每经评论员 杜恒峰
近日，上市公司中文在线披露的投资者关系活动记录表显示，国内 Token（词元）消耗中，55% 流向短剧和视频生成，24% 用于电商广告，15% 用于软件开发。也就是说，短剧和视频生成的 Token 消耗量，已达到软件开发场景的三倍以上，成为 Token 经济中第一大核心消耗场景。
基于这组数据，" 国内超一半算力在造爽剧 " 成为热点话题。10 月 19 日，豆包公关负责人刘星发文表示：" 某公司发布的这个算力数据有些不靠谱，就字节来说，我们公司的总算力中，只有约 10% 用于视频生成模型的训练和推理。"
虽然说的是同一个话题，但上述双方的关注点有本质区别，因为 " 算力 " 和 "Token 消耗 " 是两个完全不同的概念。Token 是大模型处理文本、图像、视频时的最小计算单元，Token 消耗量反映的是模型 " 吞吐 " 了多少内容；而算力是硬件单位时间内完成浮点运算的能力。二者密切关联，但绝不是一回事：同等规模的算力，用在不同的模型架构和数据形态上，产出的 Token 量可以天差地别。生成一段高清视频，背后是海量视觉 Token 与庞大的计算开销，其消耗远超一段普通的程序补全或一行广告文案。
正因如此，中文在线披露的是 Token 消耗的占比，豆包回应的是总算力的分配，两者口径本就不同，谈不上冲突。反过来看，短剧和视频生成能够消耗过半 Token，恰恰说明这一场景的算力利用效率极高，单位算力被近乎满负荷地 " 烧 " 成了内容，闲置空转的算力较少。
公众的质疑不难理解。在大众认知里，编程、科研、制药属于创造长期价值的生产型活动，短剧、广告偏向娱乐变现的消费型内容，把稀缺算力投入后者，很容易被视作技术资源浪费。但现实情况是，无论是国内还是国外，顶尖 AI（人工智能）公司都是 " 多条腿走路 "，AI 能够跑通的应用场景就会尽力去实现。
比如，OpenAI 一面推出 GPT-Rosalind 助力药物研发与生命科学研究，一面发布 Sora 做视频生成。谷歌 DeepMind 的 AlphaFold 让蛋白质结构预测取得历史性突破，同样也在用 AI 优化广告与内容生产。国内同样如此，石药集团借助 AI 工具筛选出新型口服小分子 GLP-1 受体激动剂并实现对外授权，剂泰科技的 AI 纳米递送平台首次从北京出海，临港实验室联合多家机构发布通用分子设计世界模型 ODesign。与此同时，国内大模型也深度参与电商广告优化和短剧视频生成。同一批 AI 大模型，既写代码、造药，也造爽剧、投广告，这才是 AI 应用的真实全景。
无论是科研编程还是视频广告，底层依托同一套大模型技术栈，包含数据训练、参数推理、Token 计算等基础环节，差别只在于输入模型的数据模态、落地的商业场景不同。Token 消耗规模，一方面取决于场景的算力利用效率，另一方面取决于行业 AI 渗透的深度与广度。短剧和视频生成 Token 消耗占比高，是因为这个行业已经把 AI 嵌入内容生产全流程。科研领域 Token 占比不高，恰恰反映 AI 在科研场景的规模化落地仍处在早期阶段。AI 应用场景本身没有高下之分，只有成熟度之别。
比争论 " 算力该投向哪里 " 更关键的问题，是 " 算力有没有真正被用起来 "。算力产业属于典型的重资产投入领域，持续依赖硬件采购、人力研发开支，只有落地到有真实需求、能产生稳定现金流的场景，企业才有能力进行下一轮投资。当前市场对 AI 产业最大的疑虑，正是万亿元级的资本开支能否换来预期回报。与其纠结算力该不该用来生产爽剧，不如先把算力充分用起来，在最先能实现商业变现的领域形成闭环、回笼资金，用实实在在的现金流支撑后续的技术迭代与场景拓展。
回顾科技史，颠覆性技术很少一出生就登上最光鲜的舞台。互联网经济早期，门户、搜索、游戏率先跑通盈利闭环。某种程度上，广告和娱乐养活了当时整个互联网生态，为后来的电商、移动支付、云计算发展铺平了道路。电力最初也主要被用于照明，而非直接驱动工厂生产。AI 算力同样如此，其应用场景没有高低贵贱之分。
每日经济新闻
