中国具有大规模的发电能力，是一个比芯片更重要的决定性优势。
→这是《环球零碳》的第1909篇原创
第一批“养龙虾”的受害者出现了。有人只是试着让AI发一条微博，结果花了约40元；还有人一觉醒来，账户里已经产生了1.2万元的账单。
这里所说的“养龙虾”并不是一道菜，而是一款叫OpenClaw的开源AI智能体软件，图标是一只红色龙虾，安装后可以让它查资料、写报告、改代码，甚至自动处理各种电脑任务，就像一个公司员工。
但问题也随之而来：AI员工并不便宜。
因为AI在理解、回答和执行任务的每一步，都需要调用大模型进行计算，而这些计算是按算力单元Token收费的。
基本上一个汉字约等于1个Token，一个英文单词约为0.75个Token，有点像手机流量按GB收费，而AI按Token收费。
如果只是简单聊天，AI消耗的Token其实并不多。但当AI开始像人一样完成多步骤的连续任务时，Token消耗就会迅速增加，背后的计算就越多，所需电力消耗也随之急剧攀升。
美国高德纳咨询公司（Gartner）预测，到2026年底，将有约40%的企业应用嵌入任务型AI智能体。如果未来的大部分工作，都将以消耗Token的AI来完成，电力就会成为经济增长的关键变量。
01
算力时代的逻辑变化
英伟达CEO黄仁勋曾指出，人工智能竞争力可以比作一个由五层组成的蛋糕：能源、芯片、基础设施、模型和应用，而能源是基建。
简单理解，在大模型时代，算力的上限越来越受到电力基础设施的限制。GPU可以不断升级，但没有电力，再多的芯片也无法运行。
因此，如今数据中心的规模不再以计算能力来衡量，而是以耗电量来衡量。用于人工智能训练和应用的数据中心规模远超以往，耗电量高达1GW。
例如，去年英伟达投资OpenAI 1000亿美元建设10GW的数据中心。粗略测算下来，这数据中心一年的耗电量大约876亿度电，相当于两千多万户家庭一年的用电量，几乎接近一个中等国家的居民用电规模。
在算力市场，企业采购芯片的逻辑也同样发生了变化。
在大模型发展的早期，由于高性能芯片稀缺，市场追求的是单卡的算力峰值（FLOPS），谁的芯片算得更快、性能更强，谁就更受欢迎。
但当AI进入大规模应用阶段之后，企业开始算另一笔账：不是哪张芯片最强，而是哪套系统更省电、更稳定、能处理更多任务。
“客户不再只盯着单卡的绝对算力峰值，而是开始计算每投入一元钱能换取多少吞吐量，每消耗一瓦电能处理多少Token。”一位算力芯片厂商负责人曾表示。
因此，有人提出，AI时代需要一个新的效率指标——“每瓦Token数（tokens per watt）”，用来衡量AI系统每消耗一瓦电能产生多少“智能输出”。
在这种逻辑下，电价也开始变得异常重要。因为对AI公司来说，每一度电最终都会转化为Token的部分成本。谁能获得更稳定、更廉价的电力，谁就更有可能在算力竞争中占据优势。
02
美国AI数据中心开始“缺电”
今年1月，马斯克就在一个播客中提到，人们往往低估了数据中心接入电网的难度。美国科技公司的一些数据中心都面临缺电。
微软在弗吉尼亚州新建的AI数据中心因电网容量不足被迫延迟投产，加州圣克拉拉两座已建成的数据中心因电网扩容需等待3年，预计2028年才能投运。
2024年，他的一个数据中心也被告知需要等待数年才能接入当地电网。当时他并没有选择等待，而是直接部署了14台移动式天然气发电机和4台燃气轮机来提供电力。
在美国，天然气资源丰富、价格相对较低，因此燃气发电厂是美国数据中心新增能源的最大单一来源，过去两年，数据中心对燃气发电的需求增长了两倍。
但即便如此，电力问题依然没有完全解决。原因是，用于燃气发电的燃气轮机设备本身也开始出现供不应求。
通用电气Vernova公司表示，其燃气轮机订单量在2025年底已达到80吉瓦，设备的交付周期已经排到了2029年。西门子能源和三菱重工，也面临类似的订单积压情况。
因此，摩根士丹利近期警告称，到2028年，由于AI数据中心消耗大量电力，美国可能面临高达20%的电力缺口。如果不能迅速增加新的电力容量，潜在的电力缺口将达到13至44吉瓦（GW），相当于超过3300万美国家庭的用电量。
目前，美国已经能够看到缺电的苗头。在弗吉尼亚州等数据中心高度集中的地区，过去五年的电价涨幅高达267%。新增的AI电力需求已经开始挤压普通居民和工业企业的用电空间。
为了不让居民电价上涨，特朗普要求谷歌、微软、Meta、甲骨文、xAI、OpenAI和亚马逊在内的科技公司签署协议，要求它们在不增加消费者电费的情况下获得所需的电力。
03
中国在AI计算领域远超世界其他国家
与之相反的是，马斯克表示，中国具有大规模的发电能力，是一个比芯片更重要的决定性优势。到2026年，中国的电力产量可能达到美国的3倍左右，从而有能力支持耗能巨大的人工智能数据中心。
根据中国国家能源局1月底公布的数据，自2021年以来，中国在所有能源技术方面新增的电力装机容量超过了美国历史上的任何时期，仅去年就新增了543吉瓦。
目前，中国已经拥有全球最大的电力系统，并且在水电、风电、光伏等清洁能源领域的装机规模长期位居全球前列。
今年中国政府工作报告还首次提出“打造智能经济新形态”，要“实施超大规模智算集群、算电协同等新基建工程”，将AI与电力联动上升为国家战略。
政策支持、稳定供电的同时，中国电价也在下降。美银美林指出，2026年1月的代理购电价格同比下跌了10%，即每千瓦时下降了4分人民币。
最直观的变化来自全球对各国大模型的调用量，越来越多开发者开始调用中国的大模型。
OpenRouter的数据显示，2月9日至2月15日，中国模型的调用量达到4.12万亿Token，首次超过同期美国模型的2.94万亿Token。随后一周，中国模型的调用量进一步上升至5.16万亿Token，而美国模型则下降至2.7万亿Token。
不同的大模型有不同的Token价格，例如GPT-5.4的输出价格为15美元/百万Token。而中国MiniMax M2.5的输出价格约为1.1美元/百万Token。两者大模型调用价格相差十倍不止，对开发者来说，使用中国大模型可以将Token成本降低约93%。
这也意味着在提供同样AI计算能力的情况下，中国稳定、便宜的电价使得每个Token的成本可能明显低于欧美。
正因如此，他认为，中国在人工智能计算领域将远远超过世界其他国家。尽管美国一直想要限制中国获取先进半导体，但随着时间的推移，这些限制可能不再那么重要。中国终究会“搞定芯片”。
说到底，在AI时代，算力竞争的底层，是一场电力与能源的竞争。
钱龙配资提示：文章来自网络，不代表本站观点。
