黄仁勋为中国新出海叙事盖章定调

在“Token出海”与“算电协同”的宏大叙事撞上OpenClaw的的火热盛况之际，英伟达CEO黄仁勋发表了一篇罕见的个人博文，标题是《AI是一个“五层蛋糕”》。他将AI产业架构划分为五个层次，自下而上依次为：能源、芯片、基础设施、模型、应用。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

“每一个成功的应用都会拉动其下的每一层，直至维持其运行的动力设备。AI正在重塑能源的生产与消耗方式、工厂的建造模式、工作的组织形式以及经济的增长路径。芯片正在被重新设计，因为效率决定了智能的扩展速度。能源成为核心要素，因为它从根本上决定了智能的生产规模上限。” 黄仁勋写道。

图片来源：视觉中国

这篇博文发表的时间点颇为微妙。“Token出海”与“算电协同”的宏大叙事支撑加之中东战火助推，中国股市绿电和储能概念近期经历了一轮显著上涨。但长江证券的一份报告显示，按2月16日至22日当周5.16万亿Token的消耗量来测算，国内部署的大模型年耗电量仅占2025年全国用电量的0.0023%，影响甚微。这两种看似矛盾的信号——资本市场的热烈反应与短期数据的平淡无奇——恰好构成了检验黄仁勋理论框架的试金石。

与此同时，近期席卷全球开源社区的OpenClaw现象，也为这场检验提供了一个观察样本。

2026年初，开源AI智能体框架OpenClaw在GitHub上迅速走红，到3月已成为该平台历史上增长最快的开源项目之一，GitHub星标数突破28万。从极客玩家到普通用户，“养龙虾”几乎一夜之间刷遍各大平台。

OpenClaw的核心功能是作为“指挥中枢”，协调大语言模型执行系统级任务，包括文件读写、邮件处理、跨应用操作、代码生成等。它让AI从“会聊天”向“会执行任务”迈进了一步。这一技术演进落在了黄仁勋五层框架的最顶层，即“应用”。而按照他的理论，成功的应用会向上拉动其下的每一层，直至最底层的能源。

“龙虾”的爆发，确实正在各个层面产生连锁反应。

应用层，多家国内科技大厂陆续推出OpenClaw相关服务。模型层，OpenClaw的模型降级与重试机制允许在某个模型限流或过载时自动切换到备选模型，用户可灵活挂载Claude、GPT、Gemini、DeepSeek等任意大模型，这将模型层的竞争进一步推向极致。基础设施层，OpenClaw带来的算力需求爆发之势已经显现，Agent完成一个任务背后是几十次连续的推理与决策，算力消耗可能是普通对话的数十倍——OpenRouter数据显示，OpenClaw累计Token消耗量已飙升至8.52万亿。

这些数字传导至最底层的能源层，意味着电力消耗正在进入一个新的量级。国际能源署数据显示，2025年全球数据中心电力消耗约占全球总用电量的1.5%-2%，其中AI数据中心用电量占比已达到30%-40%，并仍在快速上升。仅在美国，摩根士丹利预计，2025年至2028年数据中心累计电力缺口将达到47吉瓦，相当于约9个迈阿密城市的总用电规模。

黄仁勋将能源置于AI基础设施的最底层，定义为“系统能产生多少智能的绝对约束条件”。在这一视角下，中国电力体系的特征尤为值得关注。

从规模层面看，截至2025年，中国累计发电装机容量达38.9亿千瓦，全社会用电量首次突破10万亿千瓦时，相当于美国全年用电量的两倍多，也高于欧盟、俄罗斯、印度、日本全年用电量的总和。这种大规模发电能力，无疑为高耗能的AI数据中心提供了供应基础。

从结构层面看，中国电力资源分布存在天然的不平衡：资源在西部，需求在东部。解决这一矛盾的核心工程，是特高压输电网络，来自新疆、甘肃、内蒙古的风电、光伏可以通过这一网络输送至算力密集的东部地区。截至2025年底，中国已建成44条跨区输电通道，“西电东送”能力超过3.4亿千瓦，支撑了东中部地区约五分之一的用电需求。

无独有偶，2026年政府工作报告首次提出“实施超大规模智算集群、算电协同等新基建工程”。“算电协同”上升为国家战略的同时，《数据中心绿色低碳发展专项行动计划》明确要求，国家枢纽节点新建数据中心绿电占比超过80%。这意味着AI算力不再是“可以用绿电”，而是“必须用绿电”。绿电由此从一种清洁能源选项，变成了AI基础设施的刚性成本与核心生产资料。

在这一背景下浮现的“Token出海”概念，可谓占尽天时地利人和。

Token是大语言模型处理信息的最小单位。当海外开发者调用国产模型的API生成代码，他们消费的不仅是智能服务，也是背后的电力和算力。这背后存在一个隐秘的价值跃迁链条。按当前价格计算，一度电直接出口价值约0.5元，而通过数据中心转化为Token，按国产模型定价，一度电可产出价值超过10元的智能服务。尽管这一计算基于诸多理想化假设，实际收益取决于模型效率、市场定价、运营成本等多种因素，但它确实提供了一个观察视角：AI正在将电力这种低附加值的基础资源，转化为更高附加值的数字服务。

值得注意的是，“Token出海”不需要物理电网，也不受电力主权约束。这为电力富集地区开辟了一条新的消纳路径，尤其是那些面临弃风弃光问题的西部省份。将这些原本可能浪费的绿电转化为Token，既缓解了消纳压力，也创造了新的价值出口通道。

尽管静态来看，AI耗电在全国用电大盘中的占比仍微乎其微，但动态来看，Token消耗量的增速惊人。2024年初中国日均Token消耗量为1000亿，到2025年6月底已突破30万亿，一年半时间增长300倍。OpenRouter的数据则显示，中国模型周调用量在截至2月底的三周内大涨127%。长江证券也在报告中做了远期推演：若未来国产大模型年度调用量扩张至1×10⁵万亿Token，对应年耗电量将达875亿千瓦时，约占2025年全社会用电量的0.84%。而从0.0023%到0.84%，是365倍的跃升。

由此来看黄仁勋这篇博文，其实际上为理解中国在AI时代的角色提供了新的框架。当OpenClaw这样的应用在全球范围内爆发，它所拉动的不仅是模型层竞争以及芯片层迭代，更是最底层那个决定智能生产规模上限的要素——能源。而在这个最底层，中国恰好拥有不容忽视的结构性优势。这或许正是黄仁勋为中国正在展开的新出海叙事所盖上的那枚印章。