云厂商在扩容、芯片厂商在囤货，这两个信号叠加，说明AI算力的供给紧张还没真正缓解——但不代表所有企业都该现在冲进去签三年期云合约锁价。答案取决于你的工作负载是否已经稳定、你的AI应用是否已经验证了ROI、以及你能不能承受锁定期内的技术迭代风险。对大多数出海东南亚的中型企业来说，正确做法是分层决策，而不是all-in或者全部观望。
为什么这个窗口期值得认真对待
据新浪财经报道，华尔街大行近期的研究指出，AI智能体正在点燃云计算的“第二增长曲线”，IaaS（基础设施即服务）扩容和PaaS（平台即服务）价值重估成为资本市场关注的两条主线——简单说，就是云厂商在加紧建数据中心、买芯片，为的是接住AI推理和Agent调用带来的持续性Token消耗，而不是一次性的训练需求。
这个信号和财联社报道的另一组数据能对上：寒武纪今年上半年营收净利润双双翻倍，存货金额创下新高，公司仍在持续加大上游采购力度。芯片厂商愿意在营收已经高增长的情况下继续囤货，通常意味着它判断下游需求还会持续攀升，而不是短期脉冲。换句话说，从芯片到算力这条供给链条，目前还处于爬坡阶段，还没有完全宽松下来。
与此同时，Fortune Business Insights对多模态AI市场的长期测算、Business Research Insights对云计算市场到2035年的增长预判，都指向同一个结论：这不是一轮短期炒作，而是一个跨越未来五到十年的结构性扩张周期。OpenAI在其B2B信号报告中也提到，企业在AI上的竞争优势正在进入“复利增长期”——越早把AI能力嵌入核心业务流程的企业，后续的边际成本和效果差距会越拉越大。这个判断本站在《企业AI投入的复利效应》一文中也有展开，感兴趣可以参考 企业AI投入的复利效应：出海东南亚企业为什么等不起。
但供给紧张和复利效应，不等于“现在必须锁死长期合约”。这中间有一个关键的采购决策要做。
长期锁价 vs 按量付费：核心取舍
云厂商通常会给企业两种基本合约结构：承诺用量换折扣（Committed Use Discount），或者完全按实际消耗付费（Pay-as-you-go）。两者的取舍逻辑并不复杂，但很多企业在签约时只看价格表，没看清背后的风险敞口。
| 维度 | 长期承诺合约 | 按量付费 |
|---|---|---|
| 单价（示意） | 较市场价低15%-35% | 市场标准价 |
| 锁定期 | 通常1-3年 | 随时可退出 |
| 价格风险 | 合约期内价格固定，抗涨价 | 跟随市场，涨价直接传导 |
| 技术迭代风险 | 若模型/芯片架构换代，旧承诺可能浪费 | 可随时切换到更优方案 |
| 适合阶段 | 工作负载已验证、用量可预测 | 场景还在试验、用量波动大 |
| 现金流影响 | 通常需预付或季度结算承诺额度 | 按实际消耗出账，现金流更灵活 |
示意计算：假设企业每月AI推理调用成本约20万元人民币，签三年期承诺合约可拿到25%折扣，三年节省约18万元；但如果第二年业务方向调整，原有工作负载缩减一半，未使用的承诺额度很可能按合约条款“用不完也要付”，实际反而多花钱。这类条款细节，必须在签约前让法务和财务一起核对，而不是只看销售给的折扣率。
哪些工作负载该锁，哪些该保持灵活
不是所有AI相关的云支出都适合同一种合约结构。一个实用的分层标准：
- 该锁定的：已经跑满6个月以上、用量曲线稳定、支撑核心营收流程的工作负载——比如客服Agent的日常推理调用、已上线的生成式AI零售推荐引擎。这类场景的ROI已经验证，锁价本质是把确定性成本降下来。
- 该保持灵活的：还在PoC（概念验证）或试点阶段的场景，模型选型尚未定型的应用，以及季节性强、用量波动大的业务（比如促销期临时扩容的AI客服）。
- 该分开谈的：训练/微调类的算力需求和推理类的算力需求，建议拆成两份合约。训练是脉冲式消耗，推理是持续性消耗，混在一起谈判价格，往往会在其中一类上吃亏。
据上观新闻报道，生成式AI正在成为零售行业的新流量入口，越来越多品牌把AI推荐、AI客服作为获客链路的一环——这类已经验证能带来增量转化的场景，正是适合签长期合约锁价的典型例子。本站此前在《生成式AI成零售新入口》一文中详细讨论过零售企业该如何判断加码时机，可以参考 生成式AI成零售新入口：出海东南亚品牌该现在加码吗？。
容量承诺中最容易踩的三个坑
坑一：把训练阶段的峰值用量当成长期基准。 很多企业在模型微调期用量冲高，据此签下偏大的承诺额度，上线后日常推理远低于这个量，白白浪费折扣空间。
坑二：忽视多云/多供应商的议价杠杆。 只跟一家云厂商谈判，容易被动接受条款。即便最终只用一家，保留和另一家谈妥备选方案的能力，本身就是议价筹码——这也是《企业AI应用怎么投》一文中反复强调的采购原则之一。
坑三：合约货币和汇率风险没对冲。 出海东南亚企业如果用美元计价的云合约支付令吉或其他本币收入，一旦汇率波动，实际成本可能偏离预算测算。这类现金流错配问题，和企业在东南亚做本币资金规划时面临的风险是同一类机制，值得一并纳入财务团队的审查范围。
给出海东南亚企业的操作建议
第一步，先把过去6-12个月的AI相关云支出按工作负载拆开，识别出哪些已经稳定、哪些还在波动。第二步，针对稳定负载，去和至少两家云厂商（或代理商）拿报价，重点看承诺额度的“可转移性”条款——能不能在用量下降时转给其他业务线使用，这比折扣率本身更重要。第三步，针对不稳定负载，维持按量付费，哪怕单价贵一点，换来的决策灵活性在这个技术迭代仍然很快的阶段，往往比折扣更值钱。
对于预算有限的中小团队，不必追求“一步到位”的长期合约，先用6个月按量付费把真实用量曲线跑出来，再去谈承诺合约，议价空间反而更大——因为你手里有真实数据，不是销售给你的测算模型。
常见问题
现在签三年期云合约锁价，是不是明显划算？
不一定。划算的前提是你的工作负载已经稳定、用量可预测。如果业务方向或模型选型还在变化，锁定期内的技术迭代风险可能抵消掉折扣带来的好处，建议先用6-12个月数据验证再决定。
芯片厂商囤货加大，是不是意味着算力价格很快会降下来？
不能这么简单推断。上游囤货通常反映厂商对需求的乐观判断，但从芯片产能释放到云端算力价格下调之间有传导时滞，短期内价格更可能保持平稳或温和上涨，而不是立即走低。
训练和推理的云合约应该分开签吗？
建议分开。训练是脉冲式、短周期的高强度消耗，推理是持续性、可预测的日常消耗，两者的最优合约结构不同，混在一份合约里谈判，容易在其中一类上吃亏。
中小企业资源有限，该怎么开始这个决策？
先做工作负载拆分和6个月用量跟踪，不急于一次性签长期合约。等真实数据积累起来，再针对稳定负载单独谈承诺折扣，这样议价依据更扎实，也能避免过度承诺带来的浪费。
AI云算力采购涉及财务测算、技术选型和合同条款三方面的联动决策，容易因为某一环节疏漏而让折扣变成负担。如果希望系统梳理企业AI基础设施的采购节奏和预算分配，欢迎预约免费策略咨询。