Google 投资《后室》片方 A24：AI 最难学会的，是别急着优化

作为长期关注硅谷项目的风险投资人，“摩擦（friction）”是我听创业路演时最高频的词汇之一。付款多一步、程序员手写测试、销售整理客户记录，这些都被视为需要被软件消除的低效环节。过去二十年，硅谷的商业逻辑正是建立在“软件吞噬世界，进而吞掉摩擦”的基础上。

然而，这套效率至上的法则在电影创作领域却遭遇了挑战。今年 6 月，Google DeepMind 宣布向电影公司 A24 投资约 7500 万美元并建立长期研究合作。A24 以《月光男孩》《瞬息全宇宙》等独具文艺气息的小众佳作闻名，其品牌本身即是品质的保证。

这笔交易最反常之处在于，Google 并未获得 A24 的片库访问权，也不能利用其内容训练模型。双方合作的核心聚焦于创作过程：DeepMind 研究人员将与电影人共同测试、迭代开发工具。这意味着，Google 真正寻求的并非数据素材，而是模型尚未掌握的分辨能力——在电影制作中，哪些摩擦应当消失，哪些必须保留。

AI 视频：从演示走向规模化商业

AI 视频已跨越“是否可用”的萌芽期，进入商业化加速阶段。在美国，Runway 的案例显示，某保险品牌吉祥物的社交视频制作周期已从数月压缩至 3 小时，涵盖生成、克隆及口型同步全流程。效率的提升释放了原本无法进入预算的视频需求。早期项目 Higgsfield 的 ARR（年度经常性收入）在十个月内从 5000 万美元跃升至 5 亿美元，印证了 AI 视频正成为品牌日常预算的一部分。

中国市场同样增长迅猛。截至 2026 年 6 月，可灵全球用户破亿，企业客户近 5 万，季度收入同比增长超 300%。产品边界也在快速前移：Google Flow 已支持角色控制与故事编排，Adobe 则将 Creative Agent 深度集成至 Premiere 等工具链，实现从概念到分镜再到成片的闭环。

尽管模型能快速给出答案，但真实生产中最大的难点在于决策：为何选择这一版？牺牲了什么？由谁定夺？硅谷资本开始为“判断力”单独定价。如影视制作平台 Flick 获 True Ventures 等机构投资，其核心价值在于赋予导演对创作后半程的持续控制权。当 AI 在意图模糊时便介入现场，机器交卷越快，人类越容易因舍不得“八十分的答案”而停止探索。

判断力：在必要的摩擦中成型

影视制作中存在大量应被消除的低效摩擦，如抠像、转码和素材检索。Google 与导演 Darren Aronofsky 合作的短片《ANCESTRA》便证明了 AI 在压缩高成本执行环节的价值。该片虽有 200 多名专业人士参与，但 Veo 模型高效完成了传统 CGI 难以实现的运动匹配。

然而，另一类摩擦发生在判断形成之前：人物为何沉默？哪个镜头该剪？这些没有明确流程的犹豫，恰恰是创作信息的生产过程。在作品未成形时，迟疑本身具有研发价值。若系统过早交付高完成度版本，这段探索极易被截断，导致团队围绕一个偶然出现的“具体方案”修修补补，而非寻找最优解。

在创作中，部分摩擦是成本，部分摩擦则是必要的研发过程。

警惕“八十分答案”的同质化陷阱

研究显示，生成式 AI 虽能提高单次产出的平均质量，却也导致作品趋同。《Science Advances》的一项实验表明，获得 AI 帮助的故事更易读，但彼此相似度显著增加；视觉设计实验也发现，接触 AI 生成图像后，参与者的原创性和想法多样性下降。

最难拒绝的往往是那个“八十分、今天就能交差”的版本。模型基于海量数据给出的建议通常专业且合理，但创作者一旦接受初始的几个合理答案，后续迭代虽会微调得更好，却可能离那个尚未被发现的独特作品越来越远。许多作品并非死于明确的否决，而是被一连串善意而正确的修改磨平了棱角。

A24 的启示：让不成熟多飞一会儿

A24 的成功不在于拥有一套稳定的视觉公式，而在于其愿意在传统流程中保留那些看似不顺、不清楚甚至难营销的选择。例如电影《利益区域》，通过将暴力挡在画面之外、仅通过声音传达恐怖，创造了独特的叙事张力。若以“情绪表达充分”为优化目标，系统定会建议补充直接画面，但这将消解电影的力量。

A24 有时更怕作品“成熟得太快”。Google 与 A24 的合作，核心或许在于研究判断产生的时序：何时生成有帮助，何时应保持空白；何时反馈能推动作品，何时只是将其拉回平均值。

重构界面：为创作的歧路留出空间

当前主流生成式产品仍围绕线性输入框展开，促使对话尽快收敛。但真实创作过程充满分叉、回头与搁置。未来的创作工具应在方向未定时帮助建立差异巨大的分支，允许标记“暂不解决”的问题，保留矛盾与模糊；仅在进入制作阶段后，再接管一致性与重复修改工作。

此外，工具的记忆不应只保存“想要什么”，更要记录“拒绝过什么”。一次明确的拒绝若在下一轮失效，创作者拥有的仅是提示词控制，而非真正的创作主权。从投资视角看，单次生成质量并非长期壁垒，理解创作者长期意图、保存决策历史并在不同阶段采用适配交互方式的系统，才能真正占据创作工作流。

废稿之中，藏着判断的底稿

Google 虽未拿到 A24 的成片库，但电影人的草稿、废弃分镜、修改记录及拒绝理由，可能包含更高密度的判断数据。这些数据展示了创作者如何从十个可行版本中杀掉九个。若这些过程数据最终被用于训练通用产品而缺乏相应保护，可能会加速审美的工业化。

理想的合作应是 Google 利用 A24 的真实工作流校准工具介入的边界：让模型承担执行成本，将探索路径和最终决定权留给创作者。硅谷已造出越来越会回答的机器，但创作软件下一步的关键能力，是识别一个问题在何时还“不该有答案”。

先等等，别优化。它还没长完。

作者简介：Bryan Liu（刘长江），硅谷风险投资机构 Alumni Ventures 投资总监，专注 AI 视频赛道，Higgsfield 早期投资人。