近日，上市公司中文在线（300364）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（881272）。也就是说，短剧和视频生成的Token消耗量，已达到软件开发（881272）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（300364）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（883434）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（885728）)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（HK1093）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（881275）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（885333）、云计算（885362）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。
