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，運輸成本裡有一半是裝卸費。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”後，中國產能藉著集裝箱滲透到了全球的每一個角落。

七十年後，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，大致相當於半個中文字。但它的意義不在於這個技術定義，而在於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、一段程式碼、一篇文章，背後消耗了多少算力，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呼叫、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。

01. 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字的最小單位。

「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。英文更複雜，「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，呼叫DeepSeek的API，讓它幫他寫一段Python程式碼。他等了不到一秒，程式碼出現了。他付了幾分錢，關上電腦。

這個動作很簡單，但背後發生的事情卻改寫了遊戲規則：他的請求通過光纖傳到了中國某個資料中心，數百塊GPU同時啟動，開始逐字生成那段程式碼。

每生成一個字，就要消耗若干Token，而每個Token背後，卻是真實的電力消耗。甘肅的風電、青海的太陽能、雲南的水電，在這一刻以Token的形式，打包跨越國境，變成印度程式設計師眼前的一行程式碼。

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：資料中心燒電，GPU運算，產出Token，賣給全球使用者。電力和算力被隱形地打包進每一個Token，隨著API呼叫流向世界各地。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，中國太陽能裝機突破3.15億千瓦，佔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資料顯示：2025年上半年，全國太陽能棄電率升至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，西藏太陽能發電利用率僅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，但現實沒那麼簡單。

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。

雲南通過21條輸電線路與越南、緬甸、寮國聯網，十三五期間累計跨境交易電量176億千瓦時——相比中國每年數兆千瓦時的總發電量，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，沒有人願意讓本國電力依賴鄰國供應，即便願意把靈魂賣給東大，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。

資料中心對電價敏感、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，可以通過資料中心轉化為Token，出口到全球。

這一點，在ToC的市場上尤其意義重大——Toc的意義在於它是最敏感的風向標。中國個人使用者的AI使用習慣正在發生結構性轉變：從「問答」轉向「幹活」。程式設計、寫作、長文件處理，每一類場景的Token消耗都遠高於簡單對話。加上深度推理模式的普及，單個使用者單次呼叫的Token量在快速膨脹——業界把這個現象稱為「Token通膨」。

數字印證了這個趨勢。國家資料局資料顯示，2024年初中國日均Token消耗量為1000億，到2025年6月底已突破30兆，一年半時間增長了300倍。2025年上半年，中國公有雲大模型呼叫總量達到537兆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。

02. 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、西北的電解鋁工廠裡，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，中國出口的鋁錠裡，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。

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。

多晶矽也是同樣的邏輯，而且更為典型。

生產1噸多晶矽，綜合電耗約57000度，也就是說1度電大約能生產17.5克多晶矽。目前多晶矽現貨價格約在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，煉出多晶矽後增值約2倍。

看起來比電解鋁還低，但這是因為多晶矽行業目前嚴重過剩，2022年高點的時候，17.5克多晶矽可是能賣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、網路、冗餘等損耗，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，而喂給資料中心跑推理，按DeepSeek的定價，能賣出約11元，是直接賣電的22倍。

更重要的是，鋁錠和多晶矽的工藝早已固定，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”係數，還是我們廠商競爭過於激烈、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晶片——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。這就是便宜背後的底氣。

03. 為什麼中國只能賣22倍，美國能賣785倍

說完了中國這邊的帳，再看看美國那邊的帳。

如果說中國Token出口是暴利，那麼美國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。

為什麼中國模型的定價，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，依雲賣30塊，不是因為依雲的水分子更高級，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，而且能讓人願意為之多付錢。

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

使用者願意為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——你怎麼樣是一回事，領導怎麼看你，是另外一回事。

中國模型廠商目前還處於農夫山泉的階段，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、程式設計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。

在實際的企業應用裡，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背後有完整的企業服務體系——SLA保障、合規支援、技術文件、售後響應，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，但這套售後體系還在建設中。

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。

最後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，因為心裡有顧慮——今天能調的API，明天會不會被自己國家的監管叫停？美國聯邦機構停用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，早就蝨子多了不嫌咬了。

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，贏得了使用者，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發佈當天宣佈漲價30%，Kimi K2.5發佈不到一個月，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後遺症卻需要時間消化。

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。

晶片禁令不會消失，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蹟，但奇蹟不能當戰略。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。

第二個長期問題是資料本地化壓力。

各國對資料主權的限制也在越發收緊，歐盟的GDPR、印度資料本地化法案、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呼叫模式，一旦各國要求資料不能出境，就得在當地建資料中心。可若是在本地建中心，那麼土地、電力、維運全部按當地標準來，成本結構就完全變了，也就不那麼“便宜”了。

因此，Token出口的終極形態，可能不是簡單的API呼叫，而是中國技術加本地部署——這對商業模式和營運能力，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，啟動了需求，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。 (功夫財經)