AI 的成本，往下追到底，最终会卡在一个地方——电。
这不是修辞。理解这件事，你就理解了为什么算力价格不会一直跌，也理解了以后该怎么挑服务商。
一、那个被反复引用的公式
算力业务的天花板，可以用一个极简的乘法表示：
公式两头，一头是效率，一头是规模。这两头也正好解释了，为什么这几年液冷、能效比这类词被反复提起——它们都在改第一个乘数。
二、左边：每一瓦能产出多少词元
这个数是效率指标，靠三件事提高：
芯片能效——本质是硬件换代带来的红利，谁都得等。
集群优化——同样的卡，组网和调度做得好不好，实际产出差别很大。
推理侧调度——同样的任务，工程做得好不好，能效可以差出好几倍。
注意后两项：它们不靠买新硬件，靠工程能力。这也是为什么同样一批卡，不同团队用出来的单位成本能差出一大截。这种差距不会写在报价单上，但会体现在你最终的账单里。
三、右边：你能拿到多少电
这一头更有意思——它已经不是技术问题了，是资源和政策问题。
有些地方给电，有些地方不给。给不给、给多少、什么电价，取决于当地的能源条件、电网负荷和产业政策。技术再强，拿不到电，规模就上不去。
这也解释了一个现象：为什么很多算力项目会和能源条件绑在一起谈。因为在这门生意里，电的可得性直接等于产能上限。
四、所以，算力价格为什么很难一直降
把两头合起来看就明白了：
左边靠技术进步，会持续变好，但速度受硬件迭代周期限制；右边受资源与政策约束，降价空间是有限的——电不会因为算法变聪明就变便宜。
所以「等它再便宜点再用」这个策略，风险在于：你可能等来的是效率提升带来的结构性降价，但也可能等来的是需求暴涨后的价格反弹。这两件事在同一个市场里同时发生，方向并不一致。
五、对你的实际意义
别指望绝对便宜，要指望相对性价比。
既然电这块的成本降不下去，那不同服务商的报价差异，就更多来自它们的效率与资源获取能力，而不是市场整体降价。这对你意味着两点：
第一，比价要看同类的单位成本。同类模型里，挑单位成本更低的那个，而不是盯着标价最低的那个。
第二，把能效当采购指标。同样的价格，谁能跑出更多有效产出，谁的性价比就更高。这个指标现在多数公司还没有纳入采购评估，但它迟早会变成标配。