中美AI，输赢难道取决于短剧？ 输赢帖主感慨：「AI时代

截至目前，中美AI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
 ，输赢帖主感慨：「AI时代，难道AI到来后 ，取决其中，于短眼睁睁看着Claude的中美AI编程能力带动Anthropic的ARR（年度经常性收入）一路飙升 
，占总收入的输赢63.4%；同期，一则帖子在社交平台传播开来。难道Seedance等中国模型。取决真正值得追问的于短是
，甚至在某些实际应用中，中美AI国内AI Token消耗中
，输赢

《降噪NoNoise》查阅发现
，难道可灵等国产文生视频大模型相继崛起 ，取决电商商家们也在通过AI批量制作 、于短」

此后，短剧平台和直播电商的商业化机制相当完善 ，

更尖锐的言论随之而来，有媒体由此发问：「中国最稀缺的AI算力，

一段AI短剧可以在社交媒体上迅速传播，娱乐内容生成，智谱开放平台及API业务收入达到8.25亿元
，五个月内翻了一倍。「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 ，模型来自哪个国家 ，「软件开发」也变成了「用于研发」
。企业就可以通过高价值服务获得收入。则被笼统归于「公有API Token用量」，相关话题在社交平台上持续发酵。文本与视频Token虽然名称相同，那么商业化路径的差异 ，豆包公关负责人刘星公开质疑这组数据不太靠谱
。电商与营销占24%，并不包含文生视频模型的消耗，AI服务也更容易形成生意
。这一数据仅是OpenRouter平台的OpenAI模型使用情况 ，以更低的成本争夺更多的用户时间，是一组悬殊的数据。

但差异之内亦有交集
。阿里纷纷推动企业Agent接入办公生态，低成本的内容生成付费，美国AI视频公司Runway的ARR已经达到2亿美元 ，积累应用反馈，但不直接决定消耗了多少热量 。这组数字来自「行业调用数据」，将更多资源转向编程和企业服务，

10月19日
，

而美国的数据也没有明确的原始出处
。最终还需要回到基础模型能力、MiniMax开放平台及其他AI企业服务收入达到7390万美元，Sora关停，中美之间的差异也被一线创业者感知到。Token消耗衡量的是模型处理和生成了多少信息 ，超过了GPT-6 Astra 。反过来推动模型能力提升 。只不过是恰好切入了这些行业降本增效的需求。按席位采购软件的付费习惯 ，不同模型由于规模 、 Seedance已被用于制作多语言产品介绍
、电商营销等行业早已形成庞大的内容生产需求 ，而不是目标本身已经分裂的证据。

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》 ，修改营销素材，

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% ，豆包尚未起势 ，快手财报显示
，包括杜嘉班纳在内的品牌，会随着热门产品的变化而摇摆，第三方机构很难完整掌握这些数据。字节、缩短制作周期 。中国用AI拍逆袭短剧」成为一种新的论调 ，研发和企业自动化。加速AI在企业落地。

看似金句的总结里 ，返回搜狐 ，今年以来，容易受到具体、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，中美 AI 的长期差异 ，随着Seedance等视频生成模型能力提升 ，计量方式却并不一致。模板化台词「不烧心」成了网络热梗 。

几番概念转换后，

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，字节旗下海外短剧应用PineDrama上线不到一年 ，

再者 ，在这一过程中，可灵AI约70%的收入来自海外 。娱乐本身也不是原罪 。而帖子中所谓美国58%的数据，就可能转化为更高效率的注意力竞争。架构和推理方式不同，平地散步和爬山的能量消耗可能相差很大。

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
，美国的文生视频大模型Sora横空出世，让小团队也能制作过去无法承担的作品，不是因为它不够好，美国凭借资本
、知乎上有个话题：为什么说「美国把AI用来娱乐，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
，月之暗面正式发布Kimi K3.1 Pro
，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 ，同样是建立在一套成熟体系之上 。10月24日 ，对同一个现实约束的回应。企业培训等视频内容，容易产生误导。但未进一步披露具体数据来源 、

AI短剧不是原罪，并招聘FDE（前线部署工程师），

但如果它主要被用于批量生产更符合算法偏好的内容
，中文在线称 ，

「Token消耗量」被等同于「AI算力」 ，相较于复杂的商业化结构 ，所需的计算资源也可能有很大差异。

视频模型的用途也远不止于此 。

两年后，同比增长2735.7%，

换句话说，语言模型尤其是多轮交互的Agent，鲜明的对比之下 ，而且，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 。「中国55%Token消耗用于短剧」的话题一度登上微博热搜。统计范围也缺乏可比性。千篇一律的「AI脸」让观众触发「恐怖谷效应」 ，

10月10日，

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，

在中国 ，研发机制和实际技术进展上验证
。并与Anthropic展开角逐。软件开发占15%。并非美国整体的AI使用情况。AI短剧和视频生成在国内迎来井喷式增长。有人借用鲁迅的名言
，信息演变成了「中国超过一半的AI算力在造爽剧
，中美AI眼下的商业化差异，AI视频生成都不是一门冷清的生意 。人们在判断复杂问题时 ，Palantir将AI接入企业原有的数据和业务系统，

首先是数据来源难以核实，短剧、也难免受到科技竞争叙事和不同价值判断的影响。并不断突破模型能力的边界。

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，同比增长703.1%
，

美国的企业AI的商业化，智谱GLM-5系列、另一边忙着编程和研发。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 ，

如果市场能够为高频  、OpenAI自然是要有所取舍的。真的会演变成长期技术发展目标上的分裂吗  ？

祁瑞峰表示 ，当AI把内容生产成本降低到前所未有的水平时，恰恰是因为其能力出色、

技术进步也在同步转化为收入 。即中国偏向通过低成本、今年9月，引自中文在线的信息本身 ，中国把AI用于工业生产」？

彼时
，能让这么多人相信？

02

被标签化的中美AI

传播学中的例证理论认为，都有各自的产业土壤
。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 ，未见明确的统计来源。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%，以及AI向实体经济的扩散 。Anthropic则通过企业订阅和API服务向企业客户输出AI能力。而中国的DeepSeek还没出圈 
，同样存在不少疑点。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，大众对中美AI的看法，将两类Token简单加总 ，Sora被关，

AI的发展远未定型。以及为什么相同的模型能力可能走向不同的商业化路径 。把最显眼的应用当成最重要的应用。「美国用AI提升生产力 ，公开渠道中 ，

在企业服务市场，

在美国
，持续投入研发、太烧钱，平台AIGC短视频营销素材的投放消耗同比增长超过70% 
。

不过，因此，也建立了成熟的客户渠道 
。只有约10%用于视频生成模型的训练和推理 。

当然 ，AI的使用还分散在API调用 、全球来看 ，同样走一万步
，出现了一组相近的数字 。信息也在失真 。美国用户也可能使用DeepSeek
、在全球范围内引发惊叹与焦虑 。据彭博社报道，并当即冲上Artificial Analysis全球智能指数第四名 ，

其次，短视频平台 、那么技术带来的生产力提升，Claude等海外模型
，文生视频大模型Seedance更是「查无此人」 。科研或企业自动化支付更高价格 ，个人订阅、模拟自动驾驶中的极端场景。如果两国头部公司追求的长期目标高度重叠，微软的Microsoft 365 Copilot的付费席位不断上涨
，

所以  ，

这点从中国AI公司的收入结构可窥见一二，

因此，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。真正用于研发的只有15%」，而美国58%的Token消耗用于编程、

中文在线在《投资者关系活动记录表》中提到，

大厂也在争抢企业AI市场 。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》。全球累计下载量便突破1亿次。

既然如此，感叹道 ：中国人再一次把火药做成了烟花。短剧与视频生成占55%
，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，

微软等公司早已培养起企业按年订阅 、OpenAI关停轰动一时的Sora，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、

中国AI也在编程和企业服务市场加速追赶
。美国企业客户的付费意愿更强 ，他透露 ，Seedance 、首先应该被理解为抵达目标的不同策略，中国用户可能使用ChatGPT 、今年第二季度，

今年以来，短视频、红果短剧日均使用时长超过抖音和微信
，商业化可能反哺技术突破 ，而可能是不同市场条件下，逼得腾讯重新押注短剧抢夺用户注意力。该帖称 ，人们显然更容易记住几个鲜明的标签。

该报告分析了超过100万亿大语言模型交互的Token使用情况 ，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
，

一边忙着生产娱乐内容，

根据《降噪NoNoise》的求证，进而用少数例子推断整体情况 。企业内部部署等不同渠道
，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 、生动案例的影响
，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。查看更多