文 | 超前实验室

你有没有发现，最近几年，老外们像是在经历一场 " 中式血脉 " 的集体觉醒。

先是组团来中国旅游，把 "China Travel" 刷成 TikTok 流量密码；接着又掀起跨境医疗热，跑到中国看病、体检、甚至做手术。

而如今，这股 " 薅社会主义羊毛 " 的风，也是刮到了 AI 圈。

全球 AI 模型聚合平台 OpenRouter 显示，今年 2 月中旬开始，中国模型的调用量已超过美国，美国用户占比高达 47%，越来越多的海外开发者开始批量调用中国大模型的 API。

没办法，谁叫咱中国的模型 " 物美价廉 " 呢。跑同样的任务，用美国模型可能要 5 美元，用中国模型只要 0.3 美元。账单直接 " 打骨折 "，这谁看了不心动？

乍一听，这好像是个打价格战的故事，但实则往深了想，国产模型打 " 价格战 " 的底气从哪儿来？归根结底，是电力在撑腰。

这让我想起了最近，老黄在个人博客发表的一篇长文《AI is a Five Layer Cake》。

文中提出了 AI 产业的 「五层蛋糕」 模型，将 AI 拆成了能源、芯片、基础设施、模型、应用，五个层面，并反复强调：每个成功的应用，都会向下拉动它下面所有层，一直延伸到维持它运转的发电厂。

照老黄所说，咱们现在只吃上了 AI" 五层蛋糕 " 的第一口。未来，AI 不再仅仅是一款应用或一个模型，而是会像互联网一样，成为现代社会不可或缺的基础设施。

到那个时候，AI 对电力的需求，可能会 " 无穷无尽 "。

AI 的胃口变大了

过去两年，我们习惯了用 AI 聊天、写文案、画图。但今年年初，一个叫 OpenClaw 的开源工具让局面彻底变了。

OpenClaw 能够 7 × 24 小时地运转，而且 TA 不局限于聊天，更能自己操纵电脑、点鼠标、填表格，直接让你解放双手！

当然，这么能干的 AI Agent，" 工资 " 自然低不了，如果仅仅是对话，一次交互消耗的 Token 量可能只是几百个，但要完成一次特定任务，从执行到交付的整个过程，能够消耗几十万甚至上百万个 Token。

网上有人开玩笑说：" 养一只 AI 龙虾，比养一个研究生还贵。"

虽然是段子，但道出了一个现实：当 AI 开始 " 干活 "，TA 的能耗曲线陡峭得吓人。

OpenAI 最近发布的数据也印证了这一点：在某些 Agent 任务上，GPT-5.4 的 Token 消耗比前代少了 47%。

为什么要拼命降消耗？因为应用层的成本压力已经实实在在地传导到了模型层，模型层必须想办法用更高的架构、更便宜的推理来回应。而模型层的效率提升，最终靠的是芯片层。

就在刚过去的 GTC 大会上，黄仁勋预告了下一代 GPU 架构 Feynman ——全球首款 1.6 纳米制程的 AI 芯片，预计 2028 年推出。

但最让人瞠目的是它的功耗：单颗突破 5 千瓦。 

什么概念？相当于你家同时开 50 个电暖气，热量压缩在指甲盖大小的空间里。

为什么做到这么夸张？因为模型层在喊 " 我要更便宜、更快的算力 "，芯片层只能把功耗往上堆、把性能往上拉。

但是 5 千瓦的芯片，现有的供电体系根本撑不住，供电要从 220 伏提到 800 伏，跟高铁一个等级；散热材料要从铜升级到金刚石，因为只有钻石能扛住这种热度。

黄仁勋甚至说，终极方案可能是：每个 AI 工厂旁边配一个小型核反应堆。

你看，应用拉动了模型，模型拉动了芯片，芯片拉动了基础设施，最终全部压在能源这一层上。所以老黄才会在那篇长文里写下那句 " 能源是 AI 的第一性原理，也是系统能产生多少智能的根本约束 "。

你想让 AI 变聪明，先问电网答不答应。

  AI 的尽头是电力，电力的尽头是中国

如果说黄仁勋描绘的是 AI 对能源的无限索取，那么中国在这场游戏里，手握的恰恰是别人最缺的那张底牌。

去年，我国全社会用电量突破 10 万亿千瓦时大关，位居全球首位，相当于美国用电量的两倍有余。尤其是夏季的用电高峰期，连续两个月单月用电量均超过 1 万亿千瓦时，面对如此严峻的考验，我们既没限电，也没涨价。

这背后，是中国做到了「电力普惠」。 46 条特高压工程架起 " 西电东送 "" 北电南供 " 的大通道。

在美国市场上谁都不愿意掏这个钱升级电网，也不愿等这个回报周期时。中国就把线路架好、电站建好；坚持全国一盘棋，让西部的风和光，变成东部的算力，再变成全球可交易的数字服务。

这时候，一个有意思的概念开始流行：Token 才是中国真正的电力出口。

咱们都知道，传统电力出口有多难。跨境电网、长距离损耗、地缘政治壁垒，一度电的利润只有几毛钱。但 Token 不一样，它本质上是电力的数字化封装：一度电（0.2-0.3 元）进入数据中心，驱动 GPU 算力，生成 Token，通过 API 接口被海外开发者调用，按 Token 付费。

" 东数西算 " 让数据中心直接建在绿电富集的地方，西部风电、光伏的低成本绿电，就地转化为算力，再顺着光缆走向世界。

没有集装箱，没有海关，没有关税，只有海底光缆里飞奔的数据包。电力从未离开中国电网，但它的价值已经完成了跨境交付。

2026 年 2 月 9 日到 15 日那一周，全球 AI 模型 API 聚合平台 OpenRouter 的数据显示：中国模型的调用量达到 4.12 万亿 Token，首次超过美国的 2.94 万亿。而 OpenRouter 的用户中，美国开发者占比 47%，中国开发者仅占 6%。海外用户用真金白银，给中国模型投了票。

为什么？因为便宜。

同样是写代码的任务，美国模型 Claude Opus 4.6 要 5 美元 / 百万 Token，而中国 MiniMax M2.5、智谱 GLM-5 只要 0.3 美元，差了 16 倍不止。

但 " 便宜 " 不是凭空掉下来的，它是三重优势叠加的结果：

第一，技术架构创新。  中国模型普遍采用混合专家架构（MoE），不搞 " 全员上岗 "。一个几千亿参数的模型，接到简单问题时只唤醒其中一小部分 " 专家网络 "，这种 " 按需激活 " 本身就是对电力的精细化调度。

第二，能源成本优势。  中国工业电价比欧美低约 40%，西部绿电（风电 / 光伏）低至 0.2 元 / 度。当这种电力成本差反映到大模型的运行成本上时，中国模型便具备了天然的 " 电力溢价 "。

第三，供应链优势。  从变压器到特高压，从光伏板到数据中心，中国拥有全球最完整的电力装备制造链。美国要建电厂，连变压器都要从中国进口。这不是段子，是中国工程院院士王坚在采访中亲口说的。

这三重优势层层传导，最终凝结成 Token 的极致性价比。

谁在 " 省着用 "，谁在 " 用得起 "

回到黄仁勋的「五层蛋糕」模型，你会发现，中美在 AI 这条资源链上的博弈，形成了一种奇特的错位竞争。

美国手握最先进的芯片技术，却陷入严重的电力焦虑。微软由于电网接入滞后，不得不自行建设燃气轮机电站；谷歌则与核电企业签署了价格高昂的电力采购合同；密歇根州与弗吉尼亚州更是在其供电范围内宣布，2026 年当地 6700 万美国居民的用电价格将上浮 20% 至 30%。

在那种以资本为轴心的能源体系下，谁也不愿为长远投资担责。电力一紧张，就把价格往上抬，直到用户负担不起，需求自然随之萎缩。这套纯粹的逐利逻辑，说到底对普通民众并不友好。

而中国走的是一条完全不同的路：将电力视为公共资源。国家电网此前宣布，在 " 十五五 " 规划周期内，预计投入 4 万亿元用于固定资产建设，相比 " 十四五 " 时期增幅高达四成。在其他国家还在为眼下的电力供应犯难时，我们早已提前布好了局。

所以，当有人问 " 中国 AI 凭什么能这么便宜 " 时，答案不是单一的电价，也不是单一的技术，而是一整套系统能力：强大的电力基建、高效的调度机制、不断突破的芯片和算法、以及一个愿意为长远投入买单的制度。

这套系统能力，最终凝结成 Token 的极致性价比，让全球开发者用脚投票。

写在最后

过去几十年，中国习惯了「世界工厂」的叙事。卖的是实物，走的是集装箱，赚的是辛苦钱。

但 Token 的出现，让我们看到了一种新的可能：把电力变成算力，把算力变成智能，把智能变成可全球交易的数字服务。

电力没有出境，价值已经跨境。

这不是弯道超车，而是换道超车。

当然，这场竞赛远未到终局。高端芯片的瓶颈、品牌认知的短板、行业利润的压力，都是我们必须正视的挑战。

但有一点是确定的，那就是在 AI 这场重工业化的浪潮中，能源是最后的硬约束，而中国手里握着最硬的那张牌。

这一次，我们站在了资源链的起点。