编者按：本文来自微信公众号APPSO（ID：appsolution），作者：APPSO，创业邦经授权转载。

这两天一份几个月前的 PDF 文档被传开来，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，也不全是因为数字夸张，也符合一种期待错位：我们都以为 AI 的使命是去写程序、做科研、提高生产力，最先铺天盖地出现的，却可能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？

55% 是能算出来的吗？

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。

一项训练任务通常会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。推理同样会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 曾估算过，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，

算力本身，也没有一个「生产量」可以用于计算，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，机器必须在那里，这也是「买卡」这种说法的含义。

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。

因此，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。

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？

我用最简单、最直接、最不绕地话告诉你：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。路透社援引 DataEye 数据称，2026 年上半年抖音上线了 22.19 万部 AI 剧。不过，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，即便只是在坐地铁的时候四处张望，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。

因此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 短剧生成场景定制的高并发算力调度、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。

类似变化也发生在传统短剧重镇，西安报业全媒体援引公开数据称，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。

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，甚至为短剧做的「Token 工厂」。听上去有点反直觉，却很现实：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。

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，并且在社交媒体上广为流传。

AI 并没有从零发明这种娱乐，短剧的制作已经有成熟的流水线，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。

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。也可能凭借高频生成、反复试错和明确的商业回报，为视频模型提供订单、收入与训练反馈。

短剧内容有没有营养、高不高级，与它能否支撑技术扩张不是同一个问题——

却依然是一个重要的问题。

对于一些不看短剧的用户，也可能刷到 AI 生成的小视频，诸如黄仁勋跨界开巡演。

马斯克带领科技大佬出道跳舞。

太洗脑了，谁能忍住不看完，来自 X 用户@garylau_ai

追溯起来，这段在外网上爆火的视频，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。

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。但时候当稀缺芯片、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。

然而，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。

本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。