王珞丹抽卡到凌晨6点：AI扩了能，却没有减负

凌晨4点，王珞丹还在电脑前“抽卡”。

所谓“抽卡”，就是不断让AI生成新版本，直到随机结果终于接近创作者脑中的画面。她已经很清楚自己想要什么，但一次次生成，都不是那个镜头。

“到四点的时候会觉得很绝望。”王珞丹说。天亮以后，她又觉得还有希望，因为到了大约6点，她终于抽到了自己想要的镜头。

这不是一个“AI不好用”的简单故事。恰恰相反：AI已经强到让一个演员可以自己做人物、镜头和短片，也让她开始要求AI真正听懂表演、情绪和导演意图。工具降低了动手的门槛，却抬高了创作者对结果的期待。

在2026云栖大会“视听生成：多模态创作与文化娱乐”分论坛上，这种矛盾被六位来自不同环节的嘉宾反复说到。圆桌由阿里巴巴ATH事业群 Token Foundry Happy Horse技术负责人葛铁铮主持，参与者还包括阿里巴巴ATH事业群 Token Foundry Happy Shrimp技术负责人林轩、小旭音乐创始人卢小旭、演员王珞丹、爱奇艺AI制作高级总监朱俊敏，以及AIGC设计师、知名开源LoRA模型创作者、B站AIGC技术分享创作者大雄。

他们讨论的表面问题是“从提示词到作品”的最后一公里，真正暴露出来的却是一场创作者的“能力通胀”：AI让人能做更多事，却没有自动让人少做事。

AI最难的不是生成，而是“就是这个”

王珞丹最初从人物三视图开始学AIGC。很快，她就在一个看似很小的细节上和老师发生分歧：AI把角色从单眼皮变成了双眼皮，老师觉得没变，她却坚持“我要的是个单眼皮”。

这个细节划出了体验工具和专业创作的分界线。普通用户看到的是“像不像”，创作者在意的是人物是否一致、情绪是否准确、这个表演是不是非它不可。

真正开始做短片后，更难的问题出现了：她不知道怎样跟AI沟通“表演”。给一个宽泛概念，模型常常能制造惊喜；但当她已经明确知道人物应该是什么状态，AI反而未必能稳定给出那个结果。

这正是今天生成式视频的悖论。模型越来越擅长交付一个“不错的画面”，专业工作流却要求它持续交付“创作者指定的画面”。从“能生成”到“可控制”，不是同一件事。

6个人干50个人的活，效率为什么没有变成空闲

卢小旭的团队把这种变化量化了。

他们只有6个人，却在做AI歌手、音乐制作、视觉设计、人物设定、短视频内容和账号运营。卢小旭说，自己感觉团队“做了50个人的事”。

按传统的生产力叙事，这应该意味着更少的人、更短的工时。但他的下一句话揭示了另一面：AI时代的人反而越来越忙，因为期待值变高了，“以前你不敢做的事儿，现在你都更愿意去做了”。

以前，一个音乐人可以只负责作词、作曲或演唱；现在，一个人借助AI可以继续做视觉、MV、人设和传播。每一项工作的技术门槛都在下降，原本分散在不同岗位上的工作，却开始集中到同一个人身上。

这就是“能力通胀”：个人能力边界扩张以后，任务清单也跟着扩张。效率没有被兑换成空闲，而被兑换成更多项目、更高标准和更多角色。

王珞丹把这种体感概括得更直接：“它扩了能，但它没有减了负。”

提示词写到几千字，仍然不等于控制

为什么创作者越想说清楚，AI有时反而越难控制？

葛铁铮给出的解释是，早期的生成工具把交互想得过于简单：人用自然语言写一段提示词，模型就应该把想法变成画面。但文字很难完整描述人物、空间、动作、镜头、节奏和微表情。即使提示词写到几千字，生成结果也可能偏离创作者的想象。

因此，视频生成正在从单一的“文生视频”，转向图像、首尾帧、视频、音频和多种参考素材共同输入。创作者不必把所有要求都翻译成文字，可以直接指定：用这张图的人物、那张图的商品、另一个素材里的动作和声音，组成一个新镜头。

这个变化的关键，不是输入格式变多了，而是控制权开始回到创作者手中。AI负责执行，创作者重新负责叙事、审美和取舍。对专业生产来说，这比单纯提高一次生成的“惊艳度”更重要。

AI进入影视工业，先改变的是生产方式和经济账

爱奇艺AI制作高级总监朱俊敏谈到，长剧目前仍以实拍为主，但正在向“实拍混制”过渡。

在剧本阶段，导演就可以用AI做重点镜头预演，再决定哪些镜头实拍、哪些由AI生成、哪些需要绿幕拍摄，以及哪些细节最后交给传统计算机特效修复。AI因此不再只是后期的一个按钮，而开始进入剧本、美术、预演、拍摄和后期的完整链条。

朱俊敏判断，一些过去需要两年以上的内容，在AI渗透多个环节后，制作周期可能缩短到半年左右。这个数字是现场嘉宾对生产效率的估算，并不意味着所有影视项目都已经达到这一速度；它更重要的意义，是说明内容项目的成本结构正在改变。

科幻是一个典型例子。它的受众可能相对垂直，视效投入却很高，过去很容易算不过商业账。如果AI能降低复杂场景和高信息量画面的制作成本，一些原本“不值得拍”的题材才可能进入正向循环。

同样的变化也发生在创作前端。王珞丹在电影创投评审中看到，越来越多年轻导演带来的不再只有剧本，还有用AI制作的预告片。过去，他们要先拿到钱，才有机会证明影片会是什么样；现在，他们可以先把人物、场景和视觉气质做出来，再去争取资金。

AI降低的因此不只是制作成本，也是一个新人证明想象力的成本。

工作流变简单了，为什么更不能等“模型成熟再学”

大雄回忆，早期使用ComfyUI这类可以搭建图像生成流程的工具时，基础模型能力有限，创作者为了控制结果，常常要自己搭建上百个节点的复杂工作流：模型画不好，就增加约束；一致性不够，就继续叠加控制工具。

今天，基础模型正在直接完成许多过去要靠复杂流程拼出来的工作。于是有人会问：既然模型迭代这么快，是否应该等工具足够成熟再学？

大雄用了一个很形象的比喻：不能因为吃到第五个馒头终于饱了，就认为前四个都白吃了。持续使用模型的价值，不只在于记住某个界面，而在于形成对模型边界、组合方式和失败原因的直觉。这种判断不会随着一个工具下线而立刻失效。

林轩则从模型研发的角度，把下一步概括为“泛化”。今天的音乐模型已经能生成完成度很高的歌曲，但更重要的问题是：它能不能完成开发者没有为某个任务专门训练过的玩法？

他举例说，模型如果既理解猫叫，又理解唱歌，能否组合出自然、和谐的“猫唱歌”？这听起来像一个玩笑，却说明模型是否能把底层能力迁移到新的创意中。创作者需要的不是一个只会完成标准答案的机器，而是一个能与人共同探索陌生表达的系统。

当“做出来”不再稀缺，选择和表达开始升值

卢小旭在现场设想，过去每天可能只有几千首原创歌曲上传平台，AI时代则可能出现每天几十万乃至100万首。这里的“100万首”是他用来说明供给膨胀的判断，不是经平台统计确认的当前数据。

但问题是真实的：当生成数量急剧增加，“做出来”本身会迅速贬值。真正稀缺的能力转向了选择、审美、创意、传播，以及定义问题。

这也是为什么AI一边降低门槛，一边把创作者推向“六边形战士”。会生成只是起点；选什么题、保留哪个版本、怎样让人看见、为什么值得被记住，才是供给过剩之后更难的部分。

王珞丹最后把讨论重新拉回“人”。如果角色、表演甚至电影都可以生成，为什么还要做演员？她的回答不是宣称AI永远无法替代真人，而是强调演员进入不同角色、体验不同生命的过程。AI可以生成一个结果，却没有经历一个人如何成为那个角色。

所以，这场圆桌给出的答案并不是“AI让创作更轻松”。更准确的说法是：

• AI降低了技术门槛，却提高了创作者对精确控制的要求；
• AI让个人拥有小型团队的能力，也把更多岗位压到了个人身上；
• AI让内容供给变得廉价，却让选择、判断和表达目的更加昂贵。

所谓“最后一公里”，最终又回到了第一公里。

王珞丹说：“最后一公里，就是开始的公里。”当AI越来越擅长回答“怎么做”，创作者真正需要回答的，仍然是那个最初的问题：为什么做？