09:32
如果说AI大模型是一片正在升温的海洋，那么今天，全球的开发者正在用一种最真实的方式投票：不是论文，不是发布会，而是调用量。谁被用得最多，谁就是这片汪洋大海里真正的“主航道”。
在这里，有一个很多人都没意识到的问题：大模型的调用量是怎么算出来的？每次你问AI一句话，它回你一段内容，一来一回，背后其实都在不断消耗一种看不见的单位。这种看不见的单位叫token，中文名叫词元。就在最近，一组数据让全世界都深感意外：中国大模型的词元消耗量，正在全面超越美国。更重要的是，这不是一次偶然的反超，而是连续好几个星期都在扩大差距。
那么问题来了，为什么越来越多的全球开发者开始转向中国的词元？在这场大模型混战中，中国到底做对了什么？面对算力需求的爆炸式增长，中国的下一张牌准备好了吗？今天，我们就用尽可能通俗易懂的语言，把这些问题深度拆解一下。
一、为什么中国词元开始反超美国？
在开始拆解之前，我们先要把一个概念讲清楚：什么是词元？词元的英文是token，在很长一段时间里都没有对应的中文翻译。直到2026年3月23日，在中国发展高层论坛2026年年会上，国家数据局局长在讲到token时，使用了“词元”一词，token才算是有了官方“盖章”的翻译。
那么，词元到底是什么呢？你可以把它想象成一块块“文字积木”。比如，你问AI一句话：上海今天的天气怎么样？在我们人类看来，这是一整句话，但在AI眼里，它会被拆解成很多小块，一块块来处理。在回答的时候，你也会发现，AI并不是把一整段话都提前想好，然后一下子完整地输出给你，它更像是搭积木一样，一块块往后接，一个字一个字往外蹦，慢慢地拼出一整段话。这些“积木”就叫词元。
所以，词元消耗越多，就说明越来越多的人真的开始在使用这个大模型了。现在发生的变化是，全球用户正在疯狂调用中国的大模型。有一个专门聚合全球AI大模型的平台，叫 OpenRouter。你可以把它理解成AI大模型的统一入口。开发者通过这个平台，可以随时切换、调用全球各种大模型，不用分头接入。也正因为如此，OpenRouter更像是一个大模型真实使用情况的排行榜。
来自OpenRouter的数据显示，2026年3月，按照词元消耗量来计算，全球排名前五的大模型里，前四名都来自中国，它们分别是：小米的MiMo、上海稀宇科技的MiniMax、上海阶跃星辰的Step、深度求索的DeepSeek，排名第五的，才是谷歌的Gemini。
这里面有一个点非常值得注意：在OpenRouter的500多万用户里，来自美国的开发者占比将近一半。相比之下，来自中国的用户占比不到10%。也就是说，这个榜单反映的，不是中国人在用中国的大模型，而是以欧美为主体的全球开发者都在主动选择中国的大模型。那么问题来了：他们为什么不用美国的大模型呢？答案很简单：两边差不多聪明，但中国的便宜太多。
在业内，有一个很直白的对比，调用中国大模型的价格，往往只有海外头部模型的十分之一甚至更低，而双方的能力差距一般也就在3个月之内。这就好比有两家造车厂，一家车确实性能好，但很贵；另一家车差不多好，但价格只有十分之一。对市场来说，这都算不上是一道选择题，哪家真香不言而喻。
那么问题来了，为什么到现在这个时候，中国大模型的性价比优势会被突然放大呢？
二、为什么中国大模型会突然爆发？
先说一个很多人可能还没意识到，但已经在现实中发生的变化。就在前两年，AI更多还是一种“高科技”的存在，看起来很高端，但和普通人终究还是有点距离。可到了现在，这种“高科技感”已经渐渐被“实用感”所替代。写文案、做PPT、修图片、翻译文章……这些原本需要人来完成的基础工作，现在都已经能用AI来完成了，虽然很多时候还是需要真人来兜底，但趋势已经很清楚了，那就是AI正在变得可用，而且是越来越好用。
这种转变意味着AI的角色变了，它正从前沿的科技项目，变成人们日常使用的工具，成为生活中必不可少的基础设施。一旦变成基础设施，AI的市场逻辑就会跟着改变。用户不仅会关注谁更先进，还会关注谁更有性价比。
这里还有一个关键问题。对普通用户来说，AI可能是免费的，或者是付费订阅的，但对于开发者而言，每次调用大模型，都要按词元精准计费。你用多少，就付多少。也就是说，开发者不是在用AI，他们是在采购算力。一旦进入到这个阶段，整个市场的行为就会变得极其理性：大家一定会选择效果差不多但价格低很多的大模型。
这个趋势，在2026年年初被进一步放大。OpenClaw的出现，彻底改变了AI消耗词元的体量。以前和AI之间一问一答，一轮下来可能也就花费几百上千个词元，可一旦安装了“龙虾”智能体后，它需要反复读取系统日志、高频调用工具、进行多轮自我纠错，单次任务消耗的词元，可能就是过去的几十倍甚至几百倍。这样一来，词元价格的重要性就被瞬间放大，这也是中国大模型开始反超的原因。
来自OpenRouter的数据显示，在词元的成本方面，中美大模型已经出现了明显的分化。以中国的MiniMax例，在输入端，每百万词元的成本大概在0.3美元。相同的体量，美国的Claude Opus 4.6成本约为5美元，两者相差十几倍。输出端的差距就更大了，一度拉开到了二十倍左右。我们再来看另一款国产大模型：阶跃星辰的Step，同样是完成一个月的智能体任务，它的Step Plan套餐只需要99元人民币，而海外主流模型的费用通常在120到150美元之间。
那么新的问题又来了，为什么中国的词元成本，会比美国的便宜那么多呢？
三、中国为什么能把词元成本压下来？
在2026年1月举行的达沃斯论坛上，英伟达首席执行官黄仁勋在一场对话中，把AI比作一个五层蛋糕，从上往下数，最上面的第一层是包括聊天机器人在内的各种应用，第二层是大模型，第三层是云端设施，第四层是芯片，最底下的第五层是能源。这个比喻说透了一件事：AI的底座，其实是电。
道理很简单，每一个词元的生成，都离不开芯片的计算，而这种计算是需要电力支撑的。如果只是生成一个词元，耗电量极低，几乎可以忽略不计。可一旦进入训练阶段，大模型就需要反复处理数千亿个词元，这就会让它变身名副其实的“吞电兽”。以GPT-3为例，它完成一次完整训练需要的电量，可以让100多户美国家庭用上整整一年。
从这个角度来看，构成AI大模型运行成本的基座，其实是电费。OpenAI首席执行官山姆·奥特曼就预测，未来，AI的成本会越来越接近能源的成本。也正因为如此，不少美国AI企业都患上了“电力不足恐惧症”，开始亲自下场“搞电”。2025年10月27日，谷歌和美国新纪元能源公司联合宣布，将在2029年重启一座位于艾奥瓦州的核电站，为谷歌的AI基础设施供电。2026年1月9日，Meta宣布和三家核电供应商达成协议，向其中一家采购电力，同时协助另外两家开发小型模块化反应堆。
这些巨头心里门清，尽管美国目前在芯片领域依然保有明显优势，但最先进的方案不一定就是市场会买单的方案。如果不解决电力成本问题，只要中国把芯片领域的差距缩小一步，美国在市场上就会被甩开一截。这一点，在大模型调用上已经有所体现。而要想把电力成本打下来，就必须要在发电增量上做文章，把整个盘子做大，而不是在现有的盘子里左右倒腾。
相比之下，中国在电力方面的优势极为突出。从量上来看，2025年中国全社会用电量首次超过10万亿千瓦时，是美国的两倍多，比欧盟、俄罗斯、印度、日本加起来都要多。更关键的是，从结构上来看，中国的中西部地区拥有大量风电、光伏、水电设施，发电成本更低。这样一来，中国就更有条件做一件事：让算力也流动起来，用上更便宜、更绿色的电。
2025年7月，上海电网首次完成跨省算力转移测试。测试中，位于浦东的一家智算中心接到虚拟电厂的调度指令，3分钟后，中心里正在运行的AI计算任务便被转移到了位于湖北十堰的数据中心。同时，智算中心的单机用电负荷下降了75%。这个测试的成功，不仅意味着在用电高峰时，可以把计算任务快速转移到电力负荷较低或是清洁能源丰富的地区。更重要的是，它意味着算力也可以被调度，优化算力成本也就有了更大的想象空间。
事实上，在算力和电力协同发展方面，中国已经启动了长期布局。在2026年全国两会上，政府工作报告首次将“算电协同”纳入新基建的部署，明确了算力和电力深度融合的顶层设计。
说到这里，我们大概能看清一件事。在全球AI竞争的海面上，风向已然发生改变。过去两年，大家比拼的是谁的模型更大、谁的参数更多，这就好像是在比谁的船更大、更快。现在，这场竞争正在转向另一个方向，大家比的，是谁的船性价比更高、跑得更久。电力，就是这片海面之下最深的暗流。谁能掌握这股暗流，谁就能决定未来的航向。
编辑: 周缇
美术编辑: 郭浩
摄像: 陈杰
责编: 张蕴昆