写一些简单的程序，整理及归纳文档，批量处理表格之类的。工作效率确实高了不少。 谁在为我的每一次提问买单？这玩意儿运行起来到底要花多少钱？ 带着这些疑问，我去网上翻了翻资料，结果发现了一个我之前完全没想过的事情。那个让我愣住的数据 2026年，全世界的AI系统平均每天要处理 140万亿个Token。什么叫Token？就是你跟AI说的每一句话，AI回你的每一个字，都要被拆成Token来计算。你问一句"帮我写一份总结"，可能在后台就已经烧掉了成千上万个Token。 我一开始对这个数字没什么概念，直到我看到了另一条信息—— 每一个Token的生成，都需要实打实的电力。你在对话框里敲回车的那一瞬间，背后可能有一整排的显卡在疯狂运算。算完还要散热，散热还要开空调，空调还要电。 这玩意儿整得跟挖矿似的。区别是挖矿好歹出个币，AI出的是Token。 黄仁勋画了一个"蛋糕" 查资料的时候，我看到了今年三月黄仁勋在GTC大会上提的一个东西，叫"五层蛋糕"。 从下往上分别是：能源 → 芯片 → 基础设施 → 模型 → 应用。 我当时第一反应是：一个卖显卡的老板，为什么把发电放在自己产品下面？ "能源是AI的第一性原理。每个Token的生成都需要实时电力。能源是系统能产生多少智能的绝对约束条件。" 这个逻辑其实挺硬的。美国现在排队等着并网的AI数据中心项目超过200GW，设备采购积压超过3000亿美元。什么概念？200GW比整个英国的发电装机容量两倍还多。 也就是说，现在全世界搞AI的公司，除了显卡之外，最缺的是电。 大家都在聊算力，没人看电表 现在打开手机，十个推送里五六个在说"英伟达市值突破4万亿"、"OpenAI估值冲向万亿"——全是上面几层的东西。 黄仁勋在那次演讲里算了一笔账：一座1GW的数据中心，15年摊销成本是400亿美元。注意，还没算芯片。光是地、冷却、电网配套、建筑，15年就要烧掉400亿。 于是他提了一个新的指标：Tokens per Watt（每瓦Token产出） 。 以前大家比的是FLOPS，就是每秒能算多少次，纯粹看谁的马力大。现在黄仁勋说，别比马力了，比油耗——同样一度电，谁产出更多Token，谁才是真赢家。 为什么会这样？因为整个AI行业正在从"训练时代 "进入"推理时代 "。训练是一次性的，烧再多电也就那一回。推理不一样——每个用户每次对话都在烧电。一个日活1000万的应用，等于一座小型电厂的输出。 换句话说，我们每次点"发送"，都是在给数据中心的电费单上添一笔。 所以，这件事跟我有什么关系？ 如果你不是AI或者相关行业的，你可能会觉得"关我什么事 "。 你想想，广东和长三角为什么能成为制造业中心？因为离港口近、物流成本低。那在AI时代，什么决定一个地方能不能成为算力中心？电价。 这就是为什么贵州能搞数据中心、内蒙古在抢AI项目——不是因为它们技术先进，是因为那儿的电便宜。广东的朋友应该最有感触，每年夏天限电的时候，你家的空调和AI的服务器在抢同一根线。 这其实是AI行业最容易被忽略的一个真相：AI的竞争，到最后会变成能源的竞争。 而这件事之所以值得琢磨，是因为它揭示了一个更根本的逻辑—— 技术绕了一大圈，最后卡在了一根电线上 查完这些资料后，我最大的感受其实不是"涨知识了"，而是一种有点荒诞的感觉。 人类花了七八十年搞人工智能，从最早的计算机理论一路搞到现在的大模型，到头来决定胜负的居然是你家旁边有没有水电站、电价便不便宜。 就跟我之前看的一篇文章说的——"搞AI的尽头，是去内蒙古建数据中心，因为那儿的电便宜。" 我又想到了黄仁勋那句被很多人当成吹牛的话："英伟达到10万亿市值是必然的。"很多人觉得他在画饼。但如果你用"五层蛋糕"的逻辑来看——如果Token真的成为AI时代的新货币，而英伟达掌控了从电力到Token的整个转化链条——那你还真不能说他在做梦。 不过这事也有点讽刺。一个卖显卡的公司，硬生生把自己包装成了"AI时代的电力公司"。股价蹭蹭涨，交电费的却是OpenAI、谷歌、微软这些应用层的玩家。 好了，写到这里突然觉得，《黑客帝国》 里的那个设定也许真的没有错。 是这个时代最值钱的东西——Token——它转化自一度一度被输送到数据中心的电。 只是这一次，泡在营养液里的不是我们，是一排一排闪着蓝光的GPU。 可能有人好奇，一个不懂技术的普通人是怎么写这种文章的？ AI 写作（全自动） → 我把主题告诉 Claude Code ，它在 DeepSeek V4 模型上运行一个叫 WeWrite 的公众号插件，自动学习我的文风、抓热点、选选题、搜素材、写初稿、改到满意、排好版 。全程几分钟。AI 出配图提示词（全自动） → WeWrite 分析文章每个段落，自动生成每张配图的画面描述和 AI 绘图提示词。人工生图（半自动） → 我把提示词逐条复制到通义万相 里生成图片，每张大约一分钟。人工审核发布 → 图片插回文章，过一遍，修一修，点发布。写到这里，我知道可能有人会有一个疑问——
"等等，你说 AI 帮你写文章、 AI 帮你出图、 AI 帮你排版……那还要人做什么？"
问得好。这也是我自己用了一段时间 AI 之后，一直在想的问题。
我的看法可能跟你想象的不太一样。
你看， AI 确实能写文章。但它写什么？得 我 告诉它。选题的方向、文章的调性、哪些数据该放进去、哪段情绪需要突出——这些全是 人 决定的。
AI 也能生成图片。但提示词背后的那个画面——是热闹的数据洪流还是冷清的 GPU 机柜、是温暖的办公桌还是冰冷的机房——这些选择传递着完全不同的情绪。 机器不知道哪个对，但人知道 。
我这一路用下来的最大的感受其实是： AI 越强大，人的"想法"就越值 钱 。
过去你要做一件事，瓶颈在执行力——会写代码的人才能做网站，会排版的人才能做公众号，会画画的人才能出图。
现在呢？执行的门槛正在快速降低。你不会写代码，可以说给 AI 听；你不会排版， AI 可以帮你排；你不会画画， AI 可以帮你画。
那新的瓶颈是什么？ 是你知不知道自己要什么 。
工具摆在那里，谁都能用。但能问出好问题的人、能有自己判断和审美的人、能在 AI 给出十个方案时选出最对的那个的人——这些人不会被取代。
所以这篇文章的核心结论，其实不是"AI 好可怕"或者"AI 好厉害"。
而是另一种意思—— 在 AI 的时代，做一个有想法的人，比任何时候都重要 。
如果你觉得这篇文章有点意思，欢迎转发给一个也在用AI的朋友——看看他知不知道，他每次敲回车，背后烧了多少度电。🤝 最近打算整理一期"普通人也能看懂的AI系列 "，把那些绕来绕去的概念用大白话讲清楚。有兴趣的话，评论区留个1，我先发给你看。
夜雨聆风
