AI做電影，遠比想象中難

深響2026.08.18 13:02 · 來自北京全文5594字00:00 / 15:43AI電影終究要回歸“電影”本身。文 | 深響，作者｜呂玥AI電影，真的來了。剛結束的大眾電影百花獎首次給AIGC影像開了專屬賽道，一個月就收到了2038件投稿。《奇譚：紙刃渡荒墟》《熱血大陳島》等作品陸續“持證”上線優愛騰，博納影業出品的《三星堆：未來往事》“龍標”到手，就等一個好時機登陸院線。海外，《Hell Grind》剛從戛納展映回來，團隊幾個月後又推一部114分鐘新片。諾蘭的《奧德賽》剛全球上映，AI版的《奧德修斯：隕落》已經做了出來。

《奇譚：紙刃渡荒墟》《熱血大陳島》《三星堆：未來往事》《Hell Grind》但熱鬧背後，大部分人都把AI電影想得太簡單，它絕不是輸入幾句提示詞就能完成的，其複雜程度甚至不亞於真人實景的傳統電影。“使用模型的價格漲了超二十倍。”以《盜夢特工》入圍北京國際電影節AIGC電影單元長片組的創作者李慕陽告訴「深響」，個人創作者已越來越難負擔製作費用。而《奇譚：紙刃渡荒墟》的AI導演劉海洋表示，AI達不到自己想要的標準，人物表演、特效和動作戲的呈現仍有僵硬感，只能等待模型的下一次升級。

曾創作過《告白》《你好，大頭》《朱橘》等多部AI影片的導演楊亮還提到AI生成是千人千面，如何在團隊協作中保持整部作品的視覺統一始終困擾著他。還有一位正在真人劇中做AI部分內容的從業者也提到，當下的模型能力有明確上限，真人和AI的結合很難做好，真人形象放在AI場景裡一定會出現不可控的變化。顯然，AI確實“能拍”，但遠不到“會拍”的水平。AI電影的三重不確定：成本難控、工期不定、經驗折舊“抽卡已經變成了抽血。”《盜夢特工》的創作者李慕陽，對「深響」這樣形容現在做AI電影的感受。

他回憶去年在使用Sora時，15秒視頻的生成成本大約只有幾毛錢，“那時候也不心疼，抽卡就像在玩遊戲抽獎，抽中了更好，抽不中也正常”。但隨著主流視頻模型不斷升級，價格明顯上漲，尤其是最新的Seedance2.5推出後，720p 15秒的價格已經達到39元，相當於1秒2元。“點一下，一頓午飯就沒了。目前只能用相對更划算的MiniMax H3模型做平替，才能稍微控制住成本。”另外根據東方證券在今年5月發佈的研報數據來看，HappyHorse-1.0和可靈3.0分別約為1.63元/秒、1.52元/秒（以生成1分鐘視頻的API價格折算）。不到一年時間裡，各主流模型的價格幾乎都漲到了一個新層級上。

對沒有公司和團隊支撐的個人創作者來說，過去那種“邊想創意、邊生成、邊試錯”的方式已越來越難以承受。《盜夢特工》價格越來越貴，但成功率卻沒有等量提升。今年戛納電影節展映的AI長片《Hell Grind》創作者則用數據真實展現了“抽卡”這個核心痛點——僅看前22分鐘的內容，就生成了10701張圖片和16181段視頻，最終只有253個合格鏡頭進入成片。單條鏡頭的提示詞甚至長達3000字，而每一個最終留下的鏡頭背後，都可能經歷60餘次試錯。抽卡的不確定，直接導致了成本的不確定。創作者無法像傳統影視那樣，在開拍前就根據劇本、分鏡和拍攝週期相對準確地預估製作預算。

如果特別看重高質量、細節的盡善盡美，成本就可能“無上限”，項目在製作中途就會因為算力賬單不斷疊加而超出承受範圍。而當這種不確定性被放大到數百上千個鏡頭的長片中，畫面不一致的問題便浮出水面。長片中每個人物的臉型細節、一身衣服的褶皺走向、甚至室內場景中一盞燈的相對位置，都需要在不同鏡頭之間保持穩定。但AI生成的畫面很容易出現偏差，觀眾會很容易出戲。“AI味兒”在短劇裡或許可以忍，但在長片裡就會顯得格外突兀。《奇譚：紙刃渡荒墟》的AI導演劉海洋對此感受頗深。

他提到現階段用AI做長片的主要難點之一，就是“多人場景的空間一致性”：比如用AI生成一個酒館裡三個人面對面坐著聊天的普通場景，幾秒之後，人物之間的位置關係就可能發生變化。《奇譚：紙刃渡荒墟》導演楊亮也提到了類似問題。相比之下，室外場景還有一定容錯空間，因為自然環境沒有太多明確的空間參照物，鏡頭之間存在一些變化，觀眾未必會立刻察覺。但到了室內，建築結構、門窗位置、空間方向以及人物所處的位置都有清晰參照，任何一幀的偏移都會在觀眾眼中被無限放大。《朱橘》為了解決這些不一致的問題，後期剪輯環節的工作量就得成倍增加。

創作者必須花費大量時間比對不同鏡頭之間的人物臉型、服裝細節、光影方向甚至道具位置是否匹配。一旦發現偏差，要麼返回去重新抽卡、重新生成，要麼通過後期修圖一幀一幀地手工修復。這道工序會讓製作週期變得更難以預測。更令人崩潰的是，即便創作者好不容易“馴服”了某個模型，模型一升級，積累的經驗便隨之消失。每一次模型升級，都可能讓創作者此前積累的提示詞技巧、參數經驗和整套工作流失效，製作週期也隨之延長。創作者無法預判自己是否剛好踩中模型大幅進步的節點，但一旦踩中，就不得不面對難題——用舊版本，視效落後的片段夾雜其中很突兀；換新版本，不僅要再花錢，而且還得返工。

李慕陽就提到，他的《盜夢特工》成片裡混合了多代產品的鏡頭，最早的可靈早期版本、Sora、到後來的Seedance，“它其實是很多種鏡頭的組合”，所以不少片段的清晰度和精緻感都有差異。這種跨版本素材的混用會直接影響影片的整體流暢度和觀感，但對李慕陽而言，如果將此前積累的視頻素材全部返工重新抽卡，成本將大幅上漲，而且無法預測要上漲多少。這可能是AI電影目前最“擰巴”的地方——AI被賦予了“解放生產力”的期待，但現階段的這種生產力既不穩定，也不便宜。它降低了想法落地的門檻，卻以殘酷的抽卡概率和算力賬單，將真正的AI長片工業化推向了新的難度層級。

最大的確定性，還是在“人”當AI電影的三重不確定性層層疊加，反而唯一能確定的，是還得靠“人”。首先是個人創作者，大家都在用自己長期積累的使用經驗去摸清各種AI工具的“脾氣”。李慕陽通過大量測試積累經驗，建立自己的提示詞工具包和技能插件，試圖將原本依賴概率的生成過程，沉澱為可複用的個人工序。這種經驗無法速成，只有自己經過足夠多的嘗試，才能知道某個模型在什麼條件下容易崩、什麼提示詞結構更容易生成相對穩定的結果、怎麼組合一些模型能提升成功率。類似的做法在AI創作者群體中十分普遍。有不少AI創作者花大量時間研究提示詞、模型特性，甚至藉助專門寫提示詞模版的AI工具。

本質上這都是在做同一件事：儘可能縮小“我想要什麼”和“模型能給我什麼”之間的距離。小紅書上的提示詞模版分享其次，從個人創作升級為專業團隊時，“傳統導演+AI導演”的搭配模式成為了一種可行解法。“創作者不能被模型隨機給出的‘好畫面’牽著鼻子走。”如楊亮所說，模型很擅長給出各種“奇觀”，但創作者必須清楚自己究竟想表達什麼，再從這些可能性中做選擇。如果只接受模型最容易生成的構圖、光線、人物和動作，不斷重複已經驗證過的視覺套路，作品自然容易千篇一律。模型負責提供可能性，人負責決定哪些可能性值得留下。AI越會生成，創作者越需要知道什麼不該生成。

這就要求創作者必須同時具備傳統影視的藝術審美與AI技術應用能力。《奇譚：紙刃渡荒墟》採用的正是“傳統導演+AI導演”的協作模式，前者掌控藝術表達與表演指導，後者負責將創意落地為模型可執行的指令。這一分工邏輯也延伸到了整個團隊，在兩位導演的統籌下自然分化為兩個陣營：一邊是導演、編劇、原畫師等傳統影視崗位，另一邊是AI資產效果師、提示詞工程師等新興技術工種。雙方各司其職，形成了跨界互補的新型協作結構。《奇譚：紙刃渡荒墟》無論是個人還是團隊，最終都需要落到一套可執行的工作流上。搭建這套工作流的核心，依然靠人來縫補和粘合。

大夢創新創始人、《奇譚》的出品人、總製片人蔣程向「深響」講述了他們的運作邏輯：在AI介入之前，故事世界觀、劇本邏輯、角色與怪物資產，均由團隊先鎖定。AI介入後，形成嚴密的人機接力流水線：人先確立資產與標準，而後AI進行製作，緊接著由人再進行二次修復與精修。例如面對AI在多人全景、幀間一致性等問題時，團隊會使用傳統影視製作流程，手工逐幀修圖等等進行輔助製作。市面上雖有不少主打“一站式AI視頻平臺”的產品，旨在幫助團隊建立標準工作流，但在長片創作者眼中，這類產品的處境略顯尷尬。

它們確實能降低操作摩擦，適合快節奏、規模化生產的AI短劇與漫劇；但對電影長片而言，它們無法替創作者做視聽語言的決策，也無法自動保證極高的品控標準。此外，這類平臺在增加導演臺、無限畫布等通用功能後，還會增加使用費用，對精打細算的製作方而言並不划算。沒有通用的捷徑，也沒有現成的模板。現階段，每一個渴望衝擊AI電影的團隊，都得像極客一樣，親手搭出屬於自己的“AI影視生產線”。此外，真正決定一個AI電影項目能否落地上線的，最終還是靠製片管理——用理性對沖不確定性，用量化鎖定產出。

很多成熟的AI製作團隊會在前期鎖定角色與場景資產，中期建立固定參考圖、多機位視覺標準和嚴格的鏡頭審核機制，後期把所有散落在不同模型、不同成員、不同時間段的素材收束到同一視覺體系中。《奇譚》團隊還自建工作流程，將每一個鏡頭的提示詞設計、抽卡成本、責任人乃至輸出達標率進行精準管控，用精細化的數據看板來管理整個生產流程。正如靈河文化創始人兼CEO白一驄所說：“把AI當成一個工具看即可，好不好吃跟鍋沒關係，是炒菜人的事。”這句話在AI電影領域格外貼切——鍋在升級，火候在變，但掌勺的人仍是決定菜品好壞的關鍵。AI電影，終究要和所有內容同場競技我們之所以在此探討AI長片，是因為它方興未艾，尚處萌芽。

也正因此，對當下觀眾而言，“AI參與創作”本身就是一種看點，很多人會單純出於對新技術的好奇心點開視頻，甚至願意為此付費。但所有從業者都心知肚明：這種由技術新鮮感驅動的紅利期不會太久，觀眾的好奇心正以肉眼可見的速度消退。越來越多AI影片在用新技術“炫技”，生成更多“廉價奇觀”，這也在快速拉高觀眾的心理閾值。現在觀眾觀看AI長片時，注意力往往被引導至更苛刻的細節層面：“主角的臉又變了”“配角好像共用一張臉”“表情太誇張”“動起來像假肢”……“最好的AI作品，應該讓觀眾忘記是AI做的。”李慕陽說道。這句話正點明瞭一點：觀眾不會因為一部作品是AI做的，就降低對演技、劇情和視聽語言的要求。

既然“AI”這個標籤本身無法長久支撐觀眾的注意力，AI電影能否像賽博朋克、水墨動畫那樣成為一種獨特風格，讓觀眾純粹衝這個風格而來？創作者們幾乎都給出了否定的答案。AI目前仍是在海量現有作品的基礎上進行風格模仿與樣式複製。它擅長將普通人的畫面製作水平拉到及格線以上，但遺憾的是很難憑空創造出一種全新的藝術語言。真正獨樹一幟的風格，依然需要頂級創作者來實現。這也意味著，AI這個標籤本身，並不構成一個獨立的賽道。AI電影沒有專屬的觀眾，沒有專屬的影院，也沒有專屬的評分體系，勢必要和真人電影、動畫電影以及模糊了邊界的短劇集在同一個市場里正面競爭。

AI電影在視頻平臺出現並不會特意標註而當AI電影真正站在這個競技場裡時，還會發現一個殘酷的現實：AI電影沒有“明星溢價”。在傳統影視作品中，明星與名導本質上是一種“容錯機制”與“流量槓桿”。哪怕敘事或製作有明顯瑕疵，只要有頂級大咖或金字招牌的導演加持就能吸引大批觀眾。AI電影可就沒這種好事了。授權AI使用人臉的明星屈指可數，AI電影本身至少目前也沒有造星成功的案例。“這個AI演得太好了”很難成為觀眾給出票房的理由。短劇女主角長相雷同由此可見，剝離掉技術光環與話題噱頭，AI電影，最終還是回到了“電影”本身：講一個好故事，用卓越的視聽語言把它呈現出來，把選擇權交給市場，讓觀眾投票。

AI並非點石成金的魔法，它沒有消滅電影工業的壁壘，反而展開了一場關於藝術審美、敘事能力、技術應用能力的融合賽。對影視從業者來說，真正的焦慮不該是“AI會不會顛覆行業”，而是當工具人人都能用時，自己的不可替代性是什麼。從“能拍”到“會拍”的路還很遠，這需要所有人一邊創作，一邊摸索，一邊找尋解法。