AIGC 对于电影行业的介入，或将彻底颠覆传统电影制作模式，重构产业上下游链条。

从影像生成功能来说，在 SORA 出现之前，以 Runway 和 Pika 为代表的视频生成类模型虽然在视频清晰度，以及内容连续性上都无限逼近真实感官，但是相比于 SORA 所生成的视频还是存在巨大差距。

首先，目前市面上大部分文生视频的模型大都只能生成几秒钟的视频内容，且镜头不能进行大幅度的摇移。SORA 能生成 60 秒的视频内容，同时可以实现同一场景多角度镜头，以及画面中同一主体保持完美的一致性，甚至可以直接将镜头拉到特写画面。

60 秒意味着什么？学者詹姆斯 · E · 卡特曾对 1935 年到 2010 年好莱坞电影进行系统的量化与分析，研究得出 1930 年代到 1940 年代电影的平均镜头长度约为 10s，到了 2000 年后，该数据则下降至 4 秒以内。因而，60 秒代表着人工智能生成视频不仅能够满足市面上短视频时长需求，也意味着 AIGC 已经足够支撑大部分商业电影单个镜头时长需求。

其次，SORA 官方所展示的视频效果大多是具有毛发细节的，这也是影视特效领域最为棘手的问题，但是从官方放出的画面来看，毛发的穿插以及毛发与其他物体的碰撞模拟都非常真实。

最后，SORA 在流体与粒子这些需要进行动力学解算的画面效果上也堪称完美，镜头的焦段变化也都可以模拟出来。国内上海人工智能实验室等科研机构联合发布了 Latte，与 SORA 原理类似的扩散转换模型，就是标注出视频画面的空间位置作为框架进行训练。

从文本生成功能来说，AIGC 对于电影行业的重构还体现在剧本创作以及营销宣发等各环节的渗透。

在剧本创作方面，用户只需在平台输入类似于 " 一句话梗概 " 的 Log Line，Dramatron 便会帮助人类编剧完成剧本标题、场景、人物以及对话等细节内容的深化工作。

在营销宣发方面，以美国人工智能公司 SotryFit 为代表的企业正积极推进 AIGC 对于电影营销市场的探索，让 AIGC 能够实现电影票房的营收估算以及营销方案的制定等功能，并已取得了实际的成效。

诚如尼尔 · 波兹曼所言，技术变革不是加法，也不是减法，而是生态上的变化。

早在人工智能生成图像被市场接受时，Adobe 公司一直被质疑会成为下一个诺基亚，SORA 推出后其股价连续下跌，五天内蒸发百亿美元。虽然 Adobe 坐拥庞大的设计用户基础数据，如果使用其训练人工智能会遭遇版权问题的起诉。SORA 发布的第二天，几十名设计师在 X 社交平台发布自己的原创作品，旨在争取人们对于人类原创艺术作品的支持。训练人工智能的数据来源于这些具有独创性的作品，那些视频素材供应商也在逐渐地转变为人工智能训练数据供应商。

人工智能技术对于影视行业产生了巨大的影响，但是视频生成的不稳定性也是影响人工智能替代行业技术的绊脚石。影视行业是一个链条性的工业体系，如果任何一环被替换，相应流程环节都会被替换。先不说这些高分辨率视频本身所需耗费的算力成本和模型使用成本，单单不同环节相衔接所带来的转换成本也是一时半会儿难以解决的。

比如人工智能所生成部分画面是可以达标的，但是部分演员和内容生成的不协调，需要进行合成调整，人工智能制作和现有后期制作的工作方式都不一致，协同工作将是极其复杂的问题。在实际工作中不同的软件平台都无法完美共享数据内容（模型、机位、焦段），更别说人工智能所生成的内容可以在不同模型间进行共享。

目前来说人工智能对于影视行业的冲击，主要在于那些对于画面质量要求较低的视频制作领域，影视行业的全面人工智能换代尚需时日。上述问题也都会在人工智能迭代训练中解决，所以就目前来说，最为重要的是如何将人工智能技术融合进现有的影视制作流程中以提高制作效率。

相信将人工智能技术融入软件功能也是各个影视软件厂商近几年所努力的方向，就像几十年前我们还在用贴图对光线进行模拟，真实物理渲染器加入后这些复杂的操作流程得以简化。技术革新将会大大提高工作效率，从某种程度上讲人工智能对影视行业所带来的贡献就是平权，即对创作门槛的平权。目前无论是哪种类型 AIGC 模型都不具有独立创作的能力，其只是对现有风格的模仿，新的风格产生还是较为困难（这还不涉及二次创作的版权问题以及演员肖像权问题，如果使用人工智能进行商业制作这些问题都要面对），说到底只能是一个技术工具。对于画面的审美与风格的把握还是需要人来控制，新的风格生成也需要人类进行判断和训练。

" 创新 " 这是一个 0 到 1 的过程，而不是 1 到 10。无论如何，面对人工智能的发展都不能用视而不见来解决了，我们需要做的就是无论在创作或是教学中尝试创新，从而快速地融入这个人工智能时代。

文：铁钟 图：人工智能生成 编辑：周敏娴 责任编辑：邵岭