输出端更夸张，MiniMax-M2.5 价格为1.1 美元/百万Token，智谱GLM-5 为2.55 美元/百万Token，Claude Opus4.6 则为25 美元/百万Token，分别是前两者的约22.7 倍和9.8 倍。2月底刚出的阿里Qwen 3.5，直接把百万Token价格打到0.8元人民币，相当于谷歌Gemini的十八分之一。

而在大量日常场景里，尤其是伴随着Agent时代的到来，用户对量大便宜算力的需求，压过了对“顶级智商”的需求。

今年2月，开源框架OpenClaw火了，AI从“聊天工具”变成了能自己干活儿的“数字员工”。

一个Agent任务动辄消耗几十万上百万Token，按量付费的API成本瞬间成了开发者的大头开支。月之暗面顺势推出KimiClaw，支持一键部署，结果Kimi K2.5发布20天内的调用量就超过了去年全年，累计收入也超过了2025年总和。

这也是Google和Anthropic封禁那些在订阅制下进行全自动调用的账户，因为订阅费用是有限的，远远覆盖不了全自动调用的算力成本。

当消耗量指数级增长时，单位Token的价格优势，就成了决定生死的竞争力。

这个成本优势不是凭空掉下来的，底层是电力和工程的支撑。

算力的尽头是电力。

中国工业用电比美国低30%到40%，中西部绿电甚至低50%到70%。加上中国工业用电盘子大，可以充分利用谷电训练模型，这构成了中国AI企业的物理成本护城河。

另一头，是被迫卷出来的工程能力。从2024年4月起，中国AI企业就在尖端芯片断供的状态下活着，拿不到最好的卡，就把手里的卡压榨到极限。

中国模型普遍***用混合专家架构，这一技术路线重构了算力消耗逻辑。一个几千亿参数的模型，处理简单问题时只激活其中一小部分“专家网络”，这种“按需激活”的模式，省电省算力。

最后是开源生态的正向循环。

过去一年，中国大模型在全球的Token消耗占比增长了421%。斯坦福的报告说，2024年8月到2025年8月，中国开发者贡献了Hugging Face总下载量的17.1%，略高于美国的15.8%。

开源生态降低了全球开发者的使用门槛，也让中国模型在持续的技术反馈里快速迭代，能力和价格的综合优势在扩大。如硅谷投资人Aditya Agarwal所说：“50%以上的大模型调用通过廉价的开源模型完成，中国模型实际在支持大部分AI应用，美国同行甚至无法替代。”

中国AI模型出海的成功，是技术架构创新+极致成本控制+开源生态+场景适配共同作用的结果，也是系统性优势的集中爆发。

二、 出海模式：从应用到算力、生态

如果说调用量数据解释了中国AI“有多强”，那么接下来需要回答的是：这些Token究竟通过什么路径流向全球？

过去几年，中国AI出海的主流方式是“应用输出”，即，把AI能力封装成APP，送到海外用户手里。字节的Gauthmath、美图的影像产品、快手的KLING AI，走的都是这条路。

到今天，这条路径依然在贡献可观的用户规模和收入。

以Talkie为例，这款情感陪伴类应用覆盖全球200多个国家，在北美Z世代中渗透率持续提升。用户在和AI角色聊天的过程中，每一句话都在消耗Token。这类C端收入占Minimax收入的70%以上，且仍在快速增长中：2026 年 2 月日均 Token 消耗量达到了2025 年 12 月的 6 倍以上。

字节的Gauthmath在美国拍照搜题市场拿下47%的份额，成功替代老牌产品Mathway，也是同样的逻辑。

这类模式不直接按Token向用户收费，而是通过订阅、内购、广告变现。但从底层看，它们消耗的依然是中国算力，是中国AI出海的“用户基本盘”。

如果把AI出海比作一条产业链，应用是下游，算力是上游。中国企业先在下游做产品、做流量，然后向上游走，做底层、做基建。

一方面，通过API管道式输出，直接把算力做成水电煤。

海外开发者通过OpenRouter等聚合平台，调用中国大模型的API，推理在中国本土的数据中心完成，按Token付费。整个过程，算力不出境，电力不出境，只有价值通过Token跨境交付。

这是一种典型的“卖水卖电”生意。开发者不需要自己部署模型，不需要买显卡，就能让应用跑在中国的模型上。

据报道，月之暗面负责API服务的团队近期快速扩编，以独立业务分支形式直接向总裁张予彤汇报。组织层面的调整，足以说明API业务的重要性正在快速上升。

从商业角度看，这类模式的优势在于可规模化、利润率可观，而且随着Agent时代到来，单次任务的Token消耗量指数级增长，API业务的想象空间还在放大。

另一方面，通过构建开源生态，为算力输出修路。

阿里通义千问、DeepSeek系列选择了一条看起来“免费”的路：把模型权重、工具链、工程范式全部开源，海外开发者可以免费下载，在本地服务器上部署。

免费图的是让中国模型进入全球开发者的默认工具箱，成为他们技术栈的一部分。当一个开发者用熟了开源模型，他未来开发商业应用时，自然会优先考虑调用同系列的API。

基于阿里和DeepSeek开源模型的衍生模型上传量，已经超过基于美国主流模型的。这意味着全球开发者正在中国开源模型的基础上，生长出一个庞大的技术生态。生态一旦形成，迁移成本就极高。

可以说，今天的中国AI出海，不再是单一的“应用输出”，而是一个三层结构：底层是开源生态，通过开放换取开发者心智；中间层是API算力输出，直接把Token卖给全球开发者，是商业化的核心引擎；顶层是应用输出，用产品触达终端用户，既是流量入口，也是算力消耗的重要场景。

三层相互支撑，共同说明，中国算力正在成为全球AI的底层基础设施。

三、下半场考验：商业优势遭遇规则壁垒

OpenRouter平台上的数字确实亮眼，但OpenRouter不代表全貌。

消费级市场（开发者、初创公司、Agent应用）的决策链条短，核心指标是性价比+上手快。开发者用哪个模型，往往自己说了算。这个逻辑下，中国模型的“便宜量又足”是绝对优势。

企业级市场不一样。***、金融、医疗、关键基础设施，决策链条长，涉及合规、安全、审计、供应商稳定性等等。

海外的企业级市场就更复杂了。

所以，有一个问题是绕不开的，即，在国际竞争中，纯商业方面的竞争优势，比如好用、成本低，可能还不够。

比如，此前的英伟达H200被禁止出口。虽然现在已经可以进口英伟达H200，但在AI竞争层面，美国的政策指不定又会出现什么“反复”，而当前推理集群还是离不开英伟达的H100/H200。

当然，封锁具有双面性，一方面会使得训练成本上升，模型迭代速度放缓，另一方面正是这种背景，倒逼工程优化提升效率，国产芯片取得进展。

但风险同样存在。***证券的研报指出，全球模型迭代周期正在缩短，主流模型更新频率已由半年缩短至数月。如果核心能力提升速度放缓，成本优势可能在高端市场迅速失去吸引力。

大摩首席经济学家邢自强认为，Token出海肯定是有空间的，但不要过度吹捧中国的开源大模型、Token出海借助电力优势，而忽视了地缘政治与安全考量。

他举例称，中国在5G设备领域同样有性价比和技术优势，但从2018、2019年之后，欧美不少电信网络中，中国的5G基站还是被替代了。

在企业级市场，对价格敏感的中小企业可能被中国模型的性价比穿透，但在***、金融、医疗等涉及数据主权和关键基础设施的领域，准入逻辑从“性价比”转向“合规信任、品牌认知与生态锁定”。

美国正通过投资审查、标准制定、数据主权规则，系统性地构筑企业级市场的准入门槛。

这意味着地缘政治的“天花板”正在降低。

2025年12月，美国***提出所谓的“硅和平倡议”（Pax Silica），声称要把拥有全球顶尖科技企业或其他优势***的国家联合起来，以确保“供应链安全”等。

专业人士认为，这是试图用规则、投资与项目清单重塑全球技术分工与资本流向，看起来是走向了重塑生态，实际上是包装下的排他性整合。

这个“他”是谁，不言而喻。

从芯片封锁到“硅和平倡议”，从遏制发展到规则输出，美国的目标是从生态层面重塑游戏规则、掌握话语权。

所以，模型调用量反超，是阶段性的成果，但也是故事的一半。

AI出海的下半场，需要在保持成本优势的同时，面对更多、更复杂的问题，有的问题可以靠提升模型性能、系统效率、竞争力来解决，有的问题没有答案。返回搜狐，查看更多