最近一组数据在圈内炸了：国内AI Token消耗的55%，都用在了短剧和视频生成上，真正投入软件研发的只有15%。

有人感叹，一半算力在造爽剧，AI这是跑偏了。但更值得追问的是——当算力以如此密度涌向一个内容形态，它到底是技术落地的高效捷径，还是一场集体烧钱的产能过剩？

01 43万部剧，是怎么"炼"出来的

先看一组让人咋舌的数字：2026年前8个月，国内上线的微短剧数量定格在43万部，是去年全年的13倍，其中AI剧占比超过九成。

平均下来，每天有超过1700部新剧涌入市场。某头部视频平台高峰期，每20秒就有一部AI短剧诞生。

但产量翻了十几倍，收入呢？

据行业报告测算，2026年免费微短剧市场规模预计约573亿元，同比增长仅8%。换句话说，算力在燃烧，供给在膨胀，但商业回报并没有同步放大。

这不是简单的"供过于求"四个字能解释的。更深层的矛盾在于：AI让制作门槛降到了几乎为零，但观众的注意力并没有同比例扩容。

当一天上新2400部AI短剧成为常态，单部作品能分到的用户时长被急剧摊薄。行业给出的数字更直观——过去爆款剧的跑出率在10%到20%，现在已经小于0.5%。

02 "AI跑偏了"？先别急着下结论

"55%的算力在造爽剧"之所以刺痛舆论，隐含的判断是：这些算力被浪费了。

但这里有个容易被忽略的口径问题。Token消耗的分布，本质上由计算密度决定，而非"价值高低"的排序。

视频生成和文本生成，在算力消耗上存在数量级差异。一条5秒的720p画面生成，其Token消耗可能相当于一部十万字剧本的处理量。如果是对帧数和清晰度要求更高的AI仿真人剧，消耗通常是普通漫剧的两到三倍。

实际制作中，这种消耗还会被进一步放大。团队需要反复"抽卡"——不断生成、筛选画面，直到符合导演的叙事要求。一部12集的AI短剧，算力成本接近20万元。

所以，"55%"反映的是视频作为一种内容媒介的算力密度，而不是中国AI"跑偏了"的证据。视频生成本身就是当前AI推理层面最"重"的应用场景之一。

还有人拿中美对比说事：美国58%的Token用于编程研发，中国55%用于娱乐短剧，高下立判。但这组对比本身就站不住脚——它不是国家层面的全面统计，只是某家公司AI平台生态中的采样数据，统计口径是"Token消耗"而非"物理算力"。

更关键的是，Token消耗量本身不等于"技术深度"。一段1080p、多镜头一致的AI视频，背后需要解决的角色一致性、音画同步、长程叙事连贯，技术难度并不比写一段代码低。

中国拥有全球最大的内容消费市场和最成熟的短剧产业链，AI视频技术最先跑出规模的，自然是离用户最近、离钱最近的场景。这未必是"跑偏"，而更像一种由产业结构决定的路径选择。

03 烧钱最猛的地方，埋了最多的人

技术路径的合理性，并不会自动转化为商业上的成功。

监测数据显示，2026年上半年抖音端22.19万部新增AI剧中，播放量破亿的仅1055部，破亿率0.48%。以业内公认的5000万播放量为盈亏平衡线，达标项目占比仅1.3%。

换言之，98.7%的AI微短剧无法在半年内回本。平均每77部AI漫剧，只有1部能盈利。

这是一个令人不安的比例。当算力以20万元一部的密度持续注入，绝大多数项目的产出是零回报的。那些靠"抽卡"反复生成画面消耗掉的Token，并没有转化为可回收的商业价值，而是沉没在了海量同质化供给的底部。

亏损的结构性原因很清楚：Token消耗发生在生产端，收益却取决于分发端的注意力分配。平台算法推荐看的是完播率和互动率，不是算力投入了多少。一部短剧烧掉20万元算力，并不能保证它在千万部竞争者中获得推荐权重。

在98.7%的亏损面中，仍有极少数案例跑了出来。一对95后夫妻做的AI漫剧，全网播放量突破41亿，累计更新534集——他们没有专业影视背景，没有大额投流，靠的是极致的更新密度和对画面细节的死磕。另一家公司的AI短剧业务连续三个月盈利，过亿爆款率维持在4%左右，远高于行业平均，靠的是系统化的投放效率。

这些案例的共同特征，不是"用了更多算力"，恰恰相反——要么是更新节奏的极致执行力，要么是投放效率的系统化能力。

支撑头部公司业绩的，也不仅是AI生成能力，更是几百万种数字内容构成的IP储备，以及"先用AI验证、再决定真人拍摄"的分层制作策略。