共计 1494 个字符，预计需要花费 4 分钟才能阅读完成。
一度电的差价, 正在决定全球 AI 的定价权。
过去一个月,全球最大模型聚合平台 OpenRouter 上, 开发者调用量最高的五个模型里, 有四个来自中国公司。对许多海外创业团队和独立开发者而言, 中国模型已不仅是“可选项”, 而是更便宜、也足够好用的默认选项。这背后, 一场由电力驱动的定价权争夺战正在悄然展开。
📌 从训练到推理: 电力成本成为关键变量
过去两年,大模型竞争焦点集中在训练阶段——谁拿到更多芯片、投入更多资本 , 谁就更可能练出更强模型。但随着模型能力逐步接近、调用量快速增长, 商业竞争的重心正从训练转向推理。
训练更像一次性投入,成本基本沉没; 推理则不同, 每一次对话、代码补全或 API 调用, 都会实时消耗算力、占用机房、吃掉电力。调用量越大, 持续性的运营支出就越关键。
国际能源署 (IEA) 及多家研究机构测算,全球数据中心用电将从 2024 年的约 415 TWh 增长到 2030 年的 945 TWh, 五年时间几乎翻倍。其中,AI 服务器耗电增长尤为迅猛:Gartner 预测,AI 优化服务器的耗电将从 2025 年的 93 TWh 增至 2030 年的 432 TWh, 占数据中心总耗电的比重从 21% 升至 44%。
训练决定模型上限, 推理决定模型能不能卖出去、卖得起量、卖得持久; 而电力, 正成为推理业务里最容易被规模放大的差异项。
🔍 电价差如何转化为 Token 价格优势?
公开数据显示,2025 年第三季度, 中国工业用电价格约为每千瓦时 0.115 美元, 美国约 0.154 美元, 德国约 0.276 美元。虽然这不完全等同于数据中心最终到手电价, 但足以说明方向: 中国仍处在主要经济体的低位区间。
假设一个大型推理集群年用电量为 100 GWh,仅电力一项, 中国的年成本约 1150 万美元, 美国约 1540 万美元, 德国约 2760 万美元。这还没算冷却系统和其他基础设施能耗。对一个靠海量调用摊薄成本的 API 业务来说, 这种价差最终会传导到报价能力上。
💡 中国电力系统的组合优势
📊 基础设施: 把低价电变成低价 Token 的能力
- 特高压输电网络: 到 2025 年底, 中国已建成 45 条特高压输电线路,“十四五”期间特高压直流线路总长度从 2.8 万公里增长到超过 4 万公里, 西电东送能力达到 3.4 亿千瓦以上。这让低成本电力能够跨区域配置, 而不是被锁定在发电地。
对于高频、标准化、低毛利的推理 API 场景来说,真正稀缺的 , 不只是低价电, 而是 把低价电稳定变成可用算力的能力。也不是所有模型公司都能把这种优势兑现成价格。真正更容易吃到这部分红利的, 往往是那些同时具备大规模调用量、较高集群利用率、较强工程优化能力, 以及全球分发渠道的公司。
🚀 行业观察: 电力正定义 AI 下半场
海外开发者在 OpenRouter 等平台上看到的是更低的 Token 价格;支撑这份价格的, 除了模型架构和工程优化, 还包括一套更不显眼、但越来越重要的底层条件: 更低的电价、更强的跨区输电能力, 以及把算力向能源富集区重新组织起来的基础设施体系。
英伟达 CEO 黄仁勋曾说,未来的数据中心将成为“Token 工厂”。马斯克则在采访中直言:“中国的发电量看起来就像一枚火箭进入轨道, 而美国的发电量却停滞不前。”当全球最激进的 AI 创业者和最大的 AI 芯片供应商同时指向同一个变量时, 答案已经很清楚:谁能更高效地将电转化为 Token, 谁就握住了定义 AI 下半场的沉默底牌。
中国大模型的价格优势,因此并不只是一次价格战。它背后更像是一种长期条件: 模型公司既能在电价更低的市场里部署推理业务, 也能在一个供给扩张更快、稳定性更强的电力系统里做长期投入。这场由一度电差价引发的竞争, 正在重新划定全球 AI 产业的成本边界。
