当AI开始批量生产短剧

　　【微短剧现象观察】

　　微短剧大概是中国数字文化产业中变化最快的媒介形态之一。它刚刚凭借移动互联网和平台经济迅速崛起，还未来得及形成稳定的产业格局，就连续经历了两次深刻转型：从付费观看转向免费流量模式，又从真人拍摄转向人工智能生成。

　　在高度加速的数字社会中，新媒介往往尚未完成制度化，就已经面临更新技术和商业模式的挑战。德国社会学家哈特穆特·罗萨所说的社会加速，在微短剧产业中表现得尤为鲜明。短短几年间，短剧从网络文学的影视化产品，变成短视频平台的流量商品，如今又成为生成式人工智能进入文化工业的重要实验场。变化之快，甚至使那些刚刚围绕真人短剧建立起来的生产体系和产业基地，转眼便面临新的生存压力。

　　不过，AI短剧带来的变革，并不只是制作成本下降、演员可能被替代，或者观众开始接受人工生成的影像。更值得注意的是，一种将故事生产、内容分发和用户反馈连接起来的算法化文化生产体系，正在加速形成。

短剧的两次变身：从内容付费到算法生成

　　短剧兴起之初，主要沿袭网络文学的商业模式：通过连续的情节反转、悬念设置和付费解锁，吸引观众为后续剧情充值。其核心逻辑是将一个故事的商业价值尽可能转化为单个用户的付费收入。

　　然而，互联网平台的流量逻辑很快改变了这一模式。随着算法推荐和广告变现机制日益成熟，免费短剧迅速成为新的竞争范式。与其让有限的观众支付较高费用，不如降低观看门槛，通过更大规模的用户群体获取广告收入。这一变化与免费网络文学对传统付费阅读模式的冲击颇为相似。内容本身不再是直接出售的唯一商品，用户的注意力、观看时间和行为数据开始成为更重要的商业资源。

　　短剧不再只是被拍成视频的网络小说，而逐渐成为短视频生态中的一种标准化内容产品。相应地，创作方式也发生变化。当点击率、完播率、停留时间和广告转化成为重要的评价指标，剧情节奏便不断加快，反转密度持续提高，人物关系趋向极端。“前三秒抓人”“迅速制造冲突”“持续提供情绪刺激”，逐渐成为生产中的重要规则。霸总、逆袭、复仇、打脸、甜宠等题材不断重复，形成了一套高度成熟的情绪生产机制。

　　这也解释了为什么短剧行业在高速增长的同时，不断出现“精品化”的呼声。所谓精品化，既表达了提高内容品质和艺术价值的愿望，又不得不面对平台流量机制与即时消费习惯的结构性约束。但第一次转型只是改变了内容如何出售。生成式人工智能的进入，则开始改变内容如何生产。

　　据国家广播电视总局相关数据，2026年前8个月，全国共上线微短剧43万部，是前一年全年的13倍，其中AI微短剧占比超过九成。需要注意的是，产量占比不等于观看量或市场收入占比，但这一变化足以说明，AI正在迅速进入短剧生产的核心环节。

　　2026年2月，字节跳动推出Seedance2.0视频生成模型。7月，进一步升级为Seedance2.5。伴随视频生成技术进步，真人短剧原本引以为傲的快速制作能力，也开始面临新的效率竞争。过去，真人短剧通过压缩筹备、拍摄和后期制作周期，大幅提高了影视工业的生产速度。然而，无论流程怎样优化，真人拍摄终究需要协调演员、场景、摄影、服装、道具及现场工作人员。

　　AI短剧则可以将相当一部分生产活动转移到电脑和云端，通过模型调用、提示词设计和反复生成来完成角色、场景及影像制作。两者的竞争不只是内容形式的竞争，更是两种生产体系和成本结构之间的竞争。真人短剧优化的是传统影视工业的制作流程，AI短剧则试图改变这一流程赖以存在的生产条件。

　　如果说前一次转型使短剧进一步成为流量工业，那么这一次转型，正在使它从影视工业走向某种软件工业。

从影视工业到软件工业

　　传统影视生产是一种以具体项目为中心的组织方式。剧本确定之后，制作团队围绕作品调度资源，完成拍摄、剪辑、后期制作和发行。即使高度工业化，每个项目仍然需要组织大量现实资源，承担相应的时间成本、资金风险以及人员协调成本。

　　AI生成则改变了这种资源配置方式。角色可以作为数字资产保存和调用，场景可以通过模型生成，镜头能够反复修改，声音和画面可以在不同版本之间持续迭代。过去依赖现实拍摄条件的部分生产活动，开始转变为数据、模型和算法共同参与的生成过程。

　　这种生产方式越来越接近软件开发：模块化、自动化、可复制，并且可以依据反馈不断更新。目前，AI微短剧主要包括两种类型：一种是具有动漫或风格化视觉特征的AI漫剧，另一种是试图模拟真人表演的AI仿真人剧。

　　AI漫剧的迅速发展，并不意味着动画天然优于真人表演，而与技术自身的成熟程度密切相关。相较于高度逼真的真人表演，风格化画面更容易容纳动作不连贯、表情不自然或物理细节不准确等生成缺陷。一旦技术能够稳定生成更加自然的真人动作、细微表情和复杂互动，AI仿真人剧也可能进一步改变市场格局。

　　受技术变化及平台策略调整的共同影响，一些真人短剧制作基地已经出现剧组减少、摄影棚闲置和中小团队转向AI制作的情况。这对地方产业尤其具有警示意义。过去几年，从横店到郑州、西安、成都，不少地方曾将短剧产业视为新的文化经济增长点，希望通过影视基地建设带动演员、摄影、服化道、场地租赁和后期制作等产业链发展。但如果越来越多的短剧生产转移至模型和云端，原有的地方产业布局就可能受到冲击。这提醒我们，数字文化产业的增长并不必然形成稳定的地方产业基础。围绕某一种技术形态建立的完整生产体系，也可能因为技术范式的变化而迅速失去部分优势。

　　更深层的变化发生在生产与分发之间。在免费短剧模式下，平台需要源源不断地提供能够吸引注意力的内容。AI恰好降低了批量生成内容的成本，使快速制作、大规模投放、根据反馈调整内容变得更加容易。当内容生产能力不再构成主要瓶颈，真正稀缺的就越来越不是故事本身，而是获得用户注意力的机会。

　　据相关数据，在2026年8月中国月度使用时长排名前50的移动应用中，字节跳动旗下系列应用的整体时长份额达到了41.8%，而腾讯系仅为28.6%。由于这几年短剧已悄然大面积抢走用户的时间，腾讯感受到字节系的沉重压力，于2026年10月在微信内上线“绿泡泡短剧”小程序，与字节跳动旗下以算法推荐为主的“红果短剧”形成了鲜明的差异，主打“社交分发”与轻量化场景。

　　但无论是算法推荐还是社交分发，都是为了持续沉淀用户偏好数据，反过来训练、优化AI内容模型，形成数据、内容、流量互相强化的循环。也即，模型生成内容，平台分发测试，用户行为形成反馈，新的生产又据此调整。

　　故事开始不再只是被创作出来，也越来越可能被计算、测试和优化出来。如果点击、停留、互动和转化成为内容生产的主要反馈依据，那么算法所擅长识别的用户行为，就可能反过来决定故事怎样讲述、人物如何塑造、情绪如何安排。

文化工业算法化：当故事成为可优化的产品

　　故事是人类最古老的文化形式之一。从神话、史诗到小说和电影，故事的构思、人物塑造和情节推进，长期被视为人类想象力与生活经验的重要表达方式。短剧本身已经形成了高度类型化的叙事体系。霸总、逆袭、复仇、甜宠等题材拥有相似的人物关系和情节结构，这为算法学习、组合和生成叙事模式提供了便利条件。

　　人工智能可以按照一定的角色设定和情节要求生成故事，再根据观众反馈调整人物关系、叙事节奏与情绪刺激强度。这意味着，算法不再只是决定把哪些故事推荐给观众，也开始参与决定什么故事值得生产，以及故事应该如何展开。文化工业的算法化由此进入新的阶段。

　　过去，平台主要通过推荐算法组织文化产品的分发，影响哪些作品获得曝光、哪些创作者获得注意力。如今，生成式人工智能开始进入内容生产本身，使生产、分发、反馈和再生产形成更加紧密的连接。在这一过程中，文化产品越来越可能按照数据表现进行持续调整，而不只是以相对完整、稳定的作品形态进入市场。

　　但作品能够被生成，并不意味着它必然能够获得文化认可。AI短剧能否成为被广泛接受的文化形式，不仅取决于模型能力和生产成本，也取决于观众如何理解创造性、真实性、作者身份和艺术价值。法国社会学家布尔迪厄对文化价值形成机制的讨论提醒我们，艺术作品的价值从来不只是作品自身的属性，还与文化场域中的评价、分类和认可机制密切相关。

　　因此，机器开始参与创作，只是AI短剧带来的表层变化，更深层的地方在于，文化生产的评价标准可能进一步向可计算的表现指标倾斜。文化工业的算法化，意味着算法从内容分发工具进一步进入文化生产、分配、评价和消费的全过程。它可能扩大文化生产能力，降低创作门槛，也可能使文化产品进一步趋同，将复杂的生活经验压缩为能够快速获得反馈的叙事模式。

　　更值得警惕的是，当一种文化生产机制越来越依赖即时反馈，它可能不断强化那些最容易带来点击和停留的内容，而使需要时间理解、具有复杂意义或不符合既有消费偏好的作品处于不利位置。

从故事生产到文化经验：AI短剧的深层影响

　　AI短剧正在将文化工业推向一种新的生产状态。如前所述，内容生产逐渐呈现出类似软件开发的特征。这一变化显著降低了部分文化产品的制作成本，使小团队甚至个人获得过去难以想象的影像生产能力。但它同时也意味着，文化生产越来越可能服从于标准化、规模化和持续优化的工业逻辑。

　　当文化产品可以像软件一样反复更新时，我们得到的究竟是更加丰富的文化创造，还是更加高效的情绪商品？这个问题不能仅仅通过比较真人短剧和AI短剧的制作成本来回答。

　　文化不仅是内容的集合，也构成了人们认识世界、理解他人、表达自身经验和建构意义的方式。因此，人工智能对文化的影响，不仅体现在影视制作流程的变化，也可能延伸至人类经验的组织与呈现上。从长篇叙事到短视频切片，从相对完整的作品体验到即时反馈和快速切换，数字媒介已经改变了人们分配注意力、感受故事和理解文化内容的习惯。AI生成可能进一步加速这种变化，使文化生产更容易围绕可测量的情绪反应展开。

　　然而文化经验并不能完全还原为注意力指标。那些需要耐心阅读、长时间沉浸、反复体会的作品，那些含义暧昧、难以立即理解、无法预先预测效果的表达，同样构成人类文化的重要部分。因此，我们需要进一步追问：算法应当在文化生产中扮演什么角色？谁有权决定文化生产的目标？在算法日益广泛应用的背景下，我们又能否为不可计算、不可预测的创造保留空间？

　　AI短剧可以被视为生成式人工智能进入大众文化工业的一场大规模实验。它展示了技术如何改变内容生产的成本、效率和组织方式，也让我们提前看见，当故事可以被批量生成和不断优化时，文化可能发生深层变化。从某种意义上说，我们正在从一个通过机器传播故事的时代，进入一个由机器参与生产故事的时代。

　　当讲故事成为一种可以持续调用和优化的技术能力，我们对故事的思考也应超越技术层面，回到更根本的问题：我们希望通过故事理解什么、感受什么，又成为怎样的人？

　　（作者：胡泳，系北京大学新闻与传播学院教授）