中国AI算力投向短剧并非浪费

点 击 报 名 · 抓 住 风 口 · 看 懂 趋 势

你好，我是王煜全，这里是王煜全要闻评论。

最近，网上有个话题挺热，叫「中国 AI 做短剧，美国 AI 做科技」。

大概意思是，中国超过一半的 AI 算力都拿去生成短剧和视频了，而美国把大部分资源用在编程、科研和企业自动化上。听起来，好像美国正在推动技术革命，我们却忙着拍狗血短剧、赚流量。

这个「半数算力拍短剧」，主要是引用了中文在线 6 月披露的投资者交流记录，说到国内 AI 短剧与视频生成占 Token 消耗的 55%。

美国 AI 资源的用途比例，则缺少证据，主要是 OpenAI 和 Anthropic 的研究进展比较多。

不过，字节跳动已经回应，其总算力中只有约 10% 用于视频生成模型的训练和推理，不存在一半算力都在做短剧的情况。

首先，短剧今天是有些粗糙，但就没有未来吗？

最近，美国思想类媒体《Big Think》发表长文，把中国大量低质 AI 视频称为「工业化垃圾内容综合体」。

文章指出，一些团队追逐爆款套路、拼命增加产量，内容重复，创作者也承受很大压力。

这些现象确实存在。可要注意的是，同时，这篇报道也讲了一个有意思的故事。

云南一位原本拍婚礼的年轻人，用 AI 制作了一部约 3 分钟的短片，花了 10 天，视频生成调用成本约 3000 元。以前没有专业团队和大笔资金，他压根不可能把自己的故事拍出来。

当然，这也带来了新问题。

门槛下降，也会吸引大量水平参差不齐的参与者，短期内出现许多粗糙作品并不奇怪。但是，记录自己的生活，或是表达自己的创意，表现粗糙一点儿真的有那么重要吗？

确实，此前我们也在文章中指出，今年上半年抖音端新上线的 AI 剧约 22 万部，播放量破亿的只有 1000 多部，占比不到 0.5%。

但真正关键的问题是，这些越来越便宜的短剧，除了靠观众付费观看，还能带来什么其他价值？

我们反而觉得，新机会可能藏在短剧之外。

TikTok 最初靠短视频吸引用户，后来却发展出了电商。用户在这里看内容，也可能因为看到喜欢的东西而直接购买。

因此，一种内容形式的价值，未必只体现在观看收费上。

如果它能持续吸引用户、了解用户的兴趣，还可能变成广告、营销、商品销售和 IP 开发的入口。

比如，以前网络小说里不少 IP 和故事有很大的读者群体。

过去要把它们拍成影视剧，周期长、成本高，很多作品根本没有机会开发。

但现在，有了 AI，只要几个人，就可以把一部网文制作成 AI 短剧，投入市场测试。

对于有潜力的故事，再考虑做成真人精品短剧，后面还可以发展动画、游戏和其他衍生内容。

这套做法，相当于把原来一次押上大笔资金的开发，拆成几次逐级投入，减小了投资错误的风险。

AI 短剧即使本身不赚钱，也能帮助企业判断哪些故事、哪些方向值得继续投资。

这个思维，其实很像我们曾反复提及的 SHEIN「小单快反」模式。

SHEIN 一种新款先做 一两百件，放到平台试卖，卖得好就补单，卖不好就停下来。

它的这个模式能成立，靠的是把市场反馈迅速传回生产端。

AI 短剧和短视频，也能快速先用小成本验证需求，再把更多资源投给市场真正喜欢的东西。

内容本身也许只是起点，还可能让更多过去不值得尝试的消费需求，逐渐变成真正的生意。

这也是为什么，我们不觉得中国必须照着美国今天最受关注的 AI 模式往前走。

说「中国做短剧，美国做科技」，就会发现这种二分法本身有问题。

美国企业在编程、办公和专业服务领域的成绩值得肯定，但美国同样有 Muse 这样面向消费者的 AI，短剧在美国也很火，早晚也会朝 AI 短剧的方向发展下去。

同时，中国也在做企业服务，智谱也能辅助 Hugginface 挖掘和修复漏洞，中国也在用 AI 搞新药研发和靶点的发掘。

本就不存在中美分别用 AI 干不同事情的分工。

GLM模型曾在Huggingface应对OpenAI的攻击中起到关键作用

不同点其实在于，中国有庞大的消费市场、成熟的内容平台和电商体系，也有完整的制造业与供应链，提供了许多真实需求和可以试验的场景，能让 AI 找到率先落地的机会。

例如在 Muse 之前，也就是早在 去年年底，中国就有豆包手机的尝试了，千问又与阿里生态打通。AI 不只是推荐商品，还可以参与比较、下单和售后流程。

因此，判断一项 AI 应用，不应只看眼下的形式是否高端、是否得到精英的认可，甚至不应该看它当下赚了多少钱；还要看它降低了什么成本，满足了哪些原来难以满足的需求，以及能不能通过不断低成本试错，把需求开发成持续增长的新市场。

我们认为，这个时代不能只做总结，更要做预测。

过去的成功值得学习，但技术革命真正的机会，往往要在尚未成熟的探索中发现，再用实际结果验证。

中国不必因为 AI 短剧的火爆而羞愧，也不必只想着复制美国已经成功的产品。更重要的是深入自己的市场和产业，看清 AI 究竟能创造什么新的价值。