这两天一份几个月前的PDF文档被翻出来传阅，是某家咨询公司的投资者关系活动纪要，里面给出了一组惊人的数字：在国内所有Token消耗中，AI短剧与视频生成占到55%，电商与营销占24%，软件开发只有15%。

好了，话题有了：国内一半AI算力，都拿去造爽剧了。

这个数字之所以让人过目不忘，不只是因为夸张，更因为它精准踩中了一种期待错位——我们都以为AI的使命是写程序、做科研、提高生产力，最先铺天盖地出现的，却是一部又一部几分钟看完的逆袭、复仇和霸总故事。

但是，这话真的准确吗？

一、55%是怎么算出来的？

显然是不准确的。

首先，算力被如何消耗，实际上无法轻易计算出来。一项训练任务通常以独立作业进入集群，调用多少张卡、运行多久、属于哪个模型、产生多少GPU时，都写在调度与计费记录里。推理同样经过明确的模型服务端点，云厂商可以统计基础设施的请求量、Token、生成时长及占用资源。Deloitte曾估算，2026年推理约占全部AI计算的三分之二。

但继续追问推理结果拿去做了什么，基础设施不一定知道。同一个视频模型生成的十秒画面，可能用于短剧、广告、游戏素材、视频音频；一部短剧又会同时调用文本、图片、视频、语音等多个模型。除非客户主动标注业务类型，或者平台根据账户和工作流进行推断，否则底层日志只能看到"某个模型执行了一次生成"，看不到"这次生成属于一部AI短剧"。

所以，直接宣称"一半算力用于生成短剧"，自然是不准确的。如果还要说"国内所有Token消耗份额"，更是需要掌握字节、阿里、腾讯、百度以及其他模型平台的完整调用数据——根本不可能。

而且即使取得全部Token消耗数据，也不能直接得到算力占比。文本、图片和视频的Token定义不同，相同数量背后的运算量也完全不同。

大家容易把算力想象成一块大小固定、等待分配的蛋糕：短剧切走55%，编程、办公、科研再去分剩下的45%。但实际运行中，算力也没有一个"生产量"可以直接用于计算，这个概念至少混合了三种东西：

• 算力容量：厂商已经购入并部署了多少张GPU，以及这些硬件理论上每秒最多可以完成多少次浮点运算，通常用峰值FLOPS表示。这部分需要先投资建设，即使暂时没有任务，机器也必须在那里。

• 算力使用：这些机器在某段时间内实际工作了多久，常用GPU-hours衡量。只有任务进入集群并占用GPU，这部分使用量才会发生。

• 计算工作量：模型为了完成任务实际执行了多少次浮点运算，常用FLOPs表示。它既取决于模型规模，也取决于视频长度、分辨率、生成次数和去噪步数。

算力不是一笔固定好拨下来的预算，而是请求触发的计算，是由需求引出的。如果一个程序员不要求Agent去设计一个程序，这一部分算力就不会发生——空出的机器可能被其他任务占用，也可能只是闲置。

路透社此前调查发现，国内部分算力中心利用率只有20%—30%。算力并非始终供不应求，短剧需求可能让原本闲置、或者尚无明确客户的机器真正运转起来。

二、没有一半，但真的很多

那为什么"一半算力用来做AI短剧"这个并不准确的统计，如此能引发讨论呢？

用最简单的话说：AI短剧确确实实多起来了。

中国网络视听节目服务协会披露，2026年上半年各平台共上线微短剧约36.7万部，其中AI微短剧约27万部，占比超过74%。直到第二季度，真人短剧的供给才有所回升。

2026年1—8月热门短剧Top 100，AI内容约占75%。即便把范围缩小到抖音，增长依然惊人：2026年上半年抖音上线了22.19万部AI剧，其中只有1055部播放量超过1亿。大量内容被迅速生产出来，也同样迅速沉入信息流——生成规模与成功率之间已经拉开巨大距离。

这股产能甚至开始创造自己的演员。10月12日，芒果TV一次性官宣程渡、方屿、林恩娜、戚许、展颜五位"原生AI艺人"——从零生成面孔、人设、角色三视图和穿搭体系，每人都开通了实名认证的微博账号，背后配有真人编剧和经纪人。10月14日，五人主演的六集AI仿真人剧《了不起啊朋友》在芒果灵创剧场上线，每集约十分钟。

不消费AI短剧的人，可能并不知道这个市场已经如此热闹。不过，即便只是在坐地铁时四处张望，一定能看到有路人在刷AI短剧。

这里又有一个问题：AI短剧到底有多吃算力？

视频生成一次需要远高于文本的计算量，还伴随着大量反复抽卡。NVIDIA的一个测试显示，一段5秒、720P视频需要对约7.2万枚时空Token重复进行约40次计算。生产短剧确实带来了新增推理需求——今年郑州就出现了主要面向短剧影视公司的"Token工厂"，针对AI短剧生成场景定制高并发算力调度、低延迟推理响应等核心能力，计划为当地超3000家短剧相关企业提供专属算力支撑。西安短剧产业综合年产值超过60亿元，其中AI短剧贡献的增量约为35亿元。

三、不是抢蛋糕，是做蛋糕

无论主观上喜不喜欢AI做的内容，客观上这是一个极其热门的市场，创造了一批本不会发生的计算。

如果没有人制作短剧，那些视频不会被生成，反复"抽卡"也不会发生，对应的推理任务、Token消耗和GPU运行时间就不存在。从这个意义上说，短剧未必是从科研、编程手里抢走了一块既有算力，而是在制造新增需求：先有内容订单，才有模型调用；调用持续增长，平台才会扩充推理资源、建设专门的调度系统，甚至为短剧建"Token工厂"。

这甚至不只是在国内。今年上半年YouTube上微短剧的观看量也超过65亿次，AI参与生成的不在少数。AI并没有从零发明这种娱乐——短剧制作本来就有成熟的流水线，它只是进一步在一个擅长把注意力变现的内容工业里，把产量继续向上推。

最先养活一项基础技术的，未必是想象中多么高大上的用途，而是最容易形成规模消费的用途。用户消费短剧越多，企业越有动力采购服务器、优化视频模型、降低单次生成成本。高频生成、反复试错和明确的商业回报，为视频模型提供了订单、收入与训练反馈。

你可能在社交媒体上刷到过这类AI小视频：黄仁勋跨界开巡演，马斯克带领科技大佬出道跳舞——洗脑程度让人忍不住看完。这段在外网爆火的视频，文案正是"这群让RAM卖出天价的男人"，跟"英伟达一半算力花在了铁岭"有异曲同工之妙。

生成式视频可能是普通人第一次大规模、持续地消费AI——算力直接兑换成画面、情绪和几分钟的娱乐。用户未必知道自己在消费GPU时间，就像观看流媒体时不会想到背后的带宽，但每一次生成、重做和挑选，都在形成真实需求。

四、真正该问的问题

短剧内容有没有营养、高不高级，与它能否支撑技术扩张，是两个不同的问题——却依然都是重要的问题。

当注意力最容易为计算买单时，AI基础设施会不会越来越擅长制造注意力？

如果这些任务使用的是闲置资源，并由观众、广告商和制作公司支付成本，它更接近一种新需求的自然生长。但当稀缺芯片、电力与公共补贴被持续投入其中，并挤压其他用途时，资源分配才成为必须回答的问题。

市场并不会按照知识价值分配计算，而会优先响应最容易形成订单的需求。短剧能够高频生成、反复试错，又能迅速用播放量和付费验证结果，自然会推动模型公司继续优化人物一致性、镜头刺激和批量生产。

短剧内容有没有营养，与它能否支撑视频模型扩张，确实是两个不同的问题。但后一个问题的答案，迟早会改变前一个问题面对的世界。