55% 的 AI 消耗流向短剧,人民日报回应了
- 2026-11-15 00:53:52
这两天网上有句话传得挺广,叫"中国又把火药做成了烟花"。
这话是怎么来的呢?主要是有人放出了一组网传的对比数字,说中国有 55% 的 AI 词元(Token)消耗,都流向了 AI 短剧和视频生成上;反观美国那边,有 58% 的消耗是用在了编程、研发和企业自动化这些地方。很多人一看到这组流传的对比,心里难免就有些不是滋味,觉得人家都在搞硬核的技术研发,咱们怎么整天拿算力去弄短剧视频,甚至怀疑中国的 AI 发展是不是彻底跑偏了。
其实这事儿用不着这么焦虑。这组"55% 对 58%"的数字本身就只是个网传说法,10 月 21 日人民日报专门发文回应了这个问题(新京报也做了转载),把里头的账算得很清楚。
这笔账,人民日报说不能这么算
先说第一点,这组网传数字的来路就存疑。人民日报在文章里直接指出:
"且不论数据来源是否可靠权威,忽略总量、口径、样本等差异,做简单机械的数字对比就得出结论,难免武断。"
本来两边统计的底子都没对齐,直接拿来给整个行业下定论,确实太草率了些。
更重要的是,这里头有个技术上的基本规律被很多人忽略了。平时用过大模型的人大概都有体会,你让软件写几行代码、改几句话,消耗掉的词元其实很少。但生成一段视频就完全不是一回事了,画面里的光影、人物动作、前后的连贯度,每一帧算下来都要吃掉海量的词元。正如人民日报所说:
"在大部分采用词元统计的多模态模型中,视频生成是天然'词元大户',用调用量的'面子'去衡量整体发展的'里子',本身就存在偏差。"
打个比方,这就像把一个天生饭量极大的壮汉和一个饭量很小的瘦子放在一块比谁吃得多,最后因为壮汉吃掉了大半桌饭,就怪家里人光顾着吃喝不干正事,这显然是不讲道理的。说到底,词元消耗流向哪里,顶多只能一定程度反映市场上的"消费流水",它既不是一国 AI 产业资源投入的"总账",更不能直接等同于国家的技术研发方向。

火药到底用在哪了
那么咱们国家真正的"火药"到底用在了什么地方?去翻翻人民日报列出来的几组事实就知道了。
从最顶层的政策规划来看,方向一直是很明确的。"十五五"规划纲要里早就提出,要加强人工智能同科技创新、产业发展、文化建设、民生保障、社会治理相结合。2025 年 8 月国务院印发的首部 AI 领域纲领文件中,排在第一条的重点行动就是"人工智能+科学技术"。包括最近中共中央、国务院印发的《关于发展新质生产力的意见》,也明确提出了"以人工智能引领科研范式变革"。
在具体的资源投入上,动作同样不小。现在"算力网"已经被纳入了"六张网",全国首个十万卡级超智融合算力资源池也正式上线运行了。在科研攻关方面,中科院正在统筹打造"磐石·科学基础大模型 2.0",上海人工智能实验室也发布了面向重大科学研究突破的"AGI4S 珠穆朗玛计划"。
这些底座搭起来之后,结出的果子也是实打实的。比如咱们搞可控核聚变的"人造太阳",现在的研发全链条都有 AI 贯穿其中;天上的中国空间站,已经用上了 AI 大模型;在医疗领域,AI 也大幅压缩了新药的临床前研发周期。这些研究平时不会像短剧那样天天往你手机上推,但它们全都在实验室里实实在在地运转着。
再往下看,落到工厂和农田里的变化就更具体了。在徐州的工厂里,借助智能设备,现在只需要 10 分钟就能完成产线的"变身"。在农业养殖这块,AI 兽医系统已经开始推动养猪业迈入智能阶段。还有咱们研发的气象智能预警方案"妈祖",目前已经在 7 个国家落地、40 多个国家实现了"云"上应用;包括智慧矿山方案,现在也已经在服务多个国家和地区了。从天上的空间站到地下的矿井,再到车间和农田,这些显然都不是什么"放烟花"。
反过来讲,就算是大家平时刷到的视频生成和文娱应用,也不能简单地看成是白白浪费算力。我们之前在公众号里拆解过 AI 猫狗宠物短剧和 AI 直播,当时提醒大家别盲目去交买课的学费,但要是站在整个产业的角度看,这些热闹的消费需求恰恰是技术迭代的试验田。人民日报在文章里也专门提到:
"新一代视频生成模型已不止于'生成一段好看的视频',日益应用于工业操作培训、智驾仿真训练等实际场景。"
就拿智能驾驶来说,汽车上路前要面对各种复杂路况,总不能全靠真车去撞,这时候就需要用视频生成模型去构建逼真的仿真环境来做训练;工厂里的复杂操作培训也是一样的道理。中国发展 AI 的一大优势,就是同时拥有超大规模的市场和完整的产业体系。因为用的人多、市场大,技术才能在消费端快速跑通、把成本降下来,然后再顺着完整的产业链,走出论文和实验室,真正落到工厂、农田、医疗和文旅这些具体场景里去。

短板也得认,但方向没跑偏
当然,把这些成绩摆出来并不是要盲目乐观,该认清的短板还是得认清。人民日报在文里也没有回避问题,明确指出我国 AI 发展也面临挑战和短板,但始终在持续攻坚基础研究和核心技术,始终在攻克高端芯片等领域的难题。
高端芯片这些难啃的骨头还在继续攻坚,底层科研和应用落地也在同步推进,这说明咱们的方向并没有跑偏,而是在两条腿走路——一边把算力池、大模型和芯片这些底座扎稳,另一边利用大市场的优势把应用生态跑起来。
归根结底,AI 竞争是一场漫长的马拉松。在这场长跑里,我们既不需要因为看到网上一组来源存疑的对比数字就妄自菲薄、崇洋媚外,也不用去盲目自大。看清自己的短板去持续攻坚,同时把现有的市场和产业优势发挥好,按照自己的节奏一步步往前走就够了。