重新思考 AI TCO：为何每 Token 成本才是唯一重要的指标

       传统数据中心过去主要用于数据的存储、检索与处理。但在生成式 AI 与代理式 AI 时代，这些设施已演变为 AI Token 工厂。随着 AI 推理成为其核心工作负载，它们的主要产出已转变为以 Token 形式制造的智能。        这一转变也需要对包括总体拥有成本（TCO）在内的 AI 基础设施的经济效益评估的方式相应地进行调整。然而，在评估 AI 基础设施时，企业仍过于关注芯片峰值规格、计算成本，或每美元所能获得的浮点运算性能，即每美元 FLOPS。

关键区别在于：

       ·    算力成本是企业为 AI 基础设施所支付的费用，无论是从云服务提供商租用，还是在本地自建部署。
       ·    每美元 FLOPS 衡量的是企业每投入一美元所获得的原始算力，但原始算力并不等同于现实世界中的 Token 产出。
       ·    每 Token 成本指的是企业生成并交付每一个 Token 的综合成本，通常以每百万 Token 成本来表示。

       前两者仅是投入指标。但当业务围绕产出运转时，只针对投入优化，本质上是一种根本性的错配。

       每 Token 成本决定了企业能否实现 AI 的规模化盈利。它是唯一能够直接综合反映硬件性能、软件优化、生态系统支持以及实际利用率的 TCO 指标，而 NVIDIA 在这一指标上实现了行业最低的每 Token 成本。

能够降低每 Token 成本的因素有哪些？

       要理解如何优化每 Token 成本，首先需要了解用于计算“每百万 Token 成本”的计算公式。        在这个公式中，许多评估 AI 基础设施的企业往往只关注分子项，即每 GPU 每小时成本。对于云部署而言，这对应支付给云服务提供商的小时费用；而对于本地部署，则是通过摊销自有基础设施得到的等效小时成本。然而，降低每 Token 成本的关键在于分母，即最大化实际交付的 Token 产出。

       这个分母传递了两层商业含义：

       ·    最小化每 Token 成本：当 Token 产出增加被代入公式时，将降低每 Token 成本，从而提升每一次交互服务的利润空间。
       ·    最大化收入：每秒交付更多 Token，也意味着每兆瓦产出更多的 Token，这将带来更高的智能供给能力，使 AI 驱动的产品与服务能够在相同基础设施投入下创造更高收入。

       因此，如果只关注分子，就会忽视真正决定分母的因素。可以将其理解为一个“推理冰山”：分子位于水面之上，直观可见且易于横向比较；而分母则隐藏在水面之下，那才是决定实际 Token 产出的关键因素。对 AI 基础设施的准确评估，应从探究水面之下的部分开始。 表层问题：

       ·    每 GPU 小时的成本是多少？
       ·    峰值 PetaFLOPS 性能和高带宽内存容量是多少？
       ·    每美元可获得多少 FLOPS？

深度成本分析：

       ·    每百万 Token 的成本是多少？尤其是针对大规模混合专家（MoE）推理模型（当前部署最广泛的一类 AI 模型），其每百万 Token 成本是多少？
       ·    每兆瓦可交付多少 Token 产出？尤其是对本地部署而言，由于在土地、电力与基础设施上的资本投入较大，最大化每兆瓦所产生的智能产出至关重要。
       ·    纵向扩展（scale-up）互连是否能够支撑 MoE 模型所需的“all-to-all”通信模式？
       ·    是否支持 FP4 精度？推理栈是否能够在保持高精度的同时充分利用 FP4？
       ·    推理运行时是否支持投机解码或多 Token 预测，以提升用户交互体验？
       ·    服务层是否支持解耦服务、KV 感知路由、KV 缓存卸载以及其他优化？
       ·    平台是否支持代理式 AI 的独特工作负载需求，包括超低延迟、高吞吐以及长输入序列长度等？
       ·    平台是否支持从训练、后训练到大规模推理的完整生命周期，并覆盖所有模型架构，从而实现基础设施可互换性与高利用率？

       这些算法、硬件与软件化中的每一项优化都必须有效并且是可以相互集成的，否则分母项将无法成立。一块看似“更便宜”的 GPU，如果其每秒 Token 产出数量明显更低，反而会导致更高的每 Token 成本。能够做到全栈真正优化的 AI 基础设施，才能够确保每项优化都相互增强，从而持续提升整体效率。

为什么每 Token 成本比每美元 FLOPS 更重要？

       以下 DeepSeek-R1 AI 模型的数据展示了理论指标与实际商业结果之间的差异。

       仅从算力成本来看，NVIDIA Blackwell 平台的成本似乎约为 NVIDIA Hopper 的 2 倍，但算力成本并不能说明这项投入究竟能带来多少实际产出。如果仅以每美元 FLOPS 进行分析，相较于 NVIDIA Hopper 架构，NVIDIA Blackwell 仅有约 2 倍优势。然而，实际结果却呈现出数量级差异：Blackwell 每瓦的 Token 产出量是 Hopper 的 50 倍以上，每百万 Token 的成本降低至其 1/35 左右。
       这一悬殊差异表明，相较于上一代 Hopper，NVIDIA Blackwell 在商业价值上实现了巨大的跃迁，其提升幅度远超系统成本的增加。

如何选择合适的 AI 基础设施？

       仅凭算力成本或每美元理论 FLOPS 来比较 AI 基础设施，不仅是不充分的，也无法真实反映推理经济学。正如数据所展示的，要准确评估 AI 基础设施的营收潜力与盈利能力，需将衡量维度从输入指标转向每 Token 成本和实际 Token 产出量。

       NVIDIA 通过在计算、网络、内存、存储、软件以及合作伙伴技术上的极致协同设计，实现了业内最低的 Token 成本与最高的 Token 吞吐量。此外，诸如 vLLM、SGLang、NVIDIA TensorRT-LLM 以及 NVIDIA Dynamo 等基于 NVIDIA 平台构建的开源推理软件的持续优化，意味着在现有 NVIDIA 基础设施部署后，Token 产出仍可不断提升，每 Token 成本会持续下降。

       领先的云服务提供商与 NVIDIA 云合作伙伴，已在规模化部署中充分体现这一优势。包括 CoreWeave、Nebius、Nscale 与 Together AI 在内的合作伙伴，已部署 NVIDIA Blackwell 基础设施，并对其技术栈进行了优化，为企业提供当前最低的 Token 成本，同时充分发挥 NVIDIA 在硬件、软件与生态系统协同设计方面的全部优势，使每一次 AI 交互的处理都建立在这一完整体系之上。