一半AI算力在造爽剧?红果崛起背后,谁在收割AI红利.
- 2026-11-20 06:21:22

引言:我们投入巨资建设AI算力,最后都拿来拍霸总短剧了?
一个颇具讽刺意味的话题,最近在互联网上引发争议。
2026年10月,一组关于中国AI算力用途的数据再次引起广泛关注。
根据此前公开的行业交流信息,AI短剧和视频生成在相关Token消耗结构中占比达到55%,电商和广告营销占24%,软件开发占15%。
这组数据被传播为一个颇具冲击力的结论:
中国超过一半的AI算力被用来生产短剧和娱乐视频,而真正用于技术研发的只有15%。
如果这个说法成立,确实值得警惕。
中国正投入巨额资本建设数据中心、训练大模型、突破芯片瓶颈,希望借助AI推动制造业升级、科学研究和社会生产率提升。
结果,最先大规模消耗计算资源的,竟然是霸道总裁、豪门逆袭和各种AI爽剧。
但这个结论存在明显的统计口径问题。
首先,Token消耗量并不等于物理算力占用量。不同模型和应用的计算开销差别很大,不能直接用Token数量判断GPU资源占比。
其次,原始披露中的15%指向软件开发领域,而非全国科研和基础技术研发投入。把软件开发比例直接解释为研发投入比例,属于概念混淆。
最后,这组数据虽然见于正式投资者交流记录,但公开披露并未充分说明统计样本、来源及覆盖范围,不能据此认定中国全部AI算力的实际用途结构。
因此,我们不应该用一组尚未得到全面验证的数字,给中国AI产业贴上只会生产爽剧的标签。
但数字背后指向的问题,却是真实而深刻的:为什么AI最先形成规模化商业需求的地方,往往是娱乐、广告和流量产业?当AI生产能力爆炸式增长,创造出来的经济利益,又会流向谁?
尤其当红果这样的超级内容平台迅速崛起,这已经不只是短剧行业的问题。
它正在成为观察中国AI产业权力结构变化的一扇窗口。
一、从技术革命到流量生意:中国AI最先跑通了什么?
AI被赋予的最大期待,是一场生产率革命。
它应该帮助科学家缩短实验周期,帮助工程师改进产品设计,帮助医生提高诊疗效率,帮助制造企业优化生产流程。
但现实中的商业化进程,通常没有这么理想化。
任何革命性技术进入市场,往往不是先奔向社会价值最大的领域,而是先进入最容易支付费用、最容易形成规模、最容易衡量商业回报的领域。
在中国互联网产业中,短视频、电商、广告和短剧恰恰拥有这些条件。
它们有庞大的用户群体,有成熟的推荐算法,有能够迅速转化为现金收入的广告系统,也有高度标准化的内容生产需求。
对于AI而言,这几乎是一片天然的商业化土壤。
一部传统短剧需要演员、场景、服化道、摄影、剪辑和后期制作。
AI视频技术则可以将其中大量工作转换为模型调用、提示词设计和自动化工作流。
从经济学角度看,这是实实在在的技术进步。
生产周期缩短,制作门槛下降,原来无法商业化的故事和创意,有机会以更低成本进入市场。
问题在于:
技术能够让内容生产成本持续下降,却不能让用户的注意力无限增长。
过去,一家公司可能需要几百万元才能完成一定规模的内容生产。
如今,随着AI工具普及,更多小团队甚至个人创作者也可以参与竞争。
供给端的门槛不断降低,内容数量迅速增加。
但是用户每天能够观看视频的时间仍然有限,广告主的预算增长也未必跟得上内容产量。
于是,内容行业出现了一个看似矛盾的变化:
生产效率越高,行业竞争可能越激烈。
AI让创作变得更加容易,却可能让创作者赚钱变得更加困难。
这是理解未来AI应用竞争格局的第一个关键。
二、红果的真正优势,不是短剧,而是控制注意力的能力
如果说AI改变了短剧的生产方式,那么红果改变的就是短剧的分配方式。
根据媒体引用的QuestMobile监测数据,2026年7月,红果短剧日活跃用户已经达到1.68亿,超过腾讯视频、爱奇艺、优酷和芒果TV四大长视频平台的同期日活规模之和。
三年前,红果还只是一个新兴短剧产品。
三年后,它已经成为中国移动内容市场无法忽视的超级入口。
但红果真正可怕的地方,并不是它拥有多少部短剧。
而是它背后连接着一整套成熟的互联网商业基础设施。
抖音可以提供庞大的用户触达和内容发现入口。
番茄小说等内容资源可以提供大量故事和IP。
字节跳动的推荐技术能够帮助系统筛选内容、匹配用户兴趣。
广告商业化体系能够将用户观看行为转化为收入。
这些能力组合在一起,使红果不再只是一个播放器,而更接近一个覆盖内容生产、流量分发和广告变现的平台型生态。
在传统影视产业里,优质内容曾经是相对稀缺的核心资源。
制作一部优秀作品需要资金、人才和时间,内容生产能力本身就具有较高门槛。
但在AI时代,普通内容的生产门槛快速下降。
当市场上每天都可以产生大量相似的作品时,真正稀缺的资源开始从生产端向分发端转移。
谁有能力让作品被一亿人看到,谁就拥有比单纯生产一万部作品更强的商业议价能力。
这也是红果平台规模优势的真正含义。
它不必亲自生产所有内容,却能够利用用户规模、算法推荐和商业化能力,对整个内容生态产生深刻影响。
当然,红果的领先地位不等于法律意义上的垄断。行业内仍存在其他短剧、长视频、付费内容和海外发行渠道,也不能在缺乏竞争法证据的情况下认定其存在违法垄断行为。
但从产业经济学角度看,红果所代表的平台集中化趋势,已经足以引发一个重要问题:
当AI让内容生产越来越分散,内容分发和利润分配是否会变得更加集中?

三、AI降低了生产门槛,却可能提高了赚钱门槛
理解这一变化,需要区分两个概念:
生产一部短剧的成本,与让一部短剧真正赚到钱的成本。
过去,制作成本可能是限制内容行业发展的主要门槛。
如今,随着AI视频技术进步,单部作品的制作成本有望持续下降。
但内容生产成本下降后,更多创作者进入市场,供给规模快速扩张。
当同质化作品数量远远超过用户需求,平台就必须通过推荐算法进行筛选。
在这种环境下,决定作品收入的关键因素,可能不再只是制作质量,而是用户留存率、完播率、广告转化效率以及平台分发结果。
于是,一种新的利润分配结构可能逐步形成:
上游提供算力和模型。
中游创作者投入时间、资金和创意生产内容。
下游平台掌握用户触达、推荐流量和商业化系统。
在竞争充分的情况下,这种分工本来没有问题。
但如果大量创作者高度依赖少数平台获得流量,就可能出现议价能力不对称。
例如,平台为了提高经营效率,可以对不同类型的作品设置不同的分账条件、流量规则和合作政策。
对于头部IP和精品内容,平台可能愿意支付更高价格。
但对于大量同质化、可替代性强的普通内容,平台往往拥有更多选择。
2026年,媒体曾报道红果调整部分中小短剧承制方的保底合作机制。相关报道也指出,受影响的主要是部分承制方,而非所有内容项目,具体政策不能一概而论。
这一变化至少提示了一个趋势:
当内容供给不再稀缺,平台可能更有能力把部分商业风险转移给内容生产者。
这里最值得警惕的是一种新的行业竞争模式。
原本制作一部短剧需要投入100万元,AI将成本降低到20万元。
看起来,制作方每部节省了80万元。
但如果大量竞争者同时采用AI,内容供给迅速扩大,作品平均分账收入也可能大幅下降。
最终,创作者未必能够保留技术带来的全部效率红利。
一部分红利被消费者以免费内容的方式获得。
一部分可能转化为广告主更低的获客成本。
另一部分则可能被掌握用户和分发能力的平台获得。
这不是技术没有创造价值。
恰恰相反,技术创造了价值,但这些价值未必由生产者获得。
AI短剧可能成为一个典型案例:生产力革命发生在内容制作端,利润分配的主导权却集中在平台端。
四、从AI短剧看整个AI产业:技术平权,还是平台权力再集中?
如果这种趋势只发生在短剧行业,它还只是一个内容产业问题。
但如果同样的机制扩展到软件开发、广告营销、企业服务、教育甚至专业知识服务,影响就会大得多。
AI最重要的技术特征之一,是降低专业化生产的门槛。
它让普通人能够编写程序、生成设计、制作视频、分析数据,也让企业可以用更少的人力完成过去需要复杂团队才能完成的工作。
从技术能力的角度看,AI具有显著的普惠效应。
但技术能力的普及,不等于商业权力的分散。
原因很简单:
一个人可以利用AI开发应用,但不代表他拥有用户。
一家创业公司可以利用AI提供服务,但不代表它掌握客户入口。
一家内容公司可以利用AI批量生产作品,但不代表它能够获得稳定流量。
当模型能力逐渐标准化、生产成本不断下降,市场竞争的关键可能从能不能生产,转向能不能获得客户、能不能积累数据、能不能建立商业闭环。
这会推动AI产业形成新的分层:
底层是算力、电力、数据中心和芯片。
中间是基础模型、多模态生成和工具服务。
再往上是各种AI应用。
最接近终端需求的,则是拥有用户、数据、工作流和交易能力的平台。
值得注意的是,产业链越靠近终端,并不意味着必然拥有更高利润。
但掌握不可轻易替代的客户关系和商业化入口,通常有助于提升议价能力。
对于一般内容生成和工具型应用而言,AI能力的普及可能使其逐渐商品化。
相反,如果一家公司拥有稳定的用户关系、专有数据、深度嵌入的工作流程或者难以复制的版权资产,就可能保持相对较强的竞争优势。
这会带来一个令人警惕的可能性:
AI原本有机会让更多小公司和个人拥有生产能力,却可能因为平台网络效应,使部分产业的商业利润进一步集中。
技术能力越来越民主化,商业入口却不一定民主化。
这才是红果案例对整个AI产业最深刻的启示。

五、算力繁荣不等于生产率革命:我们可能正在混淆三种增长
回到55%的Token消耗争议。
为什么这组数字如此容易引发焦虑?
因为我们习惯把算力需求增长、AI技术进步和经济价值创造,理解为同一件事情。
但实际上,它们是三个不同的概念。
第一种增长,是计算资源消耗量增长。
更多视频生成、更多模型调用、更长推理过程,都可以增加Token或计算资源消耗。
但是资源消耗增加,本身不等于价值增加。
一段视频反复生成十次,可能是为了精益求精,也可能仅仅因为模型稳定性不足。
如果模型一次就能完成原来十次才能完成的任务,计算资源消耗下降,反而可能代表技术进步。
第二种增长,是AI产业商业收入增长。
只要有人愿意购买模型调用、算力服务和内容产品,AI企业就可能获得收入。
娱乐消费当然具有经济价值。
短剧、游戏、动画和电影,都可以创造就业、版权收益、消费者福利与出口收入。
不能因为AI服务的是娱乐需求,就认定这部分计算资源没有价值。
但这里也存在一个问题。
如果大量内容企业依靠持续投入算力、争夺流量,却始终无法覆盖成本,那么算力消耗增长未必意味着整个产业实现了健康发展。
第三种增长,才是社会生产率增长。
AI能否提高单位劳动时间的产出?
能否降低工业制造成本?
能否帮助科学家更快发现新材料和新药物?
能否让企业用更少资源完成同等甚至更高质量的任务?
这类变化,才更接近人们期待的长期生产率革命。
三种增长可以同时发生,却不必然同步。
一家AI视频平台的Token调用量可能翻倍,收入可能增长30%,但它对更广泛产业生产率的影响,仍然需要独立评估。
同样,一个AI科研系统的Token消耗量可能不大,却可能通过缩短研发时间,产生很高的经济价值。
因此:
衡量AI产业发展质量,不能只看消耗多少算力,更要看每单位计算资源最终产生了什么价值。

六、短剧会不会挤占科研算力?真正的问题是资源配置机制
面对AI短剧的迅速扩张,有一种直观担忧:
如果大量GPU都在生成娱乐视频,那么工业研发、基础科研和医疗AI是否会缺乏计算资源?
这个问题值得研究,但不能简单作答。
首先,不同AI任务需要的硬件、模型和计算资源并不完全相同。
基础模型训练、AI视频推理、科学计算和高性能仿真,在计算架构、存储需求、网络互联和软件生态方面都存在差异。
其次,AI应用之间并不一定是简单的零和竞争。
短剧等商业化场景如果能够为基础模型企业带来持续收入,反而可能帮助其承担研发费用、改善基础设施利用率,并加快推理优化。
娱乐应用也可能促进多模态技术进步。
因此,不能认为每增加一单位AI视频需求,就必然减少一单位科研能力。
真正需要关注的是资源价格和配置机制。
当算力、能源、电力接入和数据中心建设资源存在现实约束时,市场会优先满足更有支付能力的客户。
在完全商业化的市场环境中,这种配置方式有其合理性。
但基础科研、公共技术平台和部分长期工业研发,往往具有投入周期长、成果不确定、外部收益较大的特点。
这些领域的短期支付能力,可能低于拥有成熟广告商业模式的内容平台。
如果完全依靠短期商业回报配置所有稀缺计算资源,部分具有较高长期社会价值的项目可能得不到充分投入。
这属于典型的长期创新激励问题。
不过,目前公开数据并不能证明中国科研算力已经被AI短剧大规模挤出。
更合理的政策方向,也不是限制娱乐AI发展,而是通过合理的公共科研基础设施、技术开放、算力市场竞争和长期研发投入,改善高价值但回报周期较长领域的资源供给。
市场负责发现商业需求。
长期公共投入则可以补充市场难以充分覆盖的基础科研和共性技术需求。
二者并不矛盾。
七、中国AI会不会陷入一种新的"流量内卷"?
如果说前面讨论的是利润分配,那么接下来这个问题则更加深远。
中国互联网产业过去很长一段时间,形成了一套极其成熟的竞争模式:
通过用户增长争夺入口,通过算法提高留存,通过广告与交易实现商业化,再通过规模和数据积累强化竞争优势。
这套体系创造了庞大的数字经济,也让中国互联网企业拥有全球领先的内容推荐、用户运营和商业化能力。
AI进入这一体系后,可能迅速获得商业场景。
但同时也可能继承传统互联网的一些竞争特征。
比如,过度追求流量规模。
比如,依赖低价与补贴扩大份额。
比如,同质化产品大量涌现。
比如,企业更愿意围绕现有平台算法优化产品,而不是投入长期、风险更高的原创技术。
在AI短剧领域,这种倾向尤其容易出现。
一种剧情获得较高流量后,类似故事、角色和叙事套路就可能被快速复制。
当AI进一步降低复制成本,同质化内容的扩张速度可能更快。
企业为了提高命中率,可能不断扩大制作数量。
制作数量越多,对视频生成算力的需求越高。
但如果大量作品争夺的是同一批用户和相近的广告预算,行业收入并不会随着生成量同比例增长。
于是,出现一种可能的循环:
算力越来越便宜,内容越来越多,竞争越来越激烈,单部作品越来越难赚钱。
最终,整个行业可能消耗大量资源,却没有形成与之匹配的持续利润。
这是一种需要警惕的增长模式。
它既不是AI技术本身的问题,也不是娱乐产业天然低价值,而是商业模式可能过度依赖内容数量和流量竞争。
如果相同的逻辑进一步延伸到AI Agent、软件工具和数字服务领域,就可能使大量企业陷入功能趋同、低价竞争和获客成本高企的困境。
届时,AI产业虽然表面繁荣,但真正拥有差异化技术和可持续商业模式的企业仍然有限。
八、也不能低估短剧:它可能是中国多模态AI最重要的商业训练场
讨论产业风险,并不意味着应该否定AI短剧。
事实上,短剧可能恰恰是中国多模态AI产业最重要的早期商业化实验场之一。
这是因为AI视频生成不同于普通文本对话。
它对角色一致性、动作连贯性、镜头语言、时间连续性和视觉效果具有更高要求。
这些能力不仅可以用于娱乐内容,也有机会应用于广告制作、数字营销、游戏资产、教育视频、虚拟仿真和工业可视化。
一个成熟的AI视频生产生态,可以不断向模型厂商反馈真实使用中的技术问题。
用户愿意为什么样的画质付费?
生成时间缩短多少,才有明显商业价值?
如何减少失败镜头和重复生成?
如何降低长视频中的角色漂移和场景错误?
这些问题很难仅靠实验室指标回答。
大规模商业应用可以提供真实世界的检验机会。
同时,短剧是中国企业具备一定优势的内容形态,拥有成熟的网文IP、内容制作经验和海外发行网络。
如果AI技术能够进一步降低多语言译制、本地化、配音和制作成本,短剧出海还可能带动中国数字内容服务进入更多国际市场。
从这个角度看,短剧不仅消耗算力,也可能为模型迭代、工具成熟和商业模式探索提供需求。
问题不在于AI是否应该服务短剧。
问题在于短剧带来的技术积累,能否进一步扩散到其他行业,而不是长期停留在制造更多同质化内容。
如果AI视频的商业需求推动了模型性能提升、推理成本下降和工具生态成熟,整个产业都可能受益。
如果最后只是陷入内容数量竞赛和广告流量争夺,那么其长期技术外溢效应就可能受到限制。
因此,AI短剧既可能成为多模态AI发展的加速器,也可能演变成低利润的算力消耗竞赛。
关键取决于技术创新和商业竞争如何相互作用。

九、红果模式会复制到整个AI行业吗?
把视角从短剧拉到整个AI产业,可以看到未来可能出现的三种发展趋势。
第一,通用AI能力会逐渐商品化
随着模型性能提升和推理成本下降,基础文本生成、普通图像创作、简单视频制作和标准化工具能力,可能越来越容易获得。
这些服务仍然有价值,但单纯提供基础功能的企业,很难长期依靠功能本身建立高壁垒。
竞争会转向成本、可靠性、专业化和商业场景整合能力。
第二,用户、数据和工作流可能成为更加稀缺的资源
当人人都能调用强大的模型,谁拥有真实客户,谁更理解行业需求,谁能够将AI嵌入稳定的工作流程,就可能拥有更持久的竞争优势。
红果之于短剧,是用户和内容分发入口。
未来其他AI领域,同样可能形成以客户关系、工作流程或交易系统为核心的竞争壁垒。
但不同产业未必都走向同样的平台集中化。
工业软件、医疗系统和企业服务往往涉及复杂的专业流程、监管要求与长期客户关系,其竞争结构与娱乐内容存在明显差异。
第三,AI产业可能出现应用集中与技术竞争并存的格局
一方面,大型平台能够利用用户规模、数据反馈和资金实力,更快推广AI能力。
另一方面,开放模型、标准化工具和低成本推理,也可能帮助大量垂直应用和小型创新企业进入市场。
哪一种力量占据上风,取决于平台互操作性、数据可迁移性、市场竞争强度以及专业化应用能否建立独立价值。
所以,红果模式具有启发性,却不能简单推演为整个AI产业一定会被少数平台垄断。
未来最值得关注的,不仅是谁拥有最大的平台,还包括中小创新者能否以合理成本获得模型、算力和用户。
十、真正值得担忧的,不是AI在拍短剧,而是整个产业只剩下流量逻辑
回到这场争议的起点。
当人们听到55%的Token消耗流向短剧和视频生成时,很容易产生一种情绪:
我们费尽力气发展AI,难道就是为了制造更多霸道总裁和豪门恩怨?
这种情绪可以理解,却不应该替代产业分析。
娱乐消费本身具有价值。
中国AI产业需要商业收入,也需要能够支撑模型迭代和基础设施投资的真实应用。
没有可持续的市场需求,再先进的模型也很难长期发展。
但我们同样不能忽略另一个事实:
商业化最快的领域,不一定是长期社会价值最高的领域。
Token消耗最多的应用,不一定产生最高的经济回报。
平台用户规模最大,也不代表整个产业生态最健康。
在AI时代,真正值得衡量的,至少应该包括四个维度:
一是计算资源的使用效率。
二是商业收入能否覆盖长期投入。
三是技术进步创造的收益如何在平台、开发者和创作者之间分配。
四是AI能力能否从娱乐和营销等成熟场景,扩散到制造、科研、医疗和企业运营等更广泛的领域。
尤其重要的是第三点。
如果AI降低了所有人的生产门槛,但只有少数掌握分发入口的平台能够持续获得较高利润,那么技术普及与商业权力集中就可能同时发生。
这种结构未必立即阻碍产业发展,但如果收益分配长期无法激励原创内容、专业技术和独立创新,最终也会损害平台自身的长期竞争力。
从这个意义上说,红果的崛起不应简单被描述成成功或者垄断。
它更像是一场正在进行的产业实验:
当人工智能让供给能力快速扩张时,一个高度依赖用户注意力和广告变现的市场,究竟会形成更加繁荣、多元的创新生态,还是更加强调规模与流量的竞争秩序?
这个问题,远比短剧本身重要。
结语:我们需要的,不只是更便宜的算力,而是更有价值的AI
中国AI产业正处在一个重要的转折阶段。
早期竞争的核心,是谁拥有更多计算资源、谁能训练出更强的模型。
随后,竞争开始转向谁能够把模型真正投入使用。
而下一个阶段,决定产业发展质量的,可能是谁能把AI的技术能力转化为持续的经济价值,以及这些价值能否支持下一轮创新。
AI短剧的快速崛起,证明了中国企业在应用场景、内容供给和互联网商业化方面的强大能力。
红果的扩张,则提醒我们:当生产能力越来越普及,平台的流量分发和商业化体系可能成为新的竞争核心。
这其中既有技术红利,也有市场集中、创新激励不足与过度竞争的潜在风险。
真正需要警惕的,并不是中国AI会不会生产太多短剧。
而是整个AI产业,会不会过度满足于已经成熟的流量商业模式,却没有充分开拓那些研发周期更长、技术壁垒更高、但能够带来更广泛生产率提升的应用领域。
如果AI最终只是让我们用更少的人生产更多内容,再把更多资源投入争夺同一批用户,那么它创造的经济价值可能远低于技术潜力。
但如果娱乐应用提供的商业收入与技术积累,能够帮助模型变得更高效、更可靠,并推动这些能力进入工业、科研、医疗和千行百业,那么短剧也可能成为中国AI产业发展过程中的一块重要跳板。
衡量一场技术革命的高度,不是看它消耗了多少算力,而是看它改变了多少真实的生产过程。
算力可以用来制造一万部爽剧,但真正决定中国AI未来的,是我们能不能利用同样强大的技术,创造出一万个过去做不到的产业解决方案。
这才是55%争议背后,真正值得思考的问题。
资料与口径说明
本文主要依据2026年6月3日公开的《中文在线集团股份有限公司投资者关系活动记录表》(编号2026-004)、QuestMobile相关用户规模监测报道,以及2026年红果短剧平台合作政策的公开报道。
55%、24%、15%的数字来自行业交流信息。其中15%原始表述为软件开发相关Token消耗,而非全国基础科研投入占比。相关数据没有充分公开完整统计样本与计算方法,不能直接推广至中国全部物理AI算力。
本文关于平台集中化、利润分配和产业长期影响的讨论,属于产业经济学分析,并非对任何企业违法垄断行为的认定。
如果这篇分析对你有用,欢迎点个「在看」或转发给关心产业趋势的朋友

免责声明与风险提示
本文所有内容仅为公开信息整理与产业研究交流,不构成任何投资建议或买卖依据。文中数据、观点与趋势判断均存在不确定性,请以正式公开信息及后续验证为准。市场有风险,投资需谨慎,据此操作风险自担。