最近，全球 AI 圈都在被一個詞震撼—— OpenClaw（龍蝦）。

OpenClaw 有多熱？在國內，上門安裝 " 龍蝦 " 都成了暴利生意，幾天賺 26 萬；在海外，紐約、曼谷等城市，甚至出現了 " 龍蝦教 " ——成百上千的 " 龍蝦教徒 " 搶爆線下活動門票，把場地圍得水泄不通 ……

而當用戶真的用上 OpenClaw 才發現，它還沒開始掙錢，就先耗空你的錢包：有程序員養 " 龍蝦 "，日消耗數千萬到上億 Token；更有重度使用者一天就消耗 10 億 Token，花費數千美元。

也因此，中國的 Token 出海正成為一項新產業——在全球最大的 AI API 聚合平臺 OpenRouter 上，剛過去的 2 月，MiniMax 的 M2.5、月之暗面的 Kimi K2.5、DeepSeek 的 V3.2 三款國產模型的 Token 消耗量躋身全球前五；平臺前十模型的總 Token 消耗約 38.2 萬億，其中中國模型獨占 17.3 萬億，占比 45%。

盡管 OpenRouter 主要聚集了全球的個人開發者，在全球 AI 支出市場份額中只占很小比重，但這份 Token 消耗榜仍是中國 AI 大模型走向全球的最好注腳。

"Token 出海 " 這一概念并非空洞敘事，而是中國大模型通過 API 形式向全球輸出推理服務的跨境商業模式。

過去，人們評價一個模型，往往從參數、運算以及各種榜單排名上去看，但這些維度仍停留在實驗室的視角；如今，當 AI 智能體成為人們的助手、進入應用落地期，Token 消耗成為衡量應用規模化的核心指標。

或許，正如一位行業分析師所言，2026 就是 AI 算力敘事的分水嶺，從今年開始，市場對 AI 大模型只認兩個指標——你的 Token 生成速度是多少？你的百萬 Token 成本是多少？

1 個月前，AI 圈的焦慮還是誰能先用上 OpenClaw。

那時，但凡一場 OpenClaw 相關的活動，就有上萬乃至數萬人圍觀；但凡一個技術社群，人們討論最多的就是誰跑通了 OpenClaw，誰養起了 " 龍蝦 "。好像誰晚了一步，誰就要被時代拋棄，被財富拋棄。

然而當第一批吃 " 龍蝦 " 的人開始真的用上它后，就被失控般的 token 消耗震驚：

這些都是實實在在的真金白銀，而且一旦跑起來還不能停下，Token 帶來的焦慮感似乎肉眼可見。

就在 3 月 6 日，ChatGPT 也發布最新的 5.4 版本，不僅擁有更強的工具調用和智能體工作流，據稱其電腦操作能力比肩人類，還將上下文長度提升至 1M。更長的上下文，讓用戶的直接感受就是 " 貴 " ——有開發者拿它寫了半套 OpenClaw，賬單就讓人心疼了，甚至隨便聊兩句下來一天就要十幾美元。

那為什么過去人們用 AI 對話時從來不提 Token，而現在 OpenClaw 卻讓 Token 消耗失控了？

要理解這種失控，需先看清智能體和傳統對話式 AI 的差別。傳統對話模型就像兩人的簡單對話，用戶提問 - 模型回答，過程中的 Token 消耗是離散的、短暫的，一次頂多幾千、上萬；但 OpenClaw 這類自主智能體，則像一位全天候在崗的數字員工，它在你的指令下即要拆解目標、規劃步驟，還要調用工具、檢查結果，并且根據結果反饋再回退重試、自動循環 …… 每一步都在消耗 Token，每一輪對話都在放大成本——就像是個沒有開關的水龍頭，一次流淌百萬、千萬個 Token 都不在話下。

因此，這種 Token 的消耗增長已不是線性的，而是指數級的。

IDC 的數據更讓人震驚：到 2030 年，全球活躍 AI 智能體將達 22.16 億，年度 Token 消耗量將從 2025 年的 0.0005 PetaTokens 飆升至 152,667 PetaTokens ——增長超 3 億倍。

這些消耗的 Token，就是實實在在的金錢。" 過去用 AI 大模型，可能我的日均消耗量就幾十塊錢，還不用在乎；但現在的日均消耗變成幾百塊錢，而且在某些情況下我其實不需要非得用頭部模型，我可以根據不同任務適配不同的模型。" 無問芯穹首席解決方案架構師劉川林稱。

這種情況下，中國模型在 Token 成本上的優勢就顯而易見。

以 Anthropic 為例，其最新旗艦模型 Claude Sonnet 4.6 的每百萬 Token 輸出 15 美元；而 MiniMax 最新的 M2.5 模型海外定價 Lightning 版本百萬 Token 輸出為 2.4 美元，不足前者的 1/6。

3 月 2 日晚間，MiniMax 披露了上市后的首份財報。根據財務數據，其 M2 系列文本模型在 2026 年 2 月的單日 Token 消耗量已增長至 2025 年 12 月的超 6 倍；其中來自編程套餐（Coding Plan）的 Token 消耗量增長超過 10 倍。而今年春節前后，Kimi 也憑著旗下 K2.5 大模型的優秀性能和低成本，獲得大量全球付費用戶及 API 調用，20 天收入就超過 2025 年全年總收入。

過去，中國 AI 大模型在海外開源社區靠刷榜贏得贊譽；如今，我們靠著實打實的 Token 成本優勢，讓海外 AI 開發者用腳投票。

靠著 Token 成本優勢，中國 AI 大模型已經在海外霸榜了嗎？

這里要祛魅一下。盡管近幾周的 OpenRouter 周榜上，中國模型幾乎霸占前五，但 OpenRouter 的主要用戶還是全球個人開發者、獨立黑客和初創公司，它們在全球 AI 支出中的市場份額也僅占 2% 左右，真正的流量大頭還是那些財富 500 強企業、大型 SaaS 廠商（如 Salesforce、Microsoft），它們消耗了全球 90% 以上的 Token，但不會通過 OpenRouter 調用模型，而是直接對接像 OpenAI、Anthropic 這樣的官方 API 或通過 Azure/AWS 來托管。

此外，像 ChatGPT、Gemini 以及 Claude 這種 AI 巨頭，它們絕大部分的流量是在自家閉源生態內運行，也不經過 OpenRouter。

盡管這些都是閉源模型，但從一些披露的信息中也可見端倪。根據微軟 Azure 的披露，2025 年 6 月，僅 Azure OpenAI 的日均調用量就達 4.4 萬億 Tokens，按月算其調用量更是超過 130 萬億 Tokens；而 2025 年 7 月谷歌披露的月度 Token 使用量更是高達 960 萬億，是 Azure OpenAI 的 7 倍以上。因此，即使 OpenRouter 顯示的 Token 消耗高峰周（接近 18 萬億），也只是 Azure OpenAI 4 天的 Token 消耗量。

因此，OpenRouter 的榜單數據，更多是說明，中國大模型的 Token 主要滿足了那些追求低成本開發者的需求，而沒有進入最廣闊的全球企業級 AI 市場。

今天，DeepSeek、Qwen 等中國模型已經在海外開源模型拿下過半市場份額，為何進不了更大海外企業級市場？

這是因為，一方面歐美科技巨頭在海外市場布局比中國企業更早、更深，微軟的 Azure、谷歌的 Google Cloud、亞馬遜的 AWS 都已在全球市場扎根數十年，形成了牢固的企業生態，而今天 AI 與云計算已經深度綁定，自然它們更容易拿下已打下基礎的企業級市場。

另一方面，隨著科技發展、地緣緊張，數據主權成為國家安全的重要部分，歐美企業（尤其是金融、醫療、政府）對數據的合規和安全極其敏感，因此他們也更傾向與本國的云、AI 廠商合作。

不過，這一歐美企業筑起的圍墻，正開始出現裂痕。2025 年 10 月，Airbnb CEO 布萊恩就表示，公司正 " 大量依賴阿里巴巴的通義千問模型 "，" 我們也會使用 OpenAI 的最新模型，但通常不會在生產環境中大量使用，因為有更快、更便宜的模型可供選擇。" 當年 9 月，德國的梅賽德斯 - 奔馳與字節跳動合作，涉及豆包大模型、AI 云原生算法、智駕云等，豆包也就順勢 " 坐 " 上了奔馳。再往前，寶馬、 SAP 也均與通義千問大模型合作。

隨著 AI 對傳統企業的 " 逼迫 " 加劇，許多歐美企業在向 AI 轉型時已表現出 " 誰便宜用誰 " 的傾向。而中國 AI 大模型則憑借性價比優勢打開局面——這可能是中國 AI 模型未來通過 " 被集成 " 方式（作為幕后廉價算力提供商）滲透進全球 SaaS 生態的最好機會。

接著又來了新問題——為什么中國大模型能走性價比路線？

浪潮信息首席 AI 戰略官劉軍曾表示：

Token 成本不是財務問題，是戰略問題。誰能把成本壓下來，誰就拿到了智能體規模化的入場券。

Token 成本 ≈ 模型一次 " 思考 " 的電費 + 芯片折舊費。其中，芯片折舊費是單次購買，然后隨著每一次計算再不斷折舊；而電力是數據中心持續運轉的燃料。我們曾跟多位數據中心從業者交流，通常一個數據中心運營成本中，電費要占 50% 以上，一個大型 AI 數據中心的年電力賬單就可達數億美元。

從 Token 成本的構成看 —— 芯片折舊拼的是產業創新，而電費拼的是國運級基礎設施。

而說到電力，全球范圍內幾乎只有中國的電力供應和電力設施是最完善的。美國則因越來越大的數據中心電力消耗，正在引發電荒。

今年 2 月初，美國紐約州議員就提出法案，要暫停發放數據中心新建及運營相關許可證，暫停令為期三年。原因是紐約州數據中心總數已超過 130 座，由于數據中心耗電巨大，有高達 10 吉瓦的用電需求正在排隊接入電網，短短一年內這一數字增長了 3 倍。因此，紐約州州長開始要求數據中心 " 承擔其應承擔的成本 "。

除了紐約外，美國其他多個州也開始對數據中心單獨收取更高的電費，甚至還要求數據中心提供長期承諾和財務抵押擔保。

這背后并不是因為美國真的缺電（美國總發電容量是超過總用電量的），而是因為很多美國電力設施已經老舊，無法承受 AI 訓練全年無休、滿負荷運行的高負荷強度。而由于美國電力分配不均，而且數據中心的接入速度遠大于發電建設速度，因此老舊的電力設施就卡住了數據中心的脖子。

這種結構性問題，短時間內難以解決，因此倒逼著一些大型數據中心自建電站，并承擔電網升級的費用，也因此抬高了 AI 企業的算力成本。

但反觀中國，過去幾年中國已悄悄從頂層設計上布下一張大棋。

2020 年國家推出新基建，將 AI 算力、特高壓等作為新型基礎設施提前布局，建成了一張全球規模最大、穩定性最強、新能源消納能力最強的交直流混聯大電網，也是全球唯一實現特高壓大規模商業化運營的電網。這種穩定性，幾乎可以避免大規模停電的情況，讓大模型的訓練 / 推理不會因斷電而廢掉進度；而且容量超大，想擴卡就能擴，不會被電網容量卡脖子。

2022 年，國家再落下一子——推出東數西算工程，將東部算力需求引導到綠色電力資源豐富的西部。換句話，這就是讓最耗電的 AI 數據中心離擁有最便宜電力的地方最近。這使得 AI 數據中心的運營成本直接降低了 30%-50%。

2025 年，國家又在雅魯藏布江下游投入 1.2 萬億元布局雅江水電站，這將是全球最大的水電項目，建成后其年發電量約 3000 億千瓦時，可滿足全國約 3% 的電力需求。這將把西部的電力成本再往下拉一大截。

至此，Token 成本的 " 西升東降 " 格局已然清晰——在未來海量智能體同時在線的世界，中國可以用最低成本的 Token 把 AI 服務輸送到全世界。

當算力不再被電力束縛，中國 AI 出海的想象空間，才真正開始打開。

來源：霞光AI實驗室