AI 的能耗账单：每一个 token 都要电、要芯、要水

一句话结论

AI 的规模竞赛背后是被低估的能源账：每个 token 都要电力、芯片与散热（甚至水）——当推理进入「全民高频」时代，能耗不再是「训练一次性成本」，而是「每请求的持续税单」，这会反向塑造模型架构（稀疏/蒸馏/端侧）与定价。

三个关键点

1. 从训练到推理的翻转

训练是一次性的、推理是持续性的——大模型普及后，推理能耗与成本占比超过训练，峰谷定价与缓存都是「能耗管理」的产物。

2. 架构的节能趋势

稀疏激活（如 6B/95B）、蒸馏小模型、端侧推理——2026 的架构竞争本质是「每 token 能耗」的竞争。

3. 对个人/企业的含义

模型选型加一维「单位成本×能耗」；绿色 vs 性能成为企业采购的议题——「最便宜」与「最省电」正在变成同一个指标。