本文由 AI 生成：内容为 AI 自主产出，发布时请在公众号后台勾选「内容由 AI 生成」声明。

本文导读：全文约 11894 字、10 张图表、7 个部分。第一部分　核心判断提炼；第二部分　事实核查；第三部分　机制辨析：55% 从何而来；第四部分　实证证据；第五部分　传导路径与产业外溢；第六部分　反方观点与批评；第七部分　结论。赶时间可直接跳到「第一部分 核心判断提炼」与「第二部分 事实核查」。

——「55% Token 流向 AI 短剧」的数字溯源、口径辨析与中美 AI 路径之争

前置说明

一、出处与获取情况

触发文章：《国内一半AI算力被指在造爽剧，用于研发仅15%》，界面新闻（微信公众号），作者侯瑞宁

触发文章链接：https://mp.weixin.qq.com/s/y7QOug3jpp7nLHwashbwaQ

触发文章发布时间：2026 年 10 月 15 日 19:23

底层事件：中文在线（300364.SZ）2026-06-03 在巨潮资讯网披露《投资者关系活动记录表》，称国内 AI Token 消耗中短剧与视频生成占 55%、电商与营销占 24%、软件开发占 15%；该结构图于 2026-10-13 前后经自媒体二次传播后引爆舆论

一手信源：① 中文在线《投资者关系活动记录表》原文（巨潮资讯网 static.cninfo.com.cn，2026-06-03）；② 国家广播电视总局发展研究中心、未来电视、DataEye 剧查查《AI驱动全球微短剧创新发展报告》（2026-04-16，成都）；③ 工业和信息化部 2026 年上半年工业和信息化发展情况新闻发布会（2026-07-20，国新办）；④ 中国信息通信研究院《词元（Token）经济发展研究报告（2026年）》；⑤ OpenRouter 周度调用量数据（2026-10-05 至 10-11）；⑥ 中文在线 2026 年半年度报告

获取方式：触发文章经微信公众平台公开页面直接抓取；投资者关系活动记录表与半年度报告经巨潮资讯网公开文件获取；工信部、广电总局报告、信通院报告与 OpenRouter 数据经公开网页检索与财经媒体报道交叉获取

获取时间：2026 年 10 月 15 日

三点版本局限：① 触发文章为微信公众号刊发版，其标点与段落归并为转载者所为，与界面新闻原稿的排版节奏无关；本报告仅对其内容作核查性引用，不随附全文；② 触发文章属二手编译，其转述的投资者关系记录表原文发布于 2026 年 6 月 3 日，而文章刊发于 10 月 15 日，两者相隔四个月，其间市场规模与调用量数据均已更新，本报告凡遇两个时点口径不一者一律并列保留、不作归一；③ 本报告未能获取任何一家机构对「55%」这一全国性口径的原始测算方法说明（样本范围、覆盖平台、跨模型 Token 归一化规则均未披露），凡涉及该项者均已标注信源等级。

二、三分法与中立性声明

本报告严格区分三类陈述：【事实陈述】（可核验的公开记录与官方数据）、【信源观点】（中文在线、媒体、自媒体与境外评论者的具体主张，不代表本报告立场）、【作者推断】（本报告的分析性判断）。事实核查采用四级标签：【准确】/【基本成立·需限定】/【表述失当】/【无法判定】。

本报告不构成任何投资建议。涉及中文在线及传媒、算力板块的内容均为公开信息的整理与分析，不构成买入或卖出依据；涉及中美 AI 产业路径比较的内容为产业结构讨论，不作国力或制度优劣的价值裁定。

三、研究方法与信源（四路检索记录）

本研究动笔前按四路信源并行搜集：① 网页搜索（8 组关键词，命中约 41 条，实际引用 23 处）；② 微信公众号（Redfox 共享 SDK 生产通道，三个关键词共命中 150 条）；③ IMA 知识库（两轮共 200 条元数据命中，深读 2 篇正文，按「读过才算引用」计入）；④ 外接平台热点 API（Redfox 跨平台通道，命中 100 条公众号热门榜）。四路均已启用，逐路关键词、命中量与缺口详见本地归档版前置说明。

口径提示：本报告全部数据以 2026-10-15 及之前公开披露为准；同一议题存在三套互不相同的分母（C 端调用量、平台收录调用量、算力负载），凡有分歧处均并列列出，不择一。

四、术语与口径说明

口径提示：本报告中「Token 消耗占比」＝各场景所消耗 Token 的份额（调用量口径），不等于算力资源占比，也不等于算力投资额占比。「算力」在工信部统计体系中以 EFLOPS 计。凡本报告引用「一半算力」这类表述时，均标注其实际口径为 Token 占比。

出处声明与引用边界

本报告基于公开信源独立完成。本文不转载原文全文，亦不随附任何第三方文章或报道；文中对触发文章、中文在线投资者关系活动记录表、广电总局报告、工信部发布会数据、中国信通院与各机构公开判断的引用，均为必要短引（单处不超过 20 字）或本方转述，并逐处标注出处；第三方原文的完整审阅与核查请通过下方原链接回溯。

引用边界说明：本报告对「55% Token 结构」的理解，建立在中文在线 2026-06-03 投资者关系活动记录表原文、《AI驱动全球微短剧创新发展报告》、工信部 2026 年上半年发布会实录与 OpenRouter 周度数据的交叉比对之上；对网络流传对照图中美方「58%」一项，因中英文检索均未找到可追溯原始信源，本报告一律标注为「查无信源」，不作为论证依据；本报告所作的一切判断均为独立分析，不代表被引用主体立场，亦不构成任何投资建议。

第一部分　核心判断提炼

1.1 判断一：55% 是真实披露的数字，但它的单位是 Token，不是算力

触发文章的标题把「Token 消耗占比」写成了「AI 算力占比」，这是整场争议中最早也最容易被忽略的一次口径滑动。中文在线《投资者关系活动记录表》的原文口径是「国内所有 Token 消耗份额」，即调用量结构；而「算力」在以工信部为代表的统计体系中对应的是芯片·时长·EFLOPS，两者之间隔着至少三道换算关卡（详见 3.3 节）。

这一点决定了后续所有争论的性质：如果 55% 讲的是调用量，那么「国内一半算力在造爽剧」这个标题本身就不成立；如果讲的是算力，那么中文在线需要公布样本范围、覆盖平台与跨模型归一化规则——目前这三项均未披露。本报告不采信「算力」这一表述。

图 1　中国 AI Token 消耗结构：短剧与视频生成占 55%

1.2 判断二：这个数字出自一家重仓 AI 短剧的公司，不是中立统计机构

55% 的原始出处是中文在线的投资者关系活动记录表。而中文在线 2026 年上半年短剧及 IP 衍生品业务营收 4.11 亿元，同比增长 108.72%，已超过传统网文业务成为第一大收入来源；公司同期累计上线精品 AI 短剧超 1200 部，并预计 2026 年末 AI 短剧年化产能达 3000 部。更关键的是时间线：该公司在 2026 年 10 月 8 日刚刚终止 H 股上市与 A 股定增计划，而 55% 这一数字在 10 月 13 日前后引爆舆论。

利益相关性不等于数据虚假，但它决定了这个数字的证据等级：它是一家 AI 短剧公司的行业观察，不是第三方统计机构的抽样测算。在把它当作全国性统计事实之前，必须先补上「谁测的、测了谁、怎么测的」三问。

1.3 判断三：「美国 58% 做研发」查无信源，两组数字口径错位

被广泛传播的中美对照图给出一组极具冲击力的对比：中国 55% 的 Token 用于短剧与视频生成，美国 58% 用于编程、研发与企业自动化。但本报告在中文与英文检索中均未找到该 58% 的可追溯原始信源；有自媒体指其疑似误读某风投机构的「企业 AI 支出」结论，即把「资金采购额占比」当成了「算力/Toke 消耗占比」。

即使抛开信源问题，两组数字在分类维度上也不可比：中文在线按内容形态切（短剧、视频），按商业部门切（电商广告），按技术活动切（软件开发）；而美方口径按企业预算科目切。三个维度混入同一张表，本身就构成一次分类学错误。把两列并列，看起来是「同一把尺子的两端」，实际上尺子的刻度单位都不同。

图 2　中美 AI 用途对比：两组口径不可直接比较

1.4 判断四：即使只谈 Token，55% 也不能推出「一半算力在娱乐」

退一步说，我们完全接受「Token 消耗占比」这个口径，55% 也推不出「一半资源投向娱乐」的结论，原因在于分母被低估了：

其一，视频 Token 本身极贵。按主流视频模型计费，720p 下一条 5 秒镜头约耗 10 万 Token，一部 90 分钟 AI 短剧仅成片就约 1.1 亿 Token，再叠加「抽卡」重生成（一个镜头平均跑 3 至 4 次），单部实际消耗很容易突破数亿。而一篇十万字的剧本，也就十万级 Token——差三到四个数量级。

其二，分母只覆盖了可见的 C 端调用。企业私有集群中用于大模型预训练、参数微调、工业仿真与科研的算力，不产生对外公开的 Token 调用数据，因而不进入这张结构图。有自媒体估算这部分占比「超过六成」，但该估算同样没有一手来源，只能作为方向性提示，不能作为数据引用（详见 6.5 节）。

其三，占比与价值并非同一件事。耗 Token 最多，只说明该场景算力密度高，不说明它技术含量低，也不说明它的资源投入（芯片、电力、折旧）在总量中占同等比例。

1.5 判断五：这不是「火药与烟花」的高下，而是两条变现路径的分岔

舆论场最流行的修辞是「AI 时代，中国人再一次把火药做了烟花」。这个类比的问题不在情绪，在它把一个商业结构问题当成了技术品味问题。

美国企业级软件（SaaS）生态成熟，为编程与自动化付费意愿高，因此 AI 编程工具能先规模化收钱；中国拥有全球最大的内容消费与电商市场，短剧、直播、电商营销产业链本就成熟，AI 视频技术一落地，最先跑出规模的自然是离钱最近的场景。这是禀赋差异导致的先后顺序，不是能力高下。 蒸汽机 1712 年问世后长期只用于煤矿抽水，扩散到各行各业用了七十年——新增技术先找到能立刻变现的落地场景，本身是产业化的必要条件。

真正值得追问的不是「为什么先做短剧」，而是「做短剧赚到的钱，有没有回流到需要长周期的研发」。这一层，目前没有任何一方给出了数据。

1.6 判断六：真正该被追问的不是 55%，而是可见数据遮住了不可见的算力

这场争议最有价值的副产品，是它暴露了一个统计盲区：中国的 AI 算力叙事被分割在三个互不连通的口径里——① C 端 Token 调用量（中文在线这类口径，可见、可传播）；② 智能算力规模与上架率（工信部口径，2185 EFLOPS、上架率 71.4%）；③ 实际 GPU 利用率（机构测算，平均不足 30%）。

三个口径各自成立，却从未被放在一起交叉验证。当公众用 ① 去讨论 ②，用 ② 去讨论 ③，结论必然失真。本报告的核心方法论主张是：任何关于「算力去向」的判断，都必须先声明它用的是哪一个口径；跨口径的结论，一律无效。

第二部分　事实核查

2.1 核查方法与判定口径

本节对触发文章与网络流传对照图中的可核查陈述逐条判定。判定采用四级标签：【准确】（与一手信源一致）、【基本成立·需限定】（数值成立但需附加条件或口径说明）、【表述失当】（存在口径滑移、概念混用或因果过度）、【无法判定】（无可追溯信源或本报告未能获取原始材料）。

抽样原则：覆盖触发文章全部含数字的陈述，以及网络对照图中被广泛转引的核心数字；对纯观点性表述（如「蓬勃之势」「关键技术壁垒」）不作核查。共 22 项。

2.2 核查表（一）：Token 结构、市场规模与调用量

表 1　事实核查（一）：Token 结构、市场规模与调用量（共 12 项）

2.3 核查表（二）：产业背景、算力侧与当事公司

表 2　事实核查（二）：产业背景、算力侧与当事公司（共 10 项）

核查小结：22 项中，准确 13 项、基本成立·需限定 5 项、表述失当 1 项、无法判定 3 项。唯一的「表述失当」是标题层面的「算力/Token」口径滑移；三项「无法判定」有两项（43 万部、22 万部）来自触发文章未标注统计机构，一项（美方 58%）来自网络对照图查无信源。这意味着：争议中被引为「事实」的几组关键数字，恰恰是最经不起追问的几组。

第三部分　机制辨析：55% 从何而来

3.1 视频 Token 的算力密度：为什么 55% 会被「撑」起来

理解 55% 的第一把钥匙是视频 Token 与文本 Token 根本不在一个量级。文本模型按「字/词」计费，一条长文请求通常几千至几万 Token；视频模型按「像素 × 帧数」计费，720p、5 秒的单个镜头就约 10 万 Token。同样是内容生产，文本侧是十万级，视频侧是亿级，差三到四个数量级。

图 3　视频 Token 与文本 Token 的量级差（对数示意）

因此 55% 这个占比，很大程度上是视频形态自带的算力密度决定的，而不是「资源分配的价值取向」决定的。这是本报告认为该数字被误读的第一层原因，也是凤凰网科技等自媒体的核心论点。

3.2 「抽卡」重生成：被普遍低估的乘数

触发文章提到中文在线的一个关键细节：为了满足导演对叙事与镜头的要求，团队需要不断「抽卡」反复生成和筛选画面。行业普遍口径是一个镜头平均跑 3 至 4 次才能达标。这意味着实际消耗 = 成片消耗 × 3 至 4。

再叠加形态差异：AI 仿真人剧因帧数与 1080p 清晰度要求更高，其 Token 消耗通常是 720p 漫画形态 AI 漫剧的两到三倍。两个乘数相乘，仿真人剧与低分辨率漫剧之间的单集成本差距可达一个数量级。这说明 55% 内部结构极不均匀——它更像一个由少数高分辨率项目拉高的均值，而不是普遍性消耗。

3.3 从 Token 占比到算力占比：三道换算关卡

若要把「55% 的 Token」翻译成「55% 的算力」，至少要通过三道关卡：

· 第一关·单价归一：不同模型、不同精度（FP16/FP8）、不同分辨率的单 Token 成本差异可达数倍，需要一套统一折算率；

· 第二关·分母补齐：把不产生对外调用记录的私有集群（预训练、微调、工业仿真、科研）计入分母，否则分母只覆盖 C 端；

· 第三关·资源换算：把 Token 量换算成芯片·时长与资本开支，需要各场景的利用率与电价·折旧参数。

三道关卡目前一道都没有公开的算法。 因此任何「55% 算力」的表述，在方法上都是未完成的。中文在线的数字只能支撑「55% 的 C 端调用量」这一结论。

3.4 可见的 C 端与不可见的私有集群

中国 AI 算力的版图大致可分为两层：可见层——面向公众的 C 端与中小企业调用，产生 Token 记录、可被第三方平台（如 OpenRouter）汇总；不可见层——企业自建与大厂内部的训练集群、行业模型微调、科研与工业仿真，其调用数据不对外公开。

公开的 Token 结构图只覆盖可见层。当公众以可见层的结构去推断整体算力布局时，必然出现系统性偏差。这也是为什么工信部同时公布「上架率 71.4%」与「GPU 利用率不足 30%」这两个看似矛盾的指标：前者衡量设施是否装上机架，后者衡量机架上的卡是否真在跑任务——两者都不等于「算力被谁用掉了」。

3.5 短剧为什么是离钱最近的落地场景

AI 短剧能在两年内吃掉最大的可见 Token 份额，本质上由三个变量同时成立决定：成本、产能、IP 供给。

成本：AI 短剧相对真人剧出海成本（约 12 万至 20 万美元、周期一至两个月）可压缩到 2 万美元甚至更低，周期压至 20 至 30 天；公司自述口径下，AI 短剧单分钟制作成本较传统真人剧压降 80% 至 90%。产能：中文在线月产能约 150 部，预计 2026 年末年化产能 3000 部。IP 供给：国内自 2000 年起积累了数千万部存量网文，开发率极低，人设、情节、爽点现成，红果热度 TOP30 的 AI 剧与漫剧中近三分之二为 IP 改编。

三个变量叠加，构成了一条「低成本试错 → 快速验证 → 立刻变现」的通路。在一个能立刻收钱的赛道里，算力自然最先流向那里——这不是价值取向问题，是资本回报率问题。

第四部分　实证证据

4.1 Token 消耗结构的三套口径

围绕同一议题，目前市场上存在三套彼此不一致的「Token 结构」口径，本报告全部并列保留、不作归一：

口径：A：全国调用量提出方　中文在线投资者关系记录表内容　短剧与视频生成 55%、电商与营销 24%、软件开发 15%、其他 6%时点　2026-06-03

口径：B：中美对照提出方　网络流传图（来源不明）内容　中国 55% 娱乐、美国 58% 研发时点　2026-10-13 前后

口径：C：平台调用总量提出方　OpenRouter内容　全球 172 万亿 Token/周，中国 86.74 万亿、美国 18.97 万亿时点　2026-10-05 至 10-11

三套口径的冲突点在于分母：A 的分母是「国内 AI 应用 Token 总量」（范围未披露），B 的分母是「中美各自算力投入」，C 的分母是「OpenRouter 平台收录的调用量」（不含私有部署与国内自有平台）。同一议题、三种分母，结论自然无法互相印证——这本身就是本报告主张「先声明口径」的直接证据。

4.2 微短剧市场：规模、成本与盈亏平衡

微短剧是这场争议的现实基座。规模上，2024 年中国微短剧市场规模约 504 亿元、用户 6.62 亿、人均单日使用时长 101 分钟；预计 2025 年超 680 亿元，2027 年破 1000 亿元。AI 漫剧细分市场 2025 年约 168 亿元，2026 年预计 240 亿元（+43%）。

图 4　微短剧与 AI 漫剧市场规模演进

但规模不等于利润。行业调研显示：AI 短剧爆款率仅 0.12% 至 0.16%，亏损面超 90%；在红果 IAA 分账（万播 5 至 10 元）下，跑量档单部 50 集回本需 625 万至 1250 万次播放，精品档（单集 1.5 万元以上）需 8 亿至 16 亿次播放，几乎无法仅靠分账覆盖。这说明高 Token 消耗与高商业回报之间并不能划等号——消耗最多算力的一方，未必是赚钱最多的一方。这一点对理解「55% 是否值得」至关重要。

4.3 算力侧：规模、上架率与利用率的结构性错配

把镜头从 Token 拉回物理算力，会看到另一幅图景：截至 2026 年 6 月底，我国智能算力规模 2185 EFLOPS（FP16），同比增长 177%，全国算力设施整体上架率 71.4%；东部、中部、西部、东北地区智算规模占比分别为 55.9%、10.6%、32.6%、0.9%。

图 5　中国智能算力规模与利用率的结构性错配

与此同时，多家机构测算国内智算中心 GPU 平均利用率不足 30%、部分企业级中心甚至低于 10%。「规模高速增长」与「利用率偏低」并存，指向的不是「算力不够」，而是结构性错配：区域上东缺西剩，类型上为训练设计的集群在推理时代大材小用。换句话说，真正需要被追问的，或许不是「算力被谁用掉了」，而是「建起来的算力有没有被用起来」。

4.4 一条被忽略的旁证：推理正在超过训练

触发文章未提及、但对判断「算力去向」极为关键的一条结构性变化是：全球 AI 算力需求的中心正在从训练转向推理。

· Deloitte：推理工作负载占 AI 总算力比例，2023 年约三分之一、2025 年接近二分之一、2026 年预计达三分之二（图 6 中记为 67%）；

· Gartner：2026 年全球推理支出 233 亿美元，首次超过训练的 190 亿美元，占 AI IaaS 总支出 55%；

· 中国信通院：2026 年推理算力占 AI 算力总负载将达 70.5%；

· IDC：到 2027 年推理将占中国智能算力需求的 70% 以上。

这条曲线解释了 55% 的另一半：短剧与视频生成正是最典型的推理场景——高并发、高算力密度、持续在线。55% 高，既是视频形态贵，也是因为整个行业正从「训练少数大模型」转向「服务海量推理请求」。把 55% 读成「研发被挤占」，恰恰忽略了推理本身就是这一代 AI 的主要算力去向。

图 6　推理占比的演进：从三分之一到三分之二

4.5 中文舆论场的热度样本（第 4 路）

第 4 路（公众号热门榜）返回的 150 条命中显示，中文舆论场对该议题的叙事集中在三类：「火药与烟花」的技术品味论（凤凰网科技、部分自媒体）、「因地制宜」的产业辩护论（浅黑科技等）、「口径不可比」的方法论质疑论（澎湃新闻、Geoffrey Chen 英文博客）。三类的分布说明：该议题在中文舆论场的成熟度正在提升，方法论层面的批评已能与情绪化叙事抗衡。但样本量不足以支撑量化情绪推断，本报告不作比例判断。

4.6 交叉核验的三类结果（一致 / 补充 / 冲突）

按 `rule_058` 的要求，把多源结果归为三类，冲突项最有价值：

· 一致项：官方与第三方数据（工信部 2185 EFLOPS、OpenRouter 调用量、广电总局报告的市场规模）在各自口径内均可交叉验证，无冲突。

· 补充项：凤凰网科技、搜狐娱乐补充了「视频 Token 密度」与「成本对比」两个维度；今日头条自媒体补充了「中国真正算力大头在私有集群」的方向判断；澎湃新闻补充了「占比离开总量无意义」的统计学论证。

· 冲突项（最有价值）：① 分母冲突——中文在线的 C 端调用量口径 vs 中国信通院/Gartner 的算力负载口径 vs OpenRouter 的平台口径，三者分母互不相同；② 归因冲突——自媒体「私有集群占六成以上」与工信部「上架率 71.4%」之间的张力；③ 价值冲突——「消费级应用反哺研发」是辩护方的核心命题，但目前没有任何一方给出「反哺」的量化证据，本报告将其列为关键缺口而非结论。

第五部分　传导路径与产业外溢

5.1 对算力产业链的含义

若 55% 的可见调用真集中在推理侧，对产业链的含义是明确的：推理芯片、推理优化、液冷与电力的价值权重上升，而「唯训练卡论」的叙事会边际减弱。工信部 2026 年已把「算力网与新一代码通网」列入「六张网」，并明确要求「面向场景按需部署推理算力设施」、引导算力设施采用液冷等高效节能技术。这与 Token 结构揭示的推理主导是一致的——政策方向与调用结构互相印证。

5.2 对内容产业与创作者的含义

对创作者而言，结论有两面：门槛下降（单集成本可从万元级压到百元级，个人也能做出整部剧）与胜率极低（爆款率 0.12% 至 0.16%，绝大多数月收益不足 10 元）。AI 没有消灭内容行业的门槛，只是把门槛从「资金与设备」迁移到了「叙事审美与情绪把控」——后者恰恰是 AI 无法生成、却决定生死的能力。

5.3 对监管与「AI 标识」的含义

AI 短剧产能若真如预测在 2026 年突破百万部量级，监管的重心必然从「内容审核」扩展到「产能治理与标识治理」。已落地的《微短剧发展管理办法》要求 AI 生成内容显著标识，平台侧则以视觉指纹与人脸比对封杀模板脸。这表明：行业竞争的下一道分水岭不是「谁会生成」，而是「谁的内容能被认定为原创」。

5.4 对中美 AI 竞争叙事的含义

这场争议最值得警惕的，不是哪一方的数字更准，而是「用一张口径不明的结构图去裁定两国 AI 路线的优劣」这一论证方式的流行。中外产业结构差异（美国 SaaS 付费意愿强、中国 C 端流量变现效率高）决定了应用顺序，而一国 AI 的长期竞争力取决于全产业链的持续投入与迭代，不取决于某一年某一场景的调用量占比。把流量结构当国力指标，是统计误用，不是事实判断。

5.5 关键观察指标

1.可见层与不可见层的比例能否被披露。若官方或第三方给出「私有集群算力占比」的可核查测算，本报告 3.4 节的方向性判断即可升级为定量结论；目前该数据缺失。

2.推理占比与算力利用率的走向。若推理占比继续上升、而智算中心利用率同步改善，则说明「算力错配」正在被市场消化；若利用率继续在 30% 以下徘徊，则「规模增长」与「有效使用」的裂缝会扩大。

3.「反哺」的量化证据。这是辩护方命题的胜负手——若无法给出短剧收入流向研发的比例，则「消费级应用反哺研发」只能停留在修辞层面。

第六部分　反方观点与批评

6.1 挑战一：「视频就是比文本费 Token，55% 是技术特性」——成立，但不能全额抵消质疑

凤凰网科技等的核心论点是：视频 Token 与文本 Token 不在一个量级，55% 由算力密度撑起，不代表资源投向了娱乐。本报告接受这一点的第一部分（详见 4.1）。但它不能全额抵消质疑，因为占比高这一事实本身，仍然说明可见算力增量确实集中在娱乐与消费侧；视频贵只解释了「为什么占比这么高」，没有回答「这是否是最优配置」——后者是价值判断，需要「反哺」证据（见 7.2）。

6.2 挑战二：「消费级应用反哺研发」——需要证据

辩护方主张：C 端场景产生真实样本、打磨模型、完成变现，再回笼资金反哺底层研发。这是一个可检验的命题，但目前无论是中文在线还是其他各方，都未披露短剧收入流向大模型研发的比例。本报告据此将该命题列为「信源观点」而非「事实陈述」——它可能是真的，但此刻它没有被证明。

6.3 挑战三：「美国 58% 也没权威来源，为什么只质疑中国的数字」

这是一个形式对称但实质不对称的反驳。中国的 55% 至少有明确出处（中文在线记录表），问题在口径；美国的 58% 则是查无信源，问题在是否存在。两者都不可直接采信，但错误类型不同：一个是「有数据、口径错」，一个是「无出处」。本报告对两者的处理是——中国的数字并列保留并标注口径，美国的数字标注「无法判定」。这并非双重标准，而是证据等级的必要区分。

6.4 挑战四：本报告可能高估了「口径」问题的重要性

有可能。如果「私有集群占六成以上」的估算成立，那么可见层的 55% 对整体算力布局的解释力确实有限，「口径」问题的重要性就会被压缩。本报告接受这一可能，并已把该估算标注为「无一手来源」。但请注意：恰恰因为底层数据不可得，「先声明口径」这一纪律才更必要——数据越不完整，跨口径的推断越容易失真。

6.5 挑战五：「私有集群超六成」这一说法本身也无一手来源

这是本报告对自己此前引用的自语式批评，应当明确承认。 本报告在 2.4 与 3.4 节引用了自媒体「中国真正算力大头在私有集群、占比超六成」的估算。经复核，该估算同样未给出测算方法与样本，与本报告质疑的「美国 58%」属于同一证据等级。因此本报告对它的使用仅限于「方向性提示」，并在附录中列入无法核实项。若严格要求一致性，这一条应当与美方 58% 同等标注。

第七部分　结论

7.1 事实层

· 「55%」是真实披露的数字，出处为中文在线 2026-06-03 投资者关系活动记录表，口径为国内 AI Token 消耗份额（调用量）。

· 触发文章标题把它表述为「AI 算力」占比，属口径滑移；本报告不采信「一半算力在造爽剧」这一定性。

· 网络对照图的美方「58%」查无信源；「43 万部」「22 万部」等数字未标注统计机构，均属「无法判定」。

· 22 项核查中，准确 13 项、基本成立·需限定 5 项、表述失当 1 项、无法判定 3 项。

7.2 逻辑层

· 视频 Token 与文本 Token 差三到四个数量级，55% 相当程度上由算力密度撑起，不能直接读作「资源投向娱乐」。

· 但分母只覆盖可见的 C 端调用，且「私有集群超六成」的补正同样缺乏一手来源——两个方向的论证都证据不足。

· 真正的结构性变量是推理超过训练：短剧与视频生成正是最典型的推理场景，55% 高与「推理主导」这一代际趋势互为表里。

7.3 证据层

· 官方口径（工信部 2185 EFLOPS、上架率 71.4%）、第三方口径（OpenRouter 调用量、Gartner/Deloitte/信通院推理占比）、行业口径（智算中心利用率不足 30%）三方均可交叉验证，但分母互不相同，不能相加或相除。

· 冲突项集中于分母定义与归因，最有价值也最难以定论。

7.4 价值层：对不同读者的含义

· 对内容从业者：门槛从资金设备迁移到叙事审美，胜率极低，AI 不是捷径。

· 对算力投资者：推理侧权重上升的叙事得到调用结构、政策方向与第三方预测的三重印证；但「利用率不足 30%」提示需区分「建设叙事」与「有效需求」。

· 对舆论观察者：这场争议的方法论价值大于结论价值——它示范了一次典型的「跨口径比较」如何制造伪结论。

7.5 局限

· 未能获取任何机构对「全国 Token 结构」的测算方法说明，无法独立验证 55% 的统计口径。

· 未能获取「43 万部」「22 万部」「私有集群占比」三项的一手来源。

· 中文舆论场样本量不足以支撑量化情绪推断，第四部分 4.5 节只作定性描述。

· 本报告所有判断基于 2026-10-15 及之前的公开信息，其后发布的数据可能改变结论。

7.6 三句话结论

1.「一半算力造爽剧」是一个口径被偷换的标题——55% 讲的是 Token 调用量，不是算力资源。

2.但这个数字也没有被「技术特性」全额洗白：可见算力增量确实集中在消费娱乐侧，私有集群的补正同样缺乏一手证据。

3.真正值得追问的不是 55%，而是三件事：私有算力占比是多少、建好的算力用起来了多少、短剧赚的钱回流研发了多少——这三问目前都没有答案。

参考文献

表 3　参考文献清单（共 30 项）

附录　无法核实项清单

· 「55% Token 结构」的测算方法（样本范围、覆盖平台、跨模型归一化规则）未披露，本报告无法独立验证。

· 美方「58% 用于编程、研发与企业自动化」中英文检索均未找到可追溯原始信源，疑似误读某风投机构「企业 AI 支出」结论。

· 「今年前 8 个月上线微短剧 43 万部」「仅抖音上半年上线 AI 短剧 22 万部」两项未标注统计机构与口径。

· 「中国真正算力大头在私有集群、占比超六成」出自自媒体估算，未给出测算方法与样本，与美方 58% 同属未证实等级。

· 「一部 12 集短剧近 20 万元算力成本」与行业调研的精品档量级吻合，但跑量档单集仅 50 至 200 元，跨度达两个数量级。

· 「消费级应用反哺研发」的量化比例未获取，无任何一方向外披露短剧收入流向研发的比例。

出处与版权：本文为独立的事实核查与机制分析，非原文转载。被核查对象为 界面新闻（微信公众号） 2026-10-15 刊发的《国内一半AI算力被指在造爽剧，用于研发仅15%》，原文链接：https://mp.weixin.qq.com/s/y7QOug3jpp7nLHwashbwaQ 。

引用与免责：本文不随附原作全篇内容；对中文在线披露数据、各机构报告与各方观点的引用均为必要短引并注明出处，其余为本方转述。本文不构成任何投资建议，文中信息仅供参考，请读者自行核实并谨慎判断。

信源说明：本报告按四路信源并行搜集：网页搜索、微信公众号（Redfox 生产通道）、IMA 知识库、外接平台热点 API四路均已启用，逐路关键词、命中量与实际引用数见报告前置说明「研究方法与信源」。