夜雨聆风文章来源于霞光AI实验室，作者刘宇
最近，全球AI圈都在被一个词震撼——OpenClaw（龙虾）。
OpenClaw有多热？在国内，上门安装“龙虾”都成了暴利生意，几天赚26万；在海外，纽约、曼谷等城市，甚至出现了“龙虾教”——成百上千的“龙虾教徒”抢爆线下活动门票，把场地围得水泄不通……
而当用户真的用上OpenClaw才发现，它还没开始挣钱，就先耗空你的钱包：有程序员养“龙虾”，日消耗数千万到上亿Token；更有重度使用者一天就消耗10亿Token，花费数千美元。
也因此，中国的Token出海正成为一项新产业——在全球最大的AI API聚合平台OpenRouter上，刚过去的2月，MiniMax的M2.5、月之暗面的Kimi K2.5、DeepSeek的V3.2三款国产模型的Token消耗量跻身全球前五；平台前十模型的总Token消耗约38.2万亿，其中中国模型独占17.3万亿，占比45%。
尽管OpenRouter主要聚集了全球的个人开发者，在全球AI支出市场份额中只占很小比重，但这份Token消耗榜仍是中国AI大模型走向全球的最好注脚。
“Token出海”这一概念并非空洞叙事，而是中国大模型通过API形式向全球输出推理服务的跨境商业模式。
过去，人们评价一个模型，往往从参数、运算以及各种榜单排名上去看，但这些维度仍停留在实验室的视角；如今，当AI智能体成为人们的助手、进入应用落地期，Token消耗成为衡量应用规模化的核心指标。
或许，正如一位行业分析师所言，2026就是AI算力叙事的分水岭，从今年开始，市场对AI大模型只认两个指标——你的Token生成速度是多少？你的百万Token成本是多少？
01 Token焦虑比AI先来了
1个月前，AI圈的焦虑还是谁能先用上OpenClaw。
那时，但凡一场OpenClaw相关的活动，就有上万乃至数万人围观；但凡一个技术社群，人们讨论最多的就是谁跑通了OpenClaw，谁养起了“龙虾”。好像谁晚了一步，谁就要被时代抛弃，被财富抛弃。
然而当第一批吃“龙虾”的人开始真的用上它后，就被失控般的token消耗震惊：
有程序员用OpenClaw做爬虫测试，不到一天就花了近5000万Token；
还有OpenClaw重度使用者（自动写论文、批量处理文件、持续监控任务），一天消耗了1亿token（约￥50-100）；
许多公司也开始将使用OpenClaw纳入员工日常工作并考核，甚至给出￥100-1000不等的Token消耗补贴；
近日猎豹移动CEO傅盛也在直播中透露，他在OpenClaw上每天要花费100多美元……
这些都是实实在在的真金白银，而且一旦跑起来还不能停下，Token带来的焦虑感似乎肉眼可见。
就在3月6日，ChatGPT也发布最新的5.4版本，不仅拥有更强的工具调用和智能体工作流，据称其电脑操作能力比肩人类，还将上下文长度提升至1M。更长的上下文，让用户的直接感受就是“贵”——有开发者拿它写了半套OpenClaw，账单就让人心疼了，甚至随便聊两句下来一天就要十几美元。
那为什么过去人们用AI对话时从来不提Token，而现在OpenClaw却让Token消耗失控了？
要理解这种失控，需先看清智能体和传统对话式AI的差别。传统对话模型就像两人的简单对话，用户提问-模型回答，过程中的Token消耗是离散的、短暂的，一次顶多几千、上万；但OpenClaw这类自主智能体，则像一位全天候在岗的数字员工，它在你的指令下即要拆解目标、规划步骤，还要调用工具、检查结果，并且根据结果反馈再回退重试、自动循环……每一步都在消耗Token，每一轮对话都在放大成本——就像是个没有开关的水龙头，一次流淌百万、千万个Token都不在话下。
因此，这种Token的消耗增长已不是线性的，而是指数级的。
IDC的数据更让人震惊：到2030年，全球活跃AI智能体将达22.16亿，年度Token消耗量将从2025年的0.0005 PetaTokens飙升至152,667 PetaTokens——增长超3亿倍。
这些消耗的Token，就是实实在在的金钱。“过去用AI大模型，可能我的日均消耗量就几十块钱，还不用在乎；但现在的日均消耗变成几百块钱，而且在某些情况下我其实不需要非得用头部模型，我可以根据不同任务适配不同的模型。”无问芯穹首席解决方案架构师刘川林称。
这种情况下，中国模型在Token成本上的优势就显而易见。
以Anthropic为例，其最新旗舰模型Claude Sonnet 4.6的每百万Token输出15美元；而MiniMax最新的M2.5模型海外定价Lightning版本百万Token输出为2.4美元，不足前者的1/6。
3月2日晚间，MiniMax披露了上市后的首份财报。根据财务数据，其M2系列文本模型在2026年2月的单日Token消耗量已增长至2025年12月的超6倍；其中来自编程套餐（Coding Plan）的Token消耗量增长超过10倍。而今年春节前后，Kimi也凭着旗下K2.5大模型的优秀性能和低成本，获得大量全球付费用户及API调用，20天收入就超过2025年全年总收入。
过去，中国AI大模型在海外开源社区靠刷榜赢得赞誉；如今，我们靠着实打实的Token成本优势，让海外AI开发者用脚投票。
02 真实的全球Token消耗格局
靠着Token成本优势，中国AI大模型已经在海外霸榜了吗？
这里要祛魅一下。尽管近几周的OpenRouter周榜上，中国模型几乎霸占前五，但OpenRouter的主要用户还是全球个人开发者、独立黑客和初创公司，它们在全球AI支出中的市场份额也仅占2%左右，真正的流量大头还是那些财富 500 强企业、大型 SaaS厂商（如 Salesforce、Microsoft），它们消耗了全球90%以上的Token，但不会通过OpenRouter调用模型，而是直接对接像OpenAI、Anthropic这样的官方API或通过Azure/AWS来托管。
此外，像ChatGPT、Gemini以及Claude这种AI巨头，它们绝大部分的流量是在自家闭源生态内运行，也不经过 OpenRouter。
尽管这些都是闭源模型，但从一些披露的信息中也可见端倪。根据微软Azure的披露，2025年6月，仅Azure OpenAI的日均调用量就达4.4万亿Tokens，按月算其调用量更是超过130万亿Tokens；而2025年7月谷歌披露的月度Token使用量更是高达960万亿，是Azure OpenAI的7倍以上。因此，即使OpenRouter显示的Token消耗高峰周（接近18万亿），也只是Azure OpenAI 4天的Token消耗量。
因此，OpenRouter的榜单数据，更多是说明，中国大模型的Token主要满足了那些追求低成本开发者的需求，而没有进入最广阔的全球企业级AI市场。
今天，DeepSeek、Qwen等中国模型已经在海外开源模型拿下过半市场份额，为何进不了更大海外企业级市场？
这是因为，一方面欧美科技巨头在海外市场布局比中国企业更早、更深，微软的Azure、谷歌的Google Cloud、亚马逊的AWS都已在全球市场扎根数十年，形成了牢固的企业生态，而今天AI与云计算已经深度绑定，自然它们更容易拿下已打下基础的企业级市场。
另一方面，随着科技发展、地缘紧张，数据主权成为国家安全的重要部分，欧美企业（尤其是金融、医疗、政府）对数据的合规和安全极其敏感，因此他们也更倾向与本国的云、AI厂商合作。
不过，这一欧美企业筑起的围墙，正开始出现裂痕。2025年10月，Airbnb CEO布莱恩就表示，公司正“大量依赖阿里巴巴的通义千问模型”，“我们也会使用OpenAI的最新模型，但通常不会在生产环境中大量使用，因为有更快、更便宜的模型可供选择。”当年9月，德国的梅赛德斯-奔驰与字节跳动合作，涉及豆包大模型、AI 云原生算法、智驾云等，豆包也就顺势“坐”上了奔驰。再往前，宝马、 SAP也均与通义千问大模型合作。
随着AI对传统企业的“逼迫”加剧，许多欧美企业在向AI转型时已表现出“谁便宜用谁”的倾向。而中国AI大模型则凭借性价比优势打开局面——这可能是中国AI模型未来通过“被集成”方式（作为幕后廉价算力提供商）渗透进全球SaaS生态的最好机会。
接着又来了新问题——为什么中国大模型能走性价比路线？
03 智能体规模化的入场劵
浪潮信息首席AI战略官刘军曾表示：
Token成本不是财务问题，是战略问题。谁能把成本压下来，谁就拿到了智能体规模化的入场券。
Token成本≈模型一次 “思考” 的电费+芯片折旧费。其中，芯片折旧费是单次购买，然后随着每一次计算再不断折旧；而电力是数据中心持续运转的燃料。我们曾跟多位数据中心从业者交流，通常一个数据中心运营成本中，电费要占50%以上，一个大型AI数据中心的年电力账单就可达数亿美元。
从Token成本的构成看 —— 芯片折旧拼的是产业创新，而电费拼的是国运级基础设施。
而说到电力，全球范围内几乎只有中国的电力供应和电力设施是最完善的。美国则因越来越大的数据中心电力消耗，正在引发电荒。
今年2月初，美国纽约州议员就提出法案，要暂停发放数据中心新建及运营相关许可证，暂停令为期三年。原因是纽约州数据中心总数已超过130座，由于数据中心耗电巨大，有高达10吉瓦的用电需求正在排队接入电网，短短一年内这一数字增长了3倍。因此，纽约州州长开始要求数据中心“承担其应承担的成本”。
除了纽约外，美国其他多个州也开始对数据中心单独收取更高的电费，甚至还要求数据中心提供长期承诺和财务抵押担保。
这背后并不是因为美国真的缺电（美国总发电容量是超过总用电量的），而是因为很多美国电力设施已经老旧，无法承受AI训练全年无休、满负荷运行的高负荷强度。而由于美国电力分配不均，而且数据中心的接入速度远大于发电建设速度，因此老旧的电力设施就卡住了数据中心的脖子。
这种结构性问题，短时间内难以解决，因此倒逼着一些大型数据中心自建电站，并承担电网升级的费用，也因此抬高了AI企业的算力成本。
但反观中国，过去几年中国已悄悄从顶层设计上布下一张大棋。
2020年国家推出新基建，将AI算力、特高压等作为新型基础设施提前布局，建成了一张全球规模最大、稳定性最强、新能源消纳能力最强的交直流混联大电网，也是全球唯一实现特高压大规模商业化运营的电网。这种稳定性，几乎可以避免大规模停电的情况，让大模型的训练/推理不会因断电而废掉进度；而且容量超大，想扩卡就能扩，不会被电网容量卡脖子。
2022年，国家再落下一子——推出东数西算工程，将东部算力需求引导到绿色电力资源丰富的西部。换句话，这就是让最耗电的AI数据中心离拥有最便宜电力的地方最近。这使得AI数据中心的运营成本直接降低了30%-50%。
2025年，国家又在雅鲁藏布江下游投入1.2万亿元布局雅江水电站，这将是全球最大的水电项目，建成后其年发电量约3000亿千瓦时，可满足全国约3%的电力需求。这将把西部的电力成本再往下拉一大截。
至此，Token成本的“西升东降”格局已然清晰——在未来海量智能体同时在线的世界，中国可以用最低成本的Token把AI服务输送到全世界。
当算力不再被电力束缚，中国AI出海的想象空间，才真正开始打开。
