文 | 佘宗明

“Who is winning in AI—China or America?”去年9月，《经济学人》抛出了这么个AI圈和键政圈共同的必谈话题。

搁前两年，答案似乎不言自明，当时的画风就摆在那——

2023年9月，黄奇帆发声：中美AI大模型差距至少在2年以上，差距还在快速拉大。

2024年3月，蔡崇信跟挪威主权财富基金掌舵人对话时，被问到中国在AI发展上跟美国“（差了）一年、三年还是五年？”后，回答“可能比美国顶级LLM（大语言模型）落后两年。”

2024年7月，梁文峰受访时表示：表面上中国 AI 与美国可能仅有一两年的技术代差，但真实的差距是原创和模仿之差。

但自去年以来，画风似乎陡转。

去年11月，包括FT在内的多家主流媒体都报道了黄仁勋在某场闭门会议中的说法：中国会赢得AI竞赛。理由是，更低能源成本、更宽松监管环境和百万级AI工程师规模。

虽然黄仁勋事后对此否认，称没有说过中国会赢得中美AI竞赛，但他仍强调了目前世界上最流行的开源AI模型都来自中国，美国必须“加快步伐”。

今年1月，马斯克在访谈中说，“人们严重低估了增加电力供应的难度，未来两年，谁能解决电力和冷却问题，谁就能赢得AI战争。”并强调中国在电力生产方面的巨大优势，预测 “2026年中国发电量将是美国的3倍”。

没过多久，他又表示，“AI部署的根本限制因素是电力供应，很明显，我们很快——甚至可能就在今年晚些时候——就会制造出更多芯片，却因电力不足无法启用”“除中国外，全球电力输出已基本停滞，而芯片产能却在指数级增长”，指出中国是全球AI电力瓶颈的“例外”。

现在看，Token为王时代的到来，俨然佐证了黄仁勋和马斯克对中国赢面的判断。

全球最大的AI模型API聚合平台OpenRouter数据显示，今年2月，在全球Token调用量排名前五的模型中，中国独占四席，MiniMax
M2.5、Kimi K2.5、智谱 GLM 5、DeepSeek V3.2 包揽前列。中国AI模型Token调用量首次超过美国。

问题来了：是时候喊出那四个字——“湖人总冠……”，说错了，是“中或最赢”吗？

我的看法是：现在说“赢”为时尚早，但中国确实手握了多项优势，善用这些优势，才能为把握未来AI竞争中的主导权攒下更多筹码。

01

种种迹象表明，2026年是AI发展大年，年初的红包大战只是前戏，现在的Token生产、分发、消耗、变现全链路争夺战才是正戏。

这些天，有几个标志性事件就摆在那：

1，中国掀起“龙虾热”，腾讯、阿里、字节、百度等纷纷推出一键安装的“龙虾套餐”。

2，国内“龙虾三兄弟”迅策科技、Minimax、智谱股价都已翻番，市值不断创下新高。

3，3月16日，阿里成立 Alibaba Token Hub（ATH）事业群，由CEO吴泳铭亲自挂帅。

4，3月18日，在2025年度业绩沟通会上。马化腾首谈“龙虾”：龙虾类应用打造了新的去中心化入口，给微信AI开发带来了启发。

5，3月18日，阿里云、百度智能云同日因Token调用量暴涨上调AI算力、存储产品价格。

这些情形，相当于给黄仁勋在GTC2026演讲中的重磅论断做了注解：

AI已从训练时代全面进入推理+智能体+物理 AI 的工业化时代，Token 成为AI执行时代的数字大宗商品与硬通货。

未来数据中心不再是文件仓库，而是不间断生产Token的巨型工厂，Token成为AI生成智能的基本可交易单位。

这叠合成的一句话便是：Token为王时代，已经来了。

AI时代的竞争，早已从单一的模型迭代、芯片比拼，升级为以Token为核心计量单位的算力价值争夺战。

而Token变成AI时代产业竞争的关键筹码、全球算力秩序重构的核心锚点，对中国AI资产提升整体上是利好的。

拼模型，在OpenAI的GPT、Anthropic的Claude、谷歌的Gemini面前，国产大模型依旧是弟弟。

虽然斯坦福大学人工智能研究所2025发布的报告显示，中美顶级AI模型性能差距已缩至0.3%（2023年为20%），但若摒弃“只要定语加得多，自己也能是第一”的口嗨式玩法，就不得不承认，差距依旧不小。

拼芯片，中国“AI芯片三巨头”寒武纪、摩尔线程、沐曦能争的，也就是个“中国英伟达”的Title。

二者的差距，就跟我和吴彦祖的颜值PK是一样一样的。

但要拼Token……估计不少中国AI企业的os是：聊到这个，我可就不困了啊。

这波“龙虾热”，带动MiniMax和智谱年内市值翻番、Kimi母公司月之暗面估值3个月内翻4倍，给了阿里云把价格打上去的底气，就说明了很多事情。

要不是恒科“没有纳斯达克的命，得了纳斯达克的病”，中国AI资产借着这股龙虾热潮实现全面爆发，未必就是奢望。

说到这，还得感谢龙虾（OpenClaw）之父彼得·斯坦伯格。OpenClaw爆火，AI Agent爆发，打通了AI应用落地的“最后一公里”，让Token消耗量实现了几何级增加，直接带来了“印钞机效应”。

“龙虾三兄弟”的庆功宴上，虽说鱼头对准彼得·斯坦伯格有些政治不正确，但人家不来，谁都不能动筷子，总该是基本礼仪吧。

02

Token为王时代到来，很多玩法就变了。

阿里为什么要成立ATH，将模型研发、算力调度、MaaS 平台、场景应用整合在一块？

可以这么理解：Token就是包饺子用的馅料，ATH是在将做AI的业务线并成“Token大本营”——实验室负责调馅（造Token），阿里云负责送饺子皮（运Token），千问和悟空就是煮饺子卖钱的（用Token），进而打造“创造Token-输送Token
-应用Token” 的全产业链体系，从模型厂商转型为Token供应商与基础设施运营商。

阿里要这么做的原因并不复杂：Token双重属性的任督二脉已经被“小龙虾”打通了，其中一面是能源属性——Token是AI世界的“石油”，谁能以最低成本生产高质量Token，谁就掌握产业定价权；另一面是货币属性——Token是生态内的通用“货币”，连接模型厂商、云服务商、开发者与终端用户，支撑订阅付费、按量计费、生态分成等多元商业模式。

随之而来的，是数字经济核心发展逻辑的转变。

在前AI时代，流量是核心：用户增长、日活月活、使用时长、广告库存是胜负手，产品服务的边际成本趋近于零，规模越大成本越低。所以那时争的是垄断式入口，是国民总时间，是流量最大化变现。

在AI时代，核心是Token：日总Token消耗、单用户Token消费、付费转化率、任务闭环率成为核心指标，行业评价体系从DAU、MAU转向TPD（Token Per Day），从比拼模型参数转向单Token成本、每瓦Token产出、智能密度。

所以BAT近期的战略转向很明显：手握AI
To
C领跑者豆包的字节，有意从内容分发帝国转向全场景Token消费枢纽；用千问实现了“一句话购物、打车、点外卖、订酒店”全链路闭环的阿里，有意从电商生态巨头转向Token工业化生产与交易闭环运营商；近来推出龙虾全家桶的腾讯，有意从社交连接王者转向社交链Token裂变与智能体控制平台。

方式就是拥抱龙虾，玩转龙虾，超越龙虾。

此处应该配上台词：龙虾热的红利，MiniMax、Kimi和智谱吃得，我大厂吃不得？

谷歌、微软、Meta们想说“我也想吃”，可OpenRouter平台的Token调用量却捂住了他们的嘴巴：不，你们吃不上。

就GPT、Claude、Gemini顶尖大模型那感人的API调用价格，就足以劝退很多人。

诸多因素决定了，小龙虾注定是“墙外开花墙内香”。

最起码，国外顶尖大模型的云端垄断、高价计费模式，就跟本地智能体的发展趋势不太“适配”。

03

在Token为王时代，谁能以更低的成本生产Token，谁能构建更高效的Token流通生态，谁就能在全球AI竞争中占据更多主动。

就目前看，中国已成为全球Token生产的“超级工厂”。而中国的Token产能优势，也正部分对冲中美AI竞赛中芯片和模型维度的竞争劣势。

黄仁勋把AI产业链划分为“五层蛋糕”模型，自下而上依次为能源、芯片、基础设施（数据中心、算力网络）、模型和应用。这里的“能源”，首要指向是电力。正如黄仁勋所说，“实时生成的智能需要实时产生的电力支持。每一个生成的
token，都是电子流动、热量管理以及能量转化为计算的结果。”

马斯克再三强调“能源等于智能”“瓦特将成为新货币”，意思也差堪仿佛：AI的尽头是算力，算力的尽头是电力。

说白了，算力的本质是能源的转化，电力是支撑AI算力运转的核心动力。对于大规模算力集群而言，电力成本在运营成本中占比极高，尤其是在推理端。可以说，电价的高低，直接决定了Token生产的成本底线。

而中国恰恰有着独一无二的电力供给条件：它“既有又有”，既有廉价性，又有稳定性。

就廉价性来说，西部新能源富集区的绿电成本低至0.2至0.3元人民币/度，仅为欧美同期工业电价的1/3甚至1/5。MiniMax
M2.5在OpenRoute上的百万Token输入价格仅为0.3美元，是Claude
Opus等海外同级别高端模型价格的1/20；DeepSeek
V3.2则通过技术优化，将每百万Token价格压至GPT-5.4的近1%……就离不开廉价电力的“助攻”。

就稳定性看，咱们可以不懂什么叫特高压输电网络，不知何为“源网荷储”一体化物理架构，不解电网冗余度达80%-100%意味着什么，但“海外头号中国电力宣传员”马斯克说中国是全球AI电力瓶颈的“例外”，不全是身为“中国夸夸群群主”的自觉。

如果说是国内的“西电东送”支撑了中国如今在全球的“西数东算”Token出口局面，那欧美国家在起步上就输了——“西电东送”？那是不可能的，大America自有国情在此。

需要看到的是，中国能成为Token生产的“超级工厂”，除了“成本优势”外，还有“生态优势”上。廉价电力对应的是成本优势，全链算力底座对应的则是生态优势。

在硬件-软件-数据-应用的完整产业链闭环构建上，中国将原来在工业领域的“唯一具备全门类能力”的剧本复制了过来，成为全球唯一拥有完整算力产业链的国家。

硬件上，高端GPU领域跟英伟达差距得正视，但从寒武纪、摩尔线程们的市梦率看，资本市场对国产替代还是寄予了厚望的，而国产芯片确实也在进步——这点还得感谢特朗普的“曲线助攻”。

软件上，MoE架构、异构算力调度等算法优化、Token分发上的优化措施，也充分发挥了咱们在“拼得多，省得多”的惯有优势。

至于数据跟应用，也毋庸多言了。这波“龙虾热”背后Token从生产向流通、消费全链条延伸的态势，就离不开全场景应用的支撑。

正是凭借成本优势+生态优势，中国才能成为全球 Token市场呈现出 “一超多元” 格局中的那个“一超”。

而今，美国依旧掌握高端芯片、底层算法的部分核心技术，但在Token规模化生产、成本控制上没有优势；欧洲、日本等经济体受制于算力基建不足、能源成本高企，难以形成规模化竞争力。

相形之下，中国则成了全球最大的Token生产国与出口国——因为性价比够高，Token隐约有成为继“新三样”后中国“数字出口新名片”的势头。

04

说到底，在Token为王时代，中国的Token产能优势就成为AI产业发展优势的强力支点。

Token的普及，会彻底改变算力价值的计量与分配逻辑。

在此之前，算力的价值难以标准化、可交易化，只能按硬件成本计价，这时候，算力定价权掌握在英伟达、AWS、Azure们手上。

到了Agent时代后，Token则能将抽象的算力转化为可精确计费、可跨境流通的“数字商品”，变成了按场景价值计费，数据中心从服务器集群变成“Token工厂”，算力网络变成“Token管网”，用户交互变成“Token消费”，那也就成了中国AI公司的舒适区。

比模型，暂时还比不过GPT、Claude、Gemini；比芯片，眼下也比不过英伟达、AMD等。但要比Token产能……这里请把马斯克语录循环播放。

可以预见，随着Agent代表的应用落地阶段到来，Token消耗量必然会延续指数级增长趋势，Token经济有望迎来规模化爆发，成为中国AI抢占全球智能生态主导权、构筑长期核心竞争力的重要引擎。

“龙虾热”在点Token成金，中国在AI落地应用上的优势正在释放。

可若是秉持“赢学思维”看待这番情形，认为“中或最赢”中的最赢指的是全面超越、跨代领先，又未免有些嗨过头了——着眼现实看，这类嗨过头的看法，正是那些“厉害体”拥趸的常见论调。

Token产能优势确实筑起了中国在算力PK中的核心壁垒，但这仍是局部优势，离转化为整体代际优势仍有不短的路要走。

尽管Token产能优势能让很多人少些“中国AI被美国AI拉大差距”的焦虑，却也不足以支撑“中国AI已全面赶超美国AI”的自大。

至少在GPT、Claude、Gemini依旧作为国产大模型发布会上的对标对象存在时，在寒武纪仍被称作“中国英伟达”而非英伟达被称为“中国小寒武纪”时，在“Our
Chinese are better than their
Chinese”得到扭转前，我们仍需正视底层框架、核心算法专利上的差距和高端GPU芯片上的短板。

不难想见，在很长时间内，“美国强基础创新，中国强工程应用”的差异化格局大概率仍会存在，二者双峰并峙的局面仍会延续，输赢在竞合格局中难以立马见分晓。

争个输赢固然重要，但更重要的是充分发挥比较优势。

而发挥比较优势，要的是多些脚踏实地，能在自卑和自大中选择自省与自信，在看到自我优势和看到别人优势中选择“Both”，而非“赢学思维”下的无脑亢奋。