AI 时代，中国人再一次把火药做了烟花？

最近一张中国 AI Token 消耗结构图引发热议。据中文在线在 2026 年 6 月的投资者交流中披露，AI 短剧与视频生成的 Token 消耗量已达到软件开发的两倍以上，是当前国内第一大算力消耗场景。

从披露的消耗结构来看，AI 短剧与视频生成占比达到 55%，电商与营销占 24%，软件开发占 15%，其他占 6%。视频生成以过半占比，坐稳了国内第一大算力消耗场景的位置。

这个数字很快带出了网上流传甚广的争议。

外网上有网友直接抛出中美 AI 用途对比：中国的第一大用途，55% 的 Token 消耗是短剧、短视频、娱乐内容生成；美国的第一大用途，58% 的 Token 消耗是编程、研发、企业自动化。

总结一句就是 "AI 时代，中国人再一次把火药做了烟花 "。

但这个说法，完全是没搞懂 Token 的计量逻辑，颇有点跟风意味了。

首先就要明白，视频 Token 和文本 Token，根本就不是一个量级的东西。

按主流视频模型计费，720p 下一条 5 秒镜头约耗 10 万 Token，和一部十万字的短剧剧本消耗量相当。一部总长 90 分钟的 AI 短剧，仅成片 Token 就约 1.1 亿，再算上行业普遍的 " 抽卡 " 重生成，一个镜头平均跑 3 到 4 次才能达标，单部剧实际消耗很容易突破数亿。

而同样是内容生产，文本侧是十万级，视频侧是亿级，差了三到四个数量级。所以 55% 的占比，很大程度上是视频本身的算力密度决定的，不等于国内一半的 AI 资源都投在了娱乐上。

回到中美用途的差异本身，两边结构不同是事实，但直接分高低未免太简单。

技术的价值是落地

美国企业级 AI 起步略早，编程研发、企业自动化这些场景先规模化跑起来了。但中国不一样，本身就是全球最大的内容消费市场和电商市场，短剧、直播、电商营销这套产业链早就成熟得很。AI 视频技术一落地，最先跑出规模的，自然是这些离钱最近、需求最旺的地方。

其实回看技术史就知道，一项新技术在发明初期，能先找到落地场景，本身就值得肯定。蒸汽机 1712 年刚问世时，很长时间里就只用来给煤矿抽水，直到 70 年后才逐步扩散到各行各业。

AI 也是同理：先快速渗透进普通人的娱乐、消费、社交，用户规模才能迅速做大，它才不会只是少数科研人员和企业的工具，而会变成一种大众化的基础能力。应用场景越广，产品迭代越能贴合真实需求，企业有盈利，技术也能持续往前跑。

也有网友说得直白：别说生成红果短剧了，就算是黄果短剧又如何？老百姓喜欢那不就够了，到底是谁觉得拿 AI 写代码就一定比 AI 做短视频高级？你搞你的代码，我做我的内容，本就是分工不同，一样是创造价值。真觉得算力不够，好好造计算卡，加快把 950 迭代到 980 不就行了。

更重要的是，这些消耗的 Token 并没有变成所谓的 " 无效烟花 "。

据中航证券研究数据，2025 年国内漫剧市场规模已突破 200 亿元；2026 年一季度，AI 剧及漫剧合计播放量接近 1300 亿次，其中 AI 仿真人剧播放量达 750 亿次。

话糙理不糙，这里还有个常见误区：Token 消耗占比 ≠ 产出价值价值占比。

视频模型的 Token 本质上是 " 像素 × 帧数 " 的计价单位，成本高但单条内容覆盖的用户、产生的商业回报也大。耗最多的算力，不一定做最高端的事，但一定是做最有市场需求的事。

有人觉得 " 用 AI 搞娱乐不如搞研发高级 "，但技术从来没有高低贵贱。用 AI 提升研发效率是生产力，用 AI 降低内容生产门槛、丰富文化消费，同样是生产力。

55% 这个数字，与其说是 " 中国 AI 跑偏了 "，不如说是中国 AI 走出了一条符合自身产业优势的落地路径。

从最贴近消费者的内容、电商场景切入，先把技术用起来、把商业模式跑通、把市场培育起来，再逐步向工业、研发等场景渗透，这显然是一条更务实的路。

毕竟技术最终的价值，从来都是落地，而不是攀比谁的用途更 " 高端 "。

生意可以少做，规矩不能坏，不然烧心。

对此你怎么看？