10月19日，豆包公关负责人刘星在微博上回了一句话：某公司发布的算力数据“有些不靠谱”，“就字节来说，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”。

被反驳的那组数据，出自中文在线6月3日的一份投资者关系活动记录表：国内AI Token消耗中，55%流向短剧和视频生成，24%用于电商广告，真正投入研发的只有15%。这组数字在几天内被概括成了一句极具传播力的话——“国内超一半算力在造爽剧”。然后争议就炸了。

但这场争论最有意思的地方，不在于“55%”和“10%”谁对谁错。两个数字从一开始量的就不是同一件事。

争议的起点，藏在一份投资者交流纪要里

先把数据的来路理清楚。

上海证券报的记者做了一次溯源。55%这个数字，最早出现在中文在线6月3日北京线下路演及线上电话会议的记录表中。记者进一步检索今年6月之前的行业权威报告，并没有找到可以相互佐证的公开数据。一位头部云厂商负责人的说法很直接：“即使是商用Token的消耗，其规模和比例恐怕只有各家云业务自己掌握，数据不太可能互通”。另有资深算力从业者判断，所谓“一半Token用于短剧”，很可能是基于某个公有云平台的数据得出的，互联网大厂内部自研模型的训练算力、企业私有部署算力、科研院所的本地算力，大概率不在统计范围之内。

也就是说，这组被广泛传播为“全国算力分布”的数据，原始口径可能只覆盖了某一家公司或某一个平台生态里的公有API调用。它被贴上了“国内”的标签，然后进入了公共讨论。

豆包的回应则给出了另一个坐标：字节跳动的“总算力”中，用于视频生成模型训练和推理的部分约占10%。注意这里的措辞——“总算力”，而且把训练和推理合在了一起。中文在线说的是“Token消耗份额”，豆包说的是“总算力占比”。Token消耗是调用量的计量，总算力是硬件资源的盘子。拿调用量的百分比去对比硬件资源的百分比，本身就是在两把不同的尺子上找答案。

Token是流量计，算力是发电厂

要理解这个差别，得把AI基础设施拆成两层来看。

DataEye研究院负责人刘尊的拆解比较清楚：AI短剧成为Token消耗大户，本质是应用规模化带来的流量结果，不等于它吃掉大量高端稀缺算力。AI短剧的整条链路——剧本生成、配音、字幕、分镜、视频生成——大量是短文本、批量反复调用模型，Token总量很容易堆高，但很多环节用的是通用模型和中低端卡，跟科研、基础大模型训练用的高端GPU不是同一类资源。

更关键的是训练和推理的分层。科研和基础大模型训练消耗的是预训练和微调阶段的重GPU算力；AI短剧的Token消耗绝大部分发生在推理阶段，是模型上线之后接受调用时产生的。推理算力市场和训练算力市场是两条相对分割的供给线，采购主体、硬件型号、成本体系都不一样。不能因为短剧烧了很多推理Token，就推断科研训练的高端算力被挤占了。

视频生成之所以在Token统计里显得格外突出，还有一个技术性的原因。一条5秒的720p画面，Token消耗可能相当于一部十万字剧本的处理量。AI仿真人剧对帧数和1080p清晰度的要求，又把Token消耗推到漫画形态、720p分辨率AI漫剧的两到三倍。再加上实际制片中导演团队需要反复“抽卡”生成和筛选画面，废片也计入消耗。一部12集的AI短剧，算力成本接近20万元，大部分烧在了反复生成再筛选的过程里，而不是最终成片上。

从这个角度看，55%反映的是视频作为一种媒介形态的“算力密度”，不是“中国AI把一半家底拿去做了娱乐”的证据。视频生成本来就是当前推理层面最重的应用场景之一。拿它的Token占比去跟软件开发比“谁更高级”，相当于拿货运卡车的油耗去跟轿车比谁更省油，计量对象本身就错位了。

真正值得警惕的，不是“造爽剧”，是数据口径的随意性

坦白说，这场争议里没有哪一方是“错的”。中文在线披露自己生态内的调用结构，是企业信息透明的一种尝试；豆包澄清字节自身的算力配置，也是在履行对外沟通的基本义务。问题出在中间那一层——一个来源有限、口径特定的数据，被不加限定地翻译成了“全国算力分布”，然后迅速变成了一场关于“AI有没有跑偏”的道德讨论。

这种讨论一旦跑起来，对行业的实际影响比数据本身大得多。监管端已经在系统性地审视AI内容产业的投入方向。2026年前8个月，全网下架违规微短剧6.8万部，其中九成以上是AI剧；《微短剧发展管理办法》9月1日施行，AI微短剧按投资额分类分层监管，30万元和80万元两条线把审核路径划得清清楚楚。在这个背景下，如果“AI算力主要用来造低质内容”成为一种被广泛接受的叙事，视频生成领域的所有公司——不只是做短剧的，也包括做工具、做模型、做正经影视工业应用的——都可能被卷入一轮更严苛的资源使用审视。

而事实上，AI视频的商业化盘子远不止“爽剧”。DataEye的数据显示，2026年1至5月国内AI剧漫剧市场规模突破220亿元，全年有望冲击400亿元，同比增长138%。但同一时间，行业里98.7%的AI短剧无法在上线半年内回本，投流成本占八成以上，万播收益从60元跌到了5到10元。算力在燃烧，供给在膨胀，商业回报并没有同步放大。一个靠“抽卡”堆Token、靠投流换曝光的模型，本身就已经在承压。把它的Token占比解读为“算力浪费”，只会让真正的问题——内容同质化、投流效率恶化、叙事能力缺位——被一场口径之争盖过去。

对做AI内容的人来说，这件事提醒的是一个很实际的问题

如果你在AI视频或AI短剧的链条上工作，这次争议给出的信号不在“算力该不该用来做短剧”这个层面。它提醒的是，对外沟通里“Token”和“算力”这两个词不能再混着用了。

向投资人或合作方介绍业务的时候，说“我们消耗了多少Token”和说“我们占用了多少算力资源”，听众的理解完全不同。Token是调用量的度量，适合描述应用规模和用户行为；算力是硬件资源的度量，涉及的是成本结构和供给约束。把两者混为一谈，短期可能制造出一个漂亮的百分比，长期会在被追问的时候失去解释的空间。头部平台已经在被迫做这种区分了，豆包的回应里特意把“训练和推理”并列写出来，就是在把话说得更窄、更准。

另一件值得做的事，是在内部把推理成本和训练成本分开记账。AI短剧的算力账单里，哪一部分是模型调用的推理支出，哪一部分是工具授权和模型迭代的固定投入，分开来看，才能判断一个项目真正的经济模型。当行业讨论开始从“Token占比”转向“单位内容的有效算力产出”时，手里有细账的团队会比只有总量的团队从容得多。

55%和10%的对撞，到最后没有一个赢家，也没有一个输家。它更像一次提醒：AI产业的公共讨论正在从“技术能不能做到”转向“资源用得值不值”。在这个阶段，数据的诚实比数据的宏大更重要。一个口径不清的百分比，制造不出一个行业的正当性，也摧毁不了一个行业的价值。真正能回答“算力去了哪里、值不值得”的，不是某一份调研纪要里的一个数字，是每一部内容上线之后，有没有人愿意看完、记住、为它付钱。

本文主要信息来源： 

1. 中国新闻周刊/大众新闻《国内超一半算力在造爽剧？豆包回应》（2026年10月19日）

2. 澎湃新闻《豆包回应“国内超一半算力在造爽剧”：字节只有约10%算力用于视频生成模型的训练和推理》（2026年10月19日）

3. 上海证券报/中国网财经《谁在制造词元消耗对立》（2026年10月23日）

4. 澎湃新闻《AI短剧Token消耗争议：Token不等于算力，算力市场分层不互抢》（2026年10月22日，引述DataEye研究院观点）

5. 澎湃新闻《一半AI算力，去拍爽剧了》（2026年10月17日）

6. 澎湃新闻/中国蓝新闻《热评丨国内超一半算力在造爽剧？警惕“算力换流量”的内卷怪圈》（2026年10月19日）

7. 36氪《一半算力用来做短剧？字节辟谣背后的AI算力真相》（2026年10月19日）

8. 每日经济新闻《算力用来造爽剧引争议，AI如何应用没有天然“贵贱”之分｜每经热评》（2026年10月21日）

9. 钛媒体《万播收益低至5元，AI短剧的生意为何越做越亏？》（2026年10月22日）

10. DataEye《2026上半年AI剧漫剧数据报告》（2026年7月发布）

免责声明：本文为行业观察与趋势分析，仅供交流参考，不构成任何投资、经营和法律建议。文中涉及的数据、案例均来源于公开报道，已尽力核实，如有出入以原始来源为准。本文不代表任何机构立场，亦不针对特定企业或个人作出评价。如涉侵权或事实错误，请联系我们及时更正或删除。