中國55%的Token燒在短劇，美國58%燒在代碼：Token的流向，暴露了AI的兩種“活法”
斯凱有話說
2026.11.11 14:35
· 來自北京
全文5664字
文 | 斯凱有話說
關於中美AI算力消耗的差異，有一個被反覆引用的說法：中國約55%的Token流向AI短劇與視頻，美國約58%用於編程與研發。
這兩個數字，來源都不牢靠。
中國55%的原始出處，是一家重倉佈局AI短劇的A股上市公司2026年6月的投資者關係活動記錄表，其中寫著「在國內所有Token消耗份額中，AI短劇與視頻生成高居首位，佔比高達55%」。新京報貝殼財經核查後指出，這既不是國家統計口徑，樣本覆蓋與折算方式也均未公開；「中國55%用於短劇，美國58%用於代碼」的說法，本身「並無權威出處也未經縝密查證」。
美國58%這個數字同樣經不起追問。有分析溯源發現，它可能來自OpenRouter與a16z聯合發布的《State of AI》報告：在超過100兆Token的樣本中，2025年末OpenAI模型在程式設計、技術相關兩類任務上各佔29%，合計恰好58%。但OpenRouter只是一個API聚合平台，它統計的只是大語言模型，不含視訊生成；它的Token分佈，不等於全美Token消耗分佈。另有多家媒体核查后结论一致：美国58%这个数字，找不到可对照的权威统计。
這兩個數字都該打問號。但它們之所以能引發如此大規模的討論，是因為它們指向了一個真實的結構性差異：中國的AI應用大量壓在內容生成這一端，美國的AI應用大量壓在代碼與研發這一端。差異是真實的，數字是粗略的。值得拆解的，是差异背后的产业逻辑。
但在拆邏輯之前，先拆一個概念
55%和58%的对比之所以能成立，靠的是一个隐含前提：把Token当成算力。這個前提是錯的。
Token是模型處理資訊時的計量單位，衡量的是吞吐量－一次呼叫進出多少字、多少個幀。算力是GPU在單位時間內的運算能力，衡量的是硬體做了多少功。同樣一個Token，在不同任務對應的算力消耗並不對等。
這個不對等，大到什麼程度？
根據中國信通院《詞元（Token）經濟發展研究報告（2026年）》，單集1.5分鐘的AI短劇，詞元消耗可達500萬到1000萬。按行业测算，生产1秒1080p视频约消耗5万Token，一分钟就是300万。而根據新京報貝殼財經引述的產業通用測算，一支8到10人的技術研發團隊，一週高強度研發的總Token消耗大約只有300萬到500萬。
也就是說：寫一週代碼，抵不上做一天短劇。
這份報告還有一組更關鍵的對照：消費級場景的價值密度約為0.01美元/百萬詞元，而藥物研發、金融量化、精密代碼生成這類產業級場景，價值可達1000美元/百萬詞元——相差十萬倍。
所以“55%对58%”这个比较，方法论上本身就不成立：它拿高密度消耗的场景，去比低密度、高产出的场景。中国的Token消耗量大，首先是因为拍视频这件事本身太费Token，不是因为它把算力配置错了。中國網的評論說得直接：影片產生是高密度消耗場景，程式碼產生是低密度高效場景，把兩者放在一起比較，方法論上不成立。
釐清這一層之後，才有討論的空間。真正的问题不是“谁消耗得多”，而是消耗出去之后，价值留在了哪里。
中國短劇：Token燒在「試錯」上
AI短劇的Token消耗之所以驚人，是因為它是一條鍊式觸發的管線。劇本生成、分鏡設計、角色建模、視訊生成、配音、剪輯，每一道工序都要獨立調用大模型。一部12集的AI短劇，算力成本估算約20萬元；一部120分鐘的AI真人短劇，光是模型端的算力成本就達3萬到4萬元，在大批量生產中占到總成本的50%。而實際生產中，同一個鏡頭抽卡十幾次甚至幾十次是常態，Token大量消耗在生成、不滿意、重抽的循環裡，而不是最終的產出上。
同一份投資人關係紀錄表裡還有另一個數字：技術研發、程式碼開發、模型迭代等生產力核心場景，僅佔國內Token消耗的15%。 55%對15%，這個反差比「中國vs美國」的對比更能說明問題——中國的Token消耗，在國內就已經高度傾斜向了內容側。
但內容側的繁榮，並沒有把價值留在內容側。 DataEye《2026上半年AI劇漫劇數據報告》顯示，抖音端上半年新增AI劇、漫劇22.19萬部，播放量破億的僅1055部，破億率0.48%；以業內公認的5000萬播放量為盈虧平衡線，達標率0.48%；以業界公認的5,000萬播放量為損益兩平投流支出約佔總流水的70%，製作方最終分帳只有4%到7%。省下的人力成本，轉手交給了平台買量。 Token燒在了生成環節，錢賺在了流量和算力兩端，內容公司在中間承擔了全部不確定性。
美國程式設計：Token燒在「工作流程」裡
美國58%這個數字的來源雖然不可靠，但美國程式場景的Token消耗確實有可驗證的體積。
微軟FY2026 Q4財報電話會披露，GitHub Copilot用戶數已達5000萬，Copilot相關收入單季度環比加速增長超過60%——注意，5000萬是用戶數，付費訂閱規模則要小得多，微軟此前披露的付費訂閱數是470萬量級，兩者相差約十倍，不能混為一談。 Cursor的年化收入運行率從2025年初的約1億美元，攀升到2026年6月突破40億美元——需說明，這並非經審計財報數據，而是媒體援引知情人士的運行率估算。
程式設計場景的Token消耗邏輯，和短劇有本質差異。短劇是「一遍過」的鍊式生成，錯了就重抽，Token消耗與有效產出之間的轉換率極低。程式輔助是單點嵌入工作流程：產生一段程式碼、解釋一個報錯、重構一個函數，每次呼叫的Token量遠小於影片生成，但呼叫直接對應一個可交付的產出。開發者很少為了一個函數反覆抽十幾次算出的程式碼；程式碼到底對不對，編譯器和測試會告訴開發者。 Token的浪費率，天然低於影片產生。
更重要的是價值留存。 Cursor的付費邏輯是“按席位或按用量收費”，企業為節省的開發者時間付費。錢從企業的效率預算裡出，直接落到了工具提供方手裡。短劇的付費邏輯是“投流買流量”，錢從內容公司的營銷預算裡出，落到了平台手裡。兩種模式都在消耗Token，但Token創造的價值，一個留在了工具層，一個漏到了流量層。
「中國做娛樂、美國做生產力」是過於整齊的敘事
只看到短劇對編程，很容易得出一個結論：中國在用AI造奶頭樂，美國在用AI提生產力。這個敘事有部分事實基礎，但它掩蓋了三個更複雜的現實。
第一，美國的Token消耗裡，有相當一部分程式碼生成，是中國程式設計師貢獻的。新京報貝殼財經引述業內人士的說法，許多國內科技公司的軟體工程師使用Claude等美國模型寫代碼，這些消耗被記在了美國的Token賬本上；OpenRouter的報告也顯示，亞洲在全球調用支出中的佔比，已從最初的約13%升至約31%。 Token的“國籍”，不等於使用者的國籍。
第二，中國的生產力場景AI滲透，不像55%對15%所暗示的停滯。經濟日報10月26日的評論指出，中國工業企業應用大模型和智能體的比例已升至47.5%，累計建成3.5萬家基礎級智能工廠，算力芯片國產化率提升至37%；TCL華星光電用AI排產，生產計劃從7天壓縮到30分鐘；史丹佛大學《2026年AI指數報告》顯示，截至2026年3月，中美頂尖模型的表現差距已收窄至2.7%（經濟日報的表述是“不足3%”，兩者口徑接近但來源不同）。短劇是最大的單一流向，但不是唯一的流向。
第三，短劇的Token消耗，本身也是中國AI能力的一種「壓力測試」。高並發、低延遲、大規模視訊產生的工程需求，倒逼了算力調度和推理優化的進步。問題不在於短劇用了Token，而在於這種工程能力的外溢，是否足以抵銷內容層面的邊際遞減。
真正的差異，不在“造什麼”，在“誰為Token買單”
把中美對比從「內容vs代碼」的層面往下壓一層，會看到一個更根本的區別：美國的生產力場景，有一個成熟的付費市場在承接Token成本；中國的娛樂場景，Token成本被投流競價吸收，沒有形成一個可持續的價值循環。
美國企業軟體付費習慣成熟，軟體訂閱像水電費一樣是剛性支出，矽谷資深工程師年薪數十萬美元，AI寫程式碼省下的人力就是真金白銀，企業級應用因此最先起量。付費方和使用方是同一批人，價值回饋鏈短且清晰。 Cursor可以跑到40億美元量級的運作率，是因為有一批公司真的在用它取代一部分開發工作。
中國的短劇，付費方是投流平台，使用方是觀眾，掏錢的是內容公司。內容公司掏的錢，大部分變成了平台的廣告收入，而不是回到了內容生產環節。 Token燒出來了產量，但產量沒有變成內容公司的利潤，也沒有變成可重複使用的技術資產。
這不是「中國AI走錯路了」。中国有全球最大的内容消费市场，AI在短剧场景的爆发，是市场结构决定的合理选择。但合理選擇不等於最優選擇。當55%的Token流向一個「九成以上專案無法回本、製作方只分到個位數百分比」的環節時，這筆投入的長期回報，需要重新算帳。
結語
「55%對58%」這個對比之所以能傳播，是因為它用一個簡單的數字，說出了一種真實的焦慮：中國的AI，是不是過多地消耗在了「讓人看得更爽」上，而不是「讓生產變得更有效率」上。
數字本身經不起查證，Token也不等於算力。但焦慮所指向的問題是真實的。美國程式場景的付費閉環，證明Token可以創造可計價、可留存的價值。中國短劇的投流閉環，證明Token可以創造流量，但流量不等於價值留存。
Token的流向，最終會變成產業的走向。中國不需要因為55%這個數字而否定短劇——短劇用AI降本是合理的，大規模場景產生的調用量也確實攤薄了推理成本，國產視頻模型的定價已經降到每秒1元以下。但要追問的是：在短劇之外，那些更難、更慢、但一旦跑通就能改變生產效率的場景，有沒有拿到足夠的算力，有沒有形成同樣清晰的付費閉環。如果答案是否定的，那55%就不只是一個統計口徑的問題，而是一個配置選擇的問題。
Token的消耗流向，本質是資本與市場的投票結果。短劇消耗海量Token換來了流量規模，程式碼場景精準消耗Token沉澱生產力價值。流量可以速成，產業價值的閉環卻需要長期深耕。後續我會深度拆解：國內工業AI、企業級智能體，究竟哪些賽道跑通了真實付費閉環、擺脫「燒Token換流水」的低效模式，關注我，持續看懂AI產業的真實盈利邏輯。
本文事實依據：中文線上2026年6月3日投資人關係活動紀錄表（「55%/24%/15%」原始出處，經上海證券報、北京日報、新京報貝殼財經核查)；新京報貝殼財經《「美國AI提生產力，中國AI造奶頭樂」是偽命題嗎?》（數據無權威出處、Token≠算力、8—10人團隊週消耗300萬—50 0萬Token）；上海證券報《誰在製造詞元消耗對立》（55%溯源鏈：中文在線→7月中泰傳媒材料→信通院報告，券商報告正文未見該佔比）；中國信通院《詞元（Token）經濟發展研究報告（2026年）》（單集1.5分鐘短劇500萬—1000萬詞元、日均調用量500兆、價值密度0.01 vs 1000美元/百萬詞元、2026年推理算力佔70.5%）；中國網評《AI造短劇，是浪費算力嗎?》（視頻高密度 vs 代碼低密度，方法論不成立；國產模型定價降至每秒1元以下）；OpenRouter × a16z《State of AI》（100兆Token樣本，2025年末OpenAI模型程式設計29%、技術29%）；經濟日報《莫因詞元消耗一葉障目》（2026年10月26日，工業AI滲透率47.5%、3.5萬個智慧工廠、國產晶片37%、頂級模型差距不足3%）；史丹佛大學《2026年AI指數報告》（中美模型性能差距2.7%）；微軟FY2026 Q4财报电话会（2026年7月29日，GitHub Copilot用户5000万、Copilot收入环比增长超60%；付费订阅470万为FY26 Q2口徑）；Cursor年化運行率（2026年6月約40億美元，媒體援引知情人士，非經審計）；DataEye《2026上半年AI劇漫劇數據報告》（22.19萬部、破億1055部、0.48%、盈虧平衡線1.3%、7711.3%）； （投流約佔70%、分帳4%—7%、12集短劇算力成本約20萬元、120分鐘模型端3萬—4萬元）；潮新聞、虎嗅、中國新聞周刊對本次數據爭議的核查報道；55%與58%均非權威統計口徑，Token本次數據爭議的核查報道；55%與58%均非權威統計口徑，Token本次數據爭議的核查報道；55%與58%均非權威統計口徑，Token本次數據爭議的核准投入，具體消耗數據為準數據。
免責聲明：本文引用的數據、行業計算、報告轉述均來自公開資料，部分數據為行業抽樣估算，非全國全量審計統計；Token、算力、營收口徑在不同機構之間存在差異，不構成任何投資建議。文中观点仅为产业逻辑推演，不代表对任何公司、赛道的价值判断。
敬原創，有鈦度，得讚賞
根據《網路安全法》實名制要求，請綁定手機號碼後發表評論
快報
2026-11-11 23:07
王毅同美國國務卿魯比奧通電話
2026-11-11 23:06
國內商品期市夜盤收盤多數上漲，化工品漲幅居前
2026-11-11 22:41
墨西哥主要股指開盤後升至72231點，創歷史新高
2026-11-11 22:36
AI雲端運算服務商集體走強，CoreWeave漲14%
2026-11-11 22:34
紐約期金失守4,030美元/盎司，日內跌0.01%
2026-11-11 22:33
那斯達克中國金龍指數跌超1%
2026-11-11 22:32
費城半導體指數開盤漲4.5%，收復12%的全部跌幅
美股開盤：三大指數集體上漲，CoreWeave漲超16%
2026-11-11 22:26
俄計畫於2027年選定月球核電廠方案
京東物流開通西藏班列
2026-11-11 22:25
歐盟2027年預算案初步敲定
2026-11-11 22:24
新疆巴音郭楞州和靜縣發生3.0級地震，震源深度17千米
2026-11-11 22:20
中土埃就加強高品質碳信用發起國際合作倡議
2026-11-11 22:19
華林證券：執行長董東收到江西證監局監管談話決定
依頓電子：定增募資計畫將於12月啟動建設
2026-11-11 22:15
國盛證券：收到行政處罰及行政監理措施決定書
2026-11-11 22:02
湘財股份：子公司湘財證券收湖南證監局處罰及監理措施
2026-11-11 21:53
美元兌日圓日圓內漲幅擴大至0.5%，現報159.53
2026-11-11 21:33
OPEC維持2027年全球石油需求成長260萬桶/日的預測
OPEC：10月成員國原油產量較上月增加197萬桶/日
掃描下載App
