“美國AI都在搞科研,中國AI只會喂爽劇”?別讓片面比較帶偏AI討論
近日,“國內超一半算力在造爽劇”的說法在網上流傳。有觀點據此對比中美詞元消耗,得出“中國喂爽劇,美國鑄未來”的結論,甚至斷言中國AI發展“跑偏”。
追根溯源,這一說法出自某上市公司在投資者交流中的表述,原意是國內AI詞元消耗中,55%用于“短劇和視頻生成”。10月19日,豆包公關負責人發文回應,稱這一數據“有些不靠譜”,就字節而言,總算力中僅約10%用于視頻生成模型的訓練和推理。顯然,僅憑片面數字下判斷,本身就不夠嚴謹。
人工智能是科技競爭的戰略制高點,此次討論折射出行業對算力資源配置的關切。也正因如此,討論更需建立在準確的概念之上。詞元消耗不等于算力消耗。詞元是模型處理信息的計量單位,反映的是調用量,而不同模型處理同樣數量的詞元,所需計算量可能相差很大。視頻生成也不等于短劇生產。訓練與推理區分的是技術環節,科研與娛樂區分的是應用用途,兩種劃分不能混為一談,“娛樂應用占用推理算力”推不出“科研缺少訓練算力”。網傳的中美兩組數據,統計邊界、模型類型和樣本都不相同,簡單比較就會失真。即便某類應用占比較高,也不足以據此判斷整個產業的發展方向。
“一好一壞”的二元對立敘事,是這類觀點快速傳播的重要原因。復雜的算力結構、產業發展階段差異,理解門檻較高;簡化的中美對比更容易調動情緒、博取流量。傳播過程中,關鍵限定條件不斷丟失,一家企業的說法被當成了全國數據,討論也容易偏離問題本身。部分自媒體再把局部現象放大為全局判斷,衍生出“國內AI只做娛樂沒有未來”“資本只賺快錢不搞硬科技”等論調,容易誤導公眾認知。
應當看到,消費場景本身具備產業價值,不能全盤否定AI短劇等消費級AIGC賽道。AI短劇在商業化探索的同時,為算力集群提供了真實場景的練兵機會,也有望助力國產推理芯片規模化落地。技術發展規律表明,很多前沿技術的成熟,都是從貼近大眾的消費場景起步,在海量真實業務中打磨穩定性、優化調度能力,持續積累工程經驗。
當然,此次討論中提出的“重應用落地、輕底層攻堅”等問題,也值得產業界重視。雖然中國AI企業聚焦底層基礎性難題持續攻堅是主流,不容抹黑,但一部分市場資本天然傾向短期變現項目,部分基礎科研團隊獲取高端算力成本偏高、等待周期較長,算力資源結構性矛盾客觀存在。
解決問題不能靠簡單否定應用賽道,而是要統籌好市場活力與戰略導向。一方面應完善科研算力普惠機制,設置專項算力配額,降低科研和實體經濟用算門檻;另一方面要用好政策與產業基金引導資本流向底層技術攻關,完善AI企業評價體系,不只以短期流量論成敗,同時引導消費AIGC提質升級、減少低水平內卷。此外,這場爭論各說各話,也暴露出算力和Token按場景的使用結構缺少權威統計。建立區分訓練與推理、區分應用場景的統一口徑,統籌調度才能有據可依。
AI既能產出豐富大眾文化生活的內容產品,也能扎根工業生產、基礎科研攻克硬核難題。面對算力話題,既要保持自省、補齊底層創新短板,也要拒絕被失真數據和流量敘事牽著走,客觀看待我國AI產業的多元實踐。
半月談評論員 向定杰
理論新聞精選:
- 2026年11月18日 18:09:46
- 2026年11月18日 09:41:12
- 2026年11月17日 18:56:42
- 2026年11月16日 11:25:09
- 2026年11月16日 10:45:29
- 2026年11月16日 10:00:38
- 2026年11月13日 21:10:37
- 2026年11月12日 21:00:31
- 2026年11月11日 20:37:44
- 2026年11月11日 15:49:04











































京公網安備 11010202009201號