AI做电影，挑战与机遇并存

©️徽声在线原创 · 作者｜吕玥

AI电影，正逐渐从概念走向现实舞台。

近期结束的大众电影百花奖首次为AIGC影像设立了专属赛道，短短一个月内就收到了2038件投稿作品，这充分显示了创作者们对AI电影的热情与投入。与此同时，《奇谭：纸刃渡荒墟》《热血大陈岛》等作品已顺利“持证”上线优爱腾等视频平台，博纳影业出品的《三星堆：未来往事》也已获得“龙标”，只待一个合适的时机登陆院线，与观众见面。而在海外，《Hell Grind》刚从戛纳电影节展映归来，团队便迅速投入到一部114分钟新片的制作中。更令人瞩目的是，诺兰的《奥德赛》刚在全球上映，AI版的《奥德修斯：陨落》便已制作完成，展现了AI电影制作的惊人速度。

《奇谭：纸刃渡荒墟》《热血大陈岛》《三星堆：未来往事》《Hell Grind》

然而，在AI电影热闹的背后，大多数人对其复杂性的认识还远远不够。AI电影绝非仅仅输入几句提示词就能轻松完成的，其制作过程的复杂程度甚至不亚于真人实景的传统电影。

“使用模型的价格已经涨了超过二十倍。”以《盗梦特工》入围北京国际电影节AIGC电影单元长片组的创作者李慕阳向徽声在线透露，对于个人创作者而言，制作费用的负担已经越来越重。

《奇谭：纸刃渡荒墟》的AI导演刘海洋也表达了类似的困扰，他表示AI生成的效果还远远达不到自己的标准，人物表演、特效和动作戏的呈现仍然显得僵硬，只能期待模型的下一次升级。

曾创作过多部AI影片的导演杨亮则提到了另一个问题，即AI生成的千人千面特性使得团队协作中保持整部作品的视觉统一变得异常困难。

还有一位正在真人剧中尝试融入AI内容的从业者也表示，当下的模型能力存在明确上限，真人和AI的结合很难做到完美，真人形象放在AI场景里往往会出现不可控的变化。

显然，AI虽然具备“拍摄”的能力，但距离“会拍摄”的水平还有很长的路要走。

AI电影面临的三重挑战：成本难控、工期不定、经验易折旧

“抽卡已经变成了抽血。”

《盗梦特工》的创作者李慕阳用这样一句话来形容现在做AI电影的感受。

他回忆去年在使用Sora时，15秒视频的生成成本大约只有几毛钱，那时抽卡就像玩游戏抽奖一样轻松。但随着主流视频模型的不断升级，价格明显上涨，尤其是最新的Seedance2.5推出后，720p 15秒的价格已经达到39元，相当于1秒2元。李慕阳无奈地表示：“点一下，一顿午饭就没了。目前只能用相对更划算的MiniMax H3模型做平替，才能稍微控制住成本。”

根据东方证券在今年5月发布的研报数据，HappyHorse-1.0和可灵3.0的价格分别约为1.63元/秒、1.52元/秒（以生成1分钟视频的API价格折算）。不到一年时间里，各主流模型的价格几乎都涨到了一个新层级上。对于没有公司和团队支撑的个人创作者来说，过去那种“边想创意、边生成、边试错”的方式已经越来越难以承受。

《盗梦特工》

价格越来越贵，但成功率却没有等量提升。

今年戛纳电影节展映的AI长片《Hell Grind》的创作者用数据真实展现了“抽卡”这个核心痛点。仅看前22分钟的内容，就生成了10701张图片和16181段视频，最终只有253个合格镜头进入成片。单条镜头的提示词甚至长达3000字，而每一个最终留下的镜头背后，都可能经历了60余次试错。

抽卡的不确定性直接导致了成本的不确定性。创作者无法像传统影视那样，在开拍前就根据剧本、分镜和拍摄周期相对准确地预估制作预算。如果特别看重高质量、细节的尽善尽美，成本就可能“无上限”，项目在制作中途就会因为算力账单的不断叠加而超出承受范围。

而当这种不确定性被放大到数百上千个镜头的长片中时，画面不一致的问题便浮出水面。

长片中每个人物的脸型细节、一身衣服的褶皱走向、甚至室内场景中一盏灯的相对位置，都需要在不同镜头之间保持稳定。但AI生成的画面很容易出现偏差，导致观众容易出戏。“AI味儿”在短剧里或许可以忍受，但在长片里就会显得格外突兀。

《奇谭：纸刃渡荒墟》的AI导演刘海洋对此深有体会。他提到现阶段用AI做长片的主要难点之一就是“多人场景的空间一致性”。比如用AI生成一个酒馆里三个人面对面坐着聊天的普通场景，几秒之后，人物之间的位置关系就可能发生变化。

《奇谭：纸刃渡荒墟》

导演杨亮也提到了类似的问题。相比之下，室外场景还有一定的容错空间，因为自然环境没有太多明确的空间参照物，镜头之间存在一些变化观众未必会立刻察觉。但到了室内，建筑结构、门窗位置、空间方向以及人物所处的位置都有清晰参照，任何一帧的偏移都会在观众眼中被无限放大。

《朱橘》

为了解决这些不一致的问题，后期剪辑环节的工作量就得成倍增加。创作者必须花费大量时间比对不同镜头之间的人物脸型、服装细节、光影方向甚至道具位置是否匹配。一旦发现偏差，要么返回去重新抽卡、重新生成，要么通过后期修图一帧一帧地手工修复。这道工序会让制作周期变得更难以预测。

更令人崩溃的是，即便创作者好不容易“驯服”了某个模型，模型一升级，积累的经验便随之消失。

每一次模型升级都可能让创作者此前积累的提示词技巧、参数经验和整套工作流程失效，制作周期也随之延长。创作者无法预判自己是否刚好踩中模型大幅进步的节点，但一旦踩中，就不得不面对难题——用旧版本，视效落后的片段夹杂其中很突兀；换新版本，不仅要再花钱，而且还得返工。

李慕阳就提到，他的《盗梦特工》成片里混合了多代产品的镜头，最早的可灵早期版本、Sora到后来的Seedance，“它其实是很多种镜头的组合”。因此不少片段的清晰度和精致感都有差异。这种跨版本素材的混用会直接影响影片的整体流畅度和观感，但对李慕阳而言，如果将此前积累的视频素材全部返工重新抽卡，成本将大幅上涨且无法预测要上涨多少。

这可能是AI电影目前最“拧巴”的地方——AI被赋予了“解放生产力”的期待，但现阶段的这种生产力既不稳定也不便宜。它降低了想法落地的门槛，却以残酷的抽卡概率和算力账单将真正的AI长片工业化推向了新的难度层级。

最大的确定性依然在于“人”

当AI电影的三重不确定性层层叠加时，反而唯一能确定的，是还得依靠“人”。

首先是个人创作者，他们都在用自己长期积累的使用经验去摸清各种AI工具的“脾气”。

李慕阳通过大量测试积累经验，建立自己的提示词工具包和技能插件，试图将原本依赖概率的生成过程沉淀为可复用的个人工序。这种经验无法速成，只有自己经过足够多的尝试才能知道某个模型在什么条件下容易崩溃、什么提示词结构更容易生成相对稳定的结果、怎么组合一些模型能提升成功率。

类似的做法在AI创作者群体中十分普遍。有不少AI创作者花大量时间研究提示词、模型特性甚至借助专门写提示词模版的AI工具。本质上这都是在做同一件事：尽可能缩小“我想要什么”和“模型能给我什么”之间的距离。

小红书上的提示词模版分享

其次，从个人创作升级为专业团队时，“传统导演+AI导演”的搭配模式成为了一种可行解法。

“创作者不能被模型随机给出的‘好画面’牵着鼻子走。”如杨亮所说，模型很擅长给出各种“奇观”，但创作者必须清楚自己究竟想表达什么，再从这些可能性中做选择。如果只接受模型最容易生成的构图、光线、人物和动作，不断重复已经验证过的视觉套路，作品自然容易千篇一律。

模型负责提供可能性，人负责决定哪些可能性值得留下。AI越会生成，创作者越需要知道什么不该生成。这就要求创作者必须同时具备传统影视的艺术审美与AI技术应用能力。

《奇谭：纸刃渡荒墟》采用的正是“传统导演+AI导演”的协作模式，前者掌控艺术表达与表演指导，后者负责将创意落地为模型可执行的指令。这一分工逻辑也延伸到了整个团队，在两位导演的统筹下自然分化为两个阵营：一边是导演、编剧、原画师等传统影视岗位，另一边是AI资产效果师、提示词工程师等新兴技术工种。双方各司其职，形成了跨界互补的新型协作结构。

《奇谭：纸刃渡荒墟》

无论是个人还是团队，最终都需要落到一套可执行的工作流上。搭建这套工作流的核心依然靠人来缝补和粘合。

大梦创新创始人、《奇谭》的出品人、总制片人蒋程向徽声在线讲述了他们的运作逻辑：在AI介入之前，故事世界观、剧本逻辑、角色与怪物资产均由团队先锁定。AI介入后形成严密的人机接力流水线：人先确立资产与标准，而后AI进行制作，紧接着由人再进行二次修复与精修。例如面对AI在多人全景、帧间一致性等问题时团队会使用传统影视制作流程手工逐帧修图等进行辅助制作。

市面上虽有不少主打“一站式AI视频平台”的产品旨在帮助团队建立标准工作流，但在长片创作者眼中这类产品的处境略显尴尬。它们确实能降低操作摩擦适合快节奏、规模化生产的AI短剧与漫剧；但对电影长片而言它们无法替创作者做视听语言的决策也无法自动保证极高的品控标准。此外这类平台在增加导演台、无限画布等通用功能后还会增加使用费用对精打细算的制作方而言并不划算。

没有通用的捷径也没有现成的模板。现阶段每一个渴望冲击AI电影的团队都得像极客一样亲手搭出属于自己的“AI影视生产线”。

此外真正决定一个AI电影项目能否落地上线的最终还是靠制片管理——用理性对冲不确定性用量化锁定产出。

很多成熟的AI制作团队会在前期锁定角色与场景资产中期建立固定参考图、多机位视觉标准和严格的镜头审核机制后期把所有散落在不同模型、不同成员、不同时间段的素材收束到同一视觉体系中。

《奇谭》团队还自建工作流程将每一个镜头的提示词设计、抽卡成本、责任人乃至输出达标率进行精准管控用精细化的数据看板来管理整个生产流程。

正如灵河文化创始人兼CEO白一骢所说：“把AI当成一个工具看即可好不好吃跟锅没关系是炒菜人的事。”这句话在AI电影领域格外贴切——锅在升级火候在变但掌勺的人仍是决定菜品好坏的关键。

AI电影终究要和所有内容同场竞技

我们之所以在此探讨AI长片是因为它方兴未艾尚处萌芽阶段。也正因此对当下观众而言“AI参与创作”本身就是一种看点很多人会单纯出于对新技术的好奇心点开视频甚至愿意为此付费。

但所有从业者都心知肚明：这种由技术新鲜感驱动的红利期不会太久观众的好奇心正以肉眼可见的速度消退。

越来越多AI影片在用新技术“炫技”生成更多“廉价奇观”这也在快速拉高观众的心理阈值。现在观众观看AI长片时注意力往往被引导至更苛刻的细节层面：“主角的脸又变了”“配角好像共用一张脸”“表情太夸张”“动起来像假肢”……

“最好的AI作品应该让观众忘记是AI做的。”李慕阳说道。这句话正点明了一点：观众不会因为一部作品是AI做的就降低对演技、剧情和视听语言的要求。

既然“AI”这个标签本身无法长久支撑观众的注意力AI电影能否像赛博朋克、水墨动画那样成为一种独特风格让观众纯粹冲这个风格而来？

创作者们几乎都给出了否定的答案。AI目前仍是在海量现有作品的基础上进行风格模仿与样式复制。它擅长将普通人的画面制作水平拉到及格线以上但遗憾的是很难凭空创造出一种全新的艺术语言。真正独树一帜的风格依然需要顶级创作者来实现。

这也意味着AI这个标签本身并不构成一个独立的赛道。AI电影没有专属的观众没有专属的影院也没有专属的评分体系势必要和真人电影、动画电影以及模糊了边界的短剧集在同一个市场里正面竞争。

AI电影在视频平台出现并不会特意标注

而当AI电影真正站在这个竞技场里时还会发现一个残酷的现实：AI电影没有“明星溢价”。

在传统影视作品中明星与名导本质上是一种“容错机制”与“流量杠杆”。哪怕叙事或制作有明显瑕疵只要有顶级大咖或金字招牌的导演加持就能吸引大批观众。

AI电影可就没这种好事了。授权AI使用人脸的明星屈指可数AI电影本身至少目前也没有造星成功的案例。“这个AI演得太好了”很难成为观众给出票房的理由。

短剧女主角长相雷同

由此可见剥离掉技术光环与话题噱头AI电影最终还是回到了“电影”本身：讲一个好故事用卓越的视听语言把它呈现出来把选择权交给市场让观众投票。

AI并非点石成金的魔法它没有消灭电影工业的壁垒反而展开了一场关于艺术审美、叙事能力、技术应用能力的融合赛。

对影视从业者来说真正的焦虑不该是“AI会不会颠覆行业”而是当工具人人都能用时自己的不可替代性是什么。从“能拍”到“会拍”的路还很远这需要所有人一边创作一边摸索一边找寻解法。