中国55%的Token消耗在短剧，美国58%在代码：两个数字都站不住脚

（本文作者为 斯凯有话说，钛媒体经授权发布）

中美AI算力消耗的差异，有个说法被反复搬出来：中国约55%的Token投向了AI短剧和视频，美国约58%花在编程与研发上。

问题是，这两个数字的来路都不硬。

中国那55%，最早出现在一家重仓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里，原话是“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给出结论：这既不是国家统计口径，样本覆盖和折算方式也都没公开；“中国55%用于短剧，美国58%用于代码”这种说法本身“并无权威出处也未经缜密查证”。

美国58%同样经不起追问。有分析溯源后认为，它可能出自OpenRouter与a16z联合发布的《State of AI》报告：样本超过100万亿Token，2025年末OpenAI模型在编程、技术相关两类任务上各占29%，加起来正好58%。可OpenRouter只是个API聚合平台，统计的又只是大语言模型，视频生成并不在内；它给出的Token分布，并不等于全美Token消耗分布。多家媒体核查后的结论也一致：美国58%这个数，找不到能对照的权威统计。

两个数字都该打个问号。可它们能掀起这么大讨论，是因为指向了一个真实的结构性差异：中国AI应用大量压在内容生成这头，美国AI应用大量压在代码与研发那头。差异是真的，数字是粗的。真正该拆的，是差异背后的产业逻辑。

55%和58%能摆在一起比，靠的是一个没说出口的前提：把Token当成算力。这个前提站不住。

Token是模型处理信息时的计量单位，量的是吞吐量——一次调用进进出出多少字、多少帧。算力指的是GPU单位时间内的运算能力，量的是硬件干了多少活。同一个Token，落在不同任务上，对应的算力消耗并不对等。

这种不对等有多大？

中国信通院《词元（Token）经济发展研究报告（2026年）》给出一个参照：单集1.5分钟的AI短剧，词元消耗能到500万至1000万。行业测算则显示，生产1秒1080p视频约耗5万Token，一分钟就是300万。新京报贝壳财经引述的行业通用测算又是另一组数：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。

换句话说，写一周代码，抵不上做一天短剧。

同一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，药物研发、金融量化、精密代码生成这类产业级场景能到1000美元/百万词元——差了十万倍。

这么看，“55%对58%”在方法论上就立不住：它拿高密度消耗的场景，去比低密度、高产出的场景。中国Token消耗量大，头一个原因是拍视频这件事本身就太费Token，而不是算力配置出了错。中国网的评论说得很直接：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。

把这层厘清了，讨论才有空间。真正的问题不是“谁消耗得多”，而是消耗完之后，价值留在了哪里。

AI短剧的Token消耗之所以吓人，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，每道工序都得单独调用大模型。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，光模型端的算力成本就有3万到4万元，在大批量生产里占总成本的50%。实际生产中，同一个镜头抽卡十几次甚至几十次是常态，Token大量耗在生成、不满意、重抽的循环里，而不是最终产出上。

同一份投资者关系记录表里还写着另一个数：技术研发、代码开发、模型迭代等生产力核心场景，只占国内Token消耗的15%。55%对15%，这个反差比“中国vs美国”更能说明问题——中国的Token消耗，在国内就已经高度偏向内容侧了。

可内容侧的繁荣，没把价值留在内容侧。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，播放量破亿的只有1055部，破亿率0.48%；按业内公认的5000万播放量盈亏平衡线算，达标项目占比仅1.3%，也就是说98.7%的项目上线半年内回不了本，平均每77部才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%。省下来的人力成本，转手交给了平台买量。Token烧在生成环节，钱赚在流量和算力两端，内容公司在中间扛下了全部不确定性。

美国58%这个数的来源虽然不靠谱，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，付费订阅规模要小得多，微软此前披露的付费订阅数是470万量级，两者差约十倍，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，一路爬到2026年6月突破40亿美元——需要说明，这不是经审计的财报数据，而是媒体援引知情人士的运行率估算。

编程场景里，Token 花在哪儿、怎么花，跟短剧完全是两码事。短剧走的是“一遍过”的链式生成，抽错了只能重来，Token 投进去换回的有效产出少得可怜。编程辅助则是嵌进工作流里一个点一个点地用：写一段代码、讲清一个报错、重构一个函数，单次调用的 Token 量比视频生成小得多，可每一次调用都对着一个能交付的结果。开发者不会为了一个函数让模型反复抽十几次代码；代码对不对，编译器和测试会给出答案。浪费率自然也就比视频生成低。

更关键的一点在于价值能不能留下来。Cursor收费按席位或按用量来算，企业买单的是开发者省下来的时间，这笔钱出自企业的效率预算，最终进了工具方口袋。短剧那边靠投流买量，钱从内容公司的营销预算里出，落到平台手里。两边都在烧Token，可Token换来的价值，一个沉淀在工具层，另一个漏进了流量层。

光拿短剧对编程来看，很容易下这么一个判断：中国用AI做奶头乐，美国用AI提生产力。这说法有一部分事实撑着，但它把三个更复杂的现实盖住了。

头一条，美国消耗的Token里，相当一部分代码生成其实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，国内不少科技公司的软件工程师用Claude等美国模型写代码，这些消耗都记在了美国的Token账本上；OpenRouter的报告同样显示，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”，跟使用者的国籍不是一回事。

第二条，中国的生产力场景AI渗透，并不像55%对15%暗示的那样停着不动。经济日报10月26日的评论给出了一组数字：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%，经济日报的说法是“不足3%”，两个口径接近但来源不同。短剧是最大的单一流向，却不是唯一的流向。

第三条，短剧烧掉的Token，本身也是对中国AI能力的一次“压力测试”。高并发、低延迟、大规模视频生成这些工程需求，反过来逼着算力调度和推理优化往前走。问题不在短剧用了Token，而在于这种工程能力的外溢，够不够抵消内容层面的边际递减。

把中美对比从“内容vs代码”再往下压一层，能看出一个更根本的差别：美国的生产力场景背后，有一个成熟的付费市场在承接Token成本；中国的娱乐场景里，Token成本被投流竞价吸收掉了，没有形成可持续的价值循环。

美国企业软件的付费习惯早就成熟，软件订阅跟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。掏钱的和用的人是同一批，价值反馈的链条短而清楚。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拿它替代一部分开发工作量。

中国短剧这边，付费方是投流平台，使用方是观众，掏钱的却是内容公司。内容公司掏的钱，大部分变成了平台的广告收入，没有回到内容生产环节。Token烧出了产量，可产量既没变成内容公司的利润，也没变成能复用的技术资产。

话说回来，这不代表“中国AI走错了路”。全球最大的内容消费市场就在中国，短剧场景里AI能爆发，背后是市场结构在起作用，属于合理选择。问题是，合理未必等于最优。一个“九成以上项目回不了本、制作方只拿到个位数百分比”的环节，吸走了55%的Token，这笔钱长期能不能赚回来，需要重新掂量。

“55%对58%”这个对比能传开，是因为它用一个简单数字说出了一种真实的焦虑：中国的AI，是不是过多消耗在了“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能创造可计价、可留存的价值；中国短剧的投流闭环证明，Token能创造流量，可流量不等于价值留存。

Token往哪流，最后会变成产业往哪走。中国不必因为55%这个数字就否定短剧——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。但有个问题需要追问：短剧之外，那些更难、更慢、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%就不只是统计口径的问题，而是配置选择的问题。

Token的消耗流向，说到底由资本与市场投票决定。短剧烧掉海量Token，换回的是流量规模；代码场景精准消耗Token，沉淀的是生产力价值。流量可以速成，产业价值的闭环却要长期深耕。国内工业AI、企业级智能体，哪些赛道真正跑通了付费闭环、摆脱了“烧Token换流水”的低效模式，我会在后面接着拆。

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