曾经，娱乐产业曾被认为是 AI 最难攻克的堡垒，外界普遍质疑 AI 无法触及人类的情感防线，更遑论创造真正的娱乐。
很多人还在讨论 OpenAI 的模型又进化到了哪一步，却没注意到，在大洋彼岸的中国团队，已经靠着落后的模型在全球赚得盆满钵满。
就在上个月，一款名为
VibeShort: AI Comic Dramas
上线仅 5 个月，6 月单月营收（App Store 与 Google Play 合计）冲破 500 万美元。截至目前，这款应用已斩获 300 万次下载，评分高达 4.6 颗星，并在 TikTok 上通过 21 位创作者的裂变实现了 690 万次播放。这不仅是一个应用的胜利，更标志着中国在 AI 娱乐的商业包装、定价和分发策略上，已经领先了硅谷整整一年。
- 开发者（Developer / Publisher）：AGILE QUADRANT MEDIA LIMITED（靈動象限傳媒有限公司）
- 产品类型：AI 漫画短剧 / Vertical Drama 类 App，类似 ReelShort、DramaBox 这种短剧赛道。
短剧的爆发证明了，
人类永远愿意为好故事买单，而 AI 正在让这种故事供给变得无限化。
当内容生产趋于无限，谁能锁住用户每天最后的 24 小时？通过拆解中国 AI 娱乐的四个核心产品方向，我们或许能找到那个被 Tokens 账单掩盖的终极答案。
一、供应侧：短剧出海的中国信号
短剧正在美国市场迎来真正的爆发。这并非因为美国消费者的口味突然发生了转变，而是源于供应侧的质变：AI 模型已经成熟到可以低成本确保角色在不同镜头间保持高度的一致性——无论是在第 1 集还是第 40 集，角色拥有相同的面孔、服装和声音。更重要的是，AI 实现了口型同步的自动翻译，能将一部剧集无缝推向西班牙语、泰语等全球市场。
正如 Coatue 部门负责人 lordbartonjr 所言，
短剧已经悄然成为一种主流形式，而大多数美国人甚至都没有意识到这一点。这是连载式的作品，以垂直形式呈现，专为手机设备设计。每集时长一到两分钟，整个系列共包含 100 到 150 集，
中国是美国 AI 娱乐市场的早期信号
。在中国，短剧已成为主流，
人们观看的时间更多地被短剧所占据，而非长篇流媒体内容。而人工智能的发展速度也越来越快，在抖音前 5000 个热门剧集中，接近
20% 是由 AI 生成的
，而四个月前这一比例还是零。
这种模式正在被 ReelShort 和 DramaBox 等具有中国背景的应用推向全球。
二、护城河的转移：从内容生产到注意力留存
事实上，短剧只是中国 AI 娱乐市场的一部分。有一个普遍的误区是认为中国在 AI 领域全方位落后。事实是：
在产品的包装、定价和销售（GTM）等商业化落地方面，中国领先全球约一年。尽管在基础模型方面，外界曾普遍认为中国处于落后地位，但在 GLM-5.2、Seedance 2.5 和 Kimi K3 之后，这种落后状况是否已经消失，现在在社交媒体上已成为了一个热门的辩论话题。对于从事 AI 消费领域的人来说，中国市场的演变轨迹极具参考价值，因为它真实地暴露了
用户参与度、成本结构与盈利模式之间的巨大挑战。
随着 AI 模型的持续进化，开发者之间的竞争将不再体现在生产质量或产量上，因为很快这一切都会变得廉价且趋同。
真正的挑战在于：用户的每一天依然只有 24 小时。
-
稀缺性的倒置：
现在最稀缺的东西不再是内容，而是
注意力
。
-
护城河的重塑：
真正的护城河不再是吸引用户，而是让他们留下、再次光顾并持续参与。
-
成本悖论：
这是最棘手的问题——用户每多一分钟的互动时间，就意味着你需要额外支付一笔费用给云存储和模型提供商。在这种互动即成本的模式下，你该如何定价，决定了你是在印钞还是在烧钱。
三、决定成本结构的两个维度
中国在人工智能娱乐领域拥有许多潜在机会，在四个领域最值得关注，因为它们能够持续吸引投资者的兴趣以及真实用户的关注，尽管每个领域所处的阶段各不相同。
我们可以通过两个维度来透视这个市场：
-
用户状态轴：用户是向后倾斜（Lean-back）被动观看内容，还是向前倾斜（Lean-forward）主动与内容互动？
-
AI 角色轴
：人工智能是作为生产工具
预先生成内容，还是作为
实时体验在每一次交互中实时运行？
这两个轴设定了你的盈利基石：被动观看 + 工具
意味着生成一次即可永久分发，几乎没有边际成本；而
主动交互 + 原生则意味着每一次用户点击都是一次昂贵的付费推理调用。这种成本结构的差异，决定了产品的变现天花板。
我们将从定义、盈利与成本、发展阶段及未来趋势四个方面，拆解目前最受关注的四大领域：
1. AI 视频短剧：
沉浸式体验
，以 AI 为杠杆
AI 短剧是目前 AI 娱乐四类商业模型中（短剧、小游戏、情感陪伴、实时视频世界）最成熟、最具规模效应的类别。目前，全美前 50 名娱乐应用中，有 12 款属于此类，大多数开发者来自中国，全球月活跃用户已突破
2.5 亿
。
1.1 产品形态：为手机而生的微型肥皂剧
这类产品本质上是垂直屏幕、手机原生的微型剧集。每集时长严格控制在 60 到 90 秒之间。其核心钩子在于，每一集都结束在一个极其抓人的悬念上，而金币付费墙精准地落在用户最想看下一集的瞬间。
用户观看这些剧集的心态与刷 TikTok 极其相似，只需再解锁一集，再看一分钟。目前头部的海外应用如
ReelShort
和
DramaBox
均带有中国血统，其底层的视频生成技术则由快手的
Kling（可灵）
和字节跳动的
Seedance（豆包视频模型）
强力支撑。
1.2. 技术突破：从分辨率到一致性的跨越
AI 短剧之所以在 2026 年才进入爆发期，是因为行业终于解决了比画质更难的难题：
一致性
。
在过去，让 AI 生成一张漂亮的图很容易，但要让它生成 80 集连贯的剧情却极难。现在的模型已经可以确保，同一个主角在第 1 集和第 80 集长得一模一样，穿着、声音始终如一，镜头切换间没有诡异的闪烁。更关键的是，模型能实现完美的
口型同步
，将同一部爆款剧无缝翻译并分发至西班牙、葡萄牙或泰国市场，而主角看起来依然像她自己。
1.3 商业模型：传统媒体逻辑的极限降本
在 AI 娱乐的成本图谱中，短剧属于最安全且廉价的区域。它的核心逻辑是：
AI 的投入发生在前期制作阶段
。
-
计算成本：
一旦一集内容生成并渲染完成，后续无论被观看 1 万次还是 1 亿次，其边际成本几乎为零。
-
盈利公式：
获客成本（CAC）+ 制作成本 < 用户解锁收益 + 广告收益。
-
AI 的角色：
它不仅是生产工具，更是本地化加速器。AI 让开发者能以极低的成本对一部剧进行配音、重新剪辑和口型适配，实现一套内容，全球收割。这是目前唯一一条已被验证、能够规模化盈利的路径。
1.4 市场现状：主流化的拐点已至
该赛道已经高度成熟且竞争激烈。2025 年，中国以外市场的短剧应用内支出达到了
98 亿美元
，同比增长 115%。这种形式已经主流到让美国演员工会（SAG-AFTRA）签署了专门的垂直剧集协议，迪士尼将其纳入加速器项目，Paramount+ 也公开宣布将尝试此类垂直剧集。
1.5. 未来趋势：中间层的利润挤压
随着视频模型的持续进化，AI 短剧将呈现以下两个方向：
-
题材扩张：
那些过去因为特效成本太高而无法拍摄的题材，如大型神话、赛博科幻等，现在可以由 AI 廉价生成。
-
去人工化：
行业正从真人实拍+AI 辅助转向全 AI 生成。
在这个生态系统中，利润将不可避免地向两端集聚——一端是掌握算力的
视频大模型
，另一端是掌握流量的
分发 App
。由于 AI 承担了拍摄、剪辑、配音和本地化等所有执行工作，传统制片厂和后期外包商的生存空间将被极度压缩。
给开发者的建议：不要试图与大模型公司比拼生成能力，要比拼讲故事的能力。在 2026 年，最强的 AI 肌肉也抵不过一个能让用户半夜三点还想再解锁一集的绝佳剧本。如果你打算入场，请记住：
边缘成本归零，情感价值登顶。
2. AI 小游戏：沉浸式互动+AI 作为工具
在 AI 娱乐的宏大版图中，如果说短剧是让用户葛优躺的视觉盛宴，那么
AI 小游戏则是让用户向前倾的参与式狂欢。
作为 AI 娱乐的第二大核心类别，AI 小游戏目前的定位非常清晰，
向前倾的交互状态，且 AI 更多扮演的是生产工具的角色。
2.1 产品定义：让游戏像信息流一样分发
这类产品的主旋律是轻量级、休闲化且具备极强的社交分享属性。
AI 在这里的最大价值在于两点：
一是极大地降低了游戏开发的门槛。
二是让游戏内容变得信息流原生化。
目前，中文市场的先行者包括
Aippy、Rezona
和
Loopit
。而在美国市场，Meta 推出的 Vibe-coding 游戏
Pocket
是最接近的对标产品。这些平台的共同点在于，它们允许开发者（甚至是非专业开发者）迅速启动并生成可互动的原生内容。
2.2 交互逻辑：从消费内容到与规则共舞
关于互动内容与传统媒体的区别，资深开发者 Nayeem Sheikh 曾给出过一段非常精辟的描述。他在体验了 Loopit 之后意识到，这种新型媒体的核心不在于视觉呈现，而在于用户与系统之间的响应闭环。
一个简单的线性体验：用户输入转化为动作，动作进一步演变为系统行为，最后行为再反馈给用户。这种体验更像是在与一套动态规则进行交互，而不是在消费一段预设的视频或文字。这种反馈感是传统媒体无法提供的，它标志着娱乐形态从单向灌输向双向奔赴的转变。
2.3 经济账：昂贵的构建，廉价的运行
在成本结构上，AI 小游戏与 AI 短剧一样，都处于地图中那个便宜且安全的角落。
-
计算成本：
AI 的算力消耗主要集中在开发阶段。一旦游戏逻辑生成，在用户端运行时，游戏很大程度上是根据既定规则自运行的。这意味着服务器的承载压力很小，边缘成本极低。
-
变现逻辑：
这类产品的商业模式非常接近传统的 App Store 或游戏平台——通过出售游戏、抽取佣金以及运行广告来获客变现。其经济模型非常健康，但目前面临的唯一不确定性在于：
产品本身是否足够吸引人？
2.4 市场现状与未来：寻找 AI 原生的杀手锏
尽管 AI 降低了门槛，让更多开发者能够像下饺子一样发布游戏，但现状是：该赛道仍处于极早期，且尚未被完全证明。
-
缺失的拼图：
目前市场上还没有出现那种由于 AI 存在才得以诞生的全新游戏循环（New game loop）。大家看到的更多是传统 Casual Game 的 AI 复刻版。
-
资本的态度：
投资界目前对这一领域处于观望多于下注的状态。大家都知道这是块肥肉，但还没看到谁手里拿着真正的杀猪刀。
未来的演进方向：
这个领域要么继续作为一种工具层，通过 AI 降低普通游戏的生产成本；要么，会有天才找到真正的原生 AI 循环——即通过 AI 驱动的角色和实时生成的剧情内容，创造出一种如果不依赖 AI 就根本无法构建的游戏体验。在那一刻到来之前，它依然是 AI 娱乐四大类别中最具投机性、也最让人兴奋的方向。
不要把 AI 当成省钱的工具，要把 AI 当成能够产生活的规则的发动机。只有当游戏学会了随机应变，用户才会真正上瘾。
3. AI 陪伴：沉浸式互动+AI 原生应用，提供陪伴服务
在 AI 娱乐的成本分布图中，
AI 情感陪伴
处于一个极其迷人却也极其危险的象限：用户
向前倾
的主动交互状态，且 AI 是
原生实时运行
的。这一类别不仅是第一个证明用户愿意为 AI 娱乐掏真金白银的赛道，也是目前面临经济模型挑战最严峻的阵地。
3.1 产品形态：软件不再是工具，而是共鸣
与短剧不同，用户在这里不是在看，而是在生活。这种应用构建了一个能记住你的 AI 角色，提供安慰、调情、角色扮演或单纯的陪伴。
你并不真正在观看视频，而是与这个记住你的软件建立了持续的关系。
目前的领跑者是 MiniMax 旗下的星野（国内）及其海外版
Talkie
，此外还有
Tipsy
和
Emochi
等垂直竞品。
这一类别首次证明了人们愿意为人工智能娱乐付费，由于文本模型的成熟度远早于视频，情感陪伴类应用得以率先起跑，抢占了用户心智。
3.2 经济悖论：当参与度变成催款单
这是整个 AI 行业最值得关注的商业冲突点。在短剧中，AI 只是前期制作工具；但在陪伴应用中，
AI 就是内容本身，且每一条消息都在实时运行。
-
推理成本的陷阱：
每一次交互都是一次全新的付费推理调用。这意味着计算成本不再是一次性的生产支出，而是随着用户参与度上升而不断滚动的销货成本。
-
付费模式的扭曲：
目前大多采取 免费+$10/月订阅 模式。尴尬的是，
最活跃的用户，那些产生最多计算资源的用户，往往是比例最大的白嫖用户，你们最大的成本支出根本没有任何回报。
-
订阅额度的上限：
固定的月费限制了你的收入上限，却没法限制用户的消息量。
因此，真正的高级用户可以消耗比预期更多的计算资源。
3.3 破局之道：从字数计费转向价值包材
开发者面临的最难选择是：
要不要像出租车计价器一样按量收费？
答案是
绝不能
。
因为当用户正在向 AI 伴侣倾诉内心深处的秘密或寻找慰藉时，
看到旁边有个计数器在跳字——那
会瞬间摧毁产品赖以生存的亲密感，而这种亲密感恰恰是产品赖以生存的灵魂。没有人愿意在计算每一分钱成本的状态下与伴侣交谈。
产品进化的昂贵代价，为了让产品更有竞争力，你必须让 AI 拥有更长久的记忆和更丰富的上下文理解能力。
但这会导致每一次推理调用的成本变得更加昂贵。
换句话说，你把产品做得越好，用户用得越爽，你亏得就越多。
目前证明有效的进化方向：
-
隐形计量：
将重度交互包装成用户渴望的价值点
。不收 Token 钱，
但卖特定的剧情任务、精美的角色皮肤或高级角色卡片。根据用户想要的结果收费，而不是根据背后消耗的计算资源收费。
-
模型路由工程：
这是一个技术活。用廉价的小模型处理日常闲聊，只在涉及情感关键转折的时刻调用昂贵的高阶模型。存活下来的应用，不仅要在角色剧本上下功夫，更要在成本工程上卷出天际。
3.4 用户视角：它不是聊天机器人，而是叙事引擎
资深玩家 Aakash Verma 分享了一个深刻的洞察：
大多数人使用 AI 伴侣的方式都错了。如果你把它当成 ChatGPT 那样的实用工具，你很快就会感到乏味。真正的点击感来自于将其视为一个
角色扮演引擎
。
以 Emochi 的 Empath 模型为例：当你输入 你好，我是新来的学生 时，一个好的模型不会只回一句 你好，而是会描述角色的肢体语言、增加情感张力，
并像写小说一样推进剧情。
-
核心目标：
目的不是得到答案，而是创造
那个瞬间
。
-
沉浸感来源：
持续处于特定情境，让对话缓慢升温，绝不 OOC（脱离角色）。当这种受控的叙事感建立起来，它就不再让人觉得是 AI。
3.5 现状与未来：激烈的洗牌期
需求已经得到充分验证。MiniMax 的 AI 原生产品在 2025 年前九个月平均月活已达
2760 万
（去年为 1910 万），消费级应用贡献了公司 71% 的营收，且大部分来自海外。
未来的边界：
随着端侧处理技术的提升和推理成本的下降，这个行业的墙正在消退。
虽然前景广阔，但由于上述的成本压力，大量看图说话的仿制品正在悄然倒闭。胜出者将是那些能完美平衡模型质量
与
算力成本的团队。当内容的边际成本开始挑战商业常识时，只有能够交付超额情感价值的团队，才能在算力成本的红海中活下来。
4. 实时生成的互动视频世界：AI 娱乐的终极形态（尖端成果）
在 AI 娱乐的终极版图中，第四个类别标志着我们正式踏入了深水区：
实时生成的互动视频世界
。
如果说前三个类别还在既有媒介的框架内修补，那么这个类别则是真正意义上的 AI 原生娱乐。它代表了人工智能在这一领域的尖端成果，也是目前技术与商业博弈最激烈的最前线。
4.1 产品定义：电影与游戏的高维融合
这是一种野心勃勃的尝试，旨在电影的沉浸感与游戏的交互性之间找到平衡点。在这里，剧情不再是预设好的三个选项，而是根据你随口说出的一句台词，由 AI 现场生成分支。
目前最典型的案例是基于
PixVerse 实时世界模型
开发的恋爱游戏《万千》。它采用了一种在中国网文中极其流行的快穿设定：女主在不同的平行世界中穿梭，每个世界都有全新的爱人和场景，但女主的身份和记忆是连贯的。
-
一致性的终极挑战：
要让一个不断成长的角色在跨越数小时的互动、完全不同的视觉背景中保持同一个人，这是目前 AI 领域最底层的技术难题——一致性。
-
生产力的代差：
这个项目的演示模型仅由 3 个人在 3 周内完成。作为对比，传统游戏行业建立一个 3D 角色模型通常需要 4 个月。
4.2 经济账：计算资源的无底洞
在成本曲线上，这个类别的坡度比情感陪伴还要陡峭。
-
现场即终审：
短剧可以离线生成 50 次挑出最好的，而互动故事必须在玩家面前一次性成功。因为开放式故事的分支太多，开发者根本无法预先构建所有路径。
-
成本刺客：
玩家的每一个操作都是一次昂贵的实时推理调用。虽然目前的变现手段仍是订阅制或按次付费，但其计算成本的敞口是全地图中最高的。
4.3 现状：远大的理想与克制的现实
虽然它是大家公认的长期大奖，但目前几乎没有公司能在大规模用户级别上跑通这个流程。
目前的行业普遍采取了一种折中架构：
离线预生成艺术素材、场景和关键场次，而将珍贵的实时算力只分配在对话生成和逻辑编排上。
这种架构的盛行实际上是一种无奈的承认——完全实时的视频世界，目前贵到让大多数公司无法承受。资本目前在这个领域更多是早期占位，而非大规模部署。
4.4 终局之战：为什么它是娱乐的最后形态？
尽管尚未完全降临，但它代表了 AI 原生娱乐的终点。
它完全实现了其他类别的功能：在现场创造出完整的体验，并对其进行个性化调整。每个玩家都能体验到与众不同的故事体验，既有游戏的刺激感，又有电影的沉浸感，同时还拥有伴侣般的亲密关系。目前
没有哪种早期媒介能够做到这一点，而这正是它在这个领域拥有最高潜力的原因：最深刻的互动体验、最强大的付费动机、最长的生命周期。
它的正式爆发取决于两条曲线的交汇：
-
模型能够在数小时的随机交互中保持绝对的逻辑和视觉稳定。
Token 成本低到可以支撑全天候的视频流生成。
目前，这两点都还没达到临界点。所以，它是我们能看清的最清晰的未来，也是距离我们最遥远的征途。
将 AI 娱乐的四个类别（短剧、小游戏、情感陪伴、实时视频世界）放在网格上对比固然有用，但对于真正的操盘手来说，最有价值的信号在于：
这个领域正在往哪个方向漂移？
目前，整个行业正呈现出一个无法逆转的趋势：
从将 AI 作为低成本生产工具，全面转向将 AI 作为实时交互体验。
这种漂移是由两条不断交叉的曲线强力推动的：
随着这两条曲线的接近，娱乐的形态正在发生质变。
5.1 成本结构的基因突变：参与度即账单
这种趋势直接导致了一个极其严峻的现实：定价问题已变得不可回避。
在过去的一次性生产模式下，比如 AI 短剧，你付出的算力成本是在前期，产品上线后，用户看一百次还是看一万次，你的边际成本几乎为零。
但当你滑向实时生成模式时，你继承了一套完全不同的成本结构。在陪伴应用或实时视频世界里，
用户的参与度不再只是报表上亮眼的活跃指标，它直接变成了一张需要你支付给云服务商的催款单。
用户聊得越久、玩得越深，你的支出就越高。
5.2 开发者面临的真正考题：盈亏平衡点的生死时速
对于当下正在这个赛道里构建产品的团队来说，真正的核心问题并不是该选哪个类别，而是一场关于单体经济模型的压力测试：
-
临界点在哪里？
你必须精准计算出：在什么样的参与度水平下，你的单位成本会彻底击穿利润空间？
-
付费速度能否跑赢成本增速？
用户是否愿意支付足够的溢价，且这种支付意愿的产生速度，是否快到能在你由于高参与度而耗尽现金流之前，帮你跨越那个经济红线？
在 AI 娱乐赛道，
DAU 正成为一个危险的虚荣指标。
如果你没有配套的成本对冲方案或高溢价的价值主张，用户玩得越爽，你倒闭得越快。
-
从规模优先转向质量优先：
别再追求廉价的泛流量。在产生即收费的架构下，你需要的是那些能够感知到情感意义并愿意为此支付溢价的高净值用户。
-
利润来自意义，而非 Token：
AI 生成的本质是计算资源，但娱乐的本质是情感共鸣。你的利润空间并不取决于你生成的视频有多清晰，而取决于用户是否觉得这段故事触动了我。只有赋予 Token 某种意义，你才能在边际成本之上理直气壮地收费。
-
极致的成本工程：赚钱
的团队必须是顶级的算力裁缝。你需要建立动态的模型调度系统，根据用户的互动深度，实时在昂贵的高阶模型和廉价的轻量模型之间切换。
-
警惕无限个性化：
记住，大多数用户并不想当创作者，他们只想在由你定义的精美世界里体验。给用户“受控的自由”远比“完全的自由”更具商业效率，也更省钱。
在 AI 娱乐的下半场，竞争的不再是 AI 肌肉的强弱，而是谁能以最快的速度，将昂贵的计算推理，转化为让用户无法自拔的情感资产。
在分析完 AI 娱乐的四大赛道后，我们必须正视一个让许多技术出身的从业者感到惊讶的现实，中国市场的先行探索已经为全球同行揭示了几个残酷但极具指导意义的底层规律。如果你正试图在 AI 消费领域构建长久的护城河，以下三点建议将决定你的产品是成为下一个爆款，还是淹没在信息的洪流中。
1. 警惕无限个性化的陷阱
人工智能能让每个用户生成属于自己的完美故事，这个说法听起来极具诱惑力，但在主流娱乐市场中，它几乎注定会失败。
2. 稀缺性倒置：从内容为王到情感价值
当 AI 将内容产出提高百倍甚至千倍时，内容本身就不再稀缺，市场将变得极度拥挤。
3. 定价的终极目标：卖的是共鸣
回到本文开头提到的定价难题：如果每一分钟的互动都要支付算力成本，我们该如何向用户收费？
核心：
用户是在为一种感觉付费，而不是为内容或推理成本付费。
-
传统逻辑：
游戏是为了赢，剧集是为了沉浸。
-
AI 逻辑：
AI 将胜利、沉浸感与互动融合成了个性化的情感体验。用户购买的是那个产生共鸣的瞬间，是那种“这个东西懂我”的感觉。
AI 娱乐销售的从来不是内容，而是微小的、个性化的情感冲击。
情感价值是让你能够超越算力边际成本进行定价的唯一理由。
利润空间来自于你赋予产品的意义，而非你消耗掉的 Tokens。
AI 正在模糊游戏、影视与社交的边界。在 AI 娱乐时代，技术决定了你的下限（生产效率），但审美和对人性的洞察，才决定了你的上限（盈利能力）。
