我花了两年才想通一件事——中国最便宜的出口商品不是衣服、光伏板或电解铝，而是一种大多数人还没意识到的东西。它不需要集装箱，不走海关，通过海底光缆就能完成交付。它叫 Token。

电力出口的物理困境

中国的电力成本在全球范围内有明显优势。风电光伏装机量世界第一，煤电虽然不够清洁但胜在稳定供给，综合度电成本长期低于欧美主要经济体。一个自然的问题是：这种成本优势能不能通过出口变现？

直觉上有两条路径，但都走不通。

电网直连的问题在于基础设施成本和地缘风险。超高压输电线路的铺设价格惊人，途经的每个国家都是一个独立的谈判节点。中国到东南亚的局部互联有一定可行性，但要实现石油管道级别的全球覆盖，当前技术和政治条件都不支持。

电池出口的问题在于物理定律。电池的能量密度存在天花板，长途运输中的自放电损耗、温控成本和物流重量叠加之后，运到目的地的电价往往高于当地发电成本。而且电池本身的制造成本受锂、钴等矿产价格波动的影响远大于电价本身，让"纯电力出口"这个概念进一步模糊。

还有一条间接路径：通过高耗能产品(电解铝、工业硅)出口电力。但这些产品的成本结构中电力仅占 30%-40%，矿产、加工、运输层层叠加，电力的价格信号被稀释得很薄。和石油"一桶就是一桶"的清晰定价相比，电解铝作为电力载体的纯度太低。

所以在储能和输电技术出现质变之前，电力作为直接出口商品几乎不可能。

这个判断在 2023 年以前基本成立。然后 AI 改变了方程式。

Token：电力的数字化出口形态

拆解任何一家 AI 公司的 Token 定价结构，两项最核心的成本是算力(GPU 折旧摊销)和电力(数据中心运营)。其他项——人工标注、研发摊销——分摊到每个 Token 上占比有限。Token 的边际成本中，电力加算力可以占到 70% 以上，而算力本身的运行也依赖电力。

这意味着一个用户调用中国 AI 公司的 API 时，本质上是在购买中国某个数据中心里那一瞬间的电力消耗。电力从未离开中国的电网，但它的价值通过 Token 完成了跨境交付。

对比之前讨论的三条路径：

• 没有输电线路的基建成本和传输损耗
• 没有电池的自放电和运输重量
• 不像电解铝那样被其他成本稀释

光缆传输的信号衰减相比电网输电可以忽略不计。Token 是迄今为止纯度最高的电力衍生品。

MiniMax、智谱、DeepSeek 能在全球市场上提供有竞争力的 Token 价格，模型架构效率(如 MoE)和工程优化能力当然重要。但如果把这些"软因素"在竞争对手之间拉齐，电力成本就是那个硬性的、绑定地理位置的、不可通过人才流动复制的差异项。

这里有一个值得注意的对比：GPU 军备竞赛本质上是人才竞争，电力竞争本质上是资源竞争。 NVIDIA 的工程师可以被挖走，新的芯片架构可以被发明 (Google 的 TPU 已经部分证明了这一点)，但电力绑定的是地理和基础设施，不会因为人的流动而转移。长期来看，算力端的差距会收敛，电力端的差距则有更强的持续性。

Sam Altman 在 2023 年投资小型核反应堆公司 OKLO，回头看逻辑很清楚 —— 他很早就判断 AI 竞争的终局变量不是模型架构，而是能源供给。

时间错配：当前能源价格攀升的根本原因

当前 AI 相关的能源价格上涨，并不是因为电力资源总量不足。中国的发电装机容量年年增长，光伏和风电的度电成本已经低于煤电。问题在于一种时间维度上的供需错配。

AI 对电力的需求增速按年翻倍，而一座新发电厂从立项到并网通常需要 3-5 年。现有电力配置体系的响应速度跟不上需求的爆发速度。类比一条设计通行量 10 万辆/天的高速公路，突然需要承载 50 万辆——不是路不够宽，是来不及扩建。

这种时间差创造了两个方向的机会和风险。

短期机会：手里有充足电力供应的地区，在 AI Token 市场上天然拥有定价优势。中国、中东、北欧 —— 低电力成本或供给充裕的地区，适合成为 AI 推理的"世界工厂"。

中期风险：如果 3-5 年后，为 AI 建设的电力产能集中上线，同期 AI 推理效率因为模型压缩和量化技术大幅提升(每个 Token 消耗的电力持续下降)，就会出现经典的供需反转——为 AI 准备的电力突然过剩。历史上，光伏产能过剩、液晶面板产能过剩，都是类似的周期。

但这个线性推演有一个重要的对冲变量。

杰文斯悖论：效率提升不一定降低总消耗

1865 年，英国经济学家杰文斯发现蒸汽机效率提高后，煤炭消耗不降反升。原因是使用成本的降低催生了大量之前"不值得"的用煤场景，总需求的膨胀速度超过了单位效率的提升。这就是杰文斯悖论。

AI 推理成本的下降很可能触发同样的机制。当一个 Token 足够便宜，会催生大量当前看来"不经济"的应用场景：

• 每个学生都有的个性化 AI 教师，实时调整教学节奏
• 7x24 小时的私人健康顾问，不是问答机器人而是持续监测和建议
• 每件商品、每个服务都内嵌 AI 客服，从售前咨询到售后支持全覆盖
• 实时翻译从"工具"变成"基础设施"，语言障碍在商业场景中基本消失

这些场景单独看每个都不是什么大消耗，但聚合起来的 Token 总消费量可能远超当前水平。

如果杰文斯悖论成立，AI 领域会进入一个更大尺度的螺旋循环：电力产能扩张 → 推理成本下降 → 新消费场景爆发 → 电力需求再次攀升 → 新一轮产能扩张。 每一轮螺旋中，Token 作为电力变现单位的角色都被进一步强化。

核心判断

Token 重新定义了电力的出口方式。 中国的电力成本优势过去被困在国境线内，因为电力的物理形态决定了它无法低损耗地远距离传输。Token 绕过了这个物理限制，把电力变现为可以通过光缆全球交付的数字商品。

GPU 竞争会收敛，电力竞争不会。 算力的军备竞赛是人才驱动的，长期来看技术路线会多元化、成本会趋同。但电力是地理绑定的资源禀赋，不会因为竞争而均质化。AI Token 市场的长期定价锚，最终会落在电力成本上。

当前的能源价格上涨是时间错配，不是资源不足。 需要警惕的不是"电不够用"，而是 3-5 年后产能集中释放与推理效率提升叠加造成的过剩风险。但杰文斯悖论提供了另一种可能——效率提升带来的需求膨胀可能再次吃掉多余的产能。

理解 AI 经济，不能只看模型和算法。得看背后的能源结构。