你手机里的元宝AI刚换了脑子,AI正在变成像水电一样

这周我打开日常在用的 WorkBuddy 交周报，明显感觉它处理长表格稳了——以前丢一份带合并单元格的明细进去，合计经常对不上，这周居然一遍过。一查才知道，后台刚换上了腾讯新开源的混元 Hy4 preview。

这件跟我日常有关的小事，其实是一个更大变化的切片。过去这一周，中国大模型发生了一连串事，单独看都不稀奇，合在一起却指向一个我做了十年数据分析才敢下的判断：AI，正在从这周的某个节点开始，变成像水电一样的东西——按 token 计费、人人接得上、不再是谁的稀缺壁垒。

下面顺着几组数字，说它们背后到底发生了什么。

那张占比超过60%的图，背后是出钱的人

8月26号，一个不太起眼但很硬的数据被披露：在开发者最常用的模型网关 OpenRouter 上，中国模型的 token 消耗量占比，一年来翻了三倍多。

数据来源：《观察者网：OpenRouter 数据显示中国模型 token 消耗量占比超 60%》

我第一眼看到"超过60%"就怀疑：这数谁家说的？但接着看下去，怀疑反而放下了——

“

OpenRouter 不是厂商自己的后台，它是海外开发者接模型的公共网关，上面绝大多数调用者是用真金白银的 API 在投票。一个中国匿名模型（后来被确认是智谱的 GLM-5.3-Flash）能在上面登顶，靠的不是国内刷量，是海外用户真在调、真在付钱。

这一点比"国产第一"四个字重要得多。它意味着衡量标准从"厂商发布会上的跑分"换成了"开发者愿意为哪个模型掏钱"。跑分可以自嗨，掏钱不会。 所以当我说"这一周有变化"，底气不是来自哪家的通稿，是来自出钱的人用脚投的那一票。

便宜，是被工程砸出来的

为什么是这一周拐过来？因为便宜又好用的牌，集中亮出来了。先把三家的底牌摊开看：

把这张表读成一笔账，关键不是"便宜"，是"同样的活，到底花多少钱"。我画了张对比：

         同样一笔预算（比如 100 元）                       │         ┌─────────────┴─────────────┐         ▼                           ▼   调 Claude Opus 4.8            调 智谱 GLM-5.3   约 2-3 次（¥36/百万输入）       约 130-180 次（¥0.54/百万输入）         │                           │         └──────────┬────────────────┘                    ▼   同样的活，GLM 花的钱 ≈ Opus 的 1/40～1/100   （智谱自称 1/40；按公开绝对价，实际更低）

1/40 到 1/100——这不是"便宜没好货"的便宜，是工程效率的真实跨越：靠的是模型结构瘦身（激活参数远小于总参数，比如 Qwen 总参 1250亿、每 token 只激活 60亿，激活比不到 5%）加国产算力把推理成本压下来。智谱自己也说，这个价是从架构里省出来的，不是降价降出来的。

我自己的体感最直观：混元这版给我最大的使用变化是 约100万 token 的上下文。以前喂一份完整季报 PDF 得先拆页，怕它中途忘；现在整本丢进去让它按章节提数，漏摘的情况明显少了。下面这个前后对比，是我这周真实 workflows 的变化：

便宜加上够用，才让我真敢把 token 接进日常。

底座那一步，才算把便宜接住了

但光说"模型便宜大碗"会漏掉最关键的一环。做数据的都懂：模型强、价格低，如果底层还卡在别人的芯片上，那不算真赢——别人一掐供应链，便宜就没了。

这一周补上了底座。智谱公开说，GLM-5.3-Flash 整套线上服务，完全跑在十万张国产算力卡上，而且是国产算力第一次大规模承接全球真实业务流量，不是实验室 demo，是海外用户真在调。

这点把前面两件事接成了一条因果链：

能造（国产卡扛住全球真实流量）   │   ▼才便宜（推理成本被自己压下来）   │   ▼才敢用（厂商默认开着 token 服务，我也敢接进日常流程）

模型够用、成本能扛、底座不慌——三件事单看都不稀奇，恰好在这一周同框，才是拐点。也正因为底座自己攥住了，这份性价比才不会被别人反手拿走。

站在更长的时间看，AI正在变成水电

如果只盯着这一周，容易把它读成"国产逆袭"的热血故事。但我更愿意把它放进更长的技术史里看。每一次通用技术革命，都走过差不多的路：

当AI从一种稀缺资源，变成像水电一样打开就能用的东西，它的角色就彻底变了——不再是少数公司的壁垒，而是所有人脚下的地板。

这对普通人意味着什么？我列三件最具体的：

• 你每天用的 App，后台大脑可能已经在悄悄换成国产模型，因为便宜，厂商更愿意默认开着 token 服务；
• 你公司上一套智能客服的预算门槛被砸低，中小公司也用得起了；
• 极端情况下这条链路不会一夜断供——因为底座自己攥着。

但这些都还是"AI变水电"的表象。更深的落点在人身上。

AI变水电的那一周，我反而更清楚自己该守什么

说回我自己。这一周我把日常取数、格式化、写初稿这类标准化的活，切到了国产开源模型，API 成本的变化是这样的：

切国产开源前  [████████████████████████] 100%（取数+初稿环节，相对基准）切国产开源后  [███░░░░░░░░░░░░░░░░░░░░░░░] ~30%   →  约 -70%

但过程里也翻过车。一份带合并单元格的销售明细，它把"华东"和"华中"并到一起，合计对不上。我把排查过程画出来，其实就是一条链路：

交周报：销售明细合计对不上        │        ▼让它把每一步中间结果打出来        │        ▼冒出一个从没听过的「华」大区（华东 + 华中 被合并单元格粘成一格）        │        ▼拉原始表核对 → 按合并区首行填充，修正规则        │        ▼重跑 → 合计对齐 ✓

让它算各区域同比，它又把去年没数据的月份当 0 算，给了个虚高的增长率。同样走一遍核对链路才抓到：

让它算各区域同比        │        ▼把「去年无数据」的月份当 0 → 增长率虚高        │        ▼拉原始表对 → 抓到幻觉（模型编了数字）        │        ▼铁律：凡对外、对老板的口径，我一定自己核一遍原始数

模型给的是草稿，不是结论。省下来的七成不是白捡的——标准化活它接得住，判断活我得盯着，等于把省下的钱换成了我自己的审核时间。算总账还是划算，因为我更敢把 token 接进日常了。

这周当然有边界：最顶尖的训练芯片供给还是紧的，架构是不是真领先存疑，8月27号外媒说英伟达拟以约129亿美元收购开源社区 Hugging Face（交易还没正式签署，而 HF 是 Qwen、DeepSeek、GLM 共同的发布主场，入口一旦被锁，开源的"自由"要打问号），厂商自测的盲测数字也还得等独立复测。赢了这一周，不等于故事终局。

AI变成水电的那一周，我反而比任何时候都清楚自己该守住什么：

当AI便宜到像水一样，人的稀缺性，反而更清楚地落在"人"自己身上。