AI Token消耗数据拆解与行业现实来源：中文在线投资者交流会披露，统计口径为公有API对外输出的Token推理消耗，不含大厂内部自研训练算力，这是该数据最大边界条件。字节后续澄清：字节自有全部算力（含内部训练）仅约10%用于视频生成，二者统计口径并不冲突。1、原始数据含义（公有API推理调用）

• 短剧+AI视频生成：55%

• 电商广告素材生成：24%

• 研发、软件开发、科研场景：15%

• 其余6%：聊天、To‑C普通应用等。核心：统计的是对外API的推理Token，不包含大厂自己内部大模型训练消耗。大厂自研训练算力并不走公有API，所以不在这组统计内，这也是争议来源。AI短剧算力为什么极其吃Token

1）视频是高维数据：1080p一秒视频消耗约5万Token，远高于文字对话；2）行业普遍“抽卡”：同一个镜头反复生成十几版，筛选可用画面，大量算力消耗在废弃素材上；3）精品仿真人短剧，12集（单集约8分钟）总时长接近100分钟，精品档算力消耗接近20万元；普通漫剧版本算力仅2‑4万，20万是精品仿真人上限值，不是全部短剧平均成本。2026上半年抖音新增AI短剧22万部，绝大多数是低成本漫剧，高成本仿真人占比很小。

2、正反两派逻辑

正方：这是AI最好的商业化落地

1. 短剧、电商广告是少数已经跑通现金流的AI场景，直接付费采购API，反哺国内多模态模型厂商收入，视频生成模型需要海量真实业务迭代打磨，海量短剧生产反过来倒逼视频模型优化；

2. 创造完整产业链：网文IP、AI制片、海外发行，国内AI短剧出海收入规模巨大；

3. 算力资源是可以增加供给，不是固定总量，商业场景赚钱，才有钱去买更多显卡投入底层研发。

反方：算力资源错配

1. 国内算力供给缺口明显，需求增速417%，供给增速仅128%，显卡紧张；大量公有推理算力被套路化爽剧消耗；

2. 行业极度内卷，98%以上AI短剧无法回本，只有极少数头部剧集盈利；大量算力生产出无商业回报的废内容，属于无效消耗；

3. 和美国结构对比：美国公有API调用，最大消耗是企业自动化、代码、科研；国内公有API大头是视频娱乐与营销。

3、关键现实矛盾

1. 训练算力 vs 推理算力要分开看底层大模型训练（几千张卡持续跑几个月），消耗的是训练算力；而短剧、广告消耗是推理算力（API调用）。中文在线的数据只统计推理Token，训练算力没有计入。国内大厂底层模型训练投入仍然很大，只是这部分不走公开API，不在55%这个统计样本里。

2. 商业闭环的双刃剑

• 好处：视频生成拿到真金白银收入，帮助可灵、即梦等视频模型活下去；

• 坏处：资本更愿意投能快速变现的短剧、广告，底层基础模型、工业仿真、科研类项目商业回报周期漫长，融资难度更高。

3、市场现状2026年前8个月上线短剧43万部，是去年13倍，AI生成占九成以上。但是极度二八分化，播放破亿剧集占比不足0.5%，绝大多数作品没有流量回报，算力投入直接沉没。

4、小结

1. 55%这个数字针对公有API推理调用，不是国内全部AI总算力，不能理解为“全国一半显卡都在跑短剧”，这是网络传播的误读。

2. AI短剧是国内多模态AI最强商业化赛道，但行业整体是内卷红海，绝大部分产出没有正向收益。

3. 中长期的矛盾：推理侧商业场景蓬勃，但基础科研、工业AI缺少同等规模付费客户，需要政策、产业引导把一部分算力资源向硬核领域倾斜。补充：一部12集20万算力成本，只针对高画质仿真人短剧；市场绝大多数AI漫剧算力仅2‑5万，不要把上限当成行业平均水平。