AI 晶片性價比每年成長 49%，每 1.7 年翻倍——Epoch AI 最新數據洞見

2026 年 8 月 13 日，Epoch AI 發布了一項數據洞見，為 AI 產業中最關鍵的問題之一提供了清晰答案：AI 硬體基礎的降價速度，是否足以支撐這場 AI 熱潮？根據他們對 2023 年第一季至 2025 年第四季期間售出的 24 款 AI 加速器的嚴謹分析，答案是肯定的——但改善的速度正在加速，其背後的動態對於誰能勝出、誰會出局，以及數兆美元的 AI 基礎設施投資能否回本，都有深遠的影響。

核心發現：自 2023 年以來，每季花在 AI 晶片上的每一美元，平均每年能多獲得約 49% 的效能——以 2025 年固定幣值計算。這意味著性價比每 1.7 年就翻倍一次。對於一個訓練前沿模型動輒需要數億美元算力的產業來說，每年 49% 的性價比改善不是微幅優化。它是 AI 經濟學能夠持續複利成長、還是會崩潰的分水嶺。

數據究竟測量了什麼

Epoch AI 的分析方法在學理上極為精確。對於每個季度，他們計算所有已售 AI 晶片的「每美元效能」加權平均值。公式是將每款晶片的「總處理效能」（TPP）——這是一個標準化指標，涵蓋算力、記憶體頻寬和互連容量——乘以銷售單位數，再除以總支出。結果不僅反映了單一晶片變快的速度，更反映了整個產業每花一美元實際買到多少算力。

這是一個關鍵的區別。純粹的基準測試比較可能顯示新一代晶片的原始 FLOP/s 是前代的 2 倍。但如果那款晶片貴了 1.8 倍，實際的性價比提升就小得多。Epoch 的方法以實際銷量加權，意味著它反映的是買家真正經歷的體驗——而非規格表上的承諾。

資料集涵蓋 24 款加速器，橫跨整個競爭格局：Nvidia 的 A100、A800、H100/H200、H800、H20、GB200 和 GB300；AMD 的 Instinct MI250X 到 MI355X；Google 的 TPU v4 到 v7；華為的 Ascend 910B 和 910C；Amazon 的 Trainium2；以及寒武紀的思元 590。這種廣度至關重要——它不僅捕捉到 Nvidia 的定價權力，還涵蓋了制約（或未能制約）Nvidia 的完整替代品生態系統。

所有支出都使用消費者物價指數進行了通膨調整，轉換為 2025 年第四季的固定幣值。對 12 個季度進行對數線性回歸分析，得出每年 49% 的成長率，90% 信賴區間為每年 36% 至 66%（相當於 1.4 至 2.3 年的翻倍週期）。以名目美元計算，成長率為 45%——依然令人矚目。

加速的故事

也許最引人注目的發現不是標題數字，而是其背後的軌跡。成長並不均勻。它以與晶片世代交替直接相關的劇烈脈動方式出現。

從 2023 年到 2024 年中，性價比幾乎持平——每年僅成長約 6%。這是 Hopper 時代：H100 主導了支出，但其價格沒有顯著下降，也沒有根本性的新架構來取代它。買家正在為逐步改善的硬體支付溢價。

然後 Blackwell 來了。隨著 Nvidia 的 GB200 和 GB300 晶片開始大量出貨，並在支出中佔據越來越大的份額，性價比成長率飆升至每年約 2 倍——遠超長期趨勢。數字清楚地說明了一切：2024 年購買的晶片，平均每美元效能比 2023 年的購買高出 23%。而 2025 年購買的晶片，平均比 2024 年的高出 91%。這不是一條平緩的曲線，這是一個階梯函數。

加速有一個簡單的解釋。每個新一代晶片相對於其價格漲幅所提供的效能跳升，都比前一代更大。H100 以約 2 倍的價格提供了 A100 約 3 倍的效能——這是有意義的改善。GB200 則以略高的每單位算力價格，提供了 H100 約 2.5 倍的效能。由於效能的成長速度在各個世代交替中持續快於價格的上漲，且產業迅速將支出轉向每一個新世代，買家實際獲得的每美元算力加權平均值正以加速的速率攀升。

記憶體瓶頸

這場性價比革命有一個陰影：AI 晶片的成本結構已大幅轉向記憶體。在 2026 年 5 月發布的另一項密切相關的數據洞見中，Epoch AI 揭示高頻寬記憶體（HBM）目前佔 AI 晶片組件總成本的 63%——高於 2024 年第一季的 52%。AI 晶片的組件總支出從 2024 年的約 220 億美元成長到 2025 年的 520 億美元，其中 HBM 單獨佔了增量的最大份額。

這很重要，因為 49% 的年度性價比改善衡量的是已出貨的產品——而非基礎經濟學能夠維持的速率。如果記憶體成本作為晶片總成本的一部分繼續攀升，下一代的改善將越來越依賴記憶體創新，而非邏輯裸片的進步。HBM 供應集中在僅三家製造商——SK 海力士、三星和美光——之間，且四大 AI 晶片設計商在 2025 年消耗了全球約 90% 的 CoWoS 先進封裝產能和 HBM 供應。

這意味著 49% 的成長率雖然非凡，但如果記憶體供應鏈無法以與邏輯晶片改善相同的速度擴張，可能難以維持相同步調。下一次的性價比翻倍可能不僅需要更好的晶片，還需要從根本上重組 HBM 的製造和定價方式。

超大規模雲端業者的問題

Epoch AI 的數據還與他們的另一項研究發現交叉：買家的財務可持續性。在 2026 年 6 月的數據洞見中，Epoch 報告指出，微軟、Amazon、Alphabet、Meta 和 Oracle 的合計現金資本支出，將在 2026 年第三季超過其合計營業現金流。這五家超大規模雲端業者預計在 2026 年將支出約 7,700 億美元——自 GPT-4 發布以來已翻了四倍，年成長率約 70%，而營業現金流的成長率僅 23%。

這造成了一個 49% 性價比改善只能部分化解的張力。如果晶片每年變得更具成本效益，那麼同樣一美元的資本支出就能隨時間購買到更多的算力。一家在 2026 年支出 1,500 億美元於 AI 基礎設施的超大規模雲端業者，獲得的每美元算力大約是 2023 年同等支出下可獲得的 3.5 倍。這種複利效應正是讓如此激進的支出水準站得住腳的原因——每年的投資都買到了比前一年多得多的能力。

但這筆帳是兩面刃。如果 49% 的改善率無法維持——如果它回落到 Epoch 早期分析中測得的 30-37% 範圍，或者記憶體成本繼續上升——那麼資本支出與現金流之間的差距就會從暫時性問題變成結構性問題。

脈絡：這比歷史趨勢更快

Epoch AI 自己早期的分析凸顯了這次加速有多麼戲劇化。他們 2026 年 2 月的趨勢頁面報告，AI 晶片性價比每年改善 37%，每 2.2 年翻倍。另一份 2024 年 10 月的數據洞見測得的改善率約為每年 30%。而在他們 2026 年 7 月發布的綜合晶片主題概述中，他們指出自 2010 年代初期以來，各晶片世代的性價比大約每 2.5 年翻倍一次。

新的 49% 數字代表了一次大幅向上修正。加速幾乎完全由 Blackwell 世代對支出模式的影響所推動——當買家從 H100 級硬體轉向 GB200 級硬體時，性價比大幅跳升，拉動了加權平均值向上。這一速率能否持續，取決於後續世代——Nvidia 的 Rubin、AMD 的 MI400 系列、Google 的下一代 TPU——能否提供類似或更大的每價格效能跳升。

自 2015 年以來，單一晶片的原始機器學習效能每年成長約 1.6 倍，快於價格的上漲速度。效能成長與價格成長之間的差距正是性價比改善的來源。在 Blackwell 時代，這個差距大幅擴大。

限制與注意事項

Epoch AI 對其數據能與不能捕捉的範圍，展現了令人欽佩的透明度。分析衡量的是已售出的晶片，而非已部署的——新購買的硬體需要時間才能投入運作，舊晶片也在折舊。效能指標使用的是規格表上的峰值理論規格，而非實際工作負載效能，後者高度依賴軟體優化、模型架構、網路拓撲和記憶體頻寬利用率。

定價方法引入了一個微妙的偏差。Nvidia、AMD 和華為的晶片以外部銷售價格定價，包含了設計商的利潤。Google 的 TPU 和 Amazon 的 Trainium 晶片以採購成本定價——即透過合作夥伴製造的成本，不含雲端租賃利潤——這使得它們的性價比相對於外部買家實際需支付的價格更為好看。這意味著總體數字在某種程度上低估了非超大規模買家面臨的成本。

資料集還排除了幾款值得注意的加速器：英特爾的 Gaudi、Groq 的 LPU、Cerebras 的晶圓級引擎、微軟的 Maia、Meta 的 MTIA 和特斯拉的 Dojo。這些代表了總 AI 算力中一個不斷成長但仍相對較小的份額，因此它們的排除並不會實質影響核心發現——但這意味著分析捕捉的是既有格局，而非潛在的顛覆者。

對 2026 年及以後的意義

對於 AI 產業，49% 這個數字帶來了幾個具體的啟示。首先，它驗證了大規模基礎設施投資的邏輯。如果算力每年變得更具成本效益近 50%，那麼 AI 資本支出的回報就會以複利方式快速累積——今天花十億美元建造的資料中心，將比兩年前建造的提供多得多的價值。

其次，它凸顯了 Nvidia 的戰略地位。由於 Nvidia 在 2023 至 2025 年間佔了大部分支出，每美元效能的加權平均值深受 Nvidia 產品節奏的影響。Blackwell 世代有利的性價比正是推動加速的原因。Nvidia 能否以 Rubin 及後續產品維持這一節奏，將決定 49% 的速率能否維持。

第三，它提高了記憶體的賭注。隨著 HBM 現在消耗了 63% 的晶片組件成本，性價比改善的下一階段可能不再取決於誰設計出最好的邏輯裸片，而更取決於誰能確保最便宜、最高頻寬的記憶體。這就是為什麼每一家主要的晶片設計商——Nvidia、AMD、Google、Amazon，以及現在投入客製化晶片的 Anthropic——都一直在積極鎖定 HBM 供應合約。

最後，它為關於 AI 可持續性的更廣泛辯論提供了一個量化錨點。每年 49% 的性價比改善，是對那些擔憂 AI 建設是投機泡沫者的有力反證。但它同時也是一個警示：這個速率是由一系列特定條件驅動的——Blackwell 有利的經濟學、支出高度集中，以及一條已經彎曲但尚未斷裂的供應鏈。如果這些條件中的任何一個發生變化，軌跡可能會迅速改變。

Epoch AI 在此的貢獻不僅僅是一個數字，更是其嚴謹性。透過將分析建立在來自七家設計商的 24 款晶片的實際銷量、真實交易價格和通膨調整後的美元之上，他們產出了迄今為止關於 AI 硬體經濟學實際改善速度的最可信測量。答案——每年 49%、每 1.7 年翻倍——比幾乎所有人的預期都快。至於它能持續多久，這是一個價值數兆美元的問題。