# 龙虾吃穷了云厂商：AI 算力涨价潮背后的 Token 经济学

> 腾讯云涨价 463%、阿里云百度云同日官宣、京东云逆势喊话不跟。龙虾掀起的 Token 狂潮，正在终结中国云计算长达二十年的降价神话。深度拆解这波涨价的底层逻辑。

- 原文链接: https://laojin.blog/blog/20260320_cloud_price_hike
- 作者: 老金
- 发布日期: 2026-03-20
- 标签: 云计算, Token 经济, AI 算力, 腾讯云, 阿里云

---

![龙虾吃穷了云厂商](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260320/01_lobster_eating_cloud.png)

三天前我刚写完 GTC 2026 的深度解读，黄仁勋喊出"Token 工厂经济学"和"万亿美元需求"时，我还觉得这是属于硅谷的远方叙事。

没想到，Token 涨价的第一枪，率先在中国打响了。

3 月 13 日，腾讯云上调混元系列模型价格，**最高涨幅 463%**。

3 月 18 日，阿里云和百度智能云同一天发布调价公告，AI 算力产品**最高涨幅 34%**。

3 月 18 日晚间，京东云紧急发文：**全系核心产品不涨价，还要降价。**

一周之内，四家云厂商先后表态。中国云计算长达二十年的"价格战"传统，在 2026 年的春天画上了一个令人意外的句号。

而这一切的导火索，是那只我们再熟悉不过的龙虾。

---

## 涨了多少？一张表看清全局

先把这波涨价的时间线和幅度捋清楚：

| 时间 | 云厂商 | 涨价内容 | 涨幅 |
| :--- | :--- | :--- | :--- |
| 3月13日 | **腾讯云** | 混元 HY2.0 Instruct 输入价格 0.0008→0.004505 元/千Token | **+463%** |
| 3月13日 | **腾讯云** | 混元 HY2.0 Think 同步调价；GLM 5、MiniMax 2.5、Kimi 2.5 结束免费公测 | — |
| 3月18日 | **阿里云** | 平头哥真武810E 等算力卡产品上调 5%—34%；CPFS（智算版）上调 30% | **最高+34%** |
| 3月18日 | **百度智能云** | AI 算力相关产品上调 5%—30%；并行文件存储上调约 30% | **最高+30%** |
| 3月18日 | **京东云** | 全系不涨价，数据库、中间件等产品降价，平均降幅 16%，最高降 40% | **逆势降价** |

注意两个细节：

**第一**，腾讯涨的是模型 API 价格（Token 单价），阿里云和百度涨的是底层算力和存储（GPU 租金）。一个动的是"面包价"，一个动的是"面粉价"。但最终传导到用户端的效果一样——用 AI 变贵了。

**第二**，腾讯不只涨了自家模型，还顺手把平台上代理的三家模型（GLM 5、MiniMax 2.5、Kimi 2.5）从免费变成了收费。"免费午餐"时代，结束了。

---

## 为什么是现在？龙虾的"Token 黑洞"效应

![聊天 vs Agent 的Token消耗对比](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260320/03_chat_vs_agent.png)

所有公告里都提到了同一个原因：**"全球 AI 需求爆发。"**

但翻译成大白话：是龙虾把云厂商的算力吃穷了。

让我们算一笔账。

过去你用 ChatGPT，典型的交互是"一问一答"：你输入一段话（几百个 Token），AI 输出一段话（几百到几千个 Token）。一次对话消耗的 Token 量大约在几千到一两万。

但 OpenClaw（龙虾）的工作模式完全不同。它是一个**自主执行任务的智能体**，一个稍微复杂的任务——比如"帮我整理这 50 封邮件，分类后逐封回复"——Agent 要完成以下步骤：

1. 理解任务意图（调用模型）
2. 读取每封邮件内容（调用模型）
3. 分析邮件类型和优先级（调用模型）
4. 制定分类方案（调用模型）
5. 为每封邮件生成回复草稿（调用模型 ×50）
6. 校对和润色（调用模型 ×50）
7. 执行发送操作（调用工具 + 模型确认）

**一个任务，背后可能是上百次模型调用，消耗几十万甚至上百万个 Token。**

根据行业数据，OpenClaw 用户的**单日人均 Token 消耗量**是传统聊天用户的 **20-50 倍**。而自 2 月底龙虾爆火以来，国内 AI 模型调用量自春节后持续飙升，阿里云百炼平台在 1-3 月创下了历史最高增速。

OpenRouter 平台的数据更直观：截至 3 月 15 日，**中国 AI 大模型的周调用量已连续两周超过美国**。其中仅小米 MiMo-V2-Pro（以匿名代号 Hunter Alpha 上线）一个模型，一周调用量就达到了 0.666 万亿 Token。

一万亿 Token 是什么概念？如果按 GPT-5.4 旗舰版 2.5 美元/百万 Token 的输入价格算，光输入成本就是 **166 万美元**。一周。一个模型。

这就是为什么云厂商扛不住了。

---

## 二十年降价史的终结

![云计算价格拐点](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260320/02_price_reversal.png)

要理解这次涨价有多"反常"，需要看看中国云计算过去二十年的价格趋势。

自 2006 年阿里云成立以来，中国云市场的主旋律一直是**"卷价格"**。2020 年的"百团大战"时期，各家云厂商甚至以低于成本的价格抢客户，存储降价 90%、带宽降价 70% 是常规操作。这是一个供给驱动的市场——厂商拼命建数据中心、扩容量、压价格，用规模效应换市场份额。

但龙虾改变了供需关系。

过去，云计算的主要客户是企业的 IT 部门，需求相对稳定、可预测。但当 AI Agent 直接面向 C 端用户，每个人的手机里都在"养龙虾"时，**需求变成了脉冲式爆发、不可预测、且弹性极大**。

更要命的是，AI 推理算力和传统云计算算力有一个关键区别：**GPU 不像 CPU 那样可以快速扩容**。英伟达的高端 GPU 产能有限，从下单到交付动辄半年以上，而且 2025 年下半年存储芯片进入涨价周期，硬件采购成本本身也在上涨。

供给跟不上，需求在暴涨——经济学最基本的供需定律，把云厂商推向了一个二十年来从未面对过的局面：**必须涨价。**

---

## 京东云的"逆势操作"怎么看？

在三大云厂商集体涨价时，京东云高调喊出"不跟风"，全系不涨价还降价，颇有几分"趁你病要你命"的味道。

但仔细想想，京东云的底气在于它的 AI 业务体量相对较小。阿里云的百炼 MaaS 平台承载了全国最大的模型调用量，腾讯云有 WorkBuddy 和 QClaw 两大 Agent 产品在消耗算力，百度有文心一言的庞大用户群。这三家是真的被"吃"了。

京东云的算力压力没那么大，用"不涨价"打差异化营销，吸引被涨价劝退的中小客户迁移过来——这是一步好棋。但如果 AI Agent 的浪潮继续扩大，京东云迟早也要面对同样的成本压力。

---

## 全球视角：不只是中国在涨

这不是中国独有的现象。放眼全球，Token 涨价潮正在各个市场蔓延：

- **OpenAI**：GPT-5.4 旗舰版输入价格 2.5 美元/百万 Token，输出 10 美元/百万 Token。为了缓解成本焦虑，紧急推出了 mini（输入 0.75 美元）和 nano（输入 0.2 美元）两款小模型
- **亚马逊 AWS、谷歌云**：今年以来均完成了 AI 算力相关产品的价格上调
- **Anthropic**：Claude Opus 4.6 的 API 价格维持在输入 5 美元/百万 Token、输出 25 美元/百万 Token 的高位

正如黄仁勋在 GTC 上说的：**"未来每位工程师除了拥有年薪，还将拥有年度 Token 预算。"** 这句话正在加速变为现实——只不过，预算额度可能比大家想象的要高不少。

---

## Agent 时代的成本结构：谁来买单？

![Token 经济学](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260320/04_token_economics.png)

OpenAI 其实已经给出了一个聪明的应对方案——**"模型分层"**。

GPT-5.4 不是一个模型，而是一个家族：

| 模型 | 输入价格 | 输出价格 | 定位 |
| :--- | :--- | :--- | :--- |
| GPT-5.4（旗舰） | $2.5/百万Token | $10/百万Token | 复杂推理、关键决策 |
| GPT-5.4 mini | $0.75/百万Token | $3/百万Token | 日常任务、批量处理 |
| GPT-5.4 nano | $0.2/百万Token | $0.8/百万Token | 高频调用、嵌入场景 |

这意味着一个设计良好的 Agent 不应该每一步都调用旗舰模型。理想的架构是：

- **nano** 处理简单判断和路由（"这封邮件是什么类型？"）
- **mini** 处理日常生成（"帮这封邮件写个回复"）
- **旗舰版** 只在关键节点出场（"这个合同条款有没有法律风险？"）

这种"大小模型协同"的架构，我在之前的 OpenClaw 源码解读中分析过——OpenClaw 的 Task Router 模块就是干这个的，根据任务复杂度动态选择模型。

**未来 Agent 的核心竞争力，不仅仅是"能干什么"，还有"干同样的事，谁更省 Token"。**

---

## 对普通用户意味着什么？

说几个实际影响：

**1. "免费养虾"的窗口期正在关闭。** 各大平台的免费额度会越来越少、限制越来越多。如果你还没开始用 Agent，现在是最后的"低价尝鲜"阶段。

**2. 本地部署的价值在上升。** 云端 Token 越贵，本地跑模型就越划算。英伟达刚发布的 DGX Spark（3000 美元桌面超算）和各种本地部署方案（NemoClaw、AutoClaw），在涨价背景下吸引力翻倍。

**3. 选模型变成了一门"理财"。** 过去我们选模型只看"谁更聪明"，以后还要看"谁更省钱"。MiMo-V2-Pro 为什么在 OpenRouter 上调用量登顶？不只是因为强，还因为性价比高。

**4. 企业用户需要重新算 ROI。** 如果你的公司正在部署 AI Agent，算力成本的涨幅需要纳入长期预算。一个好消息是，随着 Vera Rubin 平台的落地（推理成本降 90%），这波涨价可能是"黎明前的黑暗"。

---

## 老金说几句

写了八篇龙虾源码解读，又写了 GTC 和龙虾大战，今天这篇算是站在产业经济的角度把这些线索串了起来。

过去两年 AI 行业的叙事是"降本增效"——模型越来越强、价格越来越低、门槛越来越矮。这个趋势在供给侧（英伟达的新芯片）依然成立，但在需求侧（龙虾引爆的 Token 消耗），供需缺口正在被急剧放大。

这其实是一个好信号。经济学里有个概念叫"杰文斯悖论"——当一种资源的使用效率提高时，人们不会节约它，反而会消耗更多。蒸汽机效率提升没有减少煤炭消耗，反而让煤炭需求暴涨。AI 推理效率的提升（每瓦 Token 吞吐量 ×35），不会减少算力需求，反而会让 Agent 做更多事、消耗更多 Token。

这就是黄仁勋敢喊"万亿美元"的底层逻辑。

云厂商涨价不是坏事——它意味着 AI 已经从"补贴换用户"的烧钱阶段，进入了"用户愿意为价值付费"的商业化阶段。**Token 有了真实的价格，AI 就有了真实的经济体系。**

至于我们这些养虾的人，记住一句话：**饲料涨价了，但龙虾还是要养的。**

只是得学会精打细算了。

---