AI 是放大器，谁在挑歌？

一段「钱和注意力决定 AI 繁荣什么」的短视频，逐条核对、批判，再变成一人企业能用的决策练习。

结论：视角有用，证据链不成立

  • 「看钱和注意力流向哪里」是有解释力的观察视角，Sora 停服和海外短剧收入都支持它。
  • 视频把三组不同总体的数据拼成「中国做短剧、美国做编程」：中国一方是单一利益方披露的「全国 Token」，美国一方是全球平台 OpenRouter 和 OpenAI 企业客户。这三组数字不能直接比较。
  • Token 是计量单位，不是价值单位。视频生成和智能体长任务都会推高 Token，所以 55% 和 64% 都要打折看。

核对日期 2026-10-19 · 数据来自公开报道与披露，标注了出处级别 · 交互工具里的数字是假设演示，不是行业事实

视频说了什么

7 个论点按视频顺序排列。标签表示本页核对后的判定。

  1. AI 是放大器，像功放不挑歌；挑歌的是钱和注意力。 比喻有局限
    AI 不只放大，也改变成本结构。挑歌的还有平台分发、政策和补贴。
  2. 国内 Token 消耗：短剧与视频生成 55%，电商营销 24%，软件开发 15%。 原文属实，方法未公开
    出自中文在线投资者关系活动记录表。原文没有写数据来源、统计期和方法。中文在线持有 ReelShort 运营方 49% 股份，是利益相关方。
  3. 红果短剧 7 月日活 1.68 亿，人均每天 125 分钟；海外收入前十的短剧平台都有中国背景。 部分支持
    1.68 亿出自 QuestMobile 7 月监测。125 分钟的月份口径不一致。海外中国厂商约占内购收入 93%（第三方口径），「前十全部」本页没有逐一核实。
  4. 今年一季度国内每天新增 AI 短剧约 1500 部。 单一来源
    同一份中文在线记录表写了「单日新增约 1,500 部，月度上新超 4 万部」。这个数字说明供给扩张，不说明需求同步增长。
  5. 信通院：AI 算力需求 +417%，有效供给 +128%；先拿到算力的是付得起钱、马上能变现的。 二手引用
    多家媒体把这组数字归给信通院，本页没有找到原始报告。「先给马上变现的」是视频作者的推论。抖音端 AI 短剧样本的播放达标率（1.3%）不能验证「马上变现」，也不能确定实际盈利比例。
  6. OpenRouter 上编程占比从 11% 涨到约 50%；OpenAI 企业客户输出 Token 中 64% 来自 Codex。 数字接近，口径被改
    OpenRouter 超过一半使用量来自美国以外，不是「美国数据」。64% 的分母只是企业客户的 Codex+ChatGPT 输出 Token。
  7. 美国的钱在软件和云，工程师贵，所以 AI 写代码的账好算；想让什么繁荣，先看钱和注意力。 方向成立
    作为观察方法成立。但美国的注意力和钱也流向短剧：ReelShort 主要收入来自美国用户。

证据矩阵：每条证据能撑多少

把支持和反对的证据放在同一张表里，分别判断它们对主论点「钱和注意力决定 AI 繁荣什么」的支持强度。

证据来源与口径核实状态对主论点它不能证明什么
Token 55/24/15中文在线 IR 记录表 2026-004（2026-06-03）；「国内所有 Token」，无方法原文属实弱支持不能证明短剧创造了 55% 的价值；不能和美国平台数据对比
红果 1.68 亿日活QuestMobile 2026 年 7 月，媒体转述已核实支持（注意力）日活含签到领金币等激励打开；不等于付费
人均 125 分钟多家媒体转述，月份口径不一口径不清弱支持不能确定是 7 月数据
海外短剧内购约 12.7 亿美元DataEye，2026 上半年；中国厂商约 93%（第三方，内购口径）已核实支持（钱）不含广告收入；「前十全部」未逐一核实
每天新增约 1500 部中文在线记录表，一季度单一来源支持供给扩张不能证明需求或收益同步增长
算力需求 +417%，供给 +128%媒体引「信通院」，原始报告未找到二手引用弱支持不能说明紧缺落在哪类算力；另有观点认为是高端智算偏紧、通用算力相对过剩
OpenRouter 编程 11%→50%+a16z × OpenRouter《State of AI》，2025 年 12 月，平台级观察已核实支持（编程需求）超过一半使用量来自美国以外；不是美国数据
Codex 64%OpenAI Enterprise Signals，截至 2026 年 6 月；分母是企业客户 Codex+ChatGPT 输出 Token已核实支持（编程需求）Token 是使用深度代理，OpenAI 自己说明不代表质量或商业价值
Sora 停服OpenAI 2026-03-24 宣布；App 4 月 26 日、API 9 月 24 日关闭；媒体报道原因是把算力转向编程与企业客户已核实与「商业优先级影响算力分配」的解释一致原因说明来自媒体报道，不能证明完整的资源分配原因
抖音 AI 短剧 1.3% 达标DataEye-ADX，2026 上半年，以 5000 万播放为盈亏线已核实不能验证「马上变现」只覆盖抖音端 AI 短剧样本；播放量是代理指标，不能据此判断实际盈利比例，也不能证明短剧没有商业价值

三处关键错位

分母不同

中国一方是「国内所有 Token」，由一家短剧利益方披露，没有方法。美国一方是两个更窄的总体。

中文在线 55%全国口径，来源和统计期未公开
OpenRouter 50%+一个全球开发者平台，过半使用来自美国以外
OpenAI 64%企业客户的 Codex+ChatGPT 输出 Token

单位不等价

凤凰网的反方文章估算：720p 下一条 5 秒镜头约 10 万 Token，和一部十万字剧本相当；视频侧与文本侧差三到四个数量级。一部 90 分钟 AI 短剧约 1.1 亿 Token。

同样道理，智能体编程会多轮调用工具、反复读写代码，也推高 Token。所以两边的占比都要打折。

国家标签被贴错

OpenRouter 的报告作者明确说结论是平台级观察，不是全生态结论；亚洲支出占比升到约 31%。同一份报告里，开源模型使用量有一半以上是角色扮演。

所以「美国在用 AI 写代码」这个标签，不能从 OpenRouter 数据直接得出。

应保留的限定语：「在中文在线披露的口径下」「在 OpenRouter 平台观察到」「在 OpenAI 统计的企业客户中」「这些数据提供方向性线索，但不能直接比较国家整体产业结构」。

交互：Token 占比怎样变成价值占比

调整的是假设权重。这个工具演示「Token 占比」和「价值占比」之间缺少的那个换算环节，不还原真实产业价值。

滑块按 10 的幂变化，从 0.001 到 10。r=0.001 相当于「同样价值，这个场景要多花 1000 倍 Token」。

Token 占比
55%
推算价值占比
55%
推算价值占比 = s × r ÷ (s × r + (1 − s))，其中 s 是 Token 占比。

读法（纯假设示例）：如果视频 Token 密度比文本高三个数量级（凤凰网的估算方向），每份产出的价值相同，再假设其他全部场景的平均每 Token 价值等于文本场景，那么 r 接近 0.001，55% 的 Token 只对应约 0.1% 的价值。这不是行业估值结果。反过来，如果编程产出比其他场景更值钱，64% 也可能低估价值。真实场景的价值未必能用统一的「每 Token 价值」衡量，所以这里只看方向。

补充案例：用事实检验视频

Sora 停服：算力会被重新分配 支持视频

OpenAI 在 2026 年 3 月 24 日宣布停掉 Sora，App 在 4 月 26 日关闭，API 在 9 月 24 日关闭。媒体报道的原因是把算力集中到编程工具和企业客户。

中文在线的记录表也拿 Sora 停服和字节 Seedance 2.0 做对比。这个案例与「商业优先级影响算力分配」的解释一致：在美国，视频生成也有人做，但 OpenAI 停掉了它。停服的完整原因，现有材料不足以确定。

ReelShort 在美国：美国的注意力也给了短剧 修正视频

Sherwood News 在 2024 年引 Sensor Tower 数据称，ReelShort 超过 70% 的内购收入来自美国。Sensor Tower 自己的报告说，2024 年美国贡献了全球短剧 App 收入的 60%。DataEye 统计 2026 上半年海外短剧 App 内购约 12.7 亿美元，DramaBox、ReelShort、NetShort 领跑。

所以这些数据不能把两国概括成两种单一的用户偏好：美国用户同样为短剧付费。更接近的说法是：中国公司把短剧做成了出海产业，美国是它最大的收入市场。

1.3% 达标：供给爆炸不等于马上变现 修正视频

投资界 2026 年 10 月引 DataEye-ADX：2026 上半年抖音端 AI 短剧，以 5000 万播放为盈亏线，达标的只有 1.3%。掌阅 CEO 说爆款跑出率从 10–20% 降到不足 0.5%。

短剧拿到算力，可能与预期回报、大厂扶持有关，现有材料不足以确定各因素的作用。这个样本只说明 1.3% 达到报道采用的播放门槛，不能据此判断实际盈利比例。

红果的时长：注意力也被平台激励塑造 补充角度

红果 7 月日活 1.68 亿（QuestMobile）。有媒体报道，长视频四家合计日活约 1.55 亿。同时有评论指出部分用户为签到领金币打开 App。

所以日活和时长要结合留存、有效观看和付费行为看。注意力流向不完全由用户偏好决定，免费模式和激励机制也在挑歌。

豆包 180 万亿 Token：大厂也是挑歌人 补充角度

火山引擎总裁谭待在 2026 年 6 月 23 日的大会上说，豆包大模型日均 Token 调用量达到 180 万亿。豆包没有公开这些 Token 按场景的结构。

中文在线记录表也提到「大厂算力扶持以及官方政策支持」。在中国，价格补贴和平台战略也在决定 Token 流向哪里。

OpenRouter 的角色扮演：娱乐需求不分国界 补充角度

同一份 OpenRouter 报告里，开源模型使用量有一半以上是角色扮演。娱乐、陪伴类需求在全球平台上同样巨大。

如果只挑编程数据讲美国、只挑短剧数据讲中国，就会把两边都讲成单一画像。

比喻升级：放大器之外还有什么

视频的说法

AI 是放大器，功放不挑歌；钱和注意力挑歌。

更准确的说法

AI 是能力放大器，也是成本结构改变器。它把生产门槛降下来，供给就会爆炸，例如每天约 1500 部新短剧。钱、注意力、平台分发、政策和补贴共同决定放大什么。

挑歌人它怎样影响 AI 流向本页例子
钱付费能力和预期回报可能影响资源分配Sora 停服；媒体报道算力转向编程与企业，完整原因不能确定
注意力用户时间流向哪里，内容就往哪里做红果日活 1.68 亿
平台分发推荐算法、签到激励、免费模式塑造注意力签到领金币打开 App
政策与补贴大厂算力扶持、官方政策降低某一赛道的成本中文在线记录表提到的扶持
成本结构生产成本骤降，供给先于需求扩张单日新增约 1500 部；抖音端样本 1.3% 达到报道采用的播放门槛（不能据此判断实际盈利比例）

四个检验角度：下次自己去查

这些是研究方向。相关数据本页没有核实，查到后再下结论。

从 Token 转向算力成本

比较不同任务的 GPU 时长、推理成本和延迟要求。因为 Token 数量不能完整反映算力占用，真正的瓶颈可能是高端芯片、内存、带宽或特定时段的推理能力。

从内容产量转向有效需求

检验 AI 短剧从生成、发布到有效观看、付费、复购的转化漏斗。因为生产成本下降带来内容爆发，不一定带来更多有效注意力。要区分「生产繁荣」和「需求繁荣」。

从行业热度转向单位经济

比较短剧、AI 编程和自己的内容生产在单位成本、获客成本、付费转化、毛利上的差别。因为资本追逐的是风险调整后的回报，不是 Token 消耗。

从用户选择转向平台机制

检验推荐算法、签到激励、免费额度和广告机制对时长和付费的影响。因为注意力不完全由用户偏好决定，也可能由平台激励塑造。

学习实践：把观点变成决策工具

三个练习，每个都有步骤、交付物和判定标准。本页勾选状态只保存在当前打开的页面里，刷新后会清空。

练习 A：数据审查卡（15 分钟）

选一组数据，逐项回答下面 6 个问题。三组数据各做一次。

已完成：0/6

参考答案（先自己写再看）

判定标准：每组数据都能写出一句「它支持什么」和一句「它不支持什么」。如果缺分母、来源或方法，就标「无法独立验证」，不自己补齐。

练习 B：一人企业的注意力与预算审计（每周 20 分钟）

  1. 连续 7 天，记录花在 AI 工具、内容制作、产品开发、营销、客户沟通和学习上的实际时间。
  2. 同时记录现金支出、产出物、可观察结果，以及结果出现的时间。
  3. 给每项任务设一个结果指标，例如有效线索、付费转化、交付时间或客户问题解决率。
  4. 周末把任务分成三类：继续投入、小规模实验、暂停观察。
任务本周时间本周花费结果指标本周结果分类
示例：AI 写短视频脚本6 小时工具费有效线索数记录实际数小规模实验
示例：给老客户做定制服务4 小时0付费转化记录实际数继续投入
（填你自己的任务）
判定标准：不按 Token 消耗或内容产量排名。优先保留结果可追踪、成本可接受、和当前业务目标相关的任务。样本不足时标「待验证」，不因一周没有收入就判定长期没价值。

练习 C：给自己的 AI 选「歌」（每两周一次）

选三个候选任务，例如写销售邮件、做短视频、开发产品功能。每项写清楚：

  1. 目标结果和衡量方式。
  2. 当前不用 AI 时的人工基线：花多少时间、多少钱、质量怎样。
  3. 加入 AI 后的总成本，包括人工审核、返工和工具费。
  4. 失败风险和质量门槛。
  5. 下一轮继续或停止的条件。
判定标准：先选结果可衡量、失败成本低、能快速验证的任务。只有质量达标、同时总成本或交付时间有改善，才扩大投入。品牌建设、探索性研究这类延迟回报的任务单独评估，不用短期指标淘汰。

中心命题：观察 AI 产业，要区分资源消耗、资本选择、用户注意力和最终价值。做一人企业，要把这四样区分落实到自己的成本、时间和可验证结果上。

来源