AI 替代了导演、演员和后期，但替代不了编剧。
这是井英科技联合创始人吴高明的判断。
今年一季度，中国新上线了 12.8 万部微短剧，AI 生成的占比超过 95%。月活 7.18 亿，人均每天刷 129 分钟，首次超过长视频。全球短剧应用内购收入去年达到 29.8 亿美元，同比翻了一倍还多。
内容制作端，整条生产链都在被 AI 接管，但吴高明认为，编剧是这条链上最后一个、也最难被替代的环节。
因为创意的源头、对人心的直觉、对世界的体验 ...... 这些东西没有被结构化地放在互联网上，模型学不到。
井英科技成立于 2021 年，是全球最早跑通 AI 短剧付费闭环的公司之一。旗下 Reel.AI 面向海外市场，据公开报道，2025 年 11 月，平台作品《The Billionaire's Return》力压真人短剧登上海外短剧榜榜首。
AI 短剧第一次做到这件事。
但吴高明不把井英科技定义为 "AI 短剧公司 "。后端的视频生成、配音、剪辑交给 AI，前端的故事和审美留给创作者。平台提供算力、工具和分发渠道，创作者只管一件事：讲一个好故事。
今年 6 月，井英科技完成数千万美元 A 轮及 A+ 轮融资，投资方包括王慧文家办 Lollapalooza Capital、蚂蚁集团，以及腾讯原副总裁殷宇。
下一阶段的竞争，可能要在创作者这一端分出高下。
AI视频的终局，是编剧中心制
AI 替代内容生产各环节的顺序，是自后往前。
模型靠数据训练，越靠后端的环节数据越多，被学会得越快。后期有海量视频素材，最先倒下；演员的表演、导演的风格手法，也有迹可循。
吴高明有一个说法：电影本身就是一门 " 欺骗的艺术 "，演员用表演让观众代入角色，导演用镜头语言制造情绪。AI 在这些 " 欺骗 " 环节上跟人没有本质区别，足够逼真，观众就买账。Reel.AI 的用户数据印证了这一点：用户既不因为内容是 AI 做的就拒看，也不因为是 AI 就追捧。" 最终，只要满足了用户的喜好，他们并不在意背后的生产方式，" 吴高明说。
但短期内，AI 很难替代编剧。
" 很多高质量创意的源头，并没有被结构化、数据化地放在互联网上，" 吴高明说。" 人为什么觉得这个故事好？为什么有冲动想去创作某个故事？这些东西是人的隐性知识。"
模型天然趋向中心分布，大量训练之后，输出逼近 " 最常见的样子 "。"AI 脸 " 就是这么来的——模型把所有面孔收敛到均值附近。
但内容行业不奖励均值。
它重奖的是锋利的、偏离中心的、带着创作者独特体验的东西。井英科技的平台上跑出过一部设定在南极科考站的短剧，讲一个美国科学家和一个俄罗斯科学家被困在冰天雪地里的故事。这种题材不会出现在传统影视的排期表上，金字塔尖的制片人不会为它投钱。但它击中了一群用户的真实需求。
能捕捉到这种需求的，不是模型，是编剧对 " 什么值得被讲 " 的直觉。
当后端的生产环节被 AI 逐一接管，整个内容行业的重心正在向前端偏移——谁来决定讲什么故事、给谁讲、用什么方式讲，正在成为最有价值的环节。吴高明认为，这就是 AI 视频走向 " 编剧中心制 " 的逻辑。导演中心制被 AI 消解之后，创意判断的权重不降反升。
找到合适的人，搭建领先行业的体系
对井英科技来说，技术门槛降低之后，真正难的事情变成了找人。
团队此前做过国内排名前三的免费小说平台，那段经历留下一条方法论：内容不要做完再测，做一小段就够了。
2024 年，AI 短剧几乎没人信。吴高明要找的创作者既得有影视基础，又得真正相信 AI 能做出好东西。这样的人极少。他在网上寻找有影视背景的创作者，群发问卷。问卷里藏着一道关键题：评价一集井英科技已经能生成的 AI 短剧，画面粗糙，漏洞百出。
他要看的是挑完毛病之后的反应——会不会自己想办法绕过 AI 的不足，相不相信这件事最终能成。
1000 多人填了问卷。最后留下 10 个。
其中一人叫崔伊。他后来做出了平台第一部在海外跑通商业化的 AI 短剧。
井英科技至今不做自制内容，创作者几乎全部来自外部。分账方式是保底加利润分成：大纲通过评估后开始拿保底，剧本完成有保底，上线后产生利润还有分成。每个阶段都有钱拿，风险由平台承担。
做下来，吴高明发现两类人特别适合这套体系：一类在传统影视行业有阅历但没挤进金字塔尖，另一类在海外学了影视制作回来发现挤不进国内圈子。在原来的体系里不被看见的人，AI 给了他们重新上场的机会。
找到人之后，效率的差距迅速拉开。传统实拍短剧一部 15 到 30 万美金，只有老板能拍板，一轮验证三个月起步。井英科技只先做前 8 到 10 集投放市场，看转化率、用户评论和付费信号，数据出来就知道值不值得继续。" 别人做一轮实验起码三个月以上，" 吴高明说，" 而我们可能只要一周。"
AI 在这里接近一条柔性供应链——前端极低成本试错，一旦命中，后端产能一下子拉满。井英科技内部还有一套 " 内容评估器 "，能在创意还没到用户端之前预判市场反应。
现在，该公司每月收入已达几百万美金。2025 年 1 月，《Five Brothers》成为全球首部与真人短剧同榜竞争的 AI 短剧；同年 11 月，《The Billionaire's Return》登顶榜首。
早期，井英科技的内容决策曾因支付环节的数据噪音出过一次误判。
一批看似付费的用户实际存在欺诈行为，团队把问题归因为内容质量，复盘了很久找不到原因。后来发现，问题出在支付信号上。
井英科技选了 Stripe。起初只占总流水的 30% 左右，公司同时接了其他渠道，自己做路由。但数据越积越清楚：Stripe 渠道的用户续订率明显更高，长线 ROI 差距约 20%。
" 这个路由结果不是人为操纵的，" 吴高明说。Stripe 的流水占比最终自然攀升到了接近 70%。
背后的逻辑是，Stripe 的风控系统 Radar 在注册阶段就过滤高风险行为。Stripe 大中华区企业客户总经理 Melina Lee 和井英科技合作多年，她分享道，对于 AI 应用来说，只要用户开始使用这个应用，对于企业来说就会产生真金白银的 Token 消耗，而且成本非常高，而 Radar 则可以提前捕捉到这些潜在的 Token 盗用、恶意注册免费试用等行为，帮助企业提前预判潜在的风险。
在支付层面，Smart Retries 在最佳时机自动重试失败扣款，挽回了不少因卡片问题而非主动取消流失的订阅者。Stripe 大中华区企业销售负责人刘斯成对华尔街见闻表示，Stripe 能最大化确保用户完成后续续费动作。举个例子，第一次买单卡里有余额，大家判断一致；但第二次付费时卡可能过期或没钱，每一个服务商怎么处理这种 " 试错 " 和二次扣款动作，策略是不同的。因为 Stripe 的数据量大、消费群多，能更精准捕捉最佳扣款时机，确保续费成功。这样在商户端就体现为客户价值更高。Smart Retries 就是确保续费过程中最大化扣款成功率。" 这个能力也依赖于 Stripe 的支付大模型，而我们的‘语料’就是支付数据本身 "。
对井英科技来说，支付数据干净了，内容判断就准了。一部剧做不做、给不给资源，看的就是用户信号。信号脏了，判断就是错的。
尾声
2026 年，原 AWS 首席应用科学家王敏捷加入井英科技担任首席科学家。创始人朱江认为，Coding Agent 已经证明 Agent 能深度重构一个行业。" 内容行业是下一个。"
AI 内容行业还处于极早期，最终走出来的公司长什么样，现在远不到下结论的时候。
而井英科技的探索，可能也在回答内容行业更本质的问题：当 AI 接管了内容生产的执行层之后，真正的竞争，会不会最终回到，谁能讲出一个好故事。
