<div id="readability-page-1" class="page">2026 年初，OpenClaw（俗稱 “小龍蝦”）在 GitHub 上迅速走紅，到 3 月成為 GitHub 歷史上增長最快的開源項目之一。從極客玩家到普通用户，從程序員到退休老人，“養龍蝦” 幾乎一夜之間刷遍了各大平台，甚至成了年輕人的一款 “時尚單品”，爭相嚐鮮的新潮流。 説到 Agent 替人幹活這件事兒，“代價” 不小。Agent 完成一個任務，背後是幾十次連續的推理與決策，算力消耗可能是普通對話的數十倍。比如 GPT-5.4 回覆一個 “Hi” 就需要 80 美元。Agent 越普及，算力需求越大，電力消耗也隨之急劇攀升。 一位資深 AI 研究員表示，token 的消耗，將越來越深地嵌入經濟運行的底層邏輯。未來絕大多數經濟活動，都將以消耗 token 的形式完成。而電力，正在成為這場 AI 競爭中越來越關鍵的變量。 一直以來，中國的電力成本在主要經濟體中保持較強的競爭力，就連馬斯克和黃仁勳都曾多次公開表示&#34;中國或將因為能源電力優勢贏得人工智能競賽&#34;。 不過，“電力優勢” 只是一個籠統的説法，這句話背後，是一套中國獨有的能源電力格局，機遇與挑戰並存。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/78cfc163-2a8e-402f-b896-edd3332b5125.jpeg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="682" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/78cfc163-2a8e-402f-b896-edd3332b5125.jpeg"/> <h2>AI 算力狂奔，全球電力需求水漲船高</h2> 隨着生成式 AI 的爆發，正以前所未有的速度吞噬全球算力資源。 中國信息通信研究院數據顯示，截至 2025 年 6 月，全球計算設備算力總規模已達到 4495 EFlops，同比增長約 117%。其中，用於人工智能訓練與推理的智能算力佔比已從 2024 年的約 70% 提升至 85%，成為算力增長的主要驅動力。 這種算力需求的快速增長，也正在直接轉化為電力消耗。根據國際能源署（IEA）發佈的《能源與人工智能》報告，2025 年全球數據中心電力消耗約為 415—650 太瓦時（TWh），佔全球總用電量的約 1.5%—2%。其中，AI 數據中心用電量佔比已達到 30%—40%，並仍在快速上升。 IEA 指出，美國、中國和歐洲是全球數據中心電力消耗最集中的地區，其中美國約佔 45%，中國約 25%，歐洲約 15%。 “小龍蝦” 等 Agent 的廣泛應用，正在讓這種消耗進入一個新的量級。 以 OpenClaw 為例，每一個步驟都在消耗算力和不少真金白銀，有海外用户表示，一個配置不當的自動化任務一天燒掉了 200 美元 API 費。 此外，即便在價格相對較低的模型上運行，Agent 的持續調用也會帶來不小的成本：一天運行 Kimi 的成本大約在 5 到 10 美元之間，月度 Token 預算通常在 150 到 300 美元左右；如果使用 Claude API 並讓 OpenClaw 7×24 小時持續運行，月成本可能達到 800 到 1500 美元。 美國高德納諮詢公司（Gartner）預測，到 2026 年底，將有約 40% 的企業應用嵌入任務型 AI 智能體，而這一比例在 2025 年還不足 5%。當 Agent 的使用變成企業日常基礎設施，算力需求也隨之發生變化，逐漸轉變為持續運行的基礎負載，源源不斷地拉動全球電網的用電需求。 這種增長速度，已經讓能源行業開始感到壓力。摩根士丹利預計，2025 年至 2028 年，美國數據中心累計電力缺口將達到 47 吉瓦，相當於約 9 個邁阿密城市的總用電規模。這些數字背後，是一場肉眼可見的能源消耗競賽。 與此同時，不同國家的 AI 算力生態，也在影響這種能源消耗的成本結構。 資深 AI 研究員表示，目前全球大模型訓練體系主要建立在 NVIDIA 的 CUDA 軟件生態之上，不少大規模模型訓練仍高度依賴 NVIDIA GPU 與成熟的軟件框架。相比之下，國產 GPU 在軟件生態上仍在快速完善階段，因此目前更多用於推理場景。 這也使得開放權重模型在中國更具現實意義。只要模型權重開放，企業就可以在本地服務器或國產 GPU 上完成推理部署，從而不必完全依賴海外雲廠商。 在這種模式下，AI 的成本結構就會發生變化：模型推理的成本不再只是 GPU 和雲服務費用，而更多轉化為服務器和電力成本。 也正因為如此，電力成本在中國 AI 算力體系中的重要性被進一步放大。 <h2>AI 背後的能源競爭，不只是電價便宜這麼簡單</h2> 隨着 Agent 的火熱和持續多步推理，token 消耗量級大幅攀升，算力的背後，是源源不斷的電力消耗。在這樣的背景下，中國低價 token（指國產 AI 大模型對外提供的 API 調用價格）的優勢，未來還能繼續維持嗎？ 華中師範大學人工智能教育學部助理教授熊宇軒表示，從能源電力角度看，中國低價 token 的背後存在結構性成本優勢。 這種優勢首先來自中國整體電力體系的規模和成本。 從規模層面來看，中國已經擁有全球最大的電力系統。截至 2025 年，中國累計發電裝機容量達 38.9 億千瓦，全社會用電量首次突破 10 萬億千瓦時，穩居世界第一。“10 萬億千瓦時”，相當於美國全年用電量的兩倍多，也高於歐盟、俄羅斯、印度、日本全年用電量的總和。這種大規模發電能力為高耗能的 AI 數據中心提供了堅實的供應基礎。 2026 年 3 月 5 日，《2026 年國務院政府工作報告》提出，要 “實施超大規模智算集羣、算電協同等新基建工程，加強全國一體化算力監測調度，支持公共雲發展”。在算力與能源深度協同的政策框架下，中國的數據中心和 AI 算力基礎設施可以更有效地與電力系統進行匹配。 同時，中國在水電、風電、光伏等清潔能源領域的裝機規模長期位居全球前列。在部分地區，豐富的能源供給也使得數據中心能夠獲得相對較低的用電成本。 “在降低用電成本的同時，這種能源結構也有助於減少碳排放”，熊宇軒表示：“未來，中國低價 token 仍然具有一定競爭力”。 一位資深電網專家表示，真正構成結構性護城河的，不僅僅是能源規模，還有中國在電力系統調度和遠距離輸電體系上的系統能力。 中國電力能源分佈有一個天然的結構性問題：資源在西部，需求在東部，兩者相距數千公里。解決這一矛盾的核心工程，是特高壓（UHV）輸電網絡。 目前，中國已建成 44 條跨區輸電通道，擁有全球最高電壓等級、最長特高壓輸電線路。 截至 2025 年底，西電東送能力超過 3.4 億千瓦，支撐了東中部地區約五分之一的用電需求。來自新疆、甘肅、內蒙古的低成本風電、光伏可以高效輸送至算力密集的東部地區，讓數據中心在不依賴城市高價電網的情況下，依然能獲得穩定、充足的電力供應。 這種 “東數西算” 的模式，在全球範圍內都具有一定的開創性，目前也只有中國以國家工程的形式系統推進。 因此，中國在 AI 能源上具備獨特的優勢：規模夠大可以接納大體量負載，特高壓夠強可以跨區域調度，制度夠快可以迅速落地。幾者疊加，才構成 AI 算力基礎設施層面真正的戰略壁壘。 <h2>AI 算力的真正門檻：電力質量與穩定性</h2> 規模和輸配、生態能力之外，還有一個更容易被忽視的因素：電力質量。 中國低價電力的背後，是截然不同的能源結構。BraneMatrix AI 公司 CEO 李光輝表示，中國電力價格的形成機制其實非常複雜，AI 算力的成本優勢不僅取決於電價，還與能源結構和電力系統能力密切相關。 現實情況是，中國不同地區的電力結構差異很大。 比如有的地區煤電資源豐富，電價相對較低；有的地區新能源裝機規模較大，但由於消納能力有限，局部時段會出現電力過剩；還有一些地區則受限於電網調度能力，新能源併網和穩定供電仍然存在一定挑戰。這種能源結構的差異，使得中國電力資源呈現出明顯的區域特徵。 並且，對於 AI 數據中心來説，各地電力資源的差異並不僅是電價高低，更重要的是供電環境是否穩定。 李光輝指出，GPU 集羣對電力環境的要求極為苛刻。電壓或電流出現明顯波動，輕則影響設備性能，重則直接損壞硬件、提高故障率。這意味着，即便拿到了低價電，如果供電質量不達標，反而得不償失。此外，在電力基礎設施不夠完善的地區，如果直接使用波動較大的新能源電力，也可能增加設備運行風險。 因此，一些大型 AI 數據中心正在構建更完整的電力基礎設施體系，例如專門的電力調度系統、穩定電源設備，以及軟件驅動的電力管理能力，以確保 GPU 集羣能夠在穩定環境中長期運行。比如 Google、Microsoft 等雲廠商的數據中心往往配套獨立電力系統，這已經成為 AI 算力基礎設施的重要組成部分。 從這個角度看，在 Agent 時代，AI 算力面臨的關鍵問題，不只是電價高低，而關鍵的是電力系統能否穩定支撐大規模 GPU 集羣長期運行。 <h2>懸在 AI 算力頭頂的能源隱憂：地緣政治</h2> 電力系統的規模和穩定性，決定了 AI 算力能否長期運行。但在更宏觀的層面上，能源供應本身的穩定性，同樣會影響這一體系的運行。 近期，美國與伊朗之間的緊張局勢再度升級，中東地區安全形勢受到關注。 其中，作為連接波斯灣與阿曼灣的重要航道霍爾木茲海峽，是全球最關鍵的能源運輸通道之一。中東產油國出口的石油，大多需要通過這條海峽運往亞洲、歐洲等地，中國從沙特、伊拉克、阿聯酋等中東國家進口的原油，也主要經由這一航道運輸。 一旦地區衝突升級或海運通道受阻，不僅可能推高全球油價，也可能通過國際能源市場傳導至天然氣等能源價格，從而影響整體能源成本結構。 截至 2025 年，中國天然氣的進口依賴度約為 40%—45%，主要來源包括俄羅斯管道氣、中亞天然氣管道以及來自卡塔爾、澳大利亞等國的 LNG（液化天然氣）。雖然天然氣在中國整體發電結構中的佔比不高，但在電力系統中承擔着重要的調峯作用。 如果未來中國能源結構發生變化，而與此同時 AI 算力需求仍在快速增長，那麼電力供應體系是否會面臨新的壓力，也是行業關注的一大問題。 資深電網專家表示，中國能源體系雖然規模龐大，但在部分能源資源上仍然存在外部依賴，例如石油和天然氣等能源仍需通過國際市場進口，其中一部分可用於發電等能源用途。但隨着國際地緣政治格局和能源市場的變化，這些外部能源來源的穩定性也可能出現波動。 這場 AI 競爭背後的能源問題，仍有許多懸而未決。 風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。</div>

納斯達克中國金龍指數

中概股 ETF - PowerShares

中國龍 ETF - Roundhill

中國 MSCI ETF - iShares

本文探討了中國在 AI 算力需求激增背景下的電力成本競爭力。OpenClaw 項目的迅速流行引發了對算力和電力消耗的關注，預計到 2025 年全球數據中心電力消耗將佔總用電量的 1.5%-2%。中國的電力優勢被認為是其在 AI 競爭中的關鍵因素，但也面臨機遇與挑戰。

- OpenClaw 成為 GitHub 增長最快開源項目之一，推動 AI 算力需求激增。  
- 全球計算設備算力迅速增長，電力消耗明顯增加，中國電力成本具競爭優勢。  
- AI 競爭背後存在能源供應穩定性風險，需關注未來電力結構變化影響。

沒有中國電網，做不了 “國產龍蝦”