人工智能——花旗推理前沿：模型、机器人与内部算力释放

核心观点与关键数据

1. 价格趋势：随着企业对 AI 的加速采用，平均输出 token 价格和 GPU 租赁价格持续上涨，反映供需失衡。GPU 价格在 Hopper 和 Blackwell 实例中均有所上升，而新产能的上线仍无法缓解供应受限的局面。价格从电力、半资本设备到内存逐级传导，稀缺性持续推动价格上涨。
2. 数据中心建设延迟：受当地阻力、劳动力短缺和设备限制影响，数据中心建设延迟将成为未来几周管理评论的重点。这将导致供给曲线右移但不会下移，短期内市场焦点将从 CapEx 调整转向收入加速，扭转近期表现不佳的趋势。
3. 产能分配：SpaceX Al 和 Meta 解锁的闲置产能迅速转向模型提供商，但开发者规模有限的计算资源仍存在缺口，数据中心建设延迟将持续限制供应，因此 token 和租赁价格仍将维持高位。此外，许可审批的政治化加剧了供应限制。
4. 成本与效率：新进入者（如 Grok4.5 和 MuseSpark1.1）在速度和成本上压缩了市场，头部与尾部智能差距持续扩大。企业更关注成本而非原始能力，PrismML 将 Qwen3.6 压缩至 4GB，足以在 iPhone 17 Pro 上运行。
5. 物理 AI 需求：物理 AI 作为下一轮需求驱动力，目前受限于数据、电力和安全性，但代表了长期增长机会。芯片制造商持续提升耐用性和效率，但加剧了集中化和依赖性风险。
   研究结论

• AI 供需失衡将持续推高价格，但数据中心建设延迟将缓解部分压力。
• 企业对 AI 的采用将从成本和效率角度进行选择，新进入者将加速市场整合。
• 物理AI和芯片领域存在长期增长潜力，但需关注供应链风险。