。托管方的定价空间，只在原厂的高峰时段打开。

价值链中间层的压缩，在2026年下半年首先落在Token转售上。笔者在4月29日报告中判断，价值向模型与应用、硅片两端集中，通用算力租赁这一中间层被压缩。调用量本身仍在高速增长，豆包6月日均Token调用量已达180万亿（火山引擎）；但IDC数据显示，2025年上半年国内公有云大模型调用量中，火山引擎、阿里云与百度智能云分别占49.2%、27.0%和17.0%，合计约93%，该口径只统计云厂商对外部客户的服务，不含各家自有业务。需求在增长，增量主要流向握有模型与产能的平台。独立推理云能分到多少，取决于原厂补齐产能的速度。

四、授权收费、原厂自建与低价轻量模型，正在收走托管方的利润空间

授权条款把大额转售收入收归原厂。K3的许可在MIT协议基础上增设了商业条款：被许可方做MaaS转售、12个月累计收入超过2000万美元，须另签协议；千问3.8-Max采用同样结构，门槛为5000万美元（各模型许可协议）。DigitalOcean已与月之暗面签署商业协议，中软国际在7月20日的监管申报中披露了Token收入分成协议。笔者在9月3日报告中指出，授权分成是月之暗面收入结构里独有的一层。对托管方而言，这层分成随转售规模增长：转售做大之后，新增收入要与原厂分成，靠规模摊薄成本的路径随之收窄。

原厂在用融资补产能，托管方随之失去一类大客户。智谱的算力策略在一年内发生了转向。2025年其资本开支约7470万元，较2024年的4.62亿元下降83.8%，算力以服务采购为主；2026年上半年资本开支回升至3.91亿元，并以3.60亿元收购北京红钻、以2.92亿元收购中科加禾60%股权，GLM-5.3-Flash的线上推理运行在逾10万张国产芯片上。笔者在9月1日的智谱2026中期业绩分析中判断，轻资产算力模式在紧缺周期中处于被动，公司已转向自建。采购转向自建，意味着第三方算力与推理服务商少了一类大客户；原厂每补上一块产能，托管方可承接的外溢需求就相应收缩一块。

Flash档的地板价，由拥有自有产能的原厂设定。8月26日晚，智谱GLM-5.3-Flash与千问3.8-Flash同时发布：前者定价为GLM-5.2的十分之一，每百万Token输入0.8元、输出2.8元；后者在发布不足24小时后再降至输入0.8元、输出2.7元（21世纪经济报道），距DeepSeek新价生效仅九天。低价迅速转化为调用量：Vercel于9月17日发布的AI网关月度指数显示，GLM-5.3-Flash在该网关上线五天后，日调用量已达GLM-5.2的三倍，到8月31日已承担智谱在该网关约三分之二的Token量。原厂以自有的国产芯片集群承接轻量档流量，托管同一权重的平台只能接受原厂定下的价格上限。授权、产能与价格三条路径同时推进，国内托管方的利润空间正在收窄。

五、海外同业靠数据合规维持溢价，这层溢价正被闭源降价压缩

海外推理云的增长，建立在数据合规形成的准入门槛上。Fireworks在7月以175亿美元估值融资约15.1亿美元，年化收入超过10亿美元（路透）。Vercel的AI网关数据显示，开源权重模型承担的Token量占比由2025年12月的7%升至2026年8月的56%，支出份额只有14%。Token份额高、支出份额低，说明开源模型在海外以低单价大量成交。托管方在这种环境下仍能快速增长，笔者推测原因在于准入：数据保护与数据驻留要求，使美国企业倾向于经本土托管方调用中国开源模型，海外托管方面对的定价上限因此来自闭源厂商，V4-Pro的原价也在海外平台上得以维持。笔者在6月26日报告中分析，海外“闭源模型×云大厂”的前提在中国缺位；同一门转售生意，在两个市场的毛利因此分化。

闭源头部的降价，对准的是开源模型拿走的Token份额。OpenAI在7月30日把GPT-5.6 Luna的价格下调80%，至每百万Token输入0.20美元、输出1.20美元；9月22日发布的GPT-6 Luna再降至0.10美元与0.50美元，GPT-6 Sol为2美元与10美元。Anthropic同日发布的Opus 5.5标价为输入4美元、输出20美元，较Opus 5下调20%，公司称典型负载下的使用成本约降40%。开源权重的Token份额在八个月内由7%升至56%，闭源厂商的降价恰在此时密集出现。笔者判断，这一轮降价针对的是被开源模型拿走的用量，小模型的价格正被压向开源托管价；Vercel网关8月的Token平均单价下降23.2%，为连续第三个月下降。海外托管方来自准入门槛的价差，随之收窄。

海外独立推理平台多以被收编告终，留下的独立价值在路由与计费。英伟达在2024年至2025年先后收购OctoAI与Lepton，并于2025年12月以约200亿美元取得Groq的技术授权与核心团队；Cloudflare收购了Replicate；Stripe在8月以逾70亿美元收购模型路由平台OpenRouter。收购方看重的是推理软件、开发者流量与计费路由。国内的硅基流动，阿里巴巴与华为分别持股7.42%与4.07%。海外同业尚有准入门槛作缓冲，国内缺少这道缓冲，转售层的出清会先在国内发生。

六、受损集中在Token转售，受益的是握有产能的原厂、云厂与国产推理芯片

硅基流动与派欧云的调用量增长，放大的是毛损业务。硅基流动预计在2026年底前满足港股18C章“已商业化”的收入门槛，即最近一个会计年度收入达到2.5亿港元，按当前汇率约合人民币2.16亿元；据此推算，其2026年收入需增长约293%。增量若主要来自公有云，毛损将同步扩大。其价值主要落在本地部署推理引擎上：这部分业务的毛利率为82.5%（招股书），运行在昇腾、沐曦、摩尔线程等国产平台上，由客户承担算力成本，性质接近推理软件的授权，受价格战的直接冲击有限。派欧云的AI云收入2025年增至1.19亿元，综合毛利率却降至9.4%，最大客户贡献30.0%的收入（招股书），AI云业务的盈亏取决于原厂定价何时松动。

上市算力服务商，须把自有产能租赁与Token转售分开评估。紧缺期里，持有GPU资产的智算服务受益于供给偏紧：并行科技上半年智算服务收入6.47亿元，同比增长144.5%；七牛智能上半年收益增长8.3%，增量主要来自AI云，经调整EBITDA转正。同一家公司内部，自有产能租赁在涨价中受益，Token转售则承受上游涨价与原厂定价的双重挤压。评估这类公司的关键，是Token转售在收入中的占比，以及GPU资产的购入时点。

模型原厂之间也会分化，依据是自有产能与海外敞口。智谱的云端毛利率，将在Flash档放量、国产芯片集群全面承接之后接受检验。MiniMax上半年毛利率为17.9%，海外收入约占六成，9月的闭源降价直接作用于其海外API定价。月之暗面通过许可分成向托管方收费，DeepSeek则以峰谷价配给自有产能。原厂之间的差距，将随各自补产能的进度拉开；这种分化发生在原厂内部，托管方先于原厂出清的排序维持不变。

云厂与国产推理芯片，承接原厂补产能的需求。火山引擎、阿里巴巴、腾讯与百度掌握流量与算力利用率，阿里巴巴同时拥有千问、百炼平台与对硅基流动的持股。原厂自建产能的一部分落在国产芯片上：GLM-5.3-Flash运行在逾10万张国产芯片上，DeepSeek-V4已适配昇腾平台，昇腾报价的上涨说明这部分需求正在兑现；上市公司中，寒武纪与海光信息的推理卡业务处在同一条需求链上。

七、出清节奏看三组信号：原厂高峰价、授权与自建进度、托管方毛利

第一组信号是原厂的高峰价。DeepSeek曾把V4-Pro的降价与昇腾950超节点批量上市挂钩，华为计划在四季度推出Atlas 950超节点。笔者预计，高峰价的回落将出现在国产超节点规模交付之后，时间在2026年四季度到2027年上半年，届时托管方最后的定价空间随之收窄。短期内若硅基流动的公有云毛利率改善，与本文判断一致，反映的是8月之后原厂高峰价打开的空间。

第二组信号是授权与自建的进度。需要跟踪Kimi Code会员候补名单何时开放、K3服务商之间的速度与价格离散度、中软国际式交易对手方的分成披露，以及智谱的资本开支与预付算力款。前两项反映原厂产能缺口的大小，后两项反映原厂收回利润的速度。

第三组信号是转售毛利本身。硅基流动与派欧云在上市审核阶段更新的2026年上半年分部毛利率、公有云收入占比与代金券支出，是直接的读数。本文的判断在四种情形下需要修正：原厂持续降价时，托管方的公有云毛利率仍然转正；原厂以长期合同把服务产能外包给托管方，并放缓自建；GPU租金大幅回落，托管方成本下降的速度超过Token售价的降幅；许可门槛放宽。

上行风险：算力短缺延续，会推迟出清。若H200对华供货继续搁置、HBM约束延续，原厂的产能缺口将维持，托管方的定价空间随之保留。硅基流动2026年累计融资近29亿元，投资方包括中国互联网投资基金、国新基金与中国移动链长基金，叠加阿里巴巴、华为等战略股东的支持，托管方的经营窗口会被拉长，也有时间向本地部署的推理软件转型。

下行风险：国产超节点放量，会加速出清并波及原厂。国产超节点规模交付后，旗舰模型的价格战可能重启，托管方的定价空间随之消失，原厂毛利也将同时承压；海外闭源厂商继续下调小模型价格，会压缩中国模型公司的海外API收入。在这一情形下，出清的先后顺序维持不变：托管方先退出，原厂的毛利随后承压。

以上内容不构成任何投资建议，请风险自担。