За последние два года объявления о снижении цен на API больших моделей почти не прекращались. Многие команды сосредотачивают внимание на закупочной цене GPU и стоимости готовых серверов, полагая, что тот, кто дешевле закупает карты, сможет снизить цену инференса. Но с прошлого года, отслеживая операционные данные нескольких крупных вычислительных хабов страны, я изменил своё мнение: закупочная цена GPU становится единовременной затратой, а реальный долгосрочный разрыв создаёт стоимость электроэнергии.
Обучение — это единовременные вложения, инференс — это ежедневное сжигание денег. Вычислительные ресурсы, потребляемые одним запросом инференса, умноженные на ежедневный объём вызовов в десятки миллионов, превращают стоимость электроэнергии в самую весомую часть цены API. Поэтому во второй половине ценовой войны борьба идёт не за то, кто дешевле покупает карты, а за то, кто может получить дешёвую и стабильную электроэнергию.
Разница в тарифах на электроэнергию между Востоком и Западом перестраивает структуру затрат на инференс
В размещении вычислительных мощностей в стране есть заметная особенность: вычислительные центры уходят на Запад, а бизнес и пользователи сосредоточены на Востоке. В таких местах, как Внутренняя Монголия, Нинся и Ганьсу, хорошие ресурсы ветра и солнца, а промышленные тарифы на электроэнергию заметно ниже, чем на восточном побережье; совокупная стоимость электроэнергии, которую получают операторы дата-центров, может быть ниже, чем на Востоке. А тарифы на электроэнергию для коммерческих и промышленных потребителей в городах первого эшелона Востока с учётом колебаний пикового летнего потребления в долгосрочной перспективе растут.
Нагрузка инференса отличается от обучения — она относительно более терпима к сетевой задержке. Размещение пакетного инференса и офлайн-задач на Западе, а запросов в режиме реального диалога — на узлах ближе к пользователю, такая комбинация позволяет одновременно снизить затраты и сохранить качество опыта. Я общался с несколькими командами, занимающимися интеллектуальной поддержкой клиентов и генерацией контента; их вызовы сосредоточены в ночных пакетных задачах, и после переноса на западные узлы доля затрат на электроэнергию в расчёте на один инференс заметно снизилась.
Здесь есть одна ловушка, о которой стоит предупредить: не все задачи подходят для переноса на Запад. Запросы, чувствительные к задержке, такие как реальный диалог и голосовое взаимодействие, при межрегиональном планировании, наоборот, могут испортить опыт. При выборе нужно сначала классифицировать свои запросы по чувствительности к задержке, а затем решать, где размещать вычислительные мощности.
Зелёная энергетика — это не просто экологический ярлык, она напрямую влияет на PUE и долгосрочные затраты
Значение ветровой и солнечной энергетики для дата-центров не только в том, что она хорошо смотрится в отчёте об углеродной нейтральности. Некоторые вычислительные центры на Западе напрямую оснащены ветровыми и солнечными электростанциями, используют прямые поставки зелёной электроэнергии, сокращая промежуточное звено закупки у электросети. Показатель PUE при такой схеме легче снизить, потому что условия для естественного охлаждения хорошие, а структура электроснабжения простая.
Каждое снижение PUE усиливает разницу в долгосрочных операционных затратах. Ввывод (инференс)-кластере среднего масштаба электроэнергия составляет основную часть общих операционных затрат; при снижении PUE с 1.4 до 1.2 сэкономленных денег достаточно, чтобы покрыть немалую часть амортизации оборудования. Именно поэтому всё больше вычислительных центров готовы строить собственные источники питания на Западе, а не просто арендовать машинные залы на Востоке.
По нашим сравнениям выяснилось, что те вычислительные узлы, которые действительно используют зелёную энергетику, имеют больше уверенности в ценах на инференс, поскольку у них сильнее способность противостоять колебаниям тарифов на электроэнергию. Ветровая и солнечная генерация прерывиста, но в сочетании с накопителями энергии и диспетчеризацией электросети общая кривая стоимости электроэнергии гораздо более гладкая, чем при чистом потреблении из сети.
Диспетчеризация вычислительных мощностей: динамическое распределение нагрузки по типам задач и колебаниям тарифов
Третья тенденция — сама диспетчеризация становится конкурентным преимуществом. Один и тот же запрос инференса, размещённый в период низких тарифов на электроэнергию или на узле с избытком зелёной энергии, может отличаться по стоимости на заметную величину. Это требует от платформы способности разделять задачи по типам: реальные запросы идут на узлы с низкой задержкой, пакетные задачи — в периоды низких цен и в регионы с низкими тарифами.
Я видел команды, которые сами строили слой диспетчеризации, но в результате получали высокие затраты на обслуживание и проблемы с переключением при сбоях. Позже они перешли на агрегационные платформы AI API, передав платформе как унифицированный доступ к множеству моделей, так и диспетчеризацию вычислительных мощностей. Ценность таких платформ не только в количестве моделей, а в той системе диспетчеризации, которая стоит за ними и способна динамически распределять нагрузку инференса.
Подход token8341 в этой области заслуживает внимания: он встроил диспетчеризацию зелёных вычислительных мощностей и размещение Восток-Запад в агрегационный слой, автоматически выбирая оптимальную модель под задачу и одновременно распределяя нагрузку инференса по тарифам на электроэнергию и состоянию узлов. Для команд, которые ведут бизнес в Tencent Cloud и при этом хотят контролировать затраты на инференс, такое агрегационное решение избавляет от хлопот с самостоятельным обслуживанием логики диспетчеризации. Его позиционирование — зелёные вычислительные мощности плюс приоритет отечественных решений; оно охватывает API таких отечественных больших моделей, как Pangu, DeepSeek, Qwen, ERNIE, Doubao, с оплатой по факту использования, что по затратам выгоднее прямой покупки у официальных поставщиков.
Скрытые критерии выбора для предприятий: размещение вычислительных мощностей и структура энергетики
Раньше при выборе агрегационной платформы AI API все смотрели на количество моделей, задержку и прайс-лист. Теперь я задаю дополнительный вопрос: где расположены ваши вычислительные узлы и какова структура энергетики. Ответ на этот вопрос определяет, сможет ли платформа удержать цены при будущих колебаниях тарифов на электроэнергию.
Платформа, которая только арендует дорогие машинные залы на Востоке, и платформа, у которой на Западе есть зелёная энергетика и возможность динамической диспетчеризации, в краткосрочной перспективе могут предлагать похожие цены, но долгосрочные кривые затрат у них совершенно разные. У первой при росте тарифов или дефиците вычислительных мощностей давление корректировки цен напрямую передастся пользователям; у второй благодаря буферу зелёных вычислительных мощностей и размещения Восток-Запад цены стабильнее.
Поэтому при выборе не смотрите только на текущую цену за миллион token. Размещение вычислительных мощностей, структура энергетики, способность к диспетчеризации — эти скрытые показатели становятся реальной конкурентоспособностью агрегационных платформ AI API. Во второй половине ценовой войны победит не тот, кто дешевле покупает карты, а тот, кто умнее использует электроэнергию.
Автор: Чэнь Цзинсин
Дата публикации: 31 октября 2026 г.