谁说中国拿 AI 做烟花?这种深远的布局,偏偏有人看不出来

那张图你可能刷到过。中国 55% 的 Token 烧在 AI 短剧和视频上，美国 58% 烧在编程和科研上。配的评论更狠：AI 时代，我们又把火药做成了烟花。

但那张图确实在讲一个错的故事。而且错得很有意思——它把一件中国正在做的事，说成了中国没在做的事。

所以这篇不只是拆它。我想先请你做一件事：别急着感慨，也别急着反驳。先问一句：这两个数，分母是同一个吗？

这句话问出来，那张图就开始塌了。

这篇讲一件更小、但更有用的事：当你去读任何一个“高下立判”的对比，该按什么顺序下手。

因为那张图不是一个孤例。过去几年，从“谁在造芯片”到“谁在造模型”，每隔几个月就有一张类似的图出现，结论都一样干脆，数据也都差不多来源。它们错在同一个地方。

而拆到最后你会发现：这张图最想证明的那个结论，恰恰是真实世界正在发生的事的反面。中国确实在把 AI 用进娱乐，但这恰恰是最像“基建”的一件事——因为它意味着七亿人开始用了。先把图拆完，再回来说这句话。

一、先拆来路：这个数是谁在说

拿到任何一组数字，第一个问题永远不是“是多少”，是“谁在说”。

55% 这个数，出自中文在线披露的投资者关系数据。公司主营网络文学和微短剧，同时持有出海短剧平台 ReelShort 约 49% 的股权。

换句话说，“短剧是最大的赛道”这个结论，是由这条赛道里仓位最重的公司之一发布的。

这不叫造假。一家公司说自己所处的赛道最有前景，不构成任何法律或道德问题。但它意味着：采样极可能偏向内容平台，而且采样比例、时间窗、视频和文字怎么折算，全部没有公开。

这是一份利益相关方的自述，不是行业统计。把它当统计用，是把论据的性质搞错了。

要说它错，也得说清错在哪。它有一份更完整的配套数据：国内全部 Token 消耗中，AI 短剧与视频生成占 55%，电商与营销占 24%，软件开发占 15%。

这份数据的自述性质没有变，但它给了这张图一个更硬的靶子：在它自己的口径里，软件开发只有 15%。一张把“中国烧在娱乐上”当结论的图，用的是一份自己都说软件开发只占 15% 的表。

再说 58%。

查不到原始出处。

a16z、麦肯锡、Gartner 的公开报告里都没有这个数。它是以“有消息称”的形态传开的——没有报告，没有样本，没有方法。

所以这两样东西其实不在同一根线上：一个是有来源但口径受限的自述，一个是连来源都没有的传闻。它们被并排接进了一张图，然后判了一个产业的方向。

还有个细节在传播中丢了。55% 说的是“AI 短剧与视频生成”合并类目。视频生成还服务广告、影视后期、商品展示，甚至工厂的作业指导视频。传着传着，就变成了“一半算力在拍短剧”。

字节也否认过这个说法。据多家媒体报道，字节公关负责人回应：字节总算力里，视频模型的训练加推理，大约占 10%。10% 和 55% 不冲突。它们量的根本不是一回事。

这一步的判据很简单：一个数字如果只可能由受益方给出，那它的说服力，取决于你能多清楚地知道它的采样方法。——而这张图，这个方法是不存在的。

二、再拆数字基数：先看量级，再看百分比

任何一个百分比，都要先有分母。没有分母的百分比，是修辞，不是数据。

但更要紧的是：在你还算那个百分比之前，先看清楚两边各自是多大的池子。

中国这边有池子，而且池子在飞速变大。国家数据局局长刘烈宏在 2026 年 3 月 24 日国新办发布会上说：到今年 3 月，我国日均 Token 调用量已经超过 140 万亿。相比 2024 年初的 1000 亿，增长 1000 多倍。

而到了同年 6 月，信通院副院长魏亮在“高质量词元服务论坛”披露：我国日均词元调用量已突破 500 万亿。半年之间，中国这个池子从 140 万亿长到 500 万亿。

所以第一个量级问题：中国这侧的池子，不是一个稳定值，是一个正在以月为单位重估的活数。

美国这边，没有。

没有哪个机构发布过“美国全国日均 Token 消耗量”。能查到的只有几家公司的自愿披露，各说各的。

两家加起来约 128 万亿。请注意这两组数据的性质差多远：一边是“全国所有厂商”的总账，一边是“两家公司愿意说的那部分”。这两个数没法相减。

于是这个分母在 128 到 500 万亿之间浮动，跨了近四倍。

而那张图的两个百分比，只差 3 个百分点。

池子能差四倍，占比只差 3 个点。这张图在数学上分不出“中国更娱乐”还是“美国更娱乐”。它只是让你看见了一个差异，然后在差异上盖了一栋楼。

这一步的判据是：看任何一个百分比，先问两件事——分母多大，而且这个分母还在不在动。一个自己都在以月为单位重估的池子，它的百分比撑不起一个产业判断。

三、再拆人：基数里装的人，根本不是同一个国家的人

这一层比前面两层都更根本，也几乎没人提。

我们上面刚说了，那 128 万亿里，有多少是美国人自己用出来的？

Google 的 10-Q 写着：2026 年二季度，51% 的收入来自美国，49% 来自海外。ChatGPT 那边更极端——按第三方流量口径，美国只占 15% 到 19%，印度已经是第二大市场，每周一亿人。

也就是说，这两个数字里躺着的，是一百多个国家的人在美国模型上敲的字、写的代码、问的问题。

中国的池子呢？这是境内口径。中国模型在海外主要以开源权重的形式存在——出了海关，就没人记账了。

一端的基数是全世界，一端的基数是十四亿人。

所以那个 58% 真正在说的是：全世界在美国模型上花掉的 Token 里，58% 是代码。至于“美国这个国家的人把时间花在哪”，这张图一个字都没说。

反过来也成立：一个中国程序员用美国模型写代码，那几十万 Token 会记进美国的 58%，不会出现在中国的池子里。同一个动作，记在了别人的账上。

Token 大概是这个世界上最奇怪的一种出口商品：它跨境流动，却没有报关单。

这一步的判据是：一端是“全世界在美国公司上花的钱”，另一端是“中国境内的调用量”。当你发现两个数字的基数装的是不同范围的人，后面的结论就已经不成立了——不管数字本身有多准。

四、再拆单位：Token 不是一把可以跨国相加的尺子

前三层拆完，那张图还剩最后一层，也是最要命的一层。

Token 是 AI 干活时吃的米，处理多少内容就按多少计量。文字、图片、视频都算，但计法完全不一样。

4.1 最要命的不是量级，是这两组数根本不是同一种 Token

初稿在这里做过一个换算：一条 10 分钟短剧 ≈ 一支 10 人团队写 3 到 5 天的代码。

这个换算是错的。而且错得比数字错更根本——它把两种物理含义完全不同的东西放在了一个秤上。

先看短剧这一侧。信通院《词元(Token)经济发展研究报告(2026)》的官方口径是：单集 1.5 分钟 AI 短剧，词元消耗 500 万到 1000 万。

这个数怎么来的？火山方舟公开过视频模型的官方用量公式：(输入时长 + 输出时长) × 宽 × 高 × 帧率 ÷ 1024。

按这条公式，字节 Seedance 2.0 的 15 秒 720P 约 30.9 万词元，折合每分钟约 123 万；而 1080P 因为宽高都涨了，每分钟约 300 万。

这条公式本身就说明了问题：它算的是“多少像素格 × 多少帧”。跟内容好不好、剧本怎么写，一点关系都没有。只要画面在渲染，算力就在烧。

再看放大系数。中文在线投资者关系记录里写得很直白：AI 仿真人剧因为对帧数和 1080P 有硬要求，消耗量通常是 720P 漫剧的 2 到 3 倍；而且要不断“抽卡”——同一镜头生成 5 到 10 个变体才留一个，废掉的照样计费。

还有一条容易漏的：流程标准化之后，降的是人力和试错，不是渲染本身。中泰证券研报显示 2026 上半年 AI 短剧制作成本同比降 80%–90%，3 到 5 人团队 10 天能做完一部（传统短剧要 40 到 50 人 30 天）。但按上面那条像素公式，一条 15 秒视频该烧多少就是多少。

标准化让创作者变多了，不是让每帧变便宜了。

再看编程这一侧，情况和直觉完全相反。一份对 1289 次请求、1.009 亿 token 的逐条追踪：

输出只占 0.5%。写 1 个 token 的代码，模型要读 166 个 token 的上下文。另一份 79,276 次请求的网关实测结构完全一致：缓存读占 86.7% 的 token，只占 22% 的钱。

而编程侧的用量强度差异极大，“团队一周”根本没有单一答案：

跨度接近一百倍。任何写死“团队一周等于 X 天”的表述，落在哪一行全看你选哪份样本。

视频的每一帧都是不可复用的新计算，必须真金白银算出来。编程的九成 token 是把同一份代码反复读一遍——读第二遍几乎不花钱。

一边是不可缓存的像素计算，成本随秒数线性上涨；一边是高度可缓存的上下文重读，成本可以摊薄到很低。

这两个数字既不能相加，也不能相除。“一条短剧等于团队写几天代码”这句话，在哪个倍数上都不成立——不是数字没算准，是这个换算本身不存在。

这里要说清楚一个容易混淆的地方。有人会退一步说：“那我不写死倍数，改成‘几天到一周，取决于团队强度’，这样就稳妥了。”

不稳妥。因为它掩盖的正是问题本身。

“取决于强度”这句话成立的前提是：两边至少在同一个量纲上，可以比大小。而事实是——按 Token 数比，短剧是大户；按花费比，编程里那 86.7% 的缓存读只占 22% 的钱，大头是那 11.9% 的未缓存输入；按带宽比，结论可能第三次翻转。

同一个问题，换三次尺子得到三个不同答案。这才是那张图真正致命的病——它以为“Token 数”是一个天然的、可以直接相加和比较的单位。它不是。

电是标品，不管在哪里用，一度电蕴含的能量是一样的。但词元不同，每百万词元蕴含的智能水平参差不齐。——信通院人工智能研究所曹峰

4.2 那什么单位不会翻？信通院给了第三个答案：智能密度

同一份《词元经济发展研究报告》里，把词元的价值密度分成了差别悬殊的两档：

差十万倍。

用这个单位再看那张图：中国消耗最多的短剧和电商营销，落在“消费级”；美国消耗最多的编程和科研，至少一半落在“产业级”。

同样烧掉一个 Token，中国拿到的是娱乐消费，美国拿到的是药物研发和精密代码。这才是那张图本该说的话——而它偏偏说了反的那句。

4.3 再退一步：连“一 Token”都不是同一个东西

GPT 系列用 BPE，中文按字切，一个汉字约 1.5 到 2 个 Token；Claude 用 Unigram，约 1 到 1.2 个；Llama 约 2 到 3 个；国产模型针对中文训练，约 1 个。

同一段 1000 字中文，GPT-4 记 427 个，Claude-3 记 312 个，Qwen2.5 记 365 个，Llama-3 记 489 个——最贵和最便宜的模型之间差一倍多。

中文的“税”在两个方向上还正好相反：在 Claude 和 GPT 上中文永远比英文贵（中英比 1.11 到 1.64 倍）；在 Qwen 和 DeepSeek 上中文反而更便宜，最低做到 0.65 倍。

这意味着“中国消耗了多少 Token”和“美国消耗了多少 Token”，连单位都不统一。中国的主力调用跑在中文友好的国产模型上，同样内容记的 Token 更少；美国的主力调用跑在 GPT、Claude 上，同样内容记的 Token 更多。两边记的是不同的尺子上的数。

五、最后拆用途：低级的需求，也是需求

拆完前四层，那张图剩下的那个问题才轮到被正面回答。

那个潜台词其实不是“你们花错了地方”，是“只有我们在玩”。这话不是偏见，它有依据。

美国那一侧：斯坦福报告里有个数，美国 91% 的软件开发者已经在用 AI。这句话的另一面是——专业人群几乎全覆盖，而普通人还站在门外。

中国那一侧：两年半，生成式 AI 用户从 1.87 亿到 7 亿，普及率从不到两成到过半。中国网民从 1 亿走到 7 亿，用了差不多十年，这件事用了两年半。

比总数更能说明问题的是结构。2026 年一季度，60 岁以上用户增加 1660 万，三线及以下城市增加 9126 万。

这是往下沉的数字。一个技术革命的完成度，不看它最高做到多高，看它最低落到多低。

这里必须说清另一面：中国这一侧也有明显短板。开发者 AI 编程工具渗透率约 30%，美国 91%——这一项差了三倍。所以“大众跃迁”说的是人口层面，不是专业深度。这两件事必须分开看，混在一起就是自欺。

但请你多想一层。如果 AI 只是几千个实验室里的事，它再强，也只是一个行业。只有当县城婚庆公司的老板开始用它剪片子，这件事才叫工业革命。

第一次工业革命不是蒸汽机被发明的那天开始的。是它被装进纺织厂、被一个不识字的工人开动的那天开始的。

七亿人里，绝大多数不会写提示词，也搭不了工作流。但他们知道 AI 是什么了，知道它大概能干什么、会在哪儿胡说八道。这件事的价值不在当下，在往后。

每一次调用都在暴露短板——这个方言它听不懂，这类图它画歪了，这个数它算错了。七亿人的日常使用，等于给模型开了一个全球最大、每天都在跑的真实测试集。

一个只有几十万开发者用 AI 的国家，长不出短剧出海，长不出 AI 玩具，长出一个县城小工作室的生意。这些场景不会出现在任何技术路线图里。它们是被普通人一次次用出来的。

所以“中国人在拿 AI 玩”这句话，说对了一半。玩是真的。但玩，是普及最便宜的方式。

而普及，是基建本来的名字。

尾声：一张可以带走的清单

下次再看到任何“高下立判”的对比图，按这五步走一遍：

这张图在每一层都不成立。

但它能被传播这么远，靠的不是数据，是那个比喻——“把火药做成烟花”。

这个比喻的力量在于它绕过了核验。你一旦接受了这个画面，百分比准不准、来源可不可查、基数对不对，就都不重要了。

它的问题不在立场。它把一件要看五层指标的事，压成了一个道德判断。而道德判断最省力，也最难反驳——因为它不需要证据。

这就是为什么一张错的图，往往比一张对的图传播得更远。

真正该问的那句话，一直很简单：同样一块钱，谁买到了更多能干活的东西？有多少人真的用上了？

至于“我们又把火药做成了烟花”这句话——烟花也是火药做的。区别只在于，有人把它做成烟花照亮夜空，有人把它装进了炮弹。

同一门技术，能做成什么，不取决于火药，取决于谁在用。

而中国的答案写在那个被所有人忽略的数字里：七亿人。

他们在拍短剧，也在让短剧更便宜；他们在让模型听懂方言，也在算错一笔账；他们没有写工作流，但他们在用。