当前全球AI产业已从模型能竞赛迈入智能体规模化落地的“生死竞速”阶段，“降本” 不再是可选优化项，而是决定AI企业能否盈利、行业能否突破的核心命脉。在此大背景下梅州隔热条设备价格，浪潮信息推出元脑HC1000扩展AI服务器，将推理成本次击穿至1元/每百万token。这一突破不仅有望打通智能体产业化落地“后一公里”的成本障碍，更将重塑AI产业竞争的底层逻辑。

浪潮信息席AI战略官刘军强调，当前1元/每百万token的成本突破仅是阶段胜利，面对未来token消耗量指数级增长、复杂任务token需求激增数十倍的然趋势，现有成本水平仍难支撑AI的普惠落地。未来，AI要真正成为如同 “水电煤” 般的基础资源，token成本须在现有基础上实现数量级跨越，成本能力将从“核心竞争力”进一步升级为“生存入场券”，直接决定AI企业在智能体时代的生死存亡。

浪潮信息席AI战略官刘军

智能体时代，token成本就是竞争力

回顾互联网发展史，基础设施的“提速降费”是行业繁荣的重要基石。从拨号上网以Kb计费，到光纤入户后百兆带宽成为标配，再到4G/5G时代数据流量成本趋近于零——每一次通信成本的显著降低，都推动了如流媒体、移动支付等全新应用生态的爆发。

当前的AI时代也处于相似的临界点，当技术进步促使token单价下滑之后，企业得以大规模地将AI应用于更复杂、更耗能的场景，如从早期的简短问答，到如今支持长上下文、具备多步规划与反思能力的智能体……这也导致单任务对token的需求已呈指数级增长。如果token成本下降的速度跟不上消耗量的指数增长，企业将面临更高的费用投入。这昭示着经济学中著名的“杰文斯悖论”正在token经济中重演。

来自多方的数据也有力佐证了token消耗量的指数级增长趋势。火山引擎新披露的数据显示，截至今年12月，字节跳动旗下豆包大模型日均token使用量突破50万亿，较去年同期增长过10倍，相比2024年5月刚推出时的日均调用量增长达417倍；谷歌在10月披露，其各平台每月处理的token用量已达1300万亿，相当于日均43.3万亿，而一年前月均仅为9.7万亿。

谷歌公布其token处理量变化

当使用量达到“百万亿token/月”的量级时，哪怕每百万token成本只下降1美元，也可能带来每月1亿美元的成本差异。刘军认为：“token成本就是竞争力，它直接决定了智能体的盈利能力。要让AI真正进入规模化普惠阶段，token成本须在现有基础上继续实现数量级的下降。”

深挖token成本“暗箱”：架构不匹配是核心瓶颈

当下，全球大模型竞赛从“盲目堆算力”转向“追求单位算力产出价值”的新阶段。单位算力产出价值受到能源价格、硬件采购成本、算法优化、运营成本等多种因素的影响，但不可否认的是，现阶段token成本80%以上依然来自算力支出，而阻碍成本下降的核心矛盾，在于推理负载与训练负载截然不同，沿用旧架构会导致算力、显存与网络资源难以同时优，造成严重的“高配低”。

一是算力利用率（MFU）的严重倒挂。训练阶段MFU可达50%以上，但在推理阶段，特别是对于追求低延迟的实时交互任务，由于token的自回归解码特，在每一轮计算中梅州隔热条设备价格，硬件须加载全部的模型参数，却只为了计算一个token的输出，导致昂贵的GPU大部分时间在等待数据搬运，实际MFU往往仅为5%-10%。这种巨大的算力闲置是成本高企的结构根源。

二是“存储墙”瓶颈在推理场景下被放大。在大模型推理中，随着上下文长度的增加，KV Cache呈指数级增长。这不仅占用了大量的显存空间，还导致了由于访存密集带来的高功耗。这种存算分离不仅带来数据迁移功耗和延迟，还须配使用价格高昂的HBM，已经成为阻碍token成本下降的重要瓶颈。

三是网络通信与横向扩展代价愈发高昂。当模型规模突破单机承载能力时，跨节点通信成为新瓶颈。传统RoCE或InfiniBand网络的延迟远高于芯片内部的总线延迟，通信开销可能占据总推理时间的30%以上，导致企业被迫通过堆砌更多资源来维持响应速度，推高了总拥有成本（TCO）。

对此，刘军指出，降低token成本的核心不是“把一台机器做得更全”，而是围绕目标重构系统：把推理流程拆得更细，支持P/D分离、A/F分离、KV并行、细粒度家拆分等计算策略，让不同计算模块在不同卡上按需配置并发，把每张卡的负载打满，让“卡时成本”更低、让“卡时产出”更高。

基于全新扩展架构，元脑HC1000实现推理成本次击破1元/每百万token

当前主流大模型的token成本依然高昂。以输出百万token为例，Claude、Grok等模型的价格普遍在10-15美元，国内大模型虽然相对便宜，也多在10元以上。在天文数字级别的调用量下，隔热条PA66如此高的token成本让大规模商业化应用面临严峻的ROI挑战。要打破成本僵局，须从计算架构层面进行根本重构，从而大幅提升单位算力的产出率。

主流LLM的百万token价格

(注：9月26日(AICC2025大会当日)数据，9月29日DeepSeek发布V3.2 Exp价格降为3元/每百万Token)

为此，浪潮信息推出元脑HC1000扩展AI服务器。该产品基于全新设计的全对称DirectCom速架构，采用无损扩展设计，可高聚海量本土AI芯片，支持大推理吞吐量，推理成本次击破1元/每百万token，为智能体突破token成本瓶颈提供致能的创新算力系统。

元脑HC1000扩展AI服务器

刘军表示：“我们看到原来的AI计算是瞄着大而全去建设的，五脏俱全，各种各样的东西都在里面。但是当我们聚焦降低token成本这一核心目标之后，我们重新思考系统架构设计，找到系统瓶颈，重构出一个简设计的系统。”

元脑HC1000创新设计了DirectCom速架构，每计算模组配置16颗AIPU，采用直达通信设计，解决传统架构的协议转换和带宽争抢问题，实现低延迟；计算通信1:1均衡配比，实现全局无阻塞通信；全对称的系统拓扑设计，可以支持灵活的PD分离、AF分离方案，按需配置计算实例，大化资源利用率。

全对称DirectCom速架构

同时，元脑HC1000支持大规模无损扩展，DirectCom架构保障了计算和通信均衡，通过算网深度协同、全域无损技术实现推理能1.75倍提升，并且通过对大模型的计算流程细分和模型结构解耦，实现计算负载的灵活按需配比，单卡MFU高可提升5.7倍。

大规模无损扩展

此外，元脑HC1000通过自适应路由和智能拥塞控制算法，提供数据包级动态负载均衡，实现KV Cache传输和All to All通信流量的智能调度，将KV Cache传输对Prefill、Decode计算实例影响降低5-10倍。

刘军强调，当前“1元/每百万token”还远远不够，面对未来token消耗量的指数级增长，若要实现单token成本的持续、数量级下降，需要推动计算架构的根本革新。这也要求整个AI产业的产品技术创新，要从当前的规模导向转为率导向，从根本上重新思考和设计AI计算系统，发展AI用计算架构，探索开发大模型芯片，推动算法硬件化的用计算架构创新，实现软硬件深度优化，这将是未来的发展方向。

“墨子”具身机器人正在用灵巧的机械手臂叠衣服。

课程先聚焦肯塔基州空难事件，一架UPS货运飞机在路易斯维尔国际机场起飞时坠毁，已造成至少7人死亡。张朝阳结报道，详细解析了坠机新闻中的关键词汇，包括扑灭大火（extinguish the fire）、吞噬附近商业区（engulfing nearby businesses）等业表达。满载燃油的货机起飞时可能面临哪些潜在风险？在航空安全日益完善的今天，为何此类悲剧仍无法避免？

邢女士的公婆已七八十岁高龄，都是听障人士。提及近一年来公婆对“投资”的痴迷，邢女士直呼“闹心！”“他们自己会形成一个圈子，一些老人熟了之后就开始借钱。残疾人圈子本来就小，公婆很珍惜来之不易的友谊，都会借出去。对方还钱的时候，估计是显摆了自己怎样‘赚钱’的，老人信了就加群，下载App往里投钱。”

业内人士认为，“星舰”此前多次试飞失败使其可靠大打折扣。此外，在太空中为“星舰”加油的设计操作具风险，此前从未有过相关经验。

当前，“开源”“开放”正在成为推动技术生态快速发展的重要模式。近年来，随着我国区块链生态网络日益扩大梅州隔热条设备价格，链上数据爆发式增长，通用硬件在处理区块链数据流通和运算时能受限，已经成为国产区块链扩大深化应用的瓶颈。加之安全、信任等方面的需求，推动先进区块链芯片技术开源开放，打造软件、硬件协同发展的技术生态，成为全行业的期待。