算力卡更贵，为什么中国模型的 API 反而便宜到十分之一？

我一直有一个问题没搞太明白：中国当下头部的 AI 公司，训练模型用到的算力卡，因为政策原因（被卡脖子）成本比美国贵很多。按道理，成本高价格就该高。可现实是反过来的——中国模型的 API 价格，反而只有美国头部模型的十分之一，甚至更低。

这看起来自相矛盾。仔细想了想，可能有这么几层原因。

美国头部模型不是按成本定价，而是按市场定价，而且是全球垄断的价格。逻辑很简单：我的模型是最好的，你别无选择，所以我敢定高价。这是垄断性带来的底气。

中国模型的定价则是充分竞争价。大模型公司都在抢市场，谁先降价谁先抢到客户。这场价格战从去年打到现在，API 价格已经卷到国外头部模型的几十分之一，甚至更低。

所以换个角度看：不是中国模型的成本低，而是美国模型的利润更厚。同样的能力，一个在赚垄断的钱，一个在打价格战。

这是最容易混淆的一点。买卡贵，指的是训练阶段——初期训练要买大量卡，这确实贵，因为被卡脖子。但用户调用 API 花的钱，对应的是推理阶段的成本，跟买卡是两码事。

训练是一次性投入，推理才是每次调用都要花钱。而推理成本不只看卡的价格，还有几个关键因素：

第一，模型的大小。中国很多主力模型参数可能更小，推理成本自然就低。

第二，量化技术。用 4 bit、8 bit 这类量化，可能牺牲一点效果，但能换来几倍的成本下降。

第三，工程优化。比如命中缓存的价格更低，还有批处理、调度等一系列优化。中国工程师在工程这块卷得很厉害。

这几项叠加下来，推理这一头的成本被压得很低——而这才是用户实际付费的部分。

还有一个角度：国内很多大模型的定价，本质上可能是低于成本的，甚至免费的。

这是一种战略性亏损。先把用户规模、调用量做上去，把生态绑住，等规模起来以后再降成本、再赚钱。这是中国互联网的经典打法——烧钱换市场。美国公司可能既没这个压力，也没这个习惯。

最后一层，是需求端的差别。

中国有大量「够用就行」的场景：客服、文案、生成代码、生成图这类小应用。这些场景不需要 100 分，不需要最强的模型。

而美国大模型的很多大客户偏企业级、科研级，对效果要求极高，甚至要突破科学边界，这样的客户愿意为最顶尖的能力付费。

所以是需求决定了供给。中国不是做不出贵的模型，而是市场不需要——低价满足的正是那些够用就行的需求。

把这四层放在一起看，那个「成本更高、价格更低」的矛盾其实就化解了：贵的是训练买卡，便宜的是推理调用；美国吃的是垄断利润，中国打的是补贴价格战；而两边服务的，本来就是要求不同的市场。

这是我目前对这个问题的理解。