Google 投资 A24：AI 视频已能赚钱，但最难的是学会「不优化」

今年 6 月，Google DeepMind 宣布与美国独立电影公司 A24 建立长期研究合作，并向其投资约 7500 万美元。这笔交易最反常之处在于：Google 并没有获得 A24 的片库授权。双方既不能在 A24 现有影视内容上训练模型，A24 旗下电影人也没有使用相关工具的义务。真正合作的内容，是把 DeepMind 研究人员送进电影的创作过程，与电影人共同测试和迭代工具。

A24 成立于 2012 年，凭借《月光男孩》《瞬息全宇宙》《至尊马蒂》等兼具艺术口碑与商业成功的影片，已把片厂名字本身做成了品牌。今年热映的恐怖片《后室》同样出自 A24。从片库授权的角度看，Google 完全可以让 Veo 学习这些极具风格的影像素材，但它没有这么做，这笔交易真正押注的是另一件事：让 AI 学会分辨电影创作中哪些「摩擦」应该消失，哪些必须留下。

AI 视频开始有人买单

AI 视频的商业化已经跨过「有没有人用」的阶段。Runway 今年 7 月发布的客户调研显示，一家全球广告集团将某美国保险品牌吉祥物的社交内容制作周期，从两三个月压缩到 3 小时，覆盖视频生成、语音克隆和口型同步全流程。早期 AI 视频项目 Higgsfield 的 ARR 从去年 9 月的约 5000 万美元，增长到今年 6 月超过 5 亿美元，十个月内增长十倍。国内方面，可灵截至 2026 年 6 月全球用户突破 1 亿，企业客户接近 5 万；今年一季度收入超过 6.5 亿元人民币，同比增长超过 300%。

产品形态也在前移。Google 的 Flow 从单一镜头生成，走向角色控制、场景延展与故事编排；Adobe 在 6 月将 Creative Agent 铺进 Firefly、Premiere、Photoshop 和 Frame.io，用户可以从一个概念直接走到分镜并生成视频。模型能力成熟后，产品自然向工作流上游移动：越早进入决策环节，越有机会成为默认入口。

但真实生产中最难的部分，常常在演示结束之后才开始：为什么选这一版，它牺牲了什么，最终由谁决定。模型可以接连给出答案，团队仍须为每一次取舍负责。今年 5 月完成 600 万美元种子轮的旧金山 AI 影视平台 Flick（投资方包括 True Ventures、GV、YC 与 Lightspeed），就把产品重心放在导演的持续控制与反复取舍上。硅谷资本已开始为「判断力」单独定价。

哪些摩擦该留，哪些该消除

影视制作中存在大量该被消灭的摩擦：抠像、转码、素材检索、镜头匹配、画幅调整，这些工作昂贵、耗时，又很少带来新的表达。Google 自己的实践已经验证了这一点。2025 年，DeepMind 与导演 Darren Aronofsky 创办的 Primordial Soup 合作短片《ANCESTRA》，用 Veo 完成了传统 CGI 难以快速实现的运动匹配与局部画面生成。但 Google 披露，这部短片背后仍有超过 200 名传统影视专业人士参与，另有实拍、剪辑、视效、声音设计与作曲团队。模型压缩了一部分高成本执行，却没有替团队承担电影里的全部判断。

另一类摩擦发生在判断形成之前。人物为什么要沉默，哪个漂亮镜头应该剪掉，一个令人不舒服的停顿是表演失误还是全场最真实的几秒。这些问题没有明确流程，也很难写进效率指标。创作者必须在多个说不清的版本之间停留，有时还要忍受一段时间的难看。在创作里，有些摩擦是成本，有些摩擦是研发本身。

八十分的答案最难拒绝

AI 对创造力的影响已出现值得警惕的信号。2024 年发表于《Science Advances》的一项实验，让 293 名参与者在有或无生成式 AI 灵感的情况下创作短篇故事，再由 600 名读者评价。结果显示，获得 AI 帮助的作品平均更好读，基础较弱的创作者提升尤其明显；但这些故事彼此也变得更加相似。另一项视觉设计实验同样观察到：参与者接触 AI 生成图像后，更容易被最初的范例固定住，最终提出的想法数量更少，变化范围和原创性也随之下降。

模型见过大量有效的叙事结构，知道怎样让开头更快进入情节，怎样给人物补足动机，怎样让一张图更接近用户口中的「电影感」。这些建议相当专业，创作者一旦接受最初几个合理答案，后面每次迭代都可能变得更好，也离那个尚未被发现的作品更远。很多作品没有被明确的否决杀掉，却被一连串善意而正确的修改慢慢磨平了。

A24 的价值：在成熟得太快之前留住犹豫

A24 并不拥有一套稳定的视觉公式。《月光男孩》《瞬息全宇宙》《利益区域》放在一起，很难提炼出统一的镜头语言。把它们连起来的，是那些在传统流程里很容易被改掉的部分，最后得以留在作品里。《利益区域》将集中营内的暴力大多挡在画面之外，观众看到墙这边一家人的日常生活，恐怖从声音里渗进来。若把「情绪表达是否充分」当成优化目标，系统完全有理由建议补充更直接的画面，叙事信息会更完整，可电影的力量也会随之消失。

A24 的价值在于，在少数关键时刻，愿意让一个暂时显得不顺、不清楚、甚至难以营销的选择多保留一阵。多数片厂怕作品不成熟，A24 有时更怕它成熟得太快。这也是 Google 需要研究的：当模型能迅速交付完成度很高的版本时，什么时候生成有帮助，什么时候应该保持空白，什么时候反馈能推动作品，什么时候反馈只是把它拉回平均值。

重新为创作歧路设计界面

今天主流的生成式产品仍围绕一个线性输入框展开：用户提出要求，模型给出结果，然后继续修改。真实的创作过程很少这么整齐，它会分叉、回头、搁置问题。在方向尚未确定时，工具可以先帮助创作者建立差异足够大的分支，避免立即生成精致成品；某些问题可以标记为「暂不解决」，保留矛盾和模糊。进入制作阶段以后，系统再接管一致性、素材管理与重复修改。那些明确拒绝过的选择同样重要：不要解释这个结尾，不要替人物寻找和解，不要用配乐提醒观众该难过了。一次拒绝如果在下一轮就失效，创作者拥有的只是提示词控制，并没有真正的创作控制。

从长期来看，单次生成质量越来越难构成壁垒，模型榜单每隔几个月就会重排。真正稀缺的是创作者在项目中积累的取舍、拒绝与协作习惯。谁能理解一个创作者长期的意图，保存他的决策历史，并在正确阶段采用不同的交互方式，谁才可能真正占住创作工作流。A24 能提供给 Google 的，或许正是这套仍然没有被软件化的经验。