让Token像土豆一样便宜，要闯哪四关？

进入2026年下半年，全球算力涨价潮持续发酵。 “让全世界更多的人，像享受土豆一样，享受Token。” 9月19日，央视《对话》走进远景乌兰察布星河基地，远景科技集团创始人张雷用这个比方，提出了一个看似简单的问题： AI怎样才能更普惠？ 这句“AI土豆论”很快在算力圈引发讨论，背后是全行业共同的成本焦虑： AI算力的门槛，实在太高了。 就在节目播出三天后，小米发布MiMo-V2.6，并公开了全程直播的“炼丹”账本，把这份昂贵具象化：MiMo-V2.6的Pro与Flash两个版本，仅强化学习后训练阶段就跑了不到6天，合计烧掉了 347万美元 ， 约合人民币2344万元 。 这还只是后训练环节。据测算，训练万亿参数大模型GPT-4约需95天， 总能耗高达38.2吉瓦时 ，相当于 日均消耗4万户家庭的用电量 。黄仁勋在2025年的电话会上曾分享，部署1GW的AI算力，含AI芯片在内的建设成本 约500亿美元 ，而其中电力成本已占到数据中心运营成本的 六成以上 。 高昂的能源与基建成本，正成为AI从精英化走向普惠的核心门槛。 张雷提出的“AI土豆论”背后，是一套重构算力成本逻辑的思路： 算力的本质是电力换智能，要让Token便宜，不能只盯着芯片和算法迭代，还要从能源基础设施端找答案。 今年8月正式投产的 远景乌兰察布星河基地 ，正是这套思路的首次大规模落地。 园区总规划容量 超2GW ，拥有 全球最大的AI算力超级单体 ，全面建成后将成为 全球Token 产出能力最强的AI数据中心 。 远景要做的，是把风光发电、电网、储能、供电、散热乃至计算负荷纳入同一套调度系统，用一套 “AI电力系统” 从底层压降Token成本。 这不是单点技术的突破，而是一场全链路的系统工程。从充沛的绿色电力到普惠Token，中间还有 四道系统关 。 一、第一关：破误区——便宜绿电不等于算力竞争力 乌兰察布坐拥全国顶级的风光资源，加上全年冷凉的气候，天然适配大规模AI计算对低价电力、低冷却成本的需求。但找到便宜的电，离交付便宜的算力还差得远。 这里还有一个行业普遍忽略的误区：国家要求2025年底国家枢纽节点新建数据中心 绿电占比超80% ，但达成这一指标的路径不止一种，购买绿证是常见做法，但绿证并不等于绿电直连。远景星河基地选择 自建风场、自建输电线路、自建储能 ，目标是 实现80%甚至以上的绿电直连占比 。 算电协同的核心矛盾在于 供需错配 。 风光发电随天气波动，计算任务却有刚性交付期限；GPU集群功率可以短时间内快速起落，供电与散热系统却必须实时响应、稳定可靠。哪怕全年绿电总量充足，也必须解决每个时段的供需匹配问题。如果为了供电可靠性堆砌过多储能、备用电源和冷却设施，又会大幅推高投资与运营成本，吃掉低价绿电带来的成本优势。 远景动力AIDC产品线联席总经理杨堃此前提出， 绿电是算力竞争力的必要条件，但远非充分条件 。从绿电到算力竞争力，中间隔着一整套需要被“打通”的系统。不解决全链条系统问题，资源优势很难转化为可用、经济的算力。 对投资者和运营商而言，真正要算的是整个系统的长期成本账：电能否按时接入、设备能否稳定运行、供电与冷却能否匹配、昂贵的芯片能否满负荷发挥性能。发电侧的低成本，只有经过全链路的传导，才能最终转化为客户拿到手的算力成本优势。 ▲远景AI电力系统 因此，远景 把能源供给、电力架构、计算负荷和冷却纳入一体化设计 。在统一架构下分期建设，让供电能力与算力交付节奏相匹配，并为后续扩容和设备升级留出空间。 总的来说，Token成本有两头：一头是投入，另一头是有效产出。电价更低、转换损耗更少、基础设施配置更合理，可以降低投入；供电和散热跟得上，减少基础设施约束带来的等待、限功率与中断，则有助于释放已有设备的计算能力。 因此，AI电力系统的价值，不只是省下多少电费，还在于能否在既定功率、空间和可靠性约束下，支撑更多有效计算。最终比较的，应是相同模型、任务与服务等级下的单位产出成本，而不只是一度电多少钱。 第二关：建预测——从天气预报到可执行的调度计划 气象数据与能源电力业务的深度融合，正在催生一个规模可观、增长迅速的产业新蓝海。 中国气象服务协会会长许小峰此前指出，新能源发电出力的随机性、波动性和间歇性特征，决定了气象服务已从过去的辅助性保障，升级为新型电力系统安全稳定运行的刚性需求。 “风越大，任务越多。”在远景星河基地控制中心，张雷向央视解释能源与计算之间的双向互动逻辑。 这意味着，对于具备调整空间的计算任务，能源供给本身也可以成为任务排程的依据。在客户授权、交付期限和运行安全的边界内，部分非紧急任务可以向绿电更充裕、电价更低的时段转移，从而最大化绿电利用率，降低整体成本。 但要做到这一点， 首先需要对未来的风光出力作出预测，并把预测的不确定性纳