中国 AI 只会搞短剧和娱乐?一张图暴露了多少人的技术无知

最近有一张图传得很广：

图上说，国内 55% 的 Token 流向短剧、短视频和娱乐内容，美国 58% 的 Token 流向编程、研发和企业自动化。最后配了一句话：

"一边取悦当下，一边驱动未来。"

看起来很有道理，也很容易激起情绪。

但作为一个做了十几年软件工程、现在每天都在用 AI Coding 和 Agent 工具的程序员，我觉得这张图的结论不但武断，背后还有好几个明显的技术误读。

它默认了一个从来没被证明过的前提：美国人在用 AI 创造生产力，中国人在用 AI 消遣。

拆开来看，它至少偷换了四个概念：把 Token 消耗当成技术实力，把视频生成当成低端娱乐，把模型的国籍当成用户的国籍，把用量当成生产力。下面一个一个说。

一、先问一句：55% 和 58% 是从哪来的？

我首先关心的不是这两个数字高不高，而是它们从哪来。图上没有统计机构、没有样本范围、没有时间，也没说 Token 是怎么算的。

我顺着往回查了一下，结果很有意思：

国内的 55%，据凤凰网、虎嗅等媒体追溯，出自中文在线 2026 年 6 月的投资者交流材料：AI 短剧与视频生成占 55%，电商与营销占 24%，软件开发占 15%，其他占 6%。

问题在于，中文在线自己重仓 AI 短剧，是这个数字的利益相关方，不是中立的统计机构。而且另有报道引用中国信通院的监测，说微短剧相关的 Token 占比是 32.7%，和 55% 差得不小。

美国的 58%，我没找到可以追溯的原始统计，最早只能追到网上的比较帖。另有报道引用 Gartner 的数据，说美国编程场景的占比是 38.2%。同一个"美国"，两个数字差了 20 个点。

就算这些数字都是真的，还有四个问题绕不过去：

• 统计的是哪个平台？
   包不包括海外模型、私有化部署和开源模型的本地推理？
• 按用户算，还是按模型算？
   这一点后面专门讲。
• Token 怎么分类？
   电商公司用 AI 做商品视频、游戏公司做素材、影视公司缩短后期周期，算娱乐还是生产？
• 分母是什么？
   两边覆盖的用户、算力和计量方式都不一样，百分比没法直接比。

还有一个讽刺的细节：就按中文在线自己的数据，电商与营销占了 24%，这本身就是实打实的商业生产。图里只挑了 55% 那一块。

一组口径不明、来源有利益关系的数据，被包装成了国家科技竞争的结论。这个逻辑首先就站不住。

二、同样叫 Token，算的根本不是一回事

很多人看到 Token，会下意识地认为每个 Token 都一样。其实不是。

文本模型处理的是离散的 Token，一个接一个往后预测，一问一答通常就几百到几千个 Token。

视频生成完全是另一套。OpenAI 在 Sora 的技术报告里介绍过一种做法：先把视频压缩到潜在空间，再拆成时空 Patch，交给扩散 Transformer 生成。

举个例子，生成一段 5 秒、每秒 24 帧的视频，意味着要产出 120 帧画面，还要让人物、物体、场景在不同帧之间保持连续。很多扩散模型还要多步去噪，最后再解码成视频。计算和显存的开销，比一次普通对话高得多。

所以，一个国家的视频生成需求旺盛，Token 占比自然会被视频本身的计算密度推高。 这反映的是需求结构，不是"一半的 AI 资源都拿去娱乐了"。

但也要说清楚：不能简单说一个视频 Token 等于多少个文本 Token，也不能断言每次视频生成都比 Coding Agent 更耗算力。 一个跑几十轮、反复读代码仓库、跑测试的 Coding Agent，同样能烧掉海量 Token。各家的视觉 Token、计费 Token 和实际 FLOPs 本来就不统一。

正确的比较方法，是分模型类型核算实际计算量、服务成本和产出的价值，而不是把所有 Token 混在一起，按应用名称排高低。

三、视频生成恰恰是中国最强的赛道之一

这张图最荒唐的地方，是把视频生成和娱乐消费画上了等号。

事实上，视频生成是当前生成式 AI 竞争最激烈、技术门槛最高的方向之一。看看排行榜：

在 Arena 图生视频榜单 9 月 21 日的快照里，前五名有四个来自中国：MiniMax H3 排第一，阿里的 Wan 3.0 第三，字节的 Seedance 2.5 和 Seedance 2.0 分列第四、第五，唯一的例外是 Google 的 Gemini Omni 1.1 Flash。文生视频榜上，Google、xAI 占着前面的位置，但 Seedance、Wan 也都在前十之内。

所以准确的说法是：中国在视频生成的部分细分方向已经领先，整体上也是全球最强的竞争者之一。 说中国全面领先美国不对，但把中国的视频 AI 描述成"只会搞娱乐的低水平技术"更不对。

视频生成要解决的是运动一致性、时空建模、物理规律模拟、主体身份保持、多镜头一致性和音画同步。这些能力可以用在广告、影视、数字人、游戏，也和仿真、机器人、具身智能的研究相关。当然，能生成逼真的视频不等于模型真正理解了物理世界，但说它没有技术含量，是低估了多模态的难度。

反过来问一句：如果中国真的只会用 AI 搞娱乐，这些全球一流的视频模型又是谁做出来的？

四、模型从哪来，不等于用户在哪里

还有一个很现实的问题：中国程序员不用 AI Coding 吗？

我自己的日常开发就离不开 Claude Code、Codex。复杂的代码修改、重构、测试、Agent 工作流，AI 已经是实打实的生产工具。我身边不少开发者也是这样，具体比例需要调查，我不凭个人经验推算。

关键在于：中国程序员用美国模型产生的 Token，在很多统计里会被算成美国模型的用量。 反过来，美国企业用 DeepSeek、Qwen 这些中国开源模型，又会被算到中国模型名下。

更复杂的是，现在的 Coding Agent 往往不是单模型系统：一个模型做规划，一个模型写代码，再通过工具编译、测试、部署。任务发生在中国企业的研发环境里，请求却可能经过海外服务商。再加上企业自建的模型服务、离线部署和本地推理，按"哪国模型"统计，必然漏掉大量真实的生产活动。

所以，AI 的模型供给能力和应用能力，必须分开看。 中国企业用美国模型写软件，依然是中国企业在用 AI 提升效率；美国公司用中国开源模型，也不能说美国企业没创造生产力。AI 本来就是一条全球化的供应链。

五、别忘了，中国本来就在更紧的算力约束下

中美 AI 竞争，还有一个绕不开的变量：资源。

斯坦福《2026 AI Index》的数据是：2025 年美国私人 AI 投资约 2859 亿美元，中国约 124 亿美元，相差 23 倍。这个数只统计私人投资，不包括中国的政府引导基金，也不等于实际的 GPU 算力，但至少反映了资本投入的量级差距。再加上先进芯片的出口限制，中国企业还要额外解决芯片供应、软硬件适配、集群通信和推理成本这些问题。

同一份报告还说，截至 2026 年 3 月，中美头部模型的性能差距大约只有 2.7%。这不等于每项能力都只差 2.7%，但至少说明中国模型早就不是远远落在后面的状态。

想象两家公司：一家 GPU 充裕，训练、评测、推理随便开；另一家预算紧张，必须在不同业务之间取舍。两家的 Token 使用结构不同，能说明后者没有技术追求吗？显然不能。

算力受限的情况下，推理效率、成本优化和工程落地能力，本身就是核心竞争力。 真正该比的，是同样的算力能完成多少任务、解决多少真实问题。

六、中美 AI 要分三层看

我认为讨论中美 AI，必须分清三个层次：基础模型、工程能力、产品应用。它们相关，但不是一回事。

基础模型层，美国的 OpenAI、Anthropic、Google 依然很强，尤其在复杂推理、长程 Agent、前沿训练和基础设施上。这一点没必要回避。但 DeepSeek、Qwen、Kimi、GLM、MiniMax 已经构成了相当完整的生态，在开源模型上更是全球最活跃的力量之一。

工程能力层，以 AI Coding 为例，国内已经有 Qoder、Trae、CodeBuddy 等产品，正在从代码补全走向仓库理解、任务规划、自主执行和测试部署。企业级研发真正难的从来不只是生成代码，还有上下文管理、权限控制、工具调用、测试验证和异常恢复，也就是现在常说的 Agent Harness。模型能力越趋同，竞争就越会转向工程系统、开发者体验和成本效率。 在这一层，中国企业完全有机会做出很强的产品。

产品应用层，中国有庞大的电商、物流、制造、内容和企业服务市场，从客服、供应链预测、质量检测到代码研发，AI 能落地的场景非常多。当然，场景多不等于已经落地得好，降本增效要靠数据验证。但同样，也没有任何可靠证据能支持"中国 AI 主要用于娱乐，所以中国企业不擅长 AI 应用"这个结论。

所以我既不赞成用一张夸张的图证明中国 AI 不行，也不赞成为了反驳它就说中国已经全面超越美国。"中国只落后几个月"可以是某些方向上的局部判断，但不能当作整个 AI 领域的统一结论。

七、写代码，不是唯一的生产力

最后说这张图最深层的问题。它暗含了一个价值排序：写代码比做视频高级，企业自动化比内容生产有价值。

但软件工程从来不是唯一的生产力。一段视频可能是消遣，也可能是一条企业广告、一个商品展示、一份教学材料，或者一部影视作品的一部分。AI 把几天的制作周期压缩到几十分钟，这同样是生产效率的提升。

反过来，用 AI 写代码也不一定在创造价值。一个 Agent 反复改错代码、执行无效任务、产生大量没意义的工具调用，Token 烧得再多，也不代表生产力更高。

Token 消耗的是算力，生产力衡量的是有效产出。 这才是整件事的核心。

一场严肃的中美 AI 对比，应该这样比：模型能力，拿相同的评测任务说话；算力效率，看单位算力完成了多少任务；AI Coding，看真实工程任务的成功率、质量和成本；产业应用，看实际的投入产出和可持续的商业价值。

而不是拿两个口径不一的百分比，配两个表情图标，就宣布一个国家在创造未来，另一个国家只会娱乐。

写在最后

中国 AI 当然有短板：我们需要更先进的算力、更强的基础研究、更成熟的模型生态，以及更多真正创造商业价值的 AI 产品。这些问题值得认真讨论。

但也不该忽略另一个事实：在算力受限的情况下，中国依然把开源大模型、视频生成、AI Coding 和多模态应用推到了全球有竞争力的位置。

中国 AI 不需要靠否认差距来证明自己，更不应该被一张没有统计依据的图轻易定义。

技术竞争最终比的，不是谁的 Token 看起来更高级，而是谁能把有限的算力，变成更强的模型、更好的产品和更多真正的生产力。

至于"一边取悦当下，一边驱动未来"，我倒觉得，能把复杂的技术做成人人都愿意用的产品，本身就是在创造未来。

真正值得警惕的，不是有人用 AI 生成短视频，而是有人连 AI 的计算成本、统计口径和产业价值都没搞清楚，就开始给两个国家的未来下结论。