一度电，
能吐多少Token？
AI 这门生意，正从“烧钱造脑”转向“烧电干活”——训练只烧一次，推理却要天天烧电。 一度电到底能换多少 Token？电费占几成？为什么省电越来越难？一屏一镜，把“插座到 Token”这条能量账摊开。
四个数，看懂这笔电费账
租金账算完了，这期算电费账
很多人以为 AI 最费的是钱，其实越往后，最绕不开的是电。训练只烧一次，推理要持续烧——这正是“能耗账”今天才变重要的原因。
🔁 三十秒回顾前几期
- EP01：算力 = 电；一张 GPU = 一台发电机；Token = 出租车跳表。
- EP02：Token 单价在塌、用量在飙，“量价剪刀差”撑起总需求。
- EP03：供给端“包租公”的回本账、毛利账，电费是其中一块成本。
- 这一期 EP3.5：把“电费”这块放大——一度电吐多少 Token、电费占几成、为什么省电越来越难。
从插座到 Token，这条能量账怎么算？
🧾 把“每度电的产出”“电费占比”“能效天花板”摊开，你就能判断 AI 烧电到底烧在哪、还有多少省的空间——而不是被“AI 耗电吓人”或“AI 其实不费电”两种极端各带一波节奏。
先给你一个数：一度电，能吐上千万 Token
左边是1 度电（1 kWh），经过 GPU + 模型这台“绞肉机”，右边吐出来的是 token。最优条件下，一度电能产出超过 1000 万个 Token。
一度电能吐多少 Token，其实跟电关系不大——关键看这度电，喂给了什么芯片、跑的是什么模型。
💡 看懂这张图，全文就懂一半了。“一度电吐多少 Token”不是固定数，而是一台“能效机器”的产出——机器越先进（新卡、低精度、合适的模型），同样一度电吐的 Token 越多。下面三步拆开：先看每个 Token 的能量底价，再看电费在成本里占几成，最后看能效天花板在哪。
一个 Token，大概值0.3 到 1.5 焦耳
在 H100 这类主流卡上，生成一个 Token 约消耗 0.3–1.5 焦耳；换算到一次完整对话，中位数约 0.31 瓦时（Wh）——不到点亮一盏 LED 灯泡几十秒的电。
那些“吓人能耗数字”，往往高估了几倍
⚠️ 网上流传的“AI 一次提问耗一瓶水 / 一度电”之类的数字，很多是非生产环境的估算，往往把真实能耗高估了 4–20 倍。真按生产部署算，效率比大众印象好得多。科普的本分是给区间、标来源，而不是挑最吓人的那个数。
电费，其实只占一成到两成
在一台 H100 服务器的算力成本里，电费只占 10%–20%，真正的大头是卡本身的采购与折旧，剩下水冷、网络、运维加起来也不多。
电费不是命门，折旧才是
为什么大家拼命压电费、找便宜电，却很少有人因为电价高就不建机房——因为电费不是这门生意的命门，卡的折旧才是（这正是 EP03 那条“折旧赛跑”）。电费是持续的、躲不掉的运营成本，省一点是一点；但决定回本的，仍是那张会快速贬值的卡。
不过电费有个特点：它是动态成本，没法“包月”兜住。海量并发一上来，电力和带宽开销直接顶上去——这也是为什么算力越来越倾向按 Token、按用量计费：因为底层的电，本来就是按用量烧的。
省电的便宜招式，快用光了
衡量“有多少电真的用在算上”的指标叫 PUE。全球平均卡在 1.5–1.6 已经差不多十年——每 1 度电用于计算，还要额外搭进去约 0.5–0.6 度散热、供电损耗。便宜的省电招式基本用完了。
不看省了多少电，看一瓦电产出多少智能
每瓦 Token：比 PUE 更贴近生意本质
PUE 只管“机房有没有浪费电”，不管“这些电算出了多少东西”。所以 2026 年行业越来越用 “每瓦 Token（tokens per watt）”——同样一瓦电，谁吐的 Token 多谁就赢。它把芯片能效 + 机房能效 + 模型效率合成一个数。
💡 一句话理解：PUE 像“这栋楼的空调费占电费几成”，每瓦 Token 像“每一度电做出了多少件产品”。省电只是手段，用同样的电做出更多东西，才是真本事。
AI 正从“烧钱造脑”，转向“烧电干活”
训练一个大模型是一次性投入——像盖一座脑子，盖完就完了。但模型上线后，每一次提问都在持续烧电。用户量起来，推理这笔“持续的电费”会慢慢盖过训练那笔“一次性的钱”。
训练的钱，花完就完了；推理的电，要天天交。谁能让每瓦电吐更多 Token，谁就能在这场持续的电费战里活得更久。
这不是空谈：2026 年 3 月，中国日均 Token 调用量已达约 140 万亿次，比 2024 年初涨了一千多倍。每一次调用都在烧电，推理的电力压力已经超出云厂商的补贴上限——海外甚至出现“企业开始按预算限量用 AI”的报道，因为账单涨得太快。
机房往哪建？哪儿电便宜往哪儿建
既然电是持续成本，省电费最直接的办法就是把机房建到电便宜的地方。风电、光伏最便宜，天然气次之，核电单看建设成本最贵。
巨头抢电、建电、锁电
电的需求有多猛？数据中心 + AI + 加密，2022 年约占全球用电的 2%，2026 年可能翻倍；像爱尔兰这样的小国，数据中心一项就可能吃掉全国 约三分之一的电。于是巨头一边把机房往电便宜、电网还有余量的地区迁，一边直接投资风电、光伏、甚至核电厂来锁电。
到 2030 年，数据中心相关资本开支可能高达数万亿美元，其中很大一块不是买卡，而是抢电、建电、锁电。算力的尽头，是电力。
顺到极致：把机房搬上太空
地面拼命压的电费和水冷，在太空近乎“白送”
合适轨道上，太阳能板效率可达地面的约 8 倍、还能近乎不间断发电；散热直接向冰冷的太空辐射，不靠水冷。这不是科幻：2025 年 11 月一周内，英伟达把 H100 首次送上太空并在轨跑通大模型；SpaceX 目标 4–5 年内每年部署 100GW 算力；谷歌启动“捕日者计划”；中国规划 700–800 公里晨昏轨道超千兆瓦数据中心。
太阳能板效率
对比地面
每年太空算力
部署规模
晨昏轨道
超千兆瓦数据中心
🛰 但别急着上头：太空算力还在最早期——发射成本、在轨散热的工程难度、辐射对芯片的损伤、维护与数据回传，都是没解完的难题。它指明的是“电与散热”这道题的终极方向，不代表明天就能商用。
算力的尽头是电力；而电力的尽头，可能在地球之外。
缺电之外，还有一个更尴尬的浪费
- 利用率黑洞：企业 GPU 集群实际平均利用率只有 5%–14%——卡买来了、电也在烧，但大部分时间在空转。比“缺电”更隐蔽。
- 从缺卡到缺电：过去瓶颈是“买不到卡”，现在变成“供不上电、散不掉热”——GPU 功率密度成了新约束。
- 吓人数字要打折：“一次提问耗一瓶水”这类传播，很多把能耗高估了 4–20 倍。科普别帮着放大焦虑。
- 能效进步会被用量吃掉：就算每个 Token 越来越省电，只要总调用量涨得更快，总耗电还是往上走——这就是“杰文斯悖论”。
⚠️ 本质提醒：既不是“耗电怪兽要毁灭地球”，也不是“其实根本不费电”。真相是：单个 Token 在变省，总用量在猛涨，浪费主要发生在空转和散热上。
这一期，六个数记牢
一度电、费不费电、跟前几期，一次说清
会勇禾口王的AI笔记
算力账本 · COMPUTE LEDGER · EP3.5 · @huiyonghkw