“有单子不敢接，有流量不敢放。”杭州一位AI创业者李钟的这句话，道出了当下无数中小企业面对算力成本的真实困境。
这场算力焦虑，正因开源AI智能体项目OpenClaw的火爆而进一步放大。随着智能体应用从“生成式”迈向“自主执行”，单次交互的Token消耗量呈指数级激增——而OpenClaw这类复杂智能体项目的涌现，让算力需求瞬间被推至新高。业内估算，一个成熟智能体的日均Token消耗可达传统对话模型的数十倍，本就“用不起”的算力账单，变得更加触目惊心。
然而，算力需求的爆发也催生了政策的快速反应。就在OpenClaw走红的同时，各地政府迅速跟进这一创新风口。继广东深圳龙岗区与江苏无锡高新区之后，安徽合肥高新区、江苏常熟市分别发布措施，邀请创业团队前来“养龙虾”。合肥高新区针对OpenClaw等项目推出“算力券、语料券、模型券”三重补贴，最高可申领1000万元算力券，补贴覆盖模型训练、智能体搭建、语料采购与标注等全研发流程。
从“抢项目”到“降成本”，算力正成为各地争抢创新资源的政策发力点。今年全国两会期间，算力高成本成为代表委员们热议的焦点。
但在企业“用不起”的普遍焦虑中，财联社记者调查发现，尽管算力券政策密集落地，企业却面临“好用但不够用”的现实困境：申请流程繁琐、垫资压力大、补贴范围受限；更有人担忧，若商业模式建立在补贴之上，一旦退坡能否持续？对此，一线人士呼吁，算力券不能止步于“发钱”，更需转向“建生态”——从单一补贴算力，转向覆盖数据、模型的全链条支撑，为企业构建真正的成本护城河。
算力券密集落地：多地推出真金白银补贴
财联社注意到，近段时间以来，多个省份密集出台政策，发放算力券，通过财政补贴直接降低企业用算成本。
这种补贴模式正在全国铺开：
山东：省级“算力券”奖补按合同实际执行金额的一定比例向供需双方发放，单家企业年度累计奖补总额不超过500万元。青岛按实际支付算力费用不超过20%的比例，给予企业最高100万元补贴。
重庆：2026年第一批算力券兑现工作已启动，按实际算力服务金额20%予以补贴，每个单位每年最多补贴100万元。
贵州：对购买智能算力的按合同有效金额的30%给予激励，同一需求主体年度累计兑现额度最高不超过200万元。
广东中山：拿出总额5亿元的“算力券”，通过市级人工智能赋能平台发放。
算力券的兑现方式也在优化。杭州市上城区今年推出“工具包”模式：政府统一采购高阶模型账号，交给OPC社区运营，入驻的创业者可免费自主使用，实现“即开即用、按需使用、免审即享”。
企业真实体验：算力券“好用但不够用”
尽管算力券政策密集落地，但财联社记者在采访中发现，企业在实际申领和使用过程中仍面临不少“堵点”。
安徽一家AI创业公司负责人给记者算了一笔账：公司每月算力支出约8万元，如果按30%的比例获得补贴，一年能省下近30万元。
“对初创公司来说，这笔钱够再招两个工程师。”但他也坦言，算力券“好用但不够用”——补贴比例看似可观，但额度有限，申请流程仍然繁琐。“我们提交了三次材料才通过初审，前后耗时两个多月。”
更大的问题在于补贴的“可持续性”。天津寒江科技有限公司工程师刘奇向记者坦言，如果一家企业的商业模式建立在政府补贴的廉价算力之上，那么一旦补贴退坡，商业逻辑是否还能成立。
“这是一个巨大的问号。政府的财政兜底可以帮企业度过初创期，但无法替企业构建长期的成本护城河。”刘奇说。
北京经开区一家获得算力券补贴的AI公司技术负责人则向记者反映，目前算力券大多限定在特定平台或服务商使用，十大炒股杠杆配资平台企业难以根据自身需求灵活选择。“我们想做国产化算力适配，但本地符合条件的服务商太少，最后只能放弃这部分补贴。”
代表委员呼吁：算力券需从“发钱”转向“建生态”
企业的这些真实反馈，也引起了今年两会代表委员的关注。
全国人大代表、郑州大学党委书记李成伟建议，大量民营经济主体，尤其是中小微创业者、个体创业者，正面临“算不起、不够用”的现实难题。针对这一痛点，他建议，除了现有的算力券补贴，能否创新支持方式、加大支持力度，增加算力风投、先用后付、以补代投等优惠举措。
全国人大代表、中兴通讯高级副总裁苗伟也持相似观点。他在接受采访时表示，算力是AI发展与产业智能化的核心底座，当前供给缺口突出，中小企业用不起、用不好。他建议，设立AI大模型训练专用算力开放平台，建立算力共享机制，分级定价、普惠供给，让中小企业用得上、用得起、用得安心。
全国政协委员、京东集团技术委员会主席曹鹏在今年两会期间也建议，应构建国家级算力调度网与普惠体系，出台“算力券”“模型服务补贴”，让智能算力“按需取用、泛在可及”。
一位行业专家向财联社记者表示，单纯的算力补贴只是“止痛药”，而非“救命丹”。“如果只有廉价的算力，缺乏高质量的语料和适配的模型工具链，创业者依然是在空转。真正的‘喂饱’创业者，不是简单地给钱让他们去买显卡，而是要提供一个软硬一体、训推高效、自主可控的算力基础设施。”
在合肥高新区，当地针对OpenClaw等项目推出的“算力券、语料券、模型券”三重补贴，正是试图回应这一诉求——从单一补贴算力，转向覆盖数据、模型的全链条支撑。
一位正在申请该补贴的企业告诉记者：“算力、数据、模型三样一起补，确实比单纯补算力更解渴。但希望审核能更快一点。”
硬件侧突围：瞄准Token成本砍一刀
除了政策层面的补贴纾困，算力成本下降的另一重动力，正来自产业链上游的硬件创新。
过去一年，中国算力租赁市场迎来了一轮显著的价格回调。以主流型号为例，英伟达H100的算力卡租赁单价已从峰值期的90余元/小时，回落至15至20元/小时区间。
价格走势背后是行业逻辑的切换：大模型发展初期，市场因芯片稀缺而疯狂囤货，只看重算力峰值。如今随着推理需求常态化，企业开始精打细算，将总拥有成本作为决策的核心标准。
而总拥有成本的下探，不只来自租赁单价的“显性降价”，更来自单位token生成成本的“隐性优化”。
浪潮信息首席AI战略官刘军在接受财联社记者采访时表示，在AI超节点系统设计上，不应再依照惯性思维单纯追求规模扩张，而应从客户实际应用出发，统筹考量token交互速度与token成本的平衡。
“特别是在智能体场景下，交互链路更长、调用频次更高，token交互速度不仅关系用户体验，更直接影响到单位算力资源的利用水平，并最终传导至token成本和商业回报上。基于这一思路，公司发布的元脑SD200超节点AI服务器，单token生成速度达到8.9毫秒，率先引领国内AI服务器进入‘10毫秒时代’。”刘军表示。
文章为作者独立观点，不代表财盛证券观点
