离北京几百公里的内蒙古乌兰察布，现在是中国数据中心最密集的地方之一。当地政府已经签了几十个项目，阿里巴巴、华为、快手都来了，连一所废弃学校都在被改造成算力机房。吸引这些大厂的不是人才，是三样更朴素的东西：便宜的电、够用的地、凉快的天气。

模型在降价，算力在烧钱

这波建设潮的背景，是模型价格的断崖式下跌。今年5月，DeepSeek 把 V4-Pro 的 API 费率直接砍掉 75%，而且是永久降价。到10月，Silicon Data 编制、被《金融时报》引用的 Token 价格指数显示，综合价格比5月峰值跌了超过 52%。不是所有模型都降得一样狠，部分高端产品还挺着，但方向很明确：按 Token 卖的智能，正在变便宜。

可卖算力的公司反而花得更多。阿里巴巴截至6月30日的季度资本开支达到 676.78 亿元，同比增长 75%，主要砸在 AI 基础设施上；同一季度它的 AI 云与计算服务收入增长 45%，到 484.37 亿元。这就是行业的新矛盾：模型厂商比赛降价，云厂商却要给回收期长达数年的机房买单。

一度电的差价，五年就是 2 个亿

电力是账本上最扎眼的一项。算笔账：一个 10 兆瓦的 IT 负载，按 1.2 的电源使用效率（PUE）跑满一年，如果每度电价差 0.40 元，一年电费就差约 4200 万元，五年累计超过 2 亿元。这个数字大到足以把「机房建在哪」从技术问题变成董事会问题。能稳定供电、直连发电资源、气温又低的地方，正在变成战略资产。

选址也有取舍：

• 训练集群要的是高密度、高带宽的网络，可以迁去电便宜的地方；
• 对延迟敏感的推理和交互式产品，必须贴着用户和网络枢纽；
• 批处理任务、冷存储这类「不着急」的负载，最适合搬走。

所以大厂的做法是拆开负载，而不是找一个「完美机房」。

便宜电救不了过时的 GPU

买了 GPU 的公司要自己扛利用率和折旧风险。GPU 的麻烦在于：物理寿命可能比经济寿命长——芯片还能跑，但新一代芯片或者更高效的模型架构出来，它就提前被淘汰了。廉价电力能改善利润率，却解决不了技术过时。

另一个容易被忽略的事实：模型降价不等于任务成本等比例下降。用户已经开始把分类、摘要、客服这类常规活交给便宜模型，贵模型只留给难推理的任务。智能体还会放大调用量——一次请求可能触发几十次模型调用和重试。Token 便宜了，能做的任务变多了，总算力消耗未必降。

阿里自己的财报就是这种分裂的样本：AI 云收入增长、利润大涨；而装着 Qwen 等消费产品的 AI 实验室与应用板块，却因为投入和推理成本录得大额亏损。同一度电，在云的账本上是收入，在模型的账本上是成本。

中国 AI 行业过去两年证明了自己能训出有竞争力的模型，现在要补的是一门更传统的课：怎么选址、怎么供电、怎么让庞大的资本转起来——而建立在它之上的产品，却在越卖越便宜。乌兰察布不断冒出来的机房天际线，是对电力问题的回答；至于这些机房能不能在下一轮效率提升前回本，答案得写在利用率和现金流里，而不是 Token 价目表上。

更多 AI 工具与教程见 AI 智库。