AI造短剧是不是在浪费算力，近期争论常从“国内一半算力都在造爽剧”这句话说起。据潮新闻报道，这个被传播的“55%”来自中文在线（300364）在投资者交流中披露的国内AI Token消耗数据，指向短剧和视频生成，并非全国算力使用情况的统计。报道还提到，字节跳动方面表示，其公司总算力中约10%用于视频生成模型训练和推理。把Token消耗直接说成全国算力占比，容易把不同口径的数字混为一谈；真正需要讨论的，是算力投入如何转化为实际价值。
Token记录的是模型调用和文本处理等使用量，算力则涉及支撑训练、推理的计算资源。短剧生成往往需要反复生成剧本、分镜、配音和画面，过程中的调用量可以很大，但这不等于消耗了同比例的高端计算资源。科研、工业等任务也可能使用专用算力或私有化部署，不一定完整体现在公有云Token统计里。因而，某类应用的Token占比既不能直接回答它占用了多少算力，也不能据此推断它挤压了多少科研资源。
争论仍有现实缘由：算力运行要消耗能源（850101），也涉及设备折旧和运维，调用规模增长并不自动带来相应的业务收益。判断一项应用是否“浪费”，不能只看它是不是娱乐内容，也不能只看调用次数；还要看计算结果有没有形成用户愿意付费的服务、改善生产效率，或沉淀后续可用的数据和能力。若一项任务反复消耗资源，却只产出大量相似内容，价值转化就需要被认真衡量；但这与认定短剧这种应用本身不该使用算力，是两回事。
放到实际制作流程里看，AI短剧可能从文本生成开始，经由分镜、配音、画面生成，再经过多轮筛选和修改。每次调用都可能服务于试错，也可能只是重复调整；同样的使用量，背后对应的成片质量、制作周期（883436）和商业回报未必相同。对普通用户来说，生成内容更快、更便宜是直观变化；对制作方而言，节省的制作成本是否被流量投放等其他支出抵消，则决定了算力使用能否形成可持续的业务闭环。单看“生成了多少”，容易漏掉这条从资源投入到实际产出的链路。
报道援引的应用案例提供了另一种观察尺度：在工业电池质检中，相关算力应用将检测准确率从人工约80%提升至98%以上。这个例子并不意味着所有产业应用都能取得同样效果，却说明算力嵌入生产环节后，可以用具体任务指标检验作用。短剧和视频生成也有其用途，相关技术在内容生产中不断被使用；关键是能力能否进一步服务于工业可视化、培训仿真等真实任务，而不是只以调用量衡量进展。
因此，“AI造短剧是不是浪费算力”不能由一个被误读的比例作答。Token用量、实际算力占用和最终业务价值，是相互关联却不能互相替代的指标。娱乐应用并非天然低价值，科研和工业也不能仅凭名称就被视为高价值；判断重点仍在资源消耗是否对应可验证的产出，以及技术能力能否进入持续运转的现实场景。
