文 |议史纪

编辑 |议史纪

AI真相：中国Token消耗第一是做短剧，美国Token消耗第一是编程序！

问题在于，这种自嘲看起来很高级，其实对现实一点帮助都没有。因为无论是写代码还是拍短剧，背后都是同一个问题。

中美两边的AI算力选择，看起来风格迥异，本质上都是在为“怎么活得更好”做最务实的决定。

美国为什么必须让AI写代码，中国为什么心甘情愿用算力去卷短剧和带货，这种看似“画风不同”的选择，对中美到底意味着什么？

中美AI到底在忙什么

日前，中文在线发布了一组数据，让不少科技从业者心里一紧。数字摆得很直白：在美国，约58%的Token算力集中在代码生成和企业自动化流程上；在中国，55%被投入到AI微短剧和短视频生成，24%配给了电商带货和营销图文，真正归在“软件开发”一项的只有15%。

数字放一起，比任何情绪化的争论都直接。

在美国，算力更多是和代码、流程、系统连在一起；在中国，算力则更多连向剧本、镜头、商品详情页和直播脚本。一个偏向企业后台，一个扎在用户前台，方向完全不一样。

2026年前8个月，中国的生成式AI算力经历了一轮极其密集的“拉练”。

行业统计显示，这段时间里国内大约生产了43万部微短剧，是前一年全年产量的13倍，而且超过90%的剧集背后都用到了AI：从文案、分镜，到角色形象和成片合成，机器基本没怎么休息过。

终端这一侧，是一群非常真实的用户。到2024年底，中国网民已经突破11亿，其中大约有8亿人是短视频和微短剧的重度用户。

2026年前后，围绕“霸道总裁重生”“战神归来”这一类爽剧题材的点播付费，把微短剧市场推到了一个全新的体量。

有机构测算，2024年中国微短剧市场规模已经在500亿元量级，后续几年有望冲击1000亿元大关，短短几年追上并反超不少传统文娱业态。

很多人看到这些数据，第一反应是惋惜：同样是AI，美国在摩天大楼里优化系统，我们在手机上刷土味逆袭。

类似“数字鸦片”“火药变烟花”这样的说法，最近两年时不时就会冒出来。情绪很浓，根基却很薄。

因为这里有个关键事实常被忽略：这些短剧不是自发长出来的，而是几百万次投放测试、结算流水、复盘ROI之后留下来的结果。

对平台和制作公司来说，只要一集短剧能带来足够多的付费解锁、充值和转化，那些为剧情服务的Token就不是浪费，而是实打实的投入产出比。

从制作端看这件事，会更直观。传统拍一部网剧，少说要一个二三十人的团队，选角、搭景、服装、美术、后期，一轮拍下来两三周起步，成本轻松上几十万。

国产AI视频生成模型明显提速，从最早几秒钟的表情包，跃迁到原生4K、多模态输入、单条视频时长能拉到几十分钟，而且角色形象前后能保持基本一致。

在2026年的中国，一支只有两三个人的小团队，配几台显卡足够的电脑，加上一套越用越顺手的提示词模版，就可以在几天内“拧出”一部上百集的微短剧。

制作成本从“几十万”直接压到“几千甚至几百”，单帧生成的成本算下来只有几分钱。

行业内为了抢客户，甚至打出了“一毛钱生成一个短视频”的宣传口号，价格战打到这个程度，很难说这背后不是技术能力的硬支撑。

这里已经是全球少见的、AI和现金流结合得最紧密的场景之一。

美国用AI写代码，不是情怀

为什么同样是AI，到了美国就明显偏向写代码、做自动化，而不是大规模砸进内容娱乐？原因不用想太复杂，翻翻当地的工资单就够了。

在硅谷，一个资深软件工程师的年收入普遍在30万到50万美元区间，总包再往上走也不稀奇。

对于一家中型科技公司来说，多招一个工程师，全年多出来的是几十万美元的硬成本，而且还是持续性的开支。

反过来，如果用一套成熟的AI代码助手，能帮现有团队节省出大量重复性劳动时间，这笔账基本不用太纠结。

再结合北美的企业数字化结构，就更清楚了。

这些年，企业IT预算里的重点越来越向软件倾斜，软件、SaaS和云服务在不少企业预算里已经占到总IT支出的六七成，硬件更多只是配套的基础设施。

买软件、买订阅、买各类企业服务，对当地企业已经和缴税、水电差不多，是写进预算表的刚性支出。

在这样的土壤里，AI编程工具的定位天然就不一样。

对于程序员个人，它当然是效率工具，可以减少机械劳动；对企业管理层，它更是压缩人力成本、缩短项目周期的钥匙。两边都觉得有价值，市场自然就长出来了。

现在主流的AI编程Agent，不再是几年前那种只会补全一两行代码的小助手，而是可以吃进去整个工程项目的“大胃王”。

一个动辄包含上百万行代码的工程，被整体装进上下文里，工程师只要抛出“把支付模块从Stripe切到同时支持数字货币”这种级别的指令，后面翻文档、改依赖、跑单测、修明显Bug这几步，AI都能一次性串起来做完。

这一套流程最显眼的副作用，就是Token消耗极大。一轮复杂操作下来，几万甚至十几万Token消耗掉很正常，复杂项目甚至要反复迭代几轮。

但从公司角度看，只要这轮操作能帮一个年收入40万美元的工程师省下哪怕半天时间，用几十美元的算力成本换这几个小时，人力部门不会有意见，财务部门也不会皱眉。

美国的企业服务市场历史长、基础厚，各种行业软件、垂直SaaS、云服务厂商把企业需求切得非常细。

AI厂商盯着开发者和企业，两头都能收费：对开发者收订阅，对企业卖团队版本、私有化部署、额外服务。开发者多贡献一些反馈和使用数据，模型就能继续打磨，形成技术和商业上的正循环。

也正因为此，围绕“让AI写更多代码”这一条主线，美国公司打得非常激烈。

算力砸向短剧和带货

很多人最大的不解在于：既然AI写代码这么重要，为什么国内算力没有跟美国一样去堆在编码和自动化上，而是被短剧、电商这些项目抢走了绝大部分份额？

答案要从企业愿不愿意花钱说起。

长期来看，中国企业在IT支出上的结构和美国截然不同。大量企业愿意花大价钱买服务器、换显示大屏、升级摄像头，但在软件和服务上的占比却很低。

公开数据显示，不少企业的IT开支中，软件和服务加起来只占到大约18%左右，而且还要在这里面挤出定制开发、实施、培训等各种费用。

从一个做AI编程工具的创业团队视角看，走进不少企业谈合作，常见画面往往是这样的：对方认可工具厉害，希望免费帮忙改造几十年前遗留下来的老系统，再配上长期驻场支持，还顺手要一个极大幅度的价格优惠。

单看需求都合情合理，攒在一起就变成了一个极难健康盈利的生意。

而C端完全不一样。中国的互联网平台对流量的利用效率可以说是全球天花板级别。短视频、直播、电商的链路已经被打磨到极其成熟，一条内容能导出的点击、停留、转化，都有一套细致到分钟级的监测体系。

只要某种形式的内容能稳定带来订单和广告收益，平台和内容方就有动机持续往那条路堆资源。

电商营销同样如此。那24%的Token，其实很大一部分在生成商品展示视频、直播脚本、店铺详情页和个性化广告素材。

过去运营团队做这些，需要大量人力重复劳动，一条一条改图、一句一句调文案，如今用AIGC工具，几分钟就能批量生成几十套版本，上线后再通过数据反馈筛选效果更好的方案。

平台、商家、服务商都在这条链路里分到收益，没人觉得Token是白烧的。

要支撑几亿人连续在线刷视频，对底层技术的要求一点不比科研和工业轻。

国产视频大模型为了满足每天海量生成需求，只能拼命把推理效率往下压，把每块显存吃到极致，让延迟控制在用户能接受的范围之内。

否则卡顿一两秒，用户就滑走了。

只要产业链是健康的，内容有底线监管，算力投入能逼出技术进步，还能沉淀出一批全球竞争力不错的产品和公司，这条路就有价值。

由于平台规则，只有当您跟我有更多互动的时候，才会被认定为铁粉。如果您喜欢我的文章，可以点个“关注”，成为铁粉后能第一时间收到文章推送。