“一半算力在造爽剧”?一个传了半个月的数字,骗了多少人?
- 2026-11-15 06:51:25
戳上面的蓝字关注我哦!
关注【窗边星野】公众号,一起读懂星河万里!
🔍有深度的独家解读——比自媒多一分严谨!
🔍有温度的时政分析——比官媒多一分灵动!
🔍有趣味的经济科普——让硬知识不再冰冷!
AI算力机房。“国内超一半算力在造爽剧”近日引发热议,而词元(Token)消耗与算力消耗并不是一回事。(资料图)
这两天,很多人都被一张“中美对比图”刺痛了。
图上一边写着:美国约58%的词元流向代码生成和企业自动化;另一边写着:中国55%的词元用于短剧和视频生成,只有15%用于研发。
再配一句诛心的结论——“中国喂爽剧,美国铸未来”,好比当年西方人用火药造枪炮,我们却用火药造烟花。
于是无数人痛心疾首:中国AI是不是跑偏了?宝贵的算力,难道就该烧在“霸总爱上我”上?
直到10月19日,豆包公关负责人刘星在个人微博上发文辟谣:“某公司发布的这个算力数据有些不靠谱,就字节来说,我们公司的总算力中,只有约10%,用于视频生成模型的训练和推理。”
一个说超一半,一个说只有一成,差距为何如此之大?这个刷屏的“55%”,到底是真相、是误读,还是被人刻意放大的稻草人?今天我们不站队、不护短,也不急着喊口号,把这个数字一层层拆开给你看。

01 先溯源:这个“55%”,到底是谁说的
要判断一个数字,先问它从哪来。
追根溯源,“55%”出自A股上市公司中文在线(300364.SZ)的一份“投资者关系活动记录表”。中文在线援引所谓“行业词元调用数据”称:在国内所有词元消耗份额中,AI短剧与视频生成占比高达55%,电商与营销占24%,而软件开发仅占15%。
请注意这里有三个关键限定。
第一,说这话的是一家上市公司,而且它正重仓押注AI短剧。中文在线原本做数字阅读和网文,是短剧、漫剧赛道的重要玩家。在投资者交流中强调“AI短剧是第一大词元消耗场景”,某种程度上是在向资本市场讲述自己赛道的想象空间。它有立场,也有诉求。
第二,它引用的是“行业词元调用数据”,不是国家统计,更不是全国总算力普查。这份数据的采样范围、模型类型、统计边界,都没有权威交代。把某一个口径的行业采样,当成覆盖全中国的普查结论,中间差着十万八千里。
第三,这个说法其实并不新鲜。早在今年6月,证券时报就报道过中文在线“AI短剧成为第一大词元消耗场景”的表述,当时并未掀起波澜;直到10月中旬,它被重新翻出来,在传播中标题一步步升级,从“第一大词元场景”变成“超一半算力造爽剧”,最关键的限定词——“词元”,被悄悄换成了“算力”。
一词之差,谬以千里。
字节跳动旗下AI助手豆包。10月19日,豆包公关负责人刘星表示,就字节而言,公司总算力中仅约10%用于视频生成模型的训练和推理。(CFP)

02 第一层硬伤:词元(Token)压根不是算力
这是整个谣言最核心、也最需要被科普的地方。
什么是词元(Token)?它是大模型处理信息的计量单位,你可以粗略理解为模型“干活的计件量”,反映的是调用量;它也是大模型对外收费的计费单位。
什么是算力?它是GPU等芯片在单位时间内的运算能力,是实实在在的硬件资源。
二者的关键区别在于:不同模型处理同样数量的词元,所消耗的算力可能相差极大。正如半月谈评论所指出的,“词元消耗不等于算力消耗”,词元反映调用量,而单位词元对应的计算量并不对等。
更要命的是,视频生成和代码生成,是两种“词元消耗密度”天差地别的任务。
视频生成是典型的“高密词元”场景:画面渲染、动态特效、光影迭代、镜头切换、配音字幕,每一道工序都要单独调用模型,还要反复“抽卡”重生成。据行业测算,一段10分钟的高清AI短剧,全流程要消耗8000万到1.2亿个词元;有漫剧公司称,生产1分钟视频就要约360万词元。
AI短剧、漫剧制作工作台。视频生成是典型的“高密词元消耗”场景,一段10分钟高清短剧可能消耗上亿词元,但这并不等于占用了全社会一半的算力。(资料图)
而代码生成是“低密高效”场景:一个8到10人的研发团队,用AI高强度写一周代码,总词元消耗大约也就300万到500万。
换句话说,用AI写一整周代码,烧掉的词元可能还不如用AI做一天短剧多。更何况,视频词元和文本词元本就是两套计价口径,根本不能直接放在一起等权比较。
所以,“55%的词元”绝不等于“55%的算力”。豆包说字节只有约10%的算力用于视频生成,恰恰从产业一线印证了这个差异。
还有一套概念也被搅成了一锅粥:
训练与推理,区分的是技术环节;
科研与娱乐,区分的是应用用途。
短剧调用的是模型“推理”侧的算力,而前沿模型、科研攻关更依赖“训练”侧的海量投入。由“娱乐应用占用了推理算力”,根本推不出“科研缺少训练算力”。

03 第二层硬伤:采样不是普查,对比图两端都站不住
先看中国这一端。
中国算力的真正大头,是字节、阿里、腾讯、百度等大厂,以及遍布全国的智算中心、超算中心。一家短剧公司引用的一份来源不明的“行业数据”,无论如何也覆盖不了全国算力的全貌。把行业采样当成全国普查,结论自然失真。
再看美国那一端。网上流传的“美国58%的词元用于代码和企业自动化”,同样查无实据——a16z、麦肯锡、Gartner等权威机构都没有发布过这样的结论。
一张对比图,两边的数字都没有权威出处,却被煞有介事地并排放在一起,制造出“一好一坏”的强烈反差。
这张图还藏着一个容易被忽略的“统计错位”:美国平台上的代码词元,有相当一部分是中国程序员贡献的。现实中,大量国内开发者日常使用Claude、ChatGPT等海外工具写代码,这些调用量在统计上都被记在了美国的“账簿”上。
用一个“15%∶58%”的数字,就断言两国在研发上的投入悬殊,显然把问题想得太简单了。
开发者用AI辅助编程。代码生成属于“低密高效”词元场景,而且大量中国程序员使用海外平台,相关调用被计入美国的统计账上。(资料图)
最后看绝对体量。
中国词元消耗的总规模已经稳居全球前列:据国家数据局公开信息,截至今年3月,国内日均词元调用量已突破140万亿;而豆包大模型截至今年6月的日均词元调用量已突破180万亿,一年增长超过10倍。在如此庞大的基数下,即便软件开发真占15%,对应的绝对投入也相当可观。
另一个耐人寻味的数据是,在海外模型聚合平台OpenRouter上,中国模型的词元消耗占比已经超过美国模型;该平台与a16z联合发布的报告显示,编程任务的词元占比已从2025年初的11%升至50%以上,成为最大单一品类。这些数据,都和“中国AI只造爽剧”的说法对不上。

04 第三层误区:视频生成不等于“造爽剧”,这可能是中国的长板
很多人在情绪上头时,还悄悄完成了一次偷换:把“视频生成”直接等同于“造爽剧”。
这是对视频生成这项技术的巨大误解。
视频生成是多模态人工智能的通用底座,它的出口远不止短剧:广告营销、电商带货、影视特效、教育科普、医疗影像、工业仿真、数字孪生、游戏、文旅……几乎所有需要“把画面生成出来”的行业,都在它的射程之内。短剧,只是它最早大规模商业化的一个消费场景。
而且,消费场景恰恰是前沿技术走向成熟的最好练兵场。
一个经典例子是游戏与英伟达。
当年,正是海量游戏玩家对显卡的需求,为英伟达GPU提供了源源不断的收入和大规模的工程验证,让这家公司得以在图形算力上持续积累,最终长成今天AI算力的“参天大树”。如果没有看似“不务正业”的游戏,很难想象英伟达能有后来的家底。
AI短剧之于中国多模态产业,逻辑如出一辙:高频次、高并发、高迭代的内容工业生产,是对视频模型在帧率、一致性、抽卡收敛等方面最严酷的压测;在海量真实业务里打磨出来的调度、稳定性和工程能力,可以迁移到工业仿真、数字孪生、影视预演等更“硬核”的领域。同时,它还为国产推理芯片提供了规模化落地的真实场景,让国产硬件有机会在实战中迭代。
更重要的是,AI视频生成恰恰是中国在全球处于第一梯队的赛道。可灵、即梦、海螺、Seedance等模型在海内外都有竞争力,AI短剧还在加速出海,TikTok上北美地区的相关投放较年初增长数倍。把一项我们领先的能力,简单污名化为“跑偏”,某种程度上是把长板当成了短板。
从技术史看,蒸汽机最早用于煤矿抽水,电力最早用于照明娱乐。许多前沿技术,都是先在最贴近大众的消费场景里跑通商业模式、完成资本和技术积累,再一步步向产业深处走。让技术先活下来、赚到钱,从来不丢人。

05 但也要清醒:真正值得警惕的,是那些“真问题”
讲到这里,必须把话说回来——我们不认可“55%算力造爽剧”这个假数字,并不代表这个行业没有问题。
恰恰相反,它背后那些真问题,值得认真对待。
首先要承认差距。在顶尖基础模型、原创算法、AI for Science(用AI做蛋白质、材料、能源、核聚变等科研)、企业级软件生态等方面,中国与美国确实存在差距。“重应用落地、轻底层攻坚”的结构性矛盾,是客观存在的,不能因为一个谣言被辟谣,就当它不存在。
其次,AI短剧行业本身有明显的泡沫。2026年前8个月,国内上线微短剧约43万部,是去年全年的十多倍,超九成有AI参与;但行业爆款率极低,有数据显示仅约0.47%(另一口径为0.117%),大量内容回不了本,平均完播率从2025年的45%—60%跌到不足15%。与此同时,算力成本上涨、制作两月翻数倍、同质化严重,从业者被压缩成“一人干编剧、分镜、剪辑、配音多条产线”的廉价劳动力,都是真实存在的隐忧。
更深层的担忧,是稀缺高端算力的流向。在高端GPU依然紧缺的背景下,如果大量算力被短期回报快的娱乐场景挤占,确实可能抬高基础科研团队“用算”的成本和等待周期。半月谈评论也坦言,部分基础科研团队获取高端算力成本偏高、周期偏长,这是需要正视的结构性矛盾。
高密度GPU服务器机房。AI算力既要支撑消费级应用,也要服务基础模型训练、工业仿真和科研攻关。(资料图)
但解决这些问题,靠的不是禁用短剧、不是骂一句“奶头乐”,而是更精细的制度安排:
完善科研算力普惠机制、设置专项算力配额、降低科研和实体经济的用算门槛;用产业基金引导资本流向底层技术攻关;完善AI企业的评价体系,不只以短期流量论成败;同时建立一套区分训练与推理、区分应用场景的权威统计口径——这次争论之所以各说各话,正暴露了“算力到底花在哪”缺少权威、统一、可核查的数据。

06 一场乌龙,更值得我们学会的是“拆数字”
回过头看,“中国喂爽剧、美国铸未来”之所以能在短短几天刷屏,靠的不是严谨,而是传播规律。
复杂的算力结构、产业发展阶段的差异,理解门槛很高;而“一好一坏”的二元对立最省事、最能调动情绪、最容易博取流量。于是在一次次转发中,关键限定条件不断丢失:一家企业的说法,变成了全国数据;“词元”变成了“算力”;一个需要加很多限定的观察,变成了一句不容辩驳的断言。
这恰恰提醒我们,在这个信息过载的时代,面对一个足够惊悚的数字,不妨先冷静地问上四句话:
第一,它是谁发布的?
第二,原始口径是什么?
第三,计量单位是不是被人偷换了?
第四,发布者有没有自己的立场和利益?
把这四问走完,你会发现,大多数让人焦虑的“惊天对比”,其实都经不起推敲。
中国AI真正需要的,从来不是在“只能造爽剧”和“处处都领先”之间二选一,而是同时拥有两种能力:让技术在消费市场里跑得快、赚到钱、养得起产业;也能把赚到的钱和磨出来的能力,沉到底层去啃芯片、啃基础模型、啃硬科技。应用活力和战略定力,本就不是对立面。

写在最后
一个失真的数字,有时比一个错误的结论更危险——因为它会把我们的注意力,从真正该解决的问题上引开。
中国AI的未来,不会毁在“造爽剧”这三个字上,也不会被一个以讹传讹的“55%”所定义。真正的竞争力,是既敢让技术在烟火气里赚钱、在全球市场里出海,也愿意、并且能够把赚到的钱和磨出的能力,沉下心去补那些最硬的短板。
少一点情绪先行的对比,多一点把概念搞清楚的耐心。这,或许比单纯的愤慨或自豪,都更接近事实本身。
看更多好文章
请点击下方图片
关注【窗边星野】公众号

码字不容易,点个“分享”、“在看”、“赞”就是最大的支持!
关注【窗边星野】公众号,一起读懂星河万里!