近日，“国内超一半算力在造爽剧”的说法在网上流传。有观点据此对比中美词元消耗，得出“中国喂爽剧，美国铸未来”的结论，甚至断言中国AI发展“跑偏”。
追根溯源，这一说法出自某上市公司在投资者交流中的表述，原意是国内AI词元消耗中，55%用于“短剧和视频生成”。10月19日，豆包公关负责人发文回应，称这一数据“有些不靠谱”，就字节而言，总算力中仅约10%用于视频生成模型的训练和推理。显然，仅凭片面数字下判断，本身就不够严谨。
人工智能是科技竞争的战略制高点，此次讨论折射出行业对算力资源配置的关切。也正因如此，讨论更需建立在准确的概念之上。词元消耗不等于算力消耗。词元是模型处理信息的计量单位，反映的是调用量，而不同模型处理同样数量的词元，所需计算量可能相差很大。视频生成也不等于短剧生产。训练与推理区分的是技术环节，科研与娱乐区分的是应用用途，两种划分不能混为一谈，“娱乐应用占用推理算力”推不出“科研缺少训练算力”。网传的中美两组数据，统计边界、模型类型和样本都不相同，简单比较就会失真。即便某类应用占比较高，也不足以据此判断整个产业的发展方向。
“一好一坏”的二元对立叙事，是这类观点快速传播的重要原因。复杂的算力结构、产业发展阶段差异，理解门槛较高；简化的中美对比更容易调动情绪、博取流量。传播过程中，关键限定条件不断丢失，一家企业的说法被当成了全国数据，讨论也容易偏离问题本身。部分自媒体再把局部现象放大为全局判断，衍生出“国内AI只做娱乐没有未来”“资本只赚快钱不搞硬科技”等论调，容易误导公众认知。
应当看到，消费场景本身具备产业价值，不能全盘否定AI短剧等消费级AIGC赛道。AI短剧在商业化探索的同时，为算力集群提供了真实场景的练兵机会，也有望助力国产推理芯片规模化落地。技术发展规律表明，很多前沿技术的成熟，都是从贴近大众的消费场景起步，在海量真实业务中打磨稳定性、优化调度能力，持续积累工程经验。
当然，此次讨论中提出的“重应用落地、轻底层攻坚”等问题，也值得产业界重视。虽然中国AI企业聚焦底层基础性难题持续攻坚是主流，不容抹黑，但一部分市场资本天然倾向短期变现项目，部分基础科研团队获取高端算力成本偏高、等待周期较长，算力资源结构性矛盾客观存在。
解决问题不能靠简单否定应用赛道，而是要统筹好市场活力与战略导向。一方面应完善科研算力普惠机制，设置专项算力配额，降低科研和实体经济用算门槛；另一方面要用好政策与产业基金引导资本流向底层技术攻关，完善AI企业评价体系，不只以短期流量论成败，同时引导消费AIGC提质升级、减少低水平内卷。此外，这场争论各说各话，也暴露出算力和Token按场景的使用结构缺少权威统计。建立区分训练与推理、区分应用场景的统一口径，统筹调度才能有据可依。
AI既能产出丰富大众文化生活的内容产品，也能扎根工业生产、基础科研攻克硬核难题。面对算力话题，既要保持自省、补齐底层创新短板，也要拒绝被失真数据和流量叙事牵着走，客观看待我国AI产业的多元实践。
半月谈评论员 向定杰
