国内一半AI算力被指用于造爽剧，用于研发仅15％

国内超一半的AI算力被指用来制造爽剧，真正用于研发的只有15％。这个由中文在线（300364。SZ）在一封投资者关系活动记录表中披露的数据，近期在互联网引发热议。

如果这些数字成立，它不仅颠覆了对AI产业发展的传统认知，也意味着整个行业的资源分配正在发生深刻转移——从技术研发转向内容生产，从实验室走向短视频平台。

但这笔账，真的能这么算吗？

数据从何而来

这份数据出自中文在线披露的《投资者关系活动记录表》。其中提到，国内AI行业总Token消耗中，55％用于短剧和视频生成，24％用于电商广告，15％用于研发。该比例基于该公司参与的AI平台生态中的Token消耗分布。

另一组佐证数据来自AI模型路由平台OpenRouter。根据其10月5日至11日的后台数据，全球AI大模型总调用量为172万亿Token，其中中国大模型周调用量达86．74万亿Token，连续二十四周超过美国，稳居全球首位。同期前五名均为中国AI大模型。

两组数据的关联点在于：中文在线认为，Token消耗可以直接映射算力占用情况。而短剧和视频生成了最大的消耗大户。

不过需要注意几个关键前提。第一，这些数据并非来自国家层面的全面统计，而是基于中文在线自身参与的平台生态采样。第二，统计口径是“Token消耗”而非传统意义上的“物理算力”。第三，数据采集时间窗口为2026年10月上旬。

这意味着，这组数字反映的是一个特定公司在特定时间段内、覆盖部分平台的观测结果，而不是对整个中国AI产业的全面普查。

为什么短剧吃掉了最多算力

AI短剧成为第一大Token消耗场景，核心原因在于其技术特性。

根据中文在线的解释，短剧是对视频生成及Token周转速度要求极高的业务。具体而言，AI仿真人剧由于对帧数和1080p高清晰度有更严格的要求，其Token消耗量通常是漫画形态、720p分辨率AI漫剧的两到三倍。

更关键的是“抽卡”机制。在实际制片过程中，为了符合导演对剧情叙事与镜头的严苛要求，团队需要不断地通过反复生成和筛选画面。这种工作方式产生了持续且直观的Token消耗。

换言之，AI短剧不是一个“输入一次、输出一次”的过程，而是一个不断试错、反复调优的过程。每一次重试都意味着新的Token消耗。这种消耗模式，天然地高于很多单次推理任务。

这也构成了行业竞争的关键壁垒。哪家公司的作品精细度与Token消耗更具规模，哪家公司就越能在竞争中形成技术与资源壁垒。

行业已经走多远

AI驱动微短剧的狂飙，不只是理论预测，而是已经在发生的现实。

根据国家广播电视总局发展研究中心等共同发布的《AI驱动全球微短剧创新发展报告》，2025年全球微短剧市场进入爆发增长期，市场规模接近180亿美元。其中中国市场突破140亿美元，占全球市场的77．78％。

在中国以外国际市场，中国企业贡献约90％的份额；海外内购收入排名前十的平台均为中国背景，合计内购收入约16．50亿美元，占海外市场规模的45．83％。

在国内市场上，AI短剧的增长更为迅猛。仅抖音一个平台，今年上半年就新上线了22万部AI短剧。今年前八个月，国内上线的微短剧达到43万部，是去年全年的13倍。

一部12集的AI短剧，消耗的算力成本估算约20万元。按这个数字计算，单个头部短剧项目的Token消耗足以匹配甚至超过中小型企业的年度研发支出。

按照行业预估，到2026年，国内AI剧／漫剧产能规模有望迅速突破100万部。而到2030年左右，全球短剧市场规模可能突破1000亿美元，其中中国市场约占一半，约3500亿元人民币，等同于当前短视频的年市场规模。

这意味着未来几年，AI算力将需要支撑庞大的内容生产能力。

谁受益，谁承压

这场结构性变化带来的影响，已经在产业链的不同环节显现。

首先受益的是具备算力储备和视频生成能力的公司。中文在线本身既是内容出品方，也涉及AI技术应用，自然成为这一趋势的直接受益者。其投资者关系活动记录表中的数据，某种程度上也是对自己业务方向的背书。

其次，电商广告领域也在加速拥抱AI。占Token消耗24％的电商广告投放，意味着品牌营销正在经历类似的智能化改造。自动化素材生成、个性化投流、实时优化，这些都在推高API调用频次。

但研发端承受的压力不容忽视。当大部分算力资源流向应用层，基础模型研发、算法优化、架构创新等环节可能面临资源挤占。尤其对于需要大量训练迭代的中小研发团队而言，算力成本的上升直接压缩了其生存空间。

这带来一个值得关注的悖论：AI的应用层越是繁荣，底层技术的进步可能越慢。因为最聪明的头脑和最充足的资金，都被眼前的流量生意所吸引。

还需要看什么

这组数据的争议性在于代表性不足。中文在线自身的平台样本，能否推导出“全国”的比例结论，目前缺乏交叉验证。要判断AI算力真实去向，还需要关注以下维度：

其一，不同机构的同类统计对比。是否有其他平台或研究机构能提供可比的Token消耗分布数据？不同平台生态下的业务结构差异有多大？

其二，研发类Token的具体定义边界。中文在线所称的“研发”涵盖哪些范围？是否包括软件测试、数据处理、日常运维等非核心算法工作？与传统软件开发的换算逻辑如何界定？

其三，短期波动与长期趋势的区分。2026年10月的数据是否存在季节性因素或重大项目集中上线导致的异常峰值？月度变化是否稳定？

其四，算力成本的经济可持续性。当单部AI短剧消耗20万元算力时，其商业模式能否跑通？用户付费能否覆盖持续的Token成本？行业需要看到更多盈利案例才能验证这条路走得通。