很多人熟悉本·阿弗莱克（Ben Affleck），是因为《心灵捕手》《逃离德黑兰》以及“蝙蝠侠”这一经典角色。但过去几年，这位好莱坞演员、导演和制片人还做了一件颇为跨界的事：创办了一家 AI 公司。
这家公司名为 InterPositive，成立于 2022 年，主要为电影拍摄和后期制作开发 AI 工具。2026 年 3 月，Netflix 宣布收购 InterPositive，整个团队随之加入 Netflix，阿弗莱克本人则继续担任高级顾问。
Netflix 当时并未披露收购价格。不过，随后提交给美国证券交易委员会的 10-Q 文件显示，公司在 3 月完成了一笔约 5.87 亿美元的现金收购。
最近一周，阿弗莱克开始更详细地讲述这段此前鲜少公开的创业经历。在 上个月底举行的 Bloomberg Screentime 2026 上，他花了近半小时讨论 AI 与电影制作；10 月 6 日，《GQ》又刊发了对他的长篇专访。在这两次谈话中，他反复强调一个观点：如今的通用视频模型已经能够生成相当逼真的画面，却未必真正理解电影是如何制作出来的。
从“我们完了”到自己训练 AI
阿弗莱克其实不是突然闯入 AI 领域的技术门外汉。
他从小就喜欢拆装电脑，长期接触视觉特效流程。电影制作从胶片转向数字化后，他也接触过 GPU、卷积神经网络等技术，还会自己编写一些 Python 脚本。成立 Artists Equity 之前，他甚至经营过一家小型视觉特效公司。
真正让他决定创办 InterPositive 的，是一次生成式视频技术对他的直观冲击。
阿弗莱克回忆，身边的视觉特效人员最早提醒他，Google 和 OpenAI 正在用 Transformer 开发视频生成技术。他随后联系了一些团队，去现场看这些系统。第一次看到效果时，他马上给马特·达蒙（Matt Damon）打电话：“哥们，我们完了。”
只需要输入几行文字，系统就能生成看起来相当逼真的视频。在最初的震惊之后，阿弗莱克开始进一步研究这些模型使用的数据、标注方式和生成结果，却逐渐发现，“看起来真实”与“能够用于电影制作”是两回事。
电影制作需要处理的不只是画面本身，还包括摄影机位置、镜头语言、灯光、空间关系以及不同镜头之间的连续性。这些信息在普通互联网视频中往往已经被压缩甚至丢失。
在阿弗莱克看来，问题并不只是模型规模不够大，而是训练数据本身没有按照电影工业的逻辑组织起来。阿弗莱克曾向一些工程师提出，可以按照电影制作的方式重新组织训练数据；对方认为，只要模型足够大、数据足够多，这些知识最终会自己学会。他没有接受这个判断，于是 InterPositive 选择了一条不同的路线：如果现有数据不够，就自己生产数据。
Netflix 披露，阿弗莱克和团队在受控摄影棚中，按照完整的电影制作流程建立专有数据集，希望让模型直接学习摄影师和导演熟悉的视觉语言。这项数据采集持续了约 8 个月，团队使用了摄影机、LiDAR、定位设备以及虚拟制作环境。
这也是 InterPositive 与 Sora、Veo 等通用视频模型最明显的区别之一。通用视频模型通常需要从海量视频中学习现实世界，再根据文字或图片生成画面；InterPositive 则把目标限定得更窄：先学习电影制作本身的规则，再进入具体电影的生产流程。
Netflix 表示，其第一代模型使用的是规模更小、专业性更强的数据集，重点学习视觉逻辑、剪辑一致性，以及缺失镜头、背景替换和灯光错误等实际制作问题，而不是单纯学习演员表演。
一部电影，可以有自己的模型
InterPositive 真正特别的地方，还在于它会继续利用一部具体电影自己产生的数据。电影每天拍摄完成后，都会产生大量 dailies，也就是未经完整后期处理的原始素材，这些素材记录了演员、布景、光线和镜头风格。InterPositive 会用这些项目自己的素材继续适配模型，使其更熟悉这一部电影的视觉世界。
TheWrap 将这种方式概括为针对单部电影或剧集优化的 “mini-model”。按照其披露的工作方式，电影先正常拍摄，再将自己的 dailies 输入系统，让模型针对具体项目继续适配。Netflix 首席技术和产品官伊丽莎白·斯通（Elizabeth Stone）也表示，这套工具并不是传统的“文本生成视频”，而是嵌入真实制作流程，并根据具体项目的数据进行调整，从而获得通用 AI 工具较难实现的可控性和一致性。
因此，“一部电影一个模型”更接近 InterPositive 的实际工作方式。电影仍然要先拍出来，再让 AI 学习已经存在的素材，之后进入后期环节，用于补缺失镜头、重新构图、校正灯光、替换或增强背景等任务。阿弗莱克本人也明确反对“一句话生成一整部电影”的想象。在他看来，AI 更适合作为电影人的工具，而不是绕过电影人直接替代整个制作过程。
这套路线目前还没有公开 Benchmark，也没有与 Sora、Veo 等模型的直接对比，因此很难判断它在纯生成能力上到底处于什么水平。不过，它已经进入了真实电影生产。阿弗莱克最近确认，自己即将上线 Netflix 的新片《人性本兽》（Animals）已经在多个环节使用 AI，只是他拒绝具体指出哪些镜头经过处理，理由是电影本身就在制造真实感，逐一解释技术机关会破坏这种体验。
当 AI 真正进入好莱坞
比起模型究竟能生成多逼真的画面，InterPositive 更值得关注的地方，或许是它提供了另一种 AI 进入电影工业的路径。
过去两年，视频生成模型的竞争主要集中在模型规模、生成质量和可控性上。但当 AI 真正进入电影生产，专业数据、项目数据以及既有工作流的重要性开始显现。好莱坞每年产生大量不会公开出现在互联网中的原始素材，这些过去只是制作过程中的中间材料，如今也可能成为训练 AI 的重要资产。
这也解释了阿弗莱克为什么最终愿意把公司卖给 Netflix。他在《GQ》中说，此前也有科技公司找过他合作，但他担心技术一旦留在电影工业之外，最终的价值和控制权也会离开电影人。Netflix 至少仍然是一家电影制片方，也是好莱坞工会体系的签约方，演员、导演和幕后工作人员仍处在既有的权利和报酬体系中。
对于更广泛的 AI 讨论，阿弗莱克并不相信 “AI 很快接管世界”的末日叙事，但他同样反对把生成式 AI 当成确定性的计算器。他认为，生成式模型本质上依赖概率和推断，因此不适合未经充分约束就进入军事目标识别、安保等对错误容忍度极低的场景。
至少在电影这件事上，他给出的路线已经相当明确：先把电影拍出来，再让 AI 学习这部电影。不无限抓取互联网视频，而是自己生产专业训练数据；也不要求一个通用模型掌握所有内容，而是让具体项目利用自己的素材继续适配模型。如果这条路线最终得到验证，那么未来进入好莱坞片场的 AI，可能并不只有一个无所不能的通用系统。
也许，每拍完一部电影，都会多出一个只属于它自己的模型。
1.https://www.gq.com/story/ben-affleck-one-more-question
2.https://www.gq.com/video/watch/one-more-question-ben-affleck
3.https://about.netflix.com/en/news/why-interpositive-is-joining-netflix
4.https://www.sec.gov/Archives/edgar/data/1065280/000106528026000138/nflx-20260331.htm
5.https://www.thewrap.com/industry-news/tech/netflix-ben-affleck-ai-interpositive-impact-explained/
6.https://www.thewrap.com/industry-news/deals-ma/netflix-acquires-ben-afflecks-ai-production-startup/
7.https://www.businessinsider.com/ben-affleck-used-ai-latest-film-movie-netflix-interpositive-2026-10
8.https://www.bloombergmedia.com/press/ben-affleck-donna-langley-tarek-mansour-ted-sarandos-mikey-shulman-matt-belloni-announced-as-featured-participants-at-fourth-annual-bloomberg-screentime-in-los-angeles/
9.https://mp.weixin.qq.com/s/85ZPgtAH9Q-JykwDXyh8Og
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
热门跟贴