Frontier AI价格暴跌90%：中国如何颠覆全球科技市场

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

提供 27 种语言版本 📢

在 Google 上更倾向于选择 Xpert.Digital。ⓘ

发布日期：2026年8月12日 / 更新日期：2026年8月12日 – 作者： Konrad Wolfenstein

Frontier AI 价格暴跌 90%：中国如何颠覆全球科技市场——图片来源：Xpert.Digital

Transformer时代终结了吗？这种新型人工智能架构目前正在撼动华尔街。

人工智能悄然退出历史舞台：为什么庞大的语言模型突然对企业而言变得过时了

规模化已成过去：为何小型私有人工智能模型如今正在主宰经济

人工智能市场正经历着翻天覆地的变化。中国供应商以大幅降低生成式语言模型价格的方式向美国老牌巨头施加巨大压力，人工智能计算能力也日益成为一种廉价商品。然而，在价格战之外，一个更深层次的技术困境正在浮现。作为几乎所有现有人工智能模型核心的Transformer架构，在处理复杂推理和无误处理敏感数据方面已接近其结构极限。为了应对这一挑战，全新的方法应运而生：从在现实世界金融市场中展现价值的动态“神经拓扑”到优先考虑数据主权和绝对可追溯性的定制化、自主人工智能模型。争夺最强计算能力的地缘政治竞赛正逐渐让位于对最智能、最安全架构的争夺——这一发展趋势正迫使全球企业从根本上重新评估其人工智能战略。.

前沿人工智能指的是目前最强大、应用最广泛的人工智能系统。“前沿”一词的含义很简单：它处于当前技术能力的极限。.

Transformer时代指的是自2017年以来人工智能发展的一个阶段，在这个阶段中，Transformer模型成为现代生成式人工智能的核心技术基础。这并非指单一产品，而是一种范式转变：从更专业化、顺序运行的模型转向大规模、通用的AI模型。.

人工智能竞赛中的悄然中断

当价格下降超过 90% 而需求并未崩溃时，这并非营销策略，而是整个行业的结构性转变。2026 年，生成式语言模型市场正是如此。DeepSeek、阿里巴巴、Moonshot AI、小米和智普等中国厂商大幅降低了其前沿模型的成本，使得每百万个处理文本字符的成本比 OpenAI 和 Anthropic 等美国厂商低 15 到 200 倍。DeepSeek 已将其 V4 Pro 型号 75% 的折扣永久化，以 0.87 美元的价格提供一百万个文本片段的输出，而同类美国产品有时售价超过 30 美元。据分析公司 Artificial Analysis 称，最新的 V4 Flash 型号在基准测试中成本仅为 3 美分左右，而 Anthropic 目前的顶级型号成本超过 3 美元。这种转变不仅影响科技公司的财务报表，还影响着全球企业将人工智能集成到工作流程中的整个成本结构。.

为什么计算能力突然变成了一种商品

价格暴跌并非偶然，而是多种经济因素共同作用的结果。首先，中国开发者利用所谓的混合专家架构构建模型。这些模型拥有数万亿个参数，但每次查询仅激活其中一小部分，从而大幅降低计算成本。其次，先进的缓存技术，例如DeepSeek的上下文信息重用系统，使得常用查询的处理成本几乎为零，有时甚至低于每百万字符千分之三美元。此外，中国较低的能源成本、政府对国内半导体生产的补贴计划，以及摆脱美国芯片出口限制、实现技术自主的政治意愿，都促使华为等公司凭借其昇腾950处理器，打造出可与西方硬件媲美的国产产品。最终，一场价格战爆发。根据美中经济与安全审查委员会的一项研究，这场价格战使得性能相当的中国产品价格仅为美国产品的六分之一到四分之一。对于企业而言，这意味着需要彻底重新计算人工智能支持的自动化技术的实际成本，才能使其在经济上可行。.

价格下跌背后的真正问题

尽管成本降低令人印象深刻，但这并未解决根本的技术难题。所有提及的模型，无论来自美国还是中国，都基于相同的基本架构——所谓的Transformer。自2017年推出以来，Transformer几乎成为所有主流语言模型的基础。Transformer通过计算文本元素序列的统计概率并推导出最可能的后续内容来处理语言。这种方法取得了巨大的进步，但在真正独立于上下文的推理方面，尤其是在错误会造成实际财务或运营后果的领域，它遇到了结构性的限制。无论使用成本降低多少，更便宜的Transformer在基本功能上仍然是Transformer。正是基于这一观察，一些规模虽小但不断壮大的公司开始从根本上质疑现有的架构，而不仅仅是降低成本。.

一种随着每一次需求而不断重塑自身的建筑理念。

总部位于迈阿密的Vertus公司采用了一种截然不同的方法，其专有架构被称为神经拓扑或动态神经拓扑。与常见的Transformer模型通过预训练权重组成的固定网络路由查询不同，该系统旨在为每个查询构建新的神经通路，类似于生物大脑如何根据任务的复杂程度激活不同密度的突触连接。因此，简单的查询会触发一条精简的处理路径，而复杂的分析任务则会触发一个密集且高度互连的结构，该结构在计算完成后会再次解散。该公司推广两种模型变体，分别名为八兆神经元架构和十六兆神经元架构，分别用于通用推理和面向研究的多维分析任务。Vertus声称其运行着超过一百万个内部子系统，这些子系统基于名为“经纪商资金流”（Broker Money Flow）的专有数据集进行训练，该数据集描绘了金融中介机构之间的资本流动。Vertus还表示，该架构并非基于GPT或Gemini等外部语言模型，而是从零开始为金融思维而设计的结构。.

股市的严峻实战考验

测试场地的选择尤其耐人寻味。Vertus并没有选择在低风险环境下测试其新的架构理念，而是将其系统部署在真实的金融市场中，任何误判都会导致即时的财务损失。该公司宣称，2025年的回报率将超过51%，日交易量将达到数十亿美元。如果这些数据属实，那将是惊人的，但目前支持该公司说法的独立审计和可验证的技术文档却寥寥无几。一项新闻调查得出结论：尽管Vertus的技术声明听起来合情合理，但几乎没有独立可验证的细节支撑。在一个以夸大业绩承诺而臭名昭著的行业中，这无疑令人担忧。与此同时，选择的测试场地也颇具远见：金融市场能够以盈亏的形式提供客观的每日反馈，而这些反馈无法被巧妙的营销手段掩盖或粉饰。如果一种新架构在较长时间内持续优于现有模型，这将有力地表明它并非空穴来风。该公司还宣布计划将其技术拓展到金融领域以外的生物技术、国防、航空航天和材料科学等领域。.

当规模不再是唯一答案时

过去几年人工智能的发展主要遵循一个简单的公式：更多的数据、更多的参数、更强大的计算能力带来更好的模型。这种逻辑引发了对数据中心和专用芯片的巨额投资，并将美国领先人工智能公司的市值推至历史新高。然而，来自中国的价格战表明，纯粹的规模扩张正日益接近其经济极限，因为拥有更高效架构的竞争对手能够以更低的成本提供类似的性能。如果事实证明，诸如Vertus公司所采用的神经拓扑结构等替代架构概念在某些应用场景下确实优于Transformer架构，那么整个行业的投资逻辑将再次发生转变。届时，关键问题将不再是哪个国家或公司拥有最大的数据中心，而是哪种基本的计算原理最终将占据主导地位。这种从地缘政治竞争到架构竞争的转变，将是人工智能发展史上最重要的方向调整之一。.

借助“托管人工智能”（人工智能）实现数字化转型的新维度——平台及B2B解决方案 | Xpert咨询

“托管式人工智能”开启数字化转型新篇章——平台及B2B解决方案 | Xpert Consulting - 图片来源：Xpert.Digital

在这里，您将了解到您的公司如何快速、安全地实施定制化的人工智能解决方案，且无需承担过高的准入门槛。.

托管式人工智能平台是您实现人工智能的全方位、无忧解决方案。您无需处理复杂的技术、昂贵的基础设施和漫长的开发流程，即可从专业合作伙伴处获得根据您的需求量身定制的现成解决方案——通常只需几天时间。.

主要优势一览：

⚡ 快速实施：从构思到可立即使用的应用，只需几天而非几个月。我们提供切实可行的解决方案，创造即时附加值。.

🔒 最高数据安全保障：您的敏感数据始终由您掌控。我们保证安全合规地处理您的数据，绝不与任何第三方共享。.

💸 无财务风险：您只需为结果付费。完全无需前期投入大量资金用于硬件、软件或人员。.

🎯 专注于您的核心业务：集中精力做好您最擅长的事情。我们将负责您人工智能解决方案的全部技术实施、运营和维护。.

📈面向未来且可扩展：您的AI将与您一同成长。我们确保持续优化和可扩展性，并灵活调整模型以适应新的需求。.

更多信息请点击这里：

托管式人工智能解决方案——工业人工智能服务：服务业、工业和机械工程领域保持竞争力的关键

数据主权而非云依赖：为什么小型人工智能模型正在为企业赢得市场

数据主权是企业人工智能的新货币

除了架构和成本方面的争论之外，另一个同样具有经济意义的趋势正在兴起：市场对完全由客户掌控的小型专有人工智能模型的需求。位于加州马里纳德尔雷的 myAux Labs 公司正是瞄准了这一细分市场。其商业模式解决了迄今为止阻碍众多公司广泛采用人工智能的两大障碍：大型语言模型容易生成听起来合情合理但实际上错误的语句，以及监管或合同要求限制敏感的公司数据离开公司 IT 基础设施。与提供通用模型并收取持续使用费的传统云服务提供商不同，myAux 与客户合作，定义具体的用例，收集必要的专有数据，并基于这些数据训练和验证定制模型，然后将完整的模型权重交付给客户。客户完全拥有该模型，无需为每次请求支付任何费用，无需依赖任何单一提供商，也无需将任何数据离开客户自身的环境，因为部署可以在客户本地进行，也可以完全与外部网络解耦。.

为什么可理解性比纯粹的语言流畅性更重要？

myAux产品的一项关键技术特性是其与合作伙伴TopoLift AI共同开发的上下文约束架构。该架构刻意限制模型可以做出的陈述，仅依赖于客户自身数据中实际存在且可验证的结构。因此，系统的每一个响应都可以追溯到最初支持它的具体证据。这种方法与传统的、经过广泛训练的语言模型的功能截然不同。传统的语言模型从海量的通用训练数据中获取知识，其本质决定了它们生成的陈述虽然在语言上令人信服，但却无法清晰地追溯到特定的、可验证的来源。对于金融、能源、公共管理、医疗保健和教育等行业而言，可追溯性和数据保护是不可妥协的先决条件，因此这一原则至关重要。它将竞争优势的焦点从模型的规模转移到其陈述在明确定义的领域内的精确性和可验证性上。.

对同一个基本问题的两个答案

乍看之下，Vertus 和 myAux 采取了截然不同的策略，但实际上，它们从相反的方向着手解决同一个根本问题：如何克服当今人工智能系统固有的缺陷，即在关键情况下缺乏可靠性以及对自身数据缺乏控制。Vertus 采用了一种全新的通用架构，旨在跨行业应用，并将首先在一个要求极高的领域进行验证。而 myAux 则刻意避免构建通用人工智能，而是专注于为各个公司构建规模小、定义严格但完全可控且可追溯的模型。以下概述阐述了这两种方法之间的关键概念差异。.

特征	Vertus（神经拓扑学）	myAux Labs（主权模型）
建筑设计方法	根据请求动态重建神经通路	基于精心挑选的客户数据的上下文约束模型
客观的	跨行业、普适推理	狭义的、公司特定的用例
所有权模式	专有平台，使用需获得访问权限	将模型重量完全交付给客户
条款	通过其自身的平台，主要面向金融市场	可部署在客户现场或完全网络隔离。
核心承诺	与Transformer模型相比，具有更优越的论证能力	可验证的、基于来源的答案，且不泄露数据

为什么规模不再自动决定胜负

通用前沿模型价格的急剧下降，以及规模更小、更专业化或架构截然不同的替代方案的涌现，共同表明市场正经历着类似于其他技术周期中观察到的成熟过程。在技术周期的早期阶段，竞争通常集中在原始性能和规模上；而在更成熟的阶段，差异化、成本效益和可信度则成为核心。对于中型企业或身处高度监管行业的企业而言，这意味着选择合适的AI战略，与其说是取决于哪个模型在通用语言基准测试中得分最高，不如说是取决于哪个系统最能满足公司在成本、控制和可追溯性方面的具体运营需求。拥有敏感供应链数据的物流公司与只需要快速、低成本文本生成的初创公司有着不同的优先事项，而这两家公司又都与必须实时做出合理交易决策的金融机构有所不同。.

不容忽视的风险和未解之谜

尽管人们对新的架构概念和复杂的建模方法充满好奇，但保持一定的怀疑态度仍然是必要的。Vertus 目前关于收益和交易量的说法主要基于公司自身的声明；缺乏对底层架构的独立、技术上可验证的审计，而且金融行业也熟知许多所谓的革命性系统最终却无法复制其成功案例。此外，对于中国的价格优势也应谨慎对待，因为独立分析师指出，许多价格低廉的中国产品在计算密集型、高吞吐量工作负载下的性能明显较差，而且其基准测试结果经常被外部审计机构下调。另外，使用中国云服务还存在政府机构访问数据的问题，这对于有着严格合规要求的欧美公司来说是一个严重的风险，而且很难通过合同保证完全消除。即使像 myAux 这样的公司专属主权模型，针对单一用例量身定制的紧密集成系统究竟能多大程度上适应不断变化的业务需求，以及即使面对更复杂的多阶段问题，所承诺的可追溯性是否能够可靠地维持，这些仍有待观察。.

对后续发展的理性评估

从目前来看，种种迹象表明，未来几年人工智能市场将沿着两条平行且互补的发展路径展开。一方面，通用型、广泛适用的语言模型的价格将持续下降，这些系统将日益成为一种几乎隐形、可互换的基础设施组件，就像云存储或计算能力已经高度商品化一样。另一方面，一个不断增长的市场正在兴起，该市场需要专门的、架构差异化的或专有的解决方案，以精准地解决通用模型在结构上存在局限性的问题，例如在金融等高风险、实时决策领域，或在医疗保健和政府等对数据主权和可追溯性要求严格的领域。像Vertus这样的神经拓扑方法最终是否会优于Transformer，目前尚无法给出确切的答案，但拥有雄厚资本的严肃公司正在探索这条道路，并让自己接受最严峻的现实考验——真实的金融市场——这一事实本身就值得经济界的关注。对于如今正在制定人工智能战略的公司而言，实际意义不在于仅仅关注规模最大、知名度最高的供应商，而在于精准定义自身在成本、控制、可追溯性和容错性方面的需求，并据此选择合适的技术。因此，未来几年真正的竞争格局，与其说是各国或各公司之间的较量，不如说是不同人工智能核心理念之间的碰撞。.