当AI进入片场，电影开始失去幕后

本文来自微信公众号： Fast Company中文版 ，作者：Ivy Yang

过去的电影节重视的是展示完成后的作品并进行评判，而“AI片场”过程大于结果，并且让创作过程变成一个可观看现场。Prompt如何修改，镜头如何迭代，风格如何变化，错误如何被修正。电影的制作不止发生在银幕上，也开始发生在生成、修改、选择和协作的过程中。

一直以来，电影创作始终带有一种不可见的神秘感。导演的灵感、片场的调度、后期的漫长试错，共同构成了电影工业的幕后权威，也维持着影像生产的专业门槛。但如今，生成式AI正在剥离这种滤镜。

当上海的“AI片场”试图打破神秘感、将工作流完全公开时，半个地球外的戛纳，电影工业正在面对一种更具结构性的冲击。

AI已经无法回避，但谈论AI的方式，已经和一年前明显不同。

今年戛纳最被反复引用的一句话，来自评审团成员和演员Demi Moore。她在接受采访时说，人们不需要害怕AI，因为它永远无法替代真正艺术诞生的地方。真正的艺术并不来自物理层面，而来自人的灵魂。

这种对“灵魂”的浪漫化捍卫之所以能引发共鸣，恰恰暴露出一种底层的防御姿态：电影行业已经隐约意识到，生成式AI真正冲击的是电影工业过去一百年默认的组织逻辑——谁有资格拍电影，影像如何被制造，片场里的权力如何分配，电影节又如何给一种新影像形式授予合法性。

面对这种权力结构的重塑，Moore试图用“灵魂”进行解释。但影像媒介被技术颠覆的震荡，早在一个世纪前就被预言过。

1936年，德国思想家Walter Benjamin写下了对理解现代媒介理论有深远影响的文章《机械复制时代的艺术作品》。他提出灵韵（Aura）概念，指向艺术作品与特定时间、空间和真实存在之间那种不可替代的关联。Benjamin不仅敏锐地预见了复制技术会改变艺术，而且看到了媒介技术重新塑造人感知世界的方式。

Benjamin很早就意识到媒介技术会同时改变内容与人的注意力结构（Attention Structure）。电影是他最重要的例子。

传统绘画要求凝视。观众站在一幅作品前，把注意力交给一个静止的对象。电影改变了这种关系。镜头切换、特写、移动摄影和剪辑，把现实切碎、重组、推进。观众开始通过蒙太奇理解意义，通过特写建立亲密感，通过节奏感受情绪。电影训练人类适应一种新的观看方式，也让艺术开始在人“分心”的状态里被接受。Benjamin把这种新感知模式称为“分心状态中的接受”（Reception in a State of Distraction）。

这也是今天重新谈论Benjamin的意义。算法推荐的无限下滑、短视频的连续切换、微短剧的高密度情绪回报、AI生成内容的持续喂养，都在延续电影开启的那条线索：媒介技术持续改写人类如何分配注意力、体验时间、感知真实。

现在，生成式AI把这个问题推到了新的阶段。

电影至少还对应一个真实发生过的瞬间。演员站在灯光前，摄影机记录物理世界中的表演，以及人与人之间的化学反应。哪怕经过剪辑、配乐、特效和后期加工，影像仍然与现实世界保持某种连接。

生成式AI改变了这个前提。它从海量既有影像、叙事和审美材料中学习，再合成一个从未真正发生过、却足够逼真的瞬间。主流视频生成技术很大程度建立在扩散模型（Diffusion Model）的逻辑上：从噪点中逐步去噪、重建图像。传统摄影依赖光学镜头把物体反射的光线聚焦到感光材料或传感器上；生成式影像则从统计学习与模型推断中合成可观看的现实。

这个差别比技术路线本身更重要。电影从胶片走向数字，又从数字走向生成，影像与“真实发生过”的关系正在松动。“Film”这个词原本指向胶片，后来容纳了数字摄影；今天，它又开始面对一种由噪点、模型和数据重建出来的影像。

中国影视行业对这个变化的接受度明显高于好莱坞。好莱坞拥有强势工会、复杂版权体系和高度成熟的分工传统，AI进入核心创作流程天然会触发表演权、肖像权、署名权和岗位替代的争议。中国市场则更强调效率、产能和工作流升级。过去一年，传统影视公司招聘AI导演、AI编剧、AI视频工作流岗位已经不罕见；AI短剧、漫剧、广告和视觉概念开发，也更快进入实际生产。

这个判断需要保持边界感。AI在传统长片和高规格剧集里的应用仍处在非常早期的探索阶段。它目前真正深入生产的领域，主要集中在短剧、漫剧、广告、动画短片、概念预演和部分视效环节。Netflix在《永恒者》中使用生成式AI完成布宜诺斯艾利斯建筑坍塌镜头，联合CEO Ted Sarandos称这一镜头比传统视效流程快十倍；Netflix近期也在搭建名为INKubator的AI动画实验团队，面向短形态动画内容探索AI原生工作流。

图片来源：AP Photo/Rodrigo Abd

这些案例说明AI正在进入制作体系，但距离全面接管电影片场仍然很远。

降本增效当然是最直接的动力。视效、概念开发、前期验证和后期流程，长期是影视工业里最依赖专业团队、也最消耗预算的环节。AI首先进入这些地方，因为它能压缩试错成本，缩短从想法到画面的距离。

电影工业面临的结构压力，也需要重新表述。流媒体已经成为电影工业的重要组成部分，它带来的影响远比挤压影院复杂。Netflix、Amazon和其他平台曾经让大量无法进入传统制作工作流的项目获得预算，分众内容、长尾内容和中等规模原创项目因此找到了观众。

流媒体真正改变的是观看权力的分配。传统影院和电视时代，观众很大程度上接受排片和排播；流媒体时代，内容库存大幅扩张，选择权开始更多下放给用户。今天的压力来自更广阔的替代性内容生态：TikTok、短剧、短视频、直播、游戏、播客和信息流共同争夺用户的时间、情绪和预算。电影第一次需要面对一个更根本的问题：它已经无法天然占据人类最完整、最长时间的注意力。

电影曾经是重新训练现代人感知节奏的媒介。现在，短视频和AI生成内容又在训练人类适应更短、更密集、更即时的刺激。AI改变电影的方式，未必只体现在生产端。它还可能改变电影如何被观看，甚至改变观众对“电影”这件事情本身的期待。

在这个意义上，上海电影节的“AI片场”比一场技术实验更有象征性。它既展示AI如何做出镜头，也展示一种新的创作组织方式：团队规模的依赖被削弱，专业技术门槛被降低，视觉开发、概念验证和镜头试验开始从大型工业体系里部分释放出来。

这可能是独立内容创作者最好的时代之一。过去，影像创作长期建立在昂贵设备、专业团队和工业协作能力之上。摄影机数字化、智能手机普及曾经降低过一次门槛；大模型公司为了争夺用户，正在以低于真实成本的价格把生成能力开放给普通创作者。一个有视觉想法、叙事冲动和审美判断的人，可以用更低的财务成本和技术门槛完成过去难以触碰的影像实验。

“一人公司”（One Person Company）之后，内容行业可能正在出现一种“一人制片厂”（One Person Filmmaking）的雏形。它未必能替代电影工业，却会改变谁能够进入影像生产，谁能够用影像表达复杂想法。

AI擅长生成漂亮画面，也越来越懂得模拟运镜、光线和风格。问题在于，画面成立与作品成立之间仍然隔着一层判断。镜头该停在哪里，情绪该持续多久，几个片段如何被剪接出意义，观众为什么会被某个瞬间击中，这些能力仍然来自人的经验、训练和感受力。

《瞬息全宇宙》其实已经提前呈现了这种变化。影片预算约2500万美元，视觉特效团队规模远低于传统同等级视觉复杂度电影，却完成了极高密度的视觉表达。这部电影后来获得第95届奥斯卡最佳影片、最佳导演、最佳女主角等七项大奖。真正的认可，并不完全是技术奇观本身，而是一个穿插着移民家庭、代际关系与身份焦虑组织成一个能被全球观众理解的故事。

技术降低了生产门槛，但没有降低意义的门槛。

Benjamin解读灵韵时真正关心的并不只是艺术品本身，而是那些无法被彻底复制的真实感。为什么某些画面会让人停下来，为什么某些镜头会在人心里停留很多年，为什么观众会突然意识到：这一刻只能属于这个故事，角色或者特定的时代。

电影工业今天面对的，其实也是同一个问题。AI可以压缩制作时间，扩大视觉规模，降低进入门槛,但真正决定一个镜头是否成立的，仍然是创作者对人类经验的理解，对情绪节奏的判断，以及对什么值得被观看的感知能力。

这也是为什么当前很多做得好的AI影像创作者，仍然有电影、广告、动画、摄影或视觉设计背景。电影始终涉及比画面更复杂的组织能力。中国电影工业化过程中也出现过许多堆满昂贵特效的大片，票房和口碑却双双失利，因为技术奇观没有转化成情感连接。AI不会自动解决这个老问题，只会让这个老问题更早暴露。

当年Benjamin看见的是机械复制如何改变艺术与观看的关系；而在AI时代，电影与创作者、观众、现实之间的关系正被重新改写。

当生成画面的边际成本趋近于零，行业将逐渐习惯AI长驻片场。届时，真正稀缺且无法被算力替代的，重新回到了创作者对人类经验的体察、对情绪节奏的判断，以及赋予一帧影像以“灵魂”的能力。