2026年10月的最后一周，三条消息前后脚砸进来。柏林GTC大会上，黄仁勋给运行AI智能体的全套软件举了个价：每块GPU每年约2000美元，但适用范围、生效时间和软件明细尚未公布。 VentureBeat三季度调研数据开始在网上传播：79%的企业受访者表示，其GPU算力至少一半时间处于完全闲置状态，这个比例连续三个月都稳定在77%至81%。 再往前几天，DeepSeek罕见公开了集群经济账：单集群日均吞吐155万亿Token，每卡小时约38美元收入（谷价）。微博36氪知乎
三个数字摆在一起，说的是同一件事：GPU的叙事已经从"抢不抢得到"切换到"跑不跑得满、划不划得来"。如果你自己买卡跑推理、微调或者Agent，这周可能是今年最适合把账本翻出来的一周。
第一笔账：79%闲置，这个数字有多硬，闲置在哪
先说数据的成色。这不是单份问卷：VentureBeat旗下研究机构把2026年7月、8月、9月三轮VB Pulse AI基础设施调查做了汇总，"GPU至少一半时间完全闲置"的比例三个月都稳定在77%到81%的高位。三轮调查共吸引了385名符合条件的受访者，全部来自员工不少于100人的机构，其中也包括替大客户作答的咨询顾问。 反复测出来的一致区间，比任何一次爆点都说明问题。知乎
更魔幻的是后面半句：这批卡闲置过半的企业里，70%仍计划未来12个月引入、扩充或更换新的AI计算平台。36氪
但他们新一轮投入的去处，和自家存量完全是两回事：计划采购新计算平台且GPU闲置的企业中，90%把目光投向了公有云与模型API服务商，仅有8%考虑扩建本地私有集群。知乎
更关键的是财务评估没跟上投入速度：9月的调查中，在64名计划采用新AI平台的受访者里，58人没有经过财务部门审核的ROI数据，占比高达91%。 当然，没有经过审核的ROI不等于没有收益，但它至少说明：相当一部分企业在准备下一轮AI投入时，账还没算清。36氪
钱去哪了？《财富》8月报道过一个标志性案例：Uber鼓励员工尽量多用AI工具，甚至按使用量给工程师排"排行榜"，结果几个月烧光了2026全年的AI预算，公司不得不宣告"Token狂欢（Tokenmaxxing）"时代终结。 一边是自建集群在机房吃灰，一边是API账单以肉眼可见的速度失控——这才是这批调研里最扎心的结构性错配：企业的真实AI需求没有消失，只是落在了旧硬件承接不住的地方。上一轮"防踏空"式的算力储备，撞上了这一轮Agent化的消费方式，两头都没接上。知乎
反证也要讲清楚：一部分闲置可能是企业有意为峰值预留的冗余，"引入新平台"也可能只是替换旧设备；385份自报问卷更不是全球企业均值。 就算把这些折扣都打满，"自建卡吃灰+API烧钱"作为普遍现象依然成立——证据强度不足以下"算力泡沫破裂"的结论，但足够给每一个准备签下一份算力合同的人提个醒。36氪
第二笔账：那2000美元/卡/年，到底会收在谁头上
先把误读拆掉。黄仁勋是在10月的柏林GTC大会公布的：配套支撑AI智能体运转的全套AI软件，年授权费约为每块GPU 2000美元，按付费授权达500万份测算，该定价模式五年有望带来500亿美元收入。 但适用范围、生效时间、软件明细至今都没公布——这不是"买了英伟达卡就自动多扣2000美元"的既成事实，CUDA和驱动也不是今天开卖。微博
但方向本身值得记一笔：收费模式正在从"一次性硬件"转向"按卡持续收费"。真按每卡计价的话，一万张卡的集群一年就是2000万美元的软件续订费。 有意思的是，把这笔钱放回利用率里算，天差地别：知乎
如果一万张卡跑出DeepSeek那种利用率，每卡每小时38美元意味着年化单卡收入超过30万美元，2000美元的软件费几乎可以忽略——为"跑得满"付费的企业不会喊疼；
如果一万张卡一半时间闲置（正好是调研里的79%常态），这2000万就是叠在折旧、电费和机房租金上的纯新增损失。
所以订阅信号和闲置数据在同一周爆出来，其实互相解释了一件事：英伟达想收的是"算力在线运转"的钱，而企业的痛点恰恰是让卡真正跑起来。对你手里的每一张卡，问题不再是"买贵了没有"，而是"它值不值这2000美元/年"。
第三笔账：卡怎么跑满——DeepSeek把38美元/卡/小时算成了什么
DeepSeek那份披露之所以值钱，是因为它把"利用率"从玄学拆成了可复制的工程清单：长上下文、内容大量重复的Agent场景里，Token量和GPU需求不是线性关系，而是次线性的——命中的部分根本不用重算。具体手段包括把KV Cache持久化到SSD、降低对HBM的依赖；异步调度消掉GPU空转、变长验证加6%、负载均衡因子从1.09压到1.03。单看每一项都不起眼，叠起来是每个Token成本差出一个数量级。知乎
英伟达工程师自己给的技术指南也印证了同一条路：在Claude Code这类会话场景里，首次调用之后，后续请求约85%到97%的上下文可以靠缓存复用，而缓存读取价格可以低至普通输入Token的十分之一到四十分之一。 缓存命中已经不是模型厂商的锦上添花，而是利用率的第一杠杆。知乎
反面教材是Agent的数量账。Gartner预测到2028年，单个Agent工作流的推理成本将上升5倍以上——不是Token单价变贵（单位成本还在降），而是单次任务消耗的Token量涨得比降价更快。Vals AI的编程任务评测更直白：主Agent调度多个子Agent的方案，成本是单Agent的1.8到5.1倍，而四种测试配置里只有一种拿到统计显著的性能提升。 多开Agent不等于多产出，很可能只是让更多模型同时烧你的预算。知乎
这周还有个背景噪音值得一句：消费级30/40系显卡的开源算力解锁工具（gpu-unlock）继续刷屏，《显卡日报》这类解读视频也在连番跟进。 老卡的AI残值在被社区一寸一寸讨回来——这和"按卡收费"恰好是同一个趋势的两头：卡的账面价值，正在从出厂标称走向"实际能在线跑什么"。哔哩哔哩
不同仓位，分别怎么动
手里有集群、正在决策扩容的：签下一份合同之前，先把自己过去90天的真实利用率和P95负载摸出来——91%没有经财务审核的ROI就是行业平均水平，别拿厂商TCO计算器当自己的账本。继续盯两件事：英伟达软件订阅的明细和生效范围是否公布；若按每卡收费，把2000美元/卡/年放进三年TCO重算，和云API的价签再比一次。
中小团队自部署推理的：第一杠杆是连续批处理加上下文缓存（85%~97%的可复用率摆在那），第二杠杆是审计多Agent扇出（1.8~5.1倍的成本、四分之一有效率）。自建和API别放进一个糊涂账：Uber的教训是API成本由人的行为驱动，不会像折旧一样可预测，建议给团队AI用量单独设预算和观测，而不是混在基础设施里。
个人装机党和老卡用户："每卡2000美元"的标题先别慌，消费级卡目前不会被自动扣这笔钱；但下一次买卡时，把"这张卡一年能在线跑多少有效推理"放进决策项，而不是只看跑分和标称算力。手里的30/40系老卡，AI残值正在被解锁工具和推理优化重新定价，卖早了可能比留久了更亏。
接下来盯什么
三个可验证的观察信号：其一，英伟达是否公布软件订阅的适用范围、定价页和生效时间；其二，VentureBeat下一季调研里77%~81%这个区间是继续收紧还是松动；其三，DeepSeek之外还有多少厂商愿意公开"每卡小时收入"这种口径——当算力行开始按小时论英雄，2027年该买什么卡、该怎么跑、要不要再等等，答案会比今天清楚得多。
