AI入场，人向何处去
编者按
随着AI加速赋能千行百业，技术与产业的融合催生社会新形态，AI对产业的影响正在显现，一些行业面临重构，影视行业首当其冲。从剧本、分镜到影像生成，人工智能（885728）正以前所未有的速度进入微短剧生产链条。2025年还被称为“AI微短剧元年”，转眼已至产能井喷：2026年前8个月，上线微短剧共43万部，其中AI剧占比超过九成。制作周期（883436）缩短、成本下降、创作门槛降低，一个庞大的内容市场被迅速改写。
技术带来的并不只有繁荣。真人实拍开机量减少，演员、摄影、灯光、剧务等岗位承压；海量供给之下，题材雷同、优质内容稀缺、版权边界模糊等问题日益凸显。当“拍一部剧”逐渐变为“生成一部剧”，人的经验、表演和创造力如何重新估价，成为行业无法回避的追问。
AI微短剧由此站到十字路口：向前，可能是人机协同、精品涌现的新空间；失序，则可能陷入低价内卷与重复生产。本期新质策源导刊以影视行业作为切入口，采访数十位影视从业者、专家学者，记录入行新锐的探索、摄影摄像的惶惑、资深导演的转型，以小见大，透视AI带给产业的冲击与变局。我们试图呈现技术浪潮中的真实处境，也寻找一条兼顾效率、就业、原创与文化品质的发展路径。希望以影视行业为例，剖析AI时代的应对之策。
图片来源/新华社
■中国经济时报记者曹阳
一个酝酿中的电影项目慢了下来，张洪滔的职业方向也随之改变。
2024年，他还是一家头部影视公司的签约编剧，手里推进着公司重点关注的电影项目。合同、创作和阶段性打款都很顺利，开机时间也有了初步安排。然而，项目最终放缓开发。身边不少影视从业者，也经历着相似的等待。
张洪滔没有继续等下去。彼时，AI视频模型加速迭代，他放弃已经取得的研究生录取资格，暂停副业，开始自学。此后，他做过AI剧本、视频和分镜相关的模型训练，又转入AI微短剧制作，成为导演和项目负责人。
从传统剧组到AI微短剧团队，他站在这场变革的两端，也更清楚变化意味着什么：当场景、人物、镜头乃至声音都可以由模型生成时，过去由数十人协作完成的生产流程，正被压缩进一个只有数人的小组。被挤出去的，不只是几道制作环节，还有附着其上的岗位、收入和年轻人的入行通道。
一个导演组，就是一支AI团队
2015年，张洪滔进入传统影视行业，做过实拍导演和长片编剧。在传统剧组，分工细密，导演把创作意图讲清楚，核心团队与演员共同完成拍摄，后期再交由专门公司制作。到了AI微短剧项目，这套组织方式被重新改写。
一个配置相对完整的AI短剧小组，通常包括制片、导演、执行导演、3到4名“抽卡师”和剪辑人员，小公司和个人工作室还会更精简。“传统影视行业一个导演组的人数，就可以作为一个AI微短剧团队了。”张洪滔说。
“抽卡”是从业者给模型生成过程起的名字：输入描述，等待模型返回画面，再从结果中筛选、拼接。每一次试错都在消耗算力。导演不仅要告诉团队想要什么，还要说明如何接近想要的效果。如果不了解模型能力和镜头语言，可能抽上百次也得不到一个可用片段。
AI目前仍会受到场景和道具一致性、多人站位等问题的限制，但基础的素材制作、粗剪、简单特效和部分实拍需求，已经被它承接。中国传媒大学文化产业管理系副研究员田卉提醒，一项任务可以自动化，不等于整个岗位会立刻消失。更直接的变化是，完成同一个项目所需的人数正在减少。
在AI公司协助筛选简历时，张洪滔曾看到名校毕业生、海外留学背景者以及传统影视从业者的简历明显增多。他能够从片场走向电脑屏幕，另一些人却未必有这样顺畅的转身。做过近十年影视移动组长的张旭，收入已近乎腰斩，手下不少助理离开行业。他也在考虑转行，甚至回老家寻找机会。“并不是所有人都能去做AI微短剧，还有很多人需要这个工作维持生活。”他说。
这种冲击还会沿着产业链扩散。实拍项目减少，灯光、道具、器材搬运、群演及耗材供应等环节都会受到影响。中国传媒大学文化产业管理系副研究员、系主任杨剑飞从行业与教学交流中观察到的结果是：“替代的是大多数，产生的是少部分。”AI催生了新岗位，却尚未生成足以承接传统从业者的就业容量。
新人越来越难入行
新岗位的名称不断出现，工作本身却未必实现了升级。田卉认为，如果只是复制固定提示词、批量点击生成、按统一规则筛选素材，仍属于执行劳动；只有当劳动者需要决定人物关系、镜头节奏和整体风格时，才包含真实的创意贡献。“抽卡师”这样的岗位能存在多久，也很难预判，部分技能未来可能被吸收进编导、视效和制片等既有分工。
AI降低了制作门槛，却没有同步降低商业门槛。多位受访者提到，部分流水线漫剧的外包报价已被压到每分钟两三百元。报价之外，创作者还要承担工具订阅、算力、反复修改和回款等成本。做得更快，不等于挣得更多。
更隐蔽的变化，发生在职业起点。过去，助理、初剪等初级岗位是年轻人进入行业的台阶：在真实项目中熟悉流程，获得前辈反馈，再逐渐承担创意工作。如今，这些任务被压缩，企业又倾向直接招聘能独立交付的人。
田卉担心，新人由此陷入“缺少经验无法入行，无法入行又积累不了经验”的循环。能够靠家庭支持承担试错成本的人，更有可能留下来，资源差异也会转化为职业机会的差异。
企业需要的“复合型人才”，有时则成了另一种压缩用工的方式。杨剑飞发现，一些企业所谓“复合”，是希望“一岗多责”。这样的毕业生或许上手快，却可能长期忙于重复执行，既缺少技能精进，也积累不到资源。“这样培养出来的是技工。”他说。
技术提速之后，人往哪里去
张洪滔并不认为传统影视经验已经失效。恰恰相反，他跨界的底气来自美术、分镜、编剧和实拍导演的积累。“传统影视基本功决定从业者上限，AI工具决定当下效率。”他说。当人人都能生成画面时，人物是否可信、镜头该不该克制、故事在哪里留白，反而更能拉开差距。
在张洪滔看来，目前不少AI微短剧仍追求“第一眼抓人、持续有刺激”，像一种快速消耗的内容产品。低成本、快产出还会继续，但当所有团队都能提高效率时，观众的时间反而更加稀缺。行业可能进一步分化：一部分依靠规模和速度，另一部分转向精品化与原创IP。无论走哪条路，单纯会操作软件都很难构成长久的职业优势。
京西智映人工智能（885728）影视创新中心创始人、导演金岩也在为招不到合适的人发愁。他见过不少只会操作软件的求职者，生成的场景和人物高度模板化；科班学生有审美基础，却又不熟悉AI流程。一名影视专业学生在他那里实习三个月后，回到学校，反而能够给全系教师普及AIGC知识。
这构成了行业的一道悖论：企业压缩初级岗位以降低成本，又急需兼具创作能力与AI流程经验的人；如果新人始终得不到真实项目的训练，成熟人才又从何而来？转型不能只要求从业者个人“拥抱技术”，还需要企业、院校和行业重新搭好成长的台阶。
近日，国务院办公厅印发《关于适应人工智能（885728）技术发展助力构建就业友好型发展方式的意见》，提出稳慎把握人工智能（885728）在劳动密集型行业应用的范围、力度、节奏，鼓励企业探索建立失业缓冲期，在大规模应用AI过程中提前告知受影响劳动者，并提供转型转岗支持。对影视行业而言，这些要求需要落到具体的生产关系和项目规则中。不能只计算通过AI节省了多少成本，也要看见转型所需的时间、学习与收入代价。
麦肯锡9月发布的《劳动力流动：美国未来职业的技能与发展路径》报告提供了一个更宏观的观察视角。报告预计，到2035年，美国可能有约1100万劳动者需要转向新的职业，其中大多数是低收入员工。更值得关注的是，在需要转换职业的劳动者中，只有约七分之一能够在几乎不需要再培训、收入不受损失的情况下转入新的工作。
田卉建议，转型支持不能只靠开设收费课程。院校、行业组织和公共文化机构可以提供低成本培训、工具试用和真实项目，让学习者获得反馈与报酬；行业也应明确合同中的工作范围、修改轮次、验收、付款、署名和素材授权，平台则需改善结算与申诉机制。否则，技术节省的成本，可能只是转化为个人承担的学习费用、低价订单和收入波动。
张洪滔已经完成了一次转身，但他不认为“会用AI”就能解决所有问题。工具仍在快速更新，今天的操作方法，可能很快被新的模型替代。对更多影视从业者来说，他们关心的不是一场遥远的技术革命，而是眼前的收入和下一份工作。AI可以继续提高生成速度，行业却仍需回答：当旧岗位消失比新岗位诞生更快时，谁为这段落差留出时间，谁又能接住那些来不及转身的人。
