“养龙虾”的代价，远比想象中昂贵。近日，第一批尝试OpenClaw开源AI智能体的用户纷纷“踩坑”：有人仅让AI自动发布一条微博，就产生了约40元的费用；更有用户一觉醒来，账户账单已飙升至1.2万元。这款图标为红色龙虾的软件，本是被寄予厚望的“AI员工”——能自主查资料、写报告、改代码，甚至包揽各类电脑办公任务，但隐藏在其便捷背后的，是一场关于算力与电力的隐形博弈。 很少有人意识到，AI的每一次响应、每一项任务执行，本质上都是“耗电换智能”的过程。OpenClaw的高成本，核心源于其运行时需持续调用大模型计算，而计算资源以“Token”为单位收费——一个汉字约等于1个Token，一个英文单词约合0.75个Token，类似手机流量按GB计费，AI则按Token消耗算力，而算力的背后，是源源不断的电力消耗。

如果只是简单聊天，AI消耗的Token其实并不多。但当AI开始像人一样完成多步骤的连续任务时，Token消耗就会迅速增加，背后的计算就越多，所需电力消耗也随之急剧攀升。

简单的闲聊式交互，Token消耗微乎其微，但当AI真正像人类员工一样处理多步骤、高复杂度的连续任务时，Token消耗会呈指数级暴涨，电力需求也随之急剧攀升。美国高德纳咨询公司（Gartner）早已预测，到2026年底，全球将有40%的企业应用嵌入任务型AI智能体。这意味着，当AI逐渐渗透到生产生活的各个角落，电力将不再是单纯的能源供给，而是决定经济增长速度、掌控AI竞争主动权的核心变量。这场看不见的算力战争，底层早已演变为电力与能源的较量。

算力逻辑重构：从“拼芯片”到“算电费”

英伟达CEO黄仁勋曾用一个五层蛋糕，精准定义了人工智能的竞争力格局：能源、芯片、基础设施、模型、应用，而能源是整个蛋糕的根基。这一判断，正在被AI产业的发展反复印证——在大模型时代，算力的上限不再由芯片性能单独决定，而是被电力基础设施牢牢约束。再先进的GPU、再强大的芯片，若没有稳定的电力供给，终究只是无法运转的硬件残骸。
这种逻辑变革，首先体现在数据中心的衡量标准上。如今，评判一个AI数据中心的规模，早已不再看其计算能力的强弱，而是看其耗电量的大小。用于AI训练和应用的数据中心，耗电量动辄达到1GW，远超传统数据中心。最具代表性的便是英伟达，去年其斥资1000亿美元与OpenAI合作，打造一座规模达10GW的数据中心，粗略测算，这座数据中心一年的耗电量约为876亿度，相当于两千多万户家庭一年的用电量，几乎逼近一个中等国家的居民用电规模。
企业采购算力芯片的逻辑，也随之发生根本性转变。在大模型发展初期，由于高性能芯片稀缺，市场的核心追求是单卡算力峰值（FLOPS），谁的芯片运算速度更快、性能更强，谁就能占据市场主导地位。但当AI进入大规模应用阶段，企业的算盘彻底改变：不再执着于单卡的绝对性能，而是更看重整套系统的能效比——谁更省电、运行更稳定、能处理更多任务，谁才是真正的“性价比之选”。
“客户不再只盯着单卡的绝对算力峰值，而是开始计算每投入一元钱能换取多少吞吐量，每消耗一瓦电能处理多少Token。”一位算力芯片厂商负责人的表述，道出了行业的核心变化。在此背景下，AI时代催生了一个全新的效率指标——“每瓦Token数（tokens per watt）”，用于衡量AI系统每消耗一瓦电能所能产生的“智能输出”。而这一指标的核心影响因素，正是电价。对AI企业而言，每一度电最终都会转化为Token成本的一部分，谁能获得更稳定、更廉价的电力，谁就能在激烈的算力竞争中占据先天优势。

美国困局：AI数据中心“缺电”危机愈演愈烈

当全球AI产业加速扩张时，美国率先陷入了电力供给的困境。今年1月，马斯克在播客中直言，人们严重低估了AI数据中心接入电网的难度，而美国众多科技公司的AI数据中心，正面临着严重的缺电难题。
微软在弗吉尼亚州新建的AI数据中心，因当地电网容量不足，被迫延迟投产；加州圣克拉拉两座已建成的数据中心，因电网扩容工程滞后，需等待3年时间，预计2028年才能正式投运。事实上，马斯克自身也遭遇过类似困境——2024年，他旗下的一座数据中心被通知需等待数年才能接入当地电网，无奈之下，他只能紧急部署14台移动式天然气发电机和4台燃气轮机，以应急方式保障电力供应。
在美国，天然气资源丰富且价格相对低廉，因此燃气发电成为AI数据中心新增能源的最大单一来源，过去两年，数据中心对燃气发电的需求激增两倍。但即便如此，电力短缺的问题依然无法得到根本解决，核心症结在于燃气发电所需的燃气轮机设备，已出现严重的供不应求。
通用电气Vernova公司透露，截至2025年底，其燃气轮机订单量已达80吉瓦，交付周期已排至2029年；西门子能源、三菱重工等行业巨头，也面临着类似的订单积压困境。燃气轮机的短缺，直接导致美国无法快速扩大发电能力，难以匹配AI数据中心激增的电力需求。
摩根士丹利近期发布的警告，更是凸显了危机的严重性：到2028年，受AI数据中心大规模耗电影响，美国可能面临高达20%的电力缺口；若无法快速提升电力容量，潜在缺口将达到13至44吉瓦，相当于超过3300万美国家庭的用电量。目前，缺电的苗头已在全美显现，弗吉尼亚州等数据中心高度集中的地区，过去五年电价涨幅高达267%，AI新增的电力需求，已经开始挤压普通居民和工业企业的用电空间。
为了遏制居民电价进一步上涨，特朗普政府不得不出手干预，要求谷歌、微软、Meta、OpenAI等科技巨头签署协议，要求其在不增加消费者电费负担的前提下，解决自身AI数据中心的电力需求。这场AI与民生的用电博弈，正成为美国AI产业发展的巨大桎梏。据统计，2024年全球数据中心用电量已达415太瓦时，占全球总用电量的1.5%，与英国全年用电量相当，而美国数据中心用电增量，已占该国总用电需求增量的近50%，缺电危机或将持续加剧。

中国突围：电力优势，铸就AI算力护城河

与美国的“缺电困境”形成鲜明对比的是，马斯克曾公开表示：“中国具有大规模的发电能力，这是一个比芯片更重要的决定性优势。”他预测，到2026年，中国的电力产量将达到美国的3倍左右，足以支撑耗能巨大的AI数据中心，而这一判断，正被中国能源产业的发展不断验证。 中国国家能源局1月底公布的数据显示，自2021年以来，中国在各类能源技术领域新增的电力装机容量，已超过美国历史上的任何时期，仅去年一年，新增电力装机容量就达543吉瓦。如今，中国已建成全球规模最大的电力系统，在水电、风电、光伏等清洁能源领域的装机规模，长期位居全球首位。与此同时，中国并未放弃煤电的支撑作用，14个省份在2026年政府工作报告中提及煤电，通过清洁高效改造，让煤电成为电力系统的“压舱石”，为新能源兜底，形成“风光水火”多能互补的稳定供电体系。
更具战略意义的是，今年中国政府工作报告首次提出“打造智能经济新形态”，明确要“实施超大规模智算集群、算电协同等新基建工程”，将AI与电力的联动发展，上升为国家战略。从“东数西算”搭建算力空间框架，到新型电力系统筑牢能源底座，再到算电协同的顶层设计，一套覆盖规划、建设、调度、市场化的全链条体系已然成型，让算力跟着绿电走、电力围着算力配，实现“以电强算、以算促电”的良性循环。
稳定的供电之外，中国的电价优势同样凸显。美银美林的数据显示，2026年1月，中国代理购电价格同比下跌10%，每千瓦时下降4分人民币。从全球工业电价对比来看，中国全国工业电价均价为0.48-0.61元/度，西部算力枢纽的绿电合约价更是低至0.13-0.3元/度，而美国工业电价均价为0.8-1.2元/度，欧洲更是高达1-1.5元/度，中国的电价优势，直接转化为AI算力的成本优势。
这种优势，已直观体现在全球大模型的调用数据中。OpenRouter的数据显示，2月9日至2月15日，中国大模型的调用量达4.12万亿Token，首次超过同期美国模型的2.94万亿Token；随后一周，中国模型调用量进一步攀升至5.16万亿Token，而美国模型则下滑至2.7万亿Token，差距持续拉大。
Token价格的差距更为惊人：美国GPT-5.4的输出价格为15美元/百万Token，而中国MiniMax M2.5的输出价格仅约1.1美元/百万Token，两者差距超过10倍。换算下来，使用中国大模型，可将开发者的Token成本降低约93%。有调研显示，80%的美国AI初创企业首选中国模型，核心原因就是一年能节省500万美元的研发成本——海外开发者并非偏爱中国技术，而是算清了电力支撑下的成本账。
马斯克对此直言，尽管美国一直试图通过限制先进半导体出口，遏制中国AI产业发展，但随着时间推移，这些限制的影响力将逐渐减弱。因为中国终究会“搞定芯片”，而中国已经拥有的大规模、稳定、廉价的电力优势，才是AI算力竞争中最不可撼动的底气。
说到底，AI时代的算力争霸，从来不是单一的芯片比拼，而是底层能源实力的较量。当美国被缺电困境束缚手脚时，中国正凭借强大的电力系统、清晰的战略布局和显著的成本优势，构建起AI算力的核心护城河，在全球智能经济的竞争中，抢占先机、领跑未来。



本文来自微信公众号： 环球零碳 ，编辑：小澜，作者：环球零碳研究中心