算力 - AI商业快讯

每月 200 美元的 ChatGPT Pro，OpenAI 突然不卖新号了。

9 月 11 日凌晨，OpenAI 核心产品负责人 Thibault「Tibo」Sottiaux 在 X 上确认：为保住现有用户的 GPT-6 Astra 体验，暂停接受每月 200 美元的 ChatGPT Pro 新订阅。这不是涨价，也不是产品下架——是产能到顶了。

一家一个月前还在被分析师追问「AI 收入什么时候能覆盖成本」的公司，此刻的问题变成了：想付钱的人太多，机器不够用。

从预警到关门，只隔了一天

事情的时间线很短，短到能看出压力有多急：

时间（北京时间）	发生了什么
9 月 3 日	GPT-6 Astra 开始分批推送，官方称之为「AGI 时代」的开端
9 月 9 日	Tibo 公开预警：Astra 需求「前所未有」，若持续下去可能暂停新 Pro 订阅
9 月 10 日	奥尔特曼回应称暂停「会很糟」，但会优先保证现有付费用户
9 月 10 日	《纽约时报》披露：OpenAI 把 2030 年算力支出预期从 6000 亿上调到 7500 亿美元
9 月 11 日	新 Pro 订阅正式暂停

Tibo 的原话很克制：「我们想做尽可能小的一步调整，好让更多人还能用上 Astra。」他给出的理由是，200 美元档是目前对 OpenAI 系统压力最大的订阅层级。

边界划得很清楚：现有 200 美元 Pro 用户不受影响，Plus、Go 和 API 照常售卖。OpenAI 也没说什么时候恢复，更没公布每天有多少新订阅——需求量级至今是个黑箱。

值得一提的是，Pro 其实有两个档：100 美元档约等于 Plus 的 5 倍额度，200 美元档约 20 倍。这次被关掉的是后者，也正是个人用户里使用量最高的那一档。

不是不想卖，是真没算力

把这几天的消息拼在一起，缺口的位置就很清楚了。

第一层缺口在芯片。黄仁勋最近的说法是，供应链正处于紧张状态，当前供给大概只能满足约 70% 的需求。英伟达自己承认，即使按产能算，明年营收能同比涨 70%，仍然填不满客户的胃口。

第二层缺口在数据中心。OpenAI 已经把长期算力合同铺得很开：与甲骨文的容量合同总计 6 吉瓦、与 AWS 的多年协议扩大到八年 1380 亿美元（含 2 吉瓦 Trainium 算力）、对 Azure 的云支出承诺 2500 亿美元。可甲骨文的剩余履约义务已经堆到 6380 亿美元、同比涨 363%，其中 750 亿美元还跟客户预付 GPU 有关——订单转成真实可用算力，需要时间和电。

第三层缺口在钱。7500 亿美元这个数字比三个月前的预测又高了 25%。甲骨文上季度自由现金流是负 236.9 亿美元，资本支出 556.6 亿美元；CoreWeave 二季度自由现金流负 57.4 亿美元、合同积压约 1040 亿美元。算力链条上每一环都在用负债换产能。

对普通用户来说，这次的直接影响有限——Astra 的额度紧张主要落在重度使用者和 Codex 用户身上。过去两周里，OpenAI 一边给 Codex 用户重置额度、砍掉部分限制，一边被用户抱怨新模型的额度消耗速度快得异常。这一次干脆把最贵的那扇门先关上一半。

同一周，微软把数据中心规划翻了三倍

算力荒不是 OpenAI 一家的难题，另一条几乎是同时出现的消息更能说明问题。

彭博社 9 月 10 日报道，微软计划到 2032 年把全球数据中心容量从现在的约 12 吉瓦提升到超过 38 吉瓦，翻了三倍还多。38 吉瓦这个数字有多大？超过了纽约州用电高峰期的电力需求。

真正刺眼的是结构：现在这 12 吉瓦里，只有约 2 吉瓦是给 AI 专用芯片的；到 2032 年，AI 专用算力预计也只占总容量的三分之一左右。微软云基础设施高管 Alistair Speirs 的解释是，新一代 AI 工具除了 GPU 同样吃 CPU，光靠 GPU 堆不出好基础设施——正在亚特兰大建设的 East US 3 数据中心，主要就是装 CPU 的通用计算集群，总开发成本数百亿美元。

微软之所以这么急，是因为它已经在掉业务了：由于容量不足，微软此前限制过美国和欧洲部分关键区域的新云服务订阅，一些潜在客户因此流向竞争对手。更讽刺的是，2025 年初它曾主动暂停部分数据中心开发项目，当时的 CFO 担心过度建设，如今公司内部不少高管对那次决定后悔。

算一笔总账：微软、谷歌、亚马逊、Meta 四家承诺的未来投入合计接近 2.4 万亿美元，绝大部分砸在数据中心设备和租赁上。而阻力也在变大——美国多地居民反对在本地区建大型数据中心，得州、纽约州等地的州长已要求暂停新的服务器园区项目。

钱能印，地皮和电网不能。

同一天的反面：DeepSeek 在降价

就在 OpenAI 关掉订阅入口的同一周，国内厂商走的是完全相反的方向。

9 月 10 日中午 12 点，DeepSeek 正式发布 V4.1 Flash 并执行新定价：空闲时段输入缓存命中 0.02 元、缓存未命中 1 元、输出 4 元（每百万 token），高峰时段翻倍。官方同时宣布，9 月 14 日 12 点下线 V4 Pro 服务，届时 V4 Pro 的请求会全部路由到 V4.1 Flash，并按 Flash 的单价计费——也就是说，旧旗舰用户被「平移」到了更便宜的新模型上。

官方口径是，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro；上下文窗口 1M、最长输出 384K，长文本场景下的缓存硬盘占用还降了 88%。

把两边放在一起看，反差很直白：一边是每月 200 美元的高端订阅暂停收钱，一边是 API 价格再降一档。这不是谁技术强的问题，而是算力在两边市场的稀缺程度完全不同——美国头部实验室的产能被自己的爆款模型吃穿，中国厂商则在用效率换价格空间。

判断

这轮算力荒最值得记住的不是 200 美元这个数字，而是它暴露的商业模式矛盾：订阅制卖的是「随便用」，可算力是按量买的。2025 年初奥尔特曼就曾公开表示 200 美元档在亏钱，因为用户用得比他预想的多。一年半过去，模型更强了，单次请求更贵了，这个矛盾只会更尖锐。

短期内，OpenAI 的恢复时点取决于产能上线速度，而不是需求回落——毕竟它刚把 2030 年的算力预算又调高了 25%。中期看，头部厂商大概率会往「分层配额 + 用量计费」的方向继续挪，纯「无限用」的高端订阅会越来越难维持。想上车 Astra 又卡在门外的人，API 是目前唯一还能买到的入口，按量付费反而是当下最不会断供的选择。

至于国内市场，反方向的降价还在继续。谁先把成本曲线压下来，谁就能在下一轮抢到用户——算力不够的年代，效率本身就是产品力。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

从 100 亿到 210 亿：一个月发生了什么

Etched 成立于 2022 年，总部位于加州圣克拉拉，由前 Groq 工程师 Gavin Uberti 和 Chris Zhu 创立。公司核心产品是一款名为”Sohu”的专用芯片，专为 Transformer 模型推理设计。与通用 GPU 不同，Sohu 将 Transformer 的注意力机制直接固化在硅片上，号称在 Llama 70B 等大模型上可实现每秒 50 万 token 的推理速度。

一个月前，Etched 刚完成一轮融资，估值约 100 亿美元。如今翻倍至 210 亿，背后推动力来自两个方面：一是企业级 AI 推理需求的爆发式增长，二是 Nvidia GPU 供不应求且价格高企，迫使下游客户寻找替代方案。据 The Information 此前报道，Etched 的投资者阵容包括 Peter Thiel 的 Founders Fund、Qualified Capital 等顶级 VC。

为什么资本市场疯狂押注 ASIC 路线

要理解 Etched 的估值逻辑，需要看清 AI 推理市场的结构性变化：

推理需求已超过训练需求。随着 GPT-5、Claude 4 等大模型进入大规模部署阶段，全球推理算力消耗已远超训练阶段。据 Stanford HAI 报告，2025 年推理算力支出首次超过训练，占比达 58%。这意味着”谁能用更低成本提供更快推理”将成为下一个万亿级市场的核心竞争力。

GPU 的”过度通用”成为负担。Nvidia H100/B200 是为训练和推理双重场景设计的通用芯片，但在纯推理场景下，大量晶体管面积被浪费在训练专用的 FP64 精度和反向传播电路上。Etched 的 Sohu 芯片只保留 Transformer 推理必需的组件，用面积换速度，用专注换效率。

Transformer 已成为”事实标准”。尽管学术界不断提出新架构（Mamba、RWKV、xLSTM），但在商业部署中，Transformer 及其变体（GQA、MLA）仍然占据 95% 以上的市场份额。Etched 的赌注是：如果 Transformer 至少还要统治 3-5 年，那么为它造专用芯片就是一门好生意。

Sohu 芯片的技术差异化

与 Cerebras 的”晶圆级计算”路线不同，Etched 选择了另一条极端路径——将 Transformer 的注意力计算直接硬编码进芯片。这意味着：

极致的推理速度。据 Etched 官方数据，Sohu 在 Llama 70B 上的推理速度是 H100 的 10 倍以上。对于需要实时流式输出的应用（聊天机器人、代码生成、实时翻译），这种速度差异直接转化为用户体验的巨大提升。

更低的单 token 成本。由于去掉了训练所需的冗余电路，Sohu 的芯片面积利用率更高，理论上可以在相同硅片面积上提供更高的 token/瓦特比。对于大规模部署的企业客户，这意味着每年数百万美元的运营成本节省。

但灵活性是最大短板。Sohu 只能运行 Transformer 架构，如果未来出现架构范式转移（比如 Mamba 系列在长序列场景全面超越 Transformer），这颗芯片将面临”专用变无用”的风险。这也是为什么 Etched 的估值虽然高，但争议同样巨大。

对行业意味着什么

对芯片从业者：AI 推理芯片赛道正在从”概念验证”进入”规模量产”阶段。Etched 的 210 亿估值证明，只要能拿出可验证的性能数据，资本市场愿意为”后 Nvidia 时代”的潜在赢家支付高溢价。但这也意味着窗口期正在收窄——如果 2027 年还无法大规模出货，先发优势将被稀释。

对企业 AI 负责人：如果你的推理工作负载以 Transformer 为主（大概率是），Etched 的 Sohu 值得进入技术评估清单。但现阶段建议采用”双轨策略”：主力继续用 Nvidia GPU 保持灵活性，同时用小规模集群测试 ASIC 方案的实际性能和稳定性。

对投资者：AI 芯片赛道的”军备竞赛”正在加速。Cerebras（SRAM 路线）、Etched（ASIC 路线）、Groq（LPU 路线）、Tenstorrent（RISC-V 路线）各自押注不同的技术方向。短期内，Nvidia 仍是绝对霸主，但 2027-2028 年将是格局重塑的关键窗口。关注 Etched 的出货时间表和首批标杆客户落地情况。

写在最后

一个月估值翻倍至 210 亿美元，Etched 正在用最激进的方式宣告：AI 推理芯片的”后 Nvidia 时代”已经到来。但正如所有硬科技创业一样，从 PPT 到量产之间，横亘着良率、生态、客户信任三座大山。2027 年将是 Etched 的”证明之年”——要么用出货数据兑现承诺，要么面对估值回调的残酷现实。