演过蝙蝠侠的阿弗莱克，会写Python，还把AI公司卖给了Netflix

QUOTE

你永远不可能打几行字，就把一部电影做出来。

—— 本·阿弗莱克，GQ《One More Question》

这两天 X 上有段采访被转疯了。主角不是哪家 AI 公司的 CEO，而是演过蝙蝠侠、拿过两座奥斯卡的本·阿弗莱克。

在 GQ 的访谈节目《One More Question》里，主持人问起他今年卖掉的 AI 公司，他没有讲什么“AI 改变世界”，而是张口就聊起了张量、卷积神经网络、边缘检测，还顺带承认自己写的 Python 脚本“挺烂的”。

AI 博主 Rohan Paul 剪出来的那段片子，在 X 上被看了 1.8 万次。程序员 Simon Willison 把这段话原样贴进了自己的博客，署名一栏写的是：本·阿弗莱克，Python 爱好者。

我把访谈文字稿和几篇报道对着看了一遍。说实话，我原本以为这是一次明星“背稿”，看完反而有点佩服：他是真的为了把电影拍好，才一头扎进技术里的。

本文看点

— 从一格胶片，到一串数字，再到一条轮廓线

先看他原话说了什么。我把这段尽量照原意翻译过来：

这段话没有一句是唬人的。张量、卷积、边缘检测，这些概念放在机器学习入门课里也是这么讲的。更难得的是，他每个概念都落到了一个具体的活上：抠绿幕。

这也解释了他为什么懂。按他自己的说法，在创办制片公司 Artists Equity 之前，他开过一家小的视效公司，跟 GPU 打了很多交道。不是为了赶 AI 的时髦，是视效这行本来就离不开这些东西。

— 看完演示先慌了，慌完去看训练数据

转折发生在生成式视频刚冒头的时候。视效圈的朋友跟他说，Google 和 OpenAI 在用 Transformer 做很有意思的视频模型。他的反应是：自己去看。

他在采访里说得很坦白：“我可以直接打电话过去，说‘嘿，我是本·阿弗莱克，能来看看你们在做什么吗？’有时候对方居然真的同意了。”

第一次看到敲几下键盘就能出逼真画面，他给老搭档马特·达蒙打了个电话，原话是：“哥们，我们完了。”

要是故事停在这里，就是又一个“AI 要抢饭碗”的段子。但他接下来做的事，才是这篇我最想讲的：他去找工程团队，一条条看训练数据是怎么标注的。

看完他的判断变了。照他的说法，那时候的模型控制不住、前后不一致，你让它“移动镜头”，它会在画面里画出一台摄像机。原因是这些模型学的是从网上抓来的压缩视频片段，而真正的片场，每天都在用原始格式记录有序、结构化的数据。

研究员告诉他，数据够多，模型自己会学会。他没等，自己花了几个月，用摄像机、激光雷达和虚拟拍摄棚攒了一套数据集，里面没有一帧来自别的电影人的作品。这就是后来的 InterPositive。

— 片场的原始数据，和网上抓来的压缩片段

今年 3 月，InterPositive 卖给了 Netflix。GQ 的文章里写的是“据报道 5.87 亿美元”，主持人在采访里也提了这个数。

阿弗莱克的回应是：这个数字不对，公司也不是他一个人的，员工和 Artists Equity 都持有股份。他还特意说，团队一起分到了这笔交易的好处。

为什么选 Netflix？他的理由很实在：Netflix 是制片厂，签了演员工会协议，不付钱就不能把一个演员放进片子里。把技术留在一个制片人、艺术家和剧组互相依存的体系里，对他来说很重要。

采访里还有个小细节挺可爱。他说自己作为一个大学没读完的人，想起当初跟他争论的那些工程师，心里有一点点扬眉吐气。

— 为问题学技术、先看清再判断、看预测先看战绩

当然，他也有立场。他刚卖掉一家 AI 公司，说话自然会偏冷静一些。“永远不可能打几行字就做出一部电影”，这句话我觉得说得太满了，技术的事很少有“永远”。

但他点出的问题是真的：能不能控制。今天的视频模型画面已经很好看，可导演要的是“镜头往左推三秒”这种精确控制，这恰恰是生成模型最弱的地方。

看完这期访谈，我最大的感受是：AI 时代最值钱的，可能不是最懂 AI 的人，而是最懂自己那一行、又肯弯下腰去学技术的人。

阿弗莱克不是工程师，他的 Python 也确实不怎么样。可他知道一部电影是怎么拍出来的，知道片场每天产生什么数据，这些是实验室里的研究员一时补不上的。

你所在的行业里，有没有这样的人？或者说，你愿不愿意当这样的人？评论区聊聊。