当AI学会吉卜力美学：动漫产业的下个十年
当 AI 学会吉卜力美学，动漫产业的下个十年将迎来巨大变革。吉卜力的细腻画风、温暖情感和深刻内涵将与 AI 的强大创作能力相结合。AI 能以吉卜力的风格创作出海量新颖的作品，丰富动漫的题材和形式。它可以快速生成充满想象力的场景和角色，让观众沉浸在奇幻的世界中。同时，AI 还能根据不同观众的喜好进行个性化创作，满足多样化的需求。这不仅将推动动漫产业的发展，还能让更多人领略到吉卜力美学的魅力，为动漫爱好者带来全新的视听盛宴，开启动漫产业的新纪元。
面对汹涌的AI浪潮，动漫产业正处于技术的十字路口。
一方面，产能瓶颈与市场需求的矛盾已成为动漫业痛点——顶级工作室档期排到两年后，大量制作仍依赖“工匠精神”主导的传统手绘，产能紧缺。另一方面，AI技术正迅速融入传统动漫制作流程。
Google的Veo 3、OpenAI的Sora以及可灵AI、海螺等等视频大模型每周迭代，从关键帧生成到风格转换的技术探索层出不穷。然而，AI在动漫领域的技术落地仍存在多重壁垒。
在产业如此供需失衡的背景下，AI正如何渗透进动漫制作？AI生成视频的稳定性、逻辑连贯性难题，能否被攻克？谈及创意生产与行业伦理，AI又给动漫产业带来何种冲击？
带着这些问题，Azuki内容负责人、前Google Brain工程师天宇（二月茶）在今年五月亲赴日本深度考察。本期《硅谷101》，主播泓君对谈天宇，从他的亲身感受出发，聊聊AI技术在动漫制作中的应用情况、技术瓶颈和潜在影响。当AI学会吉卜力的分镜美学，动漫产业的下一个十年将在何处落笔？
以下是这次对话内容的精选：
一、动漫产业现状：供需的历史性撕裂
泓君：能否简单介绍一下Azuki？为什么你每天的工作会把大模型生成和日本动漫产业结合在一起？
天宇：Azuki是我们在2022-2023年的Web3叙事热潮下创立的。它是NFT与动漫结合的品牌，整体采用二次元风格，所以从那时起就与动漫结下了不解之缘。我一直对动漫有很强的兴趣，当时通过各种机缘巧合参与到Azuki中，现在在Azuki负责整个内容开发，尤其是动漫方向的制作。
泓君：你们打算做成类似动漫连续剧还是动漫电影？这两种叙事逻辑差异挺大的。
天宇：我们目前认为最佳方案是从动漫剧集入手。作为动漫迷，漫画和剧集仍是接触IP最直接的方式。我们对动漫电影感兴趣的原因在于其生产周期相对更短。如今动漫剧集在全球大火，尤其是日本、美国乃至中国，产能都严重供不应求，仅等待顶尖工作室的排期就可能需要两三年，加上制作本身高度手工化，如果从零开始制作一部动漫剧集，时间线很容易拉长至四五年。而动漫短片和电影的制作周期相对更短。
泓君：所以做动漫电影比剧集还要简单些。
天宇：在动漫领域确实如此。
泓君：动漫剧集通常是具有较长连续故事线的作品，可能有多季。假设制作一季，大概需要多长时间？
天宇：一季12-24集的内容，目前纯制作周期约三年。但问题在于，顶尖工作室几乎没有空闲档期，全球优质生产线的排期基本都要等到两年后，这导致新动漫项目的投资很可能要五年后才能见成效。
泓君：为什么会出现全球排期爆满的情况？是因为动漫又火起来了，受年轻人喜欢吗？
天宇：这个问题很好。我认为一方面在于供给，一方面在于需求。需求层面其实很简单，动漫属于相对年轻的媒介，八零后、九零后这代人是看着动漫长大的，如今他们已成为消费主力。同时，新一代消费者如Gen Z（约1997-2012年出生者）、Gen Alpha（约2013-2025年出生者）也是在动漫陪伴下成长的。
虽然在内容娱乐领域，动漫起初可能处于边缘地位，但因为它有独特的审美体系，所以许多在它陪伴下长大的人会持续关注动漫，美国、中国、日本都存在这种现象。包括周边、播放、流媒体等各类形态在内的全球动漫市场，基本保持每年10%以上的增长率。无论从哪个角度看，这都属于相当快速的增长，尤其在偏向手游或潮玩的游戏领域，市场成长速度可能比我们想象的还要快。
天宇：供给层面也是一大难题，因为动漫制作是高度手工化的过程，比很多人想象的更具劳动密集型特征。大家下次看动漫时可以留意一下片尾的职员表，每一集的职员表都很长，其中还有许多专门负责具体环节的外包公司，而这些外包公司展开来看，很多都是几百人的规模。即便在这种情况下，目前可能有30%-40%的动漫制作仍在纸张上进行。
泓君：所以你刚才说的手绘是30%-40%？电脑绘制可能也占60%-70%？
天宇：不，手绘指的是人用手绘制，其中的30%-40%可能仍在纸张上进行，电脑绘制也属于手绘。但动漫行业的工业化、集约化和数字化程度比我们想象的低很多，更像是日本匠人精神主导的小作坊，类似几人的小团队经营一家精品拉面店的模式。正因如此，日本很多动画公司在营收和团队规模上存在各种问题，所以动漫行业的绝对供给实际上受到人才、管理体制甚至技术的制约。由于供需之间存在巨大错位，导致现在很多资本方，包括我们作为IP方，虽然看到全球动漫兴起的趋势，但产能集中在少数国家，且扩张速度缓慢，这就造成了强烈的排期现象。
传统派：不稳定、不可控，AI补帧的效率悖论
泓君：能否简单介绍你聊过的几类AI+动漫公司，再从制片人角度分析可行性？
天宇：这次接触的公司大致分为三种类型：第一种是传统动漫工作室，先做动漫再考虑融入AI，比如飞碟社、MAPPA、MADHOUSE等。这些工作室当下最希望通过AI提升生产线效率，因为排期饱和状态导致它们心有余而力不足。实际上，主流顶级动画工作室都在关注AI技术。尽管由于AI对于艺术家来说是个特别敏感的话题，它们对外宣发较少，但它们看到了潜在的技术应用场景，也是很激动的。
泓君：它们真的有行动吗？
天宇：有。动漫生产流程相对标准化：从故事脚本、角色设计到故事版，再到原画（包含一元、二元），然后中间帧动画和背景同时制作，再搭配音乐、配音及后期调整。工作室最希望能用AI优化流程中的某些环节去提升效率。
以中间帧制作为例：比如一个人喝咖啡的动作，关键帧可能只有“拿起杯子”“送到嘴边”“喝完咖啡后的状态”三张原画。如果直接播放这三张，会显得动作很撕裂，让观众觉得“跳帧”，所以我们需要补中间帧让动作更流畅。如果有细节特写的镜头，补帧量会更大。
在动漫行业，中间帧与关键帧的绘制通常属于两个不同步骤。关键帧绘制被普遍视为极富创造性的工作，而中间帧绘制相对枯燥，是动漫行业新人最先接触的工作内容。因此，当人们思考AI能否助力提升产能时，中间帧绘制往往成为首个设想的应用场景。
泓君：这一需求相当于给定两张原画，由AI根据原画生成中间的一系列动作。这其实是“图生图”。
天宇：对。从技术角度上说，这个过程好像不是特别困难。无论在美国还是国内，高校和企业都时不时针对关键帧生成发布突破性论文，几乎每一两个月就能看到相关技术进展。
泓君：哪些公司在关键帧技术上表现突出？
天宇：实例很多，比如 B 站研发团队几周前就发表了很不错的论文，美国一些独立科研团队也取得了不错的成果。但“理想很丰满，现实很骨感”。我们这次参观的工作室都试过用AI辅助中间帧生成，问题就出在效果不够稳定——最关键的就是“够”字。到底多稳定才算能用？标准特别玄妙。
泓君：能不能用刚刚“喝咖啡”的例子来解释什么叫“够”？
天宇：假设一个人穿夹克，动作里夹克会有褶皱，手可能有光影变化，戴着手套的话，手套有纹理，咖啡杯上还有图案。这时候AI生成的关键帧可能90%看着没问题，但5%到10%的差错就会严重影响流程。这不仅是物理逻辑的问题，更是创意层面的问题，因为动漫本来就没追求每帧都符合物理规律，而是要在创意范围内可信又好看。比如夹克褶皱突然出现又消失，播放时观感就很奇怪——袖子上到底有没有东西？
泓君：观众可能还会联想到是不是跟剧情有关系。
天宇：对对对，尤其是像动漫这种媒介，因为每一笔都是人画的，尤其大师作品每个细节都有深层思考。
泓君：AI生成的不完美细节，很容易被观众当成剧情铺垫去过度解读。
天宇：这绝对是一个很大的原因。更核心的是，动漫里的夸张动作本身就是导演和动画师的美学表达，不是真实物理世界的复刻。AI要是在5%-10%的细节上处理不好，改起来不一定容易，比如在衣服上加几笔褶皱就挺难的，比我们想象的麻烦。这也是为什么大家觉得AI生成关键帧看着不错，但实际上“足够可用”的标准特别高。比如用AI生成喝咖啡的10张关键帧，每张看着都还行，但每张不同地方都有5%的误差，这10张都得交给作画监督和原画师审查，真的节省时间吗？有时候可能还不如自己画来得快。
泓君：95%的10次方，这个正确率最后可以算出来的。
天宇：对，算下来发现AI好像也没有那么大的帮助。这还牵扯到生成模型的问题：如果找10个实习生画中间帧，至少能详细地告诉他们错在哪儿，还能一起开会讨论修改方向。
泓君：但是AI很难做到可控生成，比如想让它去掉衣服褶皱，它可能改的不是指定位置，或者依然重复出错。
天宇：这就是细节里的“魔鬼”。如果是10个实习生，至少能保证每次交稿都在进步，但AI不一定。即便用Mask技术（掩码，一种深度学习技术，让模型专注于重要数据，而忽略无效或不相关的部分），让AI准确率从90%优化到95%再到100%，这个过程未必比人工快。
它和好莱坞特效制作是一个道理。比如拍车爆炸，这个爆炸有多大？是否产生烟雾？是什么颜色的？产生的碎片该往哪些方向飞？这些在很多导演心中都是相当重要的细节。现在AI很难做到这种精细控制。这其实还是回到“够不够好”的标准问题：当技术对细节的把控达不到创作需求时，就很难真正替代人工。
颠覆派：以AI为中心，“缺了夸张美学”
天宇：刚好借此聊聊第二类公司——完全抛弃传统动漫工业流程，以AI为核心重构制作体系的创业公司。这类团队可能缺乏动画制作经验，但他们不是用AI优化现有流程，而是从零开始围绕AI设计全新生产逻辑。
比如中间帧用AI制作难度大，那就干脆不做中间帧，或者采用全新的中间帧制作方式。我们之前聊到一家叫KAKA Creation的公司，他们今年推出了一部约30分钟的动画，声称95%内容由AI生成。当时这个项目在网上引起了轩然大波，刚好又是在OpenAI把照片吉卜力化的风口浪尖上。
这家公司规模很小，团队大概只有10人左右，还处于初创阶段。他们觉得视频生成模型很有潜力，就想从零开始尝试。KAKA Creation的关键帧和中间帧中，有很多是通过动作捕捉完成的——让真人表演，再用AI把真人动作转换成动漫风格。
泓君：它是把人演的视频捕捉下来，还是说图像捕捉下来，再把它导入到大模型里，做成动漫吉卜力风格？
天宇：还是用刚才的例子吧。他们的思路是：既然AI直接生成画面存在明显缺陷，那就先录制真人拿起咖啡并喝一口的视频素材，再把素材导入AI模型，转换成动漫风格。
泓君：你觉得做得怎么样？打多少分？
天宇：10分制的话，给6-7分。从纯动漫制作角度看，这个分数确实达到了及格线，但不算高，能明显看出是AI制作的。它和传统动画相比，在表现力和美学设计上还有差距。
泓君：举一个例子，美学上的设计差在哪？
天宇：比如说，传统动画制作中，无论是3D还是2D模型，都需要一帧一帧绘制动作，甚至要手动调整3D角色的姿势；而动作捕捉直接让真人表演，效率确实更高。但问题在于，动漫往往追求更夸张的表现力，这是一种美学追求。用动作捕捉生成动漫时，经常出现动作僵硬的问题——因为捕捉的是真人自然动作，不够夸张，缺乏艺术性。
泓君：我懂了，就是它不够夸张、不够有艺术性。
天宇：对，它不够夸张、不够有趣。因为我们实际上一天到晚看的周围世界就是很真实的世界。如果我真的喜欢这种风格，为什么不去看真人电影？
泓君：就像真人笑的时候嘴巴弧度有限，但动漫里可以把眼睛画得很大，嘴巴一直延伸到耳根，这种夸张感很有趣。
天宇：比如哆啦A梦的经典表情，嘴笑得那么大，眼睛都眯成一条线了。但用动作捕捉来实现这种效果会遇到技术难点。所以动捕也好也坏，本质上是一种美学层面的取舍。KAKA Creation的案例就体现了这一点。
泓君：但我觉得这也是一种挺好的思路。
天宇：比如背景通常也是手绘的，现在可以不用画，直接拍张照片让AI转风格。尤其是静态背景，不那么容易穿帮。
泓君：那这是不是已经构成了传统动画产业链的一个环节——至少背景空镜头可以用AI做？
天宇：很对。比如Netflix改编手冢治虫的《PLUTO》时，就公开说过在背景制作中引入了AI生成技术，这确实是一个很实在的落地场景。不过它对实际效率的提升效果不好说，因为背景制作在动画流程里相对独立，画人物动作比画背景复杂得多。
泓君：成本占比也不一定高。
天宇：当然也有例外，比如新海城这种“背景狂人”对背景的精细度要求极高，AI目前达不到那种水准。但绝大多数动画的背景制作确实能用AI辅助，这也是未来很多工作室可能探索的方向，只是它解决不了动画制作的核心瓶颈。
折中派：ChatGPT当助理，AI分担导演负荷
泓君：刚才聊了两类公司：一类传统工作室对AI探索还一头雾水，另一类完全用新逻辑做动漫。有没有中间派？
天宇：有个特别有意思的案例：一家传统动画工作室尝试给导演做“ChatGPT助手”。他们把导演过往的故事板、修改建议、脚本等素材输入ChatGPT，让它模拟导演对新项目做评估，没想到这真的有用。尤其是对于大项目导演，他们的工作量远超个人处理能力：所有环节的审美把控、故事板、脚本、风格、色彩、动作时序都要过目，根本不可能逐帧修正。所以导演会组建信任的团队，比如依赖原画师和修正的专职人员，但团队成员一旦掉链子，就容易“作画崩坏”。而导演作为总筹划，精力有限，需要处理的反馈太多，而这个AI助理就帮他们分担了部分评估工作。
泓君：这个想法非常棒。
天宇：所以他们的思路是给导演做一个ChatGPT虚拟助理，当某个环节需要导演反馈时，先让ChatGPT过一遍，比如ChatGPT指出问题，导演再判断建议是否合理。他们试验后，导演觉得效果不错。其实动漫行业的导演和制片人对AI普遍持开放态度，因为他们确实常面临“心有余而力不足”的情况。
泓君：AI能帮导演抠每一帧吗？给的建议靠谱吗？
天宇：AI未必能逐帧优化，但在关键节点上，哪怕只能帮40%-50%也很有用。比如导演每天工作8-12小时，真正能聚精会神修改的关键点可能不超过10个，如果AI能让每天处理的关键点增加到15个，就是巨大的成功。
泓君：那么从日本回来后，你对如何做动漫，以及是否使用AI工具的观点有改变吗？
天宇：改变挺大的。大家对AI更欢迎，也更相信它的潜力，但AI作为工具嵌入生产流程时，仍存在细节上的“魔鬼”。
泓君：听起来，你反而对AI的态度更谨慎了？
天宇：是的，但另一方面，我看到了很多以AI为核心的小团队实验，也觉得很兴奋。人类对艺术创作的追求是永恒的，从上万年前在洞窟中绘制壁画就开始了。这次从日本回来后，我更思考：如果把AI作为创作工具，是否会产生新的可能？比如动漫中因制作难度大而很少出现的复杂华丽服饰——这类服饰的动态绘制需要大量人力，但如果用AI辅助，能否实现以前做不出的效果？
泓君：我能想象一些场景，比如激烈的打斗场面还是需要复杂的服饰来增强视觉张力，或是塑造王者形象时，华丽的服饰是体现角色气场的关键元素。
天宇：是的，比如中世纪骑士的盔甲，结构极为复杂，如果完全依靠手绘呈现每一处精密细节，不仅耗时漫长，制作成本也会大幅增加，可能得不偿失。类似地，身上佩戴大量挂饰或铃铛的角色在现代动画中也较为少见。但如果有AI技术辅助，这些曾经因制作难度大而被舍弃的设计，会不会产生新的创意可能？我对这一领域非常期待。
与此相应的还有动漫的上色方式。如今多数上色流程仍类似大家小时候玩过的 Windows涂鸦工具中的油漆桶功能——画个圈，点击一下就能突然改变颜色。
泓君：你不觉得这就是人类重复密集劳动的部分吗？
天宇：这是技术与创意产品之间的一种微妙关系吧。
泓君：这就是我们最想交给AI去做的。
天宇：对。技术的限制往往会催生特定的创意形态。以希腊雕塑为例，大理石材质本身构成创作限制，加上当时颜料技术极不成熟，多数颜料难以在历史化学反应中保存，导致我们现在所见的希腊大理石雕塑多呈白色。而这种技术限制在后来的新古典主义时期反而被赋予审美价值，白色成为一种艺术特色。当人类对材料的控制技术取得突破，比如塑料化工技术发展成熟后，变形金刚玩具、哆啦 A 梦手办等动漫周边又诞生出全新的美学可能与生产体系。
我希望AI的价值不应局限于将现有创意流程自动化，它最美妙、最有趣的意义在于：能否借助这一工具，实现过去因技术瓶颈而无法企及的创作可能？如果以这样的愿景看待AI与文化艺术的融合，未来人类与AI在创意领域或将迎来非常令人期待的、百家争鸣、百花齐放的理想状态。当然，在此过程中，每一位具体艺术家在创作中的核心作用仍需被重视。
三、动漫AI变革之困：有突破，但还“不够好”
泓君：现在视频模型能生成的最长视频是多少秒？
天宇：目前很多模型的生成时长都在10、15、20秒的区间。如果继续延长，确实会面临两方面问题：一是刚才提到的稳定性问题，二是产品与市场需求的匹配度问题。因为如果生成更长的视频，观众可能不愿意观看。想想我们平时看的影视作品，很难接受一个人持续做一件事长达一分钟，尤其在没有上下文故事的情况下。
泓君：我上次在Google发布会上试用了它的Veo 3，当时输入的prompt是生成一个复杂场景：一只小松鼠和一只猫在山坡上奔跑，穿过树林，越过一座桥，最后到达山顶，桥的两侧有彩虹，还有风吹动。但生成的连续奔跑过程中的场景变化效果并不理想，画面跳转严重，逻辑衔接也很奇怪。
天宇：感觉像在做梦一样，对吧？
泓君：这个描述太准确了。比如从桥到山顶的中间没有任何过渡，是画面切换过去的。
天宇：然后画面中的各种元素开始出现不可思议的形变。这确实与我们刚才谈到的稳定性密切相关。如果真的要将它应用于创意产品，内容至少要具备合理性，除非刻意追求梦境般的效果。目前来看，20-30秒的生成时长算是比较长并且相对稳定的。如果要生成一分钟以上的内容，一方面需要为模型提供更详细的情节，另一方面，模型难以在逻辑层面准确复现脑海中的情节，这仍是待解决的难题。
泓君：当前AI视频生成的最大问题是什么？
天宇：最大的问题就是“不够好”这三个字，所有的关键都体现在“够”这个标准上。我之前在网上看到一些很感人的个人应用案例：有人将已故家人的照片交给AI，生成10秒左右的动态影像。
泓君：这种场景在声音模型中特别多。作为播客从业者，我注意到现在各厂商的声音模型竞争激烈，我就常看到评论说“我把妈妈生前的语音喂给模型，就能听到她的声音了”。
天宇：对，很感人。这类应用的意义不在于生成多精美的视觉产品，而在于通过技术重现与亲人的记忆，实现“有胜于无”的情感价值。但如果目标是让AI在日本动漫、剧集、好莱坞电影等工业化场景中发挥关键作用，“够不够好”的标准就会衍生出诸多细节“魔鬼”。目前来看，稳定性和可控性是两大核心挑战。
泓君：现在它们生成人物的时候，眼睛还会恐怖吗？我们在这些视频模型刚发布时用过它们，那时生成的人物状态很恐怖，像迪士尼最开始的动漫一样，眼神空洞。
天宇：现在这个问题基本解决了，手的稳定性也有巨大突破，过去常出现多根或少根手指的情况，现在几乎不会穿帮，这是技术上的重要进步。
四、AI动漫的未来博弈：潜力释放与伦理红线的拉锯
泓君：你如何看待AI配音？我发现语音模型的发展速度最快，效果最好，可控程度也比较高。比如在动漫领域，刚才我们讨论的都是画面环节，其实配音和配乐环节同样值得关注。
天宇：这涉及到一个让我非常忐忑的话题。语音生成确实比视频容易太多，从生成质量来看，目前多数尖端模型的表现已与真人无异。但语音生成也牵扯出一个复杂的问题：AI与人类创作者之间究竟是怎样的经济关系？
泓君：让你感到忐忑的是什么？
天宇：这次在日本与一些导演、配音演员和声优交流时发现，日本声优有自己的协会，近几个月来，多位知名声优公开反对AI，拒绝将自己的声音用于模型训练，也不允许AI模仿他们的声音。我很认同他们的观点：对声音的训练和表演是声优赖以生存的职业，一旦声优被替代，他们的职业价值、创意表达和生计都会受到直接冲击。
泓君：日本还有声优工会，但很多国家没有，情况更为复杂。
天宇：如果讨论经济层面，这确实是深刻且棘手的问题。对画师而言，AI还能被视为工具，但同样的逻辑放在声优身上就显得困难。因为AI生成的声音与声优的表演过于相似。
泓君：在声音领域，技术上已具备替代人的能力，我们只需要探索如何解决相关从业者的生计问题——这本质是经济关系与工作伦理的议题，而不再是技术问题。我认为播客行业已出现类似问题。
天宇：技术上完全可行了，比如AI能模仿泓君的声音，你只需写稿无需录音，就可以转换成播客。但另一个观点也值得认可：声优不仅是提供声音，更是“配音演员”在演绎角色，他们本身也是流量焦点，对作品创意和商业的贡献远超物理声音的范畴，理应得到正视与尊重。
泓君：但从技术角度说，语音生成技术已经比较成熟了，但音乐还不行。
天宇：我觉得音乐也可以了。
泓君：AI生成音乐的表现力，与人类创作相比怎么样？
天宇：这个问题很有意思，甚至可以上升到哲学层面。学习音乐史时会发现，西方音乐史中主流风格的变化并不频繁，这反映出人类认为“好听”的音乐范式其实有限，而难听的音乐则层出不穷。现有的大调、小调及节奏体系已被乐理总结得相当完备，AI理解“好听”的标准并不困难，因此生成的音乐表现力如何，部分取决于听众的主观感受。
泓君：以Suno这样的音乐生成平台为例，我们早期觉得它生成的作品也太“口水歌”了。与相关开发者交流后了解到，这类平台不敢直接复制顶级流行歌曲，因为如果训练出风格高度相似的作品，会引发严重的版权纠纷。但理论上，只要输入高质量的训练数据，AI完全可以模仿特定风格。建议尝试用AI生成古典乐，因为许多古典乐已经过了版权期限，数据更易获取，目前生成效果相当不错。
天宇：这个观点其实非常正确。这里涉及的商业伦理问题不容忽视：如果技术上能复制周杰伦的声音，可以拿他的声音去写歌吗？
泓君：细想之下很可怕，这对新兴艺人尤其不利。所有艺人都需通过持续重复地创作来打磨作品，如果都用AI替代，那以后可能就没有好的新歌，或者说没有人类创作出来的好的新歌了。
天宇：这就是商业结构和商业伦理的问题，也印证了中间帧生成等技术背后的深层矛盾：表面上，中间帧生成模型能保留人类创作，而关键帧仍需手绘，看似两全其美，但从长远看，会导致行业新人失去成长的阶梯。小白需要通过大量重复练习进阶才可能成为大师，如果技术取代了这些基础工作，就像梯子抽掉了底部的横档，新一代动画师将失去向上攀爬的落脚点，这才是最令人担忧的后果。如果这种现象持续发展，动漫行业或许会在几十年后面临倒退风险，当前已显现的大规模人才短缺问题也可能变本加厉。
泓君：想一想也挺可怕的。
天宇：我们所处的时代也挺特殊的，技术与创意正以惊人的速度相互奔赴。对于视频生成、关键帧生成或声音生成领域的技术创业者而言，当下时代对他们提出了更高的美学要求。例如生成的音乐如何界定“好听”？评判标准是什么？这可能成为技术指标之外，模型训练与迭代优化的重要依据。
泓君：你的品位可能决定了模型的品位。我最近看到一些文章挺有意思，DeepSeek推出后，它回答问题的方式备受认可，后来在一篇采访中发现，梁文锋对文字美感有明确追求；Anthropic代码质量出众，可能与创始人的关注有关；再看ChatGPT的文本风格，明显渗透着Sam Altman对表达、营销及内容包装的重视。这些都与创始人的品位紧密相关。
天宇：甚至可以说，在大模型和视频生成模型领域，审美品位能直接转化为商业价值与产品优势。用文字生成20秒的小视频、特效或中间帧时，中间帧是否可用？5%的错误出现在哪？这些瑕疵能否被接受？如果一个技术团队能理解并优化这些细节，就能在产品竞争中形成独特优势。这或许是一个需要混合型人才的时代。
泓君：是的，每个行业都在追求混合型人才。
本文来自微信公众号：硅谷101，采访：泓君，图文：思扬、梓沁