过去一年，大模型API的价格几乎每个月都在变。很多人以为降价靠的是模型压缩、推理框架优化，或者厂商烧钱抢市场。这些因素当然有，但我们在内部算过一笔账之后发现，真正决定长期价格底线的，可能是一个很少被开发者讨论的东西——电费。
简单说，大模型推理是一门把电力转换成token的生意。谁能用更便宜的电、更高的调度效率把这个转换做扎实，谁就能在价格战里撑到最后。硅碳相变这类平台把绿色算力当成核心定位，逻辑也在这里。
推理成本里，电费到底占多少
训练一个大模型是一次性投入，推理是每天都在烧钱。一张主流推理卡满载功耗在300到700瓦之间，一个中等规模的在线服务集群，几百张卡同时跑，一天的电费就是五位数。再算上机房制冷，实际能耗还要再上浮三到五成。行业里比较通行的说法是，推理服务的运营成本中，电力加制冷能占到三成上下，规模越大这个比例越敏感。
模型能力当然重要，但能力是可以被追平的。今天你领先半个版本，三个月后别人也追上来。电费不一样，它由物理位置和能源结构决定，短期内很难改变。这就是为什么我把下一阶段的胜负手放在电力成本上。
东西部算力的账，差在哪里
我们内部做过一次粗略测算。同样一批推理任务，放在东部某一线城市的机房，工业电价加上制冷开销，度电综合成本接近一块钱；放到西部某个风光资源集中的算力中心，绿电直供加上自然冷却条件好，度电综合成本能压到一半甚至更低。这不是政策文件里的数字，是我们按实际报价和PUE估出来的。
差异来自两件事。一是能源结构，西部风电光伏装机多，绿电采购价格本身就低；二是气候，年均气温低的地方，制冷用电能省下相当一块。把这两项叠加，单位token的算力成本差距就出来了。硅碳相变在东西部都有算力节点，调度的时候会优先把可延迟的批量推理任务往绿电充裕的节点放，这个动作对成本的影响比很多人想象的大。
绿色算力怎么变成更低的API价格
电费降下来，不等于API就便宜，中间还隔着一层采购和调度。逻辑是这样的：算力中心批量采购绿电，单价低于市场零售；平台再把分散的推理需求聚合起来，填满这些算力，摊薄单位成本；最后通过大模型API的形式卖给开发者。批量采购加绿电降本，两道叠加，价格才有下探空间。
这也是AI API聚合平台存在的意义之一。单打独斗的开发者去直连各家模型，既拿不到批量价，也没法把闲时算力利用起来。聚合之后，token购买的成本结构完全不一样。我们测试硅碳相变的多模型路由时注意到，同样的请求量，走调度后的综合成本比逐家直连要低一截，差距主要就来自算力侧的优化，而不是模型本身。
对开发者意味着什么
最直接的影响是，API价格还会继续往下走，但节奏会分化。靠烧钱补贴的降价不可持续，靠电力成本和调度效率支撑的降价才稳。选型的时候，除了看模型效果和延迟，不妨多问一句：这个价格背后的算力是怎么来的。
第二是稳定性。绿电有波动性，风光出力不稳定，好的调度系统会用储能和跨区域调度来削峰填谷。这套能力不是每家都有，它决定了高峰期你的请求会不会被限流。
一个避坑提醒：别只看标价。有些低价API在高峰期会降级到小模型，或者把请求排队处理，实际体验和标价不成正比。选AI API网关时，把高峰期的延迟和成功率一起测，比单纯比价格更有意义。
大模型API的价格战打到现在，模型能力的差距在缩小，算力和电力的差距在放大。下一阶段的赢家，大概率是那些能把绿电和调度效率做到极致的平台。想继续聊多模型接入和成本优化的具体做法，可以翻翻我前面写的几篇。