找到商业化应用和基础创新之间的平衡点，让算力既能产生当下的产业收益，也能支撑长期技术突破，才是人工智能产业健康发展应有的样子。
■郭锦辉
近日，“国内超一半算力在造爽剧”的话题引发热议。一场关于算力资源分配的讨论骤然升温。A股上市公司中文在线披露的Token消耗数据与字节跳动的算力数据隔空对撞。数据争议的背后，不是简单的数值对错，而是我国人工智能产业发展中流量变现与技术深耕的路线博弈。面对我国人工智能产业领域存在“重应用、轻研发，重流量、轻突破”的现象，人工智能产业资源需要理性分配，真正用到产业创新上。
10月19日，豆包公关负责人刘星在社交平台称，某公司发布的算力数据有些不靠谱，“就字节跳动来说，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。”刘星还附上截图称“不实”。根据截图溯源可以发现，刘星所说的“某公司”指向中文在线。争议中的数据出自今年6月中文在线披露的一份投资者关系活动记录表。
中文在线投资者关系活动记录表披露的数据显示，在国内所有Token消耗份额中，AI短剧与视频生成高居首位，占比高达55%;其次是电商与营销(如直播带货、广告营销等)，占比24%;而此前因Vibe Coding(氛围编程)流行而被寄予厚望的软件开发领域，在Claude等编程能力的推进下也仅占15%。AI短剧与视频生成的Token消耗量已达到软件开发的两倍以上，成为整个Token经济学中绝对的第一大核心消耗场景。AI短剧行业呈现出一种“准入门槛低、但商业天花板极高”的典型特征，哪家短剧公司的作品精细度与Token消耗更具规模，哪家公司就越能在竞争中形成直观的技术与资源壁垒。
很多人第一眼看到“国内超一半算力造爽剧”时，很容易产生一个直观印象：大量宝贵的算力被用来生产快餐式爽剧，真正被用于基础研究、硬核技术研发的资源不足。事实上，双方的分歧，本质是统计维度不一样。中文在线统计的是“Token消耗”，侧重大模型推理阶段文本、图像、视频生成的token使用量;而字节跳动公布的是“总算力”，涵盖模型预训练、微调、推理、各类业务场景的全部算力投入。二者不是同一个概念，不能简单画等号。概念混淆，才制造了大部分算力被用来拍爽剧的错觉。
不可否认的是，在人工智能落地的终端场景中，娱乐化内容已成为最核心的资源消耗出口。但是，AI短剧本身并非“算力浪费”。短剧、短视频生成，是AIGC商业化落地最重要的试验场。海量真实用户场景，能够反哺多模态模型迭代，提升视频生成、人物驱动、画面叙事能力。这些技术积累，未来可以迁移到数字人、虚拟演播、工业可视化、教育课件等领域。AI赋能文娱内容生产具备正向产业价值。与此同时，短剧、短视频占据的是终端应用消耗，并非行业全部算力储备。字节跳动等大厂的回应，恰恰印证头部企业核心算力仍锚定技术研发，并未过度倾斜文娱赛道。
这次争论最大的价值，不在于判定哪一组数字“对或错”，而是抛出了一个值得深思的问题：在人工智能发展过程中，算力资源该如何分配?当前，在人工智能应用落地的过程中，消费端内容生产的需求爆发速度，显著快于基础技术创新。短剧、电商广告素材等变现路径清晰、商业闭环短，资本和厂商愿意投入资源快速迭代;而基础模型创新、工业仿真、科学计算等硬核方向，投入周期漫长、回报不确定，短期商业吸引力偏弱。但是，如果行业长期把绝大多数资源集中在短平快的赛道，在同质化内容里厮杀，而底层模型突破跟不上，那么会造成AI产业“应用热闹，底层乏力”。
算力是数字经济时代的核心生产力。算力资源的分配既属于市场，也关乎人工智能产业的长期竞争力。资源错配会透支人工智能产业的发展潜力。人工智能的发展，不能只是用来批量制造爽剧，也不能完全脱离商业化落地闭门搞研究。找到商业化应用和基础创新之间的平衡点，让算力既能产生当下的产业收益，也能支撑长期技术突破，才是人工智能产业健康发展应有的样子。
