同样是烧钱买算力，同样是让大模型昼夜不停地吐Token，为什么美国人把它拿去写代码，中国人却几乎全用来拍短剧？是我们"不务正业"，还是对面"不懂人间烟火"？
这事得从前阵子一份被圈内人反复转发的数据说起。中文在线那边放出的报告写得很干脆：美国人跑出来的Token，大多砸在代码生成和企业流程自动化上；中国这边则是五成五去生成微短剧和短视频，还有两成四用来做电商带货、营销图文，真正落到软件开发里的仅剩一成五左右。
数字一贴出来，不少程序员心里都咯噔了一下，开始在群里自嘲说"同样是硅片，有人在造火箭，有人在拍霸总"。
自嘲归自嘲，可要是真把这组数据当作中美AI境界的高下之分，那就有点想当然了。因为无论是写代码还是拍短剧，背后其实都是一个很朴素的问题——这些算力到底能换回来什么钱。
工程师群体容易把"写代码"自动等同于"硬科技"，把"短剧"自动归到"没出息"那一类。但资本和算力从来不讲文艺腔，它们只认一件事：这条路通不通向现金流。
先把时间拉回到2026年前八个月。那段时间，中国这边的生成式AI算力几乎没歇过。
更夸张的是，其中九成以上的剧，从剧本到分镜，从主角长相到最后的成片拼接，背后多多少少都踩着AI的影子。
这些片子要给谁看？用户摆在那儿呢。到2024年底，中国网民人数已经过了十一亿，其中保守估算有八亿人是刷短视频和微短剧的重度玩家。地铁里、电梯间、深夜的被窝里，一群人就对着那块小屏幕滑来滑去。
"霸道总裁重生记""战神回村复仇"这类故事，别管咱们这些自称文化人的瞧得起瞧不起，付费解锁一路充下去的用户是真金白银在供养它。
有行业机构算过账，2024年中国微短剧市场体量差不多摸到了五百亿人民币这条线，后面几年奔着一千亿去并不夸张。短短三四年，就能把一些传统影视类目甩在后头。所以当你看到那五成五的Token被喂进短剧产线时，不该惊讶，这是用户用拇指一下一下滑出来的结果，不是哪个老板拍脑袋决定的。
很多人看完数据第一反应是叹气：人家在摩天大楼里优化系统，我们在手机上刷土味逆袭。"数字鸦片""火药变烟花"这类说法又跟着冒出来。情绪我理解，可逻辑经不起推敲。
那些短剧不是凭空长出来的，是几百万次AB测试、几千万次点击结算、无数轮ROI复盘之后留下来的。只要一部剧的解锁付费能cover算力成本，并且绰绰有余，那些Token就不叫浪费，叫投产比。
从制作端看会更直观。拍一部传统的网剧，二三十人的剧组是最低配，导演、摄影、灯光、服化道、后期一个都不能少，一轮拍下来两三周起步，几十万预算砸进去只能听个响。
可是到了2026年，国产视频大模型已经从早期几秒钟的表情包，一路跃迁到了原生4K、多模态输入、单条几十分钟、角色脸还不太崩的程度。门槛被按下去了。
在这样的背景下，一个两三人的小团队，几台配置过得去的显卡机器，加上一套自己磨顺手的提示词模板，几天之内就能"拧"出一部上百集的小短剧。
原来几十万一部，现在成本能压到几千甚至几百，一帧画面摊下来只值几分钱。行业里甚至已经有人直接喊出"一毛钱生成一个短视频"的口号，这种价格战能打到这个程度，背后没有真技术是撑不住的。
所以，这片Token消耗最密集的土壤，恰恰是全球范围内AI和现金流贴得最近的样本之一。你刷到的那条顺溜转场、瞬间抓人的开头，很可能就是昨晚某个运营小哥让模型跑了十几遍选出来的最佳版本。
那么再把镜头调到大洋对岸。为什么同样的AI，到了美国就一头扎进代码和自动化？不用把问题想得多深奥，翻翻那边的工资单就明白了。硅谷一个资深软件工程师，年薪在三十万到五十万美元之间很常见，稍微往上走到六七十万也不稀奇。
对一家中型科技公司，多雇一个人，就是几十万美元的硬成本，而且是年年都要掏的那种。
反过来，如果一套AI代码助手，每月订阅几十到几百美元，就能让一个工程师省下大段写样板代码、翻文档、修小bug的时间，这笔账老板闭着眼睛也会算。
北美那些公司这些年又特别舍得在软件上花钱，IT预算里头，软件、SaaS和云服务加起来经常能占到六七成，硬件反倒成了配角。买订阅、买API、买企业版，对他们来说和交水电费一样，是写进财报的刚性支出。
有了这样的土壤，AI编程工具的身价就完全不同了。对程序员个人，它是减少重复劳动的助手，少加两小时班比什么都香；对公司高层，它是直接压人力成本、缩项目周期的工具。两头都觉得好用，愿意持续付费，市场自然就滚起来了。
现在主流的AI编程Agent也早就不是前几年那种只会补个括号、提示下一行的小玩具。它更像一个胃口超大的实习生，可以把整个工程项目吞进上下文里。
一个几百万行的仓库扔给它，工程师只需扔出一句"把支付模块从Stripe切成同时支持数字货币"，接下来翻文档、改依赖、跑单测、修小错，它基本能一气呵成。
这套流程最明显的副作用，就是Token烧得很凶。一轮稍微复杂点的改造跑下来，几万甚至十几万Token眨眼就没了，碰上大工程还得来回迭代好几遍。
但从公司财务角度看，只要这几十美元的算力能帮一个年薪四十万美元的工程师省出半天时间，这钱花得不冤。HR不会抱怨，CFO也乐得签字。
于是你能看到，在美国这边，围绕"让AI多写代码"这条主线，公司之间打得非常凶。几乎每周都在抢头条，背后无非一件事：谁能让企业把花在工程师工时上的钱，匀出来一部分落进AI账户。开发者反馈数据又反过来喂模型，形成了一个相对健康的商业闭环。
这就能理解为什么中国的Token没走这条路了。不是中国没有程序员，也不是没有需求，而是这边的企业——尤其是传统行业的企业——在软件上花钱的习惯和美国不一样。
公开数据里能看到，许多中国企业的IT开支中，软件和服务加起来大约只占到百分之十八上下，而且这里面还要塞进定制开发、驻场实施、员工培训的费用，真正留给标准化软件产品的空间非常窄。
C端的玩法则完全是另一个画风。中国互联网公司在流量变现效率上，说一句全球天花板不过分。短视频、直播、电商这几条链路已经被各家平台磨到了分钟级甚至秒级的监测颗粒度，一条内容的曝光、停留、点击、下单，背后全是数据工程师在算账。
只要某种内容形态能稳定带来订单和广告收入，平台和内容方就有十足的动机往那条路堆算力。
短剧之所以能吸走半壁江山的Token，不是因为它"低级"，而是因为它是目前为止被验证得最彻底的变现通道之一。你可以不喜欢它，但没法否认它跑通了闭环。
那剩下的两成四Token花在电商上，也是一样的逻辑。商品展示视频、直播脚本、详情页插图、个性化投放素材，这些东西过去全靠运营小姑娘一张张P图、一句句改词。
现在AIGC工具一开，几分钟批量产出几十套版本，上线之后看哪条数据好留哪条，不好的直接下线。平台、商家、服务商每一环都在这条链路上吃到饭，没人觉得Token烧得冤枉。
而且，别忽视了底层技术的压力。几亿人同时在那块小屏幕上滑动，背后对推理效率的要求一点不比科研和工业轻。
国产视频大模型为了把每天海量的生成请求塞进有限的显存里，不得不把推理优化、算子融合、量化压缩这些脏活累活一遍遍地啃。延迟哪怕多出一两秒，用户的拇指就滑走了，别的平台正虎视眈眈。
光拿"美国写代码我们拍短剧"去做高下之分，是看低了两边人的务实。美国人往代码方向堆Token，是因为那边雇一个工程师比付一百万Token贵得多；中国人往短剧方向堆Token，是因为这边流量变现的效率比招企业客户磨合三年要高得多。各自选的，都是在自己土壤里最快能回本的路。
当然，这不是说中国不该发展AI编程，也不是说美国就不碰内容生成。恰恰相反，国内这几年DeepSeek、Qwen、Kimi、GLM这些模型在代码榜单上追得很紧，SWE-bench上的分数已经不比第一梯队的美国模型差。只不过企业端为编程Agent付费的意愿还需要时间培养，这个过程急不来，急也没用。
真正值得警惕的，不是"我们在拍短剧"这件事本身，而是整个产业链能不能跟着算力的消耗一起长出技术护城河。如果烧出来的只是千篇一律的爽剧，那确实可惜；但如果借着这波巨量需求，国产视频模型能在时长、一致性、推理成本上做出全球范围内都有竞争力的东西，那这些Token就没有白烧。
说到底，Token的流向就像河水的流向，不是道德问题，是地势问题。美国那边企业付费习惯厚、工程师工资高，水自然往代码这片洼地流；中国这边C端用户量大、流量生意熟，水也就自然涌向短剧和电商这片盆地。真正要操心的，是河床里有没有沉淀下来东西，而不是河水往哪个方向走。
下次再看到那组五成八对五成五的对比，不妨少一点自嘲，也少一点优越感。中美两边的AI算力选择看起来风格迥异，骨子里都是在为"怎么活得更好"做最务实的决定。路径不同不代表输赢已定，接下来几年真正见分晓的，是谁能把这些烧掉的Token，熬成下一代真正用得上的能力。