Token消耗那组数据：火药做烟花

中美国情差异很大，Token 消耗这组数据摆得清清楚楚。

要点照录。国内所有 Token 消耗份额中，AI 短剧与视频生成占了头名，拿走百分之五十五。电商和营销又占了百分之二十四。在美国列 Token 消耗第一的软件开发，在中国只有百分之十五的份额。

二零二六年前八个月，中国上线了大约四十三万部微短剧，是去年全年的十三倍，其中超过九成使用了 AI 技术。全国微短剧用户已超过八亿，二零二五年市场规模突破一千亿元。大西洋对岸美国的数据是这样的，百分之五十八的 Token 灌进了编程开发和企业自动化这两块地。

中国这边在拍短剧做广告卖东西，美国那边在写代码搞自动化。有人把这件事比作把火药做成烟花，技术是同一个，用途却分了岔。分岔的原因，写在下面那段里。技术的用途从来都是被市场喂出来的。市场往哪边拽，技术就往哪边长。

数据不说谎，它只把两边的偏好摆在桌面上。摆上桌面的，从来都不只是数字。数字背后，是无数个具体的选择在叠加。叠加起来，就是两边的差距。差距摆在眼前，躲也躲不开。

"火药做烟花"这半句是场重心。前面那份基准尺讲的是量要真，这条讲的是用途分岔。跟前面那场酒吧访谈呼应，那条在小桌上谈模型即产品，这条在数据里看产品往哪流。两头都在提醒同一件事，同一个技术落在不同的土壤里，长出来的东西完全不同。

跟前面那份 Agent 教材也接得上，教材在讲模型能干什么，数据在讲人们拿它去干了什么，两头合起来才是这波浪潮的全貌。用途这东西，从来都是被市场喂出来的，市场需要什么，技术就往哪儿长。

技术不挑活儿，挑活儿的是市场。市场往哪边拽，技术就往哪边长。拽着技术跑的，从来不是技术本身。是需求，是钱，是无数双看不见的手在投票。投票这东西，从来不看技术的面子，只看用户的屁股往哪坐。

"但我不这么认为"这半句我单独拎出来。核心原因说得也直白，美国那边做 coding 能赚到实打实的钱，企业软件生态早就成型，所以 OpenAI 放着那么多 C 端用户不培养也要去和 Anthropic 争 coding 市场；但中国从头到尾都没长出像样的企业软件生态，B 端靠 coding 单打独斗很难挣到钱，指望纯 coding 在中国变现根本不现实。

再看国内的 C 端娱乐，AI 生成视频这一块尤其突出，创意视频天生传播力强，用户盘子又大，于是繁荣之下竞争也格外激烈。两边的土壤不同，长出来的东西自然不同，这组数据把这件事说透了。

土壤这东西，是长年累月堆出来的，不是一朝一夕能改的。改不了的土壤，只能就着它的性子来。就着性子长出来的货色，才是自己的。自己的货色，才配叫特色。特色这两个字，从来都是熬出来的。熬出来的东西，才站得住脚。

站得住脚的货，才轮得到被模仿。模仿的人多了，也就成了路。路多了，也就成了风景。风景看多了，人也就不慌了。不慌的人，才敢继续往前走。往前走的人，路才会越走越宽。越走越宽的路，才是自己的路。自己的路，才配叫人生。人生这条路，从来都是自己走出来的。风景看多了，人也就不慌了。

我留的疑问有三处。那组数据的统计口径没给；美国之外的对比样本没拆；AI 短剧那百分之五十五里开源模型占多少也没数，这些都在披露里才看得到。

这周把两边的用途清单并排放一排，看看自己手上的活儿落在哪一栏。