中国大模型的价格，究竟是怎么打下来的？

文 | 深流研究所，作者 | 路路

过去一个月，全球最大模型聚合平台 OpenRouter 上，开发者调用量最高的五个模型里，有四个来自中国公司。对很多海外创业团队和独立开发者来说，中国模型已经不只是"可选项"，而是更便宜、也足够好用的默认选项。

诸如 OpenRouter 这样的平台让模型服务变得更标准化，也让价格差异变得更直接。当模型能力逐步接近之后，谁能把推理服务做得更便宜，就更容易进入开发者的默认选择清单。

问题也因此变得更具体：中国模型为什么更容易在全球 API 市场上报出低价？

表面上看，这是模型能力和价格的胜利；再往下拆，会发现真正拉开差距的，不只是算法和工程，而是更底层的变量——电。

更准确地说，是电价、电网，以及围绕数据中心形成的整套基础设施。

一度电只差几美分，一年能差出 1600 万美元

过去两年，大模型竞争最受关注的是训练：谁拿到更多芯片，谁投入更多资本开支，谁就更有机会训练出更强的模型。

随着模型能力逐步接近、调用量迅速增长，商业竞争的重心正在从训练转向推理。

训练更像一次性投入，模型练完之后，这部分成本基本沉没。

推理不同，每一次对话、代码补全和 API 调用，都会实时消耗算力、占用机房、吃掉电力。调用量越大，持续性的运营支出就越重要。

IEA 及多家研究机构测算，全球数据中心用电将从 2024 年的约 415 TWh 增长到 2030 年的 945 TWh。五年时间，几乎翻倍，达到相当于日本当前全部电力消费的水平。

（图：全球数据中心电力消耗预测；数据来源：IEA；制图：Claude）

美国的数据同样醒目。2024 年，美国数据中心用电约 183 TWh。到 2030 年，这个数字预计会升到 426 TWh。

增长最快的不是普通服务器，而是 AI 服务器。IEA 提到，AI 目前约占数据中心电力消耗的 5% 到 15%，到 2030 年可能升至 35% 到 50%。Gartner 的预测更直接：AI 优化服务器的耗电将从 2025 年的 93 TWh 增至 2030 年的 432 TWh，占数据中心总耗电的比重从 21% 升到 44%。

这组数字说明，电不再只是数据中心的背景条件，而正在进入 AI 服务的成本表。

训练决定模型上限，推理决定模型能不能卖出去、卖得起量、卖得持久；而电力，正成为推理业务里最容易被规模放大的差异项。

这种差异已经能在公开电价中看到。按 2025 年第三季度的公开口径，中国工业用电价格约为每千瓦时 0.115 美元，美国约 0.154 美元，德国约 0.276 美元。这个口径并不完全等同于数据中心最终到手电价，但足以说明方向：中国仍处在主要经济体的低位区间。

（图：2025年第三季度工业电价横向对比；数据来源：GlobalPetrolPrices；制图：Claude）

如果假设一个大型推理集群年用电量为 100 GWh，仅电力一项，中国的年成本约 1150 万美元，美国约 1540 万美元，德国约 2760 万美元。这还没算冷却系统和其他基础设施能耗。对一个高负载、靠海量调用摊薄成本的 API 业务来说，这种价差最终会传导到报价能力上。

当然，电价差不直接等于 Token 价差。

芯片成本、集群利用率、模型架构、工程优化和渠道策略，都会共同决定最终价格。更稳妥的判断是：在推理时代，电力已经从背景条件，变成 AI 服务定价里的关键变量之一。

中国煤电占比从 72% 降到 55%，更便宜的电从哪来

如果继续追问，中国为什么能提供相对更低的推理电力成本，答案就不能只停留在"工业电价更便宜"这一层。

更深一层的原因，是中国电力体系过去十多年形成的一种组合能力：一边用大规模、稳定的电源支撑工业体系，一边用快速扩张的新能源拉低系统边际成本。

煤电仍然是这套系统里不能绕开的部分。它的意义不只是便宜，更在于稳定、可预测，能够为全年 7×24 小时运行的数据中心提供基荷能力。

真正改变成本方向的，则是风电和光伏过去十年的快速扩张。

2015 年，煤电仍占中国发电量的约 72%。到 2025 年，这一比例降至约 55%。

与此同时，包括水电、风电、光伏和核电在内的低碳电力占比提升到 42% 以上。国家能源局数据还显示，2025 年可再生能源装机约占全国总装机的 60%，风电和太阳能装机合计达到 18.4 亿千瓦。

（图：中国能源结构的变化；数据来源：EIA;国家能源局；制图：Claude）

这组变化的意义，不只是"更清洁"。更重要的是，更多低边际成本的电力开始进入系统。对需要持续供电、且电力成本会随着调用量线性放大的 AI 推理业务来说，这意味着整个供电体系能够在稳定性之外，提供越来越有竞争力的成本条件。

IEA 在《2025 年世界能源投资》报告中预计，2025 年全球太阳能光伏投资将达到 4500 亿美元。它已经超过石油生产，成为全球能源投资最大的单一类别。

（图：可再生能源累计装机容量（2024年底）；数据来源： IRENA 2025; IEA PVPS Snapshot 2025; GWEC Global Wind Report 2025；制图：Claude）

中国在风光装机和相关制造链条上的提前投入，也在从产业优势转化为一种更具体的成本环境。决定推理成本的，不是某一种电源。决定它的，是一个能够长期提供相对低价、稳定、且绿电占比持续提升的系统。

也因此，中国模型的价格优势并不只是一次价格战。它背后更像是一种长期条件：模型公司既能在电价更低的市场里部署推理业务，也能在一个供给扩张更快、稳定性更强的电力系统里做长期投入。

八大枢纽、45 条特高压，低价电才变成低价 Token

前两层回答的是"中国为什么能发出更便宜的电"，接下来更关键的一层问题是：这些电如何真正进入算力成本？

中国的能源资源和算力需求并不分布在同一地理空间。风电和光伏资源更多集中在新疆、甘肃、内蒙古等西北地区。而数据需求、产业客户和互联网公司，则更集中在长三角、珠三角和京津冀。

对 AI 数据中心来说，仅有低价电并不够。关键还在于，能不能把这些电稳定送到需要算力的地方，或者干脆把算力组织到更靠近能源的一侧。

这也是特高压输电网络和"东数西算"更值得关注的地方。

到 2025 年底，中国已建成 45 条特高压输电线路；“十四五”期间，特高压直流线路总长度从 2.8 万公里增长到超过 4 万公里，西电东送能力达到 3.4 亿千瓦以上。

它的意义不只是工程规模大，而是让低成本电力能够跨区域配置，而不是被锁定在发电地。

2022 年启动的“东数西算”工程，则是在全国布局八个国家算力枢纽节点和十个国家数据中心集群。它把东部的数据和算力需求，引导到西部能源更充沛、土地和电力成本更低的区域承接。它提供的也不是简单的“机房西迁”，而是一套把能源、网络、数据中心和时延要求放进同一调度框架的组织能力。

（图：“东数西算”工程；制图：Claude）

对于高频、标准化、低毛利的推理 API 场景来说，真正稀缺的，不只是低价电，而是把低价电稳定变成可用算力的能力。也不是所有模型公司都能把这种优势兑现成价格。真正更容易吃到这部分红利的，往往是那些同时具备大规模调用量、较高集群利用率、较强工程优化能力，以及全球分发渠道的公司。

这也解释了为什么中国模型会在 OpenRouter 这样的全球 API 平台上更容易形成价格优势。

海外开发者看到的是更低的 Token 价格；支撑这份价格的，除了模型架构和工程优化，还包括一套更不显眼、但越来越重要的底层条件：更低的电价、更强的跨区输电能力，以及把算力向能源富集区重新组织起来的基础设施体系。

黄仁勋说，未来的数据中心将成为“Token工厂”。马斯克在接受采访时直言：“中国的发电量看起来就像一枚火箭进入轨道，而美国的发电量却停滞不前。”当全球最激进的AI创业者和最大的AI芯片供应商同时指向同一个变量时，答案已经很清楚：谁能更高效地将电转化为Token，谁就握住了定义AI下半场的沉默底牌。