美国拿AI写代码,中国拿AI拍短剧,十年后,差距会有多大?
- 2026-11-19 14:14:34
美国拿AI写代码,中国拿AI拍短剧,十年后,差距会有多大?文|财鲸局 最近,一组关于中美人工智能的数据,在网上引发了不小的争议。 中国55%的Token消耗在AI短剧和视频生成上,美国58%的Token则用于编程、研发和企业自动化。 有人把这种差异形容为:美国拿火药造枪炮,中国拿火药放烟花。 听起来确实有些扎心。 当美国程序员正在利用AI开发软件、自动完成复杂任务时,中国大量创作者却忙着让AI生成霸道总裁、逆袭复仇和各种爽剧。 如果这一趋势长期持续,中美人工智能的产业竞争,会不会走向两个截然不同的方向? 不过,仔细调查后笔者发现,这组广为传播的数据,其实存在很大的问题。 但比数字真假更有讨论价值的是,中美AI商业化的确呈现出了值得关注的路径差异。 而这种差异,可能会影响未来十年的软件产业、就业结构,甚至整个经济的生产效率。 01 55%的数据,可能根本不成立 先追溯一下这组数据的出处。 今年6月3日,A股上市公司中文在线披露了一份投资者关系活动记录表。 
其中提到,国内Token消耗中,AI短剧与视频生成占55%,电商与营销占24%,软件开发占15%。 这便是“中国一半AI算力都在拍短剧”的主要来源。 但问题在于,中文在线是一家深度布局AI短剧的企业,它并没有披露这些比例的完整数据来源、样本范围和计算方法。 后来,中国信通院的一份研究报告也引用了55%的数据,但媒体追溯其引用来源时,同样没有找到能够独立验证全国占比的统计依据。 至于美国58%的说法,也缺少可靠的全国性统计支撑。 倒是OpenRouter与a16z在2025年联合发布的一份研究报告,提供了另一组容易被混淆的数据。 报告显示,到2025年末,在OpenRouter平台上,OpenAI模型的Token使用中,编程类和技术类分别占29%,合计58%。 但这统计的是特定平台上特定模型的使用结构,不等于美国全国的Token消耗结构。 甚至在同一份报告中,中国的通义千问Qwen模型,编程类Token占比长期达到40%—60%。 这说明什么? AI使用场景的差异,不能简单按照国家划分。 更何况,视频生成和文字编程的Token计量方式、计算成本也不完全相同。消耗55%的Token,不等于占用了55%的GPU算力。 所以,拿这两个数字判定中美科技竞争的输赢,并不严谨。 不过,数字站不住脚,不代表背后的产业问题不存在。 中国AI短剧为什么会如此火爆?美国AI编程为什么能够率先成为企业付费的大市场? 这里面的经济逻辑,才更值得研究。 02 中国AI,为什么先卷出了短剧? 有一个数据相当惊人。 根据国家广播电视总局今年9月披露的信息,2026年前8个月,全国上线微短剧达到43万部,是2025年全年的13倍,其中AI剧占比超过九成。 与此同时,全国微短剧用户已经超过8亿。 为什么是短剧,而不是工业设计、软件研发或者金融分析,率先迎来如此猛烈的AI应用爆发? 原因其实很现实。 因为中国已经拥有全球规模庞大、商业链条成熟的内容消费市场,而AI恰好可以大幅降低它的生产成本。 过去拍摄一部短剧,需要编剧、演员、摄影、灯光、场地和后期制作。 现在通过AI生成,部分项目甚至不需要真人出镜。 《中国经济时报》今年10月的一篇调查中,有影视企业透露,一部90分钟的AI微短剧,制作周期可以从传统真人拍摄的至少三个月,压缩到3—5天,成本降低七至八成。 当制作成本大幅下降,原来没有资金拍摄的故事,现在也能进入市场。 平台因此获得更丰富的内容,创作者获得更低的创业门槛,模型厂商获得大量商业订单。 这是一场实实在在的技术革命。 如果有人认为AI拍短剧毫无价值,那显然也低估了数字内容产业。 中国短剧不仅满足国内消费,还具备向海外输出内容和制作能力的空间。视频生成技术也能用于广告、影视、教育、设计等其他行业。 问题在于,当所有人都能低成本制作短剧时,整个行业会不会又和光伏、新能源车一样陷入内卷化竞争? 答案可能并不乐观。 过去,一部短剧制作成本50万元,行业门槛在制作能力。 现在,制作成本可能降到几万元甚至更低,行业门槛却转移到了流量分发。 数据显示,2026年9月,红果免费短剧App日均活跃用户数首次突破2亿。 当大量创作者同时涌入市场,内容供应迅速增加,但用户每天只有24小时。 结果很可能是,制作成本越来越低,竞争却越来越激烈,优质流量越来越昂贵。 创作者省下来的制作成本,部分又以投流费用、渠道分成等形式支付给了平台。 AI让生产内容变得容易,却没有让获得观众变得容易。 对于整个行业而言,这可能带来一个尴尬的局面:技术不断进步,内容产量暴涨,普通创作者却未必能获得更高利润。 最大的商业受益者,可能集中在掌握模型、算力和流量入口的少数企业。 03 美国AI编程,正在发生什么? 相比短剧,AI编程拥有另一套商业逻辑。 美国风险投资机构Menlo Ventures发布的2025年企业AI报告显示,美国企业生成式AI支出达到370亿美元,是2024年的3.2倍。 其中,企业在AI编程工具上的支出达到40亿美元,占部门型AI应用支出的55%。 注意,这里的55%是企业特定应用类别的支出占比,并不是美国全部Token消耗比例。 但它揭示了一个很重要的变化:美国企业已经开始为AI编程能力支付真金白银。 而且,AI编程正在从辅助程序员写几行代码,发展为能够独立执行部分开发任务的智能体。 就在10月28日,GitHub发布了2026年Octoverse报告。 报告显示,今年3月,GitHub平台上由AI智能体起草的拉取请求占比约17%。到了9月,这一比例已经超过40%。 短短半年时间,占比提高了23个百分点以上。 这里的拉取请求,是软件开发过程中提交代码修改、等待审核与合并的一种工作流程。超过40%由AI智能体起草,并不意味着40%的代码已经可以完全脱离人工编写和审核。 但这种变化足够引人关注。 因为软件开发的价值,并不只是写出代码。 一家制造企业需要智能排产系统,一家银行需要自动化风控工具,一家物流公司需要优化配送路径。 过去,每增加一个定制化功能,都需要投入大量开发人员和时间。 现在,AI可以协助完成代码编写、测试、修改甚至部分系统部署。 软件开发成本降低之后,那些过去因为成本太高而无法实施的数字化项目,就有机会变成现实。 更重要的是,这种效率提升可以持续传导。 软件开发效率提高,可以降低企业的信息化成本;信息化成本下降,又能推动更多企业部署自动化系统;新的业务需求,反过来推动AI模型继续升级。 于是,一项技术突破就会沿着整个产业链不断扩散。 当然,AI生成代码同样存在安全漏洞、维护成本和质量控制问题,代码产量增长也不能直接等同于劳动生产率增长。 但从商业逻辑来看,AI编程最吸引人的地方,是它能够进入企业反复使用的生产流程。 拍出一万部短剧,不一定能让下一部短剧获得更多观众;但开发出一套成熟的自动化工具,却可能让成千上万家企业重复使用。 两种应用都有价值,但经济回报的形成方式却存在明显差异。 04 更大的风险,是AI被困在流量生意里 如果按照这个逻辑继续推演,中国需要警惕的,并不是AI短剧太发达。 而是高价值的生产性应用,能否以同样快的速度发展起来。 中国有全球规模庞大的制造业体系,在新能源汽车、动力电池、光伏设备、工业机器人等领域拥有完整的产业链。 这些行业实际上为AI提供了大量复杂而有价值的应用场景。 例如,一家汽车工厂如果利用AI优化生产排程,减少设备停机时间,降低产品不良率,产生的收益可能远远超过一家普通短剧工作室。 但工业AI的商业化远比拍短剧困难。 短剧效果好不好,用户看不看,市场很快就能给出反馈。 工业AI却需要与企业的生产设备、管理系统、工艺数据深度结合。 它可能需要数月甚至更长时间才能完成验证,而且必须考虑安全性、稳定性和责任归属。 消费市场的AI应用,商业化速度快、反馈直接,容易吸引资本。 工业领域的AI应用,开发周期长、交付复杂,前期投入大,但一旦成熟,也可能形成更深的技术壁垒。 资本天然愿意追逐更快兑现的收益。 如果长期缺乏对复杂生产场景的投入,就有可能出现消费端AI产品繁荣、产业端高价值软件能力不足的局面。 这也是为什么不能只看Token消耗量。 根据中国信通院今年10月发布的报告,截至2026年6月,国内日均Token消耗量已经达到约500万亿,是2025年12月的近4倍。 这个增长速度相当惊人。 但500万亿Token最终创造了多少企业利润?帮助工厂减少了多少废品?为研发人员缩短了多少设计周期? 目前还缺少一套足够全面、能够横向比较的数据。 中国并非没有行动,今年1月,工信部等八部门印发《“人工智能+制造”专项行动实施意见》。 
提出到2027年推动3—5个通用大模型在制造业深度应用,推出1000个高水平工业智能体,推广500个典型应用场景。 目标已经明确。 接下来更重要的是,企业能否把这些应用从演示系统变成真正长期运行、能够创造利润的生产工具。 如果工厂引入AI后,只是多了一块漂亮的数据大屏,而生产成本没有下降、产品质量没有提高,那这样的数字化改造,经济意义同样有限。 05 未来十年,中美争夺的是什么? 站在2026年这个时间节点,AI竞争正在发生一次重要转变。 前几年,大家争论的是谁的大模型参数更多、跑分更高、训练成本更低。 现在,问题逐渐变成:谁能把AI嵌入更多高价值的经济活动? 这场竞争,至少会产生三个变化。 第一个变化,是软件产业的竞争门槛将发生改变。 当AI能够承担越来越多程序开发任务,传统依靠大量人力交付代码的软件外包模式,会面临更大的价格压力。 与此同时,掌握行业需求、系统架构、数据治理和安全验证能力的企业,可能获得更强的竞争力。 第二个变化,是内容行业的利润分配将继续调整。 AI降低制作成本之后,普通内容的稀缺性下降,优质原创IP、独特创意、用户关系以及分发渠道的价值可能上升。 短剧不会因此消失,但单纯依靠批量生产同质化内容赚钱,会越来越难。 第三个变化,也是影响中国经济更深远的变化,是AI能否推动制造业和服务业的生产率提升。 中国拥有完整的工业体系,这是发展产业AI的重要优势。 但是,庞大的制造业规模不会自动转化为AI竞争优势。 工业数据能否打通,企业是否愿意付费,软件系统能否长期稳定运行,人才是否同时理解算法和生产流程,这些问题都需要解决。 如果中国能够把视频生成领域积累的模型能力进一步应用到工业仿真、数字孪生和机器人训练,把大语言模型广泛用于软件研发、工业设计和企业管理,那么消费端的AI繁荣完全可能成为产业升级的起点。 反过来,如果大量企业始终停留在内容生成、营销投流等短周期商业场景,却迟迟无法进入复杂的生产系统,就可能在高价值企业软件和智能体生态的竞争中承受更大压力。 这不是说娱乐产业不重要,更不是说美国所有AI应用都在创造生产力。 美国同样存在大量娱乐、陪伴和内容生成类AI应用,中国也有快速成长的AI编程和工业智能企业。 不能用两组未经统一统计的数据,给两个国家的技术发展下结论。 但也不能因为数据存在问题,就回避产业结构可能存在的短板。 衡量人工智能的发展水平,不能只看每天烧掉多少Token,更要看这些Token到底创造了多少新的经济价值。 十年前,中国互联网企业在移动支付、电商、短视频领域快速崛起,证明了庞大的消费市场可以催生世界级技术企业。 今天,中国需要把这种成功继续向工业软件、智能制造和生产性服务领域延伸。 短剧能赚钱,当然应该发展。 但如果未来有一天,我们发现AI可以一天生成十万部短剧,却仍然需要依赖昂贵的外部软件来设计芯片、管理工厂、开发复杂系统,那才是更值得担忧的局面。 中国不缺让AI生产内容的市场,下一步需要证明的,是能否让AI生产更多价值。 这或许比55%和58%的争论,更值得关注。 文|财鲸局


本文来自网友投稿或网络内容,如有侵犯您的权益请联系我们删除,联系邮箱:wyl860211@qq.com 。