最近，全球 AI 圈都在被一个词震撼—— OpenClaw（龙虾）。

OpenClaw 有多热？在国内，上门安装 " 龙虾 " 都成了暴利生意，几天赚 26 万；在海外，纽约、曼谷等城市，甚至出现了 " 龙虾教 " ——成百上千的 " 龙虾教徒 " 抢爆线下活动门票，把场地围得水泄不通 ……

而当用户真的用上 OpenClaw 才发现，它还没开始挣钱，就先耗空你的钱包：有程序员养 " 龙虾 "，日消耗数千万到上亿 Token；更有重度使用者一天就消耗 10 亿 Token，花费数千美元。

也因此，中国的 Token 出海正成为一项新产业——在全球最大的 AI API 聚合平台 OpenRouter 上，刚过去的 2 月，MiniMax 的 M2.5、月之暗面的 Kimi K2.5、DeepSeek 的 V3.2 三款国产模型的 Token 消耗量跻身全球前五；平台前十模型的总 Token 消耗约 38.2 万亿，其中中国模型独占 17.3 万亿，占比 45%。

尽管 OpenRouter 主要聚集了全球的个人开发者，在全球 AI 支出市场份额中只占很小比重，但这份 Token 消耗榜仍是中国 AI 大模型走向全球的最好注脚。

"Token 出海 " 这一概念并非空洞叙事，而是中国大模型通过 API 形式向全球输出推理服务的跨境商业模式。

过去，人们评价一个模型，往往从参数、运算以及各种榜单排名上去看，但这些维度仍停留在实验室的视角；如今，当 AI 智能体成为人们的助手、进入应用落地期，Token 消耗成为衡量应用规模化的核心指标。

或许，正如一位行业分析师所言，2026 就是 AI 算力叙事的分水岭，从今年开始，市场对 AI 大模型只认两个指标——你的 Token 生成速度是多少？你的百万 Token 成本是多少？

1 个月前，AI 圈的焦虑还是谁能先用上 OpenClaw。

那时，但凡一场 OpenClaw 相关的活动，就有上万乃至数万人围观；但凡一个技术社群，人们讨论最多的就是谁跑通了 OpenClaw，谁养起了 " 龙虾 "。好像谁晚了一步，谁就要被时代抛弃，被财富抛弃。

然而当第一批吃 " 龙虾 " 的人开始真的用上它后，就被失控般的 token 消耗震惊：

这些都是实实在在的真金白银，而且一旦跑起来还不能停下，Token 带来的焦虑感似乎肉眼可见。

就在 3 月 6 日，ChatGPT 也发布最新的 5.4 版本，不仅拥有更强的工具调用和智能体工作流，据称其电脑操作能力比肩人类，还将上下文长度提升至 1M。更长的上下文，让用户的直接感受就是 " 贵 " ——有开发者拿它写了半套 OpenClaw，账单就让人心疼了，甚至随便聊两句下来一天就要十几美元。

那为什么过去人们用 AI 对话时从来不提 Token，而现在 OpenClaw 却让 Token 消耗失控了？

要理解这种失控，需先看清智能体和传统对话式 AI 的差别。传统对话模型就像两人的简单对话，用户提问 - 模型回答，过程中的 Token 消耗是离散的、短暂的，一次顶多几千、上万；但 OpenClaw 这类自主智能体，则像一位全天候在岗的数字员工，它在你的指令下即要拆解目标、规划步骤，还要调用工具、检查结果，并且根据结果反馈再回退重试、自动循环 …… 每一步都在消耗 Token，每一轮对话都在放大成本——就像是个没有开关的水龙头，一次流淌百万、千万个 Token 都不在话下。

因此，这种 Token 的消耗增长已不是线性的，而是指数级的。

IDC 的数据更让人震惊：到 2030 年，全球活跃 AI 智能体将达 22.16 亿，年度 Token 消耗量将从 2025 年的 0.0005 PetaTokens 飙升至 152,667 PetaTokens ——增长超 3 亿倍。

这些消耗的 Token，就是实实在在的金钱。" 过去用 AI 大模型，可能我的日均消耗量就几十块钱，还不用在乎；但现在的日均消耗变成几百块钱，而且在某些情况下我其实不需要非得用头部模型，我可以根据不同任务适配不同的模型。" 无问芯穹首席解决方案架构师刘川林称。

这种情况下，中国模型在 Token 成本上的优势就显而易见。

以 Anthropic 为例，其最新旗舰模型 Claude Sonnet 4.6 的每百万 Token 输出 15 美元；而 MiniMax 最新的 M2.5 模型海外定价 Lightning 版本百万 Token 输出为 2.4 美元，不足前者的 1/6。

3 月 2 日晚间，MiniMax 披露了上市后的首份财报。根据财务数据，其 M2 系列文本模型在 2026 年 2 月的单日 Token 消耗量已增长至 2025 年 12 月的超 6 倍；其中来自编程套餐（Coding Plan）的 Token 消耗量增长超过 10 倍。而今年春节前后，Kimi 也凭着旗下 K2.5 大模型的优秀性能和低成本，获得大量全球付费用户及 API 调用，20 天收入就超过 2025 年全年总收入。

过去，中国 AI 大模型在海外开源社区靠刷榜赢得赞誉；如今，我们靠着实打实的 Token 成本优势，让海外 AI 开发者用脚投票。

靠着 Token 成本优势，中国 AI 大模型已经在海外霸榜了吗？

这里要祛魅一下。尽管近几周的 OpenRouter 周榜上，中国模型几乎霸占前五，但 OpenRouter 的主要用户还是全球个人开发者、独立黑客和初创公司，它们在全球 AI 支出中的市场份额也仅占 2% 左右，真正的流量大头还是那些财富 500 强企业、大型 SaaS 厂商（如 Salesforce、Microsoft），它们消耗了全球 90% 以上的 Token，但不会通过 OpenRouter 调用模型，而是直接对接像 OpenAI、Anthropic 这样的官方 API 或通过 Azure/AWS 来托管。

此外，像 ChatGPT、Gemini 以及 Claude 这种 AI 巨头，它们绝大部分的流量是在自家闭源生态内运行，也不经过 OpenRouter。

尽管这些都是闭源模型，但从一些披露的信息中也可见端倪。根据微软 Azure 的披露，2025 年 6 月，仅 Azure OpenAI 的日均调用量就达 4.4 万亿 Tokens，按月算其调用量更是超过 130 万亿 Tokens；而 2025 年 7 月谷歌披露的月度 Token 使用量更是高达 960 万亿，是 Azure OpenAI 的 7 倍以上。因此，即使 OpenRouter 显示的 Token 消耗高峰周（接近 18 万亿），也只是 Azure OpenAI 4 天的 Token 消耗量。

因此，OpenRouter 的榜单数据，更多是说明，中国大模型的 Token 主要满足了那些追求低成本开发者的需求，而没有进入最广阔的全球企业级 AI 市场。

今天，DeepSeek、Qwen 等中国模型已经在海外开源模型拿下过半市场份额，为何进不了更大海外企业级市场？

这是因为，一方面欧美科技巨头在海外市场布局比中国企业更早、更深，微软的 Azure、谷歌的 Google Cloud、亚马逊的 AWS 都已在全球市场扎根数十年，形成了牢固的企业生态，而今天 AI 与云计算已经深度绑定，自然它们更容易拿下已打下基础的企业级市场。

另一方面，随着科技发展、地缘紧张，数据主权成为国家安全的重要部分，欧美企业（尤其是金融、医疗、政府）对数据的合规和安全极其敏感，因此他们也更倾向与本国的云、AI 厂商合作。

不过，这一欧美企业筑起的围墙，正开始出现裂痕。2025 年 10 月，Airbnb CEO 布莱恩就表示，公司正 " 大量依赖阿里巴巴的通义千问模型 "，" 我们也会使用 OpenAI 的最新模型，但通常不会在生产环境中大量使用，因为有更快、更便宜的模型可供选择。" 当年 9 月，德国的梅赛德斯 - 奔驰与字节跳动合作，涉及豆包大模型、AI 云原生算法、智驾云等，豆包也就顺势 " 坐 " 上了奔驰。再往前，宝马、 SAP 也均与通义千问大模型合作。

随着 AI 对传统企业的 " 逼迫 " 加剧，许多欧美企业在向 AI 转型时已表现出 " 谁便宜用谁 " 的倾向。而中国 AI 大模型则凭借性价比优势打开局面——这可能是中国 AI 模型未来通过 " 被集成 " 方式（作为幕后廉价算力提供商）渗透进全球 SaaS 生态的最好机会。

接着又来了新问题——为什么中国大模型能走性价比路线？

浪潮信息首席 AI 战略官刘军曾表示：

Token 成本不是财务问题，是战略问题。谁能把成本压下来，谁就拿到了智能体规模化的入场券。

Token 成本 ≈ 模型一次 " 思考 " 的电费 + 芯片折旧费。其中，芯片折旧费是单次购买，然后随着每一次计算再不断折旧；而电力是数据中心持续运转的燃料。我们曾跟多位数据中心从业者交流，通常一个数据中心运营成本中，电费要占 50% 以上，一个大型 AI 数据中心的年电力账单就可达数亿美元。

从 Token 成本的构成看 —— 芯片折旧拼的是产业创新，而电费拼的是国运级基础设施。

而说到电力，全球范围内几乎只有中国的电力供应和电力设施是最完善的。美国则因越来越大的数据中心电力消耗，正在引发电荒。

今年 2 月初，美国纽约州议员就提出法案，要暂停发放数据中心新建及运营相关许可证，暂停令为期三年。原因是纽约州数据中心总数已超过 130 座，由于数据中心耗电巨大，有高达 10 吉瓦的用电需求正在排队接入电网，短短一年内这一数字增长了 3 倍。因此，纽约州州长开始要求数据中心 " 承担其应承担的成本 "。

除了纽约外，美国其他多个州也开始对数据中心单独收取更高的电费，甚至还要求数据中心提供长期承诺和财务抵押担保。

这背后并不是因为美国真的缺电（美国总发电容量是超过总用电量的），而是因为很多美国电力设施已经老旧，无法承受 AI 训练全年无休、满负荷运行的高负荷强度。而由于美国电力分配不均，而且数据中心的接入速度远大于发电建设速度，因此老旧的电力设施就卡住了数据中心的脖子。

这种结构性问题，短时间内难以解决，因此倒逼着一些大型数据中心自建电站，并承担电网升级的费用，也因此抬高了 AI 企业的算力成本。

但反观中国，过去几年中国已悄悄从顶层设计上布下一张大棋。

2020 年国家推出新基建，将 AI 算力、特高压等作为新型基础设施提前布局，建成了一张全球规模最大、稳定性最强、新能源消纳能力最强的交直流混联大电网，也是全球唯一实现特高压大规模商业化运营的电网。这种稳定性，几乎可以避免大规模停电的情况，让大模型的训练 / 推理不会因断电而废掉进度；而且容量超大，想扩卡就能扩，不会被电网容量卡脖子。

2022 年，国家再落下一子——推出东数西算工程，将东部算力需求引导到绿色电力资源丰富的西部。换句话，这就是让最耗电的 AI 数据中心离拥有最便宜电力的地方最近。这使得 AI 数据中心的运营成本直接降低了 30%-50%。

2025 年，国家又在雅鲁藏布江下游投入 1.2 万亿元布局雅江水电站，这将是全球最大的水电项目，建成后其年发电量约 3000 亿千瓦时，可满足全国约 3% 的电力需求。这将把西部的电力成本再往下拉一大截。

至此，Token 成本的 " 西升东降 " 格局已然清晰——在未来海量智能体同时在线的世界，中国可以用最低成本的 Token 把 AI 服务输送到全世界。

当算力不再被电力束缚，中国 AI 出海的想象空间，才真正开始打开。