“国内55%算力造爽剧”是假的,但AI算力的焦虑却是真的
- 2026-11-21 00:57:37

生易链科技
近日,“国内超一半算力在造爽剧”的说法引发关注。
豆包公关负责人刘星随后发文质疑相关数据的可靠性,并表示,就字节跳动而言,公司总算力中只有约10%用于视频生成模型的训练和推理。

55%的说法已经被辟谣,但这场讨论仍然留下了一个值得思考的问题:当AI生成视频、短剧和广告越来越容易,算力究竟应该流向哪里?AI消耗了更多资源,就意味着创造了更多价值吗?

PART 01
为什么AI算力会流向短剧和视频
算力资源的流向,往往受到商业回报的直接影响。
01视频生成拥有相对直接的变现路径
AI降低了视频制作的技术门槛和部分制作成本。短剧、广告、电商素材这些应用可以更快地产出内容、测试创意,并通过广告投放、商品转化、内容付费获得收入。
需求直观,市场容易理解;生产效率可以快速改善;商业效果能够通过播放量、转化率、付费收入直接观察。
相比那些需要长期研发、复杂系统集成和流程调整的AI项目,消费级内容应用更容易展示短期成果。
02资本和算力追逐这些应用,符合商业逻辑
↓
↓
↓
这条链条本身没有问题。
真正值得追问的是:当商业回报成为重要的资源配置依据,AI产业会不会越来越倾向于那些容易变现的应用?
PART 02
值得担心的,是陷入“内容越多,价值越高”的误区
AI可以大幅降低生产成本,但内容供给增加,并不保证经济价值同比增长。
01内容生产越来越便宜,竞争却可能越来越激烈
过去制作一条视频需要策划、拍摄、剪辑等多个环节,如今AI承担了其中相当一部分工作,内容生产的速度和规模随之提升。
但当越来越多的企业都能低成本生产内容,竞争格局也随之改变——内容数量在增长,用户注意力却依然有限。大量相似的视频和营销内容进入市场后,企业仍然要争夺同样的流量、转化和付费用户。
生产成本下降只是第一步。内容能否吸引用户、解决需求、带来持续收入,才决定它的实际价值。
AI让内容生产越来越便宜,却无法保证每一份新增内容都能创造相应的价值
02算力消耗增长,不等于商业回报同步增长
把问题从内容延伸到算力投入,账就更清楚了。
企业用AI生成更多内容,需要付出推理计算、平台服务、审核和运营等成本。如果新增内容带来的收入、转化或用户价值不足以覆盖这些投入,规模扩张就会出现边际收益下降。
判断一门AI生意是否健康,可以回到几个基本问题:生成数量增加了多少,有效内容的比例是否提高,获客成本是否下降,新增投入能否带来相应的收入增长。AI能够提高生产效率,但真正的效率提升,必须体现在有效产出和投入回报上。
PART 03
算力焦虑背后,还有一笔能源与资源账
01算力背后,是芯片、数据中心、电力和资金
AI算力需要GPU等计算硬件、数据中心、电力供应和散热系统支撑,模型训练与推理规模扩大,带来的是持续的基础设施投入。
算力从来不是可以无限取用的免费资源。当AI应用越来越普及,产业需要关注的就不只是计算能力是否充足,还包括建设成本、能源成本和长期运营成本。
一项应用如果持续消耗大量资源,却无法产生与投入相匹配的收益,它的商业模式和资源利用效率就值得重新评估。
02更深层的担忧,是产业资源是否过度追逐短期回报
视频生成有市场需求,也能产生真实收入。但如果整个产业的资源配置过度偏向短期变现,那些需要长期投入的方向能否获得足够的研发资源,就值得关注。
科研辅助、复杂软件开发、工业设计、生产优化、企业流程自动化,这些领域需要更长的验证周期,也依赖专业数据、业务知识和系统集成。它们的商业价值很难通过一次生成或短期流量直观体现,但成熟的应用可以持续改善企业的经营效率。
需要说明的是,仅凭短剧的算力消耗,就断言它挤占了工业AI的资源,这个推论并不成立。
不同模型和任务的计算需求存在差异,资源配置也受到市场、技术和基础设施的多重影响,当AI产业在追逐容易兑现的商业价值时,能否同时为长期技术创新和生产力提升保留足够的发展空间。
PART 04
短剧没有错,关键是如何衡量AI的真实价值
01消费级应用同样在推动AI产业发展
短剧、视频和广告生成有真实的市场需求,为AI企业带来收入,也推动着模型优化、推理效率提升和生成成本下降。
这些技术进步还会扩展到产品展示、教育培训、企业营销和工业培训等场景。问题从来不在于算力是否用于生成视频,而在于投入能否产生与成本相匹配的价值。
02从消耗算力转向创造价值
壹商业价值
AI是否带来真实收入、降低综合成本、改善用户体验,投入增加之后收益是否持续增长。
贰资源效率
完成相同任务时,能否用更少的计算资源、更低的能源消耗和综合成本,获得同等或更好的结果。
叁长期生产力
AI能否帮助科研人员、工程师和企业员工解决复杂问题,持续改善研发、生产和经营效率。
Token数量、生成速度和用户规模只是衡量技术应用的部分指标,最终还要结合实际任务和产出来判断。
03AI的下一阶段,是从内容生成走向任务完成
未来AI的价值,不仅体现在生成一段文本、一张图片或一条视频,还体现在它能否理解任务、调用工具、处理业务信息、连接企业系统,并在权限和审核机制下完成实际工作。
企业落地AI之后,带来的改变是具体的。大量查询、整理、比对类的重复工作被接管,员工得以转向更有价值的判断与创造;分散在文档、系统和老师傅经验里的知识,沉淀为可检索、可复用的企业资产;在制造企业中,AI辅助质量分析、设备维护、研发资料检索和跨部门协调,价值最终体现在减少损耗、缩短交付周期、提高运营效率上。这些收益未必有一次生成那么直观,却会持续反映在企业的经营报表里。
我们在服务企业落地的过程中也看到,真正跑得通的AI应用,几乎都建立在清晰的业务规则、可靠的知识来源和必要的审核机制之上,这套约束越扎实,AI创造的产出越经得起核算。
ENDING
算力焦虑的本质,是我们如何定义AI的价值
当AI越来越深入地参与内容生产、科学研究和企业经营,算力消耗自然会持续增长。真正值得关注的,是这些投入能否转化为可持续的商业回报、技术进步和生产效率提升。
一部短剧可以创造收入,一套工业AI系统也可以帮助企业减少损耗。它们的价值,需要结合各自的目标、成本和实际产出来衡量。
对AI产业来说,算力规模决定技术发展的基础条件,资源利用效率影响发展的成本,而能否持续创造真实价值,最终决定技术发展的意义。
AI的竞争,不只是谁拥有更多算力,也是谁能把算力转化为更大的价值。

生易链科技