中国大模型被全球用户高频使用

中国大模型被全球用户高频使用

电力不出境 价值已出海（中国品牌圈粉海外）

下午3点，美国纽约。面对新收到的工程任务，美国一家创业公司的工程师麦克，熟练地使用来自中国大模型公司的人工智能（AI）模型助手，输入关键要求几秒后，一份结构清晰、要点全面的项目计划在屏幕上显现。借助这个“智能帮手”，原本需要半天的工作，不到半小时就已完成。

人机对话——

AI理解人类语言，需要把句子段落先“打碎”

在海外，越来越多的人开始使用中国大模型提高工作效率。模型的每一次对话，都在消耗一种名为“词元（Token）”的数字资源。词元是AI理解人类语言的最小单位。好比人类学语言，不会一开始就读整篇文章，而是拆成一个个句子，再把句子拆成字、词。AI理解人类语言，也需要把句子段落先“打碎”。通常来说，一个汉字约等于1个词元；一个英文单词约等于1至2个词元；标点符号也算词元。比如“今天天气很好。”这句话，可以被AI拆分成“今”/“天”/“天”/“气”/“很”/“好”/“。”共约7个词元。

当前的大模型，一次能处理的文字量是有限的，比如用户输入一段话，模型生成一段回答，两者加起来不能超过一定数量的词元。AI工具会按照使用的词元数量产生费用，就像打电话按分钟计费一样，输入输出的文字量越多，费用就越高。

数据显示：今年3月，中国日均词元调用量已突破140万亿，两年增长超千倍。据机构最新统计，中国AI大模型在全球词元使用量中占领先地位。

全球用户为何选择中国AI大模型？稀宇极智（MiniMax）副总裁严奕骏介绍：“用户的选择标准非常直接。第一，模型是否足够聪明好用、快速响应，能否真正解决复杂问题；第二，价格是否合理、可持续。”词元调用量的本质是真实使用量，背后反映的是AI大模型在真实场景中的渗透深度、应用的频率和广度。“中国AI大模型被全球用户高频使用。这是来自全球用户的认可。”严奕骏说。

模型优化——

丰富的应用场景，持续为技术迭代提供试验场

对于大模型而言，同时满足更聪明和更便宜并不容易——模型性能的提升，往往伴随着参数量的指数级增长，这意味着需要消耗更多的词元；而词元消耗得越多，企业的运营成本和用户的使用成本就越高。

如何平衡？严奕骏介绍，以“MiniMax M2.5”模型为例，“一方面，我们通过算法创新，让模型学会以更高效、更精简的推理路径逼近答案，在源头降低词元消耗；另一方面，我们致力于提升单词元的含金量。”在每秒输出100词元的高效吞吐条件下，该模型连续工作一小时只需花费1美元。有机构测算，在同等性能下，中国模型的调用成本，只有美国的1/10左右。

“成本的下降，不仅是中国大模型企业技术进步的结果，更是中国电力优势、供应链优势的集中体现。”复旦大学经济学院教授李志青说。我国丰富的应用场景，在持续为AI大模型技术迭代提供试验场。截至2025年12月，我国生成式人工智能用户达6.02亿人，较2024年12月增长141.7%。用户基数快速扩大，带动AI从互联网领域加速向办公协同、工业设计等更深层场景延伸，让AI从技术尝鲜变成日常工具；应用渗透率不断提升，也为模型迭代持续提供数据反馈，提升处理复杂任务的能力，为未来发展打开空间。

AI的尽头是电力。“一台AI服务器，功耗是传统服务器的5倍到8倍，训练一个大模型需要数亿千瓦时电，日运营电耗超过50万千瓦时。电力成本，对算力产业全球布局至关重要。”李志青介绍，“这恰恰是中国的优势。中国有全球规模最大的电力供应系统，配合特高压电网与绿电消纳机制，全流程自主可控的电力技术，让我们的算力稳定且有着成本优势。”

东西协同——

智能调度，实现冗余绿电与算力缺口的精准匹配

位于江苏南京的国电南瑞科技股份有限公司，正是这根链条的重要节点。服务于电网调度的技术支撑平台上，实时电量清晰可视。来自西部戈壁的风电、青藏高原的光伏电等低价、丰沛的绿电，正源源不断上“网”，并通过自主研发的多层级智能调度系统的调控，高效输送至东部的算力枢纽。

“西部绿电量大，但存储难，东部算力中心用电需求大，但成本高。通过智能调度，能实现冗余绿电与算力缺口的精准匹配。”国电南瑞相关负责人介绍，在新能源大发时段，系统提升绿电输送与消纳能力，支撑算力中心满负荷运行；在用电高峰或新能源出力不足时，可智能调节算力负荷，优先保障核心AI业务运行，并开展错峰用电。

“此外，AI供应链的完备也进一步降低了行业成本。”李志青说，AI芯片、服务器、计算基础设施、跨境网络、边缘计算、跨境结算等行业强强协同，构建起一套全链条优势。

协同带来的效益有多大？李志青算了一笔账，对于传统产品而言，一千瓦时电通常可撬动1—2倍的电力价值，但对于词元而言，这种价值是几十倍，甚至数百倍的增长。“如今我们将能源与制造优势转化为直达全球的数字价值，实现了电力不出境、价值已出海。”

“词元出海”也面临一些挑战。李志青认为，一方面，算力面临一些“卡脖子”技术，天花板有待突破；另一方面，需要预防贸易保护主义抬头等。他建议，加紧推进相关治理机制的顶层设计，以应对可能面临的数据、算力、市场拓展等方面的风险。