美国搞科研中国喂爽剧?三个硬伤拆开给你看
- 2026-11-20 13:59:05
中国55%词元(Token)流向AI短剧与视频生成;美国58%Token消耗在编程、研发、企业自动化——近段时间,这样一组数据不胫而走,引发不小忧虑,“中国再次把火药做成了烟花”等说法甚嚣尘上。
中国55%的Token流向了AI短剧和视频生成上,美国58%的Token花在了编程、研发、企业自动化上,这两个数据前几天在网上传得十分厉害。
很多人看完之后的第一反应就是那句老话:中国又把火药做成了烟花。
是不是这样呢?
不要着急叹气。
这组数据本身来源就很模糊,怎么去统计、样本有多少、指标是什么,都不清楚。
就算不追究可信度,里面至少有三个地方站不住脚。

第一,把Token和算力混为一谈了。
Token是大模型处理任务时的最小计算单位,消耗量只表示模型“吞吐”了多少内容;算力是指硬件单位时间内可以完成多少次浮点运算。
两者之间有密切的关系,但是又不完全相同。
不同的模型、不同的任务,一个Token所对应的硬件计算能力相差很大。
第二,口径过窄。
所谓“中国55%的算力流向了短剧和视频生成”,是指推理侧、应用层的消耗,科研层面的算力根本就没有被计算进去。
科研算力主要用于模型预训练、微调等环节,而Token消耗相对来说较少,采购主体、成本体系和应用市场也都是两条线。
有科技公司辟谣的时候,自家总算力里只有约10%用来训练和推理视频生成模型了。

把科研投入的多少推断出来,这样的账算不出来的。
第三、生拉硬扯。
中美两国之间的统计数据总量、口径、样本都不一样,硬凑一块儿比大小,本身就没有意义。
非要凑出“中国喂爽剧,美国铸未来”的结论,说白了就是混淆概念、煽动情绪。
为什么漏洞百出的说法仍然能够流传开来?
因为简单,所以直接,所以捧一踩一看着带劲。
应用场景本身并没有高下之分。
无论是“消费型”的内容也好,“生产型”的活动也罢,纠结于AI资源短期的消耗结构,意义不大。
动态调整、不要浪费、把各种各样的应用程序的成熟程度提高起来,这才是正事。
翻看一下科技的发展史就可以明白了。
英伟达最早是以游戏显卡起家的,一步一步地积累技术,在此之后才形成了今天的算力生态。
更何况,在市场的应用中,人工智能已经不再仅仅是娱乐了。
“AI质检员”负责整个汽车制造过程中的质量把控,“AI厂长”则接管养殖车间,“AI分子设计师”来筛选出新的药品,智慧矿山方案会为多个国家和地区提供服务。
依靠超大规模市场、完整的产业链条,AI已经从论文和实验室中走出,并且落到了工厂、农田等实实在在的地方。
大规模应用本身,就是技术试验、革新、跃进的过程,颠覆性创新往往就是这么孕育出来的。
说到应用,很容易出现另外一个刻板印象:中国的“重应用落地、轻底层攻坚”。
“美国算力用于科研,中国算力用来制作爽剧”这样的说法就是对的。
它已经假定出基础研究和市场应用是互相排斥的。
但是实际情况并非如此,两者互相促进。
应用能力强,并不代表研发能力弱。
看数据。
到2025年为止,我国的基础研究经费要达到2800亿以上,仅次于美国。
量子科技、生命科学、物质科学、空间科学等各个领域中,一批重要的原创性成果已经出现,高水平的国际期刊论文数量和国际专利申请量连续多年位居世界第一。
基础研究这门“慢工出细活”的手艺,越来越多的“从0到1”的突破正在涌现出来,根基正越来越扎实。
AI领域也不例外。
从架构来看,DeepSeek提出的一种混合专家模型架构和多头潜在注意力机制等,可以大大降低模型训练和推理的成本;从范式上看,中科院相关团队提出的“内生复杂性”,打破了传统的“靠规模换智能”的工程逻辑;从基础设施上看,三维堆叠等新的路线大大提高了国产算力芯片的性能。
有人会疑问,原始创新进步这么快,普通人有什么感觉呢?
这里面有一个时差。
大众平时接触比较多的,本来就是和工作、生活有关的应用,比如AI短剧这样的娱乐内容。
另外很多重大的创新要突出它的价值,并走向实际的应用,需要时间。
目前的感受还不太明显,主要是因为技术还没有那么快地普及到每个人的生活中去。
一手加强技术基础建设,一手促进应用市场的发展,这样科技的发展本来就是应该如此的。
中国AI正处于一个比较好的窗口期,政策支持正在完善当中,应用场景以及海量的数据摆在眼前,创新的人才也不少,产业生态也逐渐开放了,电力保障也很稳定,这些都是底气。
但是短板也要承认。
在高端芯片制造方面,我们仍然处于被卡脖子的状态。
AI侵权、AI污染等问题还没有制定出相应的规则来,资源浪费也得想办法减少。
AI的竞争是一场长跑。
急功近利不行,盲目自大也不行;崇洋媚外没必要,妄自菲薄更没必要。
当这一组数据传播开来的时候,很多人都会心里咯噔一下。
但是冷静下来把账算清楚之后,就会发现跑没跑偏,并不是几个来路不明的百分比可以决定的。