AI伺服器租賃成本下行，算力稀缺敘事面臨挑戰
Miles Bennett
AI伺服器租賃價格持續走低，疊加低算力消耗的編排框架和開源模型追趕，算力稀缺敘事正遭遇供需兩端的同時挑戰——高盛交易台席判斷，硬件板塊將最先承壓。
伺服器租賃價格為何是核心風向標？
高盛1-Delta台席負責人Privorotsky把伺服器租賃價格視為判斷AI硬件投資邏輯是否成立的關鍵指標。
這意味著→ 若供給上升令租賃價格持續下行，即說明算力並非市場想像中那麼稀缺，硬件板塊最先承壓。
目前租賃成本已呈明顯下行走勢；但在Token支出格局（各家公司花多少錢買AI推理服務）發生根本轉變之前，硬件的交易邏輯仍會延續。
市場下一步盯甚麼？
Privorotsky強調，市場注意力正轉向超大規模雲端運算商（微軟Azure、AWS、Google Cloud等）的價格動向。
這意味著→ 一旦這些雲端巨頭釋放戰略調整信號——例如砍單或壓價，AI投資周期的底層邏輯就要被重新評估。
半導體ETF上週錄得異常高的資金流入，反映當前市場仍在押注算力擴張，但這恰恰放大了一旦敘事轉向時的回撤風險。
Fugu框架憑甚麼用更少算力跑贏大模型？
日本AI實驗室Sakana推出的Fugu並非一個大模型，而是一個動態調度器——簡單來說＝它像一個總調度員，將一項任務拆成幾塊，分派給最擅長的現有模型並行處理，再拼出一個比任何單一模型都好的結果。
在SWE-Bench Pro編程測試中，Fugu得分73.7，超越Claude Opus 4.8的69.2和GPT-5.5的58.6。
這反映出一個根本性變化：前沿性能未必需要更多訓練算力。Privorotsky將其概括為「模型編排與融合」——若這條路徑獲得更廣泛驗證，算力軍備競賽的底層邏輯便會被動搖。
開源模型追到甚麼程度了？
智譜發佈的GLM-5.2在FrontierSWE長程編程基準上得分74.4，與Anthropic頂級閉源模型Opus 4.8的75.1僅差約1個百分點，同時超越GPT-5.5的72.6。
簡單來說＝開源模型已幾乎追平最強閉源模型的編程能力，而定價低了約72%至82%。
GLM-5.2採用MIT許可證（意味著任何人都可以免費使用、修改、蒸餾這個模型），這將進一步壓縮Token成本。
租賃降價和資本支出擴張能共存嗎？
Privorotsky指出，當前的激勵機制仍然指向更多資本支出而非更少——雲端巨頭們仍在加碼建數據中心。
但租賃價格下行、編排框架崛起、開源模型追趕，三條線都在說同一件事：單位算力的價值正被稀釋。
這意味著→ 這兩股力量能否長期並存，是驗證本輪AI算力擴張邏輯是否成立的核心懸念。若不能，硬件板塊將率先給出答案。
Content is for reference only, not financial advice.