字节辟谣算力造爽剧：仅 10% 用于视频，真相被误读

据 Woofun AI 消息，2026 年 10 月 19 日，字节跳动旗下人工智能大模型''公关负责人公开针对近期发酵的'中国超一半 AI 算力在造爽剧'说法作出澄清，直言该论断'缺乏事实依据'。刘星披露，在字节跳动内部庞大的 AI 算力总盘子中，仅有约 10% 的算力资源实际分配给视频生成模型的训练与推理，且该比例全量包含了底层视觉基模的前沿研发与参数调优，绝非网传的全部用于短剧生成。

这一澄清直接戳破了将大模型算力与短剧泡沫画等号的舆论偏差。

该场争议的导火索源自 A 股上市公司在投资者关系活动记录中披露的一组数据。该公司当时表述称，国内 55% 的 AI Token 消耗来自短剧和视频生成，24% 用于电商营销，软件开发仅占 15%。这组数月前的机构交流纪要近期被自媒体重新翻出，在传播链条中脱离具体语境，被推导为'中国一半算力在造爽剧'，进而衍生出宏观叙事上的二元情绪对立。

值得注意的是，这一传播过程存在明显的逻辑断层。中文在线并未公开这组全国性估算数据的原始调研主体、行业样本覆盖率及量化测算模型。在缺乏统计学口径界定的前提下，将特定业务场景下的局部推断直接上升为全行业总体算力分布，造成了市场对国内生成式人工智能产业全景的认知扭曲。

Woofun AI 整理数据显示，这种概念偷换忽视了 Token 消耗与物理算力之间的本质差异，导致公众对算力去向产生严重误判。

将 Token 消耗量直接等同于硬件算力占用的做法，在底层计算机科学逻辑上无法成立。在多模态与大语言模型的运行机制中，文本序列生成的自回归计算与视频扩散模型的密集矩阵渲染遵循完全不同的物理负载特征。部分云服务与应用层平台针对视频帧折算的计费 Token，主要作为商业计价单元，不能直接反向推导为底层数据中心 GPU 集群的浮点运算时间或显存带宽消耗。在国内主流云计算与智算中心内，绝大部分算力集群仍在全力支撑万亿参数多模态通用大模型的预训练、代码工程辅助、搜索推荐算法调优及工业级端到端模型推理。将高频次的应用层 Token 流水与消耗大量高密算力的底层模型训练混为一谈，脱离了真实的数据中心资源分配现实。从技术底层看，Token 吞吐与芯片算力负载存在物理脱钩，前者是应用层的计费逻辑，后者是基础设施的物理极限，二者不可简单划等号。

视频生成技术的应用频谱远远超出了单一的微短剧范畴。字节跳动、快手以及多家前沿多模态初创企业开发的视觉大模型，正广泛渗透至影视后期自动化、数字资产建模、跨境电商素材渲染及科研图形仿真等高价值链条。短剧仅是消费互联网领域对视频生成技术的一种早期验证形式，而非算力消耗的绝对主力。在底层算力供给面临外部约束的客观环境下，国内头部科技大厂对算力资本开支与产出效率保持着高度克制。资源分配的重心始终聚焦于底层通用模型能力的代际跃迁与企业级生产力工具的支持。目前国内头部大模型厂商正加速推进多模态交互模型的商用化落地，最新一季各家模型调用量及企业级推理成本的官方测算数据将在本月下旬的行业财报季陆续披露。这是继上一轮大模型军备竞赛后，行业从规模扩张转向效率优化的关键节点，市场需理性看待算力结构的真实分布。