0
“在影視行業，越專業的人越覺得 AI 就是個傻瓜相機！它只會產生一些讓人「致幻」的 demo，實際應用起來往往會讓人大失所望。”
“藝術創作不僅是結果，也是過程，而 AI 可能永遠學不會藝術創作的過程，AICG也永遠不會懂藝術。”
“AI 技術可能會實現創作平權，讓非專業人士也能創作作品。但人人都可以寫字，卻不代表人人都能寫出好故事，AI 技術可以幫助創作，但創造性仍然需要人類發揮。”
... ...
以上均是來自 CNCC 2024 圓桌辯論上大佬們的觀點，在 AI 熱得發燙的今天，影視行業也逐漸融入了 AI 技術，只不過對于藝術與科技的交融，很多人秉持不同觀點，也碰撞出了不同的火花。
此次大會邀請了中國電影美術學會理事董未名、北京靈動音科技有限公司 CTO苑盛成、清華大學計算機系博世AI教授、人工智能研究院副院長朱軍、中國人民大學高瓴人工智能學院長聘副教授宋睿華、英特爾數據中心與人工智能集團首席工程師何萬青、阿里巴巴通義實驗室應用視覺Human AIGC方向負責人張邦、快手科技副總裁、大模型團隊負責人張迪、愛奇藝副總裁兼智能制作部負責人朱梁等一眾AI和影視領域的大佬參與討論，激情辯論。
這次的“AI +影視創作”圓桌論壇，雷峰網(公眾號：雷峰網)AI 科技評論在不改變原意的基礎上，對內容進行了編輯整理。希望能夠給你帶來更多的啟發與思考。
主持人：很榮幸能夠與幾位老師一同探討“AI+影視創作”這一話題。我準備了大約三個與此相關的小議題。第一個議題，我們來聊一聊 AI 與影視的“優勢與挑戰”。誰會使用一部傻瓜相機去拍攝電影呢？在這個行業技術與產業融合的過程當中，各位真實感受到了什么？首先請朱總談一談。
朱梁：談到AI與影視結合的“詩”與“坑”，以及預期與實踐之間的差距，這是一個長期存在的問題。我們都知道，電影的創作在影像和聲音上有著極高的要求。尤其是連續性這一點，大多數基于DIT架構的模型都無法實現。
如果要求人物、裝扮、光線方向和鏡頭運動都完全一致，就像電影中的鏡頭運動一樣，這是難以做到的。因此，我們對兒童動畫片項目進行了一些測試。片方或希望合作的伙伴提供的樣片讓我們感覺非常好，但它們是否100%由AI生成呢？
如果AI真的有這樣的能力，對我們的制作幫助將是巨大的。對于視頻平臺來說，這是一個巨大的吸引力。但經過深入研究和溝通，我們了解到人工參與的部分仍然很多，人工智能中的“人工"部分可能沒有達到我們的預期。要獲得高質量的專業級成品，人工參與的比例需要降低。因此，雖然不能說這是一個100%的坑，但確實與我們對AI真正應用的預期還有一定差距，這是我們的實際感受。
主持人：宋老師的觀點呢？
宋睿華：對于專業人士來說，他們可能會對某些技術持保留態度，因為藝術不僅僅是最終的作品，還包括創作的過程。例如，藝術家構思故事、修改故事、繪制故事板，或者導演需要通過團隊的努力，經過一兩年的時間才能看到最終的畫面。這個過程本身就是非常重要的。
我一直在思考一個問題，那就是如何提高創作的新穎性。AI可能會陷入套路，對于創作者來說，可能無法滿足他們的需求。例如，雖然我不制作視頻，但當我閱讀別人寫的故事或文本時，我仍然覺得AI的想象力不如人類。對于高水平的創作者來說，他們有自己的要求，而AI目前還無法達到他們的水平，因此他們可能不會考慮使用AI。
但我不認為“傻瓜相機”不好，因為它們的銷售量和產值可能遠遠超過專業相機和專業設備。雖然專業人士可能難以接受，目前也可能無法幫助他們，但對于業余愛好者來說，市場可能是巨大的，而且“傻瓜相機”不愁賣不出去。
主持人：是的，我還想補充問一下朱軍老師，就剛才我說的這個過程當中，大家真實感受到的是技術端推著影視行業在往前走，還是影視端拽著技術行業？它是一個需求驅動的市場，還是一個供給逼出來的市場？
朱軍：我認為技術確實是推動力，特別是在視頻領域，今年我們都在討論為什么現在這個時間點要討論這個問題。這是因為技術正在快速發展。去年，當大家討論AI生成視頻時，還覺得這是非常遙遠的事，但今年情況一直在變化，最大的變化原因還是技術的變革。
但是這個“坑”我也需要再講一下，很多時候，所謂的“坑”其實是因為我們的預期與實際情況有差距。比如，無意中踩到坑會讓人感到驚訝，但如果我們知道坑的存在并繞過去，這是正常的。并不是所有的路都是平坦的，技術也是如此。我們的技術正在快速發展，對于今天討論的影視主題，可能大家對于AI的期待過高。
AI生成的內容與專業質量之間仍有差距，雖然大家都在努力縮小這個差距，但目前直接達到高端生成還不現實。更實際的是，AI可以幫助專業人士在生產流程中降低成本和提高效率，這可能很快就會成為現實。
例如，一些短片和大型院線電影的制作中，很多環節可以用AI來提高效率，正如朱總所說。如果我們對AI有過高的預期，可能會陷入“坑”中。但我對技術持樂觀態度，相信它會快速發展。即使不能直接替代，AI也可能在許多環節上更好地幫助我們。
主持人：朱總有什么要補充的嗎？
朱梁：我想補充一點，并不是說從愛奇藝的角度來看我們存在問題，實際上愛奇藝非常歡迎新技術。但對創作者來說，無論是愛奇藝的影片還是整個長視頻領域，都是以藝術家為中心，由導演主導創作，他們有自己的視聽表達方式和固定的表達習慣及范式。
這個范式需要被突破，我堅信隨著我們能力的不斷提升，尤其是在過去的一年里，我們見證了令人難以置信的進步。因此，未來的創作范式必將發生巨大變化，這是一個重大的議題。它關系到人才培養、產業未來發展方向、平臺與內容創作者之間的關系，以及未來的劇組是否還需要以當前的形式存在。這些都是非常重要的問題。我相信未來一定會發生變化，唯一不變的就是變化本身。
何萬青：我從事的是傳統的CG領域，也就是數字內容生成。這是影視行業過去和現在一直在使用的主流方式，涉及到大量的渲染軟件和渲染流水線工作。我非常同意剛才提到的一點，但是我想強調的是，VG 的模式實際上是基于語義空間轉換成視頻的。這種模式也會面臨一個問題，即一些技術在剛出現時非常新奇，但如果它們沒有進一步的突破，我們稱之為naive的模式。比如，很多人在朋友圈里使用它，但結果卻千篇一律。如果技術停留在這個階段，它就永遠無法進入主流產業。
到目前為止，我的判斷是，我們現有的工具還只是一些單獨的功能，還沒有達到這樣的程度：一部電影的百分之七八十完全是通過生成技術制作出來的。但最重要的一點是，我們需要理解什么是“無窮大”。我的意思是，在某個領域不斷投入，就能不斷產出更多的東西，而不是說在某一項技術上達到了極限。
苑盛成：我來補充一下，雖然我不是影視行業的專家，但我對音樂行業非常熟悉。我認為在創作過程中，不同領域可能存在共通之處。我們與許多音樂人、創作者以及我們產品的用戶進行了一對一的交流。我注意到，不同的人創作欲望和創作能力各異。在能力有限的情況下，他們會傾向于選擇適合自己能力的工具來滿足創作欲望。例如，我們遇到過一個用戶，他只會寫詞，之前寫的是詩歌。
有了 AI 后，他花了一個星期坐在電腦前，將詩歌輸入電腦，不斷生成新的內容。一天能生成好幾百條，直到找到滿意的一條。一周后，他完成了所有詩歌的創作，并感到自己進行了創作。這背后代表的是，盡管他沒有相應的能力，但他有強烈的創作欲望，并希望得到結果。
我認為，這樣的創作雖然與專業影視或音樂人的創作過程和結果大相徑庭，但不能因此否認其價值。他的作品可能沒有版權價值，或者在QQ音樂、網易云音樂上鮮有人聽，但對他個人而言意義重大。他創作的作品承載的價值與他的人生經歷緊密相關。我發現許多人都處于這種狀態：有創作和表達的欲望，但缺乏相應的能力。雖然現在的AI模型尚未達到理想狀態，但至少提供了一種可能的解決方案。過去，他們可能根本無法嘗試，但現在至少有了一條途徑，即使需要不斷嘗試，最終從300個選項中找到一個滿意的，也會認為是自己的創作。
因此，我也會關注教育相關的場景。在音樂領域，我們發現在小學、初中和高中，有些學生對音樂創作很感興趣，甚至想制作音樂劇或校園劇。他們可能沒有相應的能力或設備，但他們不會因為這些限制而放棄。他們會用最簡陋的工具，向老師請教，即使老師也不會，他們也會嘗試制作。
最終，他們可能會制作出一些作品，從而獲得滿足感，激發他們的興趣。這種滿足感可能會促使他們在未來的學習和生活中更加關注這一過程，最終可能進入這個行業，逐漸培養成專業人士。這也是AI技術在創作領域的一種意義。
主持人：現在 AI 加影視到底是朝著讓小白就能夠上這個船，還是去真正改造嚴肅的影視工業的？譬如降本增效等等的這個訴求呢，可以一兩句話概括一下嗎？
苑盛成：我認為創作有多種形式，不同的工具滿足不同的需求，并不是單一的工具或產品形態能夠滿足所有需求。
朱軍：我想插一句，現在我們在討論什么是通用的基礎平臺。比如，當我們在做申訴時，我說我的愿景是什么，我認為愿景就像剛才苑總所說的，我們希望讓每個人都能釋放他們的創作夢想，讓每個人都能夠表達自己，而不僅僅是那些專業的人。
這也不應該是AI最終特別要追求的目標，但我們可以在通用工具上讓大家去表達，讓每個人都能嘗試。比如，幫助導演展示他的想法，可能這些想法最終不會直接使用，但可以作為參考。比如，他可能需要找真人或演員來拍攝，這樣的工具可能會大大提高效率。我認為短期內可能會是這樣，但長期來看，我也不認為AI一定要完全取代真正的人的創作。
何萬青：實際上，我們觀察到中國影視特效行業的發展始于2000年代初。當時，在北京的許多地鐵站，你可以看到各種3D Max學習班的廣告。從那時起，全國各地建立了許多所謂的文創基地。但這里存在一個問題：雖然有很多基地，但在傳統的影視制作中，像3D Max這樣的軟件是生產資料，而今天我們AI技術還處于打基礎階段，還沒有產生作為生產資料的軟件或服務，這是必須要做的，才能真正推動影視行業的發展。
第二點，從2007年到疫情前，我們注意到一個現象：許多藝術院校在培養CG人才方面開始凋零。最初，大家都在學習模仿日韓的風格，但如何創作具有中國特色的作品？在技術上，這是一個非常緩慢的過程。我記得有一次我們組織了一個會議，一個班級的學生花了一整個學期的時間制作了19分鐘的動畫。
過去采用CG的方式，因為它涉及到大量的物理背景和理工知識，實際上它很大程度上依賴于軟件本身。我們不斷在這方面努力，但軟件領域，就像我們的工業仿真軟件一樣，大多是海外的，要自主研發非常困難。但今天，CG和VG技術開辟了新的道路，因為它是基于模型生成的。然而，這里有一個最大的問題尚未解決，那就是交互問題。過去CG的生成模式是有原理的，如果參數不合適，你可以調整的東西很少。
因此，我認為這兩種模型的方式，即基于科學計算或建模的方式，是準確、可調的。最大的優勢在于，它可以解決藝術教育的問題。過去，大多數人覺得太難了，就止步不前。最終，是那些專門做特效的公司培訓了很多工程師，不斷地進行這方面的工作。
所以我認為我們面臨的是兩條路，但其中一條路要解決的問題是，我的答案在于要把交互性做好。而交互性在某種程度上是由可解釋性帶來的，即可觀測和可解釋。當我改變它，我知道我往這個方向改變，它應該產生那個效果；我往另一個方向改變，它應該產生另一個效果。但對于神經網絡模型，你往往并不清楚很多東西都是啟發式的——你嘗試改變它，看看會是什么樣子。所以，如果不解決這個問題，我認為這就是我們這個行業面臨的挑戰和存在的必要性。我是覺得是這樣的一個事。
主持人：從技術發展的角度，去年可能大家還有不同的主，不同的路線，而年初 Sora 亮相，讓那個 Transformer 加這個 diffusion model DIT 的路線成為了主流，到今天其實才過去了八九個月內，這個技術路線大家統一了嗎？
朱軍：讓我先來談談我的觀察。目前，從實際效果來看，最好的效果肯定是使用擴散模型結合Transformer。在實戰中，當然包括擴大模型規模，也有一些其他的變種，包括最近大家提到的flow matching，但它們本質上還是基于同樣原理的方法。同時，在學術界，大家也在不斷探索各種其他架構，包括Transformer的各種嘗試。但從最終效果來看，目前似乎還是比較傾向于使用DIT這種方法。
主持人：所以基本上現在是以這個以 Sora 路線為核心，我們更多的是快速對齊，對吧？
朱軍：對的，是這樣的。
主持人：那其實跟我們此刻隔壁世界正在發生的大語言模型是類似的邏輯，是吧？
宋睿華：我認為可能并不是像那個行業一樣，即使是大型語言模型的差距也在縮小，也會追趕上來。實際上，我感覺他們作為領頭羊的地位和影響力可能會掩蓋掉我們的一些光輝，比如中國人民大學做的悟道·文瀾模型，雖然獨立研發，與CLIP模型同期獨立發布，但聲量沒有Open CLIP那么大，又比如朱老師他們在更早的時候發表的那篇文章，，是關于diffusion算法的，后來這個算法就被整合到了SD和Sora中。其實我們一直在為技術貢獻，但他們可能在商業上非常成功，整個形象就是作為領頭羊的形象，影響力特別大。有時候我們并不是做得比他們晚，而是我們的聲音沒有他們大。
主持人：所以剛才朱老師的觀點聽上去還是 Sora 路線是主流路線。那么宋老師，你的觀點是說，現在其實還是多條道路在同時探索的狀態？
宋睿華：我認為，有些技術確實有效，比如Transformer模型，大家都發現它非常好用。我們的同學后來意識到，最初大家的研究思路是想要改造這個架構，但后來發現花費了很多時間卻收效甚微，甚至越改越糟。最終，大家達成了一個共識：這個模型可能是一個很好的基礎單元，就像樂高積木一樣，找到了一些非常實用、多功能的積木塊，這些積木塊可以拼成各種各樣的東西。你可以選擇一直挑戰，說我不要這些積木塊，我要自己創造形狀，無論是方形、圓形還是三角形；或者你可以選擇認可這些積木塊的確很強大，然后利用它們來構建自己想要的作品。
主持人：那么這個賽道大家現在競爭的是什么？
宋睿華：我認為這更多是關于個人愿景的問題，沒有唯一的選擇，而是看大家誰能看得更遠。即使是同樣有遠見的人，他們也可能認為不同的方向是可行的。
主持人：這是可能偏學術的視角，對嗎？那董老師你也是這么認為的嗎？
董未名：我平時做研究，特別是在AI生成領域，我已經做了十幾年。可能與大多數人不同，我更喜歡從藝術創作的角度來看待當前的生成技術。從技術角度來看，無論國內外，核心技術最終都歸結為diffusion技術。在視頻領域，最核心的是Transformer加上diffusion，所有模型都沒有脫離這個框架。無論你在上層做多少改動，底層核心都是這些技術。
但是，當我從藝術創作的角度來觀察時，我發現現在許多大型模型，無論是國內還是國外，其生成的結果存在嚴重的同質化問題。有些風格大家都做得不錯，而有些風格則似乎誰都做不好，也沒有人敢于嘗試這些風格。例如，我可以肯定地說，有些風格是任何模型都做不好的，比如那些帶有特定圈圈的或者大筆觸、大色塊的油畫風格。我發現這些風格似乎大家都做不好，而且所有的論文中也不敢展示這樣的結果。
我在思考，這是否意味著底層的技術框架，最核心的技術路線，可能無法涵蓋所有的藝術風格和技法？如果技術繼續按照當前的路線發展，那么從藝術AI推動藝術創作的角度來看，這是否真的是一個正確的方向？從藝術的角度來看，我認為可能還是存在一些問題。
何萬青：我可能不太同意這個觀點，關于老師提到的藝術問題，我認為當我們討論AI在影視領域的AIGC時，有一個底線問題需要考慮。藝術和審美雖然是個人化的，但它們都有邊界條件和目的。就像人們畫鬼，其實是有一定樣板的，比如人的樣子加上角或其他特征。如果沒有這些樣板，就會變成現在手機上泛濫的那種應用，它們可以把你的照片處理成各種樣子。如果我們在這方面花費太多時間，可能會陷入一種簡單的快感中，這可能會導致我們在更重要的事情上落后更多。
我的意思是說我們作為這個整個 AIGC 出來之后，它其實就是提升了藝術創作者的無能基準線，過去你的基準線很低，但現在就不一樣了。
主持人：好，那我們直接進入到第三個話題。我在聽的時候有一個隱約的感覺，如果影視制作變得人人都能參與，那么這個行業還會保持現狀嗎？我們是否只是提高了影視產業的效率，還是會引發整個文明形態的轉變？就像視頻已經改變了我們閱讀文章和書籍的習慣一樣。
當視頻也被人工智能普及化之后，我們與內容的關系將會變成什么樣？這是一個開放性的問題。作為我們今天的最后一個議題，我們可以不局限于技術層面，而是想象一下，在未來一年、五年、十年，甚至更遠的未來，當談到人工智能和影視時，我們將看到一個怎樣的世界？
張邦：我暢想未來，AI與影視的結合將實現創作平權。這意味著創作不再局限于專業導演或編劇，普通人也能創作出感人肺腑、流傳千古的作品。每個人內心都可能藏有一個值得分享、能夠觸動人心的故事，只是他們可能沒有接受過專業訓練，缺乏工具和團隊來展現他們精彩的經歷和故事。
AI與影視的結合在未來可能會讓這種創作平權成為可能，讓每個人都能輕松地將他們的經歷和內心故事以出色的方式呈現出來。我認為這將是科技所能創造的美好未來，也是一個必然的趨勢。
主持人：到那個時候影視還會是一個大的工業嗎？還是說變成了非物質文化遺產？
董未名：情況是這樣的，正如您剛才提到的，從藝術創作的角度來看，藝術創作的目的是什么？比如我寫書，我輸入一行文字，然后瞬間創作出一幅畫，這種創作的快感是AI無法給予的，AI永遠無法提供給人類的。
主持人：我覺得大部分短視頻創作者創作短視頻的時候沒有快感，看到被點贊才有快感。到時候大家都在創作，沒有人去點贊了，怎么辦呢？
苑盛成：我確實有一些想法，雖然我不太懂影視領域，但我認為音樂與它有很多相似之處。比如，你聽流行歌曲時，近幾年你有沒有關注這些歌是誰演唱的、誰編曲、誰作詞、誰作曲？這可能反映了一個現象：大多數用戶在聽音樂時，并不在乎創作者是誰。
但也有一部分人創作是為了表達自己，讓自己身邊的人能聽到，獲得自己創作的人生體驗。這部分可能與董老師剛才提到的創作中的表達欲有關，即背后的部分我表達出來了，整個結果被我自己所接納，我真的認為是我主導創作了這個藝術作品，這個藝術作品代表了我的審美，代表了我的人生體驗。
何萬青：我補充一下，關于這種個性化和浪漫的想法。首先，我非常同意張邦老師的觀點。我認為第一個結論是，AI這種平權可以改變我們大多數人的生產方式和娛樂方式。其次，這將產生一種新的經濟模式。但同樣重要的是，當每個人都能創作時，你需要購買別人的注意力，這就是現在的網紅經濟和直播經濟的來源。
第三點是最關鍵也是最棘手的，如果在這個情況下，我們仍然由平臺公司壟斷，就像現在要在抖音上獲得曝光需要花費很多錢一樣，也就是說，這么多創作者中只有一小部分能夠獲得巨大的流量，剩下的長尾創作者則很難獲得關注。這種模式仍然會限制創新。所以，這三個方面我都要強調，AI平權肯定是好事，但它必須有相應的生產關系和整個生態系統的配合才能發揮好的效果。
張邦：我認為創作平權絕對是一件好事。此外，物質生產可能會過剩，但文化和藝術的生產永遠不會過剩。當創作平權實現后，因為參與創作的人數增多，生產信息的基數變得更大，同時，你的信息生產量也會增加。這也意味著文化和藝術創作的質量和數量都將得到提升。
苑盛成：我同意張總剛才所說的觀點，即文化和藝術創作不會過剩。我的看法與他相同。我認為藝術創作是人類對自己精神層面的探索，它是主觀的，每個人都是獨一無二的，因此它不會過剩。
董未名：我的觀點可以用一句話概括：藝術的作用不在于復制可見之物，而在于將不可見的東西變得可見。有了AI這個工具之后，它能夠幫助我們把每個人心中的不可見之物——我們對這個世界的憧憬和想象——轉化為可見的現實。
朱軍：我的第一句話是，AI技術正在快速發展，但我們不能以完美來衡量它。所有技術都有不足之處。第二句話是，AI的最終目的是幫助人們實現夢想。就像我們所做的所有工作一樣，我們希望幫助人們將自己的夢想變成可見的、可傳播的、可觀賞的成果。
宋睿華：我想總結的剛好用到這個論壇的名字， AI +影視≠創作，就人人都可以寫字，但是不代表人人都能寫出好的故事。
何萬青：我想說的是，盡管AI在創作領域還處于起步階段，但對于我們今天在線上和線下的受眾來說，有一件事需要記住：人們往往不會珍惜那些容易得到的東西。所以，藝術也是這樣，即使有了工具，你仍然需要發揮你的創造性。
張邦：我這里想表達的是，今天我們討論的Sora，即視頻生成大模型或視覺大模型，實際上與語言大模型屬于同一代技術，包括OpenAI的chatGPT等技術。Sora和類似的技術從0到1的亮相是非常驚艷的，意味著從無到有的轉變，這個亮相是迅速且極其引人注目的。但從1到100的過程可能并不那么容易。因此，我們希望學界和產業界都能有耐心，慢慢見證這些技術對社會和全人類的改變。
朱梁：萬事萬物，變化是唯一不變的真理。對于未來一年、五年、十年的發展趨勢，我特別想說幾句。未來一年，我特別期待在專業長視頻領域能有實質性的進步，因為這個領域可以被視為影視行業的藍寶石或金字塔的塔尖。一旦這個方向取得突破，解決了剛才各位專家討論的問題，那么影視與AI結合的基點就真正到來了。
這個時刻將會真正地、極大地改善或改變我們所說的創作平權，影視行業的整體結構，以及創作方式和范式，發生根本性的改變。我覺得那個時候就真的到來了。所以我特別期待我們不僅僅是仰望星空，還要腳踏實地地把每一個項目做好，把每一個技術的進步點做好。
從影視行業的角度來看，它只看重結果，而不是大家所說的投入了多少算力、進行了多少訓練、投入了多少錢。這個行業其實很殘酷，有很多有才華的人，正如大家所說，他們有表達的欲望，創作出感動自己的作品，但觀眾不買賬，行業也不會買賬。所以，我們還是要這樣和大家共勉。
主持人：朱總作為最后一位發言的嘉賓，實際上占據了一個很好的位置，為我們今天的討論定下了基調。那么，我們今天的論壇就到此結束，感謝幾位嘉賓帶來的精彩觀點和真誠分享，也感謝大家的參與。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
