本文来自微信公众号：壹娱观察（ID: yiyuguancha），文 /HAL。

过去一年，AI 视频的进步已经肉眼可见。

在短剧、漫剧和社交媒体视频中，越来越多 AI 生成镜头已经足够以假乱真。人物不再频繁变脸，汽车可以连续追逐，爆炸、枪战和未来城市，也能呈现出接近专业视效的质感。AI 不再只是生产发布会样片，而是开始参与真正的内容生产。

但 AI 短剧足够好看，并不代表 AI 影视已经达到成熟的专业制作水平。

AI 短剧

一个镜头可以骗过观众几秒钟，不等于它已经好到能够进入流媒体剧集，更不意味着它可以直接登上大银幕。短视频可以依靠旁白、快速剪辑和强情节，绕开表演、空间关系与叙事连续性上的问题；电影和长剧集却要求人物在数百个镜头中保持一致，还要经历剪辑、调色、配音、视效和审片等环节。

真正困难的，从来不是偶然生成一个好镜头，而是稳定地完成一部作品。

这也意味着，AI 进入传统影视工业，下一阶段比拼的可能不再只是模型画质和生成时长，而是一套明确、可复制且高度可控的生产流程。AI 不必急着宣称取代谁，它更现实的路径，是先进入视觉预演、动作场面、特效制作和资产管理等具体环节，成为影视生产线上的一件新工具。

在今年 WAIC 上，以万兴剧厂（万兴科技旗下 AI 驱动的一站式精品影视内容创作平台）为代表的 AI 影视工作流平台，开始把导演 Agent、剧本与资产管理、分镜生成、团队协作和后期交付放进同一条链路。相比继续证明 AI" 会生成 "，它们试图回答的是另一个更实际的问题：AI 究竟能不能被一个真正的剧组稳定使用？

01 AI 征服了短剧，但好内容不只看一个镜头

AI 漫剧和短剧之所以最早成为生成式视频的试验场，并不难理解。

这类内容本就追求高频生产和快速试错。强情节、快节奏和密集反转，可以让观众暂时忽略表演与画面的瑕疵；旁白、字幕和快速切镜，又能帮助创作者绕开复杂的动作调度与空间关系。只要关键镜头足够吸睛，内容便可能获得继续传播的机会。

AI 目前最擅长的，也正是把一个明确的视觉想法迅速变成镜头。过去需要搭景、找演员、做特效才能出现的奇观，现在只需要一段提示词和若干轮生成。对于强调产量和新鲜感的漫剧、短剧而言，这已经足以改变生产效率。

但到了电影和长剧集，单个镜头的优势很快就会被整部作品的复杂性稀释。

角色的一件衣服、房间里一盏灯的位置、演员在上一镜中的视线方向，都可能决定下一镜是否成立。一个镜头单独看起来再漂亮，只要人物突然换脸、道具凭空消失、运动方向前后矛盾，观众就会立刻从故事中抽离。电影感也不只是画面足够清晰，而是每一个镜头都知道自己为什么存在。

因此，AI 进入专业影视的现实路径，未必是突然接管整部作品，而更可能是先进入那些边界明确、成本高昂、风险又相对集中的环节。

最近热播的韩剧《金特务：本色回归》，就在前两集中使用了一段约 3 分钟的全 AI 动作场景，涉及爆炸、雪地追车、车辆翻覆与坠河。导演同时承认，AI 画面在沙尘、汗水和真实环境质感上，仍需要特效师继续人工修整。

《金特务：本色回归》剧照

而 Netflix 在财报披露的最新数据，则把这种尝试进一步推向了规模化。

其 2026 年第二季度股东信中表示，生成式 AI 工作流已经被用于约 300 部作品，覆盖概念开发、视觉预演、后期和交付，应用最集中的环节仍是后期制作。其中一些复杂镜头如果没有 AI，可能会因为预算或周期限制被直接放弃。

像是纪录剧集 The American Experiment 中有 17 分钟 AI 增强画面。Netflix 联席 CEO 泰德 · 萨兰多斯也提到，这部分内容的制作速度达到以往方案的两倍，成本则降至一半。这个数据只适用于该项目，却足以说明专业影视对 AI 的真正兴趣：不是让模型包办一部作品，而是让过去拍不起、来不及拍的镜头进入成片。

萨兰多斯的表述也很直接：好作品仍然需要优秀的创作者，电影仍由电影人完成，AI 只是提供更好的工具。目前，Netflix 已经在布景参考、视觉预演、视效、场景准备和镜头规划中使用 AI。

显然当下不可能靠 AI 直接去生成 300 部 Netflix 剧集、电影，但被无缝衔接到 300 套原本就存在的专业流程，这或许才是 AI 真正进入影视工业的标志。

02 AI 影视下一场竞争，把模型嵌进专业流程里

Netflix 的案例至少证明，AI 已经开始进入专业影视生产。

但目前，它更多还是被分散地使用在视觉预演、场景扩展、视效和后期等具体环节。对于单个剧组而言，这已经能够解决不少实际问题；对于整个行业而言，下一步则是如何把这些零散能力组织起来，变成一套可以被不同项目反复调用的生产方法。

剧组不可能每次都从头寻找模型、重新搭建流程。AI 要真正成为影视工业的一部分，就必须从偶然进入某个镜头，进一步变成可以管理剧本、资产、分镜、生成、剪辑和协作的稳定系统。

这也正是今年 WAIC 上，AI 影视讨论出现变化的地方。

7 月 20 日，在 WAIC 2026 收官日，万兴科技（300624.SZ）与生数科技联合承办了大会创办九届以来首个 AI 影视专场论坛—— " 世界模型驱动下的 AI 影视生产力新范式 "。现场讨论的重点不再只是画质、时长和模型参数，而是世界模型、导演 Agent、项目协作、内容出海与产业生态。

换句话说，当 Netflix 等平台已经开始把 AI 拆进数百个影视项目，国内平台思考的下一步，则是如何让这种使用不再依赖单个团队临时拼接工具，而是形成一条更明确、更可复制的 AI 影视生产线。

万兴科技创始人、董事长吴太兵在现场将这种变化称为一次 " 范式级重构 "。他提出："AI 不是在辅助影视创作，而是在重构影视工业的底层逻辑。"

这句话放在今天与其说激进不如说是行业共识，但真正落到制作中，所谓重构并不是用模型抹掉整个剧组。恰恰相反，当 AI 开始面对电影和剧集，它首先必须承认影视生产远比输入一句提示词复杂。

万兴剧厂（reelmate.cn）此次强调的变化，是从 " 单点抽卡 " 走向 " 全局调度 "。

所谓单点抽卡，是创作者逐个输入提示词，等待模型随机生成，效果不理想便继续重来。每个镜头都可能很好看，但人物、场景、机位和情绪很难在整部作品中稳定延续。创作者可以不断向模型索要新答案，却难以真正掌控全局。

全局调度则要求平台先理解整部作品。剧本需要被拆成场次，人物、场景和道具需要成为可反复调用的数字资产，导演再根据剧情安排角色站位、镜头运动和表演情绪。模型依然负责生成，但生成行为受到作品设定和上下文约束。

这也是导演 Agent、无限画布和项目协作工具开始被反复提及的原因。它们的意义不是增加几个生成按钮，而是让剧本、资产、分镜、素材和修改记录留在同一个项目中，让导演能够修改镜头，让制片能够管理成本，让美术和后期围绕同一套资产工作。

根据万兴科技披露，万兴剧厂目前已将智能剧本、角色及场景资产、分镜生成、无限画布、Agent 助手和后期剪辑连接进同一套工作流，并与万兴喵影打通素材、字幕和剪辑工程；在创作范式上，同时提供无限画布与制片工坊两条路径。据其披露，分镜创作效率可提升 10 倍（1 集 / 人 / 天提升至 10 集 / 人 / 天），一次抽卡可用率达 80%。上述数字属于企业测算，但产品路线本身已经说明，竞争重点正从 " 模型能否出片 "，转向 " 镜头能否被持续修改、协作和交付 "。

这也并非万兴一家正在探索的方向。随着 AI 影视进入专业制作阶段，越来越多平台开始尝试将编剧、导演、美术、摄录、剪辑、宣发等环节连接起来，构建覆盖创作、协作与交付的全链路工作流。不同产品调用的模型和主攻场景各不相同，但它们都在回答同一个问题：当生成能力已经足够多，怎样才能把这些能力组织成一条真正能开工的生产线？

出海则让这条生产线变得更加复杂。

吴太兵在论坛上提出：" 全球不是一个市场，而是五大区域影视生态 "。一部作品走向海外，需要调整的不只是字幕和配音，还包括题材偏好、人物关系、叙事节奏与视觉审美。万兴科技同时发布 " 万剧出海创投计划 "，计划投资亿级资金、孵化 10000+ 部剧，给予算力 Token 投资，从内容到发行变现全链路赋能；同场还宣布 " 万剧出海共创联盟 " 正式成立，并启动首届 AIGC 影视内容创投大赛。这里的 10000+ 部是计划目标，而非已经实现的产量。

万兴在现场也同步亮相的另外两款新品，也能看出 AI 视频工具正在按照具体生产场景进一步分化。面向 TVC 制作公司和品牌广告团队的 Filmora.AI，将 AI 创作画布与多轨剪辑流程打通，试图覆盖从创意、素材生成到后期交付的商业视频生产链路；据万兴科技披露，其最高可将视频制作时间缩短 90%、创作成本降低 80%，预计于 8 月正式发布。

另一款 Virbo AI 则面向社媒博主和中小商家，通过还原真人 IP 形象与声线，并结合 " 虚实分控 " 技术，服务种草和带货内容生产，预计 7 月底上线。两款产品所对应的广告、品牌内容与电商场景，与万兴剧厂主攻的短剧、漫剧和专业影视并不相同，也进一步说明，AI 视频接下来的竞争未必是用一个万能模型覆盖所有内容，而是围绕不同场景建立各自更具体的工作流。

当然，一套完整工作流并不会自动带来好作品，更不能保证批量复制爆款。

它能解决的是反复抽卡、工具割裂、版本混乱和协作低效，却无法替创作者决定一个故事是否成立、一段表演是否动人。所谓 AI 影视工业化，也不等于按下按钮就能批量生产内容，而是先让 AI 拥有进入专业生产体系的资格。

从这个角度看，AI 拍出一个好镜头，或许只是拿到了进入影视行业的入场券。

真正的考试，是它能否被导演反复修改，被制片纳入预算，被美术和后期共同调用，最后稳定地出现在一部按时交付的作品里。

当 AI 不再急着证明自己能够取代一个剧组，而是开始学会如何加入一个剧组，它距离真正的专业影视生产，反而更近了一步。