如何住进故事里

从AI 短片《糖果》看，创作者如何先住进世界，再把观众搬进去

写在前面：这篇文章不写影评，也不写技术评测。我想借一部 9 分钟的 AI 短片，回答一个更朴素的问题——当"生成"变得几乎免费之后，一个人到底要具备什么，才配得上"讲故事"这件事。

引子：一个只有十个字的故事

2026 年 9月 10 日，一部 9 分钟的 AI 短片《糖果》（Candy）上线 B 站。没有热搜，没有推荐位，几天之内播放突破 300 万，外网播放破 68 万。

它讲的故事，创作者 DiDi_OK 自己只用十个字就概括完了：

"坏人会爆炸，好人就没事。"

设定是这样的：人类能源使用能力抵达一级文明的门槛，土星的卫星"潘"突然离开轨道，出现在地球上空。此后，只要一个人起心动念要伤害他人——砰，他就在原地爆炸。血肉不剩，只留下一大堆五颜六色的糖果。糖化的人七天后会变回人，但再次伤人，又会重新糖化。

世界因此变得"文明"了。最后，人类拟定了一个"反牧羊人计划"：把三次变成糖果的人送上月球基地，去吸引"潘"的注意，从而降低它对地球的影响。

十四个字讲完的设定，撑起了 9 分钟，也撑起了一个所有人都无法轻易回答的追问。

我想说的第一件事就是：一个故事能被讲得这么"短"，恰恰是因为它被想得足够"长"。

第一部分 · 拆解《糖果》——它凭什么成立

我用三个维度来拆：情节、人物、对白。但我想先给你一个总的判断。

《糖果》的成就，不在于它"用 AI 做出来了"，而在于它用一个极简的规则，撬开了一个极复杂的人性追问。这在剧作上叫"高概念"（high concept）——用一句话就能让人产生好奇，且这句话本身自带冲突。情节

一、一条"规则"，三次翻转

它的叙事结构其实非常古典，是三段式的：

第一段：规则降临 → 世界变好。外星卫星降临，暴力者糖化，人类社会肉眼可见地变好了。这是一段"爽"的段落——观众看到恶人受到惩罚，情绪被满足。

第二段：代价显现 → 秩序异化。但糖化带来了新问题。这里 DiDi_OK 埋了一个非常关键的转向：看起来是文明，其实是恐惧在统治。人们不再作恶，不是因为变得善良，是因为害怕爆炸。这不是道德，这是威慑。

第三段：集体裁决 → 暴政成形。"反牧羊人计划"登场。全人类集体同意，把不合规的人送去月球。这个决定，所有人都觉得"这一定是对的"——而这，恰恰是最大的危险。

三次翻转，每一次都在拆掉上一段建立的合理性。

这就是它最了不起的地方：它没有把"暴力"当作一个可以被简单消灭的东西。它让你先爽，再让你怀疑自己的爽。

反暴力的故事，最大的爽点却是看坏人被更强大的力量干掉。这件事本身暴力吗？

DiDi_OK 没有回答。他把这个问题留给了观众——这是作品的层次，也是作品最不像"AI 作品"的地方：它不急于给答案。人物

二、主角不是人，是那条规则

这里我要说一个反直觉的判断：《糖果》里没有传统意义上的主角。

真正的主角是那条规则——"潘"带来的、以"起心动念"为判定标准的外星法则。所有人类都是配角，是这条规则的实验对象。

这是刻意的设计。当主角是一条不可谈判的规则时，故事的张力就不再来自"人物要什么"，而来自"人在规则之下会变成什么"。

在少数有血有肉的人物里，有两个设计特别值得说：

其一，那位代表性发言人。DiDi_OK 说，他花了很长时间设计这个角色，要让她拥有"特别容易被大众信任的气质"——有点像《三体》里的程心。

为什么？因为"把违规者集体送去月球"这个决策，本身带着一种"所有人都觉得这一定是对的"的危险。如果发言人不讨人喜欢，这个危险就传递不到观众身上。她的可信，恰恰是作品的刀刃——你信任她，你才会跟着人类一起做出那个可怕的集体决定，然后在事后感到不安。

这是一个极其高级的人物功能设计：她不是为了被喜欢而存在，她是为了让观众"共谋"而存在。

其二，那个脸上有小痘痘的女孩。这是全片我最喜欢的一个细节。DiDi_OK 特意保留了她脸上那颗小痘痘，把它当作一个"信息锚点"。他的原话是：这个极小的信息点，会让观众第一眼觉得——这是一个真实存在的人。

当演员的脸本身能提供信息量的时候，导演才敢把镜头停在那里，才敢给观众时间去感受。

一颗痘痘，决定的不是画面好不好看，而是观众信不信这个世界。对白

三、让"安静"承担叙事

我必须说实话：这部片子的对白是克制到近乎吝啬的。它不像很多 AI 短剧那样用台词填满每一秒，反而用了大量"安静的叙事"——长镜头、微表演、环境的沉默。

这里有一个行业性的大背景，我认为是《糖果》真正的成就所在：

过去的 AI 影像创作者"不敢慢"。

五秒一个场景、三分钟一反转——我们过去把这归因于"短剧节奏方法论"。但 DiDi_OK 说了一句大实话："以前不敢慢，是因为模型能力完全达不到。"过去的模型无法支撑长镜头里细节的稳定，所以只能不断用新的视觉刺激，把模型来不及暴露的问题掩盖过去。

快切从来不是美学选择，是技术妥协。我们管它叫"节奏"，其实叫"遮丑"。

《糖果》第一次让 AI 短片"敢慢下来"。教科书级别的长镜头、实验室里年轻研究员被官员搭理一句时"身体微微再弯一点、眼神亮一下"的微表演、手指甲超近特写下皮肤与指甲的质感——当画面敢被暂停和慢放时，叙事才第一次从"信息传递"升级为"体验营造"。

DiDi_OK 说，这个模型至少帮他省掉了 60% 的叙事成本。

请注意这个词——不是制作成本，是叙事成本。他的原话是：

"过去你只能绕着模型的缺陷去讲我们的故事。但现在，模型开始允许我们，按我们脑海中的想法去讲故事。"—— DiDi_OK 谈 Seedance 2.5

这就是《糖果》在剧作层面的真正成就：它证明了 AI 短片不必靠"打脸—反转—打脸"活着。当镜头敢慢下来、表演有了微表情、脸能提供信息量，AI短片就从"量产"走向了"调度"。

第二部分 · 导演是谁——他凭什么敢这么拍

如果只看作品，你会以为创作者是个技术极客。但了解DiDi_OK 之后，你会发现，《糖果》的每一处"敢"，背后都是一段很长的"不敢"。背景

一、一条绕了很远的路

DiDi_OK，河南郑州人，本硕都是动画专业，毕业于伦敦艺术大学，现在长期在伦敦，任职于 WPP Production（WPP 是全球最大的广告传播集团，奥美是它的子公司），职位被特设为"AI 导演"。

他出国的理由特别有意思——不是因为什么宏大规划，是因为他和朋友以前拍完片，半夜会一起看影视飓风的视频，Tim 是他的"赛博偶像"。而 Tim 以前在英国。那就去英国吧。

然后他真的回家学了半年英语，申请伦敦艺术大学。他妈一开始觉得他绝对考不上，连名都没帮他报，他自己偷偷报的，结果考上了。

几年后，这个当年半夜看影视飓风的小伙，受邀坐进了影视飓风的 AI 课程，给大家分享自己的创作心得。

我特别喜欢这段。因为它说明一件事：一个人的审美不是天上掉下来的，是被什么东西反复喂养出来的。他喂给自己的，是好的影像、好的叙事、好的判断。

还有一个细节值得所有从业者注意：他最初是抵制 AI 的。早期 AI 工具学习成本太高、操作繁琐，他因此和公司要求僵持了约三年。直到 2025 年 4 月 Runway 推出 Gen-4，他意识到 AI 视频已经能用于叙事，才决定投入。

这一点非常关键。一个从"原教旨主义者"转变过来的人，对 AI 的理解，和一个一开始就想用 AI 走捷径的人，是完全不同的——他始终知道什么是对的，只是终于等到了能实现它的工具。理念

二、一个叫"力道"的词

在 AI 出现以前，DiDi_OK 就一直在创作。2021 年，他在伦敦艺术大学做过一部《Moth》（飞蛾）：一个被雾笼罩的封闭世界，中央有一座巨塔，所有人都说那里不能碰，主角却像飞蛾扑火一样一定要上去——哪怕真相让人失望，哪怕会死，也想看一眼世界真正的样子。

那时候他就已经很"Di 味"了。他脑子里关于科技、未知、文明的东西太多了。真正卡住他的，是那个时代的生产力。

传统动画的流程太长了：建模、绑定、动画、后期……流程一多，人就多；每多一个人，你脑子里的想法转化成语言传达出去，就损耗一点。到最后，那个让你起鸡皮疙瘩的创意落在屏幕上时，可能连一半都不剩。

所以他这些年一直在研究一件事，他自己给这件事起了个名字，叫——

力道。怎么让自己脑海中的创意和感觉，以最低的损耗传递给观众

这是我在这整套访谈里最喜欢的词。因为"力道"这个词，精准地指向了所有创作者最深的痛：我想说的、和我最终说出来的，中间那道无法闭合的缝。

他对"创作"的定义，也和这个理念一脉相承。有人质疑"AI创作不就是抽卡吗"，他讲了 2023 年参与 F1 赛车宣传片的经历——实拍加虚拟制作，一个镜头可能 NG 500 多次，一天场地费就是 10 万英镑。赛车漂移、轮胎擦地、烟冒出来，导演说那个烟不好看，所有调度归位，再来一遍。直到第 397 次的烟最好。

"真正的创作，是那个'不要'。为什么这个导演要第 397 次？前面那 396 次，为什么都不要呢？这个'不要'，才是审美，才是判断，才是经验，才是真正的创作。"—— DiDi_OK 谈什么是创作

传统影视也是抽来抽去的逻辑。AI 只是把抽卡的速度变快了、质量变高了。但从 300 个结果里挑哪一个，依然是人的事。过程

三、推翻，是一切的前提

第一，他推翻了自己 40% 的成品。

这部片子他先用 Seedance 2.0 做了将近 40% 的内容，试用 2.5 之后，毅然决然，全部推翻重来。

他还讲了一件更残酷的事：过去他做 AI 影像有一条明确的优先级——参考图 > 提示词 > 模型选择。为了让模型完成它能力之外的动画，他要垫好几张图、用 Blender 建模做参考、一个字一个字追踪修复，"基本都是能工智人"。

而到了《糖果》，这套逻辑整个反了过来：参考图的重要性下降，提示词的重要性疯狂上升。很多过去必须先做好关键帧才能做的动画，现在"可以直接用嘴说了"。

他说：

"当模型开始吞掉工作流，创作者剩下来的，才是真正属于创作者的东西。"—— DiDi_OK

那些苦心经营半年的技巧、那些保持一致性的工作流，可能被一次模型发布直接吞噬。他把这些称为"小数点后面的技术"。

第二，他把自己逼得更狠了。

反常识的是，模型越强，他越痛苦。

"以前两三天一个镜头，因为你知道模型就那样了，上限在那，可以安慰自己这不是我的问题。但现在，第三次就能给你一个特别牛逼的结果——那说明，它能做。这时候压力就全部给到我身上了：为什么我调度不出来？为什么没想到那个机位？"—— DiDi_OK

他甚至可能为一个镜头磨一个星期。他说："模型是明显能做到的，但我却做不出，那明显就是我自己的问题——我还是太菜了。"

第三，他给作品留了"不回答"的权利。

他花长时间设计那个可信的发言人，却拒绝在片尾给出答案。文明？秩序？暴政？还是一个比现在稍微好一点的世界？

他不回答。因为一个被创作者回答完了的作品，观众就没有地方可住了。

第三部分 · 做 AI 短剧，需要创作者哪些素质

好，现在说最实际的部分。

先摆一组数据，让这件事的难度有真实的刻度：

指标（ 2026  年上半年）	数值
全网新上线  AI  短剧／漫剧总量	超  22.19   万部
播放量破亿作品	1055  部（破亿率约   0.47% ）
以  5000   万播放为回本线，过线作品	2886  部（占比约   1.3% ）
AI  短剧占全部微短剧产量比例	95%  以上
相关从业者／个人创作者	超  50  万人

AI 降低了制作的门槛，但没有降低创作的门槛。

一位从业者说得很准："AI 把'生成'变得便宜，把'判断'变得昂贵。"

那么，在这个"生成免费、判断昂贵"的时代，一个人要具备什么？我从《糖果》里提炼出六项素质。前三项是"手艺"，后三项是"心法"。

手艺一：判断力——那个"不要"

这是所有素质里最核心的一项。

AI 时代最稀缺的不是"生成能力"，而是从 300 个结果里挑出那一个、同时说出 299 个"不要"的能力。

为什么？因为绝大多数团队的流程里只有"生成"，没有"不要"——素材出来就剪，剪完就投，投完就忘。量产逻辑的尽头不是爆款，是废片率。

练法：不要问"这个能不能用"，要问"为什么这个比那个好"。每一次取舍都逼自己说出理由，判断力就是在这无数次"说出理由"里长出来的。

手艺二：审美——一个稳定的"视觉系统"

DiDi_OK 的片子有一个共同点：低饱和度的写实风格，和极强的个人辨识度（网友管这叫"Di 味"）。半遮脸的虚拟主持人、"骑自行车的小熊"、平行宇宙世界观里的渡渡鸟和大海雀——他有一套自己的符号系统。

这也是评奖的关键："能生成"已经是基础能力，真正稀缺的是明确的作者表达、稳定的视觉系统、完整的叙事逻辑。

练法：先别急着用 AI，先去建立你的视觉参考库。游戏概念设计、3D 动画、古典艺术、电影史——DiDi_OK 的审美底子来自这些地方。他有一个观点我很认同：创作者不应在 AI 圈内卷，而应回归传统影视和古典艺术本源。

手艺三：叙事结构——AI 唯一没有重塑、反而更依赖人的部分

这一点必须单独拎出来，因为它是唯一一块 AI 没有吞掉、反而变得更贵的能力。

从业者的判断很一致："结构——多支线逻辑闭环、分支互穿、情绪连续性——这些是纯模型解决不了的，需要人来搭骨架。"

《糖果》的结构为什么强？因为它"规则—代价—异化"三段式，每一步都在推翻上一步建立的合理性。这个骨架，模型给不了。

练法：不要从"画面"开始你的创作，要从"规则"开始。《糖果》的起点不是"我想拍糖果爆炸"，而是"我想看看，当暴力被一条外部规则强行禁止时，人类会变成什么"。

所有伟大的故事，都是从一句"如果……会怎样"开始的。

心法四：对人的兴趣——你要真的对人好奇

这一条听起来最软，其实最硬。

《糖果》最狠的地方，不在于它想象了糖果爆炸，而在于它对人性有一整套看法：善良的人往往就是被欺负的人；所以从西方骑士到中国侠客，人类几千年一直在幻想同一件事——正义最好拥有力量。

也正因为它对人这么有兴趣，它才能设计出"可信的发言人""带痘痘的女孩"这种只有真的观察过人的人才能想出来的细节。

AI 可以用数据模拟人，但它无法替你好奇人。你观察过多少次真实的人？你记得几张真实的脸？你为陌生人的处境动过几次心？——这些问题，决定了你的作品里有没有"人味"。

心法五：把"限制"当素材的能力

这一条是我认为最有启发的。《糖果》整个故事的诞生逻辑，本身就是"把限制变素材"的典范：

它的底层判定标准是四个字——"起心动念"。这是极具中国味的设定：判定暴力的，不是行为，是意图。这个设定，恰恰把"内心"变成了整个故事最不可见的战场。

而在技术上，他做得更有意思：因为模型能力提升了，他反过来主动设计"让大家暂停看看"的镜头——比如警察局那场戏，画面里同时有十几个人，他给后面一个黑人角色单独设计了一条故事线：先挣脱、然后推桌子、拿起电视、准备攻击警察，随后灯光闪烁，所有人的动作短暂停顿，特定的人同时炸成糖果。

他不是在"用"AI，他是在"设计"AI 的能力边界。

练法：别问模型能做什么，问你想让观众看到什么，然后倒推怎么实现。限制是创作的敌人，也是创作的原料——关键看你是否把它当原料。

心法六：直面"那个问题"的勇气

DiDi_OK 说，他自己是一个"极度的悲观主义者"，而且坦承有很严重的存在主义危机：

"当 AI 能帮我做所有事情的时候，我到底，是否真的是一个有意思的人呢？"—— DiDi_OK

公司里的新人也总问他："老师，以后应该学什么？"——他说他也不知道。

但我觉得，正是这个"危机"，让他成了真正的创作者。

因为他的作品底色，是一种奇怪的希望。他嘴上悲观，心里不希望人类输——像《三体》里的维德。

"很多伟大的创作者，他们创作，很少是因为觉得这个世界已经很好了，恰恰是觉得它还不够好。所以才会创造另外一个世界——那个让很多人能跟他一起感受美好的、美妙的世界。"

当你问出"我自己还剩什么"的时候，你就已经在回答它了。

因为那个会为此焦虑的人，是模型永远替代不了的。模型不会为"我是否平庸"而失眠。

结语：住进故事里，是一场双向的搬迁

如何住进故事里？

第一步，是创作者自己先住进去。

DiDi_OK 不是在"讲"一个糖果爆炸的故事。他是先住进了那个世界——住进了"潘"降临后的人类社会，住进了那条以起心动念为判据的规则，住进了每一个即将被送走的人的处境。他必须在那个世界里待得足够久，久到能看见一颗痘痘、能听见一句冷漠的搭理、能感受到集体鼓掌时的那一点不安。

第二步，是用"力道"，把观众搬进去。

他做的一切技术上的努力，本质上都是为了让那道"我想说的和我说出来的"之间的缝尽量小。他推翻 40% 的成品，是因为那个版本传递不出他要的力道；他研究长镜头和微表演，是因为只有慢下来，观众才有时间住进去。

第三步，是留出空间，让观众自己安家。

他不回答"这是文明还是暴政"，因为答案一旦给出，房门就关上了。

住进故事里，从来不是观众单方面的能力，而是创作者与观众之间的一次接力。

我今天说这些，其实不只是在说 AI 短剧。

在这个"生成变得几乎免费"的时代，我们每一个人，无论做什么，都正在面对同一道题：当工具接管了执行，你还剩下什么不可替代的东西？

下图是DiDi_OK为了一个镜头写的提示词。 

附：文中核心事实与数据来源

项目	信息
作品	《糖果》（ Candy ）2026  年  9  月  10  日发布，时长约  9  分钟
播放数据	B  站超   300  万播放；外网播放破  68  万
技术	使用字节跳动  Seedance 2.5  制作
创作者	DiDi_OK ，河南郑州人，伦敦艺术大学动画专业，任职于伦敦  WPP Production
前作	《牌子》（ B 站  2000  万 + 播放，全网近亿， B 站首届 AI 创作大赛一等奖）、《网站》（威尼斯  Reply AI Film Festival  双奖）、《箭头》《垃圾站》《绿幕》《我不是外星人》
行业数据	2026上半年全网新增AI短剧22.19万部，破亿率  0.47% ，回本率约  1.3% ，从业者超 50  万

本文事实部分基于 DiDi_OK 公开专访（数字生命卡兹克）、百度百科词条，以及 DataEye／中国网络视听协会行业数据整理。观点部分为作者个人分析