Google 投資《後室》片方 A24:AI 最難學會的,是別急著優化

重點摘要
Google 宣布投資獨立電影公司 A24,凸顯科技巨頭在創意產業的策略布局。然而,A24 作品的成功往往來自刻意保留的「摩擦」與不完美感,這正是 AI 難以學習的創作精髓。這筆投資也引發思考:當 AI 擅長消除所有不順暢時,可能反而抹去讓作品獨特的核心細節。
Google 近日宣布投資獨立電影公司 A24,這家以《後室》(The Backrooms)等話題作品打響名號的片商,正式成為科技巨頭在創意產業的最新布局對象。然而,這筆投資背後更值得玩味的,並非單純的財務操作,而是一個關於創作本質的深層命題:當人工智慧擅長消除一切「摩擦」時,作品的獨特性反而可能就此消失。 矽谷的思維慣性向來是優化效率、掃除障礙,讓流程更順暢、讓體驗更無縫。從搜尋引擎到自動駕駛,Google 的技術路線幾乎都圍繞著「消除不順」這項核心目標。但 A24 的作品之所以能吸引大量死忠影迷,往往來自那些看似不完美、甚至帶有「卡頓」質感的細節——例如在《後室》中刻意保留的低解析度視覺風格,反而營造出荒涼而壓迫的沉浸感。這正是創作最難被機器學習複製的部分:有些摩擦不是需要被修正的錯誤,而是作品長出判斷力與辨識度的土壤。 對 Google 而言,投資 A24 或許不只是財務決策,更是一次對 AI 創作邊界的測試。當演算法學會如何消除所有不順暢,卻可能同時抹去那些讓作品「活起來」的關鍵細節。真正的創作,有時需要懂得「別急著優化」——這或許是 AI 最難學會的一課,也是 Google 在進軍內容產業時,必須面對的核心矛盾。 A24 成立於 2012 年,短短十多年間已成為獨立電影界的標竿。從《月光下的藍色男孩》、《遺愛人間》到《媽的多重宇宙》,該公司發行的作品往往帶有強烈的作者風格與實驗性,與主流好萊塢的「公式化」製作截然不同。而《後室》這部由網路迷因衍生而來的恐怖短片,更進一步展現了 A24 對「不完美美學」的擁抱——粗糙的畫面、詭異的空間感、以及刻意不流暢的剪輯,反而成為恐怖氛圍的催化劑。 這種美學恰恰與矽谷的「優化至上」哲學背道而馳。在科技世界裡,任何延遲、模糊、不連貫都是需要被解決的 bug,但在 A24 的作品中,這些「瑕疵」卻可能成為讓觀眾產生共鳴的關鍵元素。Google 的投資,某種程度上等於承認了這種矛盾的存在:即便是最頂尖的 AI 系統,也難以模擬人類對「不完美」的直覺判斷。 事實上,Google 近年來不斷加碼影視與內容產業,從 YouTube 的內容生態到自行開發的 AI 創作工具,無不試圖在科技與藝術之間找到平衡點。但投資 A24 這類堅持獨立精神的片商,顯示出 Google 可能意識到:真正的創作靈感,往往來自於那些無法被演算法量化的「非理性」選擇。當 AI 可以自動生成流暢的劇本、完美的畫面和無縫的剪輯時,它反而可能失去那些讓作品脫穎而出的「毛邊」。 業內人士分析,Google 此舉或許是為了取得更優質的內容授權,以訓練下一代 AI 模型。但更深層的影響在於,當科技巨頭開始擁抱「不優化」的創作思維時,可能將重新定義 AI 與人類創作者之間的關係。不是所有摩擦都需要被消除,有些摩擦恰恰是創作的靈魂所在。 A24 的創辦人曾多次公開表示,他們挑選作品的標準不是「市場潛力」,而是「直覺」——一種無法被數據分析取代的判斷。而這種直覺,正是當前 AI 最難跨越的門檻。Google 的投資,或許是在測試:當演算法學會了所有的「正確答案」,它還能理解什麼是「好答案」嗎? 《後室》的成功本身就是一個絕佳案例。這部作品最初源自網路論壇上一張簡單的照片——一個空無一物的黃色辦公室,因為構圖的怪異、光線的異常,引發了無數網友的想像。A24 將這個簡單的概念發展成短片,刻意保留原始素材的粗糙感,讓觀眾彷彿置身於一個被遺忘的數位空間。這種「低科技」的表現手法,反而比任何高規格的 CG 特效更有效。 對 Google 來說,這筆投資的意義不在於短期獲利,而在於理解「不優化」的價值。當 AI 可以瞬間生成數百種劇本提案時,人類創作者的工作或許不再是「產出」,而是「選擇」——從那些看似不完美的選項中,挑出最有潛力的一個。而這個選擇的過程,需要的不只是數據,更是經驗、品味與直覺。 A24 的電影庫與製作經驗,未來可能成為 Google 訓練 AI 理解「非線性敘事」與「風格化美學」的珍貴教材。但反過來說,Google 的技術也可能幫助 A24 找到更有效率的前期製作工具,讓創作者能將更多時間留給核心的創意判斷。這場合作若能成功,將為科技與藝術的結合提供一個新的範例:不是誰取代誰,而是彼此學習對方的長處。 最終,Google 投資 A24 的故事,其實是一個提醒:在追求效率的時代,我們更應該珍惜那些「不順暢」的瞬間。因為真正的創作,往往不是從完美開始,而是從那些不完美中,找到獨一無二的聲音。而這,或許正是 AI 最難學會的一課。
Related
相關文章

對話崑崙萬維方漢:世界模型“算賬邏輯”之下,異構數據才是具身智能的解藥
無論是文本大模型的走向收斂,還是世界模型對DiT架構的統一,技術底層的邏輯正在變得透明。真正的壁壘,已經轉移到了企業對異構數據的清洗能力、算法的迭代速度,以及最粗暴的資金與硬件籌措能力上。

卡帕西闢謠:我沒從Anthropic離職
智東西(公眾號:zhidxcom) 編譯 | 楊京麗 編輯 | 李水青 智東西7月27日消息,昨天,前段時間加入Anthropic的知名AI研究員、OpenAI創始成員安德烈·卡帕西(Andrej Karpathy),對自己已從Anthropic離職的傳聞進行闢謠。面對網友詢問,卡帕西直接否認稱:“這是推特上傳播的奇怪錯誤信息,沒有離職。

AI最尷尬的短板,中國科學院出手了
中國科學院近日針對人工智慧領域長期存在的一項被視為「最尷尬的短板」展開研究攻關。這項弱點長期困擾著AI模型的實際應用,尤其在常識推理、因果理解或對抗魯棒性等面向表現明顯,學界與業界多次呼籲需要突破性的解決方案。中科院此次出手,意味著國家級科研機構正式將此議題列為重點方向,試圖從基礎理論或演算法層面彌補當前的技術缺口。
現場直擊:高昂真機成本鎖死具身進化,Google 科學家用視頻世界模型破局|RSS 2026
進群傳送門: 掃碼進群或添加微信Luyoyo_2026,備註:論文群 + 關注的 AI 方向。搞科研/搞技術,信息差很重要。來,一起快人一步!上車,帶你看遍全球 AI 頂會精華可獨家暢覽:專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。

OpenAI挖到最新菲爾茲獎得主,字節剛出爐的科學家計劃在瞄準誰?
這篇消息聚焦「OpenAI挖到最新菲爾茲獎得主,字節剛出爐的科學家計劃在瞄準誰?」。目前站內已移除先前混入的模型思考或安全判斷文字,並保留來源可確認的主題供讀者追蹤。
Open Dreamer 問世:以 JAX/Flax 完整重現 Dreamer 4 世界模型管線,訓練配方全公開
這篇消息聚焦「Open Dreamer 問世:以 JAX/Flax 完整重現 Dreamer 4 世界模型管線,訓練配方全公開」。目前站內已移除先前混入的模型思考或安全判斷文字,並保留來源可確認的主題供讀者追蹤。