变压器→Token：中国新能源的AI逆袭之路
发布日期：2026/3/26
前几天，一个视频在网上传疯了。
中国院士王坚在接受采访时，提到了美国古老的电网，嘴角的笑都压不下来。
“美国想要解决电的问题， 比马斯克太空送货都难。”他还提到最让马斯克破防的是，要建电厂，从变压器开始就得用中国的。
早在去年，就有外媒惊呼：中国，即将成为人类历史上第一个“电力帝国”。
中国不仅构建了全球输电能力最强、规模最大的新型电网，还牢牢占据着电力科技的主导权。
而现在，这种便宜、稳定的电力可以不需要关税、一根网线就卖向全世界，这就是——Token出海。
Token出海是这个月电力圈最热的话题。华泰证券刚发了一组数据：如果全球日均Token调用量达到千万亿级，对中国电量和电力的潜在拉动可能超过10%。
先简单解释一下，Token大模型处理问题的基本单位。而Token出海，其实就是把中国的电，封装成Token卖给全世界。
对储能和电厂来说，这意味着什么？
第一，新增了一个巨大的用电户。招商证券预测，到2030年，数据中心用电量占全社会用电量的比重将从现在的1.7%提升到4%左右。这增长的每一度电，都是实打实的收入。
第二，绿电消纳有了新出路。西部的风、戈壁的光，以前发出来送不出去，现在算力中心直接建在能源富集区，电就地变成Token，再通过网线卖给全世界。5毛一度的中国绿电，转手就能卖11块钱。
第三，火电多了一条利润线。AI进入推理时代后，需要稳定的基荷电源，火电的盈利空间正在被打开。
第四，储能变为必选项。数据中心对供电稳定性要求极高，风光电要直供给算力中心，就必须配储能。
海外开发者每调用一次中国模型，背后就是一次实实在在的电力消耗，这背后是整个中国新能源市场的机会。
1卖Token卖的是背后的电
用户买Token买的是什么？
把Token想象成一个工厂的产品。
这个工厂的流水线是这样的：一头通上电，中间是成千上万块芯片日夜运转，另一头产出Token，电进去，Token出来，就这么简单。
所以Token里装的是什么？装的是电。把一度度电，通过芯片转化，封装成一串串代码。
现在回到问题，用户为什么要买Token？
因为买Token，比自建一个【电厂+芯片】的工厂便宜得多。
一个公司想训练AI模型，有两个选择。
一个选择是，自己建机房，买芯片，拉带宽，雇工程师，搞定散热，应对峰谷电价。前期投入几个亿，折腾两三年，模型还没跑起来，芯片可能已经过时了。
另一个选择是，直接买Token。像交电费一样，用多少付多少。今天跑个模型，明天调个应用，按量付费，随时可停。
前者是买一座发电厂，后者是直接接上电网。对绝大多数公司来说，接电网是理性的选择。
这还不是全部。
中国西部有大量的绿电，虽然便宜，但远。这些电没法直接输送到上海或深圳的机房，损耗太大。但如果在当地建数据中心，把电变成Token，再通过一根网线送出去，成本就降下来了。
这是Token出海真正的底层逻辑：把中国西部用不完的便宜电，封装成全球开发者买得起的算力。
用户买的，表面上是Token，实际上是一次次调用便宜电力的权利。买Token，买的就是这个。
2把最便宜的电卖往世界
聊完Token是什么、为什么买，接下来得说清楚另一件事：中国的电到底有多便宜？便宜的电有多重要？
先说第一个问题：中国的电有多便宜？
直接看数据。2024年，中国工业用电平均价格是每度0.088美元，约合人民币六毛多。
这个数字单独看可能没什么感觉，得放在全球比一比。
2025年，欧盟工业电价已经是中国的两倍以上。准确说，比中国高出约50%。德国的化学厂、法国的炼铝厂，每用一度电，成本是中国的两倍。东南亚那边，菲律宾、新加坡的工商业电价也显著高于中国。
更关键的是，中国西部还有大量便宜得多的绿电。这些电在当地的成本更低，但因为没法远距离输送，最好的办法就是在当地建数据中心，把电变成token，再通过网线送出去。
所以中国的电价优势，不是略微便宜，是结构性便宜：
既有庞大的煤电压舱石保持稳定，又有快速增长的绿电拉低成本。目前中国风电和光伏装机容量已经超过煤电，这意味着未来绿电的占比会越来越高，成本还有下降空间。
接着就到第二个问题：便宜的电到底有多重要？
中信证券的一份研报算过一笔账：在算力中心的全生命周期里，电费占了运营成本的40%以上。剩下的是折旧、人工、维护。
这意味着如果你是一个做AI训练的公司，你每个月交的电费，可能比给你的程序员发工资还多。
所以电的价格，直接决定了算力的成本。
中国的电比欧洲便宜一半，那就意味着同样规模的算力中心，在中国运营，成本比在欧洲低一半。
另外AI算力对电力的要求极高。大规模GPU集群瞬间启动，会对电网形成冲击；芯片能接受的电压波动，远低于电网的日常波动。
便宜只是基础，稳定才是命门。而中国的电网，是全球公认的最稳定的工业电网之一。
最后说第三个问题：世界对便宜的电需求有多大？
2026年，全球IT支出预计达到6.15万亿美元，其中增长最快的就是数据中心，增速达到31.7%，总额超过6500亿美元。服务器支出增长36.9%，全是冲着AI去的。
再看算力本身的需求。全球对数据中心电力容量的需求，正在以每年19%到27%的速度增长。这说明到2030年，全世界要在不到四分之一的时间里，建成至少两倍于2000年以来建成的数据中心电力容量。
而驱动这一切的，是AI模型对算力的吞噬式需求。训练一个大型语言模型需要的计算量，每年稳定增长约5倍。这个增长速度，只有最便宜的电力能支撑。
马斯克曾说过：AI的未来，本质上是能源的未来。话有点绝对，但道理是对的。
算力是AI的粮食，电是算力的粮食，谁有最便宜的粮，谁就能喂饱最多的模型。
反映到Token出海上，极致的电力性价比中国就是最大的优势。
美国主流AI模型输出价格在10美元/百万Token，中国在10-20元人民币区间，有近7倍的价格优势。
另外，据OpenRouter平台数据显示，在处理相同数量的Token时，MiniMax的M2.5与智谱的GLM-5的输入价格仅为0.3美元/百万Token，而海外对标产品Claude Opus4.6的价格则高达5美元/百万Token，是中国模型的约16.7倍。
3一直卖一直赚，一门“永动机”生意
这些好处，是短期的风口，还是长期的生意？
如果只是便宜但模型不好用，开发者也不会买账。现实是中国的大模型现在并不弱，在编程、推理、多模态这些关键能力上，Kimi、智谱、MiniMax们的表现已经逼近甚至在某些场景对标Claude和GPT。
这就构成了一个很难被拒绝的组合：又便宜又好用。
近日爆火的OpenClaw，又被称之为"龙虾"，是个开源AI智能体，可以部署在本地电脑上，自动执行复杂任务。它的核心能力之一是动态模型路由。
每接到一个任务，它会自动判断：哪个API最便宜、延迟最低、最适合干这个活，然后跳过去。
结果是大量的请求通过这只"龙虾"的中转，最终都流向了上海、北京和杭州的算力机房。
因为OpenClaw的路由器是绝对理性的。它在15个维度上实时打分，最后选出来的，永远是那个【够用且最便宜】的选项。
而中国模型，恰好长期占据这个生态位。
数据可以说明一切。2月最后的一周，OpenRouter平台上前十位模型的总Token消耗约8.7万亿，中国模型独占5.3万亿，占比61%。
MiniMax M2.5以2.45万亿Token消耗位居榜首，Kimi K2.5、智谱GLM-5紧随其后，前三名清一色来自中国。这是开发者用Token投出来的票。
而且这种可持续性是结构性的。
据中国企业家杂志，一个部署了Openclaw的欧洲开发工作室在网上算过一笔账：
他们80%的日常推理引擎用Kimi K2.5完成，只有20%的复杂任务交给Claude。使用一天K2.5的开销大约是5到10美元，如果全部用Claude，月消耗将在800到1500美元。
这个价差，足以让任何理性的商业开发者做出选择。
更关键的是，OpenClaw本身就是一个巨型Token黑洞。它不是问答式Chatbot，问一句答一句。它是在后台持续跑流程的Agent。
搜资料、生成文档、爬虫测试，动辄消耗几百万甚至几千万Token。有人跑一天OpenClaw，花了5000万Token。这种消耗量级，对价格的敏感程度是指数级的。
需求也是可持续的。
全球对数据中心电力容量的需求，正在以每年19%到27%的速度增长。到2030年，全世界要在不到四分之一的时间里，建成至少两倍于2000年以来建成的数据中心电力容量。这些新增的算力，都需要喂Token。
更重要的是，这种【越卖越便宜】的逻辑是自洽的。
卖的Token越多，中国的新能源就越受益。新能源养活了算力，算力反过来消化了新能源，形成了一个正向循环。
也就是说这不是短期炒作的需求。
它是全球AI需求和中国能源的结合。开发者要便宜算力，就得持续调用中国Token；要持续调用中国Token，就得持续消耗中国电力；要持续消耗中国电力，绿电得跟上，储能得配上，火电得撑着。
市场上有人把中国的电比作【世界石油】，这个比喻一点都不为过。
石油曾经驱动了整个20世纪的工业文明。谁掌握了石油，谁就握住了工业的命脉。而今天，AI时代的命脉是算力，算力的粮食是电。
中国恰好同时拥有两样东西，稳定的电网和便宜的绿电。
只要全球AI还在持续运作，中国新能源就一直受益，毕竟没人会拒绝便宜又好用的商品。
来源：新能源产业家 作者：刘然
