GPU成本飙升迫使AI实验室转向金融工程

GPU成本的飙升正在从根本上重塑AI的单位经济效益，迫使前沿实验室优先考虑金融工程，而非单纯地追求计算能力竞赛。Anthropic 2026年第三季度的财务报告显示，尽管收入大幅增长，但短期GPU租赁价格的飙升导致了显著的运营亏损。

发生了什么

根据Tomasz Tunguz的说法，AI的关键要素GPU，在过去六个月中其每小时租赁价格翻了一倍多。短期突发计算合同将GPU每小时价格从3美元推高至12至13美元之间。Anthropic更新的S-1/A文件显示，这一飙升使其每GPU等效小时的综合成本从3.10美元增至5.65美元，置信区间为3.45美元至8.29美元。

Anthropic的S-1/A文件进一步披露，在2026年第三季度，该公司仅在短期计算上就花费了50亿美元，占其季度计算总费用98.6亿美元的51%。这笔巨额开支将第二季度的9.74亿美元GAAP运营利润转变为第三季度的5.67亿美元运营亏损，即便季度收入环比增长54亿美元达到169.6亿美元。这也导致了8954亿美元的长期债务。

供应压力没有缓解的迹象，高盛大宗商品研究报告称，40%至50%的数据中心项目被推迟。《华尔街日报》在2026年6月援引摩根大通的报告称，计划于2027年投入使用的数据中心容量中，超过60%尚未开始建设，另有7%被推迟。《商业内幕》在2026年10月报道，亚马逊在2026年8月接收了价值约50亿美元的英伟达GB300机架，此后每月约30亿美元，但设施尚未具备激活它们的电力。此外，根据Tomasz Tunguz的说法，发电机升压变压器的交货时间平均为三到五年，燃气轮机生产已排满至2029年。

尽管成本不断上涨，但前沿和中端模型之间的价格战使得提高代币价格变得危险，因为任何提高费率的实验室都可能面临失去市场份额的风险。实验室正在通过工程模型效率提升来应对，例如Opus 5.5相比Opus 5将每任务成本降低了40%，收紧订阅配额（例如，OpenAI将ChatGPT和Codex合并为一个共享代币限制），并推动企业买家从无服务器API消费转向多年期承诺合同。

为何这对RevOps领导者很重要

对于RevOps领导者而言，计算经济学的这一巨大转变直接影响收入可预测性、定价策略和销售合同结构。GPU成本翻倍从根本上改变了AI驱动产品和服务的单位经济效益，要求模型效率或客户定价相应翻倍以保持利润。这种波动性使得准确预测变得困难，并需要对成本管理和收入调整采取积极主动的方法。RevOps必须超越单纯优化销售量，转而专注于战略性金融工程，确保客户合同期限——特别是企业客户——与潜在的多年期GPU租赁承诺相匹配。这种期限匹配对于稳定盈利能力和降低与高度波动的基础设施成本相关的风险至关重要，直接影响客户生命周期价值和整体收入健康。

本周行动建议

1. 分析您当前的AI驱动产品或服务，以确定它们对GPU计算的依赖程度，并评估计算成本翻倍将如何影响您的单位经济效益和盈利能力。
2. 与您的财务和产品团队合作，模拟从可变、短期计算消费转向多年期承诺合同的财务影响，探讨这将如何影响定价策略和客户获取成本。
3. 审查您针对企业客户的销售合同模板，以纳入多年期最低承诺的条款，使客户收入期限与潜在的长期计算基础设施协议保持一致。

来源

• The Financial Engineering Essential for AI in 2027 — Tomasz Tunguz