近年人工智慧快速發展，產業界流傳一句話：「AI的盡頭是算力，算力的盡頭是電力。」此一說法雖略顯簡化，卻點出AI競爭的核心本質——當模型能力趨於成熟，真正拉開差距的，將不再只是演算法，而是背後龐大的運算資源與能源供應。
在這條競賽鏈條中，「Token」（詞元）逐漸成為關鍵指標。所謂Token，並非算力本身，而是語言經數位化後可供模型運算的基本單位。無論是對話生成、圖文理解，或各類AI應用，其本質皆建立在Token的輸入與輸出之上。換言之，Token所代表的是「運算需求」，而非「運算能力」，但兩者緊密相連。
當AI從實驗走向大規模商用，Token的使用量呈現爆炸性成長，直接推升對算力的需求，也進一步放大對電力的依賴。大型資料中心內部，數以萬計的GPU長時間運作，其耗電規模已可比擬中小型城市，電力成本因而成為企業營運的重要變數。
在此背景下，電價差異逐漸轉化為AI競爭的隱性門檻。以主要經濟體為例，中國大陸整體電價相對低於歐美，確實在資料中心營運成本上具備一定優勢。然而，AI服務的定價並非單純由電力決定，尚包括硬體投資、模型訓練、研發支出與平台生態等多重因素。因此，不同國家與企業之間的價格差距，不能簡化為「電價差」的直接反映。
當前市場亦呈現一項值得關注的趨勢：隨著AI應用普及，Token計價模式已逐漸成為產業標準。從OpenAI、Google到Anthropic，乃至中國的阿里雲、騰訊雲與智譜AI，皆以Token用量作為主要收費依據。這意味著，未來AI的競爭，不僅是模型性能之爭，更是「誰能以更低成本處理更多Token」的效率之爭。
值得注意的是，能源結構正逐步介入這場競局。中國近年在再生能源與電力基礎建設上的投入，使其發電量居全球首位，約占全球三成左右，為高耗能的資料中心發展提供支撐。同時，包括高溫氣冷堆與實驗性核技術在內的新型能源路線，也被視為未來可能的支援選項。不過，無論是釷基融鹽反應爐或核聚變，目前仍處於研發或示範階段，距離大規模商業化尚有一段距離。
從產業數據觀察，AI應用正由試驗性導入邁向全面滲透。隨著智慧助理、自動化系統與各類AI代理（Agent）普及，Token消耗量持續攀升已是確定趨勢。這不僅對企業成本結構形成壓力，也迫使業者在價格策略上進行調整，近年多家國際與中國雲端業者陸續調整費率，即為一例。
綜合而言，AI發展已逐步從「模型競賽」轉向「基礎資源競賽」。算力、電力與成本三者之間形成緊密連動，而Token則成為衡量這一切的關鍵尺度。與其說「Token的盡頭是電力」，不如說：在AI時代，誰能更有效率地運用能源，誰就更有機會在這場長期競爭中取得優勢。
換言之，AI的未來，不只是科技問題，更是能源與產業結構的綜合競局。當Token持續膨脹，其背後所牽動的，將是一場跨越科技、經濟與國力的深層競爭。（前民眾日報資深記者 屈文峰）
※以上言論不代表本報立場※
