告別人口紅利，算力的盡頭是電力

大模型正在從“比拼智商”，變成一門“進(jìn)廠打螺絲”的生意。

據(jù)財(cái)聯(lián)社報(bào)道，OpenRouter最新周度數(shù)據(jù)顯示，平臺(tái)前十模型總token量約8.7萬億，中國模型獨(dú)占5.3萬億，占比61%。

而當(dāng)周token調(diào)用量前三模型均為國產(chǎn)大模型，分別為Minimax M2.5、Kimi K2.5、GLM-5，調(diào)用量環(huán)比上周分別變動(dòng)增加197%、下降20%、增加158%。

其中，MiniMax M2.5以2.45萬億token空降榜首，Kimi K2.5以1.21萬億緊隨其后，智譜GLM 5和DeepSeek V3.2分列第三、第五。

要知道，作為全球最大的大模型API聚合平臺(tái)，OpenRouter匯聚了全球開發(fā)者的真實(shí)調(diào)用需求，它的榜單堪稱目前AI行業(yè)最硬核的“算力消耗晴雨表”。

看到國產(chǎn)大模型如此瘋狂地“屠榜”，很多人的第一反應(yīng)肯定是：難道在絕對(duì)能力上，國內(nèi)大模型已經(jīng)趕上GPT、Claude和Gemini了嗎？

答案顯然是否定的。如果真要死磕極度復(fù)雜的邏輯推理或硬核的代碼工程，硅谷這幾家閉源巨頭依然是當(dāng)下絕對(duì)的技術(shù)天花板。

那么，既然絕對(duì)智力并沒有趕上北美頂尖模型，那為什么偏偏是國內(nèi)大模型跑滿了全網(wǎng)的調(diào)用量？對(duì)未來的AI競爭格局又意味著什么？

01

大模型不是煉金術(shù)而是流水線

國內(nèi)大模型企業(yè)，正在用義烏做小商品的邏輯，降維狙擊硅谷的賽博魔法。之所以中國大模型能夠在Openrouter上“屠榜”，唯“便宜”爾。

過去，大模型的定價(jià)權(quán)在海外巨頭手中。以GPT-4o或Claude 3.5 Opus為例，能力強(qiáng)，但價(jià)格也高。處理百萬Token的數(shù)據(jù)，通常需要花費(fèi)幾美元甚至十幾美元。

在AI爆發(fā)的嘗鮮期，這個(gè)價(jià)格大家咬咬牙也就接受了。可一旦邁入Agent時(shí)代，情況徹底變了。

最近在科技圈鬧得沸沸揚(yáng)揚(yáng)的“OpenClaw封禁事件”，就是這場算力成本危機(jī)的最直觀切面。

作為一款爆火的開源AI智能體，OpenClaw能像“數(shù)字打工人”一樣接管電腦、全自動(dòng)處理文件甚至寫代碼。為了省錢，許多極客和開發(fā)者想出了一個(gè)“絕妙”的方案：他們利用代碼接口，讓OpenClaw去“白嫖”谷歌和Anthropic每月20美元的個(gè)人包月訂閱服務(wù)（如Claude Pro），而不是老老實(shí)實(shí)去調(diào)用官方按量付費(fèi)的昂貴API。

結(jié)果可想而知，當(dāng)AI從“你問我答的聊天框”變成“自動(dòng)規(guī)劃、反復(fù)執(zhí)行的數(shù)字打工人”時(shí)，它在后臺(tái)每一次的搜索、試錯(cuò)、糾錯(cuò)和循環(huán)，都在瘋狂燃燒Token。這種Agent級(jí)別的恐怖吞吐量，直接把原本號(hào)稱“不限量”的包月服務(wù)給刷爆了。

面對(duì)被“薅禿”的算力資源，谷歌和Anthropic也坐不住了。他們不僅緊急下場，嚴(yán)禁第三方工具接入訂閱制通道，谷歌甚至對(duì)部分高頻調(diào)用的賬號(hào)祭出了“永久封禁”的終極殺招。

巨頭們這番“掀桌子”操作的核心邏輯其實(shí)只有一個(gè)：算力成本實(shí)在扛不住了。

在Agent時(shí)代，如果繼續(xù)放任大家用20美元的包月訂閱跑自動(dòng)化任務(wù)，CSP巨頭也一定會(huì)破產(chǎn)；但如果逼著開發(fā)者去走官方API，按照每百萬Token十幾美元的價(jià)格計(jì)費(fèi)，那么最先進(jìn)的高價(jià)大模型就不再是先進(jìn)生產(chǎn)力，而是成了一個(gè)吞噬利潤的無底洞，直接把無數(shù)AI應(yīng)用和開發(fā)者的商業(yè)模式逼到了死角。

正是在大多數(shù)行業(yè)都陷入“用不起算力”的死局時(shí)，他們回頭一看，發(fā)現(xiàn)大洋對(duì)岸的中國大模型企業(yè)，已經(jīng)把價(jià)格卷到了一個(gè)令人發(fā)指的地步。

目前，像DeepSeek、GLM、Kimi或者是MiniMax等國產(chǎn)優(yōu)秀大模型，其API的調(diào)用價(jià)格已經(jīng)被硬生生打到了每百萬Token只需要兩到三美元。

而有些廠商為了搶占開發(fā)者生態(tài)，更是對(duì)百萬級(jí)上下文或特定規(guī)模的模型實(shí)行長期的免費(fèi)開放。這已經(jīng)不是“打個(gè)八折”的促銷，而是數(shù)量級(jí)的成本斷層。

很多人可能會(huì)問：便宜固然好，但如果模型不夠聰明，便宜又有什么用？但事實(shí)卻是，絕大多數(shù)人高估了真實(shí)場景對(duì)“極限智商”的需求，卻低估了“長尾任務(wù)”對(duì)算力吞吐量的恐怖消耗。

在真實(shí)的商業(yè)世界和極客開發(fā)圈里，90%的AI任務(wù)根本不需要用到“愛因斯坦級(jí)別”的智商。

想象一下我們?nèi)粘Ｊ褂肁I的場景：把一本十萬字的英文網(wǎng)絡(luò)小說翻譯成中文；丟給AI幾十個(gè)PDF財(cái)報(bào)讓它提取出所有的利潤數(shù)據(jù)；寫一段幾百行的前端基礎(chǔ)代碼；又或者是目前OpenRouter上消耗量極大的“角色扮演”——玩家和AI扮演的虛擬角色進(jìn)行幾千輪的閑聊。

這些任務(wù)有一個(gè)共同特點(diǎn)：邏輯深度一般，但文本吞吐量巨大。對(duì)于這類“藍(lán)領(lǐng)型”的認(rèn)知工作，排名前列的中國模型已經(jīng)不僅是“及格”，而是做得非常出色。

這就好比你要給公司幾萬份快遞單號(hào)錄入表格，你完全沒有必要去花重金聘請一位諾貝爾獎(jiǎng)得主（頂尖閉源模型），你只需要雇傭一批勤奮、踏實(shí)且工資極低的實(shí)習(xí)生（高性價(jià)比模型）就能完美解決。

更何況頂尖閉源模型與高性價(jià)比模型之間的差距，在蒸餾技術(shù)的存在下，兩者的差距最多只有半個(gè)身位。

因此，全球的開發(fā)者們極其理智地選擇了“智能路由”策略：把海量的、繁瑣的、容錯(cuò)率高的基礎(chǔ)任務(wù)和長文本閱讀，全部路由給便宜的中國模型；只有到了需要做最終的復(fù)雜邏輯判斷，或者碰到了極難的算法題時(shí)，才會(huì)精打細(xì)算地調(diào)用GPT或Claude。

這，才是國內(nèi)大模型能跑滿全網(wǎng)調(diào)用量的原因。

02

算力爭霸戰(zhàn)，變壓器才是底牌

便宜的大模型，從來都不是天上掉下來的餡餅。

很多人誤以為，國內(nèi)大模型的白菜價(jià)是靠著國內(nèi)廠商“燒錢補(bǔ)貼”砸出來的。但這其實(shí)低估了中國工程師在技術(shù)落地上的恐怖壓榨力。

當(dāng)硅谷還在迷信“大力出奇跡”、瘋狂堆疊萬億參數(shù)時(shí)，國內(nèi)大模型企業(yè)早就在“摳門”這門藝術(shù)上做到了登峰造極。

在這個(gè)賽道上，中國廠商展現(xiàn)出了極其恐怖的制造業(yè)基因和工程化壓榨能力。

眾所周知，受制于相關(guān)禁令，國內(nèi)大模型企業(yè)往往無法像硅谷巨頭那樣，輕松買入數(shù)以十萬計(jì)的最頂尖GPU。在“算力貧窮”的逼迫下，國內(nèi)工程師們別無選擇，只能硬生生地在工程優(yōu)化的泥沼里進(jìn)行極限微操。

為了降低單次推理的算力消耗，他們把MoE玩到了極致。

一個(gè)擁有上千億參數(shù)的龐大模型，在回答一個(gè)簡單的日常問題時(shí)，系統(tǒng)會(huì)精準(zhǔn)地只激活其中幾十億參數(shù)的“專家網(wǎng)絡(luò)”，讓剩下的大部分網(wǎng)絡(luò)保持休眠。這就好比一個(gè)巨大的工廠，不再是為了生產(chǎn)一顆螺絲釘而讓所有車間燈火通明，而是精準(zhǔn)控制產(chǎn)線，極大地節(jié)省了算力和電力消耗。

為了應(yīng)對(duì)百萬級(jí)超長上下文帶來的顯存問題，中國工程師們在底層框架上死磕，對(duì)KV Cache進(jìn)行像素級(jí)的壓縮和優(yōu)化，把龐大的數(shù)據(jù)極其嚴(yán)密地打包塞進(jìn)有限的顯存里，硬是在相對(duì)劣勢的硬件上，跑出了比肩甚至超越世界前列的超長文本處理能力。

這種對(duì)底層算力近乎變態(tài)的壓榨，加上國內(nèi)極其成熟的硬件適配工程，硬生生把大模型推理的物理成本砍掉了幾個(gè)數(shù)量級(jí)。

相比之下，大洋彼岸的北美巨頭們就算想打價(jià)格戰(zhàn)，也是心有余而力不足，因?yàn)樗麄円呀?jīng)被沉重的物理基建徹底鎖死了。

在這個(gè)問題上，馬斯克早在2023年就給出了預(yù)言：“我的預(yù)測是，我們將從……今天的硅極度短缺變成……兩年內(nèi)的電力短缺。這大致就是事情的趨勢。”

而現(xiàn)實(shí)也確實(shí)如此，北美老舊的電網(wǎng)系統(tǒng)和漫長的環(huán)評(píng)審批，根本無法支撐新建超大型數(shù)據(jù)中心的用電狂飆。昂貴的工業(yè)電價(jià)、奇高的人力運(yùn)維成本，甚至有錢都買不到的高壓變壓器，最終全都化作了高昂的沉沒成本，均攤到了每一次的API調(diào)用里。

換句話說，北美頂尖大模型的“貴”，有一大半是替落后的基礎(chǔ)設(shè)施和高昂的本地要素買了單。

于是，當(dāng)高昂的物理成本遇上全球?qū)λ懔Φ臒o限需求，一個(gè)屬于中國AI的全新定位誕生了。

過去四十載，我們吃透了人口紅利和完善的供應(yīng)鏈，成為了向全球輸出實(shí)體商品的“世界工廠”；而今天，隨著大模型進(jìn)入應(yīng)用落地的深水區(qū)，告別人口紅利的中國，正在依托著世界頂級(jí)的特高壓電網(wǎng)、極其穩(wěn)定的低價(jià)工業(yè)電力，以及首屈一指的工程落地能力，轉(zhuǎn)型為新時(shí)代的“世界Token工廠”。

至此，未來的全球AI大分工已經(jīng)非常清晰：那些海量的文檔精讀、初級(jí)代碼生成、高并發(fā)的長文本翻譯和虛擬人閑聊，統(tǒng)統(tǒng)會(huì)作為“賽博代工訂單”，順著海底光纜，源源不斷地路由給國內(nèi)大模型集群。

電能一旦在AI芯片中被轉(zhuǎn)化為Token，它就徹底脫離了物理形態(tài)的束縛。它不像需要漫長的港口裝卸和遠(yuǎn)洋貨輪運(yùn)輸?shù)漠a(chǎn)品，而是以光速通過海底光纜，在毫秒之間傳輸?shù)绞澜绲拿恳粋�(gè)角落。

因此，與其說是全世界的極客跑來“薅”國內(nèi)大模型的羊毛，不如說是中國正在以絕對(duì)的成本與基建優(yōu)勢，悄然接管AI應(yīng)用時(shí)代的底層命脈。

當(dāng)硅谷巨頭們還在為摘取AGI的終極王冠不計(jì)代價(jià)地?zé)�錢、深陷物理基建的泥沼時(shí)，國內(nèi)大模型企業(yè)已經(jīng)化身為新時(shí)代的“基建狂魔”，用這源源不斷、跨越山海的廉價(jià)Token，穩(wěn)穩(wěn)當(dāng)當(dāng)?shù)刈銎鹆巳�球智能革命最不可或缺�?ldquo;水電煤”生意。

- END -

       原文標(biāo)題 : 老外用不起GPT，全跑來“薅”中國大模型的羊毛了