Blog

AI 成本居高不下，开发者如何破局？——从汉克的警告到 DeepSeek 的突破

2026年8月3日

导语

随着 AI 热潮持续升温，两大截然不同的声音正引起业界关注。约翰斯·霍普金斯大学经济学家史蒂夫·汉克（Steve Hanke）近日警告，AI 的资源消耗与成本远超想象，大规模取代人力并非易事¹。而几乎同时，国家超算互联网正式上线了 DeepSeek-V4-Flash 模型 API，宣称性能可比肩最强闭源模型，为开发者提供便捷的调用入口²。成本与性能的博弈，正成为 AI 落地绕不开的话题。

巨头豪掷万亿，AI 背后的资源黑洞

汉克指出，AI 并非廉价技术，“需要消耗大量的水、电以及图形处理芯片等硬件设备”¹。微软、Alphabet、亚马逊和 Meta 四家科技巨头预计今年资本支出就将达到约 7000 亿美元，并在 2027 年进一步增至 1 万亿美元¹。如此庞大的投入指向一个事实：每提供一次 AI 服务，都意味着背后的算力与能源在持续燃烧，这与传统软件“一次开发、无限复制”的边际成本截然不同。

取代人力？经济学家说“不”

面对“AI 将引发大规模失业”的预测，汉克直言：“企业不会把所有员工都裁掉，然后全部换成 AI，因为在很多情况下，使用 AI 的成本反而比雇佣员工更高。”¹ 他批评部分 AI 鼓吹者为“江湖骗子”，混淆了软件与 AI 的成本模型。就连埃隆·马斯克所描绘的“全民高收入”社会，也被多位专家认为过于遥远。

DeepSeek 新动作：性能追赶，成本能否突破？

与汉克的谨慎形成对照的是，国产大模型近期再迎突破。国家超算互联网平台上线了 DeepSeek-V4-Flash-0731 模型 API，官方称其智能体与指令遵循能力大幅增强，性能可媲美最强闭源模型²。开发者通过官网即可一键接入，超算互联网已汇集超过 1700 款国产模型。这一动向表明，尽管整体 AI 基建成本高昂，但模型侧的迭代与开放生态正在降低应用门槛。

趋势分析：成本曲线会向下吗？

汉克认为，决定 AI 革命能走多远的不是市场热情，而是稀缺资源的成本。但 AI 支持者坚信，芯片能效和算法优化将持续压低推理成本。从 DeepSeek 的快速进化来看，模型能力的提升并不一定伴随成本的同步膨胀。对于开发者而言，关注“模型性价比”和“部署效率”将成为未来几年的核心课题。无论是依托国家超算平台调用开放 API，还是在边缘设备上运行更轻量的模型，成本意识必须贯穿技术选型始终。

对个人开发者与技术从业者的启发

成本敏感度将成为核心竞争力：在项目初期就评估模型调用、微调和自建部署的长期收益，避免落入“重投入、轻产出”的陷阱。
拥抱开放生态：国家超算互联网、开源社区提供的模型能力正在迅速追赶闭源产品，不必盲目依赖昂贵的大厂服务。
关注能效与创新应用：微软 Azure CTO 最近用剪贴板技术在画图工具中跑起《毁灭战士》³，这种极客思维提醒我们：约束往往催生创意，用更少的资源实现巧妙方案，本就是工程师的浪漫。

不论 AI 成本曲线走向何方，保持理性、善用工具、敬畏资源消耗，将是技术人在这场变革中最坚实的护城河。

参考来源