算力的终场战事：在电网里打响

大模型赛道上，中美的路径差异正越发清晰。 7月底，DeepSeek V4 Flash正式版发布——284B总参数、13B激活参数，它在多项基准测试中的得分，已经逼近目前最强的Claude Opus 4.8，API价格却只有其他头部厂商的几十分之一，甚至百分之一。 美国仍在用更大的闭源模型、先进制程芯片和更高的资本支出，不断推高智能天花板； 中国则选择了一条更务实的路径： 以开源模型降低门槛，用国产算力筑牢底座，靠集群工程与能源基础设施的深度协同，系统性压降整个智能生产体系的成本。 一边竞争单点技术的最高峰，一边寻找全系统的成本最优。两条路线最终都要回答同一个问题：谁能以更低的成本、更快的速度、更稳定的供给，持续生产出海量Token，从而在AI时代掌握主动权？ 而这条效率竞赛的链条，远比大多数人想象的长。 它从模型开始，穿过芯片和系统，一路延伸到最底层——电力与基础设施。 开源大模型，让算力喷涌而来 如果只谈“便宜”，那还是小看了DeepSeek。 它的真正杀伤力，不只是便宜，而是不断提高单位计算资源能够产出的有效智能。秘诀之一是MoE架构——模型每次处理任务，只"叫醒"一小部分参数，而不是全员出动，这对传统路径是降维打击。 V4 Flash总参数2840亿，每次推理只激活130亿，算力消耗锐减；V4系列把KV缓存占用压到V3的10%，长上下文场景成本骤降；在需要反复调用工具、多轮推理的Agent任务上，已跑出接近甚至超越1.6万亿参数旗舰模型的成绩。 这意味着，参数军备竞赛的规则正在被改写。 与美国头部厂商以闭源模型、前沿芯片和大规模资本投入持续推高能力边界不同，DeepSeek代表的中国路线更强调：在有限计算资源下，提高单位算力的智能产出。 这并不意味着美国模型不重视效率，而是两者当前的约束条件和商业选择不同。美国更容易获得最先进芯片和巨额资本，因此可以优先探索能力上限；中国面临更强的算力约束，效率创新更早成为生存问题。 DeepSeek用更小的算力跑出了不输更大参数模型的效果——这是工程效率的胜利，是“单位算力能产生多少智能”的比拼。 但效率革命并不意味着算力需求会就此退潮。 有人曾期待，Token便宜了，算力就会像宽带一样，变成一种价格可控、相对恒定的基础设施。 这个期待落空了。 恰恰相反，Token越便宜，被AI处理的任务就越多，整体算力需求反而呈指数级上升。 更长的思考链、更大的上下文、更多的工具调用与复核环节，使得单次任务的总成本不降反升。 19世纪，经济学家杰文斯发现：蒸汽机越省煤，英国的煤炭总消耗反而越大——效率的提升，反而刺激了需求的扩张。这就是"杰文斯悖论"，而它正在AI时代重演：Token单价越低，用量越大，对底层算力基础设施的压力就越重。我们由此进入了一个“良性循环”——或者也可以说是越省越要花的“梁性循环”。 （虎嗅注：网友曾打趣DeepSeek用量化赚的钱升级模型，再用更强的模型做量化赚钱，循环往复。此处借喻Token单价无论高低波动，用户花的总价却可能还在增加。） 于是，一个无法回避的问题浮出水面：当低价Token释放出更大的算力需求，谁能用更低成本、更短时间，把这些需求转化为真实可用的计算能力？ 单卡之外，中国开始向集群要效率 在国产芯片先进制程受限的现实下，承接这股汹涌需求的答案，是将竞争从单卡性能的“加法”拉升到系统效率的“乘法”——让芯片集群释放出远超单卡线性叠加的算力价值。 今年7月的世界人工智能大会上，规模化超节点集群成为全场焦点，正是这一趋势的集中体现。 道理并不复杂。在单块GPU的算力天花板短期内难以突破的背景下，自然要从 “单卡跑分” 转向 “集群制霸” ，用系统效率换取整体算力。这也是对现实约束的务实回应。 超节点并非简单的并行计算或分布式集群。它的核心逻辑在于，将大量AI芯片通过高速互联、统一内存和软硬件协同，整合为逻辑上“一台计算机”的超级算力池。 具备跨物理节点统一内存的编址能力，意味着万卡到十万卡，甚至百万卡可以共享同一个内存地址空间，数据在节点间直接流动，不再经过复杂的软件协议栈。 过去，联结的芯片越多，联结效率越低。超节点要打破的，正是这个魔咒—— 用超节点的系统效率，把单卡的差距找回来。 超节点的价值不止于算力本身，它还在拉动整条国产算力产业链的闭环成熟：从高速互联芯片、先进封装技术，到高端交换机、液冷散热方案，再到集群调度软件系统，都在集群规模化落地中快速迭代。 但超节点解决了一个问题，也制造了一个新的物理极限。 当数十万张芯片被组织成一台“超级计算机”，百兆瓦乃至吉瓦级的功率被塞进同一栋建筑，供电与散热就不再是配套工程，而是决定集群能否存活的命门。计算系统越集中，能源系统就越不能停留在“外部配套”的旧角色里。超节点走到最后，必然要与一种能承载极限功率密度的新型基础设施汇合。 这正是“超级单体”出现的逻辑：它不仅仅是更大一号的数据中心，更是为百万卡集群量身定制的能源与计算共生体。 在这个共生体内，AI电力系统不再是机房之外的管线，而是与芯片集群深度耦合的神经中枢—— 让每一度电都精准地转化为Token，让每一瓦热量都被高效地带走。 这一理念的最新实践，是远景科技集团刚刚宣布投产的“乌兰察布星河基地”，全球最大的AI算力超级单体同步亮相。 “远景乌兰察布星河基地”点亮投产 如同戈壁草原上拔地而起的超级算力枢纽，这座超级单体试图回答的正是超节点时代的基础设施命题：当芯片集群化成为确定趋势，谁来为这支“集团军”提供够大的部署基地、充足的电力粮草和畅通的能源补给线？ 这片数据中心集群 未来还可拓展至百万P算力规模，支持百万卡并行。 正如远景科技集团AIDC总经理郑子浩所说，“中国芯片正在走一条集群化突围的道路，‘远景星河基地’正以超级单体承载国产算力集群的规模化部署，为中国算力的大爆发提供最强助攻。” 当算力的天花板从芯片本身转移到芯片的电力管理与热管理，超节点、超级单体与AI电力系统的汇合，就成了必由之路。 百万卡之后，AI需要一套自己的电力系统 据IEA预测，到2030年，美国数据中心新增电力需求将占全美电力增长的一半；到本世纪末，其耗电量将超过铝、钢铁、水泥等所有传统高耗能行业的总和。 算力，正成为人类历史上能源消耗最密集的领域。 当一座AIDC的用电量对标一座小型城市，AI竞赛的底层逻辑已被改写。面对这场电力饥渴，中美日不同的企业给出了三种截然不同的解法。 马斯克的“星舰式”突围，靠的是硬核自救。 2024年，Colossus I超算集群仅用19天完成10万块英伟达H200部署，靠的就是自备临时燃气发电设备。但戏剧性的是，今年8月初，这69台燃气轮机因缺运营许可、排放超标、诉讼缠身，又不得不分批拆除。以企业的极限执行力对抗基础设施的慢性病，单点突破可以极致，规模化复制却如同星舰登陆火星，充满不确定性。 孙正义的“星际之门”，走的则是资本铺路的逻辑。 软银联合OpenAI宣称投入5000亿美元建设全球GW级算力中心，愿景不可谓不宏大。但纯市场逻辑在国家级能源基建前屡屡碰壁，完善的电网不是单纯靠资本就能买来的。 而第三种解法，出现在乌兰察布的戈壁草原上。 远景“乌兰察布星河基地”与前两者不同——远景选择了一条基于中国“算电协同