AI创业最大的隐性成本，不是模型是算力和电费
花旗7月24日AI追踪报告披露，年初至今Blackwell GPU租金上涨27%，中国前沿模型混合定价周涨45%，SpaceX斥资10亿美元采购1GW移动涡轮发电机组。这标志着算力瓶颈从芯片获取转向内存带宽与电力供给，护城河正重新定义为高效产出与专有数据。对一人公司而言，成本控制必须从第一天就纳入架构设计，而非事后补救。
我的新站刚跑通前后台时，最急的就是接支付。那时候满世界都是WorkBuddy的广告，注册进去确实送了免费积分，前期惊艳——我把需求一抛，它噼里啪啦写出对接、回调、验签，居然真跑通了。但它太"高级"，非往前后端分离架构带，整出一堆看不懂的目录，免费积分很快烧光。一咬牙充值，积分条唰唰掉，一边报错一边烧钱，几天下来100多块没了。想吃碗蛋炒饭，厨子摆了顿法式大餐，账单还得我买。这教训很直接：免费的东西最终都要付费，而且往往在你最急的时候宰你一刀。
从行业观察来看，算力成本波动比模型能力更值得一人公司警惕。花旗数据显示Blackwell GPU租金年初涨27%，中国前沿模型混合定价周涨45%（两个月来首次大幅波动）。这意味着API调用账单不会停留在你注册时的价格锚点。一人公司没有采购议价权，只能被动接受上游调价。因此，把业务毛利建立在不稳定的算力定价上，相当于把利润命脉交给了别人。
进一步来看，SpaceX斥资10亿美元买1GW移动涡轮机组，侧面印证电力已成AI基础设施的硬约束。花旗判断瓶颈转向内存带宽和电力，而非单纯算力获取。对轻资产创业者来说，你虽不直接买发电机，但服务商的电费成本终将传导至API单价。值得注意的是，这轮涨价集中在"前沿模型"，基础小模型受影响较小——选模型尺寸本身就是成本策略。
一人公司生态就像微服务架构——每个节点独立运行但依赖整体协同。你的支付、推理、存储各自第三方，任何一环成本异动都会击穿利润。WorkBuddy那100块只是前端工具的小坑，真要跑推理服务，后端算力账单才预计/估算吃掉多数收入。因此风险层面最被忽视的是：多数人盯着"哪个模型最强"，却没算过"用多少次会亏本"。
我打算怎么做？第一，把新站支付以外的推理需求尽量压到7B-13B开源模型本地跑，普通显卡即可承载，避开前沿模型周涨45%的区间。第二，接API前先写个成本测算表：按当前定价算单次调用支出，设价格上限告警。第三，WorkBuddy那种"免费引流+复杂化绑定"的工具，后续只用作参考不充值，已被割的100块算学费。
基于以上分析，建议立即执行以下动作：梳理站内所有调用第三方模型的环节并标记定价依赖度（耗时约2小时）；将非必要推理切换至本地小模型或锁定基础版套餐（成本为零，仅时间投入）。价格上行周期刚启动，两周内重谈或迁移比三个月后被动挨宰更从容。花旗报告原文与Blackwell租金指数可作后续跟踪底稿。
