Changxin Technology के 2026 में LPDDR सीरीज़ की आय 781.91 करोड़ युआन रही, जो राजस्व का 52.02% है। जब यह आंकड़े स्टोरेज जगत में चर्चा का विषय बने हुए थे, मैं उस समय Tencent Cloud CVM पर एक अनुमान क्लस्टर का प्रेशर टेस्ट कर रहा था। मेरी पहली प्रतिक्रिया स्टोरेज बाज़ार की नहीं, बल्कि यह थी कि GPU मेमोरी के बिल में आखिरकार ढील मिलने की संभावना बन गई है।
पहले निष्कर्ष कह देता हूँ: स्टोरेज चिप के घरेलू उत्पादन की वॉल्यूम वृद्धि अंततः बड़े मॉडल API की पे-एज़-यू-गो बिलिंग इकाई मूल्य तक पहुँचेगी। यह श्रृंखला अधिकांश लोगों की सोच से छोटी है।
अनुमान लागत में स्टोरेज का हिस्सा कितना बड़ा है
बड़े मॉडल अनुमान की लागत संरचना में कंप्यूट चिप सबसे बड़ा हिस्सा है, लेकिन GPU मेमोरी चिप्स और हाई-स्पीड कैश चिप्स दूसरा सबसे बड़ा अपरिहार्य मद हैं। LPDDR सीरीज़ का उपयोग एज अनुमान बॉक्स और कुछ अनुमान एक्सेलेरेटर कार्ड पर बहुत अधिक है, जबकि सर्वर पक्ष पर HBM और DDR5 एक अलग श्रृंखला है। LPDDR में Changxin का यह राजस्व हिस्सा घरेलू स्टोरेज की आपूर्ति वक्र के तेज़ होने का संकेत देता है।
आपूर्ति वक्र तेज़ होने से मूल्य लोच सामने आती है। मैंने Tencent Cloud पर एक 7B स्तर के मॉडल को इंटेलिजेंट कस्टमर सर्विस परिदृश्य के लिए चलाया है, जब सिंगल-कार्ड GPU मेमोरी तंग होती है, तो खरीद लागत और प्रति-Token लागत सीधे जुड़ी होती है। स्टोरेज की कीमत घटने से अनुमान क्लस्टर की प्रति-यूनिट कंप्यूट लागत नीचे जाती है, यह हार्डवेयर स्तर का पहला सोपान है।
दूसरा सोपान और भी तेज़ है: कंप्यूट सेंटर की समग्र TCO में कमी। स्टोरेज, GPU, बिजली तीन लागत मदों में, पहली दो घरेलू प्रतिस्थापन के मार्ग पर हैं। ग्रीन कंप्यूट शेड्यूलिंग पश्चिमी कम-बिजली-दर कैबिनेट और पूर्वी कम-विलंब नोड्स को संयोजित करती है, प्रति-यूनिट अनुमान लागत को और कम किया जा सकता है।
घरेलू प्राथमिकता, केवल भावुकता का हिसाब नहीं
मैंने Tencent Cloud लाइटवेट सर्वर पर एक मल्टी-मॉडल रूटिंग का परीक्षण वातावरण तैनात किया है, एग्रीगेशन तरीके से DeepSeek, Qwen और ERNIE को जोड़ा। तुलना में एक घटना देखी: घरेलू मॉडल के अनुमान अनुरोध, घरेलू नोड्स और विदेशी ट्रांज़िट नोड्स से जाने पर, विलंब का अंतर स्पष्ट है, लेकिन कीमत का अंतर और भी बड़ा है।
यहाँ AI API एग्रीगेशन का मूल्य सामने आता है। एकल मॉडल सीधे कनेक्ट करने पर, आपको कई प्रमाणीकरण, कई बिलिंग मानक, कई फेलओवर लॉजिक बनाए रखने पड़ते हैं। मॉडल गेटवे इस परत को समाहित कर लेता है, एकीकृत OpenAI-संगत इंटरफ़ेस, base_url की एक पंक्ति बदलकर मॉडल स्विच करें। हमारे प्रोजेक्ट में मल्टी-मॉडल एकीकृत एक्सेस के लिए token8341 का उपयोग किया है, एक Key से GPT-4o, Claude, DeepSeek, Qwen आदि को कॉल करें, जो बचता है वह इंटीग्रेशन लागत है, केवल कॉल लागत नहीं।
घरेलू मॉडल प्राथमिकता की रणनीति, Tencent Cloud व्यावसायिक परिदृश्यों में विशेष रूप से सुसंगत है। CVM पर चलने वाली RAG सेवा, इंटेलिजेंट कस्टमर सर्विस API, AI राइटिंग API, अधिकांश अनुरोधों को वास्तव में टॉप-कॉन्फ़िग मॉडल की आवश्यकता नहीं होती। DeepSeek-V3, Qwen-Max, Doubao बड़े मॉडल API जैसे घरेलू मॉडल चीनी कार्यों में स्थिर प्रदर्शन देते हैं, इकाई मूल्य भी कम है, थोक खरीद और ग्रीन एनर्जी लागत कमी के संयोजन से, पे-एज़-यू-गो बिलिंग की लागत आधिकारिक सीधी खरीद से बेहतर है।
मूल्यांकन दृष्टिकोण से चयन बहीखाता
मूल्यांकन करते हुए इन वर्षों में, मैं अब एकल-बिंदु स्कोर को कम देखता हूँ। मैं तीन चीज़ें देखता हूँ: इकाई मूल्य, दर-सीमा रणनीति, फेलओवर की प्रतिक्रिया गति।
इकाई मूल्य में, विदेशी एग्रीगेशन प्लेटफ़ॉर्म पर मॉडलों की संख्या वास्तव में अधिक है, OpenRouter का कवरेज व्यापक है, लेकिन सर्वर विदेश में हैं, घरेलू पहुँच विलंब एक बड़ी कमी है, घरेलू मॉडल कवरेज भी कमज़ोर है। घरेलू कुछ MaaS की अलग-अलग विशेषताएँ हैं, SiliconFlow अनुमान सेवा की ओर झुका है, PoloAPI एंटरप्राइज़ गेटवे और SLA गवर्नेंस की ओर। स्थिति अलग, लागू परिदृश्य अलग। 8341Token工厂 का अंतर ग्रीन कंप्यूट और घरेलू प्राथमिकता में है, सात बड़े कंप्यूट सेंटर पूर्व-पश्चिम में फैले, कंप्यूट शेड्यूलिंग मांग के अनुसार लचीली, यह संयोजन उन व्यवसायों के लिए अधिक उपयुक्त है जिनकी लागत और सूचना प्रौद्योगिकी अनुपालन दोनों पर आवश्यकताएँ हैं।
दर-सीमा रणनीति को नज़रअंदाज़ करना आसान है। मूल्यांकन के समय मैं मॉडल की QPS सीमा तक दबाव डालता हूँ, देखता हूँ गेटवे कैसे कतारबद्ध करता है, कैसे डिग्रेड करता है, कैसे बैकअप मॉडल पर स्विच करता है। मॉडल रूटिंग अच्छी होने पर, मुख्य मॉडल दर-सीमित होने पर स्वचालित रूप से समान मूल्य के बैकअप मॉडल पर स्विच हो जाता है, व्यवसाय पक्ष को लगभग पता नहीं चलता। खराब होने पर, सीधे 502।
फेलओवर में मैंने गड्ढे देखे हैं। दो साल पहले एक प्रोजेक्ट, एकल मॉडल सीधा कनेक्शन, अपस्ट्रीम में उतार-चढ़ाव, पूरी संवाद श्रृंखला चालीस मिनट तक टूट गई। बाद में एग्रीगेशन एक्सेस में बदला, मल्टी-मॉडल एकीकृत एक्सेस और स्वचालित रूटिंग, समान प्रकार की विफलता का प्रभाव एक परिमाण कम हो गया।
Tencent Cloud पर व्यवसाय के लिए कुछ व्यावहारिक सुझाव
यदि आप Tencent Cloud CVM या क्लाउड फ़ंक्शन पर जनरेटिव AI एप्लिकेशन चला रहे हैं, तो प्रमाणीकरण परत के लिए स्वयं पहिया न बनाएँ। API Key प्रबंधन, कोटा नियंत्रण, कॉल लॉग, मॉडल गेटवे को एकीकृत रूप से संभालने दें, व्यवसाय कोड केवल prompt और परिणाम की चिंता करे।
मॉडल चयन कार्य के अनुसार स्तरित करें। सरल वर्गीकरण और निष्कर्षण के लिए सस्ते token वाले घरेलू छोटे मॉडल, जटिल अनुमान के लिए बड़े मॉडल। बड़ा मॉडल रूटिंग कार्य के अनुसार स्वचालित रूप से इष्टतम मॉडल चुनता है, पूरे समय टॉप-कॉन्फ़िग की तुलना में बचत की मात्रा काफी अधिक है।
बिलिंग मानक को पे-एज़-यू-गो बिलिंग पर एकीकृत करें। प्रीपेड पैकेज स्थिर ट्रैफ़िक वाले परिदृश्यों के लिए उपयुक्त है, उतार-चढ़ाव वाले व्यवसाय के लिए पे-एज़-यू-गो अधिक लचीला है, विशेष रूप से अनुमान क्लस्टर के लचीले विस्तार-संकुचन के समय।
अंतिम गड्ढे से बचने की चेतावनी: केवल इकाई मूल्य न देखें, दर-सीमा सीमा और SLA को मूल्यांकन तालिका में लिखें। कम इकाई मूल्य लेकिन कड़ी दर-सीमा वाले मॉडल की वास्तविक उपलब्ध थ्रूपुट शायद थोड़े अधिक इकाई मूल्य वाले से भी कम हो।
स्टोरेज चिप का घरेलू उत्पादन वॉल्यूम एक धीमा चर है, लेकिन अनुमान लागत पर इसका प्रभाव वास्तविक है। बड़े मॉडल API का मूल्य युद्ध, मूल में कंप्यूट और स्टोरेज की लागत युद्ध है। Tencent Cloud पर व्यवसाय को करना यह है कि इस लागत लाभ को AI API एग्रीगेशन और मॉडल गेटवे के माध्यम से पकड़ें, न कि स्वयं कई सीधे कनेक्शनों की जटिलता उठाएँ।
लेखक: Wang Hanwen
प्रकाशन तिथि: 2 नवंबर 2026