©️新博弈

文丨桨声

根据全球知名大模型API调用平台OpenRouter最新数据，3月30日至4月5日，中国AI大模型周调用量达12.96万亿Token，环比暴涨31.48%，连续五周超越美国。同期美国调用量仅3.03万亿Token，不及中国的四分之一。

这个数字意味着什么？平均每天有近2万亿Token的“智能”从中国模型流向全球开发者，相当于每天“吞吐”掉一个维基百科全部内容的好几倍。

图片来源：OpenRouter 官网

调用量前六的模型清一色来自中国——阿里的千问（占据第一和第三）、小米的MiMo、阶跃星辰、DeepSeek、MiniMax。有意思的是，支撑这些数据的“主力军”并非中国开发者：OpenRouter平台美国用户占47%，中国仅占6%。硅谷的程序员、欧洲的创业公司、东南亚的企业主，正在用真金白银给中国AI投票。

这场“逆袭”快得令人措手不及。其底层逻辑并非单纯的技术超越或价格战优势，那么，真正的原因究竟是什么？

电费单，一张底牌

先说一个让硅谷睡不着觉的事实：训练和运行AI模型，正在成为21世纪最耗电的工程之一。

英伟达创始人兼CEO黄仁勋在3月的一篇博客中，将AI产业拆解成五个层面：能源、芯片、基础设施、模型、应用。他特别强调：“能源是AI的第一性原理，也是系统能产生多少智能的根本约束。”

这话翻译成大白话就是：你想让AI变聪明，先问问电网答不答应。

而美国电网，最近有点“答不上来”了。

AI的算力膨胀正剧烈冲击美国电力系统。2026年初，微软因西弗吉尼亚州的数据中心电网接入延迟，被迫自建燃气轮机；谷歌则斥巨资签下核电合同，为AI“喂电”。

然而，并非所有成本都能由企业自身消化。在美国中西部多州，这场竞赛已开始推高民生电价，部分公用事业公司已申请新一轮涨价。AI竞赛的代价，正从科技巨头的财报，转移到美国普通家庭的账单上。

与此同时，中国的情况几乎是另一个故事。

根据国家能源局2026年1月公布的数据，2025年中国全社会用电量约10.37万亿千瓦时，超过美国的两倍，高于欧盟、俄罗斯、印度、日本的总和。

这个数字背后，是全球最大的电力基础设施和具有竞争力的电价水平。中国西部绿电（风电、光伏）的成本可以压到0.2元/度左右，工业用电整体成本低于欧美多数地区。

更关键的不是电价本身，而是“东数西算”工程带来的结构性优势。中国将数据中心直接建在西部绿电富集区，便宜的清洁能源就地转化为算力，再通过光纤输送到全国乃至全球。

这套模式实现了“电力不出境、价值已跨境”的商业闭环。西部的风，点亮了东部的屏幕，也支撑起了全球开发者的AI应用。

这套“电费优势”直接体现在了API价格上。

以OpenRouter平台为例：美国Claude Opus 4.6模型的输入价格为5美元/百万Token，输出价格高达25美元/百万Token；而中国MiniMax M2.5的输入价格仅为0.3美元/百万Token，输出价格低于2.5美元/百万Token。

同样是写代码的任务，用中国模型的成本只有美国竞品的十分之一。

一名硅谷开发者在社交媒体上算过账：他的团队每月调用约50亿Token，如果用美国模型，月账单约2500美元；切换到中国模型后，这个数字降到了200美元出头。

这就是调用量数据的底层逻辑。不是中国AI突然比美国AI“聪明”了，而是中国AI突然比美国AI“便宜”了一个数量级。

当便宜了一个数量级，“足够好用”就赢了“最好”。这不是国产情怀，是商业理性。全球开发者，正在用脚投票。

算得更巧，练得更实

传统大模型的问题在于：每次推理都要调动全部参数，无论问题是简单还是复杂。好比公司无论开什么会，都叫上所有人，效率自然低了。

包括DeepSeek在内，中国主流大模型普遍采用MoE（混合专家）架构，就像给庞大的“公司”配了一套门禁系统：它只让最相关的几位“专家”进场处理问题，其余继续待命。

图片来源：千问官网

这套“按需激活”的模式，让模型在保持庞大知识储备的同时，将实际计算量压缩到原来的几分之一。

以阿里千问为例，其MoE架构使得推理成本大幅降低，这也是千问敢推出“免费版”，并仍能维持商业可持续的核心原因。

但这还不是全部。中国AI的另一张底牌，在制造业的车间里。

如果说美国AI的“练兵场”是硅谷的实验室和华尔街的交易大厅，那么中国AI的“练兵场”则是全球最完整的工业产业链。

从精密电子制造到重型机械，从供应链管理到质量检测，每一个环节都孕育着真实、迫切且高价值的AI落地需求。这些需求不是实验室里的模拟场景，而是关乎企业生存的硬指标。

当AI技术被投入到这些真实环境中，它必须直面数据噪音、极端工况和成本控制的挑战。这种严苛的“实战”反而倒逼技术快速迭代。

更重要的是，工业场景产生的海量、多维、高质量数据，是训练和优化AI模型的宝贵燃料。

2026年3月，达摩院发布了一款名为玄铁C950的RISC-V架构CPU，首次在单颗CPU上跑通了DeepSeek V3 671B全量大模型推理，Qwen3 30B可达80 tokens/秒。

这是RISC-V阵营第一次真正进入顶级AI算力的“朋友圈”。玄铁的故事揭示了一个更深的趋势：当AI推理需求爆发、当物理AI（具身智能、机器人）成为新战场，定制化、低功耗、可扩展的芯片架构正在获得历史性机遇。

这套“从能源到芯片到模型到应用”的系统能力，最终凝结成Token的极致性价比。它不是某一项技术的单点突破，而是一个系统工程的胜利。

赢了吗？还早

数字漂亮，就是赢了吗？几个不容忽视的事实，需要先看清楚。

首先，调用量的领先不等于技术实力的全面超越。

图片来源：欧洲电子行业媒体”eeNews Europe”官网

在核心芯片领域，英伟达最新的Feynman架构GPU（预计2028年推出）单颗功耗将突破5千瓦，性能仍将领先行业一个身位。在基础算法创新上，美国依然保持着原创优势。调用量反映的是市场需求和商业化能力，而非基础研究的全部。

其次，价格战可以赢一时，但赢不了一世。

彭博社、《华尔街日报》分析指出，中国AI模型的海外用户中，相当一部分是冲着“便宜”来的。

这意味着，一旦美国模型的成本下降，比如通过更先进的芯片或更高效的架构，或者中国电价优势被削弱，这部分用户可能会迅速回流。

再者，AI的安全与治理问题正在成为新的竞争维度。

欧盟《AI法案》已经生效，美国各州也在加紧立法。中国AI出海，不仅要面对技术竞争，还要应对日益复杂的监管环境。

该法案要求“高风险”AI系统必须在投放前后进行合规评估，包括对非歧视性与基本权利影响的审查，提供必要的透明度与人类监督机制。

但不可否认的是，这场由“电费单”引发的权力转移，正在改写全球AI产业的游戏规则。

Token正在成为数字时代的新型“大宗商品”。就像石油之于工业时代，算力之于智能时代。而中国，凭借能源成本、基建能力和制造业生态的三重优势，正在成为Token的“世界工厂”。

值得关注的是，这可能是中国第一次在信息技术革命的基础设施层占据先机。

在PC时代，中国是英特尔和微软的“组装车间”；在移动互联网时代，中国是iOS和Android的“应用工厂”；但在AI时代，从能源到芯片到模型到应用，中国正在形成一套相对完整的闭环。

如今，这套闭环的初步成果已经显现。

OpenRouter数据显示，中国模型不仅在调用量上领先，在用户结构上也越来越“全球化”。美国开发者用中国模型写代码，欧洲创业公司用中国模型做产品，东南亚企业用中国模型降本增效。这是中国AI从未有过的全球影响力。

这场竞赛还没结束。高端芯片的瓶颈、品牌认知的短板、行业利润的压力，都是必须正视的挑战。但有一点是确定的：在AI这场“重工业化”的浪潮中，能源是最后的硬约束。

而中国手里，握着最硬的那张牌。剩下的，就看怎么打了。

新博弈（ID：newgametheory）原创

转载请注明来源、作者署名，违者必究

━━ 已入驻平台 ━━

━━ 视频号 已入驻平台 ━━