内蒙跑通AI逆袭新解法
全行业的Token焦虑何解？
量子位 | 公众号 QbitAI
6月5日，北京国家会议中心，原本能容纳上千人的会场被挤得水泄不通。
这场爆满的对谈，主角是腾讯集团高级执行副总裁汤道生、腾讯首席AI科学家姚顺雨。
这是姚顺雨加入腾讯半年多以来的首次线下公开亮相，这位明星AI科学家在会上抛出了一个关键判断——
AI下半场最重要的问题，不再只是找到更好的方法，而是
找到真正值得解决的问题
腾讯也借此次对话释放明确信号：AI竞争早已跳出模型参数、算力规模的单一比拼，进入模型、产品、场景、组织协同并行的全新阶段。
而其中一个关键问题在于，
当下Agent成为技术核心，Token效率则是所有玩家必须攻克的难关。
“我也听到很多客户甚至同事们，也在紧盯着积分消耗或者Token消耗”，汤道生坦言，Token成本的爆发式增长已经成为行业共同的焦虑。
但Token焦虑背后，还有一个更底层的物理问题：每一个Token的生成，最终都要转化为GPU的一次次运算，转化为数据中心的一度度电。
当行业继续追逐模型、芯片和应用时，电力系统正在从后台的配套保障，走向AI基础设施的前台。
就在这场对谈的11天前，
一场横跨能源与科技领域的高规格会议，已经点破了AI产业发展的这一核心矛盾。
电力系统：从配套到主体
5月26日，国家能源局在深圳召开全国“人工智能+”能源现场推进会，中国石油、国家电网、国家能源集团、阿里云和腾讯等能源、科技巨头企业齐聚一堂。
在这场高规格会议上，远景科技集团董事长
电力系统正在成为人工智能的主体工程，而非配套。
在他看来，能源不只是AI的底座，更是血脉和肌体。
如果解决不了智能生产全链路的能量管理问题，再强大的芯片也发挥不了作用。
这个判断，现在正被AI产业的现实压力不断验证。
姚顺雨曾在今年初另一场峰会上坦率地指出，中国目前在电力供应和基础设施方面具有显著优势，但主要瓶颈仍集中在高端制造环节——光刻机和软件生态系统。在他眼中，电力不是短板，而恰恰是底牌。
但底牌能否真正变成优势，取决于电力系统能否跟得上AI基础设施的迭代速度。
大模型的每一次进步都伴随着数据中心功耗的指数级攀升。
据OpenRouter数据预测，从2025年到2030年，全球Token调用量将增长212倍。
而Token的每一次生成，最终都要转化为GPU的每一次运算，转化为数据中心的每一度电。
国际能源署最新报告显示，2025年全球数据中心总耗电量已达到485太瓦时，其中人工智能相关负载独占170太瓦时，占比超过三分之一；到2030年，全球数据中心年耗电量将几乎翻一番，达到950太瓦时，届时仅AI专用算力的耗电就将飙升至465太瓦时，这一数字已经超过了日本全国的年度用电量。
在中国，情况同样紧迫：2025年人工智能耗电量约为4500亿度，占全社会用电量的3.8%；到2026年，这一数字预计将达到6000亿度，占比升至
，几乎相当于全国钢铁行业一整年的用电量。
过去，数据中心被视为电网中的一类重要负荷；未来，AI数据中心可能成为重塑电力系统规划、建设和调度逻辑的超级变量。
当机柜功率冲向300kW
传统数据中心的时代，单个机柜的功率密度通常在3kW到5kW之间，整个机房的设计、配电、散热和运维都是围绕这一稳定区间建立的。
但AI数据中心正在彻底改写这一前提。
随着英伟达Blackwell架构的部署，单个机架在满负荷运行时的功耗已达到约130kW；而计划于2027年推出的Rubin架构，目标功率将直接冲向600kW，部分概念验证系统甚至指向1MW。
这意味着，单个机架的耗电量已经与数百户家庭的用电量相当。
GPU再强大，如果不能实现高功率密度的电流输入和高效散热，机柜功率就无法跃升至200kW、300kW
。在这样的硬性物理约束下，再强大的芯片也只是一堆无法通电的硅片。