ARTICLE · 1118272
不是Demo,AI电影真的开始卖票了!
过去两年，我们已经看过太多AI电影Demo。
30秒，60秒，人物漂亮，镜头炸裂。刷多了很容易产生一种错觉：既然AI已经能做出这么像电影的5秒、10秒，那一部长片，无非就是多生成一些镜头，再剪起来。
现在，真的有人把这件事做到100分钟了。
9月30日，《三星堆：未来往事》宣布定档10月23日，全国院线上映。
中国电影报称，这是国内首部利用AI技术制作并获得国家电影局公映许可证的院线电影。片长100分钟，团队经历约两年的技术探索，用掉120余万张底图，整片上百次迭代重来。
这几个数字摆在一起，我脑子里冒出来的第一个问题却不是：
AI已经能拍电影了？
而是：
AI都已经这么会生成视频了，为什么做一部长片，还是要折腾120多万张图？
我越来越觉得，答案不是AI还不会拍。
而是它已经很会拍一个镜头，却还不会管理一部电影。
从短镜头到长片：AI影视的难题正在转移
今天让AI生成一个漂亮镜头，已经不是什么稀奇事。
人物可以跑，可以说话，可以转身。摄影机可以推、拉、摇、移，声音、表演、物理运动也越来越像真的。
但电影不是把上千个漂亮短镜头排在一起。
因为镜头之间有债务。
上一镜，角色穿灰色外套。
下一镜不能突然变成黑色。
上一镜，他把钥匙放在桌上。切一个特写，钥匙不能自己回到手里。
再简单一点。
第一镜，门明明在人物右边。
第二镜AI觉得左边更好看，顺手把门挪过去了。
两张图单独看都挺漂亮。
剪到一起，穿帮。
这就是Demo和电影最大的区别。
Demo只需要这一镜成立。
电影要求这一镜还记得上一镜发生过什么。
一个镜头错了，可能只废掉几秒。
但如果角色设定、服装或者场景关系从一开始就错了，后面的镜头都会跟着它一起长歪。
AI长片真正可怕的地方就在这里：
错误有复利。
120万张张底图背后：生成之外
所以我现在再看《三星堆：未来往事》的120余万张底图，注意力已经不在“AI生成能力有多强”上。
公开资料没有进一步拆开这120多万张图分别用在角色探索、场景设计还是镜头生产里，所以没必要把这个数字硬解释成“120万次失败”。
但这个量级至少说明了一件事。
当项目从十几秒走到100分钟，制作早就不是：
Prompt写好，点一下Generate，完事。
中国电影报披露，《三星堆：未来往事》中，AI负责生成与执行，创意发起和创作判断仍然由人类团队按照电影工业流程完成。
这句话放进真实制作里，就一点都不抽象了。
哪个角色版本才是最终版？
这一场穿哪套衣服？
这个场景早晨和晚上分别是什么状态？
角色发型改了，已经完成的镜头里有哪些会被牵连？
这些事情，Prompt写得再漂亮都绕不过去。
我以前其实也有一个很简单的判断。
模型越来越强，AI影视的制作流程应该越来越短。
剧本写完，Prompt一敲，视频出来，剪起来。
现在看，这个判断很可能搞反了。
AI把执行一个镜头变快了。
它没有把管理一部电影这件事改变。
这不是100分钟院线电影才会遇到的问题。
最近Reddit的AI Filmmaking社区里，真正把片子做完的人，聊得越来越少的是“哪个模型画质最好”。
一个刚完成12分钟AI短片的创作者说，角色一致性是他一开始碰到的最大问题之一。
后来真正有效的办法，不是继续换模型，而是在视频生产之前先建立固定的角色参考资产。
另一个更夸张。
创作者已经连续做了6部、每部大约1小时的AI电影，整个系列由数千条独立生成的视频组成。
他最后总结出来最难的事情，并不是得到漂亮镜头。
而是让同一个世界跨过几百、几千次生成以后，依然还是那个世界。
脸、衣服、地点、声音、人物关系、空间位置、历史事件，甚至角色到底知道哪些信息，都得继续对得上。
做到后面，他甚至开始用表格记录人物年龄和时间线。
如果重新来一次，他说自己会从一开始就建立完整的连续性档案。
更麻烦的是，他还发现AI长片里的错误会“遗传”。
如果某一镜的服装、道具或者人物脸发生了变化，而后面的镜头又继续拿这一镜做参考，这个错误就会一路传下去。
等你回头发现前面那一镜错了，修的已经不是一镜。
是后面整串镜头。
这就是所谓的“错误有复利”。
一张角色图发现错了，重新做一张。
已经生成一串镜头之后再发现错了，那叫返工。
院线项目的一百二十余万张底图，和一个人在家做12分钟AI短片，当然不是一个量级。
但他们最后撞上的，是同一堵墙。
AI越来越会拍镜头，却还不太会管理一部电影。
从生成到制作：AI影视开始走向工业化流程
这也是最近AI影视最让我觉得有意思的一件事。
过去两年，我们一直在幻想AI把剧组干掉。
结果真正把AI电影往长片做以后，大家开始一个个把剧组里的东西重新发明了一遍。
角色圣经。
场景资产。
服装参考。
分镜。
镜头表。
连续性检查。
版本管理。
Reddit上讨论长片工作流的创作者，已经把流程拆成角色参考、场景参考、分镜与镜头表、视频生成、剪辑、声音设计。问题也不再只是“怎么生成”，而是多人场景、视线、角色身份和镜头间连续性到底怎么维持。
甚至已经有传统电影剪辑师进入AI Filmmaking社区，研究能不能把真人电影里的coverage、take和剪辑逻辑搬进AI制作。
聊到最后，绕不开的依然是continuity。
不同机位之间，人物位置、视线、背景、动作，能不能真的接起来。
我们原来以为AI会把电影工业那套繁琐流程全部删掉。
结果走了一大圈，又把它们一个个捡了回来。
AI没有消灭电影工业。
它先把电影工业重新学了一遍。
这不是倒退。
恰恰说明它终于开始进入真正的生产。
玩Demo的时候，可以靠运气。
做100分钟电影，最不能依赖的就是运气。
Prompt之外：资产与工作流正在成为核心
AI影视刚出现的时候，最明星的能力是Prompt。
谁更会写提示词，谁就更容易拿到好画面。
那时候很合理。
最大的难题就是：
这张图，这个镜头，到底能不能生成出来？
但当项目从30秒变成100分钟以后，问题开始换了。
这个角色最终版到底是哪一张？
这套衣服出现在哪几场？
场景现在是白天还是夜晚？
上游资产一改，后面哪些镜头需要重新生成？
这个时候Prompt当然还重要。
但它正在从“核心资产”，慢慢变成一种执行语言。
真正开始升值的，反而是那些听起来没那么性感的东西：
资产、版本、分镜、连续性、工作流。
这可能才是《三星堆：未来往事》真正值得AIGC创作者看的地方。
AI电影开始卖票，当然是新闻。
但120余万张底图和上百次全片迭代透露的另一件事，可能更重要：
AI影视终于开始被迫面对电影工业最无聊的问题。
而偏偏是这些无聊的问题，决定了一部长片到底能不能做完。
今天打开大部分AI视频工具，最显眼的东西依然是输入框。
Prompt。
参考图。
Generate。
但如果AI真的进入长片生产，我越来越怀疑，下一代真正重要的AI影视工具，可能不会只像一个生成器。
它还得知道角色是谁。
上一场穿什么。
这个场景上一镜是什么状态。
现在使用的到底是哪一版资产。
因为“这个镜头怎么生成”，模型已经解决得越来越快。
接下来真正麻烦的问题是：
这一千个镜头，怎么还是同一部电影？
所以《三星堆：未来往事》真正让我感兴趣的，不只是AI电影终于从Demo走进电影院，开始真的卖票。
更重要的是，它把AI影视推到了一个再也没法靠30秒漂亮Demo掩盖问题的地方。
下一代AI影视真正要跨过的门槛，可能不是再生成一个更惊艳的5秒。
而是到了第800个镜头的时候，
它还记得第1个镜头发生过什么。
19年传媒和数字营销从业者，3年AIGC行业转型经验，提出神经网络自组织管理模式，希望用人文和科技的交叉视野给你提供AI时代的新点子。
TIP：关心AI，也关心AI背后的思想。
CMAI陪你在AI大变革中一起成长，欢迎扫码加入我们社群。
▼
🤝 入群交流