咱先舉個例子：你有沒有想過，《速度與激情7》裡保羅·沃克的鏡頭是怎麼來的？他拍攝中途意外去世，剩下的戲份總不能讓電影爛尾吧？最後是團隊用AI把他之前拍過的鏡頭、採訪片段“拼”起來，再合成到新畫面裡，才讓角色順利收尾——這就是AI在影視圈的一次“高光操作”。
現在的AI早不是隻做特效的“工具人”了，從你在電影院看到的電影、手機裡刷的網劇，甚至短影片平臺的小短劇，從一開始寫故事、拍畫面，到後期剪片子、發宣傳，AI幾乎全程都在“搭把手”。今天就用最通俗的話，把AI在影視製作裡的門道掰開揉碎了講，保證不管你是不是懂行，都能聽明白。
一、前期：還沒開機，AI先幫劇組“踩坑”
很多人以為影視製作是從“開機拍”開始的，其實不是。在正式拍攝前，劇組要花幾個月甚至幾年做準備：寫劇本、畫分鏡、算預算、選演員……這一步叫“前期製作”，最容易出問題——比如劇本寫出來沒人愛看、分鏡畫得不合理導致後期返工、預算超了拍一半沒錢了。而AI在這一步的作用，就是幫劇組“少走彎路”。
1. 寫劇本：AI是“靈感提款機”，但不是“代筆”
先說說寫劇本。以前編劇寫故事，全靠自己憋靈感：坐在電腦前發呆半天，可能就想出一句對白；想個轉折劇情，得翻幾十部同類電影找參考。現在有了AI，情況就不一樣了。
比如編劇想寫一個“校園青春劇”，但不知道從哪入手，就可以跟AI說：“幫我寫一個高中校園故事的大綱，主角是轉學生，有一個隱藏的音樂天賦，衝突是和班長因為一場合唱比賽產生矛盾，最後一起奪冠”。AI可能在10分鐘內就給出3個不同版本的大綱：第一個版本里轉學生是因為家庭原因轉學，第二個版本里班長其實也喜歡音樂但不敢說，第三個版本里合唱比賽遇到了突發狀況。編劇不用從零開始，從這3個大綱裡挑一個自己覺得順眼的，再改改細節，比如把“合唱比賽”改成“校園歌手大賽”，把主角的性格調得更活潑，很快就能出一版初稿。
還有對白，以前編劇要琢磨“這個角色說話的語氣像不像高中生”“老闆跟下屬說話會不會這麼客氣”，現在AI能模仿不同角色的語氣。比如讓AI寫“老師批評上課睡覺的學生”，AI會寫出：“小明，你昨晚是幫月球背面裝WiFi去了？上課頭點得跟打樁機似的，要不我給你搬個枕頭過來？”這種帶點幽默的對白，比編劇自己硬憋要快得多。
不過要說明白：AI不是能直接寫出一部完整的好劇本。它的作用是“幫襯”——比如編劇卡殼的時候給靈感，或者快速生成初稿，最後還是得靠編劇修改、潤色，把人物寫得更立體，把劇情改得更有邏輯。就像廚師做菜，AI幫著切菜、備料，但炒甚麼味、放多少鹽，還得廚師自己來。
2. 分析劇本：AI能預測“這電影會不會火”
寫好劇本還不算完，投資方得判斷“這個劇本能不能賺錢”——總不能拍一部沒人看的電影吧？以前投資方靠經驗判斷：比如“這個導演之前拍過爆款，這次應該也不差”“這個題材最近很火，值得投”，但這種判斷很容易出錯，比如有的導演拍過爆款，下一部卻票房撲街；有的題材看著火，拍出來卻沒人看。
現在AI能幫著“算一算”這個劇本的潛力。它會把這個劇本和過去幾十年裡幾萬部電影的劇本做對比：比如對比“劇情結構”——是不是和《流浪地球》一樣有“危機出現→團隊解決→最後反轉”的結構；對比“人物設定”——主角是不是和《哪吒之魔童降世》裡的哪吒一樣“反套路”；甚至對比“臺詞風格”——是不是和《夏洛特煩惱》一樣有很多搞笑梗。
然後AI會給出一個“預測報告”：比如“這個劇本的票房可能在5億到8億之間，目標觀眾主要是18-25歲的年輕人，在春節檔上映會更合適”“這個劇本里有3個情節可能會讓觀眾覺得無聊，建議修改第25分鐘的家庭戲，增加一點衝突”。
當然，AI也不是“預言家”，它的預測是基於過去的資料，要是遇到像《流浪地球》這種打破常規的“黑馬”電影，AI可能也會算不準。但對於大多數“中規中矩”的電影，AI的分析能幫投資方少踩很多坑——比如避免投一部“一看就會虧”的劇本。
3. 畫分鏡：AI把文字“變”成畫面，不用等設計師
劇本確定後，下一步要畫“分鏡”——就是把劇本里的每一段文字，變成一張張漫畫一樣的圖，告訴攝影師“這個鏡頭要從上面拍”“演員要站在左邊”“背景裡要有一輛紅色的車”。以前畫分鏡全靠設計師手繪，一個設計師一天可能只能畫20張，要是一部電影有1000個鏡頭，就得畫50天，不僅慢，還可能因為設計師理解錯劇本，畫出來的分鏡和編劇想的不一樣，得反覆修改。
現在AI能直接把劇本“轉”成分鏡。比如劇本里寫：“早上7點，女主角在廚房煮咖啡，陽光從窗戶照進來，她拿起手機看了一眼，突然愣住了”。AI會自動生成一張分鏡圖：畫面裡有廚房的場景，女主角站在咖啡機前，窗戶上有陽光的光斑，她手裡拿著手機，表情是驚訝的。而且AI還能生成不同風格的分鏡：想要卡通風格的、寫實風格的、甚至像宮崎駿動畫一樣的風格，都能選。
設計師不用再從零開始畫，只要在AI生成的分鏡基礎上改一改：比如把“咖啡機的顏色改成白色”“陽光的角度調得再斜一點”，一天就能改完100張，效率翻了5倍。而且AI生成的分鏡是基於劇本文字的，不容易出現“理解偏差”，減少了反覆修改的麻煩。
4. 選演員、算預算：AI幫著“挑人”“省錢”
選演員也是個麻煩事：以前劇組靠試鏡，讓幾十上百個演員來演一段，再靠導演的眼光選；現在AI能先“模擬”演員的表現。比如劇組想找一個“20歲左右、能演活潑少女”的演員，AI會把備選演員過去演的戲、參加的綜藝片段找出來，分析他們的“活潑程度”“臺詞功底”“和其他演員的搭配度”，然後給出一個排名：“演員A的活潑程度得分90分，和男主角的搭配度85分，建議優先考慮”。
這樣劇組不用讓所有演員都來試鏡，先透過AI篩選出幾個候選人，再試鏡，能省不少時間。而且AI不會受“個人喜好”影響——比如有的導演可能因為喜歡某個演員的長相就選他，但AI只看資料，更客觀。
預算方面也一樣。以前算預算靠“經驗”：比如拍一場“暴雨戲”，要租灑水車、買雨衣、僱群演，大概要花10萬塊。但實際拍的時候可能因為灑水車不夠、群演臨時漲價，最後花了15萬。現在AI會把過去拍過“暴雨戲”的所有案例找出來，分析“灑水車的租金在不同季節的變化”“群演的工資在不同城市的差異”，然後給出一個“精準預算”：“在上海拍這場暴雨戲，10月份的話，大概需要12萬，其中灑水車租金3萬，群演工資5萬，其他費用4萬”。這樣劇組就能提前做好預算，避免“拍一半沒錢了”。
二、拍攝：AI是“現場助手”，幫攝影師“少出錯”
到了正式拍攝階段，AI的作用就更直接了——它像一個“隱形助手”，跟在攝影師、導演身邊，幫著盯著畫面，避免出錯，還能自動完成一些麻煩的操作。
1. 智慧跟拍：AI幫攝影師“盯緊”演員
拍電影的時候，經常需要“跟拍”——比如演員在跑步，攝影師要拿著相機跟著跑，保證演員一直在畫面中間。但人跑的時候容易晃，可能會把演員拍出畫面，或者畫面抖得厲害，後期沒法用。
現在有了“AI智慧跟拍裝置”，情況就不一樣了。比如把AI攝像頭裝在軌道上，或者無人機上，AI能透過攝像頭實時“盯”著演員：不管演員是跑、是跳、還是突然轉身，AI都能快速調整攝像頭的位置和角度，讓演員一直保持在畫面中間，而且畫面很穩，不用後期再防抖。
比如拍一部動作片，演員要在巷子裡跑，後面有壞人追。以前需要攝影師扛著相機跟著跑，不僅累，還可能因為巷子窄，不小心撞到牆，或者把壞人拍出畫面。現在用AI跟拍，攝影師只要在旁邊看著，AI會自動跟著演員跑，還能根據劇情調整鏡頭：比如演員跑的時候用“近景”，突出他的表情；壞人追的時候用“遠景”，展示巷子的環境。這樣拍出來的畫面又穩又好看，還省了攝影師的體力。
2. 實時“檢查”畫面：AI幫著“挑錯”，避免返工
拍電影最怕的就是“拍的時候沒發現問題，後期才看到，只能重拍”——比如鏡頭虛焦了（畫面模糊）、演員的衣服穿反了、背景裡有不該有的東西（比如麥克風、工作人員）。重拍不僅費錢，還可能耽誤進度，比如本來計劃一天拍5場戲，因為重拍只能拍3場。
現在AI能在拍攝的時候“實時檢查”畫面。比如攝影師拍的時候，AI會在旁邊的螢幕上實時分析：“這個鏡頭的焦點在演員的頭髮上，應該在眼睛上，有點虛焦，建議調整”“演員的左邊袖子捲起來了，右邊沒卷，可能穿錯了，建議提醒演員”“背景裡有個工作人員的手露出來了，建議讓他躲一下”。
這樣攝影師在拍的時候就能及時調整，不用等後期才發現問題。比如拍一場室內戲，背景裡有個電線露出來了，AI馬上提醒，工作人員當場把電線藏起來，不用後期再花時間把電線P掉，也不用重拍。
還有“曝光”問題——比如拍外景，中午陽光太曬，畫面可能太亮，演員的臉一片白；傍晚光線暗，畫面又太黑，看不清演員的表情。以前攝影師要自己調整相機的曝光引數，可能要試好幾次才能調好。現在AI能實時分析光線：“現在是中午12點，陽光強度是8000lux，建議曝光引數調為f/8，快門1/1000s”，攝影師直接按AI給的引數調，一次就能拍好，不用試錯。
3. 虛擬拍攝：AI讓“無中生有”變簡單
你有沒有看過《曼達洛人》？裡面很多外星場景不是在實地拍的，而是在一個“綠幕棚”裡拍的，背景是AI實時生成的——演員在綠幕前走，背景裡的外星沙漠、飛船就跟著動，就像演員真的在外星一樣。這就是“AI虛擬拍攝”，現在很多科幻片、仙俠片都在用。
以前拍這種“虛擬場景”，演員要在綠幕前對著空氣演，比如“演員要看著遠處的飛船”，但其實遠處甚麼都沒有，全靠演員“腦補”，很容易演得生硬。而且後期要把綠幕換成背景，得花幾個月時間，要是後期發現背景和演員的動作不匹配，比如“演員抬手的時候，飛船沒及時出現”，就得重新做背景，很麻煩。
現在用AI虛擬拍攝，演員在綠幕前演的時候，背景會實時出現在眼前的螢幕上——演員看著螢幕裡的飛船演，就能知道甚麼時候抬手、甚麼時候說話，演得更自然。而且AI會自動讓背景和演員的動作匹配：演員往前走，背景裡的樹木、石頭就往後退；演員抬頭，背景裡的飛船就慢慢靠近，不用後期再調整。
比如拍一部仙俠片，演員要“御劍飛行”。以前演員要吊威亞在綠幕前擺姿勢，後期再把綠幕換成天空、雲彩，可能要花1個月做後期。現在用AI虛擬拍攝，演員吊威亞的時候，眼前的螢幕上會實時出現天空、雲彩，演員能看到自己“腳下”的雲朵在動，就像真的在飛一樣，演得更真實，而且後期不用再換背景，直接就能用，省了1個月的時間。
三、後期：AI是“修圖大師”，讓剪片子變快10倍
拍攝結束後，就到了“後期製作”——剪片子、加特效、調色、配音……這一步是最耗時的，一部電影的後期可能要做半年到一年。而AI在後期的作用，就是“加速”和“修bug”，把原本要花幾個月的活，壓縮到幾周甚至幾天。
1. 擦除“多餘物”：AI幫著“P掉”畫面裡的“小瑕疵”
拍電影的時候，難免會有“多餘的東西”出現在畫面裡：比如拍古裝劇，背景裡不小心拍到了電線杆；拍現代劇，演員的衣服上粘了個麥克風；拍外景，天上飛過一架飛機。以前要把這些“多餘物”去掉，全靠後期人員用軟體一點一點畫，比如“要把電線杆去掉，得先畫和背景一樣的樹、石頭，再覆蓋電線杆”，一個鏡頭可能要畫10個小時，要是一部電影有100個這樣的鏡頭，就得畫1000個小時，差不多40天。
現在AI能自動“擦除”這些多餘物。只要後期人員在畫面上圈出“要去掉的電線杆”，AI會自動分析周圍的背景：比如電線杆旁邊有樹、有草地，AI就會模仿樹的紋理、草地的顏色，生成和周圍一樣的畫面，覆蓋掉電線杆，一個鏡頭只要5分鐘就能搞定，100個鏡頭也只要500分鐘，不到10個小時。
比如《甄嬛傳》重映的時候，有觀眾發現某一集中，背景裡有個工作人員的手機露出來了。要是以前，要把手機去掉，得後期人員手動畫背景，可能要花半天時間。現在用AI，圈出手機，AI自動生成和背景一樣的牆壁紋理，5分鐘就搞定了，不用耽誤重映進度。
還有“AI換臉”，除了前面說的《速度與激情7》，現在很多電影也會用它來“補拍”。比如演員拍完戲後，發現某一段臺詞說得不好，但演員已經去拍別的戲了，沒法回來重拍。這時候AI可以用演員之前拍過的鏡頭，把他的臉“換”到替身演員的臉上，再配上演員的聲音，就像演員自己重拍的一樣。比如某部電影裡，主角有一段哭戲，演員覺得自己演得不夠好，但已經沒時間重拍了，後期用AI把演員之前拍過的“哭臉”換到替身演員的臉上，再配上演員的哭聲，效果和演員自己演的一樣。
不過要說明白：AI換臉不能隨便用，得經過演員本人同意，不然會侵犯肖像權。現在影視圈對AI換臉的管理很嚴，避免出現“濫用”的情況。
2. 自動剪輯：AI幫著“剪片子”，比人快10倍
剪輯是後期最耗時的一步——比如一部電影拍了100小時的素材，後期人員要從這100小時裡挑出有用的片段，再按劇情順序拼起來，還要調整每個片段的長度，讓節奏更舒服。以前一個後期人員剪一部電影，可能要花3個月時間，要是遇到節奏快的動作片，素材更多，可能要花半年。
現在AI能“自動剪輯”，大大加快速度。比如把100小時的素材匯入AI，告訴AI“這是一部動作片，節奏要快，重點突出主角的打鬥鏡頭，背景音樂用激昂的搖滾”，AI會自動完成3件事：
第一，“挑素材”：AI會分析每一段素材，找出“主角在打鬥”“畫面清晰”“沒有多餘物”的片段，比如從100小時裡挑出20小時有用的素材，不用後期人員自己找。
第二，“拼順序”：AI會根據劇本的劇情順序，把挑出來的素材拼起來，比如“先拼主角被壞人圍攻的片段，再拼主角反擊的片段，最後拼主角打贏的片段”，不用後期人員手動拖放。
第三，“調節奏”：AI會根據背景音樂的節奏調整片段長度，比如背景音樂的鼓點很密，AI會把每個打鬥片段剪得短一點，比如1秒換一個鏡頭，讓畫面和音樂更配；背景音樂變慢的時候，AI會把片段剪得長一點，比如3秒換一個鏡頭，讓節奏更舒緩。
這樣AI能在1周內剪出一個“初版剪輯片”，後期人員不用從零開始，只要在初版的基礎上改一改：比如“把第10分鐘的打鬥片段再剪短一點”“把第20分鐘的背景音樂換成抒情的”，大概花1個月就能完成剪輯，比以前快了2倍。
現在很多短影片平臺的“短劇”也在用AI自動剪輯。比如拍一部10分鐘的短劇，拍了2小時素材，AI能在10分鐘內剪出初版，後期人員改改細節，半小時就能上線，大大加快了更新速度。
用大白話聊（續）
3. 生成特效：AI讓“暴雨、煙霧、人群”不再費錢費時間
說到影視特效，大家可能會想到《阿凡達》裡的潘多拉星球，或者《流浪地球》裡的行星發動機——這些炫酷的特效，以前全靠“特效師手動摳圖、建模”，一個簡單的“暴雨場景”，可能要幾個特效師做一週；要是遇到“千軍萬馬的戰爭戲”，更是要做幾個月，不僅費錢（按秒收費，一秒可能要幾千塊），還容易出bug（比如人群動作重複，看著像“複製貼上”）。
現在有了AI，做特效就像“搭積木”一樣簡單，而且又快又便宜。
先說說“自然特效”，比如暴雨、煙霧、火焰、雪花。以前做“暴雨戲”，特效師要先畫“雨滴的形狀”，再調整“雨滴的速度和方向”，還要讓雨滴落在演員身上、地面上有“濺起的水花”，每個細節都要手動調，一個鏡頭可能要做3天。現在用AI，只要告訴AI“要一場‘傾盆大雨’，雨滴要密，落在地面上有明顯水花，還要有風吹著雨斜著下”，AI會自動生成雨滴、水花，還能根據演員的動作調整雨滴的位置——比如演員抬手擋雨，雨滴會落在他的手上，而不是穿手而過，一個鏡頭1小時就能搞定，成本直接降了80%。
再說說“人群特效”，比如古裝劇裡的“皇宮慶典”，需要幾千個群演；戰爭片裡的“戰場廝殺”，需要上萬個士兵。以前做這種特效，要麼真的找幾千個群演來拍（成本高，還不好管理），要麼用“複製貼上”——先做幾十個群演的模型，再複製成幾千個，但動作都一樣，看著很假。現在AI能生成“獨一無二的人群”：AI會給每個“虛擬群演”設計不同的動作（有的在聊天，有的在走路，有的在揮手）、不同的衣服（有的穿紅色，有的穿藍色，有的戴帽子），甚至不同的表情（有的笑，有的嚴肅），幾千個人看起來沒有一個重複的，就像真的群演一樣。
比如拍一部古裝劇的“登基大典”，需要1萬個群演站在皇宮廣場上。以前用手動建模，可能要做1個月，還容易出現“動作重複”的問題。現在用AI，2天就能生成1萬個“虛擬群演”，每個都有自己的動作和衣服，後期直接把這些虛擬群演“放”到皇宮廣場的背景裡，不用找真群演，也不用花大價錢租場地，省錢又省時間。
還有“場景特效”，比如科幻片裡的“外星城市”、仙俠片裡的“天宮”。以前做這種場景，特效師要先畫“城市的圖紙”，再建“3D模型”，還要給建築加“燈光、紋理”，一個場景可能要做半年。現在AI能“根據文字描述生成場景”：比如告訴AI“要一個‘未來外星城市’，建築都是流線型的，會發光，天上有飛艦，地面上有懸浮的汽車，背景是紫色的天空”，AI會自動生成這個場景的3D模型，還能調整細節——比如把“飛艦的數量增加一點”“建築的顏色換成藍色”，一個場景2周就能做好，比以前快了10倍。
4. 調色：AI幫著“給畫面上色”，不用再“一幀一幀調”
拍出來的 raw 素材（沒處理過的畫面）通常是“灰濛濛”的，沒有電影感——比如拍出來的“夕陽戲”，天空是淡紅色的，演員的臉是暗黃色的，不好看。這時候就需要“調色”：把天空調成“橙紅色”，把演員的臉調成“自然膚色”，讓整個畫面更有“氛圍感”。
以前調色全靠“調色師一幀一幀調”。一部電影有幾十萬幀畫面，調色師要對著每一幀調整“亮度、對比度、飽和度”，比如“把第1000幀的天空亮度提高一點”“把第2000幀的演員膚色飽和度降低一點”，一個鏡頭可能要調2小時，一部電影要調幾個月，而且很容易出現“前後畫面顏色不一致”的問題——比如前一幀天空是橙紅色，後一幀變成了粉紅色。
現在AI能“自動調色”，還能保證“顏色統一”。比如把一部電影的素材匯入AI，告訴AI“這部電影是‘懸疑片’，整體色調要偏冷（比如藍色、灰色），只有主角的衣服是紅色，突出主角”，AI會做兩件事：
第一，“統一色調”：AI會分析所有畫面，自動把整體色調調成冷色，把主角的衣服調成紅色，不用調色師一幀一幀調，一個鏡頭5分鐘就能調好，一部電影1周就能完成調色，比以前快了10倍。
第二，“匹配場景色調”：AI會根據場景的“情緒”調整色調——比如“主角被追殺的戲”，色調會更暗，藍色更濃，營造“緊張感”；“主角回憶童年的戲”，色調會變亮，加一點暖黃色，營造“溫馨感”。而且AI會保證“同一場景的色調一致”，不會出現“前一幀暗、後一幀亮”的問題。
比如《隱秘的角落》這部劇，整體色調偏冷，只有“主角和家人吃飯的戲”色調偏暖，突出“家庭的溫馨和外面世界的冰冷”。要是以前，調色師要花1個月來調整這種“冷暖對比”，現在用AI，1周就能搞定，還能讓色調的過渡更自然。
四、宣發：AI幫著“讓電影上熱搜”，精準找到“想看的人”
電影拍完、剪好後，還得“讓觀眾知道”——這就是“宣發”（宣傳和發行）。以前宣發靠“拍個預告片、印點海報、在電視臺打廣告”，花錢多，還不知道“這些廣告有沒有用”——比如在電視臺打了100萬的廣告，可能只有100個人因為這個廣告去看電影，價效比很低。
現在AI能幫著“精準宣發”：知道“哪些人會想看這部電影”，然後把“預告片、海報”推給這些人，還能預測“哪個平臺的宣發效果最好”，讓每一分錢都花在刀刃上。
1. 生成“個性化海報、預告片”：你刷到的海報，可能和別人不一樣
以前電影的海報、預告片都是“統一的”——不管你是18歲的學生，還是35歲的上班族，刷到的都是同一張海報、同一個預告片。但其實“不同的人喜歡的點不一樣”：學生可能喜歡“電影裡的愛情戲”，上班族可能喜歡“電影裡的職場奮鬥戲”，統一的海報、預告片可能抓不住所有人的注意力。
現在AI能生成“個性化的海報、預告片”。比如一部“青春愛情職場片”，AI會先分析“不同人群的喜好”：
- 對18-25歲的學生：AI生成的海報會突出“男女主角的甜蜜互動”，預告片會剪“愛情戲的片段”，比如“男女主角在校園裡牽手、擁抱的鏡頭”，推給學生群體。
- 對26-35歲的上班族：AI生成的海報會突出“女主角在職場上奮鬥的場景”，預告片會剪“職場戲的片段”，比如“女主角在會議室裡演講、解決工作難題的鏡頭”，推給上班族群體。
- 對36-45歲的家長：AI生成的海報會突出“電影裡的家庭溫情戲”，預告片會剪“主角和家人互動的片段”，比如“主角陪父母吃飯、聊天的鏡頭”，推給家長群體。
這樣每個人刷到的海報、預告片都是“自己喜歡的型別”，更容易被吸引，願意去看電影。比如某部電影用AI生成了10種不同的海報，推給不同人群后，“想看人數”比以前用統一海報的時候增加了50%。
2. 精準“找人”：把廣告推給“最可能看的人”
以前宣發是“廣撒網”——不管你喜不喜歡這種型別的電影，都可能刷到它的廣告，比如你喜歡“恐怖片”，卻刷到了“動畫片”的廣告，你不會感興趣，廣告就白打了。現在AI能“精準找人”：透過分析你的“觀影記錄、搜尋歷史、社交動態”，判斷你“是不是這部電影的目標觀眾”，再把廣告推給你。
比如AI分析你的資料後發現：你過去半年看了5部“青春愛情片”，在社交平臺上分享過“校園戀愛”的話題，還搜尋過“這部電影的主演”，AI就會判斷“你很可能喜歡這部青春愛情片”，然後把這部電影的預告片、海報推給你。而如果你從來沒看過青春愛情片，也沒搜尋過相關話題，AI就不會給你推，避免“浪費廣告資源”。
比如某部動畫電影，AI透過分析使用者資料，找到了“過去1年看了3部以上動畫片、年齡在3-12歲的孩子家長”，把電影的廣告推給這些家長。結果這些家長裡，有30%的人帶孩子去看了電影，比以前“廣撒網”的宣發效果（只有5%的轉化率）好太多。
3. 預測“宣發效果”：提前知道“哪個平臺最管用”
宣發要選“平臺”——比如在抖音發預告片、在微信朋友圈發海報、在微博上搞話題。以前選平臺靠“經驗”：比如“年輕人都用抖音，就在抖音發預告片”，但其實可能“這部電影的目標觀眾雖然是年輕人，但他們更喜歡在B站看影片”，結果在抖音發了廣告，效果不好。
現在AI能“預測不同平臺的宣發效果”。AI會分析“過去類似電影在不同平臺的宣發資料”：比如“和這部青春愛情片類似的《XX電影》，在抖音發預告片帶來了10萬想看人數，在B站髮帶來了15萬想看人數，在微博髮帶來了8萬想看人數”，然後給出預測：“這部電影在B站宣發效果最好，其次是抖音，最後是微博，建議把60%的宣發預算放在B站，30%放在抖音，10%放在微博”。
劇組按照AI的建議分配預算，就能“花最少的錢，獲得最好的效果”。比如某部電影按照AI的建議，把主要預算放在了B站，結果在B站帶來了20萬想看人數，最終票房比預期多了3億，宣發價效比翻了2倍。
五、AI不是“取代人”，而是“幫人做得更好”
看到這裡，你可能會問：“AI這麼厲害，會不會取代編劇、導演、特效師？”其實不會——AI只是“工具”，就像廚師的菜刀、畫家的畫筆，它能幫人“省力氣、提效率”，但不能取代人的“創意和情感”。
比如編劇用AI生成了劇本大綱，但“主角為甚麼要做這個選擇”“這段對白裡藏著甚麼情感”，還是要靠編劇去琢磨；導演用AI生成了分鏡，但“這個鏡頭要表達甚麼情緒”“演員的動作要怎麼設計”，還是要靠導演去判斷；特效師用AI生成了特效，但“這個特效要怎麼和劇情結合”“怎麼讓觀眾覺得‘真實’”，還是要靠特效師去調整。
就像《流浪地球》的導演郭帆說的：“AI能幫我們快速生成100個‘行星發動機’的設計圖，但最終選哪個、怎麼改，還是要靠我們對‘中國科幻’的理解——我們要讓發動機有‘中國工業風’，要讓觀眾看到它就覺得‘這是我們中國人造的’，這是AI做不到的。”
而且AI還有“缺點”：比如它只能基於“過去的資料”生成內容，要是遇到“從來沒見過的創意”（比如《流浪地球》這種“帶著地球去流浪”的想法），AI就沒法給出好建議；它也不懂“人類的複雜情感”，比如“主角失去親人的痛苦”，AI能生成“主角哭的鏡頭”，但沒法讓這個鏡頭“打動觀眾”，還是要靠演員的表演、導演的排程。
所以，AI在影視製作裡的角色，不是“取代者”，而是“夥伴”——它幫人把“繁瑣的、重複的工作”做了，讓人有更多時間和精力去做“更有創意、更有情感的事”，讓電影變得更好看、更有深度。
最後：未來的電影，會因為AI變得更“多元”
以後，可能會有更多“小成本、有創意”的電影因為AI而誕生——比如一個獨立導演，以前因為“沒錢請編劇、特效師”，沒法拍自己想拍的故事；現在用AI生成劇本大綱、做特效，花很少的錢就能完成一部電影，然後透過AI精準宣發，讓喜歡這個故事的觀眾看到。
甚至可能會有“個性化電影”——比如你看電影的時候，AI能根據你的喜好調整劇情：你喜歡“大團圓結局”，AI就給你看主角成功的結局；你喜歡“懸疑結局”，AI就給你看主角留下謎團的結局。雖然現在這種技術還不成熟，但未來很可能會實現。
總之，AI不是“改變影視製作的本質”——影視製作的本質還是“講好一個故事，打動觀眾”，但它會讓“講好故事”的過程變得“更簡單、更高效、更多元”，讓我們看到更多“以前看不到的好電影”。