价格战底下看不见的账本
上个月跟杭州一家做AI互动直播的老板吃饭。他拍着大腿骂街。
年初国内头部大模型打价格战，API直接降价九成，百万tokens只要八毛钱。他抢了一百万的优惠额度，当场就把原来的小模型换了，以为能大赚一笔。结果跑了三个月，亏了两百万。
你猜大头亏在哪？不是API钱。他给我算帐：API成本只占总开销的不到三成，剩下七成全给IDC交了电费。他那套跑实时推理的10卡A100集群，每个月单电费就要八万五，差不多刚好是杭州钱江新城一套三居室的月租，比他给三个员工发的房租补贴还高三倍。
现在所有人开口闭口都是深度学习的参数突破、精度提升，没人聊一句跑模型要花多少钱的电。
说实话，我听完一身冷汗。这两年大模型把深度学习的风口吹得越来越大，所有人都盯着参数榜刷排名，资本给堆参数的公司砸钱，媒体给高准确率吹牛皮，唯独把最基础的成本账藏在了桌子底下。
很多中小企业兴冲冲接入大模型，做完落地才发现，卖产品赚的钱还不够交电费。这不是开玩笑，是2026年当下正在发生的真事。
堆参数竞赛的本质是资本的骗局
很多人说深度学习的进步就是靠堆参数，这话说对了一半，另一半是资本需要这么讲故事。
你去看国内的玩家，头部公司其实门清。百度早在2024年就给文心一言做了稀疏激活改造，推理端整体能耗直接降了60%，同样的集群能跑两倍的并发；字节跳动给豆包做动态显存复用优化，同样的A100卡，能多挤出来32%的推理容量，本质就是在省电费。反而是一堆拿了融资的创业公司，拼了命往千亿万亿参数堆，把参数规模当PPT上最大的卖点，转头拿融资继续买卡，陷入了一个「堆参数-拿融资-再堆参数」的死循环。
这种堆参数的玩法，像极了二战阿登反击战里的德军装甲师——把所有精锐坦克和燃油都堆到突击一线，以为能一口捅穿盟军防线，结果刚推进几十公里就没油了，全成了活靶子。现在一堆大模型创业公司不就是这样？融了钱就买卡堆参数，做出来的模型参数好看，准确率只比人家两年前的模型提升不到4%，训练成本翻了三倍，落地的时候连电费都赚不回来。
有业内朋友给我透了个数据：训练一个1.2T参数的全连接大模型，整个训练周期的总耗电量，差不多相当于贵州黔西南一个两万人口小镇全年的居民用电量，这个成本别说创业公司，二线互联网公司都扛不住。哦对，就算训练完了，你要部署推理，只要用户量起来，每个月的电费都是几百万起步，没有几家业务能覆盖这个成本。
电费才是深度学习接下来十年最大的卡脖子问题，不是什么算法突破，也不是什么数据封锁，就是实打实的一度电一块钱，跑一个小时烧多少钱，明摆着的帐。你参数堆得再高，精度提得再多，赚的钱不够交电费，那就是废物。
不过话说回来，为什么大家还愿意卷？因为资本就吃这一套。你说我做了一个轻量模型，成本降了一半，准确率只降1%，投资人没感觉。你说我做了一个万亿参数的大模型，投资人眼睛立马亮了，给你砸钱。至于未来能不能赚回电费，那是未来的事，先把融资拿到手再说。
普通玩家的破局点不在大，在轻
很多做算法的朋友找我吐槽，说大公司都把深度学习的坑占了，我们普通人还有机会吗？我每次都告诉他们，别去凑千亿参数的热闹，那本来就不是给普通人准备的游戏。
去年我认识一个在佛山给陶瓷厂做缺陷检测的工程师，他原来想蹭大模型的风口，想用千亿模型做识别，算了算成本，一条生产线改造的电费一年就要二十多万，厂老板直接摇头。后来他换了思路，用一个12层的轻量深度学习网络，拿厂里一万多张缺陷样本微调，跑出来准确率只比千亿模型差1.1%，单条生产线的年电费不到八千，厂老板当场订了十条线的改造。他一个十几个人的小团队，去年赚了快两千万，比很多拿融资的大模型创业公司活得滋润多了。
你看，市场早就用脚投票了。深度学习发展到今天，早就不是比谁参数大、比谁精度高的年代了，是比谁能把成本打下来，比谁能让客户赚的钱比交的电费多。
很多传统行业的落地场景，根本不需要千亿参数的大模型。哪怕是服装版型识别、农产品分拣、工厂缺陷检测这种看起来很普通的场景，你把现成的轻量深度学习模型改一改，适配客户的具体需求，把成本控制住，就能赚到钱。反而那些张口闭口万亿参数的方案，客户一听电费报价就吓跑了，根本落不了地。
我见过太多从业者，一开始就被带偏了，以为不做通用大模型就不是做深度学习，非得去挤那个独木桥，最后卷得头破血流，还赚不到钱。其实换个思路，往细分领域走，往轻了做，把电费降下来，到处都是没人抢的生意。
你手里的深度学习项目，这个月的电费赚回来了吗？
