中国的AI在烧短剧,美国的AI在做科研?
- 2026-11-19 11:51:33
本文是基于公开资料撰写,仅作为信息交流之用,不构成任何投资建议。
摘要自媒体上看到这种说法:中国的AI在拍霸道总裁短剧,美国的AI在搞科研。听起来,中国又要落后了。但我把两边数字的出处都查了一遍:一个查无出处,一个口径不明;而且"拍短剧就是浪费"这个判断,本身也不合理。这种对比,更多是流量密码式的打法。
今天在微博上看到一个帖子,大意是:中国的AI token都烧在短剧上;美国的AI在做科研写代码。配的数字看着挺扎实——中国 55% 的 token 消耗在 AI 短剧与视频生成,美国 58% 用于编程和企业自动化。帖子虽然没有明说,但意思大概又是:火药做了烟花。
这样的对比看上去总是“发人深省”,但其实却经不起推敲。我把两组数字各自的出处翻了一遍,发现它们很大程度上是“关公战秦琼”。
一、先弄清楚:"中国AI"指的是什么?
一笔 token 有两种算法。按模型算:烧在谁的模型上,DeepSeek 是中国模型,Claude 是美国模型。按使用地算:调用发生在哪,境内还是境外。两种算法之下,同一笔 token 可能算出相反的结论。
先看微博帖子上的说法。出处是中文在线 2026 年 6 月 3 日的投资者关系活动记录表,巨潮资讯网可查原文。公司给出一组国内 token 消耗的用途分布:AI 短剧与视频生成占 55%,电商与营销占 24%,软件开发占 15%。注意原话——"国内所有 Token 消耗份额",按使用地统计。这份统计里混着美国模型的调用:同一份记录表里,软件开发"在 Claude 等编程能力的推进下也仅占 15%"。所以这个 55% 是"中国境内的调用在干什么"。
在美国也是类似的情况。风投机构 a16z 的投资组合公司里,约八成在用中国开源模型搭建产品(a16z 口径,经媒体转述)。这些公司总部大多在美国,烧的 token 却记在中国模型头上。
举个例子:中国科学家用 Claude 跑蛋白质预测,这笔 token 按使用地算归中国,按模型算归美国 AI。
二、两组数字的真实身份:一个口径不明,一个没有出处
中国这组数字的真实出处:中文在线路演中引用的行业数据,后被工信部直属的信通院《词元(Token)经济发展研究报告(2026 年)》收录。报告里有扎实的内容:日均词元调用量从 2024 年初的 1000 亿涨到 2026 年 6 月的约 500 万亿,另有 token 怎么定价、智能体消耗倍数等框架数据。这些可用、可引。
缺少的是用途结构那部分。55/24/15 与路演口径完全一致,原始统计方是谁、分母怎么框的,没有公开;也没有分行业、分季度的序列,只有一个静态数字。。
美国那边,连类似信通院这个层级的机构统计都没有。"58% 用于编程和企业自动化",我用AI检索了多轮,找不到一手出处。能查到的只有两个口径:Menlo Ventures 去年 11 月对约 495 家美国企业的调查——企业生成式 AI 支出 370 亿美元,编程类占部门级支出 55%,这是"钱",不是 token;各家模型公司自己发的用户研究,只覆盖自家产品。一边是企业买什么,一边是各家说自己家的事,没有一个是"美国的 token 在干什么"。
两侧放到一起:中国是"有官方框架、结构数据颗粒度比较粗",美国是"没有官方框架、全靠各家自报"。其实都没有真实可靠的可对比数据。
三、"美国 AI 做科研":美国人的 token 也在过日子
就算把口径完全对齐,"美国的 token 在做科研"也很难说得过去。2026 年的几份调查的结论比较类似。
先看皮尤研究中心今年 2 月的调查(5119 名美国成年人):49% 在用 AI 聊天机器人,高于 2024 年的 33%。用途分布——搜信息 42%,工作任务 38%(仅在职者),娱乐 25%,图片视频生成 24%,医疗建议 20%,饮食健身 20%,新闻 13%,情感支持 10%,陪伴 4%。这份清单里,没有"科研"这个类目。
再看 Anthropic 今年 6 月的经济指数报告,基于自家 Claude 的数据:工作日里个人用途的对话约占 35%,周末升到 50% 左右;晚上 6 点的菜谱请求是日均的 2.3 倍。按用途分布,Claude 对话里最大一类是内容创作(22.7%),软件开发只占 11.5%——这还是公认偏"工作向"的 AI了。
企业侧也一样。Menlo 的调查里,部门级 AI 支出没有"科研"这个类别,大头是编程、IT、营销、客服、设计、HR;垂直行业里医疗花得最多,但最大的单品是环境记录仪——看病时自动转写病历的工具。是行政自动化,不是新药发现这类科研项目。
美国确实有国家级的 AI for Science:2025 年 11 月行政令启动 Genesis Mission,能源部牵头,目标十年内让科学生产力翻倍;OpenAI 今年 3 月签备忘录,模型接入 17 个国家实验室。这是真的,但它是国家项目的叙事。AI 对科研的影响真实存在,可它体量小,在所有用途统计里都不是大头。
美国人的 token,大头同样花在写代码、办公助手和过日子上。
四、token 占比本身就量不出"用途的高下"
退一万步,就算口径完全对齐,"55% 烧在短剧"也推不出"这个市场的 AI 在干蠢事"。有的任务天生费 token,有的天生省,光看Token占比反映不出来实际情况。
最费 token 的是视频。信通院给过量级:做一集 1.5 分钟的 AI 漫剧,要烧掉 500 万到 1000 万个 token;1080p 高清晰度的仿真人剧,还要再翻两三倍。因为制片要反复生成、反复挑画面,行话叫"抽卡"——不满意就重来,每重来一次都是钱。同一个故事,拍成视频吃的 token 是写成文字的成百上千倍。
编程和办公当然也费 token。让 AI 自己拆步骤干活的智能体,干一件活的消耗顶普通聊天的 10 到 100 倍。但要注意到,我们的AI办公起来得比较晚,WorkBuddy、千问办公、豆包工作等都是下半年才火起来或开放使用的,比国外的Copilot、Codex、Claude Code都要晚一些。
可能有人会说,Token消耗在不同的地方,价值是不一样的。信通院报告里确实有个叫“价值密度”的词,有一组对比:闲聊、娱乐问答这类场景,100 万个 token 只卖约 0.01 美元,合人民币几分钱;药物研发、精密代码这类场景,同样 100 万个 token 能值 1000 美元,合人民币七千多块。同样是 100 万个 token,拿去陪聊值几分钱,拿去做研发值七千块——差了十万倍。
但账很难这样直接的对比。精神消费怎么量化?数学成果怎么量化?
五、这个问题本身,可能就是个伪问题
一季度上线微短剧约 12.8 万部,其中 AI 微短剧约 12.2 万部、占 95% 以上(中国网络视听协会口径)。单位 token 换回的钱不多,但真金白银的闭环。
判断"科研高级、娱乐低级",默认了两者是对立的。
但最有力的反例恰恰来自目前AI最依赖的GPU。英伟达 1993 年为游戏和多媒体创立,2006 年发布 CUDA,把游戏显卡的并行计算能力开放给科研。黄仁勋今年 3 月在 GTC 演讲上说:"英伟达是 GeForce 打造的公司,正是这一平台把 CUDA 带给了全世界。"他在 Lex Fridman 播客里讲过当年有多难(据媒体转述):强推 CUDA 让成本涨五成,毛利率跌到 35%,市值一度只剩 15 亿美元。2012 年,AlexNet——现代 AI 的起点事件之一——用的是两张 GTX 580 游戏卡。按"娱乐低级、科研高级"的逻辑,英伟达当年就该砍掉游戏业务。但没有游戏市场摊薄成本,就没有后来十年烧钱养 CUDA 的底气。
今天的中国 AI 视频生成在走类似的路径。中文在线在路演里描述过这个循环(企业口径):模型降本提效,产品迭代加速,内容素材反哺模型。短剧的 token 账单,正在变成视频生成模型的研发收入。而视频生成模型是物理AI里面目前最火的世界模型的基础。
所以同一个 token 值几分钱还是几千块,不是品味问题,是经济问题:关键是市场能不能把赚快钱场景的利润,引到更值钱场景的研发里去。信通院对当前阶段的判断是"规模爆发、价格分化、效益不明"——投入巨大,收入滞后,这条传导链还没跑顺。
消费是需求的终极来源,科研是供给的升级,从来不需要二选一,也没有高低之分,而是并行不悖的。真正的问题不是 token 烧在哪,是这条链通不通:短剧的钱进视频模型的收入,再进下一代模型的研发,去接药物研发、精密代码这些 1000 美元的活。链条通,烧在霸总短剧上就不是悲剧;链条断,100% 烧在实验室里也只是自嗨。
短剧用户为三十秒的爽感付费,就好比虎扑里面的著名段子:我国的军舰下饺子,烟民们功不可没。
互动话题:
你上周发给 AI 的内容里,干活和消遣各占多少?评论区聊聊,看看朋友们的实际用途分布长什么样。