从一个不该发生的反超说起

2026 年 2 月，全球最大的大模型 API 聚合平台 OpenRouter 上出现了一个此前没发生过的情况。

中国模型的单月 Token 调用量超过了美国。

这个平台前十模型总共消耗了 28.7 万亿 Token，中国模型贡献了 14.69 万亿——占比过半。（Token 是模型处理信息的最小计价单位，一次对话、一段代码都会被拆成 Token 计费，可以粗略当作"AI 实际干了多少活"的计量口径。）

更微妙的是用户构成：平台上的开发者，47.17% 来自美国。

也就是说，是美国开发者在用代码给中国模型投票。

奇怪的地方在于：中国是那个买不到最先进芯片的国家。

如果 AI 竞赛的瓶颈真的是算力芯片，这件事不该发生。所以问题来了——瓶颈还是芯片吗？

过去两年，一个流传很广的说法开始反复出现。"AI 的尽头是算力，算力的尽头是电力"，马斯克 2026 年 1 月在达沃斯这么讲，还补了一句"未来货币的本质是瓦特，不是美元"。黄仁勋则从 2024 年起多次强调电力对算力的约束，在 2026 年 3 月的 GTC 专访里给出更硬的版本："能源是 AI 基础设施的第一性原理。"

这些表述很难归功于某一个提出者，但它指向同一件事。

AI 竞赛的约束条件，正在从芯片那一层，往下沉到电力那一层。

而这个转向，恰好发生在中国手里有牌的那一层。

瓶颈是怎么搬到电力上去的

先看一个不太好笑的事实：2026 年，全球最有钱的一批公司，被一台变压器卡了三年。

大型电力变压器的平均交货周期是 128 周，升压变压器 144 周，变电站变压器已经超过 160 周。价格跟着交期走：2019 年以来电力变压器涨价 77%，部分配电变压器涨了 95%。

钱解决不了这个问题。你可以买下整片土地、拿到全部审批、完成融资、甚至开始施工——然后停下来，等一台变压器。

用一句大白话说：AI 不缺钱，也不只缺芯片，缺的是"把电送到芯片上"的那条链路。

黄仁勋有个比喻能帮我们搭出这个结构的轮廓：AI 产业是五层蛋糕，从下往上是能源、芯片、基础设施、模型、应用，能源在最底层。

该看哪里：注意那个向下的箭头。瓶颈不是原地出现的，是从第二层沉到第一层的。右侧两个数据框说的是同一件事的不同侧面——需求曲线在陡峭化，供给侧的定价机制在失灵。

这个类比的失效边界：真实蛋糕是静态堆叠，一层不够就整体做不大，而且可以一层层分开烤。但 AI 这五层是互相咬合的反馈循环——上层每两年翻倍的需求，会反向压垮下层的规划节奏。更要命的是，蛋糕分层施工没问题，AI 这五层必须在同一个时间窗口里全部就位。类比到这里为止。

数据支持这个判断。全球数据中心用电量：2024 年 415 TWh，2025 年 485 TWh，2026 年预计 565 TWh（同比增 26%），2030 年基准情景约 945 TWh。

其中 AI 优化服务器这一块，从 2025 年的 95 TWh 冲到 2026 年的 175 TWh，2027 年预计 258 TWh。

那一年，AI 服务器的用电量将首次超过传统服务器。

国际能源署的口径是：数据中心用电增速约为其他所有用电部门合计增速的四倍。

真正的转折发生在 2025 年 12 月 17 日。PJM 是美国最大的电网运营商，服务 6,500 万人、横跨 13 个州。这一天，它在 2027/28 交付年的容量拍卖中没能买够电，缺口 6,625 MW。

这是它历史上第一次。

出清价说明一切：2024/25 年是 28.92 美元/兆瓦-日，2027/28 年是 333.44 美元/兆瓦-日。连续三次触及价格上限。

监测机构测算，2025/26 年那次涨价里，63% 由数据中心贡献，约 93 亿美元。

这笔钱最后出现在居民电费单上。

三个看起来对、其实都不够的答案

面对开篇那个反超，第一个显而易见的解释是：

中国电多 ？

数字确实够大。

2025 年中国全社会用电量 10.37 万亿千瓦时，首次突破 10 万亿，是美国的两倍多，高于欧盟、俄罗斯、印度、日本四者总和。到 2026 年 5 月底，全国发电装机 40.1 亿千瓦。

但这个解释不够。

发电总量大，和"数据中心能用上"，中间隔着一整套东西。

反例很好找：印度的发电量同样位居世界前列，没有人认为它是 AI 强国。

反例二更直接——美国自己的发电量也不小，它的麻烦恰恰不是"发不出电"，而是发出来的电在正确的时间、正确的地点、以可接受的代价送达。

所以总量是入场券，不是胜负手。

因为中国电价便宜？

第二个解释看上去更专业一些。

也确实便宜。中国工业电价平均 0.6—0.7 元/千瓦时，内蒙古、贵州等绿电富集区可以低到 0.3—0.4 元。对比一下：美国北弗吉尼亚、硅谷这类数据中心聚集区约折合 0.5—0.8 元，德国、爱尔兰则高达 1.2—2.0 元。

折算到 AI 的实际产出上更直观。按生成 100 万 Token 耗电 0.1—0.3 千瓦时测算，中国西部的电力成本约 0.03—0.12 元，比欧美低 30%—50% 以上。

但"便宜"这个解释同样不够，而且产业界已经明确否定了它。

原因有两条。第一，下降空间有限，靠财政补贴压电价不可持续。

第二，也是要害——数据中心全生命周期成本里，电费占比通常只有 10% 左右。

一个只占 10% 的成本项，解释不了十分之一的调用价格差距。

2025 年，《数据中心绿色低碳发展专项行动计划》明确要求全面清理各地自行出台的高耗能行业电价优惠政策。行业共识也随之转轨。

从"要降电价"，变成"要协同"。

因为中国电网强？

第三个解释离答案最近了。

先说清特高压是什么。它可以理解成电力的"高速公路"——电压等级越高，同一条线路就能送得越远、损耗越小。

截至 2025 年底，中国建成 46 项特高压工程（22 项交流、24 项直流），线路总长超 6.2 万公里，到 2026 年 6 月底里程突破 6.9 万公里，相当于绕地球赤道一圈半。西电东送输送能力超 3.4 亿千瓦。全国平均供电可靠率 99.931%。

这套系统是被国情逼出来的：能源资源在西部，负荷中心在东部，这个逆向分布决定了中国必须学会长距离搬运电力。

2006 年 8 月第一条特高压在山西长治奠基。二十年后，这个被迫长出来的能力成了全球独一份。

对照美国的反面：2010 到 2014 年，美国年均新建高压输电线路 1,700 英里；最近两年，这个数字是 180 英里。

但电网强仍然只是"之一"。

电网解决的是空间问题——把西部的电搬到东部，或者把东部的算力搬到西部。它解决不了时间问题（风光靠天吃饭，而 GPU 一天 24 小时都要电），也解决不了设备问题（你有再好的网，没有变压器一样接不上）。

到这里可以看清了：答案不是某一个东西，是一组东西。

而且它们咬合在一起之后，会长出一个单独看不出来的东西。

四张牌，和它们咬合出的第五张

牌一：规模与绿电增量

2025 年底全国发电装机 38.9 亿千瓦，其中风电光伏合计 18.42 亿千瓦，占比 47.3%——历史上第一次超过火电。同年火电发电量下降 0.7%，是十年来的首次下降。

但真正硬的数字是这个：2025 年全国新增可再生能源发电量 5,193 亿千瓦时，已经覆盖了全社会用电增量。

这句话的分量在于，AI 是一个纯粹的增量负荷。谁能用增量绿电接住它，谁就不必在"发展 AI"和"保民生、保双碳"之间做二选一。

牌二：电网

46 项工程、6.9 万公里、3.4 亿千瓦输送能力、99.931% 供电可靠率。

这里补一句它的战略含义：这不是一条线路，是一张网。省间电力互济能力 8,000 万千瓦，全国 10 千伏及以上配电线路总长超 900 万公里。它支撑的是 18 亿千瓦以上新能源并网消纳。

牌三：装备制造

这一张最容易被忽略，但可能是最硬的。

全球电力变压器目前有 30% 的供应缺口，配电变压器缺口 10%。而中国变压器产能约占全球 60%，2025 年出口 646 亿元，同比增长近 36%，自 2010 年起连续 16 年出口量全球第一，占全球出口份额从 2010 年的 14.6% 升到 2025 年的四分之一以上。头部企业订单普遍排到 2027 年，部分特种变压器排到 2029 年。

同一张牌上还有：光伏产业链多晶硅 96%、硅片 96.2%、电池 91.3%、组件 80.1% 的全球产能占比；2025 年新型储能累计装机 144.7 GW，占全球 51.9%。

别人有钱也买不到的东西，中国能造。 这是把规划变成通电的物理能力。

牌四：核电

截至 2026 年 6 月底，中国在运核电机组 62 台、6,614 万千瓦，在建 35 台、4,190 万千瓦——在建规模连续 19 年位居全球第一。在运+在建+核准待建合计 120 台、1.35 亿千瓦，总规模全球第一。核电主设备已实现 100% 国产化，具备同时建造 50 台机组的能力。

这张牌解决的是一个结构性矛盾。

太阳晚上不发电，但 GPU 晚上也在跑。打个比方：光伏发电像"看天吃饭的自由职业收入"，核电像"朝九晚五的固定工资"。

这个类比的失效边界：个人的储蓄率很低，没法把上个月的余钱平滑到这个月；电网却可以用储能、调度和跨区互济把这种波动平抑掉——但要付出额外成本，而且这个成本随绿电占比上升非线性增长。所以平滑是可能的，但不是免费的。类比到这里为止。

AI 训练需要 7×24 小时的稳定负荷，这是风光天然给不了的。《新型电力系统建设"十五五"规划》把 2030 年核电装机目标定在约 1.1 亿千瓦，接近当前的两倍。

该看哪里：四张牌各自解决一个维度，但请把注意力放在中间那个"咬合"上——图底部那句话是全文的判断，不是修辞。

咬合出的第五张牌：时间

现在看这组数字。

美国那边：并网平均等待 25 个月（联邦目标是 8—11 个月），PJM 区域约 40 个月，真正的数据中心热门增长区是 36—48 个月，北弗吉尼亚、凤凰城、达拉斯要 4—7 年。等接入批文下来了，变压器还要 128—160 周。想绕开并网队列自建电源？燃气轮机的交期已经拉长到约 7 年。

中国这边：依托东数西算枢纽，算力中心的建设周期压缩到 12—18 个月。

这就是那第五张牌。

GPU 是两年一代。 在一个人人都在跟指数曲线赛跑的行业里，谁能更快把电通到机架上，谁就把电变成了有效算力；谁的机架空转三年，谁的芯片在通电那天就已经落后一代。

交付周期本身，就是竞争力。

把牌打成系统：算电协同

2026 年 5 月，宁夏中卫的沙漠里投运了一个项目：50 万千瓦光伏电站加上 150 万千瓦风电场，直接给云基地数据中心供电。全容量投产后年发电 43 亿千瓦时，保障园区 22.9 亿千瓦时的用电需求，度电成本降到 0.36 元。园区实际使用绿电占比已超 90%。

这事的逻辑可以用一句话说清：让耗电的算力去电多的地方，让耗电的任务在电便宜的时候跑。

它包含两个协同。空间协同——把智算中心优先布局在宁夏、内蒙古这类新能源富集区；时间协同——在中午光伏发电最充足、电价最低的时段，集中跑大模型训练这类不急着要结果的任务。

打个比方：这像把工厂建在煤矿旁边，而不是把煤运到工厂。

这个类比的失效边界，值得说清楚：煤运过去有运费，但能储存；电通过线路送有损耗，且不可大规模储存。反过来看，数据通过光纤传输几乎零成本、零延迟——所以"算力跟着电力走"才是划算的那一侧。

但这个逻辑只适用于时延不敏感的任务。在线推理、实时交互这类业务必须待在用户身边，搬不走。中国西部枢纽时延 50—100 毫秒，东部核心区 30—50 毫秒，这个梯度决定了什么能西迁、什么不能。

2026 年，"算电协同"首次写入政府工作报告，"推动绿色电力与算力协同布局"纳入"十五五"规划纲要。四部门联合印发的《关于促进人工智能与能源双向赋能的行动方案》部署了 29 项重点任务。

行业口径也在变：从"电支撑算"转向"算优化电"——算力负荷开始反过来参与电网调峰。这一步是别国还没在做的。

该看哪里：不要把这张图读成"中国快就一定赢"。它说明的是，在同一个 GPU 换代窗口内，中国能塞进去的通电机架更多，而美国有相当比例的规划容量会滑出窗口。

需求侧的斜率支持这个判断。2025 年全国算力中心用电量 1,700 亿千瓦时，占全社会用电量 1.6%；八大国家枢纽节点近三年算力用电年均增速 39.5%——大约每两年翻一番。到 2030 年，这个数字预计达到 8,000 亿千瓦时，占全社会用电量的 6%。

这些牌兑现不了什么

两条没走通的路

先说美国的主流应对——"表后自建发电"，也就是绕开并网队列、自己建电源。现场天然气发电、重启核电站、小型模块化反应堆，极端情况下甚至用翻新喷气发动机。国际能源署估计，到 2030 年可能有 15—27 GW 美国数据中心靠现场天然气供电。

这条路没能真正走通。燃气轮机交期已经到约 7 年——你绕开了并网队列，没绕开设备瓶颈。

中国的弯路是另一条：靠财政补贴把电价压下来，做算力招商。这条路 2025 年被政策明确清理了。原因前面说过，它补贴的那个成本项只占总成本 10%。

两条路的失败指向同一件事。

它们都在试图绕过系统，而不是改造系统。

中国自己的四块短板

不说清楚这些，前面全篇就成了爽文。

一、芯片与资本量级。 有一份被广泛引用的统计显示，2025 年美国私人 AI 投资 2,859 亿美元，约为中国的 23 倍；已建成运营的数据中心，美国 5,381 个，中国 449 个，存量差约 12 倍。

二、模型性能。 斯坦福 2026 年 AI 指数给出的中美顶级模型差距仍有 2.7%；布鲁金斯学会的判断是 6 到 9 个月。这个差距在缩小，但从 2025 年初到现在，两国模型多次交替登顶，没有谁稳定坐在第一。

三、间歇性与消纳。 2025 年弃风弃光电量 2,518 亿千瓦时。绿电发出来送不出去、用不掉，是这套系统真实存在的漏损。

四、精细化运营。 中国算力中心的优势在规模化的成本，短板是利用率不均衡、运维精细化不足。

瓦特不是货币，但它是入场券

回到开篇那个反超。

中国模型在 OpenRouter 上能做到几分之一的调用价格——MiniMax M2.5 输入 0.3 美元/百万 Token、输出 1.1 美元，对标的 Claude Opus 4.6 是输入 5 美元、输出 25 美元。

底层不是什么算法魔法，是一条从沙漠里的光伏板、到 6.9 万公里特高压、到一座 12 个月建成的算力中心、再到那块 GPU 的完整链路。

这条链路能压下来的每一分成本，最后都变成了 API 报价单上的一个零。

但要把话说准：能源这张牌给中国的，是成本定价权和长跑资格，不是短跑领先。决定前一百米的是芯片、模型和生态，这些中国还在追。

真正的变化在于竞赛的场地本身。过去二十年，AI 竞赛比的是谁的算法更聪明、谁的芯片更快；

接下来，它会越来越多地比一件笨重得多的事——谁能在两年之内，把一片空地变成一片通着电的机架。

而这件事，中国是从二十年前那条在山西奠基的试验线路开始做起的。