打开短剧App，连刷几部便不难发现，AI短剧的主角们仿佛共用了一张“脸谱”。无论是冷面总裁，还是落魄将军，那副精致却千篇一律的面孔让观众频频出戏，甚至引发了“AI脸生理性厌恶”的讨论。按理说，拥有海量数据的AI模型理应生成无限张面孔，为何AI短剧主角偏偏“撞脸”？
**技术根源：默认脸与文化偏见**
AI为何“撞脸”？首先源于模型训练的“默认脸”逻辑。正如AI导演莫争所言，若仅输入“美女喝咖啡”等泛泛提示词，模型往往会生成高鼻梁、大眼睛、白皮肤的标准面孔。这是因为模型在训练时习得了“亚洲美女=标准美”的参数，而不付费模型更倾向于偷懒，输出训练数据中最常见的脸谱。
这种同质化也延伸至男性角色。莫争指出，未经精细设定的AI男性常带有明显的韩式审美烙印（如方脸、蒙古人种特征），这源于训练数据中对韩国电影素材的过度依赖。
此外，灰产数据的涌入和工业化的生产流程进一步固化了这一现象。业内人士揭露，大量廉价甚至盗版的素材包被用于训练。王喜文介绍，制作方通常采用“标准化基底+固定种子值+统一表情模板+一次性整体渲染”的流水线模式。这种“批量不出错”的流程，牺牲了面部辨识度，只求量产。
**商业逻辑：成本与效率的博弈**
观众审美疲劳的背后，是算法与成本的博弈。莫争算了一笔账：要生成一张有辨识度的脸，需构建多角度资产图并反复调整，耗时5-10分钟且成本高昂。相比之下，复用“模板脸”几乎零成本。免费模型倾向于输出“最安全、最廉价”的通用面孔，付费模型虽能提升画质，但成本激增，导致制作方更倾向走捷径。
从商业角度看，复用模板脸省去了复杂的人设开发成本。平台推荐机制偏爱成熟爆款，而前代视频工具在处理动态长镜头时易导致形象畸变，大众脸容错率更高。加上短剧行业追求“短平快”的变现逻辑，原创投入被压缩，最终导致AI脸泛滥。
**数据佐证：产量激增与同质化**
数据显示，2026年第一季度，AI微短剧产量激增，全行业上线微短剧超12万部，其中AI短剧占比超95%，产量已接近2025年全年的总和。这种“模板脸”的泛滥，正在加速消耗观众的耐心。