深度｜中国55%的Token烧在短剧，美国58%烧在代码：Token的流向，暴露了AI的两种“活法”

本文来自微信公众号： 斯凯碎碎侃 ，作者：斯凯，原文标题：《深度｜中国55%的Token烧在短剧，美国58%烧在代码：Token的流向，暴露了AI的两种“活法”》关于中美AI算力消耗的差异，有一个被反复引用的说法：中国约55%的Token流向AI短剧与视频，美国约58%用于编程与研发。

这两个数字，来源都不牢靠。中国55%的原始出处，是一家重仓布局AI短剧的A股上市公司2026年6月的投资者关系活动记录表，其中写着“在国内所有Token消耗份额中，AI短剧与视频生成高居首位，占比高达55%”。

新京报贝壳财经核查后指出，这既不是国家统计口径，样本覆盖与折算方式也均未公开；“中国55%用于短剧，美国58%用于代码”的说法，本身“并无权威出处也未经缜密查证”。美国58%这个数字同样经不起追问。

有分析溯源发现，它可能来自OpenRouter与a16z联合发布的《State of AI》报告：在超过100万亿Token的样本中，2025年末OpenAI模型在编程、技术相关两类任务上各占29%，合计恰好58%。

但OpenRouter只是一个API聚合平台，它统计的也只是大语言模型，不含视频生成；它的Token分布，不等于全美Token消耗分布。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。

这两个数字都该打问号。但它们之所以能引发如此大规模的讨论，是因为它们指向了一个真实的结构性差异：中国的AI应用大量压在内容生成这一端，美国的AI应用大量压在代码与研发这一端。差异是真实的，数字是粗略的。

值得拆解的，是差异背后的产业逻辑。但在拆逻辑之前，先拆一个概念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。这个前提是错的。Token是模型处理信息时的计量单位，衡量的是吞吐量——一次调用进出多少字、多少帧。

算力是GPU在单位时间内的运算能力，衡量的是硬件做了多少功。同样一个Token，在不同任务里对应的算力消耗并不对等。这个不对等，大到什么程度？据中国信通院《词元（Token）经济发展研究报告（2026年）》，单集1.5分钟的AI短剧，词元消耗可达500万到1000万。

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。而据新京报贝壳财经引述的行业通用测算，一支8到10人的技术研发团队，一周高强度研发的总Token消耗大约只有300万到500万。

也就是说：写一周代码，抵不上做一天短剧。这份报告还有一组更关键的对照：消费级场景的价值密度约为0.01美元/百万词元，而药物研发、金融量化、精密代码生成这类产业级场景，价值可达1000美元/百万词元——相差十万倍。

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。

中国网的评论说得直接：视频生成是高密度消耗场景，代码生成是低密度高效场景，把两者放在一起比较，方法论上不成立。厘清这一层之后，才有讨论的空间。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。

中国短剧：Token烧在“试错”上AI短剧的Token消耗之所以惊人，是因为它是一条链式触发的流水线。剧本生成、分镜设计、角色建模、视频生成、配音、剪辑，每一道工序都要独立调用大模型。

一部12集的AI短剧，算力成本估算约20万元；一部120分钟的AI真人短剧，仅模型端的算力成本就达3万到4万元，在大批量生产中占到总成本的50%。而实际生产中，同一个镜头抽卡十几次甚至几十次是常态，Token大量消耗在生成、不满意、重抽的循环里，而不是最终的产出上。

同一份投资者关系记录表里还有另一个数字：技术研发、代码开发、模型迭代等生产力核心场景，仅占国内Token消耗的15%。55%对15%，这个反差比“中国vs美国”的对比更能说明问题——中国的Token消耗，在国内就已经高度倾斜向了内容侧。

但内容侧的繁荣，没有把价值留在内容侧。DataEye《2026上半年AI剧漫剧数据报告》显示，抖音端上半年新增AI剧、漫剧22.19万部，播放量破亿的仅1055部，破亿率0.48%；

以业内公认的5000万播放量为盈亏平衡线，达标项目占比仅1.3%，即98.7%的项目无法在上线半年内回本，平均每77部只有1部能盈利。投流支出约占总流水的70%，制作方最终分账只有4%到7%。

省下的人力成本，转手交给了平台买量。Token烧在了生成环节，钱赚在了流量和算力两端，内容公司在中间承担了全部不确定性。美国编程：Token烧在“工作流”里美国58%这个数字的来源虽然不可靠，但美国编程场景的Token消耗确实有可验证的体量。

微软FY2026 Q4财报电话会披露，GitHub Copilot用户数已达5000万，Copilot相关收入单季度环比加速增长超过60%——注意，5000万是用户数，付费订阅规模则要小得多，微软此前披露的付费订阅数是470万量级，两者相差约十倍，不能混为一谈。

Cursor的年化收入运行率从2025年初的约1亿美元，攀升到2026年6月突破40亿美元——需说明，这并非经审计财报数据，而是媒体援引知情人士的运行率估算。编程场景的Token消耗逻辑，和短剧有本质区别。

短剧是“一遍过”的链式生成，错了就重抽，Token消耗与有效产出之间的转化率极低。编程辅助是单点嵌入工作流：生成一段代码、解释一个报错、重构一个函数，每次调用的Token量远小于视频生成，但调用直接对应一个可交付的产出。

开发者很少为了一个函数反复抽十几次算出的代码；代码到底对不对，编译器和测试会告诉开发者。Token的浪费率，天然低于视频生成。更重要的是价值留存。Cursor的付费逻辑是“按席位或按用量收费”，企业为节省的开发者时间付费。

钱从企业的效率预算里出，直接落到了工具提供方手里。短剧的付费逻辑是“投流买流量”，钱从内容公司的营销预算里出，落到了平台手里。两种模式都在消耗Token，但Token创造的价值，一个留在了工具层，一个漏到了流量层。

“中国做娱乐、美国做生产力”是一个过于整齐的叙事只看到短剧对编程，很容易得出一个结论：中国在用AI造奶头乐，美国在用AI提生产力。这个叙事有部分事实基础，但它掩盖了三个更复杂的现实。

第一，美国的Token消耗里，有相当一部分代码生成，是中国程序员贡献的。新京报贝壳财经引述业内人士的说法，许多国内科技公司的软件工程师使用Claude等美国模型写代码，这些消耗被记在了美国的Token账本上；

OpenRouter的报告也显示，亚洲在全球调用支出中的占比，已从最初的约13%升至约31%。Token的“国籍”，不等于使用者的国籍。第二，中国的生产力场景AI渗透，并不像55%对15%所暗示的那样停滞。

经济日报10月26日的评论指出，中国工业企业应用大模型和智能体的比例已升至47.5%，累计建成3.5万家基础级智能工厂，算力芯片国产化率提升至37%；TCL华星光电用AI排产，生产计划从7天压缩到30分钟；

宁德时代一条产线布设7000多个检测点，电芯失效率从百万分之一降到十亿分之一级别。斯坦福大学《2026年AI指数报告》显示，截至2026年3月，中美顶尖模型的性能差距已收窄至2.7%（经济日报的表述是“不足3%”，两者口径接近但来源不同）。

短剧是最大的单一流向，但不是唯一的流向。第三，短剧的Token消耗，本身也是中国AI能力的一种“压力测试”。高并发、低延迟、大规模视频生成的工程需求，倒逼了算力调度和推理优化的进步。

问题不在于短剧用了Token，而在于这种工程能力的外溢，是否足以抵消内容层面的边际递减。真正的差异，不在“造什么”，在“谁为Token买单”把中美对比从“内容vs代码”的层面往下压一层，会看到一个更根本的区别：美国的生产力场景，有一个成熟的付费市场在承接Token成本；

中国的娱乐场景，Token成本被投流竞价吸收，没有形成一个可持续的价值循环。美国企业软件付费习惯成熟，软件订阅像水电费一样是刚性支出，硅谷资深工程师年薪数十万美元，AI写代码省下的人力就是真金白银，企业级应用因此最先起量。

付费方和使用方是同一批人，价值反馈链条短且清晰。Cursor能跑到40亿美元量级的运行率，是因为有一批公司真的在用它替代一部分开发工作量。中国的短剧，付费方是投流平台，使用方是观众，掏钱的是内容公司。

内容公司掏的钱，大部分变成了平台的广告收入，而不是回到了内容生产环节。Token烧出来了产量，但产量没有变成内容公司的利润，也没有变成可复用的技术资产。这不是“中国AI走错了路”。

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。但合理选择不等于最优选择。当55%的Token流向一个“九成以上项目无法回本、制作方只分到个位数百分比”的环节时，这笔投入的长期回报，需要重新算账。

结语“55%对58%”这个对比之所以能传播，是因为它用一个简单的数字，说出了一种真实的焦虑：中国的AI，是不是过多地消耗在了“让人看得更爽”上，而不是“让生产变得更高效”上。数字本身经不起查证，Token也不等于算力。

但焦虑指向的问题是真实的。美国编程场景的付费闭环，证明Token可以创造可计价、可留存的价值。中国短剧的投流闭环，证明Token可以创造流量，但流量不等于价值留存。Token的流向，最终会变成产业的走向。

中国不需要因为55%这个数字而否定短剧——短剧用AI降本是合理的，大规模场景产生的调用量也确实摊薄了推理成本，国产视频模型的定价已经降到每秒1元以下。但需要追问的是：在短剧之外，那些更难、更慢、但一旦跑通就能改变生产效率的场景，有没有拿到足够的算力，有没有形成同样清晰的付费闭环。

如果答案是否定的，那55%就不只是一个统计口径的问题，而是一个配置选择的问题。Token的消耗流向，本质是资本与市场的投票结果。短剧消耗海量Token换来了流量规模，代码场景精准消耗Token沉淀生产力价值。

流量可以速成，产业价值的闭环却需要长期深耕。后续我会深度拆解：国内工业AI、企业级智能体，究竟哪些赛道跑通了真实付费闭环、摆脱“烧Token换流水”的低效模式，关注我👇👇👇，持续看懂AI产业的真实盈利逻辑。

推荐阅读观察｜冰柜“已销毁”，却还在买家后厨插着电：仅退款新规落地半年，护着的是谁的利益？观察｜登月的胜负手，不在火箭点火那一刻深度｜月薪10万招实习生，后端岗位少了52%：这张就业地图，把话说得很直白深度｜从资本密集到人力密集：全球AI的瓶颈，卡在缺乏“电工”本文事实依据：中文在线2026年6月3日投资者关系活动记录表（“55%/24%/15%”原始出处，经上海证券报、北京日报、新京报贝壳财经核查）；

新京报贝壳财经《“美国AI提生产力，中国AI造奶头乐”是伪命题吗?》（数据无权威出处、Token≠算力、8—10人团队周消耗300万—500万Token）；上海证券报《谁在制造词元消耗对立》（55%溯源链条：中文在线→7月中泰传媒材料→信通院报告，券商报告正文未见该占比）；

中国信通院《词元（Token）经济发展研究报告（2026年）》（单集1.5分钟短剧500万—1000万词元、日均调用量500万亿、价值密度0.01 vs 1000美元/百万词元、2026年推理算力占比70.5%）；

中国网评论《AI造短剧，是浪费算力吗?》（视频高密度vs代码低密度，方法论不成立；国产模型定价降至每秒1元以下）；OpenRouter×a16z《State of AI》（100万亿Token样本，2025年末OpenAI模型编程29%、技术29%）；

经济日报《莫因词元消耗一叶障目》（2026年10月26日，工业AI渗透率47.5%、3.5万家智能工厂、国产芯片37%、顶级模型差距不足3%）；斯坦福大学《2026年AI指数报告》（中美模型性能差距2.7%）；

微软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口径）；Cursor年化运行率（2026年6月约40亿美元，媒体援引知情人士，非经审计）；

DataEye《2026上半年AI剧漫剧数据报告》（22.19万部、破亿1055部、0.48%、盈亏平衡线1.3%、77部1部盈利）；证券时报、中国新闻周刊（投流约占70%、分账4%—7%、12集短剧算力成本约20万元、120分钟模型端3万—4万元）；

潮新闻、虎嗅、中国新闻周刊对本次数据争议的核查报道；55%与58%均非权威统计口径，Token消耗不等于算力投入，具体流向以官方或第三方独立审计数据为准。