中国与美国要兑现token经济学，都需要用电力来破题。两国情况各有不同。美国的问题在于缺电，发电与电网基础设施落后，token产出规模受限于电力规模；中国的问题在于用电力换算力，相对低能效的硬件，推高了token单位成本。
在上周的采访中，微软CEO纳德拉（Satya Nadella)认为，现在与其说是缺卡，不如说是缺电，电力与就近数据中心的建设速度，限制了token的产出与变现。电不到位，通电的建筑（Warm Shell）不到位，GPU再多也只能躺着吃灰。
美国巨头之间新一轮AI基础设施投资高潮，已经变成了一场电力竞赛。扎克伯格也说，如果能获得能源，Meta就可以建立比现在更大的集群。它们的电或者来自公共电网，或者自建表后电力（behind-the-meter），或者两者结合。但每一项都不简单。尤其是ChatGPT智能体，正养出百万卡算力巨兽。美国的数据中心，正在从1GW级稳步迈向10GW级。Crusoe就声称，目前正在建设中的怀俄明州单一数据中心，一期目标1.8GW，远期目标10GW。
目前巨头自建离网电力，迄今还没有达到1GW级别的。它涉及到大规模天然气管道等基础设施的建设与燃气轮机的部署。但是，即使电力主要来自公共电网，在电力规模不断扩展的趋势下，同样困难重重。
研究机构EpochAI分析称，因为市场时不时担心AI泡沫，出于对需求方“跑路”的担心，美国的公用事业公司，通常不愿签署非常大的购电协议，也不愿对输电基础设施进行相应的资本投资。当然，OpenAI的奥特曼估计也不愿意亲自和电力签长约，上周他就说，“如果极廉价能源在短期内大规模上线，很多人会被自己签过的长约反噬”。
还有一个重要原因在于，数据中心规模与负荷越来越大，将对老旧的电网带去风险。美国最大的公用事业公司NextEra的首席执行官John Ketchum就称，支撑1GW需求相对容易，但要容纳5GW需要“一些工作”，更不用说10GW了。而且，即使美国最高容量的765kV双回路电压走廊，长距离也只能承载6-7GW容量规模的数据中心。
硅谷巨头已经多次向白宫喊话，索要产业政策的支持。面对白宫征询AI行动计划（AI Action Plan)意见，谷歌第一条建议就是基础设施，主要是电力系统。谷歌已经看到，创新需要迫切地从芯片（Chip）转向电网（Grid）了。此后，白宫也确实将“发展与人工智能创新速度相匹配的电网”，写入了“建设美国AI基础设施”这一章节，包括探索利用现有承载量的创新方法，优先考虑可靠、可调度电源的互联，并拥抱技术前沿的新能源发电来源。
上周，OpenAI继续向白宫建言，要和中国在AI上竞争，美国必须每年新增100GW的电力容量。去年，美国新增装机51GW，中国新增429GW，“电力鸿沟”巨大。
中国的发电量是美国的两倍多，电网比美国更加“坚强”，但是，中国的AI基础设施也有自己的“电力”难题。它建立在国产芯片的基座之上，后者在能效等方面仍然处于劣势。随着多模态模型与智能体协作的渗透，中国巨头对于算力的需求，向百万张卡级别迈进也是时间问题，低能效的短板会进一步放大。字节跳动的日均token调用，从今年5月的16.4万亿攀升至9月的30万亿，4个月翻了一倍。
在token经济学中，token成本是相当重要的组成部分。对于市场化的互联网巨头而言，token的成本就是AI基础设施的竞争，既包括硬件之上的软件与工具，也包括硬件本身，当然还包括让这些软硬件运行起来的电力与冷却系统。
长期而言，缺芯片的中国，正在举国攻关芯片和计算效率的突破。最重要的长期战略之一，就是维护国产算力生态健康有序地竞争与创新。在产业方面，DeepSeek等开源模型厂商正在牵引着芯片厂商软硬件协同设计；在资本方面，A股也在加速迎接摩尔线程与沐曦股份上市，壁仞科技、砺算科技与燧原科技也在推进中；在政策方面，国家也出台多项政策鼓励数据中心使用国产芯片，尤其是央企与政务相关。
这意味着，如果互联网巨头为长期战略选择国产芯片，也就在短期内承担了国产芯片用电力换算力的相对成本。在国内，一个主流云厂商，1GW的全年电费，大概在80-90亿元。
上半年，华为CloudMatrix 384发布，被视为用电力换算力的典型。相比当时英伟达最新推出的GB200 NVL72，它差不多在总算力上提升了1.7倍，但全系统能耗相应提高了3.9倍。为方便比较，不考虑单位内存或单位带宽的能耗，仅比较单位算力性能，那么，GB200 NVL72的约为0.81pJ（皮焦耳）/ FLOP，而CloudMatrix 384约为1.87pJ/ FLOP。相当于，超节点每执行需要1个FLOP的算力的任务，CloudMatrix 384就要比GB200 NVL72多消耗130%的电力。
下半年，华为在全联接大会上展示了昇腾AI芯片4年5款产品的路线图，以及更强大的Atlas 950 SuperPoD和Atlas 960 SuperPoD超节点，在卡规模、总算力、内存容量、互联带宽等关键指标上全面领先，不过没有披露最新的能效数据。考虑到在中国先进制程等半导体设计与制造领域，尚未追平全球最领先的水平，单位能效的差距在短期内也无法迅速抹平。
补贴等产业政策仍然可以与支持国产算力生态形成组合拳。甘肃、贵州和内蒙古等省份的工业电力单位成本，比中国东部更发达的沿海地区低约 30%，随着算力枢纽补贴采用国产芯片的数据中心，电价已经降至每度电4毛钱（5.6美分/kWh）以下甚至更低；而根据美国能源信息署8月份发布的数据，美国工业电力平均成本约为9.1美分/kWh。这相当于，中国AI生态每执行需要1个FLOP的算力的任务，花费的电费相当于美国AI生态的140%。这还没算上更低能效带来的更大的散热用电需求。
但是，一旦中国与美国的AI竞争扩展到全球，相应的补贴优势就会削弱。这就得进一步依靠模型效率与芯片能效的提升，以及新能源与储能出海的配合了。
