“養(yǎng)龍蝦”榨干了大家的 Token,結(jié)果電網(wǎng)成了最大贏家?_模型_電力_國產(chǎn)
7 毛的電經(jīng)過顯卡生成 Token 就能 18 塊賣給美國人?
沒錯(cuò),這段時(shí)間地球另一端的電腦里,國產(chǎn) AI 大模型正在 OpenRouter 上大殺四方。
要知道,這可是全球最大的 AI 模型聚合平臺(tái),就像買游戲大家上 Steam,買 Token 一般就選 OpenRouter 了。
上面每天各種模型的使用量加起來超過 1 萬億 Token,一直以來大半份額都被美國模型牢牢占據(jù)。
但國產(chǎn)模型近期表現(xiàn)異常強(qiáng)勁,據(jù)每日經(jīng)濟(jì)新聞統(tǒng)計(jì),今年 2 月份,國產(chǎn)模型的調(diào)用量三周大漲 127%,首次超越美國。
尤其在 2 月 9 日至 15 日這周,國產(chǎn)模型以 4.12 萬億 Token 的驚人調(diào)用量,超越了同期美國模型的 2.94 萬億 Token,實(shí)現(xiàn)了歷史性的趕超。
這可是 AI 啊,這種在別人家最引以為傲的地盤上***打人臉的新聞,聽起來確實(shí)帶派。
而眾所周知,AI 的盡頭是算力,算力的盡頭是電力,想滿足全球數(shù)十億人的需求,明顯需要非常龐大的電力。
同樣的一度電,費(fèi)勁吧啦的拉電網(wǎng)搞基建才能賣個(gè)幾毛,算進(jìn)電解鋁冶煉里頂多賣兩塊。
可換成 Token 出海直接就翻了幾十倍,妥妥的降維打擊,再加上光速運(yùn)輸、超低損耗、無視關(guān)稅,一下子大家開始紛紛下場(chǎng),把這 Token 背后燃燒的電力搬上臺(tái)來。
看著 A 股一路飄紅的電力板,似乎借著 Token,把中國的電賣給全世界真就指日可待了。
那這波 Token 到底有沒有帶著電力一起出海呢?
翻完資料算完賬世超發(fā)現(xiàn),前景確實(shí)誘人,條件嘛有待商榷。
這波 Token 大賣其實(shí)最主要的原因就是那個(gè)攪動(dòng) AI 界的開源項(xiàng)目:OpenClaw。
因?yàn)檫@只大龍蝦每次干活,就要消耗大量 Token,連帶著全世界消費(fèi)者的 Token 消耗量都一起蹭蹭漲。
有網(wǎng)友就抱怨過,剛充的 20 刀 Token 余額,想著設(shè)定個(gè)小任務(wù)慢慢跑,結(jié)果第二天起床一看,花光了。。。
再加上項(xiàng)目前些天剛剛登頂 Github 星標(biāo)榜歷史第一,眼看著要迎來更多新用戶,這 Token 開銷如流水的日子想必還要持續(xù)一段時(shí)間。
這個(gè)時(shí)候,國產(chǎn)模型量大管飽的優(yōu)點(diǎn)就凸顯出來了,比起美國那些用著肉疼的模型,咱這不僅價(jià)格便宜足足十幾倍,干起活兒來還沒差多少,那用腳投票都知道該選什么模型了。
也就導(dǎo)致 OpenRouter 上的模型調(diào)用數(shù)據(jù),前五個(gè)里住進(jìn)了三個(gè)雷打不動(dòng)的國產(chǎn)模型:MiniMax M2.5,Kimi K2.5 和 DeepSeek V3.2,雖偶爾起伏,但始終在榜。
這么一看,Token 出海的市場(chǎng)表現(xiàn)是相當(dāng)來勁兒,那伴隨著的,就是電力出海也有了充足的未來預(yù)期。
世超是趕緊打開計(jì)算機(jī)搗鼓了起來,拿 DeepSeek V3.2 來舉例,之前就有人算過,每 Token 生成需要約 0.4 焦耳能量,那 7 毛一度的電,算上損耗,就能生成約 600 萬的 Token,按市場(chǎng)價(jià)就是 18 塊錢吶。
好家伙,25 倍的價(jià)差,這哪是充足的預(yù)期,這得給電力拉得起飛了啊。
但再回想對(duì)比一下現(xiàn)在的這點(diǎn)兒聲量,明顯哪里不對(duì)啊。
于是世超又繼續(xù)在 OpenRouter ***扒拉了起來,這一扒拉,就發(fā)現(xiàn)了貓膩。
原來模型是國產(chǎn)的沒錯(cuò),但產(chǎn) Token 的電就說不準(zhǔn)兒了,根據(jù)服務(wù)器地址統(tǒng)計(jì),很多 Token 的算力來源其實(shí)是美國的機(jī)房。
比如 MiniMax M2.5 的 Token 服務(wù)器,地址就基本以美國為主。而三個(gè)頭部國產(chǎn)模型,只有 DeepSeek 一家有一個(gè)明確的國內(nèi)服務(wù)器。
當(dāng)然,不排除有一部分可能是中轉(zhuǎn)的國內(nèi)算力,但更多的部分確實(shí)來自海外的供應(yīng)商。
所以簡單點(diǎn)說,現(xiàn)階段的 Token 出海一大部分是中國的模型外國的電,只能說是模型出海,距離算力出海和電力出海還有段距離。
好家伙,規(guī)劃了半天出口中國電力,結(jié)果都沒咋用上,那還賣給全世界個(gè)錘子,敢情是“未來可欺”啊。
但現(xiàn)在又有了個(gè)新問題,為啥這中國模型非得跑到美國去算,而不是帶著電力一起出海呢?
其實(shí)這事兒挺好解釋的,跟其他行業(yè)沒啥兩樣。
就是法律合規(guī)、成本控制以及用戶體驗(yàn)綜合起來的商業(yè)化原因,很現(xiàn)實(shí),也很直接。
美國那地兒,不說差友們也都清楚,總喜歡動(dòng)不動(dòng)拿數(shù)據(jù)安全來說事兒,放 AI 模型這兒也不例外。
如果 AI 模型涉及處理這些敏感數(shù)據(jù),且服務(wù)器位于中國,就會(huì)直接面臨被禁的風(fēng)險(xiǎn)。
除了法律合規(guī)的需求,還有算力芯片的考量,由于國內(nèi)難以獲得最高能效比的頂尖制程芯片,所以在推理效率上肯定要落后最新一代很多的。
就比如英偉達(dá) B200 ,同等單位下推理能效足足有 H100 的 25 倍,既快又便宜,這差距一下就拉開了。
所以如果面向全球市場(chǎng),目前的標(biāo)準(zhǔn)操作模式是:
研發(fā)在國內(nèi)(使用國產(chǎn)卡或存量卡)+ 推理在海外(租用海外算力)+ 運(yùn)營主體隔離。
比如拿海外成績非常亮眼的 Talkie 來說,定位是跟 AI 互動(dòng)聊天的手機(jī)應(yīng)用,用戶超五千萬,每天都需要消耗海量的 Token。
他們用的是 MiniMax 自家訓(xùn)練的模型,但推理的算力服務(wù)器是租自美國的供應(yīng)商,如亞馬遜、谷歌或者微軟,數(shù)據(jù)同樣存在美國的服務(wù)器上。
這樣一方面可以避免用戶跟 AI 交互時(shí)延遲過高,畢竟誰也不想說句話等半天才有回復(fù);另一方面也符合美國的法規(guī)要求。
至于日常運(yùn)營,是在新加坡注冊(cè)的子公司負(fù)責(zé),能規(guī)避更多的潛在風(fēng)險(xiǎn),正符合這套標(biāo)準(zhǔn)的出海打法。
也就是說,咱們默認(rèn)的那種美國人電腦上敲個(gè)回車,中國這邊算力中心就庫庫耗電跑 Token,跑好再賣到大洋那邊電腦上的場(chǎng)景基本不會(huì)發(fā)生。
但是,事情并非沒有轉(zhuǎn)機(jī)。。。
在繼續(xù)研究了一些資料后,世超發(fā)現(xiàn),雖然現(xiàn)在條件欠妥,但在未來,通過賣 Token 實(shí)現(xiàn)電力出口的路,其實(shí)并沒被完全堵死。
一方面,美國雖然缺電,但不是簡單的缺發(fā)電量,而是一種結(jié)構(gòu)性缺電。
像馬斯克那樣簡單的建幾個(gè)電廠能應(yīng)付一時(shí),但對(duì)于規(guī)劃里源源不斷的算力中心來說,仍然是杯水車薪。
結(jié)構(gòu)性缺電是美國幾十年來電力基礎(chǔ)設(shè)施老化的歷史遺留,疊加老美不像咱能集中力量辦大事兒的國情,這電力基建的差距,根本不是三兩年能追上的。
另一方面,近些年國產(chǎn) GPU 一直在迅速成長,無論是新上市的芯片四小龍,還是悶頭做事的帶頭大哥華為昇騰,都在悄悄搶占大模型在推理端的市場(chǎng)。
據(jù) IDC 2025 年的市場(chǎng)調(diào)研,國產(chǎn) AI 芯片在英偉達(dá)的壟斷下增長到了 35% 左右的市場(chǎng)份額,早已不再是 PPT 里的備胎,而是真的能買來干活的主力。
注:IDC稱,2025上半年中國加速芯片的市場(chǎng)規(guī)模達(dá)到190萬張,資料來源:《中國半年度加速計(jì)算市場(chǎng)(2025上半年)跟蹤》《財(cái)經(jīng)》整理
再說了,AI 大基建時(shí)代才剛剛開始,全世界都缺算力。
閑置綠電這波雖然搭不上 Token 出海的快車,但我國幾十年積累的電力基建還是很能打的。
隨著模型能力提升的速度逐漸放緩,當(dāng)我們算力芯片的腳步跟上時(shí),這便宜大碗的電力,可能真會(huì)成為劃分市場(chǎng)份額的關(guān)鍵一手,帶著國產(chǎn)模型一起去撬動(dòng)更大的利潤。
撰文: 風(fēng)華
編輯: 江江 & 面線
美編: 煥妍
圖片、資料來源:
IDC,OpenRouter,arXiv,uvation,X,部分圖源網(wǎng)絡(luò)返回搜狐,查看更多









