01 触发事件

2026 年 7 月 17 日，国家能源局在上海 WAIC “人工智能与能源双向”论坛上释放了两个具体信号：一是“十五五”时期推理负荷将超过训练负荷，成为算力主要消耗；二是当前全社会用电量中，每十度电有近四度是绿电。

十五五时期，推理负荷将超过以往的训练负荷，成为算力的主要消耗

表面看，这是能源系统在给 AI 站台。

但我看，这其实是政策层第一次明确承认：AI 的主战场，正在从一次性训练资本开支，转向持续性的 inference 运营负荷。

这不是修辞变化，而是资源对象变了。

训练更像项目制，推理更像公用事业负载。前者拼峰值 GPU，后者拼稳定供电、时延、调度和单位 Token 成本。我没在内部看过国家能源局后续配套文件，所以这点我可能误判；但仅从这段表述看，监管视角已经开始把 AI 当成一类新型电力需求，而不是单纯的科技产业口号。

02 这事的真正含义

真正重要的，不是“绿电支持 AI”，而是能源系统开始按 inference 的物理特征来理解 AI。

原文点得很直白：时延敏感、负荷波动大、需求集中。这三件事合在一起，指向的不是大模型能力，而是 serving economics。

训练可以迁移到更便宜、更边缘的电力节点，甚至接受更长作业周期。

推理不行。

推理要靠近用户、靠近网络、靠近需求高峰，还要承受产品爆发带来的瞬时 load spike。问题不在“有没有更多模型”，而在“哪个模型的 Token 能被电网和机房更稳定地交付”。

这才是国家能源局在说的事。

如果 inference 成为主要负荷，那么未来被重新定价的，未必只是 GPU 租金，而是整条链路：机架位置、PUE、绿电匹配能力、区域电价、调峰能力、乃至 KV cache 命中率。后者听起来像模型工程细节，但它最后会落在电费账单上。

我没跑过全国范围的数据中心调度，所以这一点我可能说重了；但对 API buyer 来说，Token 价格和电力价格的关联度，接下来只会变强，不会变弱。

03 历史类比 / 结构对照

这件事更像 2014 年 AWS 从“卖服务器”变成“卖基础设施抽象”，而不是 2022 年 ChatGPT 的产品引爆。

当行业讨论训练时，大家关心的是 frontier model、scaling law、参数量、MoE 架构和资本开支。

当行业讨论推理时，焦点会变成另一套东西：availability、latency、batching、prompt caching、routing、region placement。

这是从“军备竞赛”转向“公路收费站”。

iPhone 的拐点在于把计算装进口袋里；AWS 的拐点在于把算力变成按需调用；而 AI 下一阶段的拐点，可能是把 Token 变成一种受电力系统约束的连续消费品。那个真正会被定价的，不是模型参数，而是可交付的 inference。

如果这个判断成立，那么 moat 也会跟着迁移：从最会训模型的人，部分转到最会把模型以最低综合成本送到终端的人。我没法证明这会在 12 个月内全面发生，这里我可能偏结构主义；但至少中国政策信号已经在往这个方向推。

04 对 AI builder 意味着什么

对 builder 来说，这周和这个月该调的，不是 PR 话术，而是系统设计。

第一，别再把模型成本只当 API 单价看。要开始拆：输入 Token、输出 Token、cache 命中率、峰谷流量差、地域分布、延迟 SLA。你买的不是模型，而是一个带电力约束的交付系统。

第二，routing 会比“单一最强模型”更重要。推理成为主负荷后，多模型路由、降级策略、异步任务池、batch API 折扣，都会从优化项变成生存项。我没看过你们各自的 traffic profile，这里我可能泛化了；但如果产品里 80% 请求不需要最强模型，却全打到最贵 endpoint，那就是在拿毛利喂电网。

第三，green power 叙事不要只当品牌加分项。政策一旦把“绿色算力”从理念推进到落地，它就可能进入园区准入、上架审批、资源倾斜、甚至地方招商。到那时，能证明自己具备高效 inference utilization 的平台，拿资源会更顺。

第四，AI infra 创业者要重新理解 distribution。未来的优势，不只是拿到更多 GPU，而是能不能把 GPU、机房、电价、网络和工作负载一起编排。MCP 很热，Agent 也很热，但如果底层 inference economics 不成立，上层协议再漂亮也只是薄壳。

05 反方观点 / 风险

我可能错在两个地方。

第一，这可能只是一次标准政策表态，不代表短期内会出现实质性资源重配。国家能源局说“推理负荷将超过训练负荷”，并不自动等于地方电网、云厂商、数据中心立刻按 inference 优先级重构供给。如果没有后续文件、补贴、调度机制和园区落地，这条新闻的含金量会被高估。

第二，中国 AI 的真实瓶颈也许暂时不在电，而在高端芯片、网络互联、软件栈和商业需求密度。换句话说，电力系统即便准备好了，模型服务未必就能顺滑释放。我没掌握各地算力集群的真实利用率，这里我可能把长期约束提前投射到了短期现实。

所以，最稳妥的读法不是“能源将成为 AI 核心瓶颈”，而是政策层已经开始把 inference 当成一个值得单独治理的负载类型。

这就够重要了。

因为一旦政府这么看，云厂商会这么投，机房会这么建，平台会这么卖，应用方最后也会被迫这么算账。

今天他们讨论的是绿电。

明天市场真正重估的，可能是每一个 Token 背后的电力路径。