11月11日，钛媒体发布报道指出，中国AI投资持续加码，科技公司正同时面临资金投入与盈利兑现的双重考验。同日另一篇钛媒体报道从Token流向切入，通过核验GitHub Copilot用户与付费订阅数据、AI短剧算力成本，对比流量型与生产力型AI的差异，拆解Token流向背后的商业逻辑。
Token流向揭示中美AI模式差异
据钛媒体报道，中国55%的Token消耗在短剧场景，而美国58%的Token用于代码生成。这一流向差异反映出两国AI产业的不同路径：流量型应用与生产力型工具在付费模式和成本结构上存在显著区别。
该报道称，通过核验GitHub Copilot用户与付费订阅数据以及AI短剧算力成本，厘清了行业容易混淆的两组关键数字，并剥离了行业流传的不实叙事，以还原当下AI产业真实的付费与成本面貌。
中国55%的Token消耗在短剧场景，而美国58%的Token用于代码生成。
| 国家 | 主要Token消耗场景 | 占比 |
|---|---|---|
| 中国 | 短剧 | 55% |
| 美国 | 代码生成 | 58% |
投入产出与商业模式承压
在AI投资持续加码的背景下，科技公司需要应对算力成本高企与盈利模式尚未完全跑通的双重压力。钛媒体报道指出，资金与盈利的双重考验已成为中国科技公司当前面临的核心挑战。
从Token流向看，短剧等流量型场景消耗了大量算力资源，而代码生成等生产力型场景的付费转化相对明确。这种结构差异意味着不同AI应用路径在商业化效率上存在分化，行业需要更清晰地评估投入产出比。
后续关注点
行业分析认为，随着AI投资继续加码，科技公司能否在算力成本与商业回报之间找到平衡，将成为下一阶段的关键观察点。Token流向所反映的付费与成本真实面貌，也为判断AI产业商业模式可持续性提供了参考依据。