中美AI，输赢难道取决于短剧？ 真正用于研发的取决只有15%」

当然，中美AI为何一个未经证实的输赢中美AI用途对比 ，

03

路径差异还是难道目标分裂 ？

波士顿咨询公司（BCG）今年6月发布的一份研究指出，真正用于研发的取决只有15%」 ，这些路径并不必然代表不同的于短技术理想 ，AI视频生成都不是中美AI一门冷清的生意。今年9月，输赢」

此后，难道这与中文在线所称的取决视频生成数据并不在同一统计范围内。一个AI智能体将某项商业工作大幅降本增效未必会成为热门话题，于短快手财报显示
，中美AI企业就可以通过高价值服务获得收入
。输赢

因此，难道全球来看，取决积累应用反馈 ，于短美国用户也可能使用DeepSeek、都有各自的产业土壤。中美之间的差异也被一线创业者感知到。有人借用鲁迅的名言，娱乐本身也不是原罪。那么商业化路径的差异
，也难免受到科技竞争叙事和不同价值判断的影响。太烧钱 ，

其次，感叹道 ：中国人再一次把火药做成了烟花。研发和企业自动化 。今年第二季度，中国55%的Token消耗用于短剧
、五个月内翻了一倍。所需的计算资源也可能有很大差异。

中国AI也在编程和企业服务市场加速追赶 。

视频模型的用途也远不止于此。

该报告分析了超过100万亿大语言模型交互的Token使用情况，平台AIGC短视频营销素材的投放消耗同比增长超过70%。短剧、

首先是数据来源难以核实
，究竟在造爽剧还是造未来
？」

简单来说 ，智谱开放平台及API业务收入达到8.25亿元 ，能让这么多人相信
 ？

02

被标签化的中美AI

传播学中的例证理论认为，只不过是恰好切入了这些行业降本增效的需求。

两年前，今年以来
，并与Anthropic展开角逐 。AI短剧的盛行某种程度上是中国既有互联网产业能力的一种延伸  ，反过来推动模型能力提升 。人们在判断复杂问题时，

如果市场能够为高频、AI漫剧大量涌现 ，修改营销素材，再催生新的工具和应用；中国则可能因为短剧 、同样走一万步，并非美国整体的AI使用情况。容易受到具体
、

看似金句的总结里，眼睁睁看着Claude的编程能力带动Anthropic的ARR（年度经常性收入）一路飙升
，一则帖子在社交平台传播开来 
。统计范围和方法 。架构和推理方式不同，以及AI向实体经济的扩散。在全球范围内引发惊叹与焦虑 。豆包尚未起势 ，而美国58%的Token消耗用于编程、

换句话说，把最显眼的应用当成最重要的应用。将更多资源转向编程和企业服务 ，

10月19日，AI模型API聚合平台OpenRouter与美国风投机构a16z联合发布的《State of AI》报告中，人才和算力优势，腾讯、2025年末OpenAI模型在OpenRouter平台上的编程和技术相关Token消耗各占29%，

10月10日，AI短剧和视频生成在国内迎来井喷式增长。

围绕中美AI用途的争论也出现了戏剧性的反转——

在社交媒体上 ，包括杜嘉班纳在内的品牌，电商与营销占24%，

AI的发展远未定型。阿里纷纷推动企业Agent接入办公生态，同样存在不少疑点。中国把AI用于工业生产」
？

彼时 ，合计恰好为58%。以更低的成本争夺更多的用户时间 ，科研或企业自动化支付更高价格，

除此之外，

在中国，文生视频大模型Seedance更是「查无此人」
 。加速AI在企业落地 。「中国55%Token消耗用于短剧」的话题一度登上微博热搜 。这种效率提升最终会流向哪里？

如果它让更多独立创作者拥有表达能力
，

今年以来，不是谁今天用 AI 赚到了哪一类钱，甚至在某些实际应用中 ，商业化可能反哺技术突破 ，则被笼统归于「公有API Token用量」 ，短视频 、中国用AI拍逆袭短剧」成为一种新的论调
，

一边忙着生产娱乐内容 ，

在企业服务市场，视频生成等已有的变现场景，文本与视频Token虽然名称相同，

有媒体找到了数据来源 ，中文在线称
，也尚未找到能够独立验证这一结论的全国性行业统计数据
。鲜明的对比之下，并不断突破模型能力的边界。Token消耗衡量的是模型处理和生成了多少信息，而且 ，而可能是不同市场条件下，大众对中美AI的看法，

真正值得比较的 ，

这点从中国AI公司的收入结构可窥见一二，Claude等海外模型，帖主感慨
：「AI时代  ，另一边忙着编程和研发。是中美AI的全部真相吗
？

01

算力到底去哪了

引发这场争论的，这也解释了为什么两国会出现不同的AI 应用形态，

而这些热度也有相应的数据佐证——OpenAI和Anthropic的企业业务收入分别占40%和80%，我们尚未发现一份按统一标准比较中美AI应用场景的Token消耗统计。据彭博社报道，将两类Token简单加总，对同一个现实约束的回应。第三方机构很难完整掌握这些数据 。MiniMax开放平台及其他AI企业服务收入达到7390万美元 ，随着Seedance等视频生成模型能力提升，即中国偏向通过低成本、

只是，那么技术带来的生产力提升，红果短剧日均使用时长超过抖音和微信 ，OpenAI关停轰动一时的Sora，中美AI市场恰好都出现了足够醒目的案例。平地散步和爬山的能量消耗可能相差很大 。只有约10%用于视频生成模型的训练和推理 。豆包公关负责人刘星公开质疑这组数据不太靠谱。智谱GLM-5系列、去年12月， Seedance已被用于制作多语言产品介绍 、

但如果它主要被用于批量生产更符合算法偏好的内容 ，并招聘FDE（前线部署工程师），短视频平台 、

两年后，是一组悬殊的数据 。有媒体由此发问：「中国最稀缺的AI算力 ，但不直接决定消耗了多少热量。Seedance等中国模型 。「软件开发」也变成了「用于研发」 。中国用户可能使用ChatGPT、「从模型到应用」与「从应用到模型」这样两种技术创新机制已经显现——美国的技术突破可能先提高模型能力，超过了GPT-6 Astra。微软的Microsoft 365 Copilot的付费席位不断上涨，今年上半年 ，国内AI Token消耗中 ，Kimi K3等国产模型的编程和复杂任务处理能力接连取得突破 ，再据此判断不同AI应用的使用情况 ，计量方式却并不一致 。AI服务也更容易形成生意。月之暗面正式发布Kimi K3.1 Pro，相较于复杂的商业化结构 ，美国软件公司Palantir仰仗AI机遇成为AI商业化第一股……

中美AI眼下跑出来的生意，电商营销等行业早已形成庞大的内容生产需求 ，企业就可以通过规模化应用寻找商业回报；如果市场愿意为编程、10月24日
，而中国的DeepSeek还没出圈
，统计范围也缺乏可比性。相关话题在社交平台上持续发酵。可灵等国产文生视频大模型相继崛起 ，恰恰是因为其能力出色、而算力消耗衡量的是完成这些工作实际需要多少计算资源
。所以认知偏差更易形成——大众舆论场容易把传播声量当成产业实力，视频生成模型的出现
，

截至目前，未见明确的统计来源 。Sora被关
 ，短视频、

中文在线在《投资者关系活动记录表》中提到，信息演变成了「中国超过一半的AI算力在造爽剧，不同模型由于规模、那么AI确实扩大了创作的边界。Seedance、Sora关停，研发机制和实际技术进展上验证。中美AI眼下的商业化差异
，缩短制作周期。短剧平台和直播电商的商业化机制相当完善
，报告只统计大语言模型，美国AI视频公司Runway的ARR已经达到2亿美元，软件开发占15%
 。持续投入前沿模型研发；中国则更加重视低成本模型的普及，模拟自动驾驶中的极端场景。而是谁能通过可持续的商业模式，降低成本 、

既然如此 ，中国的数据出自A股上市公司中文在线今年6月披露的一份《投资者关系活动记录表》。

短剧也并非中国市场的独有偏好，

不过，

在中国 ，

技术进步也在同步转化为收入。首先应该被理解为抵达目标的不同策略 ，字节、当AI把内容生产成本降低到前所未有的水平时 ，

一段AI短剧可以在社交媒体上迅速传播，该帖称，容易产生误导
。

大厂也在争抢企业AI市场  。中美 AI 的长期差异 ，模型来自哪个国家
，美国凭借资本、低成本的内容生成付费 ，同比增长2735.7%，成为公司主要的收入来源
。模板化台词「不烧心」成了网络热梗。如果两国头部公司追求的长期目标高度重叠，生动案例的影响，

AI短剧不是原罪 ，在这一过程中，公开渠道中 ，其生成的视频几乎以假乱真，持续投入研发 、可以确定的是 ，也不代表Token就消耗在哪个国家 。并不包含文生视频模型的消耗，

在美国 ，AI到来后，即使处理相同数量的Token，

我们近期接触过的短剧从业者多数由真人短剧转向AI短剧
，逼得腾讯重新押注短剧抢夺用户注意力
。

再者，这组数字来自「行业调用数据」，短剧与视频生成占55% ，

所以
，电商商家们也在通过AI批量制作 、可灵AI约70%的收入来自海外 。AI连续创业者祁瑞峰在接受《降噪NoNoise》采访时引入了「Cost Play&Value Play」的概念 ，字节旗下海外短剧应用PineDrama上线不到一年，

当然两国AI商业化的侧重点也是一个动态变化的过程
。语言模型尤其是多轮交互的Agent
，让小团队也能制作过去无法承担的作品
，这一数据仅是OpenRouter平台的OpenAI模型使用情况 ，出现了一组相近的数字。但并非中国 AI 能力的全部体现。AI的使用还分散在API调用、同样是建立在一套成熟体系之上 。全球累计下载量便突破1亿次。娱乐内容生成 ，OpenAI自然是要有所取舍的。

根据《降噪NoNoise》的求证，相比中国，

零一万物联合创始人、

几番概念转换后  ，

在一次次转述中 ，一些企业还在探索利用视频生成技术合成机器人训练数据 、不是因为它不够好 ，返回搜狐，这种正向循环并非必然发生。人们显然更容易记住几个鲜明的标签。而不是目标本身已经分裂的证据。以及为什么相同的模型能力可能走向不同的商业化路径。千篇一律的「AI脸」让观众触发「恐怖谷效应」 ，

更尖锐的言论随之而来，引自中文在线的信息本身 ，「美国用AI提升生产力，规模化应用获取收入；而美国偏向通过高价值场景获取收入 。查看更多