AI Token出海：便宜的电 和过不了的墙

中国占了全球 61% 的 AI Token 调用量，但赚到的钱可能不到 Anthropic 一家的零头。

2026 年 2 月的一个深夜，旧金山 Mission District，一个叫 Arjun 的印度裔开发者盯着屏幕上的账单发呆。他用 Claude 跑了一套自动化代码审查的 Agent 工作流。十几个子任务并行，反复调用上下文，AI Token 的消耗不是线性的，是指数级的。一个晚上，几十美元烧没了。

第二天，他在 OpenRouter——全球最大的 AI 模型聚合平台——切到了中国公司 MiniMax 的 M2.5 模型。同样的工作流，账单缩水一个数量级。代码照跑，结果没差多少。

Arjun 不知道的是，他的每一个请求，正从加利福尼亚出发，经太平洋海底光缆，抵达中国西北省份的数据中心。GPU 集群启动，电力从国家电网流向芯片，推理完成，结果回传，不到两秒。

电力从未离开中国的电网，但电力的价值，通过大模型，以 AI Token 为载体，出海了。

这不只是一个开发者的选择，整个硅谷都在"全员 token-maxxing"。Arjun 只是这场全球 AI Token 消费狂潮的一个缩影。

而太平洋的另一边，画面截然不同。

同年春天，中国大西北的戈壁滩上，几座前两年还热火朝天的算力中心安静了下来。一位从事算力中心建设多年的老哥，在全员 fomo 的时候对我说过一句话：

"AI Token 出海并没有像很多媒体上说的那么简单。"

他说的不是技术问题，是消化问题。大模型厂自建的算力中心能自己消化，这是最优路径；电信运营商的次之，有渠道兜底；最尴尬的是民营资本追着 AI 风口砸下去的那一批——看似阳光万里，实则没人兜底。

跨境的那道墙，根本出不去——大西北那些烂尾或半闲置的机房，不是建不起来，是建起来之后才发现：墙比电站还高。

一边是全员 token-maxxing 的硅谷，一边是空转的大西北数据中心。中国最便宜的电，生产了全世界最便宜的 AI Token。可中国的 AI 企业，到底又能够从中捕获多少价值？

一、十年前，同一批电站迎来过另一批客人

2015 年前后，四川、云南和新疆的电站管理者开始接待一群奇怪的访客。他们租下废弃厂房，装进密密麻麻的机器，24 小时通电运转。机器什么都不生产，只是不停地做一道数学题。偶尔，从无穷无尽的运算里，蹦出一枚比特币。

那是电力价值出海的 1.0 版本。廉价水电经矿机的哈希运算，兑换成全球流通的数字资产，再到交易所上变现为美元。电力没有穿越任何边境，但电力的价值，以比特币为载体，流向了全球。巅峰时期，中国占到全球比特币算力的七成以上。

比特币的价值捕获路径极短——电力变成计算，计算变成 BTC，BTC 变成美元。中间不依赖任何人。比特币本身就是终端产品，一种由能源背书的数字黄金，出了矿场就能变现。它可以裸奔出海。

但路径短意味着根基浅。

2021 年监管一刀切，矿工四散，价值捕获瞬间归零。算力迁徙到哈萨克斯坦、德克萨斯、加拿大。电站一度电都没少发，只是那些电，不再能变成美元了。

电力的逻辑没有消失，它只是在等一个新的外壳。

ChatGPT 横空出世后，同一批电站、同一批厂房、有些甚至是同一份电力合同，摇身一变成了 AI 数据中心。矿机换成 GPU，比特币换成 AI Token。

但 AI Token 不是比特币。

比特币是终端产品，AI Token 是半成品。AI Token 必须经过模型、产品、工作流的层层包装，才能变成客户愿意付费的东西。它不能裸奔出海。围绕这个半成品搭建起来的产业链，远比挖矿复杂——从底层的绿电和液冷机房，到中间的 AI 芯片和服务器，再到上层的大模型 API、聚合平台和跨境合规，七层环节首尾相连。

链条变长了。每一层都有人截胡。

不变的只有电力，以及一个没变的问题：这一次，价值能留下多少？

二、一度电的旅程，和它的断桥

要回答这个问题，先跟着一度电走一遍。

Arjun 每按一次回车，背后是五个环节在接力：电力→算力→模型训练→模型推理→AI Token 交付到他的屏幕上。

前三步早就结束了。四川水电站的一度电，流向内蒙的数据中心，驱动 GPU 集群运转数月，喂进万亿条数据，训练出一个大模型。烧完之后，模型的"配方"就定了。中国的电力优势在这一步被完整编码进去——更低的训练成本，更高效的架构设计，十几家公司互相踩踏逼出来的工程优化。一度电的能量，压缩进了一个几百 GB 的文件里。

后两步是此刻正在发生的。Arjun 每按一次回车，某个数据中心就要启动一次推理：加载配方，消耗算力和电力，现场产出一批 AI Token，传回结果。每一个 AI Token 的诞生，都需要实时的电。

问题是：到底是哪个数据中心？

2.1 AI Token 出海两条完全不同的路

Arjun 现在走的是第一种——推理在中国完成，AI Token 通过 API 跨境交付。请求穿越太平洋到贵州，结果再传回旧金山。国内 0.38 元/度的绿电，直接压低了每个 AI Token 的边际成本。Arjun 享受到的低价，本质上是中国的水电在买单，电力优势完整兑现。

第二种——把配方搬到海外，在弗吉尼亚或新加坡做推理。智谱、DeepSeek 上架微软 Azure，MiniMax 进入亚马逊 AWS，走的都是这条路。推理用当地的电、当地的 GPU，每个 AI Token 的成本跟中国电价没有一分钱关系。

2.2 可口可乐从来不出口瓶装水

第二种模式的逻辑像可口可乐——从不把美国工厂的瓶装水运到全世界，出口的是配方，到了当地用当地的水和灌装线。

打开阿里云百炼的后台，有一个下拉菜单：服务部署范围——"中国内地""国际""全球"。选"国际"，推理跑在弗吉尼亚，合规消失，电价也变成美国的了。这个下拉菜单，就是从第一种模式切到第二种模式的开关。

但可口可乐靠配方赚遍全球，是因为没人能复制它。大模型不一样——DeepSeek、通义千问是开源的，权重文件谁都能下载。配方公开了，灌装线是别人的，电也是别人的。价值捕获的锚点只剩一个：出配方的速度。

银河证券的研报说，全球大模型迭代周期已从半年缩短至数月。芯片禁令一旦拖慢迭代，保鲜窗口就越来越短。

Arjun 不关心配方来自哪个国家。他只关心这周哪个最便宜、下周还能不能用。

一度电的出海旅程，在训练和推理之间断掉了。断掉的不只是成本链，还有价值捕获。

第一种模式保住了电力优势，却丢了市场——企业客户不接受数据经过中国，时延也是硬伤。第二种模式打开了市场，却丢了成本——你卖的不再是便宜的电，而是配方本身。

时间也不站在中国这边。德勤预计，全球 AI 算力重心正从训练转向推理——推理占比将从 2023 年的三分之一升至三分之二，未来可能超过八成。训练只花一次钱，推理是每天烧的账单。推理越重要，电价能决定的部分就越小。

这就是 AI Token 出海和光伏出海最本质的区别。光伏从硅料到组件到装船，成本优势全程传导，没有断裂点。AI Token 的成本链在训练和推理之间裂开了一道缝。电力红利过不去，真正跨境传导的，是编码在那个几百 GB 配方里的工程能力。

两种模式，两种困境。靠便宜的电直接卖 AI Token 出海，这条路能走多远？

三、便宜的电，过不了的墙

不远。三道墙在收窄这条路。

第一道是物理的墙。

Arjun 的请求跨越太平洋，往返 150 到 300 毫秒。一轮对话感觉不到。但 Agent 工作流是几十轮连续调用，机器不等人，延迟累积到秒级，工作流就卡了。不是政治问题，不是制度问题，是光速决定的。

要么站在光里，要么光站在那里。

第二道是制度的墙。

美国企业采购 AI 服务，技术负责人必须回答五个问题：数据是否传入中国？日志在哪里？输入输出是否用于训练？是否符合当地法规？出了问题谁负责？

五个问题答不上来，采购流程停在那里。不是模型不好用，是合规部门不签字。

大摩首席经济学家邢自强提过一个更尖锐的先例：华为在 5G 设备上也有技术和价格的双重优势，2018 年之后，照样被踢出欧美电信网络。5G 基站和 AI Token 一样，底层都涉及数据流经谁的设备、存在谁的服务器。他的原话是：

"不要过度吹捧 Token 出海的电力优势，而忽视地缘政治与安全考量。"

技术优势救不了信任赤字。

第三道是政治的墙。

芯片禁令卡训练端，模型审查卡上架端。最不可预测的变量。

三道墙圈出的范围很窄：靠便宜的电卖 AI Token 出海，能触达的只剩对合规不敏感、对时延能忍、对价格极度敏感的长尾开发者。配方出海那条路，电力优势又传导不过去。

两种模式，两个死角。中国 AI 企业在全球价值链上，到底站在什么位置？

四、小擂台上的冠军，价值链上的看客

2026 年 2 月 24 日，OpenRouter 数据出炉：平台前十模型总 AI Token 消耗 8.7 万亿，中国模型独占 5.3 万亿，占比 61%。

"中国首超美国"——消息炸遍中文互联网。

OpenRouter 的 COO Chris Clark 在播客里描述他看到的画面："中国开源模型在美国企业的 Agent 工作流中占比异常高。"一个复杂编码任务，用 Claude 花 50 到 100 美元，用 DeepSeek V3.2 大约 0.5 美元。百倍价差，对跑着几十个 Agent 的创业公司来说，是生死线。

但 61% 背后，藏着两个真相。

第一个：这只是小擂台。

OpenRouter 能统计的 AI Token 消耗，只占全球约 3%。大擂台在另一边，比分悬殊。

2026 年 4 月，Anthropic 年化收入突破 300 亿美元。15 个月前这个数字还只有 10 亿——30 倍增长。Claude Code 一个编码工具，上线半年做到 10 亿美元。1000 家企业年付费超百万美元，八成收入来自企业客户。OpenAI 年化 250 亿。

中国这边：MiniMax 九个月烧了 5 亿美元，营收 7900 万。《财经》杂志更冷酷——部分中国模型的 API 毛利率可能为负，每处理一次请求都在亏钱。

中国生产了最多的 AI Token，但在价值链上几乎隐形。

第二个：不是所有 AI Token 价值相等。

同一个 AI Token，闲聊值 0.01 美元/百万，写代码值 200 美元/百万，法律审阅值 1000 美元/百万。十万倍的差距。行业测算，不到 5% 的消耗创造了超过 80% 的商业价值。

就在本文写作的同一周，Anthropic 和 Blackstone、Goldman Sachs 成立了一家 15 亿美元的合资公司，把工程师直接驻场到 PE 投资组合里的企业中去。同时发布 10 个金融 Agent——pitchbook 生成、KYC 审查、信用备忘录、月末结账、财务审计。Jamie Dimon 和 Dario Amodei 同台出席。一个 KYC Agent 跑一次消耗几十美元 AI Token，省下的合规人力成本是几千美元。

这就是高价值 AI Token 的真实画面。

Goldman Sachs 的 Marc Nachmann 说了一句话："光有模型不会改变你的工作流。你需要能把技术和实际业务结合起来的人。"

这句话精准地切开了中美之间的价值差距。中国公司在比谁的 AI Token 更便宜，Anthropic 在比怎么把 AI Token 嵌进 Goldman 的每一条业务线。前者卖原材料，后者卖解决方案。中国模型在全球开发者的工具箱里，不是首席架构师。是计件工人。

这像极了 2008 年的中国光伏——出货量全球领先，但利润最薄的组件环节才是主场。定价权、品牌溢价、高端份额，都在别人手里。那一年距中国光伏真正统治全球，还有十多年。

但 2008 年的光伏故事没有停在"有量无利"。最终赢下全球的中国企业，不是靠硅料便宜，是靠控制了从硅料到组件到电站的全栈。

AI Token 出海的希望也不在电价上——在能不能从"最便宜的生产者"变成嵌入企业工作流的基础设施。

并非没有人在尝试。

迅策科技正在金融和能源的垂直场景里，用 AI Token 计费深度绑定客户的数据和业务流程。Token 收费占比从 5% 提升至 20-30%，2025 年下半年首次盈利。它卖的不是便宜的 AI Token，而是"用 AI Token 重新跑你的业务"。逻辑和 Anthropic 向 Goldman 驻场交付如出一辙——只是一个在中国的垂直行业里刚起步，另一个已经拿到了 15 亿美元和 Jamie Dimon 的站台。

差距是巨大的，但方向是对的。

五、电力没变，账单在变

2026 年 5 月，豆包推出付费版，68 元/月。3.45 亿月活的产品开始收费。

同一周，腾讯云 AI 服务涨价 5%，智谱 GLM-5 定价比上一代涨了 50%。

有人拆过豆包的推理成本——硬件折旧 58%，电力 29%。每多一个用户就是 GPU 集群上多一份消耗。字节内部已有声音："商业化看不到明确路径，大 DAU 的推理成本对利润有压力。"

十几家公司赔本赚吆喝的日子，到头了。

涨价暴露了一个比三道墙更根本的问题：电力优势降低了 AI Token 的生产成本，但 AI Token 的价值，从来不取决于生产成本，取决于它被用来做什么。一度电变成的 AI Token，闲聊和企业决策，价值差十万倍。

中国有全世界最便宜的电，训练出了全世界最便宜的 AI Token，在 OpenRouter 上占了 61%，但 Anthropic 一家的年收入，可能超过所有中国大模型公司的总和。

贵州山里的水电站和数据中心还在转。十年前，同样的电养活了矿场，矿场被驱散了。如今同样的电养活了 AI Token 工厂。工厂还在，只是产出的 AI Token 越来越多，留下的价值越来越少。

Arjun 今晚又怒省了几十美元。但他省下的每一美元，恰好就是中国 AI 企业没能捕获的那部分价值。