训练烧一次，
推理烧一辈子
商务部 17 项举措要让 AI 进千家万户。真正被点燃的不是再训几个大模型，是调用量爆炸。 训练像盖座脑子、盖完就完，是一次性的钱；推理却要天天烧。一屏一镜，算清这笔正在反转的账。
四个数，看懂这场成本反转
一条消费政策，下游烧的是算力
商务部等八部门发布《加快“人工智能+消费”发展》的 17 项举措，要让 AI 手机、智能家居、人形机器人进千家万户。大多数解读都在写 C 端，但顺产业链往下游看一格——
🧾 AI 进了千家万户，意味着每天被调用的次数爆炸式增长，而每一次调用，烧的都是推理算力。这一端，才是这条政策真正的“耗电口”。
前四期铺垫，这期讲“持续烧”
- EP01：算力 = 电；一张 GPU = 一台发电机；Token = 出租车跳表。
- EP02：Token 单价在塌、用量在飙，“量价剪刀差”撑起总需求。
- EP03：供给端“包租公”的回本账、毛利账，算清算力租赁怎么赚钱。
- EP3.5：能耗账——一度电吐上千万 Token，推理要持续烧电。
- 这一期 EP04：把“持续烧”讲透——训练是一次性 capex，推理是持续 opex，账正在反转。
两条曲线，藏着整场成本反转
蓝线是训练：一次性砸钱造脑，前期陡升、之后走平。橙线是推理：随调用量持续累加。两条线必有一个交点——过了它，推理累计就反超训练。
训练的钱，花完就完了；推理的钱，要天天交。AI 越普及，烧钱的重心就越往“推理”这头滑。
💡 看懂这张图，全文就懂一半了。训练和推理不是“谁更贵”，而是两种完全不同形状的花钱方式：一个是建好就不动的固定资产，一个是随业务量水涨船高的运营开销。
训练像盖楼：砸一笔大的，盖完就完
训练 = 一次性把“脑子”造出来
训练成本“前重后轻”：开工时投入巨大（万卡集群、海量电力、数月工期），一旦模型练好、权重固定，这笔成本就不再增长。同一个模型给 100 人用还是 1 亿人用，训练花费是同一笔。
💡 一句话理解：训练像盖一座桥。修桥时砸钱如流水，可桥一旦通车，再多车过桥也不用重修——建桥的钱，是一次性的。
🏗 所以“训练很贵”是有上限的：贵在一时，不贵在长久。真正没有上限、会随用户规模一起长大的，是下一段的推理。
推理像水电：每开一次龙头，都在跳表
每一次提问、每一个智能体任务，都要让模型重新算一遍——这叫推理。它是持续、随用量累加的 opex，永远不会结清；而现在 AI 越来越爱“思考”，一次任务背后是几十上百次调用。
推理的账单，乘了一个用户系数
推理“永远烧不完”的根源：它和业务量直接挂钩。训练的钱投一次见效一年，推理的钱每天都在重新发生。一条消费政策把上亿用户推到 AI 面前，训练侧基本没变，推理侧的账单却被乘上了一个巨大的用户系数。
而且推理是动态成本，没法“包月”兜死：并发一上来，算力、电力、带宽立刻顶上去——这正是算力计费越来越按 Token、按用量，而不是固定买断的原因。
算力的天平，正从训练倒向推理
这不是预测，是正在发生的事。业内普遍认为推理需求已是训练的 5–10 倍；2026 年 3 月，中国日均 Token 调用量约 140 万亿次，较 2024 年初涨千倍，同年 2 月周调用量首次超过美国。
这条政策，正好踩在拐点上
📈 “AI 进千家万户”翻译成算力语言，就是把推理需求再往上抬一截。供给侧不缺训练能力，缺的是能稳定、低价、长期供应推理算力的产能。这也是下一段“宁租不买”的根。
成本反转，把算力从“买断”逼向“租用”
当烧钱重心倒向推理，“先砸几个亿买断一批卡”越来越不划算——卡会贬值、用量会波动。于是越来越多人按需租、按用量付费、用长约锁价。需求传导很直接：推理顶上来，连 H100 一年期现货租金近半年都涨了约 40%。
两门生意，一目了然
| 看哪一头 | 训练侧 | 推理侧（今天的主战场） |
|---|---|---|
| 花钱方式 | 一次性 capex（盖脑子） | 持续 opex（天天干活） |
| 成本随谁涨 | 和模型大小挂钩，练完封顶 | 和用户量 / 调用量挂钩，无上限 |
| 怎么算钱 | 大额买断、整集群包断 | 按 Token、按用量、按需弹性 |
| 合约形态 | 阶段性采购 | 长协锁价（多锁 3–5 年）锁产能 |
| 谁更卷 | 少数大厂的军备竞赛 | 全行业按需消费，盘子持续做大 |
买断赌的是“用得满”，租用买的是“不踩空”。当账单跟着用量天天变，把固定大额换成弹性按需，反而是更稳的选择。
这也解释了为什么 2026 年算力租赁市场被机构看到约 2600 亿元规模、十亿/百亿级长协频现：买方要的不是“买一批卡”，而是“锁一段时间的、稳定可预测的推理产能”。当推理是持续开销，能用长约把单价和供给提前锁住的一方，才睡得着觉。
推理单价一直在跌，为什么总账还在涨
- 杰文斯悖论（接 EP02）：单价越降，越多人用得起 AI，用量涨得比价格跌得更快——总开销不降反升。降价是放量的起点，不是省钱的终点。
- 推理也在拼命降本：低精度、KV 缓存、投机解码、蒸馏、国产卡（推理占比超 60%、定价低 20%–30%）……“推理烧钱”不等于“推理一定亏钱”，要看降本能否追上放量。
- 利用率黑洞：企业 GPU 集群实际平均利用率只有 5%–14%。很多“成本高”其实是卡在空转——账单贵，未必真在干活。
- 预测要打折：“5–10 倍”“2600 亿”“+40%”都是机构口径，会随口径、时点变化。看方向，别把某个数当铁板钉钉。
⚠️ 本质提醒：“反转”是结构性的（烧钱重心从训练挪向推理，很确定）；但“推理一定是门好生意”并不确定，因为它同时被放量（往上推）和降价（往下压）两股力拉扯。别被单边叙事带走。
这一期，六个点记牢
训练推理谁更烧、政策啥关系、为什么租，一次说清
会勇禾口王的AI笔记
算力账本 · COMPUTE LEDGER · EP04 · @huiyonghkw