国泰海通：从电力到Token：AI算力的能源经济学，基于这份解读与资料生成可视化解读与知识图谱

已基于这份资料（国泰海通证券《从电力到 Token：AI 算力的能源经济学》，2026.10.13，共 24 页）生成两个产物，点开下方卡片即可查看：

① 可视化解读页｜含 7 张数值图表 + 10 个板块

• 开篇三判断：短期看硬件、实际看效率、中长期看能源
• 成本账：1GW IT 负荷典型数据中心年度 TCO 约 85 亿美元——服务器约 50 亿（近 60%）、设施及网络约 30%、电力仅约 5.9 亿（约 7%）；电价降到零，TCO 理论降幅也只有约 7%（第 4.2 节）
• 用电侧：全球数据中心用电 2024 年约 415 TWh → 2030 年约 945 TWh（基准情景，CAGR 约 15%），AI 加速服务器用电年均增速约 30%；2030 年 AI 数据中心累计资本投入约 5.2 万亿美元，硬件之外的电力/冷却/建筑等仍占约 40%（第 3.3、4.1 节）
• 效率侧：四个大型模型 MFU 中位数约 31.35%；AI 芯片单位美元性能自 2023 年以来年均提升约 49%，约 1.7 年翻倍（第 4.3、4.4 节）
• Token 侧：Token Cost = 年度 TCO ÷ 年度有效 Token 产出；Google 月度 Token 两年增长超 300 倍，同等能力模型推理价格两年降超 280 倍（第 5.1—5.3 节）

② 交互式知识图谱｜25 个节点、30 条论证关系

• 六个分组：核心命题 / 电力—算力物理链条 / 成本结构与敏感度 / Token 经济性 / 能源供给与扩张 / 竞争重心迁移与风险
• 点节点即可看它的关键数字、出处页码与直接相连关系；点图例可筛选分组。连线方向就是报告的论证推进路线：中心命题 → 五条主线 → 落到具体数字与案例

两个页面均标注「AI 生成」，所有数值与页码取自该资料原文，涉及具体数字请以原文为准；末页附资料解读详情页入口：https://www.tantongtong.top/resources/1791960976539177

需要我再补一版「只讲结论」的单页图，或把关键数据另存成 Excel 速查表，说一声即可。