2026年7月至8月，科技作者Dwarkesh Patel通过个人博客连续发文，讨论更强AI模型对算力价格的影响。其核心观点是：随着AI模型能力提升，算力需求可能推动价格出现10倍以上的上涨。这一判断为当前围绕AI推理成本的讨论提供了新的视角。

核心测算：H100年租金应达25万美元

在7月29日的文章《Why compute might get 10x+ more expensive in coming years》中，Patel给出了一个具体测算：如果存在一个能达到人类软件工程师水平、且能在等效H100芯片上运行的AI系统，按照当前软件工程师的市场薪资水平，这块H100的年租金应超过25万美元。

If a human-level software engineer that could run on an H100 equivalent, at current market rates for software engineers, that H100 should rent for over $250k a year. That's 15x today's spot price.

他进一步指出，这一价格是当前H100现货价格的15倍。该测算将AI能力与人力成本直接对标，暗示当前算力定价可能远低于其潜在经济价值。

后续文章：算力价格或涨10倍以上

8月3日，Patel再发文《Why smarter AI models could drive up compute prices 10x》，延续同一主题，并直接以“廉价算力的终结？”作为摘要。文章标题明确将“更聪明的AI模型”与“算力价格上涨10倍”联系起来，进一步强化了此前关于算力供需与定价逻辑变化的判断。

两篇文章均未在摘要中提供更多细节，但核心逻辑一致：AI模型能力越强，其可替代的人类劳动价值越高，算力作为“生产工具”的租金也应相应重估。

行业影响：AI推理成本成焦点

Patel的测算将算力价格与AI替代人力直接挂钩，为理解AI推理成本提供了新框架。若其逻辑成立，当前以低价算力为基础的AI应用成本结构可能面临重构。对于依赖大规模推理的AI产业而言，算力定价逻辑的变化将直接影响商业模式与成本预期。

不过，上述测算基于“人类水平软件工程师”这一假设场景，实际算力价格仍受供需关系、芯片迭代、模型效率等多重因素影响。Patel的文章未对具体时间表或市场条件作出进一步说明。

后续关注点

  • 算力现货价格与租金走势是否验证Patel的预测；
  • AI模型能力提升对推理需求与成本结构的实际影响；
  • 产业界对算力定价逻辑变化的反响与应对。