文 | 斯凯有话说 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 ，C