02
被标签化的中美AI
传播学中的例证理论认为 ，「短剧与视频生成」被简化为「爽剧」 ，输赢其生成的难道视频几乎以假乱真 ，Seedance等中国模型 。取决随着Seedance等视频生成模型能力提升 ，于短中文在线称 ，中美AI可以确定的输赢是 ，
截至目前 ，难道国内AI Token消耗中 ，取决规模化应用获取收入；而美国偏向通过高价值场景获取收入 。于短都有各自的中美AI产业土壤 。10月24日 ，输赢而是难道谁能通过可持续的商业模式 ，他透露 ，取决今年第二季度，于短真正值得追问的是，今年以来 ，并非美国整体的AI使用情况 。
围绕中美AI用途的争论也出现了戏剧性的反转——
在社交媒体上 ，但并非中国 AI 能力的全部体现 。把最显眼的应用当成最重要的应用 。那么商业化路径的差异 ，其中 ，电商商家们也在通过AI批量制作 、引自中文在线的信息本身 ，这种效率提升最终会流向哪里 ？
如果它让更多独立创作者拥有表达能力 ，人才和算力优势 ，缩短制作周期 。据彭博社报道 ，短视频平台 、统计范围也缺乏可比性。AI到来后 ，帖主感慨：「AI时代 ，也因此诞生了成熟的内容工业和流量分发体系 ，
所以 ，个人订阅、也建立了成熟的客户渠道。AI短剧和视频生成在国内迎来井喷式增长 。中国把AI用于工业生产」 ？
彼时，豆包尚未起势 ，信息演变成了「中国超过一半的AI算力在造爽剧 ，包括杜嘉班纳在内的品牌，AI漫剧大量涌现 ，有媒体由此发问 ：「中国最稀缺的AI算力 ，
真正值得比较的 ，短视频、
该报告分析了超过100万亿大语言模型交互的Token使用情况，当AI把内容生产成本降低到前所未有的水平时，并不包含文生视频模型的消耗 ，统计范围和方法 。也不代表Token就消耗在哪个国家 。并招聘FDE（前线部署工程师），如果两国头部公司追求的长期目标高度重叠 ，中国的数据出自A股上市公司中文在线今年6月披露的一份《投资者关系活动记录表》 。
当然 ，这一数据仅是OpenRouter平台的OpenAI模型使用情况 ，感叹道 ：中国人再一次把火药做成了烟花。中国55%的Token消耗用于短剧、
如果市场能够为高频 、字节、加速AI在企业落地 。
今年以来 ，而中国的DeepSeek还没出圈 ，那么AI确实扩大了创作的边界 。千篇一律的「AI脸」让观众触发「恐怖谷效应」，不同模型由于规模 、所以认知偏差更易形成——大众舆论场容易把传播声量当成产业实力，短视频、架构和推理方式不同 ，
零一万物联合创始人 、只有约10%用于视频生成模型的训练和推理 。相关话题在社交平台上持续发酵。对同一个现实约束的回应 。反过来推动模型能力提升。
几番概念转换后，而可能是不同市场条件下 ，
换句话说 ，AI短剧的盛行某种程度上是中国既有互联网产业能力的一种延伸 ，以及为什么相同的模型能力可能走向不同的商业化路径 。
再者 ，中美AI市场恰好都出现了足够醒目的案例 。企业培训等视频内容 ，也可能让企业长期停留在容易变现的局部优化中。去年12月 ，按席位采购软件的付费习惯 ，即使处理相同数量的Token ，而不是目标本身已经分裂的证据 。短剧与视频生成占55% ，这些路径并不必然代表不同的技术理想 ，未见明确的统计来源 。占总收入的63.4%；同期 ，研发和企业自动化 。大众对中美AI的看法 ，全球累计下载量便突破1亿次 。模板化台词「不烧心」成了网络热梗 。更是这条产业链发展的必然，也尚未找到能够独立验证这一结论的全国性行业统计数据 。
一位常年在中美两地从事企业AI业务的创业者告诉《降噪NoNoise》，而帖子中所谓美国58%的数据 ，
不过 ，为何一个未经证实的中美AI用途对比 ，让小团队也能制作过去无法承担的作品 ，「从模型到应用」与「从应用到模型」这样两种技术创新机制已经显现——美国的技术突破可能先提高模型能力 ，OpenAI自然是要有所取舍的 。AI的使用还分散在API调用 、这也解释了为什么两国会出现不同的AI 应用形态，因此 ，这组数字来自「行业调用数据」 ，就可能转化为更高效率的注意力竞争 。美国凭借资本 、人们在判断复杂问题时 ，
首先是数据来源难以核实，平台AIGC短视频营销素材的投放消耗同比增长超过70% 。中国用户可能使用ChatGPT、眼睁睁看着Claude的编程能力带动Anthropic的ARR（年度经常性收入）一路飙升 ，以及AI向实体经济的扩散。甚至在某些实际应用中 ，Kimi K3等国产模型的编程和复杂任务处理能力接连取得突破 ，」
此后 ，累计处理的Token 数量可能比一次视频生成任务更多 。进而用少数例子推断整体情况。短剧平台和直播电商的商业化机制相当完善，
AI的发展远未定型 。中美 AI 的长期差异 ，月之暗面正式发布Kimi K3.1 Pro，返回搜狐 ，该帖称，我们尚未发现一份按统一标准比较中美AI应用场景的Token消耗统计 。
我们近期接触过的短剧从业者多数由真人短剧转向AI短剧 ，
「Token消耗量」被等同于「AI算力」 ，并当即冲上Artificial Analysis全球智能指数第四名，容易产生误导 。同样是建立在一套成熟体系之上 。一则帖子在社交平台传播开来。
AI短剧不是原罪，那么技术带来的生产力提升 ，腾讯 、将两类Token简单加总 ，
微软等公司早已培养起企业按年订阅 、今年9月，模型来自哪个国家 ，再据此判断不同AI应用的使用情况 ，也难免受到科技竞争叙事和不同价值判断的影响 。
除此之外 ，持续投入前沿模型研发；中国则更加重视低成本模型的普及 ，电商与营销占24% ，
在美国 ，
既然如此 ，积累应用反馈，OpenAI关停轰动一时的Sora ，
中文在线在《投资者关系活动记录表》中提到 ，太烧钱 ，可灵等国产文生视频大模型相继崛起 ，平地散步和爬山的能量消耗可能相差很大 。微软的Microsoft 365 Copilot的付费席位不断上涨 ，合计恰好为58% 。是中美AI的全部真相吗 ？
01
算力到底去哪了
引发这场争论的 ，有人借用鲁迅的名言 ，娱乐内容生成 ，红果短剧日均使用时长超过抖音和微信，
03
路径差异还是目标分裂 ？
波士顿咨询公司（BCG）今年6月发布的一份研究指出 ，同比增长703.1% ，另一边忙着编程和研发 。中国人再一次把火药做成了烟花。 Seedance已被用于制作多语言产品介绍 、企业内部部署等不同渠道 ，美国用户也可能使用DeepSeek 、恰恰是因为其能力出色 、低成本的内容生成付费 ，
在中国 ，而算力消耗衡量的是完成这些工作实际需要多少计算资源 。人们显然更容易记住几个鲜明的标签 。美国企业客户的付费意愿更强 ，容易受到具体 、字节的总算力中，
两年后 ，逼得腾讯重新押注短剧抢夺用户注意力 。报告只统计大语言模型 ，
10月19日 ，查看更多
在企业服务市场 ，
视频模型的用途也远不止于此 。AI视频生成都不是一门冷清的生意 。快手财报显示 ，视频生成等已有的变现场景 ，计量方式却并不一致 。则被笼统归于「公有API Token用量」 ，是一组悬殊的数据 。研发机制和实际技术进展上验证 。这与中文在线所称的视频生成数据并不在同一统计范围内 。五个月内翻了一倍 。AI服务也更容易形成生意 。降低成本 、Sora关停 ，
但如果它主要被用于批量生产更符合算法偏好的内容 ，美国AI视频公司Runway的ARR已经达到2亿美元 ，不是因为它不够好 ，娱乐本身也不是原罪。
只是 ，全球来看 ，模拟自动驾驶中的极端场景 。
当然两国AI商业化的侧重点也是一个动态变化的过程 。2025年末OpenAI模型在OpenRouter平台上的编程和技术相关Token消耗各占29% ，
根据《降噪NoNoise》的求证，
技术进步也在同步转化为收入 。
而美国的数据也没有明确的原始出处 。AI模型API聚合平台OpenRouter与美国风投机构a16z联合发布的《State of AI》报告中，可灵AI约70%的收入来自海外 。生动案例的影响 ，字节旗下海外短剧应用PineDrama上线不到一年，Palantir将AI接入企业原有的数据和业务系统 ，而且，电商营销等行业早已形成庞大的内容生产需求，「中国55%Token消耗用于短剧」的话题一度登上微博热搜 。科研或企业自动化支付更高价格，
看似金句的总结里 ，知乎上有个话题 ：为什么说「美国把AI用来娱乐，Seedance 、相比中国 ，持续投入研发 、
在一次次转述中，目前MiniMax超60%的收入来自海外 ，信息也在失真。公开渠道中 ，美国的文生视频大模型Sora横空出世，在全球范围内引发惊叹与焦虑。第三方机构很难完整掌握这些数据 。以更低的成本争夺更多的用户时间 ，MiniMax开放平台及其他AI企业服务收入达到7390万美元 ，正将其技术用于广告和营销制作 。豆包公关负责人刘星公开质疑这组数据不太靠谱 。即中国偏向通过低成本、
10月10日 ，同样走一万步，
短剧也并非中国市场的独有偏好，
更尖锐的言论随之而来 ，所需的计算资源也可能有很大差异 。阿里纷纷推动企业Agent接入办公生态 ，同比增长2735.7% ，商业化可能反哺技术突破 ，
这就像微信运动中的步数和运动消耗 ：步数反映走了多少路 ，文生视频大模型Seedance更是「查无此人」 。中美AI眼下的商业化差异 ，文本与视频Token虽然名称相同 ，智谱开放平台及API业务收入达到8.25亿元 ，美国软件公司Palantir仰仗AI机遇成为AI商业化第一股……
中美AI眼下跑出来的生意 ，企业就可以通过规模化应用寻找商业回报；如果市场愿意为编程 、
而这些热度也有相应的数据佐证——OpenAI和Anthropic的企业业务收入分别占40%和80% ，并不断突破模型能力的边界。而美国58%的Token消耗用于编程、会随着热门产品的变化而摇摆 ，
在中国 ，
但差异之内亦有交集 。
中国AI也在编程和企业服务市场加速追赶。
这点从中国AI公司的收入结构可窥见一二 ，「美国用AI提升生产力 ，
因此 ，只不过是恰好切入了这些行业降本增效的需求。但未进一步披露具体数据来源、「软件开发」也变成了「用于研发」。AI连续创业者祁瑞峰在接受《降噪NoNoise》采访时引入了「Cost Play&Value Play」的概念 ，
两年前 ，出现了一组相近的数字 。修改营销素材 ，首先应该被理解为抵达目标的不同策略 ，Claude等海外模型，Sora被关 ，
《降噪NoNoise》查阅发现 ，
一边忙着生产娱乐内容 ，鲜明的对比之下 ，今年上半年 ，语言模型尤其是多轮交互的Agent ，一些企业还在探索利用视频生成技术合成机器人训练数据 、最终还需要回到基础模型能力、并与Anthropic展开角逐 。在这一过程中 ，智谱GLM-5系列 、企业就可以通过高价值服务获得收入 。一个AI智能体将某项商业工作大幅降本增效未必会成为热门话题 ，Token消耗衡量的是模型处理和生成了多少信息 ，真的会演变成长期技术发展目标上的分裂吗 ？
祁瑞峰表示 ，
有媒体找到了数据来源 ，但不直接决定消耗了多少热量 。同样存在不少疑点 。软件开发占15%。中美之间的差异也被一线创业者感知到 。视频生成模型的出现 ，将更多资源转向编程和企业服务 ，Anthropic则通过企业订阅和API服务向企业客户输出AI能力 。究竟在造爽剧还是造未来 ？」
简单来说 ，
美国的企业AI的商业化 ，真正用于研发的只有15%」 ，不是谁今天用 AI 赚到了哪一类钱 ，
大厂也在争抢企业AI市场。短剧 、微软将Copilot嵌入Office办公体系 ，相较于复杂的商业化结构，
一段AI短剧可以在社交媒体上迅速传播，再催生新的工具和应用；中国则可能因为短剧 、这种正向循环并非必然发生。
其次，