OpenAI的o1烧的不是算力，是电

9月13日凌晨，OpenAI发布了跳票许久的推理模型o1-preview，以及一个小号版本o1-mini。

所有人的注意力都放在"AI真的开始思考了"这件事上。但作为一个常年盯着硅料价格和电网负荷曲线的产业观察者，我在这场发布里看到的是另一张账单：当AI学会思考，它的边际成本结构被彻底改写了——从芯片折旧，转向了电费。

这篇文章不讨论模型能力本身，我们聊聊推理范式背后那台轰鸣的"发电机组"。

🧠 思考，开始按token计费

这一次，智能被明码标价了。

先看事实。OpenAI把这次发布称为"预览版"，反复强调o1仍处于早期阶段。权限是分阶段放开的：ChatGPT Plus和Team用户立即可用，Enterprise和Edu用户下周获得访问权，API侧则只对等级5的开发者（累计消费1000美元且首付款超过30天）开放，速率限制是20 RPM——每分钟20次请求。

真正值得玩味的是定价。把o1-preview和GPT-4o摆在一起看：

输入是三倍，输出是四倍。

为什么输出贵得离谱？因为推理模型的回答不是"一次生成"，而是先在后台"想"——把中间的推理步骤也作为token消耗掉。换句话说，你为答案付费，但答案里最大的一块成本，是看不见的思考过程。

开发者圈子里私下流传的一句话是："以后评估模型成本，不能只数答案的字数，得数它脑子里过了多少遍。"

产业逻辑在这里发生了质变。过去大模型的成本结构是"重训练、轻推理"——一次性把几百亿砸进训练集群，然后摊销。而推理模型把成本重心推向推理侧：每一次调用都是一次真实的、不可摊销的算力燃烧。OpenAI的API负责人在发布时说得很直白："如果你过去有个产品想法，当时的模型不太行、不够智能，现在你再试试。"

这句话翻译过来就是：更多应用场景将被激活，推理调用量会指数级滚上去。

而算力的尽头，是电。

⚡ 算力负荷的形状，正在变

训练是闪充，推理是持续输出——电网最怕的就是后者。

20 RPM的速率限制，表面上是商业策略，背后其实是推理资源的稀缺性。推理不像训练可以离线排队，用户在等一个回答，GPU必须实时满载，电力必须实时跟上。

这里有一个对能源产业至关重要的结构性变化。我们用一张图来看推理范式如何传导到电力侧：

过去AI的电力负荷主要是训练负荷：集中在少数几个超大集群，选址高度自由——哪里电便宜就建在哪里，甚至可以配套自建风光电站和储能，负荷曲线也是可中断、可调度的。

推理负荷完全是另一种动物：

• 分布式：应用在哪，推理就得在哪，延迟要求决定了它必须靠近用户；
• 持续性：7×24小时在线服务，负荷曲线平滑而刚性；
• 高可靠性：一次回答中断就是一次用户体验崩塌，对供电质量的容忍度远低于训练。

从电网视角看，这意味着AI正在从"可以迁就电源的负荷"变成"电源必须迁就的负荷"。前者可以建在戈壁滩上的光伏电站旁边，后者必须挂在城市边缘的优质电网上。

多位接近算力基础设施的人士提到，推理占比提升后，数据中心对电力可靠性和绿电比例的要求会同步抬升，这恰恰是电网侧和储能侧最擅长的生意。

🔋 AI的电费单，新能源的三重机会

每一秒的"深度思考"，都是一段GPU满载的用电曲线。

回到那句"现在你再试试"。它预示的产业图景是：大量过去因为模型不够聪明而无法落地的产品——复杂决策、科研辅助、长链条规划——将陆续上线。每一个这样的应用，单次调用的耗电量都远高于传统对话式调用。

推理成本贵四倍，不只是贵在GPU租用上，也贵在机房里那张电表上。对一个推理模型而言，回答越难的问题，"思考"的token越多，GPU满载时间越长，耗电越接近线性增长。

这对新能源产业链至少打开三重机会窗口：

第一，绿电需求的结构性增量。 科技公司采购绿电的动力来自两头——成本与合规。推理负荷越大，绿电长协的谈判筹码就越往发电侧倾斜。光伏和风电，尤其是可匹配数据中心负荷曲线的电源形式，将获得一类全新的、对价格敏感度较低的大买家。

第二，储能价值的重估。 推理负荷是刚性、持续的，但绿电出力是波动的。当数据中心的用电量在区域电网中占比抬升，调峰责任必然外溢，储能从"可选项"变成"基础设施"。负荷曲线越刚性，储能在容量补偿和辅助服务市场里的价值就越清晰。

第三，算力选址反向牵引电源规划。 未来可能出现这样的图景：不是电源追着负荷走，而是算力集群作为确定性极高的增量负荷，成为新能源项目立项时最硬核的消纳论证。哪里的电网有余量、绿电有富集，哪里的园区就能在算力竞标中胜出。

一句话概括：智能的竞争力，正在部分取决于单位电价。

📈 谁来付AI的电费

商业模式的闭环，最后一定落在电价上。

算一笔粗账。o1-preview输出60美元/百万token，是GPT-4o的四倍。对一个推理密集型应用来说，模型调用成本可能从毛利中的零头，变成毛利本身的最大扣减项。开发者的选择无非三条路：涨价、降智（用o1-mini这类小模型）、或者压缩调用量。

无论哪条路，成本压力都会沿着产业链向上游传导：应用层压模型层，模型层压算力层，算力层压基础设施层——而基础设施层的终极变量，就是电力成本。

这就是为什么我说，从新能源产业观察的视角，o1的发布是一个比"AI变聪明"更值得记录的节点：它宣告推理成本进入了用户的直接感知区间，电力成本第一次真正站到了AI商业模型的前排。

当然，这里要保持克制。目前的定价是"预览版"定价，OpenAI自己都强调早期阶段，后续大概率会随推理效率优化而下降——o1-mini的存在本身就是成本下探的信号。但方向是确定的：推理范式一旦成立，算力总量的天花板就从"能建多少数据中心"变成"电网能供多少电、绿电能发多少度"。

⚠️ 智能的天花板，是电力头顶的天花板

模型竞赛的下半场，选手名单里会出现电网的名字。

回到这场发布本身，还有几个细节值得记住：o1-preview的速率限制是20 RPM，o1-mini计划未来向所有免费用户开放，Enterprise和Edu用户下周才拿到权限。这些克制的管理动作说明，推理算力在当下仍是稀缺资源——稀缺到需要排队、需要分层、需要限速。

稀缺的根源，一半在芯片，一半在电。芯片的问题交给摩尔定律和制程竞赛，电的问题，交给我们这个行业。

对新能源产业链的从业者，我的判断有三条：

其一，AI是需求侧的新变量。 在电动车、储能之后，算力中心正在成为第三个高确定性的增量负荷，且它的负荷特性（刚性、持续、高质量）对电网是压力，对优质绿电资产是溢价。

其二，储能的逻辑要重新讲一遍。 别再只盯着新能源配储的政策账，算力负荷的平滑与备电，是一个愿意为可靠性付真金白银的客户。

其三，关注"单位智能电耗"这条暗线。 未来评价一个AI产业的区域竞争力，除了模型和人才，还要看它的电价、绿电比例和电网灵活性。

结语

o1的发布，产业里的人看到了推理范式的开场，能源侧的人应该看到一张越来越长的电费单。

当"思考"成为计费项，智能的成本公式里，电力的权重只会越来越大。预览版定价是60美元每百万token，但终局定价的单位，可能是每度电产出多少token。

下一个大模型发布日，建议新能源行业的同行也定个闹钟。看懂了算力的负荷曲线，就看懂了新能源的下一张订单。