AI进入算账时代：Token成本战背后，电力成为终极博弈

过去一年，国产大模型价格战打得火热，DeepSeek、通义千问、智谱、MiniMax等厂商将Token调用价格拉至新低。然而，优刻得董事长兼CEO季昕华在接受InfoQ采访时直言，表面上是模型厂商的竞争，底层却是电力、土地、机柜、制冷、GPU调度等全链条的成本博弈。AI正从“要不要用”进入“算不算得过来账”的新阶段。

季昕华表示，当前企业老板最关心的三件事是：如何让员工用上并用好AI、如何降低持续攀升的成本、如何真正提升效率。这标志着企业不再拒绝AI，而是开始精打细算每一笔投入。

优刻得副总裁刘杰回忆，2017年筹划乌兰察布数据中心时，AI尚未爆发，当时主要考虑CPU业务。选择乌兰察布并非偶然：电价低廉、苹果要求100%绿电（内蒙古有条件实现）、气候寒冷利于降低PUE，且距离北京近，网络时延和人员往来都便利。这些因素在云计算时代已很重要，在AI时代则成为核心竞争力。

季昕华指出，Token降本的终局是电力——电便宜，Token就便宜。以一台功耗约6.5千瓦的国外顶级服务器为例，每台搭载8张GPU卡，千卡集群需125台服务器，仅服务器年耗电就十分惊人，再乘以PUE系数才是数据中心总用电。因此，数据中心选址、电价、PUE、高功率机柜直接决定Token成本。

传统IDC行业关注“柜子数量”，但AI时代需要高功率机柜。优刻得青浦数据中心约42亩地、设计5000个机柜；乌兰察布园区约212亩地、设计12000个机柜。普通机柜无法容纳多台高功耗GPU服务器，液冷单机柜可达35千瓦，需专门改造电路和散热系统。这导致传统低功率数据中心出现空置，而高功率数据中心供不应求——季昕华透露，优刻得新建数据中心尚未开建已有订单签约。

季昕华给出了降低Token成本的五个具体方向。首先，使用国内模型。DeepSeek、智谱、MiniMax等国产模型在价格上具有明显优势，并非所有任务都需要调用最贵最强的模型，80分的模型若成本更低，就是更现实的选择。

其次，从技术上提高“每度电产生的Token数量”。这要求提升GPU利用率、推理框架效率、模型部署、网络通信和存储读写能力，将成本问题拉回到基础设施效率上。

第三，选择合适的数据中心位置。乌兰察布适合训练及覆盖北方推理需求，上海青浦则适合华东地区对时延敏感的业务（如金融、汽车），这对应了“东数西算”的分工逻辑：按任务类型拆分算力布局。

第四，模型组合。不同模型能力边界不同，企业不应试图用一个模型解决所有问题。未来合理的方式是将任务拆解，让不同模型处理各自擅长的部分，甚至由平台自动选择模型。一个复杂任务中，真正需要顶级模型的部分可能仅占20%，其余可交给更便宜、更快的模型。

第五，Prompt管理与工程。许多企业一边抱怨AI成本高，一边未建立内部使用规则。员工提问方式、模型调用、模板复用、重复调用等都会影响Token消耗。季昕华强调，让员工按规则用好Token是降本的重要手段。

季昕华透露，优刻得内部每天都会查看AI使用报告，包括员工使用人数、花费金额和应用场景。Coding是最大用量场景，查询、PPT等也在增长。但最大难题是如何衡量投入产出。AI工具铺开后，会出现员工摸索效果不稳定、个人使用挤占业务资源、提效评估困难等情况。优刻得正开发产品，帮助企业分析员工使用AI是否服务于公司业务及效率高低。

Token需求不会只是一次热闹。SaaS时代按账号付费，越活跃越有价值；AI时代却用得越多成本越高。如果缺乏治理体系，老板推动AI可能反而推高成本。季昕华总结，Token降本的第一层答案是选对地方、压低电力成本、优化PUE、建设高功率机柜；更深层则涉及模型选择、技术优化、组织管理——这是一场贯穿“电力—算力—模型—应用—组织”的系统工程。