2026年的第28届上海国际电影节首次设立了“AI片场”单元。这个位于上海影城西侧4楼、不到800平方米的空间，被红蓝色霓虹灯管勾勒成一个赛博朋克风格的“微型AI创制生态场”。
单元由上海国际电影节与MiniMax联合发起，首创“影视创作者+AI超级创作者”的1+1融合创制机制。
我们希望“AI片场”不止停留在讨论和活动层面，能够沉淀下来更多行业思考。为此，中国传媒大学戏剧影视学院受邀担任学术观察团，对本次活动进行全程观察、记录与研究。
6月19日，这份《AI影像融合创制行业观察报告》正式发布，同步开源了部分工程文件与过程资料。报告旨在帮助更多人理解AI影像创作的基本逻辑，回答当前业界对于AI创作的部分疑惑，并为传统影视创作与新技术之间的进一步对话提供参考。
“看作品，也看作品如何被创作出来；看结果，也看过程中人的判断、协作和选择。对过程的探讨，其意义远大于作品本身。”单元发起人、导演黄建新说，“最有意义的地方，是把AI创制过程打开了。”
当我们深入阅读这份报告，会发现，报告的核心价值并不在于给出标准答案，而在于把真实的“压力测试”过程摊开给人看，一个完整的问题链也逐渐浮出水面：当AI进入创作流程后，谁在判断、谁在决策、谁对最终作品负责？当AI生成变得廉价且易得，什么才是创作中真正稀缺的？从以下十个观察维度中，我们或许能够得到相应的启示。
01
AI时代，导演和编剧的创作责任无法让渡
中国传媒大学戏剧影视学院的这份报告，一开始就触及了AI时代最核心的焦虑，那就是编剧和导演会被取代吗？报告指出，AI确实已经深度进入剧本和导演工作：它可以查资料、列大纲、写人物小传、提供桥段方案，也可以把口头想法整理成可阅读的初稿，它还可以根据提示词生成画面，模拟镜头、焦段、景别和光线，甚至一次提供多个版本供创作者选择。
但我们真正需要辨析的是：这些能力是替代了编剧和导演，还是改变了编剧和导演工作的展开方式？
“能工智人”组的剧本共创过程，为我们揭示了AI时代编剧工作的本质变化。两人围绕母亲阿织的行为动机进行了多轮协商，李鑫欣倾向于保留更尖锐的原始设定，王泽则担心观众无法建立情感认同，最终，他们既保留了悲剧厚度，又避免了强行改写生死因果的伦理争议。
过去，编剧为了进入一个陌生领域，往往需要长时间检索、阅读、摘录和归纳；现在AI可以快速勾勒出某一领域的基础地图，因此，AI最主要的价值体现在资料搜集和信息整合上。
余曦指出：“过去做一个案子可能要看三个月资料，现在借助AI，不到一个月就能完成初步资料整理。AI给出的创意往往是已有材料的平均值，它能快速提供很多选项，却很难天然产生真正独特的方案，编剧仍然要核查资料来源，判断信源是否可靠，甚至要让AI反查自己的来源，或给AI明确的信源再做交叉验证。AI可以加速案头工作，却不能替编剧完成事实核验。”
但报告也明确指出，资料获取得快，并不意味着资料已经可靠。AI给出的信息仍然需要核验来源、判断信息权重，并进行交叉验证。李哲言认为，“我有时候也会让大语言模型提供各种行动方案，甚至要求它不管合理性，把最极端的方式都列出来。这些方案未必能直接使用，有些甚至很离谱，但它们可以刺激自己从原本悬浮的状态里往某个方向思考。”
此外，报告还提出了“AI导演”这一概念。它不是对传统导演的替代，而是AIGC生成流程复杂化之后出现的新协作岗位，类似于摄影指导、艺术指导，在某一专业系统内部承担统筹功能。
李哲言指出：“如果AIGC创作者只是掌握工具和技巧，很快会被模型迭代替代。真正有价值的是，创作者能否理解作品意图，能否知道为什么要这样生成，能否判断生成结果是否服务于人物、叙事和风格。”
AIGC对影视创作的真正影响，不是使编剧和导演消失，而是把他们的核心功能重新暴露出来。编剧的价值不只是写出文字，而是组织经验、建立人物、推进冲突、重写文本，并承担写作责任；导演的价值不只是生产画面，而是确立意图、统合风格、筛选版本，并在众多可能性中完成定夺。AI能够参与创作过程，却不能替代创作责任。它让创作者更快抵达文本现场和画面现场，但最终通向哪里，仍然取决于人的创作判断。
02
专业人士的指导价值，依旧不可替代
毫无疑问，AIGC让小团队获得了显著高于以往的生产能力，但也容易让创作陷入内部循环，即团队始终围绕模型反馈不断修改，却忘记了作品最终还要面对观众、平台需求、行业评价以及交付周期。这份报告给出的另一个核心观察是：AI让生成速度变快之后，来自专业人士指导的重要性反而更加凸显。
报告指出，AIGC最直接的便利是让生成一张“看起来完成度很高”的画面变得容易。问题在于，画面好看并不等于画面正确，AI可以快速给出一个“像电影”的结果，但它并不真正理解这部作品的题材、人物关系、类型气质和观众预期。比如，历史题材中一个道具不准确会破坏年代感，神话题材造型偏向迪士尼会削弱本土审美，现实题材空间过度精致会让人物失真。
以“三头怪”组为例，监制老师在讨论中多次把视觉缺陷直接挂到叙事理解上：水下场景里三个角色的面部特征过于雷同，观众分不清谁是谁。换句话说，重复脸、恐怖谷、画风漂移这些AI的典型失误，带来的并不只是画质问题，而是意义事故，画面把故事的类型和指向都悄悄改写了。因为在传统拍摄里，一个平庸的镜头顶多是平庸，在AIGC里，一个生成失准的镜头，却可能直接让观众读出创作者根本没打算表达的东西。
专业指导的作用，正是把行业经验和外部约束重新带回创作。
第一是题材边界与行业风险，不同题材都有自己的安全边界和表达尺度，这些问题不是模型能够自动判断的；第二是交付节奏与停止能力，AIGC可以不断迭代，但专业指导帮助团队建立交付意识，什么地方已经足够，什么地方继续消耗并不会明显提高作品质量；第三是帮助团队判断AI应该被用在哪里，AI有优势也有明显短板，专业人士的经验能够帮助团队判断这个故事应该减少不必要的人物特写，把重点放在空间、动作或气氛上；第四是观众认知尺度，团队认为重要的细节，未必能被观众读懂；专业指导代表的正是这种看不到幕后过程的观众视角。
报告还特别强调：AIGC并没有让专业人士变得不重要，反而让专业人士的重要性以新的方式显现出来。AI提供速度与可能性，业内经验提供方向与标准，专业人士不是AIGC流程之外的旁观者，而是帮助AI创作者把“能生成”转化为“能成片”的关键力量。只有将两者有机结合起来，才更接近AI影像创作的理想状态。
03
影视人才培养的复合化转向
AIGC进入影视制作时代，影视创作所需要的能力结构也正在发生变化，潜藏在传统影视教育中的一个问题被重新推到了前台：未来我们到底应该怎样培养影视创作者？这份报告的回答是：AI时代需要培养能够跨越专业边界进行审美辨析、流程理解和创作协作的复合型人才。
未来影视教育要回答的，不只是“还要不要分专业”，也不是简单地转向“人人都要全能”。这种复合并不意味着一个人会干所有人的活，而是意味着他能理解更多工种的表达逻辑，并借助AI把这种理解转化为具体的创作要求、生成指令和作品取舍。
“三头怪”组合在访谈中明确指出：“导演本来就是一个非常综合的角色，一部分是创作内的综合，一部分则是创作外的资源聚集。导演之所以能够成为导演，不只因为他掌握某项技术，还因为他能把不同创作力量聚合到同一部作品之中。”
“能工智人”组的协作模式同样提供了重要参照。剧本阶段，王泽先完成一版初稿，李鑫欣在此基础上重新撰写，最终定稿采用李鑫欣版本。这意味着AI超级创作者深度参与了叙事内核的构建，而不仅限于技术执行。进入视觉阶段后，两人基于同一套资产库同步推进：先共同确定剧本，再统一设计角色与全部场景，随后双方基于这些资产同步生成视频及补充画面。
余曦和李哲言的合作同样说明了这一点。两人都具备一定的传统影视经验和AI制作能力，只是各自的重心不同：余曦更强的是编剧、场景分析和调研判断，李哲言更强的是把这些判断转化为可生成、可修改、可迭代的图像资产。也正因为双方不是互相隔绝的两个工种，他们在合作中并不需要从零解释为什么要这么做，而是可以很快进入具体问题。
AI时代影视人才的培养，必须让不同工种之间建立起共同语言，使学生能够在保留主专业的同时，理解其他专业如何参与同一部作品。AI时代影视教育的任务，不是取消专业，而是让专业能够进入新的生成流程，不是培养无根的全能者，而是培养有根的复合判断者。
04
“生图”作为核心环节：传统经验的前置与集中
报告指出，AI生图的流程远不只是“输入提示词并等待模型输出结果”这么简单，AI影像创作也并不意味着传统影视制作的能力不再重要，而是这些能力在制作流程中出现的位置、组合方式和工作重心发生了变化。
“三头怪”组在访谈中明确说到：“我们现在做的工作与其说是生图，不如说是在准备资产。”资产，指的是在生成视频时用来统一风格、保持人物和场景连续性，并可以被反复调用的一整套视觉基础材料和生成依据。人物资产如果不稳定，角色在不同镜头之间就会出现面孔、身形、服装或气质上的漂移；场景资产如果不准确，后续镜头即使运动流畅，也会失去可信的空间依据。
报告进一步指出，AI生图把原本分散在多个部门、多个阶段完成的视觉准备工作，集中到了一个可以反复生成、修改、筛选和调用的流程节点中。美术、道具、摄影、灯光、调色等传统能力并没有因为AI而消失，它们只是被提前合并进了图片生成的流程。
传统影视中的美术部门需要处理时代质感、空间结构、道具形制、服装材质和色彩关系；而在AIGC生图中，这些信息必须更早转化为可生成的视觉描述、参考图和资产标准。生图越精确，对美术判断的要求越高。所谓AI降低门槛，主要是降低了执行层面的物理成本，并没有降低视觉判断的专业门槛。
但效率的提升，并不等于创作控制的完全实现。访谈中反复谈到，改图很容易越改越糊，模型在处理局部修改时，可能会忽略画面的其他细节，创作者需要重新生成、倒推提示词、反复生成并筛选随机结果，AI强在生成可能性，却不一定强在精确可控性。
因此，AI决定“生成”的速度，人承担“判断”的责任；AI扩展可能性，传统影视经验决定这些可能性能否真正进入作品。这种关系不是替代关系，而是新的流程协作关系。
05
提示词与剧本并非简单的替代关系
对于“提示词是否能被视作新型剧本形态”这一问题，报告给出了明确的否定回答。
“三头怪”组指出，“提示词虽然包含剧情信息，但它还包括摄影风格、人物造型、美术要求、光线、画幅、模型参数等内容。正常剧本或分镜头脚本虽然也包含动作、场景和关键道具，但不会同时承担美术组、摄影组和技术参数文档的全部功能，提示词不是剧本的新名称，提示词搭配参考图时，更接近一种拍摄状态，而不是剧本状态。”
余曦特别强调，“本质上仍然是先有剧本，剧本之后的下一步才是提示词。剧本仍然解决人物、关系、情节和行动的问题；提示词则把这些叙事意图进一步转化为模型可以执行的视听信息。”
提示词是一种新的“中间文本”，它不替代剧本，而是把人物、情境、情绪转化成机器能理解的视听条件。过去，剧本到画面的转译主要由导演、美术、摄影等部门在拍摄准备和现场执行中完成；在AIGC流程中，这个转译过程被更明确地压缩进提示词、参考图和生成参数里。
“能工智人”组的实践揭示了提示词工程的另一个维度——抵抗AI的审美惯性。无论输入何种故事背景，模型都倾向于返回一种“全球化”的视觉结果：角色造型滑向迪士尼式面部结构，场景质感偏向好莱坞式写实肌理，这种偏向不是创作者主动选择，而是深植于模型训练数据中的审美惯性。
提示词与剧本之间并不是简单的替代关系。剧本负责叙事根基，提示词则把这一叙事根基拆解为画面风格、人物造型、场景质感、镜头要求、光线方向、参考图和模型参数等操作性内容。它不是剧本的替代物，也不是与剧本无关的技术口令，而是剧本进入生成系统之前的中间文本。AIGC并没有取消剧本，而是让剧本更早面对视听化、技术化和生成化的问题。
06
语言学转向：文字没有退场
光锥组在制作AI 短片《我能》的过程中所呈现的实际创作经验，揭示了一个有趣的现象：在 AI 主导的视频生成流程中，视觉内容的精确控制与艺术意图的最终落实，并非源于纯粹的视觉交互，而是深度依赖于自然语言的重新介入，文字不仅没有退场，反而作为人机协作的核心枢纽被重新激活。
导演黄雷明确指出，“最有效的方式仍然是从文本出发，必须有剧本。对于人类而言，最有力量和最高效的工具就是文字。”他进一步解释了文字相较于参考图的优势：参考图给AI之后，AI可能会抓住参考图中某些你不希望它看到的东西，对你不需要让它注意的风格等进行无端联想。
报告由此提出“语言学转向”的判断：AI时代，图像没有压倒文字，准确、有表达力的文字仍是人机协作的枢纽。
汉坤则从表演生成的角度分析了AI的根本局限，“算法无法满足人的生命体验，比如痒了、痛了、渴了、饿了，这些都是真实的物理体验。”
优秀的人类演员的表演独特性，源自特定身体、特定经历和特定生理状态所催生的不可预测的反应回路。AI无法接入这一回路，只能给出统计学意义上的中间值，未必会出现明显错误，却往往缺少魅力和独特性，正如梅洛-庞蒂在《知觉现象学》中所论证的，意义的生产根植于身体的知觉运动经验。
文字在AI影像创作中并非单向控制指令，也不是一次性输入的提示词，而是在人机之间持续往返的协商介质，唯有通过文字的反复逼近，创作者才能在模型的概率空间中，逐步收敛至那个与自身内在意图最为接近的视觉结果。
在视觉生产的技术门槛被大幅降低之后，艺术的稀缺性重新回到了观念与情感的源头，回到了创作者自身的文学修养和对世界的独特理解上，AIGC越能生成，创作者越需要清楚自己为什么选择、为什么放弃、为什么在此处停止，而这些判断，最终都需要通过文字来确立和传达。
07
AI影像叙事控制机制的新探索：“去分镜化”与“动态校准”
“能工智人”组做了一个激进的探索性决策：取消了传统动画中的手绘分镜环节，代之以“剧本定稿→统一资产设计→脑中分镜→AI生成视频”的跳跃式流程。但“去分镜化”并不意味着分镜逻辑的消失，而是分镜的形态发生了质变。团队采用了边生成边剪辑的模式，视频生成与后期剪辑同步推进，剪辑台本身成为了分镜调整的决策现场。这种“生成、剪辑、再生成”的循环，使得分镜判断从“前期预设”变成了“中期动态校准”。
动态校准的代价是片比的极端膨胀。在传统电影摄影中，片比通常控制在5：1到15：1之间。但在AI流程中，某些关键镜头需要反复生成二十五次以上，才能从中挑选出一段动作逻辑、表情节奏与空间关系均相对成立的画面。AI动画流程中的片比不再是“成本约束下的有限选择”，而变成了“算力支撑下的概率性消耗”，创作者也不再像传统导演那样“保一条”，而是在二十五条生成结果里“筛一条”。
报告也指出了动态分镜机制带来的一系列挑战。首先是空间连续性与动作逻辑的控制难度，同一关键道具在不同生成批次中的比例与透视关系并不稳定，传统分镜的空间锁定功能在AI流程中被弱化了；其次是叙事节奏的控制从“前置设计”变为“后置摸索”，这种模式对创作者的脑中分镜能力提出了更高要求；此外，“去分镜化”还带来了叙事焦点的风险，创作者可能被某个“好看的画面”吸引，而忽略该画面是否真正服务于叙事。
报告指出：未来的AI影像流程，有可能走向一种“混合分镜”模式，前期保留关键场次、复杂调度与空间关系的分镜设计，以确保叙事骨架的稳定性，中期则借助AI生成的灵活性，允许创作者在分镜框架内进行动态探索与概率性试错。
这也揭示了AI影像创作中一个深刻的悖论：技术使流程变得更加灵活，但灵活本身需要更强的内在控制。当传统分镜的纸面约束被取消后，创作者必须依靠更强大的脑中分镜能力、更敏锐的概率判断与更紧密的协作机制来填补空白。
08
正视当前技术的最大短板：三维空间一致性
报告还以“光锥”组为例，直言三维空间一致性仍是当前技术的短板，尤其在多人调度、复杂运动中容易出错。黄雷在拍摄“妈妈之家”的群戏时，AI生成的画面无法维持基本的物理恒定性：“演员站在桌子前面时，桌子是横向摆放，当演员站在桌子侧面时，桌子会变成竖向摆放……有时候从这个角度看明明可以看到三张床，从理论角度看只能看到两张床。”
黄雷的总结很精辟，“在传统片场，所有道具师都知道花瓶放在桌子左边就不能挪到右边，否则会穿帮。但AI没有这个逻辑，你只告诉它画面桌子上需要有一个花瓶，它在画镜头时把花瓶画在左边，下个镜头就可以画在右边，对它来说没有逻辑错误。”
报告还从媒介物质性层面分析了失败的本质。传统摄影机直接嵌入在物理世界的三维欧氏空间之中，空间一致性在很大程度上由物理实在的客观几何结构提供，AI视频生成模型则运行在完全不同的逻辑上，它既无物理形态的感知机身，也不共享物理世界的空间几何约束，其“空间知识”本质上来自对海量二维图像和视频的统计学习，AI影像并非客观世界的物质印迹，而是在数学高维空间中对世界的概率表征与统计模拟，是一种彻底的“无锚影像”。
黄雷指出，动漫风格与真人写实风格所需的算力完全不在同一量级，“固定算力配额”与“写实画面超高算力需求”之间存在不可调和的结构性冲突，一帧高质量的写实渲染，可能需要“整个机房集群几个大机架的机器工作二十个小时”。
黄雷还指AI创作中“让它试错、抽卡和撞大运，时间完全不可控”。以《我能》为例，如果采用实拍，黄雷估计两天即可完成拍摄，加上后期十到十五天可以交成片；而AI制作虽然省去了演员、场地和设备的费用，却在反复生成和筛选中消耗了大量无法预估的时间。他最终将AI创作的成本逻辑概括为“要么省钱要么省时间，二选一”。
综合来看，在这些案例中，AI影像创作在降低资金门槛的同时，并未稳定压缩创作周期，反而将大量时间转移到了与模型博弈的消耗之中。创作者在技术限度面前展现的韧性与妥协，正在定义AI生成影像在当下阶段的美学面貌，这是一种在算力约束的边界上、在人机协同的摩擦中生长出来的过渡期美学，它既非传统影像的延伸，亦非技术乌托邦的兑现，而是物质性限制与创作主体性之间持续博弈的产物。
09
AI时代的动画创作：门槛只是转移，而非完全消失
“能工智人”组两位成员均不具备传统原画或逐帧动画经验，却借助AI工具直接进入了动画生产。这似乎印证了“AI消解了动画创作的技术门槛”的判断，但报告给出了更复杂的图景，“能工智人”组的案例也表明，AI改变的只是门槛的形态，而非门槛的本质，动画与实拍在作为创作者表达意图的载体这一点上相通。
不可否认的是，传统动画行业长期以来维持着极高的技术壁垒。从原画设计到中间帧绘制，从建模到绑骨，从动画到渲染，每一个环节都需要经年累月的专业训练，而AI工具确实在很大程度上打破了这一壁垒，创作者无需掌握原画技巧，便可通过“AI生成图像+视频”的路径，直接产出具有叙事功能的动画素材。
但旧门槛的拆除，并不等同于门槛的消失。“能工智人”组为确立《愿力司》的视觉风格进行了五十余次提示词迭代，这一过程暴露出一个隐蔽但真实的新门槛——与机器达成视觉共识的能力。传统动画创作者需要理解线条、体积、动作节奏；AI动画创作者则需要理解算法如何解析语义、如何通过负面提示词抵消不想要的输出、如何通过参考图权重固定风格走向，手绘是一种“从手到眼”的直接控制，AI动画控制是一种“从语言到概率”的间接控制。
这份报告还将AI时代的创作者分为三个层次。第一层是准入者，借助AI跨越传统技术壁垒，能够产出动画影像；第二层是表达者，不仅能让画面动起来，还能让画面服务于叙事、情绪与风格；第三层是突破者，不仅善用AI，还能在AI的审美惯性中开辟新的视觉语法。
由此可见，AI主要解决了第一层的问题，但从第一层到第二层，需要跨越的正是那道表达门槛，它包括传统影视语言的掌握、跨模态的审美翻译能力、与算法博弈的提示词思维，以及在无限生成可能性中的取舍判断力。
这些能力无法通过工具自动获得，而必须依赖创作者长期的经验积累与专业训练，创作者的竞争力从手头功夫转向审美判断，提示词能力、审美翻译能力和表达判断力变得更重要。
10
“影像论文”式的实验性创作
在所有四组作品中，Bicycle Kids组选择了最独特的方向。
这部名为《活下来的碎片：给蝴蝶的口信》的视频随笔（Video Essay）基于一个真实的科学现象：毛虫在化蛹过程中身体彻底溶解，但部分记忆在“大规模重构”中幸存，六章英文旁白构成思想骨架，配合AI生成的影像系统，形成了一部兼具学术论证密度与影像诗学品质的作品。
报告用了大量的篇幅，对这部作品的六章论证结构做了详细拆解：从科学事实到哲学引入，再到历史扩展、核心悖论、当下锚定，最后抵达伦理结论，贯穿始终的变态发育隐喻，从毛虫到蛹到蝴蝶，成为统一所有章节的结构性母题。
报告特别分析了视频随笔与AI生成之间的了摄影机，这种索引性断裂了。但视频随笔的真实性锚点从来就不是“影像是否实拍”，而是“思想是否真实”“论证是否有效”。AI生成的石像、蝴蝶、蛹内画面在这里扮演的角色，更类似于学术论文中的“图示”：它们不是证据，而是“思考的可视化”。
叙事片中最困难的AI生成挑战之一，即让同一角色在不同镜头中保持面孔一致，在视频随笔中并不存在。视频随笔的“文字+影像”双轨结构为AI生成的偶然性提供了一个天然的接纳框架：当AI生成了一个意料之外但视觉上引人注目的画面时，它可以被纳入论证系统，成为“新的思考素材”。
这个选题具有罕见的自反性，它不仅“讨论”变态发育与记忆转移，它本身就“是”一个蜕变与记忆转移的实例。AI片场的“1+1”机制本身就是一次“化蛹”实验：传统影视创作的“身体”正在被AI技术彻底重组。
影片的末句或许是对整份报告最好的注脚：
- “The message will arrive in the wrong body. It does not say: Remember me. It says: Make me worth having been.”
- 口信将抵达错误的身体。它没有说：记住我。它说：让我的存在值得。
《活下来的碎片》提出了一种AI时代非虚构影像的新可能，不是用AI制作关于某个主题的纪录片（AI as tool），也不是制作“关于AI”的纪录片（AI as subject），而是在“AI正在重组一切”这一事实之中，用AI作为思考的媒介来反思这一重组过程本身（AI as medium and mirror），这种“以工具反思工具”“以蜕变之身记录蜕变”的创作立场，或许是AI时代非虚构影像最具思想深度和形式创新潜力的方向。
结语
“AI提供速度，人承担判断”
值得关注的是，“AI片场”这个专属AI创作空间承载多项核心实践，MiniMax自研多模态平台MiniMax Hub，提供了本次创作环节的大量底层支撑。
四支团队全程驻扎现场，依托MiniMax一体化AI工作流完成从构思、分镜、影像生成到后期剪辑的完整创作，往来参观的行业嘉宾可实时围观创作者与AI协同工作的全过程，直观地看见一套统一工作台如何省去多软件切换、素材反复搬运的烦琐流程，真切感受AI Agent承接重复工作、创作者把控故事与审美的全新协作模式。
不仅如此，MiniMax还同步开放了四支团队全部创作工程文件，并于6月下旬开源全套学术调研资料，以本土企业之力推动全行业共享AI创作实战经验。中国传媒大学戏剧影视学院的这份《AI影像融合创制行业观察报告》的价值，同样不在于给出标准答案，而在于把真实的创作过程摊开给人看。
总体而言，这十个观察维度指向同一个核心判断：AI决定“生成”的速度，人承担“判断”的责任，AI扩展可能性，传统影视经验决定这些可能性能否真正进入作品。效率的提升，并没有让我们的创作变简单，AI让创作者更快抵达文本现场和画面现场，但最终通向哪里，仍然取决于人的创作判断。
编剧的价值也不只是写出文字，而是组织经验、建立人物、推进冲突、重写文本，导演的价值不只是生产画面，而是确立意图、统合风格、筛选版本，并在众多可能性中完成定夺。影视教育需要培养的是“有主专业、懂AI流程、能跨学科协作的复合型创作者”。AI时代不需要无所不能的全能者，需要的是能够跨越专业边界进行审美辨析、流程理解和创作协作的人。
正如报告发起人、导演黄建新在活动现场说：“以AI当前的发展阶段，远没到只看作品的时候。更有价值的，是把创作过程拿出来，把问题摆在桌面上。”这四部融合创制作品，或许并不完美，但也正因如此，探索的过程和价值才更显得弥足珍贵，这也提醒我们，在AIGC影像创作时代，要重新找回并确认自身作为创作者的身份，并在技术快速迭代的过程中更加坚信：AI不会反客为主，人仍是创作核心。
作者：赵无眠
编辑：HUO
出品：IT时代网
热门跟贴