AI电影，真的来了。刚刚落幕的大众电影百花奖首次为AIGC影像设立了专属赛道，一个月内便收到了2038件投稿。《奇谭：纸刃渡荒墟》《热血大陈岛》等作品陆续在优酷、爱奇艺、腾讯视频上线；博纳影业出品的《三星堆：未来往事》已拿到龙标，只待时机成熟登陆院线。海外方面，《Hell Grind》刚从戛纳展映归来，团队几个月后又推出了一部114分钟的新片。诺兰的《奥德赛》全球上映不久，AI版的《奥德修斯：陨落》也已制作完成。
然而，热闹背后，大多数人把AI电影想得太简单了。这绝非输入几行提示词就能完成的任务，其复杂程度丝毫不亚于真人实景的传统电影。正如入围北京国际电影节AIGC电影单元长片组的《盗梦特工》创作者李慕阳所言，模型使用成本已涨超二十倍，个人创作者的负担日益沉重。《奇谭：纸刃渡荒墟》的AI导演刘海洋则表示，AI生成的人物表演、特效和动作戏仍有僵硬感，只能等待模型升级。《告白》《你好，大头》《朱橘》等多部AI影片的创作者杨亮也指出，千人千面的AI生成特性，让团队协作中保持视觉统一成为一大难题。还有一位在真人剧中负责AI内容的从业者坦言，当下的模型能力有上限，真人与AI结合很难完美，AI场景中的人脸极易出现不可控变化。
显然，AI确实“能拍”，但远未达到“会拍”的水平。
01、AI电影的三重不确定：成本难控、工期不定、经验折旧
“抽卡已经变成了抽血。”这是《盗梦特工》创作者李慕阳对当前AI电影制作感受的生动描述。他回忆去年使用Sora时，生成15秒视频的成本仅几毛钱，那时并不心疼，像玩游戏抽卡一样，抽中了更好，抽不中也正常。但随着主流视频模型不断升级，价格明显上涨。特别是Seedance 2.5推出后，720p的15秒视频价格已达39元，折合每秒2元。“点一下，一顿午饭就没了。”目前，创作者只能用相对更划算的MiniMax H3模型做平替，才能勉强控制成本。
根据东方证券5月发布的研报数据，HappyHorse-1.0和可灵3.0的API价格分别约为每秒1.63元和1.52元。不到一年时间，各主流模型的价格几乎都涨到了一个新的层级。对于没有公司和团队支撑的个人创作者而言，过去那种“边想创意、边生成、边试错”的方式已越来越难以承受。
价格上涨的同时，成功率却没有等比例提升。今年戛纳电影节展映的AI长片《Hell Grind》创作者用数据真实展示了这一核心痛点——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，每一个留下的镜头背后，都可能经历60余次试错。这种“抽卡”的不确定性，直接导致了成本的不确定。创作者无法像传统影视那样，在开拍前根据剧本、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，成本可能“无上限”，项目在制作中途就会因为算力账单不断叠加而超出承受范围。
当这种不确定性被放大到数百上千个镜头的长片中，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、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，观众很容易出戏。“AI味儿”在短剧里或许可以容忍，但在长片里就会显得格外突兀。
《奇谭：纸刃渡荒墟》的AI导演刘海洋对此感受颇深。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。导演杨亮也提到了类似问题。相比之下，室外场景还有一定容错空间，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。
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”，所以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，而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。
02、最大的确定性，还是在“人”
当AI电影的三重不确定性层层叠加，反而唯一能确定的，还得靠“人”。
首先是个人创作者，大家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、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。
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。
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「深响」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。
03、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。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。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。
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。