当 AI 让拍电影变快、变便宜，电影工业会先改变什么？

最近看克里斯托弗·诺兰（Christopher Nolan）的《奥德赛》，我连续看了两场。第一场是普通巨幕厅，第二场换成 IMAX。故事和演员都没变，但第二场在画幅和视听上的冲击明显更强。这让我很具体地意识到，我最后消费的并不只是一段被投到屏幕上的视频。

差不多同时，我又看到了另一种完全不同的“片场”。一组 GPT-6 Astra + Seedance 2.5 的社媒实验里，人只给一个总体要求（Brief），后面的故事、Blender 3D 预演、人物与机位安排、参考帧、视频生成和剪辑导出，已经开始可以被一个 Agent 串起来；另一个 DaVinci Resolve 实验则让 Agent 自己完成具体调色，只不过到了“这样调到底好不好”，人的评价马上出现了分歧。量子位：GPT-6 最佳拍档＝字节 Seedance

这还只是早期社媒实验，离电影工业自动化很远。但它和《奥德赛》摆在一起，已经形成了一个很强的反差：一边是诺兰把真人演员、开放海域、IMAX 摄影机和大规模工业协作推到极致；另一边，一个通用 Agent 开始把原来属于不同人员、软件和模型的专业能力重新组织起来。OpenAI 对 GPT-6 Astra 的官方展示也把计算机操作和专业软件任务列为重点能力，并展示了 Blender、Unreal Engine 等工作示例。OpenAI：GPT-6 Astra

这让我更想追问的是：如果有一天，把一部电影做出来真的不再那么昂贵，今天电影工业里那些昂贵的东西，到底为什么还值钱？

一、AI 先改变的，不是电影，而是制作流程

上一篇《视频模型到底在进化什么？为什么“画面惊艳”已经不够了》主要讨论的是视频模型自身的变化：从生成一个漂亮片段，继续走向状态保持、参考控制、局部编辑，以及更上层的创作 Agent。那篇文章已经出现了一个趋势：底层控制能力越来越丰富，人却未必需要继续亲自操作每一个控制项，它们可能逐渐成为 Agent 调用的基础设施。

这次 GPT-6 + Blender + Seedance 的实验，把这种变化变得更具体。过去一个镜头背后可能分散着剧本、分镜、影视预演（Previs）、3D、视频生成、剪辑和后期；现在，一个通用 Agent 已经开始能够把创作意图在这些专业工具之间传递。更值得注意的不是“GPT-6 已经会当导演”，而是原本必须靠人不断协调的专业执行接口，正在被 Agent 向上封装。

视频模型自己也开始接受更多这种中间状态。Seedance 2.5 已经支持用无材质 3D 白模规定空间、人物姿态、运动路线和摄影机角度，再由模型生成最终视频。ByteDance Seed：Seedance 2.5 群核科技则从专业 3D 一侧进入同一个问题：先建立可以持续编辑的虚拟片场，再从同一个空间状态生成不同镜头。人民网：群核科技 LuxReal 接入 SpatialGen

它们共同暴露的是另一个需求：当单个视频模型还很难持续维护一个复杂世界时，一个可编辑、可复用的中间状态，可以先把“这个世界是什么样”与“这一镜最终长什么样”分开。

现实影视生产目前表现出来的也更像混合路线，而不是一句提示词生成整部电影。Google DeepMind 与导演达伦·阿伦诺夫斯基（Darren Aronofsky）创办的 Primordial Soup 合作探索 AI 进入电影制作，实验短片《ANCESTRA》由 Eliza McNitt 执导并在翠贝卡电影节首映。项目把 Veo 生成内容与真人演员、实拍、传统 VFX、剪辑、声音和音乐混合在一起，仍然有超过 200 名传统影视专业人员参与。Google DeepMind：《ANCESTRA》幕后制作 Amazon MGM 到 2026 年推进 AI Studio 时，公开目标也仍然是降低制作成本、加快流程并把 AI 接进现有专业软件，而不是取消整套影视组织。Reuters：Amazon MGM 推进 AI 影视制作

因此，今天开始商品化的还不是“电影”这个完整产品，而是其中越来越多的执行能力。过去很多环节本来就可以外包，更难压缩的是协调：导演的意图要经过剧本、分镜、摄影、制作、VFX 和后期不断翻译，一项修改也可能沿着整条链重新传递。自然语言、图片、视频、3D 状态和 Agent 正在成为新的接口，让这些原本分散的能力更容易连接。

AI 降低的因此不只是“生成一个镜头”的价格，也包括把不同专业能力拆开以后重新连接起来的成本。

创作者 DiDi_OK 在最近一次访谈里用了另一个很有意思的词：“叙事成本”。他回顾自己过去做动画和 AI 影像时，很多创意要经过建模、绑定、参考图、后期修补等多层转换，想法每多经过一层，落到最终画面时就可能多损耗一点；到了 Seedance 2.5，一些以前必须靠参考图、Blender 或额外后期才能实现的镜头，开始可以更直接地从创作意图进入成片。卡兹克：DiDi_OK 专访这只是一个创作者的第一手经验，不代表行业平均水平，但它补充了“降本”之外的另一层变化：AI 也在压缩创意从脑海传到屏幕之间的损耗。

二、横店已经提前演示了一次：变化可能突然发生

横店过去一年发生的事情之所以值得看，不只是因为制作变便宜，而是成本、生产周期和需要调用的人力，同时发生了变化。

2025 年的横店还是另一幅景象。解放日报报道，当年横店接待 4016 个剧组，单日最高同时开机 40 组，注册群演人数达到 14 万。大量短剧剧组带动的不只是演员，还包括摄影器材、服化道、场地、住宿、餐饮和周边服务。到了 2026 年春节后，很多片场却突然安静下来。解放日报：横店等待春暖花开

2026 年春节后的降温并不是单一因素造成的。从 2025 年下半年开始，平台已经调整真人短剧业务和保底机制，行业此前也存在供给过剩；与此同时，AI 视频的质量、成本和生产速度快速变化。几股力量叠加，才让原来已经脆弱的成本结构在很短时间里被重新定价。澎湃新闻：横店等待春暖花开｜短剧局中人②

但 AI 带来的变化并不只是“少请几个人”。内容生产的周期也在被压缩。对一个高度依赖爆款和快速试错的行业来说，三个月做一个项目和一周做一个项目，并不只是效率提高这么简单：制作方可以更快跟随题材、更快测试不同版本，失败以后更快止损，同一批资金和团队一年内也能尝试更多项目。

这里还要区分“更快得到一个可用结果”和“创作者更快停止探索”。DiDi_OK 在访谈中提到，过去很多需要复杂参考图、Blender 建模或额外后期的工作正在被模型直接吸收，但模型能力提高以后，他有时反而会在一个镜头上投入更久：以前做到模型上限就只能停，现在知道模型还能给出更好的结果，就会继续换机位、调度和筛选。卡兹克：DiDi_OK 专访 工业生产里，AI 可以明显压缩“做到够用”的时间；作者型创作里，它也可能把省下来的时间重新投入到更多尝试。

产业变化因此可能比模型能力曲线看上去更突然。模型可以连续几个月只是一点点变好，但一旦同时满足几个条件——质量已经够用、成本差足够大、周期明显缩短、平台又愿意分发——项目方的决策就可能在很短时间里改变。原本需要演员、片场和完整摄影团队的项目，也会开始先测试另一套生产方式。

横店更像一次提前发生的压力测试，而不是电影工业未来的完整预演。短剧的镜头更短、类型化更强、项目周期更短，对明星和长期叙事一致性的依赖也更低，平台又能快速改变流量和结算规则，所以它的替代阈值明显低于院线电影和长剧。

电影和长剧的替代阈值更高，但类似变化完全可能先从局部环节开始。更可能首先发生的，不是“整部电影被一句提示词替代”，而是一部仍然被称为真人电影的作品，背后的剧组规模、真人拍摄天数和后期人力已经明显缩小：影视预演、背景人物、部分场景、VFX、补拍、本地化和宣传素材会更早被 AI 接管。

即使观众看到的仍然是一部“真人电影”，只要剧组规模、拍摄天数和外包环节发生变化，为这些工作服务的供应链就已经随之改变。电影可能还在，电影工业已经先变了。

三、制作链被拆开，原来绑在一起的东西也开始分离

横店展示的是结果：成本、周期和岗位一起变化。再往前追一步，会发现这种变化背后还有一个更结构性的原因——过去必须一起购买的东西，开始有机会被分开调用。

演员是最直观的例子。传统影视里，一个演员的现实身份、脸和声音、本人档期以及这一次具体表演通常高度绑定；生成式 AI 开始允许制作方在明确授权下使用一个真人的 Digital Replica（数字复制体），再让这个数字身份进入新的表演生产过程。SAG-AFTRA 2026 年的相关协议已经明确区分对应具体真人的 digital replica 和不对应特定真人的 synthetic（合成人物），并设置不同使用约束。SAG-AFTRA：2026 TV/Theatrical Contracts

戚薇参与 AI 漫剧《末日盛夏》的案例就触到了这层变化。她强调自己不是把肖像“卖出去”，而是在约定范围内许可姓名、肖像、声音、身体特征和可识别表演风格；韩清夏仍然只是这一次作品里的具体角色。中国新闻周刊：戚薇回应“卖脸”争议

类似变化还发生在角色、场景和导演工作里。一个知名角色过去仍需要大量编剧、美术、动画或实拍能力才能进入新作品；一个场景过去往往随着一次拍摄被搭建和消耗；一个导演“知道怎么拍”和“组织大量专业人员把它拍出来”也高度耦合。

AI 正在尝试把这些关系重新拆开：

过去高度绑定	开始出现的分离
演员身份 + 当次表演	数字身份 + 可生成表演
角色 / IP + 内容制作	角色 / IP 权利 + 生成能力
场景世界 + 一次拍摄	持续世界状态 + 多次生成
创作判断 + 制作执行	创作判断 + Agent 执行

四组关系并不互斥，也还没有全部成熟。

身份和角色已经开始以比较清楚的形式被授权、运营和复用，而场景状态与执行能力的变化最终都会落到同一个问题：一部作品被拆成越来越多可以独立调用的部分以后，谁来重新把它们组织起来？

四、演员、角色和 IP，并不是同一种资产

身份、角色和 IP 经常被放在一起讨论，但它们进入新内容的方式并不相同。

戚薇的数字分身来自一个现实明星，背后连接着过去的作品、公众身份和粉丝关系；方桃子没有真人原型，是从 AI 作品中直接生长出来、随后继续运营的数字身份；初音未来同样没有对应真人，但已经形成一个可以被大量外部创作者持续调用的虚拟表演者身份；米老鼠则是典型的长期角色 IP，新的动画、故事和商品仍然主要围绕“米老鼠这个角色”展开。Disney：Mickey Mouse & Friends

对象	身份从哪里来	在新内容中的典型角色	典型生产关系
戚薇数字分身	现实明星延伸	被授权生成新表演	项目方调用既有明星身份
方桃子	AI 原生身份	以持续 Persona 出现	团队围绕其持续运营
初音未来	虚拟原生身份	作为虚拟表演者	创作者生态调用其声音与形象
米老鼠	虚构角色身份	作为故事中的角色主体	权利方围绕角色持续开发

这张表比较的是它们在内容生产里的典型位置，不是法律上的完整 IP 分类。

戚薇和方桃子的差异主要在于表演身份从哪里来。前者把一个已经存在的真人明星身份接到新的生产方式上；后者没有现实身体和真人履历可以继承，人设、作品历史和粉丝关系都需要从零建立。方桃子从《被裁掉的女孩》出圈以后，已经开始脱离单部剧情持续运营自己的数字身份，因此把她看作 AI 原生数字表演者是合理的。

初音未来和米老鼠则是在另一条轴上不同。两者都是 IP，但它们在生产新内容时的位置不一样。一部新的米老鼠动画，核心通常还是“米老鼠又经历了什么故事”；初音未来却经常承担“谁来表演”的角色：创作者写自己的旋律、歌词和情绪，再让初音未来的声音和数字身份来呈现作品。

Crypton 对初音未来的官方描述本身就强调了这种生产关系。她最初是歌声合成软件，后来发展成由大量创作者共同构建的数字文化身份；官方长期通过 Piapro 等平台鼓励围绕角色继续创作。Crypton：Who is Hatsune Miku? Piapro：For Creators

所以最简单的区别不是“一个是 IP，一个不是”，而是：

米老鼠更多是“内容围绕这个角色生产”；初音未来更多时候是“创作者借这个虚拟表演者去生产自己的内容”。

方桃子目前更接近初音未来这一侧。她从一部短剧里出现，却已经开始以“方桃子本人”的身份进入剧外内容和商业运营。初音未来提醒我们，这种商业形态并不是生成式 AI 才出现的；AI 真正改变的，是数字 Persona 的生产函数——让同一个数字身份今天演短剧、明天拍 Vlog、后天进入广告，再快速切换地点、语言和故事的边际成本显著下降。新的主要是数字身份被持续生产和调用的方式，不一定是明星经济本身。

五、能力被拆开以后，谁负责把它重新变成一部电影？

解耦不会是产业终点。消费者不会单独购买一个数字分身、一间 3D 房间、一段 Seedance 素材和几条剧本草稿，他最终需要的仍然是一部完整作品。

GPT-6 Astra 与 Seedance 的差别在这里就很直观。Seedance 更像一个专业生成模块，负责把人物、动作、参考和空间约束变成镜头；Astra 的实验则展示了一个更上层的角色：理解整体目标以后，决定什么时候建立 3D、什么时候生成参考帧、什么时候调用视频模型，再什么时候进入剪辑。量子位：GPT-6 Astra + Seedance 2.5 实验

如果这条路线继续发展，最终消费者甚至可能不需要知道背后用了哪一个视频模型、哪套 3D 软件。用户只表达自己想要的结果，底层专业能力越来越像被自动调度的模块。这个“整合者”可以是导演、制片公司、Studio，也可能越来越多由 Agent 辅助。

但能把作品生产出来，不等于同时拥有一部电影商业化所需的一切。Agent 不会因为会调度 Seedance，就自动获得某个角色 IP 的使用权、明星的数字身份、融资能力、院线排片或流媒体入口。Disney 和 OpenAI 曾计划把大量旗下角色接入 Sora，后来随着 Sora 产品关闭，这项计划也没有最终落地。更值得注意的是，生成平台可以快速更替，角色权利却沿着另一套生命周期积累。OpenAI：Disney × Sora 合作公告 Reuters：OpenAI 关闭 Sora，Disney 合作未落地

至少在当前阶段，AI 最直接改写的还是从创意进入制作、直到成片的这段链路。融资、发行和宣发也会受到成本下降、周期缩短和内容供给增加的影响，但它们原本承担的核心功能并没有随生成模型一起消失。变化更直接发生在制作内部：越来越多专业能力由谁调用、怎样组合，以及导演、制片公司、制片厂和 Agent 之间如何重新分工。

六、不是所有摩擦都该被消掉：有些摩擦在创造新信息

效率逻辑很容易把答案推向一个极端：既然 AI 可以省钱、减人、缩短周期，那就应该把所有摩擦都消掉。

很多摩擦确实没有保留价值。等演员档期、反复传素材、手工维护场景一致性、低价值抠像和大量重复修改，本来就是成本；如果 AI 能更快、更便宜地完成，没有必要为了“真人制作”而刻意保留它们。

真正需要区分的，或许不是“真实摩擦”和“AI 效率”，而是执行摩擦与探索反馈。DiDi_OK 在访谈里回忆，2023 年参与一支 F1 宣传片时，某些镜头会反复 NG 数百次，导演最后只选择其中一次烟雾和赛车状态最合适的结果。传统流程里，重置场地、重新调度、再拍一次是昂贵的执行摩擦；但每一次结果又会给导演新的比较依据，决定下一次“不要什么、还要改什么”。卡兹克：DiDi_OK 专访

AI 最有价值的方向不是把这个反馈循环一起删掉，而是把获得下一次候选结果的成本降下来。该被消掉的是为了产生下一次反馈而付出的无效摩擦，真正值得保留的是反馈本身。

《奥德赛》是另一个例子。诺兰让演员真实学习航海和划船，把真实船只驶进开放海域，并让天气、海浪、演员动作和摄影选择不断互相影响。他后来形容，几个月在真实船上工作，让团队弄明白了一些如果一直在摄影棚里根本不会知道答案的问题。Los Angeles Times：Christopher Nolan explains how he made “The Odyssey”

这和“按照 Brief 准确执行”是两种不同的创作过程。前者不是先把所有答案写清楚，再让后端完成任务，而是带着一个还不完整的想法进入现实，让现实不断返回新的信息，创作者再据此改变自己原本的判断。

《给阿嬷的情书》又提供了另一个方向的例子。这部制作成本约 1400 万元、全员素人出演的潮汕方言电影，在 2026 年 7 月底累计票房突破 20 亿元。澎湃新闻：《给阿嬷的情书》票房破 20 亿它至少说明，大明星并不是院线电影取得巨大商业成绩的必要条件。

更有意思的是它的生产过程。公开报道显示，剧组选角耗时 9 个月，标准是“共情力大于演技”；84 岁的阿嬷扮演者吴少卿此前没有表演经验，但她自己的兄长就曾下南洋。导演和团队还做过长期田野调查，很多细节都有真实生活原型。新华网：《给阿嬷的情书》揽获 14.48 亿票房票房无法归因于这些真人经历，但这些经历确实进入了作品的具体质感：创作者在现实里寻找、碰撞和发现，而不是从一开始就已经把所有答案写进剧本。

比起“真人创作更有灵魂”，更准确的问题是：现实世界本身会不会也是一种创作反馈系统？

现场互动、选角、田野调查和环境偶然性之所以可能有价值，不是因为它们更慢、更辛苦，而是因为它们会把原本不在 Brief 里的信息带回来，让创作者发现自己一开始还不知道应该要什么。这也是 AI 影视接下来更难的一层：今天的 Agent 越来越擅长把一个明确意图拆解并兑现；更高级的创作却还包括另一件事——在执行过程中发现新的意图。

这也不是永久的人类护城河。未来的 Agent 可以主动生成大量备选、制造随机性、寻找反例、观察观众反馈，甚至通过机器人进入现实世界获得新的信息。如果 AI 能建立自己的反馈循环，这种差距也会继续缩小。真正值得保留的从来不是摩擦本身，而是摩擦带来的新信息。

从生产端看，判断标准是某种高成本协作能不能稳定地产生更好的作品或更高的商业价值；从消费端看，则要看这些差异能不能被观众感知，并最终转化成观看选择或付费意愿。我连续看两场《奥德赛》的经历就是一个很直接的例子：第二次换到 IMAX 后，画幅和视听明显改变了我的观影感受。

这种体验差异也不只是一组画面和声音参数。大银幕占据多少视野、低频怎样作用于身体，属于身体与空间层面的体验；观众对导演和演员原有的认知又会改变进入影院时的期待；和几百个人一起观看，还增加了一层共同参与的场景。即使未来 AI 也能直接为 IMAX 设计内容，这里成立的结论仍然更窄：“生成一份视频内容”和“创造一次完整娱乐体验”，从来不是完全相同的产品问题。

最开始看完《奥德赛》时，我想问的是：如果 AI 有一天真的可以拍出这样的电影，什么还会继续稀缺？

现在我觉得这个问题本身没有错，只是少问了一步。

要判断什么会继续稀缺，得先看 AI 到底改变了什么。它不仅让某些制作步骤更便宜，也在同时压缩周期、减少协调、改变团队规模，并把过去因为物理生产条件而捆在一起的身份、IP、场景和执行能力一件件拆出来。

横店已经展示了一种极端结果：一旦新生产方式跨过“够用”的经济阈值，产业调整可能远比想象中突然。电影和长剧的门槛更高，所以未来两年更可能先出现的是局部环节和团队规模的重构，而不是整部院线电影一夜被替代。但如果同样的成本与周期差最终扩散到更多环节，今天一些看起来理所当然的岗位、场景和供应链，同样需要重新证明自己的必要性。

另一方面，《奥德赛》和《给阿嬷的情书》又留下了一个不能只靠“效率”回答的问题：不是所有创作价值都已经提前写在 Brief 里。有些东西恰恰是在演员、环境、创作者和现实不断互相反馈的过程中才被发现。

AI 对电影工业更深的影响，可能既不是简单消灭某一个岗位，也不是让“人类创意”自动升值。它更像是在逼整个行业重新区分两件事：

哪些摩擦只是成本，可以毫不犹豫地消掉；哪些过程虽然慢、贵、难，却仍然在创造模型和创作者原本没有的新信息。

当“把东西做出来”越来越容易以后，这个问题比单纯预测“AI 最后会不会取代真人电影”更具体，也更值得持续验证。

参考资料

一手文件 / 官方发布

一手或近一手采访 / 产业实践

中文产业与案例材料

学术与理论参考

Carliss Y. Baldwin & Kim B. Clark：Design Rules, Volume 1: The Power of Modularity

历史文章

《视频模型到底在进化什么？为什么“画面惊艳”已经不够了》