文 | 读娱，作者 | 零壹
" 前两年还是概念讨论，现在的迭代速度已经超出所有人预期——大家觉得五年才能发生的事，一年就发生了。" 导演黄建新说出这句话时，台下不少人微微点头。
但紧接着，博纳影业 AIGMS 制作中心负责人曲吉小江抛出了另一个数字：" 电影的银幕是普通手机的 8000 多倍。你在手机上刷到很好的 AI 短视频，不代表着能在电影院看两个小时。" 同一个舞台，两种视角。技术方在加速奔跑，电影人也正在思考：这种速度，对电影来说到底意味着什么？
从两年前的概念热炒，到如今的全环节渗透，AI 正在以一种不均衡的方式重构电影工业的肌理。短内容赛道早已实现规模化应用，长片创作仍在摸着石头过河；技术端迭代速度以月为单位狂奔，工业端的适配与标准却仍在起步阶段。
所有碰撞与共识，本质上都是传统电影工业与新一代智能技术在磨合期中的真实反馈。AI 已经进入电影生产流通的各个环节，但真正的挑战不是 " 能不能用 "，而是 " 怎么用好 "。
当下 AI 影视工业落地的 " 加速 " 与 " 卡顿 "
AI 在影视工业的落地，渗透程度因内容赛道不同而天差地别。在短内容赛道，智能化已经从尝鲜变成了标配。紫荆影业副总经理李挺伟给出的判断是，当前 AI 短剧的生成占比已达 95%，工业化、流水线的生产模式已经跑通。导演黄建新也在调研中发现，AI 短剧的单分钟成本已低至 500 元，即使是成本更高的北京市场也仅 800 元。极低的门槛与极快的生产速度，让短内容赛道率先完成了 AI 的规模化落地。
正如开篇黄建新导演所说的，过去两年，AI 视频模型的迭代速度快到让从业者有些眩晕。" 这种竞争态势下，模型更新周期从半年压缩到三个月，再到两个月，" 未来会往一个月方向发展 "。MiniMax 副总裁严奕骏预测一年后再回头看现在的模型，" 它一定是半成品的一个产物 "。
但这种这种技术上的 " 狂飙 "，在当下电影工业落地时仍然会遇见 " 卡顿 "。除了与短内容的差异外，这种 " 卡顿 " 还体现在多个维度。
行业标准化空白的问题日益紧迫。中国电影科学技术研究所党委书记、所长龚波透露，目前国际标准化组织中，电影人工智能领域中国是牵头人，但标准几乎是空白。" 我们现在只解决一个问题：你拿 AI 做的内容，要打标识。" 无论是显性标识还是隐性标识，这是第一步。而训练数据、制作质量等问题，还在探索中。他特别提到，一个行业标准最快也要一年，国际标准要三年，而三年 AI 已经迭代了好多代。这种时间差，本身就是挑战。
紫荆影业副总经理李挺伟提到了目前的"AI感"问题。很多内容一看就是 AI 做的，反而成了标签。他认为，好的 AI 电影应该是去 "AI 感 " 的，让技术隐于内容之后。上海电影股份有限公司副总经理李早也表达了类似观点：" 目前 AI 对于电影这一级别内容的效率和品质呈现，还没有达到跟现有更好的电影产品同级的水平。AI 这个词背后，可能代表观众对标准期待的降低。"
在技术角度，算力与硬件的实时响应瓶颈仍然存在。算力是所有技术迭代的底层约束。MiniMax 副总裁严奕骏坦言，模型迭代的核心就是算力，更大规模的算力才能支撑更多实验试错，才能更快优化出符合行业需求的效果。
华硕电脑中国业务总部副总经理郑威从硬件角度指出，导演心中有完整的艺术构想，但 AI 呈现出来的经常 " 出乎意料 "。导演想要很特定的情绪、微妙的光线变化，语言到了 AI 执行层面无法一步到位，需要反复调整。这时硬件能否在几秒钟内给予反馈，直接决定了创作思路的连贯性。" 如果不能跟上这个节奏，导演思路整个卡住了。"
曲吉小江以博纳的《三星堆：未来往事》为例，讲述了 AI 电影制作的艰难：" 我们天天跟模型较劲，因为没有电影领域的垂直大模型。现在所用的所有模型都是 To C 的，跟工业化还有很长的距离。" 她认为，下一步的关键是建立 " 真正可以听我们话的、非常智能的电影领域的垂直大模型 "。
可见在当下， AI 全面进入电影工业的行业共识已经形成，但从 " 能生成 " 到 " 能叙事 "，从 " 短视频 " 到 " 长片 "，从 " 个人实验 " 到 " 工业化流水线 "，中间还有大量技术、标准、流程的硬骨头要啃。
对创作者与观众的双向重塑，创作平权与认知迭代
技术工具的更迭，最终会触及两个最核心的主体——创作者和观众。论坛上关于这一部分的讨论形成了更鲜明的共识： AI 改变了创作的门槛、流程和可能性，但没有改变 " 好内容打动观众 " 这一铁律。创作者的审美、情感和判断，仍然是不可让渡的核心。
但从具体的变化来看，AI 对创作者与观众的双向重塑也越发显著。
黄建新提出了一个观察：AI的出现基于人类总智能的设计，它对每一个人是"平权"的。黄建新对此有很清晰的判断：电影本身就是技术催生的 " 次生艺术 "，在它诞生之前，诗歌、舞蹈、戏剧都是人人可参与的原生艺术，而电影的高成本属性让 99% 的人无法参与创作。AI 的出现，第一次让普通人也能拥有内容生产的工具，哪怕只是 " 做着玩 "，也是创作权的下放。
这种平权直接催生了新的创作者生态。李挺伟提出，行业正在进入 "创作者时代"：技术平权让更多非传统体系的创作者，也能满足 " 作者电影 " 的三要素 —— 内在意义、鲜明风格、娴熟技巧。他们不需要庞大的制片团队，不需要巨额的拍摄资金，仅凭创意和 AI 工具就能产出作品。
但平权不意味着替代。整场论坛下来，所有嘉宾几乎达成了一个最核心的共识：AI 永远是工具，人的核心地位不可动摇。这种不可替代性，首先体现在创意与审美层面。
" 我们现在看的小孩，跟 AI 有冲突吗？他们叫共存、共生、共行、共同创造。" 他提到厦门大学电影学院发起的 "AI 极限挑战创作 " 中，8 所学校的学生在 72 小时内不限题目创作叙事 AI 作品，结果风格迥异，中国美院的作品因美学拿了第一，厦门大学因为擅长 " 造怪兽 " 拿了二等奖："AI会把想象力消灭了？我们在实践中认为不存在。操控手的美学决定了AI对你服务的方向。"
郑威则从人才培养角度提出，未来需要三种能力：人机协同的 " 翻译能力 " ——把导演的情绪、节奏要求转译为 AI 能执行的指令；在信息洪流中 " 做减法的能力 " ——从 AI 生成的几百个画面中一眼认出 " 这就是我要的 "；跨媒介的 " 通感能力 " ——同一个故事在传统银幕、VR 头显、游戏互动装置中如何叙事。这三种能力，不再是传统电影学院的课程表里能直接找到的。
对于观众的变化，嘉宾们达成的重要共识是，观众真正在乎的不是AI与否，而是体验本身。
黄建新分享了一个很有冲击力的观察：05 后的孩子根本不认为 " 银幕是最真实的 "，在他们看来，电影里的大特写、极致镜头，本来就是对现实的强化，是一种幻境，而非真实。这种认知上的差异，也许意味着从小接触数字内容的新一代观众，对 AI 生成内容的接受度会远高于传统观众。
上影元总经理李早表示，" 观众对于内容是不是 AI，有他自己的认知。有人觉得 AI 感太重了，也有人觉得这个很炫酷。但无论用什么方式创作，观众觉得它好看、有共鸣、有兴趣，才是我们最主要的追求。"
但对于观众的疑虑，曲吉小江也为这种情绪做了注脚：" 电影产业可能是人类最后的堡垒。各行各业没有纠结，很快就智能化了，但为什么电影产业这么纠结？因为它要保护人类内心那个最脆弱的地方。" 技术凶猛，但创作者的使命仍然是 " 如何去触碰、去保护人的那个最柔软的东西 "。
论坛中，嘉宾们反复提及一个词：" 以人为本 "。电影工业中古老的两个命题 " 创作者如何表达 " 与 " 观众如何接受 " ——正在一定程度上被 AI 改写，但本质上却仍然遵循电影艺术表达恒久核心。
AI+ 电影的新时代：标准、人才与可能性
面向未来，论坛嘉宾从各自角度给出了需要重点关注的几个方向。这些方向没有统一的路线图，但指向了同一个问题：电影工业如何在拥抱 AI 的同时，保持自身的生命力？
第一，标准化不能"添乱"，但也不能缺席。
龚波反复强调一个原则：标准化是要 " 帮忙的，不能添乱 "，技术也是要帮忙，不能添乱，完全服务于电影创作。由于 AI 迭代太快，传统的行业标准流程可能跟不上。他提出可以采取 " 团体标准 " 或 " 暂行的技术文件 " 来先行探索，目前国际标准聚焦于 " 标识 " 问题，这是最低成本的共识起点。
第二，垂直大模型是破局关键。
通用的 To C 模型无法满足电影工业对连贯性、逻辑性、美学一致性的高要求。要真正实现 "AI 与 120 年传统电影工业紧密融合 "，必须训练出懂电影语言、懂叙事节奏、懂观众心理的专用模型。这需要算力、数据、算法和行业知识的深度结合，也意味着技术公司和电影公司需要走向更深度的协作。
第三，人才培养体系面临重构。
郑威提到华硕从 2019 年开始发起的 " 易创公益影像单元 "，持续投入影视人才培养。但更紧迫的问题是，高校的人才培养模式是否跟上了变化？严奕骏指出一个现实困境：" 现在高校里面，大学生使用生产力工具 AI 方面没有太多的支持。很多学校把大量经费投入到 AI 再教育，但学生用谁来付费？学生要自己掏钱买单。" 他呼吁让更多人用、更多人反馈，才能让模型能力提升。
黄建新则从电影学科教育角度，对学生提出了更宏观的期待：" 希望你学会拍电影的方式，也会拍电视剧、网剧的方式，因为两个写剧本的方式结构都不一样，也会拍竖屏。你要做一个全能的、有视觉听觉能力的故事叙事者。"
整场论坛出现频率最高的词，可能是 " 做起来 "。黄建新强调：" 实践是检验真理的唯一标准。你做的过程中遇到的困难再提出来，才是跟科学家对话的方式。" 李挺伟也认为，AI 只有通过实践才能发展，" 不要两个极端——谈虎色变，或者成为制约 "。
这种务实的态度，或许正是当下电影工业面对 AI 时最需要的姿态。技术迭代不会等人，标准制定需要时间，观众口味在不断变化。唯一确定的，是创作者必须下场，在真实的项目中发现问题、解决问题、积累经验。
