2026年，中国大模型API价格跌破“厘时代”，调用量碾压美国。

你以为赢在算法？错，真正底牌是“电”。

最近科技圈最炸的消息，莫过于国产大模型在海外市场“杀疯了”。

全球最大AI模型聚合平台OpenRouter最新数据：国产模型连续三周总调用量压制美国模型，前者7.359万亿Token，后者仅3.536万亿——国产模型占了调用量前九名里的五席。

与此同时，价格战打得全球同行头皮发麻。阿里云、DeepSeek、字节、百度、腾讯轮番降价，API价格已进入“厘时代”。中国银河证券数据显示，国内模型平均API价格仅3.88元/百万tokens，而海外模型高达20.46元/百万tokens，“国产价格仅为海外五分之一”。

很多人把功劳归于DeepSeek的MoE架构、FP8低精度训练、多头潜在注意力……这些技术创新确实牛，训练成本压到了GPT-4的1/14。

但今天我要告诉你一个更深层、更少人提及的真相：中国大模型之所以敢打价格战，是因为中国打得起一场“电力战”。

先算一笔账：大模型的钱，到底花在哪？

训练阶段，GPT-4耗时约95天，总能耗38.2吉瓦时，日均耗电约40万度——相当于4万户家庭一天的用电量。按美国工业电价0.472元/度（约6.5美分）计算，单次训练电费约1800万元人民币。如果在中国训练，工业电价0.635元/度，电费约2425万元，看似更高？别急，这只是“单价”的错觉。

真正的大头是“推理”。行业数据显示，一次典型的AI推理请求耗能0.3-3瓦时。假设一个日活千万的大模型应用，每天调用10亿次，日耗电可达300万度。一年就是10.95亿度电。

以中国工业电价计算，年电费约6.95亿元；以美国电价计算，约5.17亿元。看起来美国便宜？但请注意——美国电价波动极大，2024年得克萨斯州因极端天气电价一度飙升至人民币9元/度，而中国工业电价由国家统一定价，几乎不波动。

更重要的是，电费占大模型运营成本的比重远超硬件折旧。据券商测算，在典型推理场景中，电力成本占总运营成本的35%-50%，而GPU折旧约占20%-30%。也就是说，谁控制了电费，谁就掌握了定价权。

所以，大模型价格战的本质，不是算法战，而是“电费战”。

很多人拿中美工业电价简单对比：中国0.635元/度，美国0.472元/度，得出“美国更便宜”的结论。这是典型的“指标错位”。

而现实真相是，大模型数据中心需要的是稳定、持续、高可靠性的电力，而不是现货市场的波动电价。

中国工业电价虽然名义上高于美国，但包含了交叉补贴——居民电价低、工业电价相对高，但国家通过行政手段将大工业用户的电价长期锁定在低位，且不随燃料价格暴涨。美国则相反：工业电价看似低，但那是市场平均价，一旦遇到天然气涨价、极端天气、电网故障，现货电价可以瞬间翻5-10倍。

全球数据中心电力消耗预测；数据来源：IEA；制图：Claude

更关键的数据：中国的实际用电成本远低于美国。根据国家电网数据，中国工业用电和居民用电的平均电价约为OECD国家的59%，约为新兴市场国家的81%。

考虑到中国电网的供电可靠性（城市地区年停电时长低于1小时，农村低于5小时），而美国平均停电时长达662分钟（约11小时），得州、加州等地数据中心集中区域甚至高达1600分钟——停电意味着算力损失、服务中断、客户流失。把可靠性损失折算成成本，中国的综合电力成本优势至少在30%以上。

摩根士丹利在2025年的一份报告中直接指出：中国AI数据中心的度电综合成本（含可靠性、备用电源、调峰）比美国低40%-50%。这才是大模型价格战的真正“底牌”。

如果说低电价是结果，那么全球最大、最稳、最绿的电力基础设施才是原因。

数字不会说谎：2024年中国发电量超过10万亿千瓦时，占全球三分之一。截至2025年6月，发电总装机36.5亿千瓦，其中清洁能源装机22亿千瓦（占比60%），风电、光伏装机达16.7亿千瓦。可再生能源总装机约2.2太瓦，占全球一半以上。

但光有电不够，还得送得到、送得稳。这里就不得不提中国的“特高压”王牌。

目前中国已投运45条特高压线路，“西电东送”能力达3.4亿千瓦。特高压可以将西部清洁能源以低于0.2元/度的成本输送到东部数据中心，损耗仅5%左右。而美国没有特高压，跨州输电损耗高达10%-15%，且受制于各州不同的电网标准和利益博弈。

更关键的是，中国将 “东数西算”与“西电东送”深度融合。西部可再生能源丰富、电价极低（部分地区风电、光伏度电成本已降至0.15元以下），东部数据需求旺盛。通过算力调度，将非实时性算力任务迁移到西部数据中心，充分利用低价绿电。目前，“东数西算”的规模化效应已为全国提供约八成的智算算力。

“东数西算”工程；制图：Claude

还有一个杀手锏——储能。中国已建成全球最大的新型储能体系，2025年储能装机超80吉瓦，可有效平抑风电、光伏的波动性，为数据中心提供24小时稳定绿电。而美国的储能装机不足中国的三分之一。

总体而言，中国用国家战略级的能源基建，为AI大模型打造了一个“发电-输电-储能-配电”一体化、低成本、高可靠的电力底座，这在全球是独一无二的。

再看大洋彼岸，情况相当尴尬。

高盛2026年1月发布的《AI能源困境》报告直言：电力已成为美国AI发展的最大瓶颈。美国数据中心用电量已占总用电量约6%，到2030年将翻倍至11%，而美国电网老化、升级缓慢，70%的变压器超过25年设计寿命，输电线平均服役40年。

微软CEO纳德拉抱怨：“我们手上有成堆的GPU，却因为缺电、缺空间，只能闲置。”弗吉尼亚州和得克萨斯州的数据中心集中区域，停电时长分别高达962分钟和1614分钟。2025年，OpenAI甚至因为一次区域停电导致训练中断48小时，损失数百万美元。

更致命的是，美国无法快速新建电网。一条跨州输电线路从审批到建成平均需要10-15年，而中国建一条特高压只需3-5年。这意味着，即使美国想复制中国的“西电东送”，也至少需要十年时间。

黄仁勋在此前的访谈中更是直言：“中国的电力简直就是免费的。”虽然夸张，但他点出了一个事实：在AI竞赛中，电力基础设施的代差，比芯片代差更难弥补。

当然，光有电不会自动产生大模型。中国价格战的胜利是“技术创新降低单次计算能耗”与“能源优势降低每度电成本”的双重红利。

先说技术。DeepSeek的MoE将每次推理激活的参数从671B压缩到37B，计算量减少95%。多头潜在注意力（MLA）将KV缓存从传统方法的每token 500KB降至70KB。FP8低精度训练将内存和计算量减半。这些技术让每度电产出的有效算力提升了10倍以上。

再看能源协同。中国正在推进 “算电协同”——AI调度算法可以根据实时电价和电网负荷，动态将计算任务在东部和西部数据中心之间迁移。当西部风电大发、电价低至0.1元/度时，将大量离线推理任务调度过去；当东部电网负荷高峰、电价上升时，暂停非紧急任务。这种“算力随电走”的模式，使平均用电成本再降低20%-30%。

2025年，国家发改委、能源局联合发布《关于推进“人工智能+”能源高质量发展的实施意见》，明确提出构建“算力与电力协同发展”体系，这是国家级政策对大模型电力底座的直接背书。

反观美国，各州电力市场割裂、实时电价剧烈波动，AI公司只能被动承受高电价，无法通过算力调度来套利。这就是制度优势转化为成本优势的典型案例。

2025年第三季度工业电价横向对比；数据来源：GlobalPetrolPrices

2026年，中国大模型价格战仍在继续，但竞争焦点已从单纯的价格转向模型能力和生态。然而，无论表面如何变化，底层逻辑不变：算力的终极竞争，是电力的竞争。

高盛预测，到2030年中国有效备用发电能力将达到400吉瓦级别，是全球数据中心预计用电需求的三倍以上。这意味着，当全球其他国家还在为AI数据中心“抢电”时，中国已经提前二十年做好了能源战略储备。

更有远见的布局是“核聚变与下一代核电”。中国正在建设全球首座钍基熔盐堆商用机组，预计2030年前后并网发电，将为AI数据中心提供几乎无限、零碳、低成本的基荷电力。而美国在这方面的进展至少落后5-8年。

结论很清晰：中国大模型的价格战，不是短期的烧钱补贴，而是几十年能源战略的“溢出效应”。从上世纪90年代布局特高压，到“十四五”建成全球最大清洁能源体系，再到“东数西算”和“算电协同”——这些看似与AI无关的超级工程，如今正成为大模型竞赛中最难以复制的国家级竞争力。

当全球科技巨头还在为H100、B200芯片抢破头时，中国已经悄悄打赢了AI时代最关键的一场战争——电力争夺战。

而这，才是中国大模型价格战的真正秘密。