刘少山：电力，中国在全球AI竞争中的底气

来源：市场资讯

（来源：环球网资讯）

来源：环球时报

在北京举行的2026世界机器人大会，成为近期全球业界关注的焦点。随着人工智能（AI）及相关设备的使用越来越广泛，人工智能竞争的重点正在发生根本变化。过去比的是谁能把大模型做得更强，今后更关键的是谁能把智能做成像水、电和网络一样，稳定供应、按需使用、普遍可及的“基础设施”。

中国当前最大的潜在优势，是有条件以较低的单位智能成本参与全球竞争。中国的人工智能大模型坚持开源和低价，主要源于模型效率、开放权重和充分竞争；能源优势决定的，则是这种低价能否长期维持，并为国产芯片、系统软件和模型追赶赢得时间。由此可以得出一个更为重要的判断：谁能率先让更多国家用得上、用得起、用得好人工智能，谁就能积累更多真实任务、开发者、工程经验和技术标准，并在下一轮竞争中占据更大主动。

AI竞争进入基础设施阶段

人工智能正在由一种高端技术产品，逐步转变为经济社会运行的基础能力。企业将其嵌入研发、制造、营销和管理流程，政府利用其提升公共服务和治理效率，个人则把它作为获取知识、处理信息和完成工作的日常工具。随着调用频率不断提高，“智能”将像云计算和电力一样被持续使用、按量计费。

基础设施竞争有其自身规律。技术最先进固然重要，但决定普及速度的，往往是价格是否可承受、服务是否稳定、部署是否便利。一旦某一技术体系率先进入政府平台、电信网络、企业流程和大学课程，围绕它形成的接口、人才、软件工具和合规制度就会不断沉淀，后来者即使技术更强，也要付出很高的替换成本。

这场竞争不只发生在中美之间。全球近八成人口生活在中美两国之外。对东南亚、南亚、中东、非洲和拉美地区的许多政府、运营商和企业而言，最迫切需求的并不是在所有基准测试中排名第一的模型，而是价格可承受、能力足够强、能够本地部署并适应本国语言和产业需求的模型。

市场信号已经出现。AI模型聚合平台OpenRouter公布的数据显示，2025年美国模型约占该平台词元（Token）流量的3/4；到2026年6月初，中国模型的词元份额已经反超。其分析覆盖2026年上半年超过450万亿词元，DeepSeek等中国模型的增长主要来自编程和智能体等真实工作负载，而不只是一般聊天。OpenRouter不能代表整个市场，也不包含大量企业直签和私有部署，但它清楚反映了价格敏感型市场的变化方向：当模型能力逐步接近，成本就会越来越直接地影响采用。

市场需要的是可负担的智能

人工智能走向普及后，市场衡量的就不再只是模型智能的程度，而是完成一项任务需要付出多少成本。尤其是在编程和智能体场景中，模型需要反复规划、调用工具、检查结果和修正错误，一项任务可能产生数百乃至数千次调用。单次调用看似很小的价差，放到大规模业务中就会被成倍放大。

中国开源模型的扩散速度说明了这一点。全球最大的人工智能开源社区Hugging Face发布的2026年春季报告称，中国开源模型已占平台下载量的41%，成为最大的国家来源。下载量不等于商业收入，也不等于实际部署，但它说明全球开发者正在选择什么、学习什么，又在什么基础上开发下一代应用。

开放权重在这里发挥了关键作用。它降低了模型获取、二次开发和本地部署的门槛，也使多家云服务商和模型托管平台能够围绕同一模型展开竞争。对许多发展中国家而言，开放权重意味着不必完全依赖少数海外平台，可以在本地服务器上部署模型，进行语言适配和行业微调，并把数据留在本国。价格、开放性和可控性由此形成合力。

要理解中国模型为什么具有价格竞争力，可以从能源、算力和模型三个层面来分析。能源位于底层，为数据中心提供电力；芯片位于中层，把电力转化为计算；模型位于上层，把计算转化为可使用的智能。三者共同决定单位智能成本，此外还包括服务器、网络、散热、建设和资本开支。

需要看到的是，中国并非在三个层面都领先。在算力层和模型层，美国仍占据一些优势。中国模型当前的低价，主要形成于模型层和商业层。开放权重降低许可成本，激烈的托管竞争又压低了服务价格。中国模型的价格优势首先来自模型效率、工程优化、开放生态和市场竞争。能源的作用更为深远：它决定这种优势能否在调用量持续增长后仍然维持。

能源优势转化为算力成本优势

在当前阶段，电费还不是模型推理成本中占比最高的部分。根据相关测算，大模型应用一次文本请求的中位耗电量约为0.24瓦时。然而，当人工智能由偶尔问答转向智能体、工业流程和社会基础设施，能源约束会越来越突出。过去，行业关注的是有没有足够多的芯片；未来，随着亿级用户和海量企业持续调用模型，问题将逐步变成能否长期稳定地提供吉瓦级电力。芯片决定算力效率，电力决定算力规模，两者缺一不可。

中国的优势首先体现在能源设施建设和基础设施投入使用速度上。2025年，全国新增风电和太阳能发电装机超过4.3亿千瓦，其中太阳能发电新增3.18亿千瓦。美国同样拥有庞大的拟建电力源，中国需要解决的是如何更高效地配置和消纳能源，美国则面临较为突出的并网和电网扩容瓶颈。

在“东数西算”枢纽，能源优势已经开始转化为算力成本优势。宁夏中卫数据中心集群依托绿电园区机制，到户电价稳定在每千瓦时0.36元左右，约为东部地区的45%。国家层面也在推进算电协同、绿电直供和数据中心可再生能源消费比例提升，目的就是把能源资源、算力设施和实际任务更有效地匹配起来。

低价电力不能改变芯片性能，但可以部分缓解芯片能效不足带来的运行成本压力，使中国企业在技术尚未全面领先时，仍有条件扩大推理规模，并为芯片、系统软件和模型持续迭代争取时间。更准确地说，一个国家向全球供应智能的实际成本，由电价、芯片能效和模型效率共同决定。电价越低，大模型产生的单位智能成本就越有竞争力。

今天我们的优势，是模型效率、开放生态和充分竞争形成的低价；未来更持久的优势，则是能源与基础设施为这种低价提供规模空间。下一阶段，我们的重点工作不能仅停留在给数据中心便宜的电力，而应转向以更低成本生产更多有效智能。一是加快算电协同，使训练、批处理和可延迟推理任务能够随低价绿电在时间和空间上调度；二是建立长期、稳定、可预期的绿电供应机制，为高利用率算力设施提供长期投资和全球定价依据；三是改变只看机架数量、峰值算力和耗电规模的评价方式，更加重视每千瓦时完成多少真实任务、产生多少有效智能；四是把政策支持与能效提升、国产软硬件适配、实际利用率和海外服务能力挂钩，防止低水平重复建设和算力空置。

必须清醒地看到，在一段时间里美国仍会拥有最先进的芯片、最强的前沿模型、成熟的基础软件和高价值企业市场。中国人工智能的机遇在于把足够先进的大模型和智能体做得更加可靠、开放和普遍可得，并通过全球部署反过来推动技术进步。（作者是深圳市人工智能与机器人研究院具身智能中心主任）