南方电网测算数据显示主流大模型高强度推理场景下生成百万词元耗电大约在 15 到 20 度，行业观点直接点明算力底层就是电力投入，词元可以看作 AI 时代的标准化商品，每一段 AI 输出文本、每一次模型推理，都要消耗 GPU、服务器算力，而算力运转的基础来源就是电力；国内词元调用规模爆发式上涨，日均调用量短时间内增长数千倍，电力成本已经占到智算中心运营成本的 50%-70%，电价高低、绿电供给能力直接决定词元生产成本和 AI 服务商利润空间，西部绿电富集地区依靠低价风电光伏拿到成本优势，同时行业也开始用 “每瓦词元数” 这个新指标，衡量算力硬件和模型方案的能效水平。
一、百万词元耗电数据基础清单
- 测算来源：南方电网、国家信息中心引用测算值
- 参考区间：主流大模型高强度推理，生成百万词元耗电 15～20 度
- 适用场景：线上推理生成词元，不包含大模型预训练阶段，预训练单位词元耗电会高出很多
- 词元换算参考：1 百万词元大约对应 60 万～70 万中文汉字
- 成本估算：西部绿电区域电价约 0.3 元 / 度，百万词元电费成本大约 4.5～6 元；东部工商业电价偏高，电费会涨到 9～16 元区间
- 行业定位：电力是算力最核心刚性投入，服务器折旧、带宽、人力都属于次要成本项
二、词元生产价值对比表
| 项目 | 西部绿电智算中心 | 东部常规数据中心 | 海外高价电价区域 |
|---|---|---|---|
| 电价参考 | 0.3 元 / 度左右 | 0.6~0.8 元 / 度 | 1.5 元以上 |
| 百万词元电费 | 4.5～6 元 | 9～16 元 | 22 元以上 |
| 优势 | 词元生产成本低，适合对外 API、词元出海 | 网络延迟低，适合本地业务 | 成本偏高，主打高价值场景 |
| 配套条件 | 绿电充足，冷凉气候，PUE 更低 | 电力配额紧张，扩容受限 | 能源成本压力大 |
三、算力与电力的传导逻辑
- 用户发起提问请求，大模型服务系统接收输入词元，调度 GPU 集群开始推理计算。
- GPU、内存、交换机、液冷散热设备同步耗电，电能转化成算力，输出新的词元。
- 输出词元数量越多，持续推理时间越长，消耗电力同步增加，百万词元对应 15-20 度电就是这个过程的统计结果。
- 产出的词元对外售卖，形成词元经济，相当于把电力经过算力加工之后，转化成可以线上交付的 AI 服务商品。
- 行业比拼方向从单纯堆 GPU 算力，转向提升每一度电能产出多少词元，也就是能效指标。
四、影响百万词元实际耗电量的变量
- 模型参数规模：超大参数量模型、非稀疏模型，单位词元耗电更高，容易摸到 20 度上限；轻量化 MoE 混合专家模型能耗更低。
- 推理负载：批量并发高、满负载跑的时候能效更好；零星小请求、低并发空载，单位词元耗电会明显上浮。
- 硬件和散热：液冷集群 PUE 更低，无效耗电更少；风冷老旧机房额外耗电浪费多。
- 量化与推理框架：FP8 量化、vLLM、SGLang 这类优化引擎，能压缩单位词元能耗，脱离 15-20 度基准区间。
五、产业带来的两大变化方向
- 算力产业跟着电力走：智算集群持续向风电光伏资源丰富、电价便宜的西部省份迁移，词元出海模式兴起，利用国内低价绿电生产词元供给海外开发者。
- 算电协同变成刚需：电网、储能、绿电配套不再是配套选项，新建智算项目必须同步评估电力容量、绿电消纳指标，算力建设先看电。
【常见问题】
问题 1：生成百万词元耗电 15 至 20 度算力底层是电力的投入，这个耗电数据来自哪里？
回答 1：生成百万词元耗电 15 至 20 度算力底层是电力的投入，该数值是南方电网针对主流大模型高强度推理场景的测算数据，国家信息中心相关专家在行业论坛引用了这组数据。
问题 2：生成百万词元耗电 15 至 20 度，这个耗电标准包含大模型预训练吗？
回答 2：生成百万词元耗电 15 至 20 度只针对线上推理生成词元场景，不包含大模型预训练，预训练阶段的算力和电力消耗要远高于这个水平。
问题 3：生成百万词元耗电 15 至 20 度算力底层是电力的投入，电力在智算中心成本占比多少？
回答 3：生成百万词元耗电 15 至 20 度算力底层是电力的投入，根据中国信通院测算，电力成本占到智算中心整体运营成本 50% 到 70%，是最大刚性支出。
问题 4：生成百万词元耗电 15 至 20 度，为什么西部绿电地区做词元业务更有优势？
回答 4：生成百万词元耗电 15 至 20 度，西部风电光伏电价更低，同样生产百万词元电费更少，词元生产成本更低，适合做 API 服务和词元出海业务。
问题 5：生成百万词元耗电 15 至 20 度算力底层是电力的投入，什么办法可以降低百万词元耗电量？
回答 5：生成百万词元耗电 15 至 20 度算力底层是电力的投入，可以用 MoE 稀疏模型、FP8 量化、高性能推理引擎、液冷机房、优化并发批处理策略，降低单位词元耗电。
【参考资料】
[2026-11-13]（生成百万词元耗电 15 至 20 度算力的底层是电力的投入）新浪财经
[2026-04-10]（从 “卖电” 到 “卖词元”）国家能源集团报
[2026-03-31]（记者手记：AI 时代孕育 “词元” 经济 一度电如何实现价值逆袭）新华网
[2026-03-30]（电力，算力，时空重构！Token 出海成绿电消纳新蓝海）证券时报
[2026-03-24]（绿电、算力与智能：当中国绿电 “穿上” Token 的外衣）中国能源网
免责声明：本文基于南方电网测算、国家信息中心观点和公开媒体报道整理，百万词元耗电 15 至 20 度为高强度推理场景参考均值，实际能耗受模型架构、并发规模、硬件方案、机房 PUE 影响存在浮动；本文仅为产业信息解读，不构成智算中心投资、大模型 API 定价、算力项目选址决策依据。