AI三岔路口:中国一半算力造爽剧,日本AI机器人在降低生产成本

‍请记得点赞、转发！未关注的，请关注“三郎宏观2”账号，谢谢！

内容提要：

中国AI算力有55%被用于短剧和视频生成，24%流向电商广告，研发用途仅占15%。与此同时，日本借助物理AI改造工厂，试图降低生产成本、缩小与中国的竞争差距。AI竞争正在从内容生成走向生产率较量，决定长期优势的关键，是能否把技术转化为真实的效率与利润。

一、中国超一半算力在造爽剧，四分之一在制造电商广告，只有15%用于研发和生产。

AI发展得有多快？看看短剧就知道了。

10月15日，界面新闻报道，中文在线在投资者关系活动记录表中披露，国内AI Token消耗中，55%用于短剧和视频生成，24%用于电商广告，真正用于研发的仅占15%。短剧和视频生成的Token消耗量，已经达到软件开发的两倍以上。

这组数据引发关注，不是因为短剧不重要，而是它揭示了AI商业化的一种现实：哪里更容易变现，算力就更容易流向哪里。

中国短剧产业的规模，确实不容小看。国家广播电视总局发展研究中心等机构发布的《AI驱动全球微短剧创新发展报告》显示，2025年全球微短剧市场规模接近180亿美元，中国市场超过140亿美元，占全球约77.8%。今年前8个月，国内上线微短剧达43万部；仅抖音一个平台，上半年就新上线AI短剧22万部。一部12集的短剧，算力成本据称接近20万元。相关数据见界面新闻报道。

为什么算力会集中到这些领域？答案并不复杂：短剧能快速生产、迅速测试市场反应，广告则直接服务于商品销售。只要流量和付费能够覆盖成本，企业就有动力继续投入。

但问题也随之而来。AI的价值，不只是把原来需要几天制作的视频缩短到几小时，也不只是让广告变得更便宜。如果大量算力用于重复生成内容，而研发、工业设计、生产流程优化等领域的应用相对有限，那么AI创造的价值就可能更多集中在流量竞争，而非生产效率的全面提升。

当然，Token消耗占比不等于经济贡献占比，更不能据此断言短剧浪费了算力。短剧产业本身也能创造收入、就业和出口。

真正值得追问的是：AI究竟是在帮助经济创造更多价值，还是主要在帮助企业更快地争夺既有流量？这个问题，在日本制造业的探索中，出现了另一种答案。

二、与此同时，AI正在催生发达国家的“基本无人”工厂。

如果说生成式AI擅长处理文字、图像和视频，那么物理AI正在尝试把智能带进现实世界。

它不只是识别一张图片、回答一个问题，还要理解空间、识别零部件、判断动作是否正确，并控制机器人完成搬运、装配和检测。过去，自动化设备往往只能执行预先设定的动作；遇到复杂环境和多变任务，就需要大量人工调试。物理AI的目标，是让机器更好地适应这些变化。

在德国轴承企业舍弗勒位于美国南卡罗来纳州的工厂里，敏捷机器人公司开发的人形机器人，已经承担金属零部件箱的搬运工作。机器人将箱子送到清洗机传送带旁，再把零部件放上传送带。该应用自2025年起投入使用，每天工作8小时、每周工作5天。

这并不意味着工厂已经完全无人化，却说明AI开始进入过去自动化改造较难覆盖的环节。

关键突破之一，是先让机器人在数字孪生构建的虚拟环境中学习动作，再把经过验证的操作应用到真实生产线上。这样可以减少反复试错的成本，也有助于缩短部署时间。

特斯拉则早在2021年公布人形机器人构想，随后持续推进Optimus项目。2026年，马斯克进一步强调机器人对特斯拉未来产品布局的重要性，并计划推动机器人在工厂内部应用。不过，计划不等于已经实现规模化生产，机器人的成本、可靠性和实际生产效率，仍需要接受检验。

这场变化与早年的工业4.0有所不同。过去的自动化更多依赖固定程序、专用设备和标准化生产线；物理AI则试图让机器人处理更多非标准任务，并根据现场变化调整行动。

真正改变制造业竞争的，不是工厂里多摆了几台机器人，而是机器能否承担更多复杂工作，同时降低整个生产系统的成本。

如果AI只能完成演示，却无法稳定运行、减少停机、提高良品率，它就只是昂贵的设备；只有当技术持续改善生产效率，才能真正转化为竞争优势。

三、日本制造业借助AI无人工厂，有望缩小对华成本差距。

日本为什么格外重视物理AI？一个重要原因是，它同时面对劳动力短缺、制造业成本压力和国际竞争加剧等问题。

日本制造业长期积累了大量一线经验，包括设备调试、工艺改善、质量管理以及不同工序之间的协调。这些经验往往掌握在熟练工人手中，并不容易直接转化为标准化程序。如果能把这些知识转化为数据，让AI学习，再与日本既有的工业机器人、精密制造技术结合，就有机会把经验优势变成可以复制的生产能力。

美国科技企业也在加快布局。2026年7月，英伟达宣布扩大与日本机器人和制造业企业的合作，涉及发那科、安川电机、欧姆龙等企业，并推动物理AI模型、机器人训练和数字孪生技术的发展。英伟达还宣布与日本Noetra合作建设AI基础设施，为工业AI提供计算资源。相关计划见英伟达官方公告。

这说明，日本并不打算只把AI当作办公工具，而是希望把它嵌入制造业的核心环节。8月，高通也宣布将在日本设立机器人研发基地，进一步显示出日本正在成为物理AI产业布局的重要市场。

那么，AI能让日本制造业重新获得成本优势吗？

波士顿咨询集团（BCG）2026年发布的研究给出了值得关注的判断：AI驱动的未来工厂有望将生产率提高最多60%，并在某些行业缩小高成本国家与低成本国家之间的差距。不过，这只是特定条件下的潜力，并不意味着所有工厂都能获得同等收益。

BCG以汽车零部件等行业为例分析，未来工厂可能显著缩小日本与中国的制造成本差距。对于部分行业，自动化、能耗优化、良品率提升和生产流程重构，甚至可能改变原有的成本比较结果。相关研究见BCG报告。

小松的实践，正好说明了这一点。

在大阪工厂，小松部署了17台无人搬运车，并通过AI摄像头识别齿轮零部件的种类、数量和组装状态，减少作业疏漏。企业还将AI用于刀具寿命管理和设备异常诊断，据其介绍，刀具寿命提高了50%，设备运行率提升了6个百分点。

这些数字的意义，不在于机器有多先进，而在于生产环节出现了可衡量的改善：更少的人工检查、更高的设备利用率，以及更稳定的生产节奏。

小松还把AI改造延伸至供应链。由于约九成零部件来自外部合作企业，公司正与日本产业技术综合研究所合作，推进从十多家企业、600多台设备收集数据的项目，希望未来通过AI优化整个供应链的生产计划。

这是一种更深层的转变：AI不再只是某个工位的辅助工具，而是逐渐参与工厂、设备和供应商之间的协同。为此，小松由首席技术官办公室推动人工智能转型，并在日本国内组建专门团队，从各部门抽调约500人参与应用推广，计划进一步加强全球工厂的数据联动。

这也解释了为什么AI竞争最终会落到管理和组织能力上。企业不能把AI完全交给外部供应商，也不能只购买几套软件就期待生产率自动提高。数据能否打通、员工能否使用、管理层是否持续投入，都会决定技术能否产生回报。

回到开头，中国55%的AI Token消耗流向短剧和视频生成，并不意味着这部分算力没有价值；日本推动物理AI，也不意味着制造业竞争格局已经逆转。

两者真正呈现的是AI产业的不同阶段：一边是需求明确、变现较快的内容应用，另一边是改造周期更长、但可能深刻影响生产成本的工业应用。

AI的下半场，不能只看谁生成的内容更多、谁调用的模型更频繁，还要看谁能用更少的资源生产更多产品，以更低的成本完成更复杂的工作。

对中国制造业而言，这同样是一道现实考题。既要发展内容生成等商业应用，也要把AI进一步带入研发、设备维护、质量检测和供应链管理。算力最终只有转化为生产率、产品竞争力和企业利润，才能真正成为经济增长的动力。

【作者：徐三郎】