上海国际电影节“AI片场”观察报告

中国传媒大学戏剧影视学院 目录 绪论.........................................................................................................1观察报告一：导演和编剧在AI时代的主体性.....................................2观察报告二：AI时代，专业人士的指导还有价值吗？......................9观察报告三：AI时代影视人才培养的复合化转向............................15观察报告四：“生图”作为AI影视制作流程的核心环节...............24观察报告五：提示词是一种新的剧本形态吗？.................................29观察报告六：AI生成影像实践中的语言学转向................................35观察报告七：AI影像叙事控制机制的新探索....................................42观察报告八：对三维空间一致性塑造的失败.....................................47观察报告九：AI时代的动画创作.......................................................54观察报告十：一次“影像论文”式的实验性创作.............................58 绪论 近两年，AIGC影像创作持续升温，越来越多影视从业者、技术创作者和观众开始关注这一新兴创作方式。但与此同时，对于许多并不熟悉AI制作流程的人来说，AI影像往往容易被理解为“一键生成”，而其背后的创作判断、流程组织、协作方式和专业难题并不容易被看见。因此，AI影像创作的具体流程究竟是什么样的，AI到底如何介入剧本、视觉开发、镜头生成、剪辑和后期整合，它能否真正对传统影像创作形成赋能，这些问题仍然需要进一步解释。 在这一背景下，中国传媒大学戏剧影视学院受到上海国际电影节组委会邀请，担任上海国际电影节“AI片场”活动的学术观察团，对本次活动进行观察、记录与研究。“AI片场”采取“传统影视创作者+AI超创”的1+1融合创制机制，共组成四个创作小组：“三头怪”组，由余曦与李哲言合作；“能工智人”组，由李鑫欣与王泽合作；“光锥”组，由黄雷与吴汉坤合作；“bicyclekids”组，由侯祖辛与MarkWachholz合作。四组创作者分别从不同题材、类型和方法出发，展开AI影像创作实践，为观察AI如何参与影视创作提供了具体案例。本报告希望通过这些具体案例说明：AI如何进入创作流程，传统影视经验如何在AI制作中继续发挥作用，AI超创与传统影视创作者如何协作，以及AI在提升效率、拓展视觉可能性的同时，又带来了哪些新的技术边界、审美风险和判断难题。 因此，本报告既是一份关于“AI片场”的学术观察，也是一份面向行业与公众的AI影像创作说明。它希望帮助更多人理解AI影像创作的基本逻辑，回答当前业界对于AI创作的部分疑惑，并为传统影视创作与新技术之间的进一步对话提供参考。 观察报告一：导演和编剧在AI时代的主体性 在AIGC影像制作的讨论中，最容易出现两种看似相反、实则同样粗糙的判断：一种认为AI已经能够写剧本、生成镜头，因此编剧和导演都会被替代；另一种则简单强调“人不可替代”，却没有说明AI到底进入了创作流程的哪些位置。更准确的讨论方式，不应停留在“AI能不能写剧本”“AI能不能当导演”这样的提问上，而应回到具体流程之中，观察它分别承担了什么，又在哪些地方必须让位于人的创作判断。从实际创作看，AI确实已经深度进入剧本和导演工作。它可以查资料、列大纲、写人物小传、提供桥段方案，也可以把口头想法整理成可阅读的初稿；它还可以根据提示词生成画面，模拟镜头、焦段、景别和光线，甚至一次提供多个版本供创作者选择。真正需要辨析的是：这些能力是替代了编剧和导演，还是改变了编剧和导演工作的展开方式？ 一、AI进入编剧流程：从代写想象到助写机制 “写剧本”从来不是一个单一动作。它至少包括资料搜集、人物构思、情节设计、结构安排、场景组织、对白书写、文本修改和视听转化等多个环节。AI进入编剧工作，并不是在所有环节中都以同样方式发挥作用，它也没有改变编剧创作的基本步骤和方法。相比之下，它最主要的价值体现在资料搜集和信息整合上。过去编剧为了进入一个陌生领域，往往需要长时间检索、阅读、摘录和归纳；现在AI可以快速勾勒出某一领域的基础地图，让创作者更快知道“大概有什么、关键在哪里”。余曦指出：“过去做一个案子可能要看三个月资料，现在借助AI，不到一个月就能完成初步资料整理。”但资料进入得快，并不意味着资料已经可靠。AI给出的信息仍然需要核验来源、辨别权重、交叉验证。余曦以这部长征题材的片子为例，指出：“编剧仍然要核查资料来源，判断信源是否可靠，甚至要让AI反查自己的来源，或给AI明确的信源再做交叉验证。这说明，AI可以加速案头工作，却不能替编剧完成事实核验。” 除此之外，在构思阶段，AI更像一个随时在线的策划会成员。编剧卡在某个情境里时，可以让AI提供若干行动方案、冲突升级方式或场景处理路径。它的优势在于迅速抛出大量可能性。李哲言指出：“我有时候也会让大语言模型提供各种行动方案，甚至要求它不管合理性，把最极端的方式都列出来。这些方案未必能直接使用，有些甚至很离谱，但它们可以刺激自己从原本悬浮的状态里往某个方向思考。”余曦则认为：“AI给出的创意往往是已有材料的平均值，它能快速提供很多选项，却很难天然产生真正独特的方案。”因此，AI的价值不在答案本身，而在于它制造了可供接受、拒绝、改造和反向使用的材料。 真正落笔去写作时，AI确实也可以有一些帮助，比如可以让它生成一份初步的文字资料再进行修改，从而节省一部分打字的时间。一般情况下，给它一个想法、一份底稿或一组人物设定，它就能很快写出大纲、人物小传、场景段落乃至对白草稿。但是，问题不在于AI能不能写，而在于它写出的文本处在什么位置。余曦指出：“AI编剧能介入到什么程度，其实看你自己对自己的要求。对快速交付、类型稳定的项目，它也许达到可用线；但对人物关系复杂、语言质感要求高的作品，它往往只能作为材料，甚至是需要被重写的反面参照。就我自己而言，如果只是让AI负责初步打字和整理的工作，比如把口述想法变成文字，把零散思路变成结构，把模糊方向变成可讨论文本，那它会很有用，但这一步远远不等于剧本完成。一个文本有场景、有动作、有对白、有起承转合，并不意味着人物真实、行动准确、情感递进、场景推动叙事。”因此，AI可以帮助编剧跨过“无从下笔”的阶段，却不能替代编剧回答“为什么这样写”的核心问题。 “能工智人”组的剧本共创，恰好可以说明这一点。在这个项目中，AI超级创作者并没有停留在提示词和视觉执行层面，而是深度介入了剧本重写、人物动机和结构取舍。真正值得注意的，不是谁写了第一稿、谁完成了定稿，而是两位创作者如何围绕同一个叙事难题不断协商：母亲阿织为什么要祈求神明赐死幼女？玉女是否可以牺牲自己去改写凡人的生死？金童、刘婶等人物是否应该保留？玉女的身世闪回应该放在什么位置，才能真正推动她的行动？其中最核心的分歧，集中在阿织的行为动机上。李鑫欣倾向于保留更尖锐的原始设定：阿织因自己将死，不忍女儿在人间受苦，所以祈求神明赐死幼女，希望带她共赴黄泉。这个设定能够使故事保持悲剧强度，也能避免落入“神仙下凡牺牲自己拯救凡人生命”的常规套路。王泽则担心这一逻辑会让观众认为母亲“很坏”，情感上难以建立认同，因此提出另一种方案：让女儿因病痛折磨而陷入困境，母亲下不了手，只能求神代劳，以此减轻人物的道德负担。最终，两人并没有简单采用其中一方的方案，而是形成了折中结构：玉女下凡给阿织和阿雀带来希望，让阿雀获得被收养的可能，但阿织仍然照常死去；玉女也不是以牺牲自己换取他人生还，而是以消散自身神力的方式净化阿雀的命运。这样既保留了故事的悲剧厚度，也避免了强行改写生死因果的伦理争议。 这个案例说明，AIGC时代所谓“AI可以写初稿”，并不意味着编剧工作被初稿生产所替代。相反，初稿越容易被快速生成，后续的判断、修改和重写就越重要。《愿力过滤司》的共创过程恰好表明，一个文本从“有故事”走向“能成立”， 并不是靠完成第一版文字，而是靠创作者不断追问：人物动机是否可信，伦理压力是否过强，观众能否理解人物，角色数量是否超过短片容量，闪回位置是否真正推动行动。王泽和李鑫欣围绕阿织动机、玉女行动边界、金童与刘婶的去留、玉女身世闪回位置所做的讨论，实际上都是在对已有文本进行再判断和再组织。因此，AI生成的初稿也好，合作者提出的改写版本也好，都只能提供一个进入写作现场的起点。它可以帮助创作者跨过“无从下笔”的阶段，把模糊想法变成可讨论、可修改、可否定的文本，但它不能替代编剧完成真正关键的重写工作。编剧的主体性并不只体现在“第一个写出文字”，而更体现在面对初稿时能够判断哪些内容可以保留，哪些必须推翻，哪些需要调整人物动机，哪些需要压缩结构，哪些地方必须重新建立情感和伦理逻辑。也就是说，越是可以快速生成文本，编剧越需要清楚自己为什么接受、为什么删除、为什么重写，以及为什么最终让文本停在这一版。 二、AI进入导演流程：从生成画面到建立标准 如果说AI进入编剧流程，改变的是资料、构思和文本整理的方式，那么AI进入导演流程，改变的则是导演面对的“现场”。传统导演面对的是演员、摄影机、调度、光线、场景和拍摄时间；AIGC流程中的导演面对的是模型、提示词、参考图、人物资产、生成结果和版本链路。导演似乎离开了片场，但更准确地说，是导演工作的对象变了。曾经分散在现场各个环节中的取舍，如今被重新组织进一套生成系统里。需要统合的东西没有减少，只是换了一种存在方式。 在这个新的对象面前，导演首先仍然要提出整体意图。AI可以根据指令生成画面，但它不知道这部片子究竟要什么：故事应该冷峻还是温暖，人物此刻是压抑还是释放，镜头应当克制还是张扬，节奏应当紧绷还是舒缓。这些都需要导演先行确定。没有意图作为前提，模型再强，也只是在制造一堆没有归属的漂亮画面。更进一步说，AIGC流程要求导演把意图拆解为提示词、参考图、风格取向、镜头要求和资产标准。模型可以执行描述，却不能替创作者确定描述本身。模型负责生成符合要求的画面，导演负责确认这个“要求”从何而来、服务于什么。其次，导演仍然要确认镜头为什么成立。现在的工具可以根据镜头、焦段、景别等要求，生成相当有“电影感”的画面；但一个镜头的价值，并不由它看上去多 像电影决定，而由它在作品中承担什么功能决定。一个俯拍可能意味着压迫，也可能只是好看；一次推镜可能是为了逼近人物内心，也可能只是机械放大。区分二者，依然依赖导演对人物、情境和节奏的理解。正因为生成画面越来越容易，“为什么需要这个镜头”的问题反而更突出。工具可以给出大量看似可用的方案，选择越多，随意性越容易暴露。导演的工作不是让AI生成镜头，而是把镜头放回叙事、情绪和风格系统中，确认它是否真正属于这部作品。 AIGC最突出的特点，是它可以不断生成。一个镜头可以多跑几版，一个动作可以继续优化，一张图可以反复修改。于是导演面对的问题，不再只是“拍到了没有”，而是“还要不要继续”。AI理论上可以不断生成下一版，一个镜头、一张图、一个动作都可以继续跑。但创作不可能无止境地消耗时间、成本和Token。当然，传统拍摄也有“再来一条”的取舍，但演员会累、天光会变、场地会到期，现实约束会替导演划出边界。AIGC并没有取消成本，却显著降低了“再试一次”的门槛，于是创作者更容易相信下一版也许会更好。可能性的扩展，反过来制造了不知何处停下的焦虑。对于这个问题，余曦和李哲言的观点并不一致，余曦指出：“如果没有时间限制，可以让它继续跑，因为下一条也许更超预期”，李哲言指出：“如果第一条跑出