55%对58%：中美AI的Token流向，差的不只是数字

（本文作者为 斯凯有话说，钛媒体经授权发布）

关于中美AI算力消耗的差别，有个被反复引用的说法：中国约55%的Token花在AI短剧与视频上，美国约58%用在编程与研发上。

这两个数字，其实都站不住脚。

先说中国55%。它最早出自一家重仓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，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指出，这并非国家统计口径，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”这个说法本身“并无权威出处也未经缜密查证”。

美国58%同样经不起追问。有分析溯源后发现，它可能源自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，统计的也只有大语言模型，不含视频生成；它那边的Token分布，不等于全美Token消耗分布。另有多家媒体核查后得出相同结论：美国58%这个数字，找不到可对照的权威统计。

两个数字都该打问号。但它们能引起这么大范围的讨论，是因为背后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。差异是真的，数字是粗的。值得拆开的，是差异背后的产业逻辑。

55%和58%之所以能被摆在一起比，靠的是一个隐含前提：把Token当成算力。这个前提错了。

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

这种不对等，能大到什么地步？

中国信通院《词元（Token）经济发展研究报告（2026年）》给出的数据是：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。新京报贝壳财经引述的行业通用测算则显示，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。

报告里另有一组对照更值得看：消费级场景下，价值密度大约只有0.01美元/百万词元；而药物研发、金融量化、精密代码生成这些产业级场景，能达到1000美元/百万词元，两者相差十万倍。

这样一来，“55%对58%”这个比较从方法论上就站不住脚：它拿的是高密度消耗的场景，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特别费Token，跟算力配置错没错没关系。中国网那篇评论讲得很直白：视频生成属于高密度消耗场景，代码生成属于低密度高效场景，两者摆在一起比，方法论上不成立。

把这一层厘清之后，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。

AI短剧的Token消耗之所以吓人，是因为它走的是链式触发的流水线：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，放到大批量生产里占总成本的50%。实际干活时，同一个镜头抽卡十几次乃至几十次是常事，Token大多耗在生成、不满意、重抽这个循环上，而不是最终产出上。

同一份投资者关系记录表里还有个数字：技术研发、代码开发、模型迭代这些生产力核心场景，只占国内Token消耗的15%。55%对15%，这个反差比“中国vs美国”那组对比更能说明问题——中国的Token消耗，在国内就已经明显偏向内容侧了。

可内容侧再热闹，价值也没留在内容侧。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5000万播放量作盈亏平衡线，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部里才1部能赚钱。投流支出约占总流水的70%，制作方最后分账只有4%到7%。省下来的人力成本，转手又交给了平台买量。Token烧在生成环节，钱让流量和算力两端赚走，内容公司夹在中间扛下了全部不确定性。

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，跟短剧完全是两回事。短剧是“一遍过”的链式生成，错了就重抽，Token消耗和有效产出之间的转化率很低。编程辅助则是单点嵌进工作流：生成一段代码、解释一个报错、重构一个函数，每次调用花的Token远比视频生成少，可每次调用都直接对应一个能交付的产出。开发者很少为了一个函数反复抽十几次代码；代码对不对，编译器和测试会告诉他。Token的浪费率，天生就比视频生成低。

价值留在哪儿，才是更要紧的事。Cursor收钱的方式是按席位、按用量计价，企业买的是开发者省下来的时间，这笔钱从效率预算里出，直接进了工具方口袋。短剧那边不一样，付费逻辑是投流买量，钱从内容公司的营销预算里出，最后落到平台手里。两边都在烧Token，可Token换来的价值，一个沉在工具层，一个漏进了流量层。

光拿短剧对编程来看，很容易滑向一个判断：中国用AI造奶头乐，美国用AI提生产力。这个说法有部分事实撑着，但它把三层更复杂的情况盖住了。

先说第一层。美国账本上的Token消耗，有相当一部分代码是中国程序员写出来的。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在用Claude等美国模型写代码，这些调用被记进了美国的Token账本；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%升到约31%。Token的“国籍”，跟用的人是哪国人，是两回事。

第二层，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：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%。落到具体产线上，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了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，来源不同。短剧是最大的单一流向，但不是唯一流向。

第三层，短剧烧掉的Token，本身也算中国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。真正的问题不在短剧用了Token，而在于这套工程能力能不能外溢出去，外溢的部分够不够抵消内容层面越投越薄的边际回报。

把中美对比从“内容对代码”再往下压一层，能看见一个更根本的差别：美国的生产力场景背后，有一个成熟的付费市场接住了Token成本；中国的娱乐场景里，Token成本被投流竞价吞掉，没能转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，价值反馈链条短，也清楚。Cursor能跑到40亿美元量级的运行率，靠的就是一批公司真在拿它替掉一部分开发工作量。

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。内容公司出的钱，大半变成了平台的广告收入，没回到内容生产环节。Token烧出了产量，产量没变成内容公司的利润，也没沉淀成可复用的技术资产。

这不等于“中国AI走错了路”。中国有全球最大的内容消费市场，AI在短剧场景里爆发，是市场结构决定的合理选择。可合理选择不等于最优选择。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，这笔投入的长期回报，得重新算一算。

“55%对58%”这组对比能传开，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，是不是过多耗在了“让人看得更爽”上，而不是“让生产更高效”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实的。美国编程场景跑出的付费闭环说明，Token可以创造可计价、可留存的价值；中国短剧的投流闭环说明，Token可以造出流量，流量却不等于价值留存。

Token往哪儿流，最终会变成产业往哪儿走。中国不必因为55%这个数字就否定短剧——短剧用AI降成本是合理的，大场景带来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。该追问的是另一头：短剧之外，那些更难、更慢、可一旦跑通就能改变生产效率的场景，算力给够了没有，付费闭环建起来没有。答案要是否定的，55%就不只是统计口径的事，而是配置选择的事。

Token的流向，说到底是资本和市场投票的结果。短剧拿海量Token换来了流量规模，代码场景精准地烧Token、沉淀生产力价值。流量能速成，产业价值的闭环得靠长期深耕。后面我会接着拆：国内工业AI、企业级智能体这些赛道，哪些真跑通了付费闭环、甩掉了“烧Token换流水”的低效路子。

先把这份稿子的事实来源摆清楚。短剧侧“55%/24%/15%”这组比例，最早出自中文在线2026年6月3日的投资者关系活动记录表，上海证券报、北京日报、新京报贝壳财经都做过核查。新京报贝壳财经那篇《“美国AI提生产力，中国AI造奶头乐”是伪命题吗?》指出，相关数据找不到权威出处，Token也不等于算力，还提到有8—10人团队一周要消耗300万—500万Token。上海证券报《谁在制造词元消耗对立》把55%的来路捋了一遍：中文在线→7月中泰传媒材料→信通院报告，而券商报告正文里并没有这个占比。

中国信通院《词元（Token）经济发展研究报告（2026年）》给出的数字是：单集1.5分钟的短剧消耗500万—1000万词元，日均调用量500万亿，价值密度0.01对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?》认为，拿视频的高密度去比代码的低密度，这套方法本身站不住，同时提到国产模型定价已降到每秒1元以下。OpenRouter与a16z合作的《State of AI》基于100万亿Token样本，显示2025年末OpenAI模型在编程上占29%、技术类占29%。经济日报《莫因词元消耗一叶障目》（2026年10月26日）列出的数据包括工业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》则给出中美模型性能差距2.7%。微软FY2026 Q4财报电话会（2026年7月29日）披露，GitHub Copilot用户5000万，Copilot收入环比增长超60%，付费订阅470万是FY26 Q2口径。Cursor的年化运行率，2026年6月约为40亿美元，来自媒体援引知情人士，并未经过审计。DataEye《2026上半年AI剧漫剧数据报告》记录的是22.19万部、破亿1055部、0.48%、盈亏平衡线1.3%、77部里1部盈利。证券时报、中国新闻周刊提到投流约占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、中国新闻周刊均对这次数据争议做过核查报道。55%和58%都不是权威统计口径，Token消耗换不成算力投入，具体流向还得看官方或第三方独立审计的数据。