“養龍蝦”受害者：發條微博40元，沒有中國電網很難養

點“星標”暫存文章，查找更方便！

聽全文↓

環球零碳

碳中和領域的《新青年》

來源：medium

摘要：

中國具有大規模的發電能力，是一個比芯片更重要的決定性優勢。

撰文 | Shushu

編輯 | 小瀾

→這是《環球零碳》的第1909篇原創

第一批“養龍蝦”的受害者出現了。有人只是試著讓AI發一條微博，結果花了約40元；還有人一覺醒來，賬戶里已經產生了1.2萬元的賬單。

這里所說的“養龍蝦”并不是一道菜，而是一款叫OpenClaw的開源AI智能體軟件，圖標是一只紅色龍蝦，安裝后可以讓它查資料、寫報告、改代碼，甚至自動處理各種電腦任務，就像一個公司員工。

但問題也隨之而來：AI員工并不便宜。

因為AI在理解、回答和執行任務的每一步，都需要調用大模型進行計算，而這些計算是按算力單元 Token 收費的。

基本上一個漢字約等于1個Token，一個英文單詞約為0.75個Token，有點像手機流量按GB收費，而AI按Token收費。

如果只是簡單聊天，AI消耗的Token其實并不多。但當AI開始像人一樣完成多步驟的連續任務時，Token消耗就會迅速增加，背后的計算就越多，所需電力消耗也隨之急劇攀升。

美國高德納咨詢公司（Gartner）預測，到2026年底，將有約40%的企業應用嵌入任務型AI智能體。如果未來的大部分工作，都將以消耗Token的AI來完成，電力就會成為經濟增長的關鍵變量。

01

算力時代的邏輯變化

英偉達CEO黃仁勛曾指出，人工智能競爭力可以比作一個由五層組成的蛋糕：能源、芯片、基礎設施、模型和應用，而能源是基建。

簡單理解，在大模型時代，算力的上限越來越受到電力基礎設施的限制。GPU可以不斷升級，但沒有電力，再多的芯片也無法運行。

因此，如今數據中心的規模不再以計算能力來衡量，而是以耗電量來衡量。用于人工智能訓練和應用的數據中心規模遠超以往，耗電量高達1GW。

例如，去年英偉達投資OpenAI 1000億美元建設10GW的數據中心。粗略測算下來，這數據中心一年的耗電量大約876億度電，相當于兩千多萬戶家庭一年的用電量，幾乎接近一個中等國家的居民用電規模。

在算力市場，企業采購芯片的邏輯也同樣發生了變化。

在大模型發展的早期，由于高性能芯片稀缺，市場追求的是單卡的算力峰值（FLOPS），誰的芯片算得更快、性能更強，誰就更受歡迎。

但當AI進入大規模應用階段之后，企業開始算另一筆賬：不是哪張芯片最強，而是哪套系統更省電、更穩定、能處理更多任務。

“客戶不再只盯著單卡的絕對算力峰值，而是開始計算每投入一元錢能換取多少吞吐量，每消耗一瓦電能處理多少Token。”一位算力芯片廠商負責人曾表示。

因此，有人提出，AI時代需要一個新的效率指標——“每瓦Token數（tokens per watt）”，用來衡量AI系統每消耗一瓦電能產生多少“智能輸出”。

在這種邏輯下，電價也開始變得異常重要。因為對AI公司來說，每一度電最終都會轉化為Token的部分成本。誰能獲得更穩定、更廉價的電力，誰就更有可能在算力競爭中占據優勢。

02

美國AI數據中心開始“缺電”

今年1月，馬斯克就在一個播客中提到，人們往往低估了數據中心接入電網的難度。美國科技公司的一些數據中心都面臨缺電。

微軟在弗吉尼亞州新建的AI數據中心因電網容量不足被迫延遲投產，加州圣克拉拉兩座已建成的數據中心因電網擴容需等待3年，預計2028年才能投運。

2024年，他的一個數據中心也被告知需要等待數年才能接入當地電網。當時他并沒有選擇等待，而是直接部署了14臺移動式天然氣發電機和4臺燃氣輪機來提供電力。

在美國，天然氣資源豐富、價格相對較低，因此燃氣發電廠是美國數據中心新增能源的最大單一來源，過去兩年，數據中心對燃氣發電的需求增長了兩倍。

但即便如此，電力問題依然沒有完全解決。原因是，用于燃氣發電的燃氣輪機設備本身也開始出現供不應求。

通用電氣Vernova公司表示，其燃氣輪機訂單量在2025年底已達到80吉瓦，設備的交付周期已經排到了2029年。西門子能源和三菱重工，也面臨類似的訂單積壓情況。

因此，摩根士丹利近期警告稱，到2028年，由于AI數據中心消耗大量電力，美國可能面臨高達20%的電力缺口。如果不能迅速增加新的電力容量，潛在的電力缺口將達到13至44吉瓦（GW），相當于超過3300萬美國家庭的用電量。

目前，美國已經能夠看到缺電的苗頭。在弗吉尼亞州等數據中心高度集中的地區，過去五年的電價漲幅高達267%。新增的AI電力需求已經開始擠壓普通居民和工業企業的用電空間。

為了不讓居民電價上漲，特朗普要求谷歌、微軟、Meta、甲骨文、xAI、OpenAI和亞馬遜在內的科技公司簽署協議，要求它們在不增加消費者電費的情況下獲得所需的電力。

03

中國在AI計算領域遠超世界其他國家

與之相反的是，馬斯克表示，中國具有大規模的發電能力，是一個比芯片更重要的決定性優勢。到2026年，中國的電力產量可能達到美國的3倍左右，從而有能力支持耗能巨大的人工智能數據中心。

根據中國國家能源局1月底公布的數據，自2021年以來，中國在所有能源技術方面新增的電力裝機容量超過了美國歷史上的任何時期，僅去年就新增了543吉瓦。

目前，中國已經擁有全球最大的電力系統，并且在水電、風電、光伏等清潔能源領域的裝機規模長期位居全球前列。

今年中國政府工作報告還首次提出“打造智能經濟新形態”，要“實施超大規模智算集群、算電協同等新基建工程”，將AI與電力聯動上升為國家戰略。

政策支持、穩定供電的同時，中國電價也在下降。美銀美林指出，2026年1月的代理購電價格同比下跌了10%，即每千瓦時下降了4分人民幣。

最直觀的變化來自全球對各國大模型的調用量，越來越多開發者開始調用中國的大模型。

OpenRouter的數據顯示，2月9日至2月15日，中國模型的調用量達到4.12萬億Token，首次超過同期美國模型的2.94萬億Token。隨后一周，中國模型的調用量進一步上升至5.16萬億Token，而美國模型則下降至2.7萬億Token。

不同的大模型有不同的Token價格，例如GPT-5.4的輸出價格為15美元/百萬Token。而中國MiniMax M2.5的輸出價格約為1.1美元/百萬Token。兩者大模型調用價格相差十倍不止，對開發者來說，使用中國大模型可以將Token成本降低約93%。

這也意味著在提供同樣AI計算能力的情況下，中國穩定、便宜的電價使得每個Token的成本可能明顯低于歐美。

正因如此，他認為，中國在人工智能計算領域將遠遠超過世界其他國家。盡管美國一直想要限制中國獲取先進半導體，但隨著時間的推移，這些限制可能不再那么重要。中國終究會“搞定芯片”。

說到底，在AI時代，算力競爭的底層，是一場電力與能源的競爭。

Reference：

[1]https://www.politico.eu/article/europe-high-energy-prices-us-attack-iran/

[2]https://www.euronews.com/business/2026/03/03/gas-prices-nearly-double-as-europe-braces-for-iran-war-energy-shocks

[3]https://www.thetimes.com/business/companies-markets/article/energy-bills-could-surge-to-2500-a-year-if-iran-conflict-draws-out-d2l5hk9rn

[4]https://www.bloomberg.com/news/articles/2026-03-03/iran-war-how-oil-and-gas-prices-are-surging-as-shipping-production-disrupted

[5]https://www.carbonbrief.org/daily-brief/gas-prices-surge-uk-bills-could-hit-2500-el-ninos-return/

[6]https://www.theguardian.com/world/2026/mar/02/iran-strait-hormuz-oil-global-prices-cost-of-living#img-1

[7]https://www.businessgreen.com/news-analysis/4526355/dependent-gas-iran-conflict-fires-uk-energy-security-row

[8]https://www.gbnews.com/money/energy-bills-uk-households-iran-gas-prices

[9]https://www.thisismoney.co.uk/money/bills/article-15609583/Energy-bills-surge-2-500-year-thanks-Iran-conflict-you-fix-now.html

[10]https://www.nbcnews.com/business/business-news/oil-prices-iran-strikes-rcna261209

[11]https://www.canarymedia.com/articles/liquefied-natural-gas/us-exporting-huge-amount-gas-cost

[12]https://wallstreetcn.com/articles/3766614

[13]https://wallstreetcn.com/articles/3766607

[14]https://wallstreetcn.com/articles/3766548

[15]https://www.thepaper.cn/newsDetail_forward_32693465

[16]https://news.cnr.cn/sq/20260305/t20260305_527543503.shtml

熱門閱讀

（點擊圖片跳轉閱讀）

聯系和關注我們↓（公眾號后臺留言聯系小編）

免責聲明：

本文僅用于學術交流和傳播，不構成投資建議

點擊“環球零碳”，設為“星標”，后臺回復“星標”，將有定制禮品相贈。