算力规模在十年间增长超过40倍，但增速正逐年递减（从2019年的30 EFLOPS增至2026年预计的1270 EFLOPS，年增速从138%降至38%）。这一背景下，人工智能企业的成本结构从以**芯片采购（CAPEX）**为主，逐步演变为包含电力与散热（OPEX）、研发人员薪酬在内的多元结构；盈利模式则从“卖算力”转向“卖模型”和“卖解决方案”，SaaS化、轻资产化成为趋势。
成本结构的三重演变
人工智能企业的成本可拆解为三大块：
- 芯片与服务器采购（CAPEX）：早期是最大单一成本项。AI芯片（如GPU）是算力的核心，根据IDC预测，AI芯片市场复合增速有望达到50%左右。
- 电力与散热（OPEX）：随着数据中心规模扩大，电力成本占比持续上升。FPGA等低功耗芯片在推理场景的应用（如FPGA开发周期短、可配置性高）有助于优化这部分支出。
- 研发人员薪酬：AI人才稀缺导致薪酬溢价显著。企业需平衡自研芯片（如ASIC定制化高性能、低能耗）与外部采购的成本。
盈利模式：从算力到服务
企业盈利模式经历了三大阶段：
- 卖算力：按需付费的云服务，依赖大规模GPU集群，毛利率受芯片价格波动影响大。
- 卖模型：API调用收费，降低用户硬件门槛，但模型训练成本仍高。
- 卖解决方案：私有化部署+持续服务，将硬件、软件、运维打包，提升客户粘性。其中，FPGA和ASIC因适合推理场景，成为解决方案中的关键组件。
增速递减下的策略调整
算力增速递减（2026年预计降至38%）倒逼企业提升算力利用率，发展轻资产模式：例如采用FPGA的可重构硬件以降低开发周期，或转向ASIC定制芯片以优化能效比。同时，国产厂商在FPGA（如紫光国微、复旦微电合计市占率超15%）和ASIC（如海思昇腾910在BF16浮点算力方面表现突出）领域加速追赶，为成本优化提供更多选择。
常见问题
为什么算力增速递减反而影响盈利模式？
算力增速递减意味着单纯扩大算力规模的红利消退。企业必须通过提升利用率（如FPGA灵活配置）和转向高附加值服务（如模型API/SaaS）来维持盈利，而非依赖硬件采购的规模效应。
FPGA和ASIC如何改变成本结构？
FPGA开发周期短、可配置性高，适合快速迭代的推理场景，降低芯片更换成本；ASIC定制化设计可大幅提升能效比，长期看能降低电力与散热OPEX。两者均有助于从“重资产”模式转向“轻资产”服务。
国产AI芯片企业有哪些机会？
在FPGA领域，紫光国微、复旦微电等合计市占率已超15%；在ASIC领域，海思、寒武纪等采用7nm工艺，产品性能可与国外厂商比肩。国产替代加速有望降低国内企业的芯片采购成本。