字节算力只有10%做视频生成，求职者该信哪个数？

一条算力数据被公开质疑，真正值得求职者关注的不是谁对谁错，而是“AI视频”这条赛道到底被投入了多少资源、需要什么样的人。 字节旗下豆包公关负责人刘星回应称，就字节而言，公司总算力中只有约 10% 用于视频生成模型的训练和推理；而此前中文在线在投资者关系活动记录表中披露的说法是，国内 AI Token 消耗 55% 烧在短剧和视频生成。两个数字差距悬殊，恰好给正在看 AI 岗位的人提了个醒：行业叙事和公司实际投入，往往不是一回事。

为什么“算力占比”会影响你的岗位判断

算力是 AI 行业最硬的生产资料。一个方向分到多少算力，基本决定了这个方向能养多少训练、推理、数据、工程岗位，也决定了团队是“试水”还是“主攻”。

如果按“55% 烧在短剧和视频生成”去理解，很容易得出“AI 视频是绝对主战场、岗位会大量释放”的结论；但字节方面给出的口径是约 10% 用于视频生成模型的训练和推理。10% 放在一家算力体量很大的公司里并不是小数目，可它和“超一半”所暗示的产业重心，完全是两种图景。

对求职者的实际含义是：看到“风口占比”类数据，先问口径。 是 Token 消耗、是算力、是训练加推理，还是只算推理？统计范围是全网还是某一家公司？口径不同，结论可能完全相反。

AI视频岗位还在招，但招的不是“会写提示词”

原文提到，AI 短剧与视频生成的 Token 消耗量已达到软件开发的两倍以上，成为 Token 经济学中第一大核心消耗场景；相关阅读里还有“制作成本仅为真人剧 1/10”“平均每 36 秒诞生 1 部”以及微短剧用户超 8 亿、2025 年市场规模突破千亿元等信息。

这些信息说明需求侧确实热，但热的是内容供给，不等于岗位门槛低。视频生成模型要落地，通常需要几类人：

• 模型训练与推理优化方向，关注算力效率和成本；
• 数据与评测方向，处理视频数据的清洗、标注和质量判断；
• 工程与产品方向，把生成能力接进实际生产流程；
• 内容侧的应用岗位，用工具批量产出短剧、广告素材。

前几类岗位看的是论文、工程能力和项目经验，最后一类更看内容理解和产出效率。把“AI 视频很火”直接等同于“随便学个工具就能进大厂”，是求职中最常见的误判。

数据打架时，求职者该怎么做功课

第一，别把单一来源的占比当成行业定论。投资者关系记录、公司公关回应、媒体报道，各自有各自的立场和口径，交叉看才接近事实。

第二，看岗位 JD 而不是看热搜。一个团队是真投入还是试水，JD 里写得出来：是招长期训练岗，还是招短期内容运营；是要求分布式训练经验，还是只要求会用生成工具。

第三，把“算力占比”换算成“团队规模感”。占比低不代表没机会，占比高也不代表进去就稳；真正决定你成长的是所在团队有没有持续的数据、算力和业务场景。

第四，警惕被“爽剧”叙事带偏。短剧和视频生成是当前消耗 Token 的大场景，但它的商业模式对成本极其敏感，岗位稳定性与核心模型团队并不相同。

给不同阶段求职者的具体建议

应届生：如果目标是模型侧，优先补数学、分布式系统和论文复现能力，别把简历堆成工具清单；如果目标是内容侧，就用真实作品证明你能稳定产出。

转行者：先判断自己进的是“用 AI 的生产岗”还是“造 AI 的技术岗”，两者的技能树几乎不重叠，别用同一套准备方式投两类岗位。

在职者：关注公司内部算力和预算往哪走。资源倾斜的方向，往往就是下一轮扩编和晋升机会所在。

想看同类岗位的实时变化，可在求职者营地（qzzyd.com）按城市和行业订阅大厂官网在招岗位，用岗位数量而不是热搜标题来验证一个方向到底冷不冷。

数据争议会过去，但算力投向哪里、岗位要求什么，是求职者可以长期跟踪的硬信号。与其争论“一半还是 10%”，不如把目标公司的在招岗位翻一遍，答案通常比任何一方的表态都具体。