（一）
中国55%词元（Token）流向AI短剧与视频生成；美国58%Token消耗在编程、研发、企业自动化——近段时间，这样一组数据不胫而走，引发不小忧虑，“中国再次把火药做成了烟花”等说法甚嚣尘上。
中国人工智能（AI）发展难道真跑偏了？
答案显然是否定的。
首要一点，上述数据来源模糊不清，怎么得出的不得而知。即便暂且搁置可信度问题，相关数据与言论里至少还有三大硬伤。
其一，概念混淆。Token并不等同于算力，Token是大模型处理任务时的最小计算单元，Token消耗量反映的是模型“吞吐”了多少内容；算力是硬件单位时间内能完成的浮点运算能力。二者关联密切，但却不是一回事，不同模型、不同任务，单位Token对应的真实硬件算力并不相同。
其二，口径偏狭。所谓“中国55%Token流向AI短剧与视频生成”，指向的是推理侧与应用层的Token消耗，并不包含科研层面的算力消耗。科研场景的算力主要消耗在模型预训练、微调，不仅消耗Token相对较少，与上述应用市场也是两条供给线，采购主体、成本体系等都不一样。Token调用量能照见应用层的“热闹程度”，但无法据此推断科研投入多寡。有科技企业就辟谣称，自家公司的总算力中，只有约10%用于视频生成模型的训练和推理。
其三，生拉硬扯。所谓中美Token消耗数据，统计过程中的总量、口径、样本等均存在差异，简单机械进行数字对比没有意义。强行凑在一起，以支撑“中国喂爽剧，美国铸未来”这一虚假命题，有明显的混淆概念、煽动情绪之嫌。
（二）
如今，人人皆知人工智能正引领新一轮科技革命和产业变革，更津津乐道于中美这两个头部玩家的竞合状态。一些情绪化的判断和说法虽漏洞百出，但因为简单直接、捧一踩一很容易引起关注。
事实上，“消费型”内容也好，“生产型”活动也罢，应用场景本没有高低贵贱之分。纠结AI资源短期消耗结构意义不大，动态调整，避免浪费，提升各类应用领域的成熟度，方是正途。
回顾科技史，颠覆性技术很少甫一出现就登上光鲜舞台。互联网早期，广告和娱乐撑起了资金流，为后来的电商、云计算等铺平了道路。英伟达最初也是靠着游戏显卡起家，之后一步步完成技术积累，构建起庞大的算力生态。
更何况，在市场应用端，AI的用武之地也并非只是娱乐——“AI质检员”把关汽车制造全链条，“AI厂长”接管养殖车间，“AI分子设计师”筛出新型药品，智慧矿山方案服务多个国家和地区……依托超大规模市场、完整产业体系，AI正走出论文和实验室，落到工厂、农田等生产生活场景。
在大规模应用中，相关技术将得到进一步试验、革新、跃进。这本身也是孕育颠覆性创新的一个过程。
（三）
谈及应用，很容易触及一些人的另一个刻板印象：中国“重应用落地、轻底层攻坚”。“美国算力搞科研、中国算力喂爽剧”之说，套的就是这种判断。
这种刻板印象预设了一个前提，即基础研究与市场应用是二元对立关系。但实际上并非如此，二者反倒是相辅相成的。应用强，绝不意味着研发就弱。
放眼中国的科技发展，应用领域百花齐放，基础研究、重大创新同样层出不穷。数据显示，2025年我国基础研究经费超2800亿元，仅次于美国。在量子科技、生命科学、物质科学、空间科学等领域，我国取得了一批重大原创性成果，高水平国际期刊论文数量和国际专利申请量连续多年世界第一。在基础研究这个“慢工出细活”的领域，越来越多“从0到1”的突破涌现，说明中国高水平科技自立自强的根基正在不断夯实。
再以AI领域为例，原始创新已形成多节点突破。架构层面，DeepSeek提出的混合专家模型架构与多头潜在注意力机制，能大幅降低模型训练和推理所需的成本；范式层面，中科院相关团队提出的“内生复杂性”，助力打破“靠规模换智能”的工程逻辑；基础设施层面，三维堆叠等新路线大幅提升国产算力芯片性能。
当然，也有人会说，原始创新能力迅速提升，为何普通人没有太多切身感受？这背后其实有个时差问题。首先，大众对于和工作生活相关的应用，比如AI短剧等娱乐化的内容，接触的本就相对更多。其次，许多重大创新凸显价值、走向应用是需要一定时间的，现阶段有些进步大家感受不深，是因为技术并不会很快扩散到每个人的生活中。
（四）
一手强化技术底座，一手激活应用市场，科技发展本该如此。
有人说，中国AI正处于一个黄金时代。日益完善的政策支持、海量应用场景数据、大量的创新人才、开放合作的产业生态，以及稳健的电力保障，这些都是中国AI乘风破浪的支撑。
当然，前路挑战仍有不少，很多短板要加速补齐。比如，在高端芯片的制造上，我们仍被卡着脖子。此外，对于AI侵权、AI污染等问题，还有待确立规则，减少资源浪费。
AI竞争是场马拉松，看待行业发展当秉持长期主义。不能急功近利、盲目自大，也无需崇洋媚外、妄自菲薄。戒骄戒躁、保持清醒，守住优长、补齐短板，就不会有“跑偏”之虞。
