点击蓝字
关注我们
“名者，实之宾也。”
作者｜听雨
编辑｜云舒
出品｜极新出海
2026年5月最后一周，OpenRouter发布的全球大模型周度调用榜单，抛出了一组震动行业的数字：当期全球大模型总调用量达23.4T Tokens，榜单前十中中国模型独占六席。DeepSeek V4 Flash以3.11T Tokens的周调用量登顶榜首，腾讯Hy3 preview以3.03T Tokens紧随其后位列第二。
整体统计下来，DeepSeek、腾讯、小米、阿里、MiniMax等厂商的中国模型，合计贡献了平台超52%的Token调用流量，在调用规模上实现全面领先。而在2025年初，中国模型在该平台的周调用量占比仅为15%，短短一年间，整体调用规模增长了39倍。
这组一路走高的数字，勾勒出一个极具冲击力的叙事：全球AI算力中心正在向中国转移。
但调用量增长和算力中心转移，根本不能直接画等号。把Token消耗的统计数字拆解开来看，里面掺杂着语言特性、产品交互逻辑、商业模式差异的多重变量。单靠调用量这一个指标就判定全球AI格局已变，结论下得太过轻率。
语言本身带来的Token计量偏差
拿Token调用量做跨地区横向对比，第一个绕不开的现实是：表达同样的语义，不同语言生成的Token数量存在天然的系统性差异。
当前主流大模型的分词器，对中文文本的编码效率显著低于英文。一个英文单词分词后通常对应1-2个Token，而未经专项优化的分词方案里，一个中文字符往往要消耗2-3个Token。就拿同一句话举例，英文“You can use the tool below to understand how a piece of text would be tokenized by the API, and the total count of tokens in that piece of text.”需33个Token，而对应的中文“您可以使用下面的工具来理解API如何将一段文本标记化，以及该段文本中标记的总数。”则占用76个Token。行业普遍的经验数据显示，表达同等内容时，中文文本的Token生成量平均是英文的1.5至2倍。
换句话说，就算中美用户每天提出的问题数量完全一致、承载的语义信息量完全对等，中国市场统计出的Token调用量也会系统性高出一截。这部分增量和使用强度、技术领先性无关，只是语言结构在现有分词算法下的天然差异。
全球调用量排名默认将Token作为等价计量单位，这个前提本身就值得商榷。当统计的基础在跨语言场景下失去了公平可比性，排名传递的信号强度自然要打折扣。
长上下文设计放大了调用量数字
抛开语言特性，国内产品对长上下文的设计偏好，是推高Token消耗的另一个核心因素。
先厘清一个很实际的区别：用户一次性提交十个问题，只要求模型回答其中一个，和单独只提问这一个问题相比，模型的输出并不相同，后者的可用性往往更高。
大模型的推理机制里，所有输入内容都会进入上下文窗口参与注意力计算。即便用户明确要求只回答某一个问题，剩下九个问题依然会作为背景信息影响输出分布。部分场景下，额外的上下文能提供消歧线索，帮模型更精准地锁定用户意图；但更多时候，无关信息会稀释注意力权重，导致答案偏离核心，甚至生成幻觉内容。单独提问时输入信息干净、指向明确，模型输出的答案通常更聚焦、更可靠。
国内市场的AI应用普遍主打多轮对话能力和长上下文体验，绝大多数产品都会完整保留会话历史，每次提交新问题时一同传给模型，以此实现对话的记忆连贯性。这种设计提升了用户体验，但也让单次调用的Token消耗量远高于单轮短上下文场景。美国市场则有所不同，其API调用中相当比例来自企业级应用的单次任务型请求，上下文长度可控，Token消耗结构也更精简。
两边交互范式的差异，让同一张全球调用量榜单上，中国侧的数据被长上下文策略结构性放大。这里的调用量高低，更多反映的是产品路线选择的不同，而非算力绝对规模的高下。
电力消耗是更难粉饰的硬标尺
既然Token调用量不足以证明算力中心转移，那什么指标更靠谱？电力消耗是一个很难粉饰的硬约束。
大模型从训练到推理的全生命周期，都在消耗巨量电力。一次千亿参数模型的完整训练，耗电量可达数千兆瓦时，相当于一个中型城镇数小时的用电总量。推理阶段单次调用的能耗远低于训练，但乘以日均数万亿次的调用规模后，累计电力消耗往往会超过训练环节。这些电力需求必须由物理世界的数据中心来支撑，没法通过调整统计口径人为增减。
目前，美国在AI相关数据中心的电力总装机量和清洁能源配套上依然保持领先。公开数据显示，2025年美国主要云厂商的数据中心总电力容量已超过20吉瓦，并且大规模签约了核电、地热等基荷清洁能源。中国近年在内蒙古、贵州、甘肃等地加速建设算力枢纽，电力容量增长很快，但在绿电比例、电网稳定性和跨区域调度能力上仍有短板。更贴近事实的判断是：中国AI推理环节的电力消耗增速已经超过美国，但绝对总量还没有实现反超。
电力流向的真实分布，比Token计数更贴近算力资源的地理布局。看电用在了哪里，才知道算力中心真正落在哪里。
低价策略与推理优化的路线分野
Token调用量的飙升，除了语言和交互因素，还受到价格信号的直接刺激。
过去两年，国内大模型市场陷入激烈的价格竞争。部分头部厂商把模型推理单价压到了每百万Token不足1.5元人民币，而同期美国主流模型的API定价，普遍维持在每百万Token1.5至3美元的区间。按汇率折算，国内的Token单价仅为美国市场的十分之一甚至更低。
这种低价策略大幅降低了调用门槛。开发者可以用极低的成本做高频测试和规模化部署，大量对成本敏感的调用需求被释放出来，直接推高了国内的Token消耗总量。但低价的另一面，是利润空间的压缩和模型服务可持续性的考验。国内厂商能承受低价，很大程度上依赖模型压缩与推理优化技术的突破，其中最核心的指标就是推理阶段的内存占用率。
同等参数规模下，部分国产模型通过量化、剪枝和注意力机制优化，将推理内存占用控制在美国主流模型的70%至85%，低了15%到30%。更低的内存占用意味着单张GPU可以承载更高的并发请求，直接摊薄了单位算力的服务成本。这是中国团队在工程化层面做出的实打实的进展。
但这种优势只集中在推理效率环节。训练侧，美国依然掌握着超大规模集群、先进互联技术和前沿模型架构的主导权。推理领先和训练领先是两条不同的战线，调用量数据能印证前者，却覆盖不了后者。
未完成的转移与字节的赌注
至此可以得出一个更审慎的判断：“全球AI算力中心正在向中国转移”这个命题，目前只在推理算力的增量分布上成立。训练算力的制高点、底层芯片的供应安全、前沿模型的迭代方向——这些构成算力中心内核的要素，还没有发生实质性转移。
字节跳动宣布的700亿美元AI基础设施投入计划，正是在这个缺口上落子。这个数字超过了阿里巴巴和腾讯在AI领域的投入总和，也逼近美国四大云厂商各自的年度资本支出规模。字节的目标不局限于打造某一款超级应用，而是试图搭建一张覆盖全球的分布式算力网络。当推理需求持续爆发，谁掌握了最密集、成本最低的算力节点，谁就能在下一阶段的AI生态竞争中占据规则制定的主动权。
这是一场从应用层繁荣向基础设施层话语权跃迁的尝试，但挑战同样现实：先进芯片的获取渠道持续收窄，海外数据中心的本土化运营面临合规与地缘双重风险，全球开发者生态的信任建设需要长周期的投入。
调用量数据的反超释放了一个信号，它的价值在于引发行业关注，而非宣告终局。真正的算力中心转移，需要电力、芯片、生态和商业回报四个齿轮同时咬合，眼下距离那一刻还有相当长的距离。
关注「极新出海」，与我们一同追踪中国AI企业全球化的每一次技术输出、产品落地与资本动向。
