有媒体找到了数据来源 ，输赢反过来推动模型能力提升 。难道规模化应用获取收入；而美国偏向通过高价值场景获取收入 。取决一些企业还在探索利用视频生成技术合成机器人训练数据 、于短中国用AI拍逆袭短剧」成为一种新的中美AI论调 ，但不直接决定消耗了多少热量。输赢有媒体由此发问 ：「中国最稀缺的难道AI算力 ，更是取决这条产业链发展的必然 ，模板化台词「不烧心」成了网络热梗 。于短中国55%的中美AIToken消耗用于短剧 、
这点从中国AI公司的输赢收入结构可窥见一二 ，模型来自哪个国家 ，难道
短剧也并非中国市场的取决独有偏好 ，也尚未找到能够独立验证这一结论的于短全国性行业统计数据 。再催生新的工具和应用；中国则可能因为短剧 、合计恰好为58% 。
而这些热度也有相应的数据佐证——OpenAI和Anthropic的企业业务收入分别占40%和80% ，其中 ，
在企业服务市场 ，中国用户可能使用ChatGPT 、中国把AI用于工业生产」 ？
彼时 ，Seedance等中国模型 。」
此后，今年9月 ，这些路径并不必然代表不同的技术理想 ，我们尚未发现一份按统一标准比较中美AI应用场景的Token消耗统计 。
其次，将更多资源转向编程和企业服务 ，Palantir将AI接入企业原有的数据和业务系统 ，
两年后 ，Sora关停 ，相比中国 ，报告只统计大语言模型 ，今年第二季度 ，中美之间的差异也被一线创业者感知到。「短剧与视频生成」被简化为「爽剧」 ，以更低的成本争夺更多的用户时间，
换句话说，可灵AI约70%的收入来自海外 。AI服务也更容易形成生意 。逼得腾讯重新押注短剧抢夺用户注意力 。
一位常年在中美两地从事企业AI业务的创业者告诉《降噪NoNoise》，也不代表Token就消耗在哪个国家 。阿里纷纷推动企业Agent接入办公生态，只有约10%用于视频生成模型的训练和推理 。相关话题在社交平台上持续发酵 。研发和企业自动化 。也难免受到科技竞争叙事和不同价值判断的影响 。
在一次次转述中 ，中美AI市场恰好都出现了足够醒目的案例。美国凭借资本、一则帖子在社交平台传播开来 。快手财报显示 ，
零一万物联合创始人 、降低成本 、积累应用反馈 ，恰恰是因为其能力出色 、进而用少数例子推断整体情况。这一数据仅是OpenRouter平台的OpenAI模型使用情况 ，AI漫剧大量涌现 ，美国AI视频公司Runway的ARR已经达到2亿美元 ，计量方式却并不一致 。电商与营销占24% ，
除此之外 ，而且 ，
首先是数据来源难以核实，MiniMax开放平台及其他AI企业服务收入达到7390万美元 ，
截至目前 ，字节旗下海外短剧应用PineDrama上线不到一年 ，据彭博社报道 ，AI短剧和视频生成在国内迎来井喷式增长。中美AI眼下的商业化差异 ，
当然 ，文生视频大模型Seedance更是「查无此人」 。
而美国的数据也没有明确的原始出处 。而美国58%的Token消耗用于编程 、AI连续创业者祁瑞峰在接受《降噪NoNoise》采访时引入了「Cost Play&Value Play」的概念 ，他透露 ，包括杜嘉班纳在内的品牌 ，以及AI向实体经济的扩散 。但并非中国 AI 能力的全部体现 。可以确定的是 ，缩短制作周期 。甚至在某些实际应用中 ，
该报告分析了超过100万亿大语言模型交互的Token使用情况 ，OpenAI关停轰动一时的Sora ，引自中文在线的信息本身 ，
两年前 ，而不是目标本身已经分裂的证据 。短剧与视频生成占55% ，全球累计下载量便突破1亿次 。以及为什么相同的模型能力可能走向不同的商业化路径 。相较于复杂的商业化结构 ，
美国的企业AI的商业化 ，这种效率提升最终会流向哪里 ？
如果它让更多独立创作者拥有表达能力，低成本的内容生成付费 ，也建立了成熟的客户渠道 。微软将Copilot嵌入Office办公体系 ，个人订阅 、即使处理相同数量的Token ，人们显然更容易记住几个鲜明的标签 。最终还需要回到基础模型能力 、模拟自动驾驶中的极端场景 。统计范围也缺乏可比性 。企业内部部署等不同渠道 ，真的会演变成长期技术发展目标上的分裂吗 ？
祁瑞峰表示 ，「从模型到应用」与「从应用到模型」这样两种技术创新机制已经显现——美国的技术突破可能先提高模型能力 ，并当即冲上Artificial Analysis全球智能指数第四名 ，
既然如此，美国用户也可能使用DeepSeek 、统计范围和方法。这也解释了为什么两国会出现不同的AI 应用形态 ，「中国55%Token消耗用于短剧」的话题一度登上微博热搜 。
这就像微信运动中的步数和运动消耗 ：步数反映走了多少路 ，同样存在不少疑点 。那么AI确实扩大了创作的边界。
今年以来 ，加速AI在企业落地 。而是谁能通过可持续的商业模式 ，平台AIGC短视频营销素材的投放消耗同比增长超过70% 。
围绕中美AI用途的争论也出现了戏剧性的反转——
在社交媒体上 ，
中文在线在《投资者关系活动记录表》中提到，月之暗面正式发布Kimi K3.1 Pro ，
10月19日 ，豆包尚未起势 ，是一组悬殊的数据 。公开渠道中 ，
看似金句的总结里 ，视频生成模型的出现 ，知乎上有个话题：为什么说「美国把AI用来娱乐，短剧平台和直播电商的商业化机制相当完善 ，研发机制和实际技术进展上验证 。信息演变成了「中国超过一半的AI算力在造爽剧 ，
再者 ，
AI短剧不是原罪 ，而中国的DeepSeek还没出圈，美国的文生视频大模型Sora横空出世 ，累计处理的Token 数量可能比一次视频生成任务更多 。同样走一万步 ， Seedance已被用于制作多语言产品介绍 、中国的数据出自A股上市公司中文在线今年6月披露的一份《投资者关系活动记录表》 。娱乐本身也不是原罪 。那么技术带来的生产力提升 ，
只是 ，信息也在失真。即中国偏向通过低成本 、同样是建立在一套成熟体系之上 。企业就可以通过规模化应用寻找商业回报；如果市场愿意为编程 、不是因为它不够好 ，眼睁睁看着Claude的编程能力带动Anthropic的ARR（年度经常性收入）一路飙升，今年上半年 ，智谱GLM-5系列 、并非美国整体的AI使用情况。能让这么多人相信 ？
02
被标签化的中美AI
传播学中的例证理论认为，修改营销素材 ，其生成的视频几乎以假乱真 ，去年12月 ，
在中国 ，按席位采购软件的付费习惯，Claude等海外模型 ，AI视频生成都不是一门冷清的生意 。
AI的发展远未定型 。
所以 ，是中美AI的全部真相吗？
01
算力到底去哪了
引发这场争论的 ，Seedance、
不过 ，可灵等国产文生视频大模型相继崛起，国内AI Token消耗中 ，全球来看 ，中美 AI 的长期差异 ，占总收入的63.4%；同期 ，持续投入前沿模型研发；中国则更加重视低成本模型的普及 ，那么商业化路径的差异，
技术进步也在同步转化为收入 。而可能是不同市场条件下 ，超过了GPT-6 Astra 。但未进一步披露具体数据来源 、因此 ，太烧钱 ，
中国AI也在编程和企业服务市场加速追赶。一个AI智能体将某项商业工作大幅降本增效未必会成为热门话题 ，也因此诞生了成熟的内容工业和流量分发体系 ，科研或企业自动化支付更高价格 ，
更尖锐的言论随之而来 ，中文在线称 ，在全球范围内引发惊叹与焦虑。并不包含文生视频模型的消耗，电商商家们也在通过AI批量制作 、字节 、
真正值得比较的 ，而算力消耗衡量的是完成这些工作实际需要多少计算资源 。同比增长703.1%，这种正向循环并非必然发生 。将两类Token简单加总 ，
在中国 ，红果短剧日均使用时长超过抖音和微信 ，
视频模型的用途也远不止于此 。感叹道 ：中国人再一次把火药做成了烟花 。正将其技术用于广告和营销制作 。AI模型API聚合平台OpenRouter与美国风投机构a16z联合发布的《State of AI》报告中 ，查看更多
一段AI短剧可以在社交媒体上迅速传播 ，所需的计算资源也可能有很大差异 。返回搜狐 ，「软件开发」也变成了「用于研发」。文本与视频Token虽然名称相同 ，随着Seedance等视频生成模型能力提升 ，
如果市场能够为高频 、都有各自的产业土壤 。帖主感慨 ：「AI时代 ，OpenAI自然是要有所取舍的。首先应该被理解为抵达目标的不同策略 ，当AI把内容生产成本降低到前所未有的水平时 ，AI的使用还分散在API调用 、中国人再一次把火药做成了烟花 。商业化可能反哺技术突破 ，语言模型尤其是多轮交互的Agent ，生动案例的影响，人才和算力优势 ，美国软件公司Palantir仰仗AI机遇成为AI商业化第一股……
中美AI眼下跑出来的生意 ，
一边忙着生产娱乐内容，电商营销等行业早已形成庞大的内容生产需求 ，微软的Microsoft 365 Copilot的付费席位不断上涨 ，第三方机构很难完整掌握这些数据 。并招聘FDE（前线部署工程师） ，也可能让企业长期停留在容易变现的局部优化中。短剧 、千篇一律的「AI脸」让观众触发「恐怖谷效应」 ，Sora被关 ，目前MiniMax超60%的收入来自海外，AI短剧的盛行某种程度上是中国既有互联网产业能力的一种延伸 ，智谱开放平台及API业务收入达到8.25亿元，2025年末OpenAI模型在OpenRouter平台上的编程和技术相关Token消耗各占29% ，
但如果它主要被用于批量生产更符合算法偏好的内容 ，企业培训等视频内容，10月24日 ，娱乐内容生成 ，让小团队也能制作过去无法承担的作品 ，并不断突破模型能力的边界。另一边忙着编程和研发。真正用于研发的只有15%」 ，企业就可以通过高价值服务获得收入 。则被笼统归于「公有API Token用量」 ，对同一个现实约束的回应 。人们在判断复杂问题时 ，今年以来 ，Anthropic则通过企业订阅和API服务向企业客户输出AI能力 。
几番概念转换后 ，真正值得追问的是，
在美国 ，
但差异之内亦有交集 。持续投入研发 、短视频 、短视频、再据此判断不同AI应用的使用情况 ，Kimi K3等国产模型的编程和复杂任务处理能力接连取得突破 ，只不过是恰好切入了这些行业降本增效的需求 。会随着热门产品的变化而摇摆，视频生成等已有的变现场景 ，在这一过程中，美国企业客户的付费意愿更强 ，该帖称，并与Anthropic展开角逐。究竟在造爽剧还是造未来 ？」
简单来说 ，AI到来后 ，「美国用AI提升生产力，就可能转化为更高效率的注意力竞争。这组数字来自「行业调用数据」 ，腾讯、
《降噪NoNoise》查阅发现 ，
我们近期接触过的短剧从业者多数由真人短剧转向AI短剧 ，鲜明的对比之下 ，为何一个未经证实的中美AI用途对比 ，所以认知偏差更易形成——大众舆论场容易把传播声量当成产业实力 ，短视频平台、未见明确的统计来源 。
「Token消耗量」被等同于「AI算力」 ，如果两国头部公司追求的长期目标高度重叠 ，成为公司主要的收入来源 。这与中文在线所称的视频生成数据并不在同一统计范围内 。大众对中美AI的看法 ，有人借用鲁迅的名言 ，
微软等公司早已培养起企业按年订阅、
大厂也在争抢企业AI市场 。同比增长2735.7% ，
10月10日，不同模型由于规模 、把最显眼的应用当成最重要的应用 。架构和推理方式不同 ，容易产生误导 。软件开发占15% 。
当然两国AI商业化的侧重点也是一个动态变化的过程 。
根据《降噪NoNoise》的求证，
03
路径差异还是目标分裂？
波士顿咨询公司（BCG）今年6月发布的一份研究指出 ，
因此 ，豆包公关负责人刘星公开质疑这组数据不太靠谱。不是谁今天用 AI 赚到了哪一类钱 ，而帖子中所谓美国58%的数据 ，五个月内翻了一倍 。容易受到具体 、Token消耗衡量的是模型处理和生成了多少信息 ，平地散步和爬山的能量消耗可能相差很大 。