看完《三星堆：未来往事》，我们三个的反应很不一样。

我看到了几个尚可的画面，也看到了镜头之间的断裂、故事的混乱，以及声音本来可以做得更好的地方。老圆看着人物在冰原上穿着单薄的衬衫，忍不住追问：有了新技术，难道审美和讲故事的能力也要从零开始？

付宇却说：比我预期的好。

于是，这场映后有意思了。

这期「关雅荻·吾爱西尼马」，我和《轻刀快马》的付宇、《大上海歌舞厅》的老圆，以及现场的观众，一起聊了聊这部打着“首部AI院线电影”旗号的《三星堆：未来往事》。

原本是来尝鲜，结果一边试图理解剧情，一边不断冒出新的问题。有人觉得人物遇险时自己毫不紧张，有人从混乱中看到了意想不到的组合，还有人认真提出：能不能像做动画一样，用AI好好做一部作品？

付宇把它比作“AI时代的《定军山》”。他看重的是，一个过去很难完成的长篇影像，如今有了另一种实现方式。顺着这个想法，他想到了《盗墓笔记》：那些读小说时只能在脑子里想象、又一直没有等到满意改编的场景，以后是不是终于能看到了？

我想到的却是小时候的青岛。

那些已经消失的街道、山坡和玩耍过的地方，如果能通过老照片重新构建出来，哪怕只讲一个很日常的故事，我也愿意看。AI一定要用来拍宇宙飞船和世界末日吗？它能不能带我们回到一个再也回不去的下午？

老圆把讨论拉回另一个很具体的问题：看电影的乐趣，还包括看演员。我们喜欢一张脸，也喜欢这个人的经历、性格，以及银幕之外那些若有若无的关系。当演员变成生成的形象，这些乐趣会消失，还是会长出新的样子？为什么有些虚拟人物的脸，看起来如此“人山人海”？

话筒交到观众手里之后，讨论又往前走了一步。

如果一百个人各出一点钱，按照共同的兴趣，定制一部只属于这群人的电影，大家会不会愿意来？如果内容越来越多，真正稀缺的会不会是一个你信任的人，帮你从里面挑出值得看的东西？当制作变得便宜，小圈子的兴趣是否也能支撑一场影院放映？

我们并没有达成一致。对技术的期待、对作品的不满、对行业的担忧，常常出现在同一个人的发言里。也正因为如此，这场讨论没有停在“AI会不会取代电影人”。

聊到最后，我说起自己为什么还在组织观影会。旧的电影生产和消费方式正在变化，有些东西也许会慢慢离开。对曾经喜欢过的东西，我想多陪伴一下，也想和大家一起看看，后面究竟会发生什么。

这一晚，银幕上的故事没能让所有人投入，银幕前的人却认真聊了九十多分钟。

如果影像真的可以越来越容易地生成，我们为什么还愿意出门，和一群人坐在一起？

也许，这场映后本身就提供了一个值得继续追问的答案。

本期参与：
关雅荻｜「关雅荻·开放对话」
付宇｜「轻刀快马」
老圆｜「大上海歌舞厅」
以及现场参与讨论的观众朋友

本期包含《三星堆：未来往事》剧情讨论。关于影片制作方式及行业未来的部分发言为现场推测与个人判断。

时间轴 Shownotes

00:00 开场先问买票观众：AI画面不错，演员就要失业了吗？
03:32 关雅荻的第一反应：画面之外，故事、镜头和声音出了什么问题
08:02 老圆开聊：变来变去的脸、缺少逻辑的故事，以及“一滴眼泪”的表演

14:06 付宇为什么觉得还行：把它当作“AI时代的《定军山》”

18:30 制作成本降下来，小圈子的观众能不能养活一部电影、一家影院
20:24 AI不必只拍奇观：我想回到小时候的青岛，看看消失的街道

24:35 从历史影像到场景再现：什么样的AI作品值得走进影院
29:17 新技术的起点，能成为审美退步的理由吗？
34:10 话筒交给观众：我看不出作者想表达什么，也没有情感投入

40:48 模型更新与制作周期：电影还没上映，技术已经过时了？

44:42 从图灵测试聊到观众定制：一百个人能不能凑钱生成一部电影
50:30 一位历史爱好者的期待：用AI呈现经得起考据的高信息密度内容
52:15 观众分享AI长片《山》：作品越来越多，谁来做值得信任的“人肉导航”

57:31 从AI写稿、模拟声音到样片融资：创作流程会怎样改变
59:36 没有真人演员，还能追星吗？从虚拟偶像聊到小说改编与CP
01:06:46 AI明星为什么长得“人山人海”：新的审美与情感投射会出现吗？

01:10:18 高信息量不等于元素堆砌：一个细节，值不值得观众认真琢磨
01:12:04 纯人类创作会成为卖点吗？电影与算法短剧争夺怎样的注意力
01:20:11 观影会越来越难招募，我为什么还想多陪电影一会儿

01:27:18 最后的观众提案与三人收尾：定制交流、短剧大电影，以及线下相聚的价值

【20个核心专业名词】（中英文）

01｜人工智能生成内容（AI-Generated Content，AIGC）

指借助生成式人工智能制作的文字、图像、声音、视频等内容。影视中的应用可以是辅助写作、生成概念图，也可以涉及镜头、配音与后期处理。它描述的是内容生产方式，不是作品质量等级。本期讨论的重要区别是：某些画面由AI生成，不代表整部作品没有人类创作；作品是否成立，仍要具体看叙事、表演、声音和整体组织。

02｜大模型（Large-scale AI Model）

通常指具有较大参数规模、经过大量数据训练的机器学习模型。“大模型”并不专指聊天机器人，也包括处理图像、声音、视频或多种信息的模型。本期所说的模型更新，涉及生成能力、可控性和稳定性的变化。但不能只凭影片效果就确定它使用了哪个模型，最终画面还受到素材、提示、筛选、修改及后期流程的共同影响。

03｜提示词（Prompt）

指向生成式AI提出任务时提供的指令与上下文，形式可以包括文字、参考图像和其他输入。影视提示词可以描述人物、动作、场景、镜头运动及风格，但详细描述并不保证结果准确。本期设想由主理人提出方案、观众共同出资生成电影，提示词是表达创作意图的一个环节，之后仍需要检查人物关系、故事逻辑和镜头衔接。

04｜工作流（Workflow）

指完成一项工作时，各个步骤、人员、工具和成果之间的衔接方式。电影工作流可以包括剧本开发、预览、拍摄或生成、剪辑、声音制作与最终交付。引入AI既可能缩短某一步，也可能增加筛选、返工和统一风格的工作。本期关心的是，技术如何帮助创作者实现表达。因此，单个镜头生成得快，不一定意味着整部电影完成得更快。

05｜动态预览／预可视化（Previsualization，Previs）

指在正式拍摄或复杂制作之前，用简化影像提前演示场景、机位、人物动作和镜头关系的方法，常使用三维动画。它让团队在投入更高成本之前检验方案、调整节奏。本期关雅荻回忆《流浪地球》的探班经历，用动态预览比喻某种尚未充分完成的观感。但预览本身是规划工具，不能直接等同于粗糙作品，也不意味着可以替代最终制作。

06｜白模（Untextured 3D Model／Clay Model）

指尚未完成材质、纹理等外观细节的三维模型，常以白色、灰色或统一材质呈现。它便于制作人员先判断造型、比例、空间布局及运动关系，而不被精细表面效果干扰。原稿中的“白膜”在这一语境下应理解为“白模”。白模可以用于动态预览，但两者并不相同：前者是一种模型状态，后者是一套提前验证影像方案的方法。

07｜视听语言（Audiovisual Language）

指影视作品通过画面与声音组织意义、情绪和观看体验的表达方式，包括构图、景别、镜头运动、剪辑、对白、音乐及环境声等。同一段情节，用不同的镜头和声音安排，可能产生完全不同的感受。本期对影片“拼接感”的批评，涉及镜头之间是否建立了清楚的空间、因果和情绪关系，不能仅用单张画面是否逼真来判断。

08｜声音设计（Sound Design）

指围绕作品的叙事与审美需要，对声音进行构思、制作和组织的工作，常涉及环境声、音效及其与对白、音乐的关系。声音不仅补充画面，也能提示空间、引导注意、建立人物感受，或连接不同场景。本期关雅荻认为，复杂的时空转换尤其需要声音帮助观众进入情境。好的声音设计并不等于声音更响，而在于它是否参与了表达。

09｜跨镜头一致性（Cross-shot Consistency）

指同一人物、物件或场景在不同镜头之间保持可辨认且符合情境的连续状态，例如面貌、服装、道具位置与空间关系。对AI生成影像来说，一个镜头成功，不意味着后续镜头能稳定延续这些特征。本期关于人物脸孔变化和长片生成难度的讨论，主要涉及这一问题。视觉一致性有助于观看，但不能替代故事自身的因果逻辑。

10｜世界模型（World Model）

指对环境及其变化规律建立内部表征、用于预测或模拟的模型。在部分生成式AI研究中，它涉及空间、运动、物体关系与可能的后续状态。本期把这一方向与旧城重建、历史场景想象联系起来。但生成一个看起来可信的空间，不等于准确复原历史；具体地点、建筑和生活细节，仍需要照片、档案等材料支持，并区分证据与推测。

11｜场景再现（Reenactment／Dramatic Reconstruction）

指通过表演、布景、动画或其他影像手段，重构过去发生的事件或无法直接拍摄的情境，常见于纪录片。本期谈到以动画呈现历史场景，以及AI可能带来的制作变化。原稿中的“场景在线”应为“场景再现”。再现影像是对事件的重新表达，不能直接当作原始现场记录；观看时需要了解哪些来自档案，哪些属于后来的重构。

12｜图灵测试（Turing Test）

由艾伦·图灵于1950年提出的思想实验，经典形式是让判断者通过文字交流，尝试区分另一端的人与机器。它关注机器能否在特定互动中呈现难以与人区分的表现。本期借用这个概念讨论AI写稿和影像的真假难辨，但识别不出来并不等于机器拥有意识，也不能据此证明其具备全面的人类能力。测试条件和判断者经验都会影响结果。

13｜通用人工智能（Artificial General Intelligence，AGI）

通常指能够跨越多种任务与领域，表现出广泛学习、推理和适应能力的人工智能，其定义和判定标准仍存在分歧。它与擅长某一种任务的系统有所区别。本期出现“泛AGI时代”的现场判断，听友可以将其理解为发言者对技术变化的概括，而不宜视为已确立的结论。模仿某人的文风或声音，也不足以单独证明AGI已经实现。

14｜高信息量电影（Information-rich Cinema）

这是本期关雅荻用于分析作品的描述性概念，并非具有统一标准的电影分类。它强调镜头中的服装、道具、建筑、人物行为等细节，能够支持故事世界，值得观众反复观看和追问。信息量高不等于专有名词多、场景切换快或情节复杂。关键在于细节之间是否有依据、有联系，进一步观察时能否发现更多意义，而非暴露更多矛盾。

15｜IP改编（Adaptation of an Existing IP）

在影视行业语境中，通常指将已有小说、漫画、游戏等作品及其角色、设定转化为影视内容。本期提到《盗墓笔记》和古典名著，讨论AI能否实现读者期待的形象与场景。改编并不是逐句配图，还需要处理叙述视角、心理活动、时间安排和戏剧节奏。技术降低某些制作难度，也不会自动解决原作怎样转化为影像的问题。

16｜虚拟偶像（Virtual Idol）

指以数字角色形象开展表演、互动并形成粉丝关系的偶像类型，其制作可以使用动画、动作捕捉、合成语音或AI等技术。虚拟偶像并不都由AI驱动，也不意味着背后没有真人表演者与运营团队。本期讨论的重点是观众如何产生情感：一张好看的脸之外，持续的作品、性格设定、互动和共同经历，是否能让人形成长期的关注与认同。

17｜明星制（Star System）

指影视产业围绕明星的形象、知名度和观众号召力组织制作、宣传与消费的机制。观众可能因为演员而选择作品，也可能把对其公众形象的认识带入角色理解。本期老圆指出，观看乐趣还包括演员之间的互动与银幕外关系。因此，AI角色能否完成表演，与它能否形成类似真人明星的吸引力，是两个相关但不能直接等同的问题。

18｜圈层化（Audience Segmentation／Niche Communities）

指观众围绕相近的兴趣、审美、经验或身份形成相对集中的群体。影视作品不一定需要吸引所有人，也可能通过稳定的小规模受众获得支持。本期提出，较低制作成本或许让小圈子电影拥有更多空间。但圈层化并不自动带来商业成功，还要回答受众在哪里、如何触达、是否愿意付费，以及有限收入能否覆盖制作与放映等成本。

19｜算法推荐（Algorithmic Recommendation）

指平台利用用户行为、内容特征及其他信号，对内容进行筛选和排序的机制。推荐系统可以帮助用户发现作品，也可能围绕观看时长、点击等目标持续优化。本期将短剧的推荐与消费方式，同主动买票观看长片作比较。理解这段讨论时，需要区分AI生成内容和算法分发内容：前者解决如何生产，后者影响什么内容会被谁看到。

20｜众筹（Crowdfunding）

指由多个参与者分别出资，共同支持一个项目的筹资方式。影视项目可以通过创意说明、样片或其他材料，争取潜在受众的支持。本期既谈到用短样片推动长片制作，也设想一群观众共同出资定制内容。众筹与购票的区别在于，参与者可能在作品尚未完成时投入资金，因此需要明确制作目标、交付内容，以及项目变化时如何沟通。

——————————————————————