让Token像土豆一样便宜，要闯哪四关？

进入2026年下半年，全球算力涨价潮持续发酵。

“让全世界更多的人，像享受土豆一样，享受Token。”

9月19日，央视《对话》走进远景乌兰察布星河基地，远景科技集团创始人张雷用这个比方，提出了一个看似简单的问题： AI怎样才能更普惠？

这句“AI土豆论”很快在算力圈引发讨论，背后是全行业共同的成本焦虑： AI算力的门槛，实在太高了。

就在节目播出三天后，小米发布MiMo-V2.6，并公开了全程直播的“炼丹”账本，把这份昂贵具象化：MiMo-V2.6的Pro与Flash两个版本，仅强化学习后训练阶段就跑了不到6天，合计烧掉了 347万美元 ， 约合人民币2344万元 。

这还只是后训练环节。据测算，训练万亿参数大模型GPT-4约需95天， 总能耗高达38.2吉瓦时 ，相当于 日均消耗4万户家庭的用电量 。黄仁勋在2025年的电话会上曾分享，部署1GW的AI算力，含AI芯片在内的建设成本 约500亿美元 ，而其中电力成本已占到数据中心运营成本的 六成以上 。

高昂的能源与基建成本，正成为AI从精英化走向普惠的核心门槛。

张雷提出的“AI土豆论”背后，是一套重构算力成本逻辑的思路： 算力的本质是电力换智能，要让Token便宜，不能只盯着芯片和算法迭代，还要从能源基础设施端找答案。

今年8月正式投产的 远景乌兰察布星河基地 ，正是这套思路的首次大规模落地。

园区总规划容量 超2GW ，拥有 全球最大的AI算力超级单体 ，全面建成后将成为 全球Token 产出能力最强的AI数据中心 。

远景要做的，是把风光发电、电网、储能、供电、散热乃至计算负荷纳入同一套调度系统，用一套 “AI电力系统” 从底层压降Token成本。

这不是单点技术的突破，而是一场全链路的系统工程。从充沛的绿色电力到普惠Token，中间还有 四道系统关 。

一、第一关：破误区——便宜绿电不等于算力竞争力

乌兰察布坐拥全国顶级的风光资源，加上全年冷凉的气候，天然适配大规模AI计算对低价电力、低冷却成本的需求。但找到便宜的电，离交付便宜的算力还差得远。

这里还有一个行业普遍忽略的误区：国家要求2025年底国家枢纽节点新建数据中心 绿电占比超80% ，但达成这一指标的路径不止一种，购买绿证是常见做法，但绿证并不等于绿电直连。远景星河基地选择 自建风场、自建输电线路、自建储能 ，目标是 实现80%甚至以上的绿电直连占比 。

算电协同的核心矛盾在于 供需错配 。

风光发电随天气波动，计算任务却有刚性交付期限；GPU集群功率可以短时间内快速起落，供电与散热系统却必须实时响应、稳定可靠。哪怕全年绿电总量充足，也必须解决每个时段的供需匹配问题。如果为了供电可靠性堆砌过多储能、备用电源和冷却设施，又会大幅推高投资与运营成本，吃掉低价绿电带来的成本优势。

远景动力AIDC产品线联席总经理杨堃此前提出， 绿电是算力竞争力的必要条件，但远非充分条件 。从绿电到算力竞争力，中间隔着一整套需要被“打通”的系统。不解决全链条系统问题，资源优势很难转化为可用、经济的算力。

对投资者和运营商而言，真正要算的是整个系统的长期成本账：电能否按时接入、设备能否稳定运行、供电与冷却能否匹配、昂贵的芯片能否满负荷发挥性能。发电侧的低成本，只有经过全链路的传导，才能最终转化为客户拿到手的算力成本优势。

▲远景AI电力系统

因此，远景 把能源供给、电力架构、计算负荷和冷却纳入一体化设计 。在统一架构下分期建设，让供电能力与算力交付节奏相匹配，并为后续扩容和设备升级留出空间。

总的来说，Token成本有两头：一头是投入，另一头是有效产出。电价更低、转换损耗更少、基础设施配置更合理，可以降低投入；供电和散热跟得上，减少基础设施约束带来的等待、限功率与中断，则有助于释放已有设备的计算能力。

因此，AI电力系统的价值，不只是省下多少电费，还在于能否在既定功率、空间和可靠性约束下，支撑更多有效计算。最终比较的，应是相同模型、任务与服务等级下的单位产出成本，而不只是一度电多少钱。

第二关：建预测——从天气预报到可执行的调度计划

气象数据与能源电力业务的深度融合，正在催生一个规模可观、增长迅速的产业新蓝海。

中国气象服务协会会长许小峰此前指出，新能源发电出力的随机性、波动性和间歇性特征，决定了气象服务已从过去的辅助性保障，升级为新型电力系统安全稳定运行的刚性需求。

“风越大，任务越多。”在远景星河基地控制中心，张雷向央视解释能源与计算之间的双向互动逻辑。

这意味着，对于具备调整空间的计算任务，能源供给本身也可以成为任务排程的依据。在客户授权、交付期限和运行安全的边界内，部分非紧急任务可以向绿电更充裕、电价更低的时段转移，从而最大化绿电利用率，降低整体成本。

但要做到这一点， 首先需要对未来的风光出力作出预测，并把预测的不确定性纳入调度 。

这正是气象大模型的价值所在。

凭借 分钟级、5公里分辨率 的全球45天气象预测，“远景天机”气象大模型可系统结合场站条件与设备特性，把风速、太阳辐射等气象数据转化为风电、光伏的出力预测，提前预判绿电充裕与短缺的时段，以此安排储能充放电、电网补充量与计算任务调度。

近期，在国际榜单WeatherBench 2评测中， “远景天机”与谷歌WeatherNext 2同处第一梯队 ，在风速等与新能源出力密切相关的指标上表现突出。

▲ WeatherBench 2评测结果，蓝色越深成绩越好，“远景天机”位列第一梯队

预测的价值，不是消除天气的不确定性，而是让系统更早准备，并在变化发生时及时修正。而在此基础上，“远景天枢”能源大模型支撑的 一体化调控系统 ，把发电、储能、电网条件、计算负荷和散热需求放在一起全局优化，随着天气预测和设备状态的实时变化，持续修正运行计划。

底层的EnOS智能物联操作系统则 打通所有设备的数据与控制链路 ，由各层级控制系统执行相应动作，核心的快速保护仍由专用硬件承担。

这三层能力各司其职： 预测层提前判断趋势，调控层制定最优策略，设备层保障可靠执行 。

例如，当大模型预测未来某个时段风光出力会下降之后，系统就会提前考虑储能预留多少电量、由电网获取多少补充；如果客户有可调整的计算任务，则可以进一步探索改变执行时段，而不是等供电紧张时临时应对。

算电融合由此形成双向关系： 能源实时感知算力，算力实时理解能源 。目标是在保障业务交付的前提下，更充分地利用绿电，减少不必要的资源配置与运行成本。

第三关：提效率——从供电到冷却的全链路协同

电进入园区，系统优化还要继续深入供配电、计算与冷却。

高密度GPU集群需要在有限空间内获得更大的供电功率，同时应对快速负荷变化和更集中的散热需求。单纯增加供电设备数量，会占用更多空间，也可能增加转换环节和系统复杂度。

这也是星河基地建设12万平米“算力超级单体”的核心原因。

在远景能源高级副总裁、储能产品线总裁黄志勇看来， 大不是目的，本质是把更多GPU集中到同一个物理空间里 ——大模型训练就像一千个人同时做一道拆成一千份的数学题，每个人算完自己的部分还要不断交换结果，如果分散在不同楼里，物理距离、通信成本和网络时延都会大幅增加。

在此基础上，远景通过 三层优化 ，实现了 同等面积下算力输出规模可达传统数据中心的10倍 ：

一是算电冷统一规划，为高密度GPU集群集中部署创造条件；

二是通过储能、固态变压器（SST）和新型供电架构，在保障可靠性的前提下让供电及备用设施更紧凑，减少非算力空间，把更多面积留给计算设备；

三是绿电直供和新的供电架构拓宽电力“水管”、减少转换损耗，让更多电力高效送达GPU。

▲远景乌兰察布星河基地固态变压器

其中，固态变压器（SST）是当前支撑高密度AI计算的新型供电关键设备。相比传统工频变压器，它将中压交流电转换为直流电，配合800V直流供电架构，减少中间转换环节、降低损耗和设备占地，让有限的电力与空间支撑更多计算。

远景算力中心工程总监弋萌向央视介绍，固态变压器是 实现电力和算力协同的“能量路由器” ，这套方案可以 把10千伏高压电一步转换成服务器能用的800伏直流电 ，砍掉传统供电中的多层转换设备。按设计，其供电效率可 达98.5%以上 ，占地面积可 减少一半以上 ，用铜量 最高可减少80% 。

SST不是孤军奋战。在这套AI电力系统中，储能的定位也早已超越了传统认知。

▲远景乌兰察布星河基地储能柜

在黄志勇看来，此前行业对储能的认知普遍局限于电量调节、故障备用等最基础的底层功能。在远景的架构中， 储能是支撑全域系统稳定、经济、高效运行的核心调控单元 。

在星河基地，储能要与供电架构和控制系统协同，精准缓冲GPU负荷的瞬时剧烈波动，平抑功率冲击。储能的价值不只看容量，更看系统站位、调控任务和全域协同能力。

此外，远景强调的优势，还包括 新型直流配电系统的控制与保护设计 ：通过电力电子系统建模、控制稳定性分析和故障保护仿真，验证SST、储能及计算负荷如何协同。单台设备的高效率，只有与系统可靠性结合，才能形成持续运行的能力。

冷却也可以从被动跟随温度，转向提前准备，目标是让电高效送达、波动得到缓冲、散热及时跟上，在同一供电条件下支撑更多计算；供电系统小型化、低电流化为液冷腾出空间，供电效率每提升一点，散热预算就宽松一点。两套链路不再各自为战，而是 在同一套系统内联合设计、联合调度 。

这也正是AI电力系统的核心逻辑：它不是几台高效设备的简单叠加，而是 贯通“墙外”的能源输送与“墙内”的高效供配、计算和冷却 ，从规划设计到运行调控进行系统优化。

通过端到端设计、前置电网合规仿真与验证，缩短电力接入周期；通过预测、调度与控制协同，让供电能力更好地匹配算力交付和持续运行的需求。

第四关：可复制——从场景验证到规模化落地

星河基地的投产，是这套AI电力系统第一次在真实的AI负荷场景下接受检验——核心超级单体建筑面积12万平方米，园区总规划容量超过2GW。这里的面积约相当于17个标准足球场，相关设施全面建成后，最多可支持百万枚AI加速芯片运行。

▲远景乌兰察布星河基地

但超大规模并非最核心的挑战。星河基地真正的突破，在于用更高的系统要求证明： 只有当大规模集群获得匹配的供电、散热与运行保障，风光资源才能真正转化为实实在在的计算能力。

提供这套能力的价值，最终在于可复制。

黄志勇明确表示，远景希望复制的不是一栋完全相同的建筑，而是一套 AI基础设施交付能力 。客户可以带自己的GPU、服务器、模型和算法进来，远景把土地、绿电、基础设施、供配电、制冷和AI电力系统准备好，就像一座“五星级酒店”，水、电、暖和基础服务已经具备，客户带着自己的核心资产入住。

但与传统的机房出租不同，这家“酒店”真正的核心不是房间，而是让绿电稳定、经济地变成算力的那套AI电力系统——客户看重的，是这套系统能否让昂贵的芯片持续满负荷运转。

《对话》节目中，来自腾讯的工程师介绍，选择乌兰察布，既看重当地冷凉气候和风电资源，也看重星河基地承载大规模集群及持续扩展的能力。他表示，希望将腾讯的云计算、AI能力，与远景的新能源和AI电力系统能力结合起来。

事实上，远景的参与不只停留在发电侧，而是延伸至输电、机房内部能量管理、直流供电与功率管理，最终深度匹配客户的计算和模型需求。

这背后是远景角色的悄然转变：从提供电力设备的硬件厂商，进化为参与定义计算基础设施如何建设、运行和扩展的整体解决方案提供商。

这套能力并非凭空而来，而是来自工程化的持续积累。

▲远景赤峰绿氢零碳产业园

在内蒙古，远景早在离网场景验证过同一套能力：赤峰离网绿色氢氨园区去年率先完成了高波动新能源条件下的全链路调度验证，打通新能源出力预测、电力调度与工业负荷调度，实现全链路高动态的实时调度。

到了乌兰察布，远景面对的是更高密度、更大规模的AI负荷，系统优化需要进一步深入供电、计算与冷却之间。

两类场景的经验，还要靠持续运行和客户反馈，才能沉淀为可复制的能力，并在不同项目中因地制宜地适配。AIDC这类项目考验的是合作伙伴能否长期兑现交付与运营——而不只是设备性能。

土豆的普惠，背后有一整套成熟的农业生产与流通体系；Token的普惠，同样不能只靠某一种芯片、某一个模型或某一项供电技术。

远景星河提供的，是能源与基础设施这一侧的工程回答： 让高比例绿电可靠接入，让供电与冷却匹配计算，让系统经验能够面向不同客户持续复制。

它最终要接受的检验，不是园区有多大、设备参数有多亮眼，而是能否在满足客户业务要求的前提下，持续降低有效计算的成本。

让AI像土豆一样普惠，需要的不只是更便宜的电，更是一套能把能源优势转化为计算价值的系统。

资讯由采集器定时从公开机器人 / AI 信息源自动聚合。