AI算力价格雪崩：次贷危机预警，三大巨头抢滩IPO

H100租赁费用，从每小时8美元骤降至2美元。企业账单瞬间膨胀十余倍，私人信贷渠道也明显收紧。7月4日深夜，财经博主@FinanceLancelot 发布的一段研判，将整个AI行业置于风口浪尖：

「AI算力价格正在彻底崩盘。」

该推文发布24小时内浏览量突破24万、获1500次点赞，评论区争论激烈。有人欢欣鼓舞，称这是"价格回归理性"的开端；也有人反驳，认为旧显卡贬值不代表AI需求终结。但无人能否认，那张断崖式下跌的曲线图，确实令人触目惊心。

以下是@FinanceLancelot 的原声表述：

"AI compute prices are completely collapsing. This is going to impact AI data center gross margins at the worst possible time. Keep in mind, even at peak pricing all of these AI providers were extremely unprofitable... Like subprime loans in 2008, the teaser rate just expired... Did the AI bubble just pop?"

「AI算力价格正在全面崩盘，这将在最糟糕的时机重创AI数据中心的毛利率。须知，即便在价格顶峰时期，这些AI厂商也普遍处于严重亏损状态……这正如2008年的次贷危机，诱饵利率刚刚到期……AI泡沫，此刻是否已然破裂？」

配图中的蓝色曲线，代表Ornn Compute的H100价格指数，5月曾飙升至3.2的高点，随后一路下行，7月初已回落至2.46附近。

▲ @FinanceLancelot 主推文，24万次浏览、1500点赞，附图为H100价格指数断崖式下跌曲线

这条推文最具杀伤力的一点，在于"即便在最高点，这些公司也未盈利"这一论断。

这意味着什么？意味着当下的下跌行情，缺乏安全垫保护。价格是从一个亏损的起点继续下探。

先来看一组关键数据。

专业GPU租赁追踪机构Thunder Compute在2026年7月的市场报告中披露了具体数值：H100 80GB显卡的租赁租金，历史峰值曾逼近8美元/小时，当前成交区间已拉宽至2.01至11.06美元/小时，Thunder自家的按需定价甚至压低至2.19美元/小时。AWS等主流云厂商对H100、H200、A100系列实例的降价幅度最高达45%。

▲ Thunder Compute《AI GPU Rental Market Trends》报告：H100/A100租金区间及AWS降价数据

更值得玩味的是另一组对比数据。@GlobalMktObserv（Global Markets Investor）于6月26日发文指出，追踪实际成交价的Ornn Compute H100指数，从5月峰值已下跌30%；而追踪挂牌要价的Silicon Data指数，同期仅下跌4%。

"This divergence matters because GPU rental prices can offer an early read on AI compute supply and demand... DRAM spot prices are the next key signal to watch."

「这种分歧至关重要，因为GPU租金价格能提前反映AI算力的供需状况……DRAM现货价格是下一个需密切关注的关键信号。」

「卖家报价」与「买家实付价格」之间出现显著落差，这通常预示着需求降温速度远超表面所见。

▲ Ornn实际成交价指数（蓝线）已跌30%，Silicon Data要价指数（黑线）仅跌4%，两者呈现背离

至于二手市场，跌幅更为惨烈。行业成本追踪机构CloudZero数据显示，全新H100显卡价格在2.5万至4万美元之间，但二手H100 SXM5显卡，已从2023年末4万美元的峰值，跌至如今的1.2万至2.2万美元区间，跌幅接近85%。

买卡、租卡、二手交易，整条产业链条同步下行。

若说GPU租金崩盘仅是"旧卡贬值"，那么接下来这组数据，才是真正动摇根基的关键。

GPU市场平台GPUnex在最新的推理经济学报告中给出一个惊人对比：同等性能的大模型推理成本，三年内下跌了1000倍。2022年底，GPT-4级别性能处理每百万token需花费20美元；至2026年初，该数字已压缩至0.40美元甚至更低。

▲ GPUnex《AI Inference Economics 2026》：LLM推理成本三年内暴跌1000倍

背后的推手并不神秘：H100吞吐量是上一代A100的3倍；vLLM、TensorRT-LLM等推理框架将GPU利用率从30-40%提升至70-80%；加之MoE架构仅激活部分参数、INT4/8量化削减一半算力需求，每一层技术革新都在压低价格。

但此处隐藏着一个悖论。19世纪英国经济学家杰文斯发现，蒸汽机效率提升后，煤炭消耗量不降反升，因为节省的成本被投入了更多应用场景。AI领域正在重演这一幕：token越便宜，应用场景越疯狂扩张，智能体应用、嵌入式调用、消费级产品全面铺开，总算力需求可能不降反升。

这正是"价格下跌"与"超大规模云厂商继续重金建设数据中心"能够并存的底层逻辑。问题仅在于，这种此消彼长的平衡还能维持多久。

这才是@FinanceLancelot那条推文中，真正尖锐的部分。

过去几年，许多AI企业的客户合同模式如下：包月订阅、近乎无限使用，价格被大幅补贴，感觉类似"无限流量套餐"。这套定价模式的前提，是背后有源源不断的私人信贷输血。

Blackstone、Apollo等私募信贷基金，过去两年向AI及数据中心相关项目投放了超2000亿美元贷款，Meta甚至完成了史上最大规模的一笔300亿美元数据中心私人信贷交易。资金充裕时，补贴订阅模式尚可持续。

但推文中的那句话切中要害：

"The decline in private credit funding has forced them to switch from heavily subsidized subscription pricing to token based billing. A desperate move, because corporations are now realizing LLMs are anywhere from 10-20x more expensive than they had been told."

「私人信贷融资的收紧，迫使这些公司从重度补贴的订阅定价转向按token计费。这是一步无奈之举，因为企业现已发现，大模型的实际成本比当初被告知的要高出10至20倍。」

现实案例已然发生。GitHub Copilot于2026年6月1日全面切换至按使用量计费的AI Credits模式；OpenAI、Anthropic的企业版也纷纷引入预算控制和用量分析工具。企业客户反馈高度一致：token消耗"失控"，必须尽快设定上限、重新计算投资回报率。

补贴时代，账单模糊不清；计量时代，每一分钱都明码标价。这与2008年次贷购房者的处境确有几分相似，低门槛的诱饵价格吸引入场，待真实费率生效，方知无力承担。不同之处在于，AI基础设施背后有真实的技术进步支撑效率提升，并非纯金融杠杆游戏。但"需求方突然清醒"这一心理机制是共通的。

价格下跌，本应是利好，用户受益、应用普及。但对已投入巨额资本开支的数据中心运营商而言，此时点堪称"最糟糕的时机"。

高盛在2025年12月的一份报告中估算，2026年主要云厂商的资本开支共识预测约为5270亿美元，且该数字仍在持续上调。仅第三季度单季支出就高达1060亿美元，同比增幅75%。

▲ 高盛《Why AI Companies May Invest More than $500 Billion in 2026》：资本开支预测持续上调，投资者已开始分化对待AI相关标的

传统云计算业务毛利率可达70%以上，但AI基础设施因高强度资本开支、加速折旧及高昂电费，拉低整体毛利率，部分测算显示AI相关业务毛利率仅在30-40%区间，远低于纯软件业务，却承担着堪比重资产行业的风险。

数据中心是一门"先投入、后收租"的生意：液冷系统、万亿瓦级电力、HBM高带宽内存，均为提前投入的固定成本。一旦租金下跌、利用率不足，折旧和利息照样侵蚀利润，绝无商量余地。

模型公司的处境亦不轻松。推理业务毛利率经优化后或许尚可，但要覆盖训练下一代模型的天文数字成本，仍需依赖外部融资支撑。增速最快的时刻往往是当下，规模基数越大，同比增长越难维持。企业客户的预算纪律，成为决定下一步走向的最大变量。

若说价格和毛利率压力是慢性病，那么2026年6月前后集中爆发的IPO窗口，便是这轮压力测试的高潮时刻。

SpaceX正式提交招股文件，计划以每股135美元价格发售5.55亿股，目标估值超1.75万亿美元，拟募资750亿美元，这将是史上规模最大的IPO之一。同期，Anthropic提交了保密S-1文件；据报道，OpenAI也接近或计划跟进，估值目标直指万亿美元级别。

▲ Northeastern Global News：三巨头IPO竞速背后，专家提醒警惕"现实检验"

@FinanceLancelot对这一波扎堆IPO现象给出了自己的解读：

"The rush for SpaceX, Anthropic and OpenAI to IPO is clearly because they see a double headwind of declining demand + declining gross margins."

「SpaceX、Anthropic、OpenAI急于IPO，显然是因为他们已洞察到需求下滑与毛利率下滑的双重逆风。」

这一判断的准确度业内尚无定论。但至少有一点明确：三家分量最重的AI相关企业，选在同一窗口期集中冲刺上市，本身就是一次对"市场是否仍愿为AI故事买单"的公开压力测试。Northeastern大学专家提醒，IPO常伴随"首日冲高、随后回落"的规律，此次能否例外，无人敢打包票。

将视角拉远，这场价格下跌背后连着更大的周期。

就在@FinanceLancelot发布"算力崩盘"推文的前一天，他刚发出另一条突发消息：存储芯片公司Sandisk（$SNDK）股价单日暴跌14%，一举打破了持续多月的抛物线上涨形态。此前，该股年内涨幅已冲至+4233.25%，一个近乎荒谬的数字。

"BREAKING: Sandisk $SNDK falls 14% breaking the parabolic."

「突发：Sandisk（$SNDK）股价暴跌14%，抛物线上涨趋势终结。」

▲ Sandisk单日暴跌14%，年内涨幅曾高达+4233.25%，抛物线形态就此终结

存储芯片的暴涨暴跌，历史上反复上演：短缺时，下游企业疯狂囤货、三倍下单，价格被推至天际；一旦供给跟上或需求放缓，取消订单的浪潮涌来，价格便雪崩式回落。此次AI浪潮中，内存正是被算力需求点燃的"商品"之一，其抛物线破裂，往往是更大周期波动的早期信号。

再往前追溯，是千禧年前后的互联网泡沫。Sun Microsystems股价曾从70美元一路跌至5美元，同样是巨额资本开支砸向"信息高速公路"基础设施，同样是变现速度赶不上建设速度，最终估值集体崩盘。眼下这轮超大规模云厂商的资本开支，占GDP比例虽未达当年电信业峰值，但绝对规模已达数千亿美元级别，产能过剩与资产重估风险同样值得警惕。

回到最初的问题：AI泡沫，到底破没破？

支持"信号已现"的一方认为：价格发现本就是每次泡沫破裂的经典标志，是过程的开端。旧资产率先重新定价，H100也好，Sandisk这样的内存股也好，往往是大盘调整的领先指标。补贴支撑的增长模式难以为继，真实需求即将接受考验，IPO窗口很可能是"最后的晚餐"。

反方声音同样有力：H100商品化，不等于整个AI需求崩溃。Blackwell最新一代芯片依然一卡难求；推理需求恰恰因价格低廉而加速增长。超大规模云厂商毛利率虽承压，但仍有优化空间，且可通过更高价值工作负载对冲。私人信贷并未枯竭，只是风险定价趋严。这一派更愿将AI基础设施类比电力网络或云计算等长期公共设施，与1999年那批纯烧钱的.com公司划清界限。

真正独特之处，或许在于速度。从狂热到价格信号出现，此次仅用两三年，比历史上任何一轮技术基础设施周期都快。资本高度集中、技术迭代极快，两大因素叠加，将整体周期明显压缩。

AI技术会消失？没人真信此说。真正的危险，藏在产能过剩、资产减值、信心动摇三者一旦形成自我强化循环，其杀伤力将远超预期。谁将是最终赢家？大概率是那些真能将AI嵌入业务流程、跑出实打实ROI的公司，是手握低成本电力与自建高效算力集群的玩家，凭真本事吃饭；而单纯倒卖算力或靠讲故事维持估值的角色，日子将愈发艰难。

2027年数据中心租约续签季，将是检验这一切的第一个真正节点。届时，谁在裸泳，一目了然。