老师有没有告诉你，DeepSeek一天吞8万亿token——它吃掉的不是数据，是电

8万亿，不是数字游戏

DeepSeek一天处理8万亿个token。你知道这个数字有多大吗？假设一个token平均是一个汉字，8万亿字——把全人类有史以来出版的所有书籍（大约1.3亿册）全部转换成文字，大概也就这个量级。而DeepSeek一天就「读」完了。但你有没有想过一个问题：这些token不是从天上掉下来的。每一个token被处理的时候，都有一颗GPU芯片在疯狂运转，一条内存通道在吞吐数据，一组散热风扇在嘶吼。AI不是吃数据的怪兽——它吃的是电。2026年，全球数据中心用电量已经超过整个日本的全国用电量，而AI训练和推理占了这个数字的一半以上。你每一次跟AI聊天，背后都有一台服务器在实实在在地烧煤或者烧铀。

为什么「读」和「算」要费电

你可能会想：不就是读文字吗？我手机看小说也不怎么费电啊。但AI的「读」和你的「读」完全是两码事。你看一个字，大脑里有一组已经训练好的神经元直接映射到语义——这是「检索」。AI「读」一个字，要做的是：把这个字变成一串768维的向量，然后跟它见过的所有其他字的向量做矩阵乘法，算出一个「注意力分数」，再把这个分数加权到上下文里——这是「计算」。一个token要经过几百亿次浮点运算。8万亿个token，就是8万亿乘以几百亿。这个数字大到什么程度？大到连DeepSeek自己都不敢把真实的电费账单贴出来——不是因为贵，是因为那个数字会吓到所有人。

GPU农场的真实面目

你可能在新闻里看过数据中心——一排排整齐的机柜，蓝光闪烁，看起来很科幻。但真相是：那里面不是服务器在安静地「思考」，是上万张显卡在全速运转，每一张都在70度以上的高温下工作。液冷系统24小时不停地把热量带走，冷却塔冒出的白烟在几公里外都能看到。一个中等规模的AI训练集群，一天的用电量大概相当于一个小型工厂一个月的用电量。而DeepSeek这样的全球级服务，背后可能是几十个这样的集群同时运转。更扎心的事实是：这些电，很大一部分来自化石能源。你问AI一个关于环保的问题，它回答你的时候，可能刚刚烧掉了一小勺煤。

Token经济学：为什么「免费」最贵

这就是有趣的地方了。DeepSeek对你是免费的。你随便问，随便聊，一分钱不收。但免费的东西，总得有人买单。谁来买单？一部分是投资人——他们赌的是未来。一部分是电网——电费账单最终会摊到每一个用电户头上。还有一部分是环境——碳排放没有计入任何人的账单。你每一次跟AI聊天产生的碳足迹，可能比你用搜索引擎搜索同样的问题高出几百倍。而搜索引擎是一个已经存在了二十多年、高度优化的成熟系统。AI聊天？它才两岁，还处在「先用最笨的办法跑起来再说」的阶段。这就像一个刚开始健身的人，动作还没学会，先把补剂吃到了职业选手的量。

效率革命正在路上，但没那么快

好消息是，AI行业已经意识到这个问题了。从大模型的「量化」到「蒸馏」，从专用推理芯片到更高效的注意力机制——过去一年，让AI做同样一件事的能耗已经降低了大约60%。但坏消息是，AI的使用量增长得更快。效率提升60%，使用量涨了200%——结果总能耗反而更高了。这叫「杰文斯悖论」：当某种资源的利用效率提高，人们反而会用它更多，最终总消耗不降反升。蒸汽机效率提高后，英国的煤用得更多而不是更少。AI也在走同一条路。你知道吗？你现在跟AI说一句话让它在后台算了三秒钟——那三秒钟消耗的能量，大概够你的手机亮一整天。