感謝美國：五毛一度的中國電，換個姿勢就能賣11元

　　1956年，美國商人麥克萊恩發明了集裝箱。

　　在集裝箱之前，貨物出口靠的是人力散裝，一件一件靠叉車、吊機搬運，一船要裝卸好幾天，運輸成本里有一半是裝卸費。集裝箱的出現，讓這一切變了——任何貨物，只要裝進箱子，就能被任何港口的吊車裝卸，被任何貨輪運輸，被任何買家接收。

　　簡單的發明，卻帶來了非凡的效益：它讓全球貿易的摩擦成本大幅下降，當中國成為“世界工廠”后，中國產能借著集裝箱滲透到了全球的每一個角落。

　　七十年后，一個新的“集裝箱”出現了，而這個新的“集裝箱”叫Token。

　　Token是大語言模型處理文字的最小單位，大致相當于半個中文字。但它的意義不在于這個技術定義，而在于它做到了和集裝箱一樣的事：把原本難以計量、難以交易的東西——智能服務——裝進了一個標準化的容器。

　　一個問題、一段代碼、一篇文章，背后消耗了多少算力，全部可以用Token來計量、定價、交易。就像集裝箱讓任何貨物都能被吊車裝卸，Token讓任何智能服務都能被API調用、被計費、被出口。

　　中國第一次有機會大規模出口腦力，而不是體力、礦產、能源。美國人掀起了這場AI浪潮，定義了規則，炒高了價格，卻沒想到，Token這門生意的霸主，正在悄悄換人。

　　Token：智能時代的標準化集裝箱

　　Token，翻譯過來叫詞元，是大語言模型處理文本的最小單位。

　　「我喜歡吃蘋果」，對人類來說是一個完整的句子。對AI來說，它是「我」「喜歡」「吃」「蘋果」四個Token。英文更復雜，「ChatGPT」會被拆成「Chat」「G」「PT」三個Token。

　　這種拆分看起來瑣碎，但它讓智能服務第一次變得可以量化，可以被公平地計算，就像集裝箱一般，Token讓任何智能服務都能被計量、被交易、被出口。

　　一個印度的創業者，打開電腦，調用DeepSeek的API，讓它幫他寫一段Python代碼。他等了不到一秒，代碼出現了。他付了幾分錢，關上電腦。

　　這個動作很簡單，但背后發生的事情卻改寫了游戲規則：他的請求通過光纖傳到了中國某個數據中心，數百塊GPU同時啟動，開始逐字生成那段代碼。

　　每生成一個字，就要消耗若干Token，而每個Token背后，卻是真實的電力消耗。甘肅的風電、青海的光伏、云南的水電，在這一刻以Token的形式，打包跨越國境，變成印度程序員眼前的一行代碼。

　　貴州山區里密密麻麻的光伏板、高壓線路和風機

　　中印之間沒有特高壓輸電線路，但中國的電力，卻實實在在被國外消費了。

　　這就是Token出口的本質：數據中心燒電，GPU運算，產出Token，賣給全球用戶。電力和算力被隱形地打包進每一個Token，隨著API調用流向世界各地。買家買到的是智能服務，但他們實際上消費的，是中國的電力、算力和工程師的智識積累。

　　這個機制有一個關鍵的特性：它不需要買家在地理上靠近中國，不需要鋪設任何物理管道，只需要一根網線。這是傳統電力出口永遠做不到的事。

　　中國電力之強大，天下人所共知，2025年，中國光伏裝機突破3.15億千瓦，占全國新增發電裝機的57%。

　　但裝機越快，消納越難，全國新能源消納監測預警中心的數據顯示：2025年上半年，全國光伏棄電率升至6.6%，風電棄電率5.7%，比2024年同期幾乎翻倍。

　　西部省份的困境尤其嚴重：2025年1月至11月，西藏光伏發電利用率僅65.8%，甘肅89.6%，青海83.5%，西藏風電利用率更只有69.3%。大量可再生能源發出來，卻沒有地方消納，白白浪費。

　　其實浪費了都算好的，帶來的電網波動才是真的難頂。

　　面對這些過剩的電，最直覺的想法是：直接出口出去不就行了？

　　嘿嘿，想法不錯，但現實沒那么簡單。

　　電不能裝箱，不能儲存，只能靠實體電網點對點輸送。中國西部棄風棄光最嚴重的地方——西藏、甘肅、內蒙古——偏偏與電網基礎設施最薄弱的國家接壤，放眼中國周圍，基本上沒幾個國家擁有全國性的靠譜電網。

　　云南通過21條輸電線路與越南、緬甸、老撾聯網，十三五期間累計跨境交易電量176億千瓦時——相比中國每年數萬億千瓦時的總發電量，這個數字幾乎可以忽略不計。

　　再說了，人家窮國也是有主權的，沒有人愿意讓本國電力依賴鄰國供應，即便愿意把靈魂賣給東大，一度電出口也就五毛錢左右，扣除損耗和交易成本，根本賺不到幾個錢。

　　因此，傳統電力出口的天花板清晰可見，而且幾乎無解。

　　但是，如果我們能把電力換個皮，那情況就好辦得多了。

　　這就是Token的出口——不需要物理電網，不受電力主權約束，價格不被大宗商品市場錨定。這是一條真正可以規模化的新路。

　　數據中心對電價敏感、對位置不敏感——光纖可以跨越千山萬水。西藏、甘肅、青海的過剩綠電，可以通過數據中心轉化為Token，出口到全球。

　　這一點，在ToC的市場上尤其意義重大——Toc的意義在于它是最敏感的風向標。中國個人用戶的AI使用習慣正在發生結構性轉變：從「問答」轉向「干活」。編程、寫作、長文檔處理，每一類場景的Token消耗都遠高于簡單對話。加上深度推理模式的普及，單個用戶單次調用的Token量在快速膨脹——業界把這個現象稱為「Token通脹」。

　　數字印證了這個趨勢。國家數據局數據顯示，2024年初中國日均Token消耗量為1000億，到2025年6月底已突破30萬億，一年半時間增長了300倍。2025年上半年，中國公有云大模型調用總量達到537萬億Token，較2024年全年增長近400%。這個增速，遠超任何一個傳統行業的成長曲線。土壤已經肥沃，種子正在發芽。

　　中國的澎湃電力，正在套上Token外皮，被國內外市場無形卻又瘋狂購買。

　　賣Token，是一門暴利生意

　　其實，“電力換皮出口”這事兒，中國早有先例。

　　中國是全球最大的電解鋁生產國，但鋁土礦本身大量依賴進口——幾內亞、澳大利亞、印度尼西亞的礦石，漂洋過海運到中國，在西南、西北的電解鋁工廠里，經過高耗電的冶煉工序，變成鋁錠，再出口到全球。

　　礦石是進口的，鋁錠是出口的，而最耗電的那個環節，留在了國內。

　　也就是說，中國出口的鋁錠里，有相當一部分是電力在換皮出售。只是，這種方式增值倍數不高，一度電變成鋁錠，大約只能增值2到3倍。

　　煉鋁廠是典型的高能耗企業

　　生產1噸電解鋁，行業平均耗電約13500度，也就是說1度電大約能煉出73克鋁。鋁錠目前的市場價大約是每噸2萬元，73克鋁價值約1.46元。而這1度電，買入價不過0.3到0.4元。

　　粗算下來，1度電通過煉鋁增值了3到5倍。

　　多晶硅也是同樣的邏輯，而且更為典型。

　　生產1噸多晶硅，綜合電耗約57000度，也就是說1度電大約能生產17.5克多晶硅。目前多晶硅現貨價格約在4萬元每噸，17.5克價值約0.7元。同樣1度電的買入價約0.3到0.35元，煉出多晶硅后增值約2倍。

　　看起來比電解鋁還低，但這是因為多晶硅行業目前嚴重過剩，2022年高點的時候，17.5克多晶硅可是能賣5元以上的，可以增值10倍。

　　但是如果你把電力換皮成Token賣出去，那情況可就完全不同了。

　　H100 GPU在推理場景下，每Token約消耗0.39焦耳，一度電則是360萬焦耳，理論上可產出約920萬Token，考慮到散熱、網絡、冗余等損耗，保守估算一度電實際產出約550萬Token。

　　Token賣多少錢？DeepSeek輸出定價每百萬Token約2元，OpenAI的GPT-4o定價每百萬Token約70元。

　　一度電直接出口，賣0.5元，煉成鋁錠賣出去是1.5元，而喂給數據中心跑推理，按DeepSeek的定價，能賣出約11元，是直接賣電的22倍。

　　更重要的是，鋁錠和多晶硅的工藝早已固定，早就碰到天花板了，但AI還年輕。

　　Token，是中國迄今為止電力增值效率最高的出口形態。

　　甚至，這看似暴利的“22倍”系數，還是我們廠商競爭過于激烈、主動壓價的結果，不是能力天花板。

　　DeepSeek在打市場、搶份額，定價是戰略選擇。DeepSeek-V3的訓練成本僅約3900萬元，用的是H800芯片——國產模型的真實成本，比這個定價還要低得多。即使把價格壓到OpenAI的1/20，中國模型依然有利潤空間。這就是便宜背后的底氣。

　　為什么中國只能賣22倍，美國能賣785倍

　　說完了中國這邊的賬，再看看美國那邊的賬。

　　如果說中國Token出口是暴利，那么美國Token的出口則堪稱是“無本萬利”——Deepseek用一度電轉化出的Token可以賣11元，如果換成OpenAI的定價，同樣則能賣約385元，增值倍數來到了恐怖的“785倍”。

　　22倍和785倍之間，差著一個數量級。

　　為什么中國模型的定價，只有美國模型的1/20到1/30？

　　最直接的原因是品牌溢價缺失。

　　這就好比同樣是礦泉水，農夫山泉賣2塊，依云賣30塊，不是因為依云的水分子更高級，而是因為它賣的是阿爾卑斯山泉這個故事。

　　OpenAI也是同樣的道理——它賣的不只是Token，賣的是全球最強AI這個認知。這個認知本身值錢，而且能讓人愿意為之多付錢。

　　Claude Sonnet輸出定價每百萬Token約105元，MiniMax M2.5只要約8元，相差13倍。

　　用戶愿意為Claude買單，不只是因為Claude測試結果優異，還因為他們相信Claude確實更好——你怎么樣是一回事，領導怎么看你，是另外一回事。

　　中國模型廠商目前還處于農夫山泉的階段，價格透明、童叟無欺，但品牌故事還沒講出來。

　　其次是模型能力的差距。

　　DeepSeek在數學、編程的基準測試上已經追平甚至超越OpenAI，但基準測試是考場，生產環境是戰場。

　　在實際的企業應用里，穩定性、指令遵循的精確度、邊緣情況的處理才是核心。實際的能力差距，直接影響定價天花板——你能解決別人解決不了的問題，才有資格開更高的價。中國模型目前還在追趕高端場景，這個差距縮小一分，定價空間就能打開一分。

　　第三，則是生態和信任的缺失。

　　企業客戶選AI供應商，就像選銀行，不只看利率，還要看這家銀行會不會突然倒閉、出了問題有沒有人接電話。

　　OpenAI和微軟Azure背后有完整的企業服務體系——SLA保障、合規支持、技術文檔、售后響應，這套東西是多年積累下來的信任背書。中國模型在工程能力上完全不輸，但這套售后體系還在建設中。

　　畢竟，歐美在SaaS這塊可是玩兒了幾十年的，熟練程度和在珠三角找五金廠一個感覺。

　　最后還有一道隱形的壓力：地緣政治折扣。

　　簡單說就是，很多客戶想用但不敢用，或者用了也要壓價，因為心里有顧慮——今天能調的API，明天會不會被自己國家的監管叫停？美國聯邦機構禁用DeepSeek，德國要求下架，這些新聞每出一條，都會讓潛在客戶的決策再遲疑一下。遲疑折算成價格，就是折扣。

　　四個原因疊加，形成了一種結構性的定價壓制。

　　22倍是現在的成績，不是終點。但從22倍走向更高，靠的不是更猛的降價，而是品牌、能力、生態、信任一點一點地積累。

　　短期內，最明顯的障礙是西方封禁，歐美對中國高科技的打壓始終沒停過，這是咱們早就有的心理預期——今天一個法案，明天一個禁令，早就虱子多了不嫌咬了。

　　但說實話，這些封禁更像是在門口立了個牌子，而不是真的堵死了路。

　　中國Token出口的主戰場從來不是西方發達國家，而是印度、東南亞、拉美、中東——也就是全球南方。DeepSeek在印度、東南亞的擴張沒有受到太大影響。封禁反而幫中國模型做了廣告：被美國封殺的產品，一定有點東西。

　　真正危險的，其實是內部問題——國內模型廠商，也開始價格戰了。

　　2024年，字節豆包報價低到每千Token不到0.006元，阿里通義千問GPT-4級主力模型降價97%，智譜把上一代GLM-4-Plus砍了90%。這場價格戰打得像菜市場收攤前甩賣，贏得了用戶，卻虧掉了利潤，壓縮了再投資能力。

　　好在2025年情況開始逆轉：智譜GLM-5發布當天宣布漲價30%，Kimi K2.5發布不到一個月，海外收入首次超過國內。漲價能成功，說明需求是真實的，市場在成熟。但價格戰留下的諸多后遺癥卻需要時間消化。

　　長期來看，有兩個結構性問題懸在中國AI的頭頂。

　　第一是算力天花板。

　　芯片禁令不會消失，美國必然會管得越來越嚴。DeepSeek用H800訓練出了頂級模型，這是一次了不起的工程奇跡，但奇跡不能當戰略。就像一支球隊贏了一場經典戰役，不代表它永遠能以少勝多。下一代模型如果需要十萬張H100，而中國只能拿到性能打折的替代品，訓練成本優勢就會被侵蝕。

　　不過，現在情況應該好了不少，老黃這次來國內拜訪一圈，結果好像一張H200都沒賣出去。

　　第二個長期問題是數據本地化壓力。

　　各國對數據主權的限制也在越發收緊，歐盟的GDPR、印度數據本地化法案、中東的合規要求，都在往同一個方向推。

　　目前中國Token出口依賴的是純境外API調用模式，一旦各國要求數據不能出境，就得在當地建數據中心。可若是在本地建中心，那么土地、電力、運維全部按當地標準來，成本結構就完全變了，也就不那么“便宜”了。

　　因此，Token出口的終極形態，可能不是簡單的API調用，而是中國技術加本地部署——這對商業模式和運營能力，都是更高的要求。

　　不論如何，還是要感謝美國AI——感謝他們用真金白銀和大喇叭宣傳，幫中國找到了電力出口的正確姿勢。

　　OpenAI、Anthropic把Token價格錨定在高位，教育了市場，激活了需求，卻讓更多企業用不起。中國模型以1/20的價格提供80%的能力，填補了這塊空白。

　　從賣電到賣Token，中國完成了從體力活到腦力活的躍遷——不需要密集勞動、不需要污染環境、不需要物理電網，不受地緣政治的電力主權約束，價格也不再被大宗商品市場錨定，這是一條真正意義上可以規模化的新路。

　　美國負責把Token價格炒上去，中國負責把Token價格打下來，“西數東算”的博弈，才剛剛開始。

　　·····End·····