科技獵當AI學會吉卜力美學：動漫產業的下個十年
面對洶涌的AI浪潮，動漫產業正處于技術的十字路口。
一方面，產能瓶頸與市場需求的矛盾已成為動漫業痛點——頂級工作室檔期排到兩年后，大量制作仍依賴“工匠精神”主導的傳統手繪，產能緊缺。另一方面，AI技術正迅速融入傳統動漫制作流程。
Google的Veo 3、OpenAI的Sora以及可靈AI、海螺等等視頻大模型每周迭代，從關鍵幀生成到風格轉換的技術探索層出不窮。然而，AI在動漫領域的技術落地仍存在多重壁壘。
在產業如此供需失衡的背景下，AI正如何滲透進動漫制作？AI生成視頻的穩定性、邏輯連貫性難題，能否被攻克？談及創意生產與行業倫理，AI又給動漫產業帶來何種沖擊？
帶著這些問題，Azuki內容負責人、前Google Brain工程師天宇 （二月茶） 在今年五月親赴日本深度考察。本期《硅谷101》，主播泓君對談天宇，從他的親身感受出發，聊聊AI技術在動漫制作中的應用情況、技術瓶頸和潛在影響。當AI學會吉卜力的分鏡美學，動漫產業的下一個十年將在何處落筆？
以下是這次對話內容的精選：
一、動漫產業現狀：供需的歷史性撕裂
泓君： 能否簡單介紹一下Azuki？為什么你每天的工作會把大模型生成和日本動漫產業結合在一起？
天宇： Azuki是我們在2022-2023年的Web3敘事熱潮下創立的。它是NFT與動漫結合的品牌，整體采用二次元風格，所以從那時起就與動漫結下了不解之緣。我一直對動漫有很強的興趣，當時通過各種機緣巧合參與到Azuki中，現在在Azuki負責整個內容開發，尤其是動漫方向的制作。?
泓君： 你們打算做成類似動漫連續劇還是動漫電影？這兩種敘事邏輯差異挺大的。
天宇： 我們目前認為最佳方案是從動漫劇集入手。作為動漫迷，漫畫和劇集仍是接觸IP最直接的方式。我們對動漫電影感興趣的原因在于其生產周期相對更短。如今動漫劇集在全球大火，尤其是日本、美國乃至中國，產能都嚴重供不應求，僅等待頂尖工作室的排期就可能需要兩三年，加上制作本身高度手工化，如果從零開始制作一部動漫劇集，時間線很容易拉長至四五年。而動漫短片和電影的制作周期相對更短。
泓君： 所以做動漫電影比劇集還要簡單些。
天宇： 在動漫領域確實如此。
泓君： 動漫劇集通常是具有較長連續故事線的作品，可能有多季。假設制作一季，大概需要多長時間？
天宇： 一季12-24集的內容，目前純制作周期約三年。但問題在于，頂尖工作室幾乎沒有空閑檔期，全球優質生產線的排期基本都要等到兩年后，這導致新動漫項目的投資很可能要五年后才能見成效。
泓君： 為什么會出現全球排期爆滿的情況？是因為動漫又火起來了，受年輕人喜歡嗎？
天宇： 這個問題很好。我認為一方面在于供給，一方面在于需求。需求層面其實很簡單，動漫屬于相對年輕的媒介，八零后、九零后這代人是看著動漫長大的，如今他們已成為消費主力。同時，新一代消費者如Gen Z （約1997-2012年出生者） 、Gen Alpha （約2013-2025年出生者） 也是在動漫陪伴下成長的。
雖然在內容娛樂領域，動漫起初可能處于邊緣地位，但因為它有獨特的審美體系，所以許多在它陪伴下長大的人會持續關注動漫，美國、中國、日本都存在這種現象。包括周邊、播放、流媒體等各類形態在內的全球動漫市場，基本保持每年10%以上的增長率。無論從哪個角度看，這都屬于相當快速的增長，尤其在偏向手游或潮玩的游戲領域，市場成長速度可能比我們想象的還要快。?
天宇： 供給層面也是一大難題，因為動漫制作是高度手工化的過程，比很多人想象的更具勞動密集型特征。大家下次看動漫時可以留意一下片尾的職員表，每一集的職員表都很長，其中還有許多專門負責具體環節的外包公司，而這些外包公司展開來看，很多都是幾百人的規模。即便在這種情況下，目前可能有30%-40%的動漫制作仍在紙張上進行。
泓君： 所以你剛才說的手繪是30%-40%？電腦繪制可能也占60%-70%？
天宇： 不，手繪指的是人用手繪制，其中的30%-40%可能仍在紙張上進行，電腦繪制也屬于手繪。但動漫行業的工業化、集約化和數字化程度比我們想象的低很多，更像是日本匠人精神主導的小作坊，類似幾人的小團隊經營一家精品拉面店的模式。正因如此，日本很多動畫公司在營收和團隊規模上存在各種問題，所以動漫行業的絕對供給實際上受到人才、管理體制甚至技術的制約。由于供需之間存在巨大錯位，導致現在很多資本方，包括我們作為IP方，雖然看到全球動漫興起的趨勢，但產能集中在少數國家，且擴張速度緩慢，這就造成了強烈的排期現象。
傳統派：不穩定、不可控，AI補幀的效率悖論
泓君： 能否簡單介紹你聊過的幾類AI+動漫公司，再從制片人角度分析可行性？
天宇： 這次接觸的公司大致分為三種類型：第一種是傳統動漫工作室，先做動漫再考慮融入AI，比如飛碟社、MAPPA、MADHOUSE等。這些工作室當下最希望通過AI提升生產線效率，因為排期飽和狀態導致它們心有余而力不足。實際上，主流頂級動畫工作室都在關注AI技術。盡管由于AI對于藝術家來說是個特別敏感的話題，它們對外宣發較少，但它們看到了潛在的技術應用場景，也是很激動的。
泓君： 它們真的有行動嗎？
天宇： 有。動漫生產流程相對標準化：從故事腳本、角色設計到故事版，再到原畫 （包含一元、二元） ，然后中間幀動畫和背景同時制作，再搭配音樂、配音及后期調整。工作室最希望能用AI優化流程中的某些環節去提升效率。
以中間幀制作為例：比如一個人喝咖啡的動作，關鍵幀可能只有“拿起杯子”“送到嘴邊”“喝完咖啡后的狀態”三張原畫。如果直接播放這三張，會顯得動作很撕裂，讓觀眾覺得“跳幀”，所以我們需要補中間幀讓動作更流暢。如果有細節特寫的鏡頭，補幀量會更大。
在動漫行業，中間幀與關鍵幀的繪制通常屬于兩個不同步驟。關鍵幀繪制被普遍視為極富創造性的工作，而中間幀繪制相對枯燥，是動漫行業新人最先接觸的工作內容。因此，當人們思考AI能否助力提升產能時，中間幀繪制往往成為首個設想的應用場景。
泓君： 這一需求相當于給定兩張原畫，由AI根據原畫生成中間的一系列動作。這其實是“圖生圖”。
天宇： 對。從技術角度上說，這個過程好像不是特別困難。無論在美國還是國內，高校和企業都時不時針對關鍵幀生成發布突破性論文，幾乎每一兩個月就能看到相關技術進展。
泓君： 哪些公司在關鍵幀技術上表現突出？
天宇： 實例很多，比如 B 站研發團隊幾周前就發表了很不錯的論文，美國一些獨立科研團隊也取得了不錯的成果。但“理想很豐滿，現實很骨感”。我們這次參觀的工作室都試過用AI輔助中間幀生成，問題就出在效果不夠穩定——最關鍵的就是“夠”字。到底多穩定才算能用？標準特別玄妙。
泓君： 能不能用剛剛“喝咖啡”的例子來解釋什么叫“夠”？
天宇： 假設一個人穿夾克，動作里夾克會有褶皺，手可能有光影變化，戴著手套的話，手套有紋理，咖啡杯上還有圖案。這時候AI生成的關鍵幀可能90%看著沒問題，但5%到10%的差錯就會嚴重影響流程。這不僅是物理邏輯的問題，更是創意層面的問題，因為動漫本來就沒追求每幀都符合物理規律，而是要在創意范圍內可信又好看。比如夾克褶皺突然出現又消失，播放時觀感就很奇怪——袖子上到底有沒有東西？
泓君： 觀眾可能還會聯想到是不是跟劇情有關系。
天宇： 對對對，尤其是像動漫這種媒介，因為每一筆都是人畫的，尤其大師作品每個細節都有深層思考。
泓君： AI生成的不完美細節，很容易被觀眾當成劇情鋪墊去過度解讀。
天宇：
這絕對是一個很大的原因。更核心的是，動漫里的夸張動作本身就是導演和動畫師的美學表達，不是真實物理世界的復刻。AI要是在5%-10%的細節上處理不好，改起來不一定容易，比如在衣服上加幾筆褶皺就挺難的，比我們想象的麻煩。這也是為什么大家覺得AI生成關鍵幀看著不錯，但實際上“足夠可用”的標準特別高。比如用AI生成喝咖啡的10張關鍵幀，每張看著都還行，但每張不同地方都有5%的誤差，這10張都得交給作畫監督和原畫師審查，真的節省時間嗎？有時候可能還不如自己畫來得快。
泓君： 95%的10次方，這個正確率最后可以算出來的。
天宇： 對，算下來發現AI好像也沒有那么大的幫助。這還牽扯到生成模型的問題：如果找10個實習生畫中間幀，至少能詳細地告訴他們錯在哪兒，還能一起開會討論修改方向。
泓君： 但是AI很難做到可控生成，比如想讓它去掉衣服褶皺，它可能改的不是指定位置，或者依然重復出錯。
天宇： 這就是細節里的“魔鬼”。如果是10個實習生，至少能保證每次交稿都在進步，但AI不一定。即便用Mask技術 （掩碼，一種深度學習技術，讓模型專注于重要數據，而忽略無效或不相關的部分） ，讓AI準確率從90%優化到95%再到100%，這個過程未必比人工快。
它和好萊塢特效制作是一個道理。比如拍車爆炸，這個爆炸有多大？是否產生煙霧？是什么顏色的？產生的碎片該往哪些方向飛？這些在很多導演心中都是相當重要的細節。現在AI很難做到這種精細控制。這其實還是回到“夠不夠好”的標準問題：當技術對細節的把控達不到創作需求時，就很難真正替代人工。
顛覆派：以AI為中心，“缺了夸張美學”
天宇： 剛好借此聊聊第二類公司——完全拋棄傳統動漫工業流程，以AI為核心重構制作體系的創業公司。這類團隊可能缺乏動畫制作經驗，但他們不是用AI優化現有流程，而是從零開始圍繞AI設計全新生產邏輯。
比如中間幀用AI制作難度大，那就干脆不做中間幀，或者采用全新的中間幀制作方式。我們之前聊到一家叫KAKA Creation的公司，他們今年推出了一部約30分鐘的動畫，聲稱95%內容由AI生成。當時這個項目在網上引起了軒然大波，剛好又是在OpenAI把照片吉卜力化的風口浪尖上。
這家公司規模很小，團隊大概只有10人左右，還處于初創階段。他們覺得視頻生成模型很有潛力，就想從零開始嘗試。KAKA Creation的關鍵幀和中間幀中，有很多是通過動作捕捉完成的——讓真人表演，再用AI把真人動作轉換成動漫風格。?
泓君： 它是把人演的視頻捕捉下來，還是說圖像捕捉下來，再把它導入到大模型里，做成動漫吉卜力風格？
天宇： 還是用剛才的例子吧。他們的思路是：既然AI直接生成畫面存在明顯缺陷，那就先錄制真人拿起咖啡并喝一口的視頻素材，再把素材導入AI模型，轉換成動漫風格。
泓君： 你覺得做得怎么樣？打多少分？
天宇： 10分制的話，給6-7分。從純動漫制作角度看，這個分數確實達到了及格線，但不算高，能明顯看出是AI制作的。它和傳統動畫相比，在表現力和美學設計上還有差距。
泓君： 舉一個例子，美學上的設計差在哪？
天宇： 比如說，傳統動畫制作中，無論是3D還是2D模型，都需要一幀一幀繪制動作，甚至要手動調整3D角色的姿勢；而動作捕捉直接讓真人表演，效率確實更高。但問題在于，動漫往往追求更夸張的表現力，這是一種美學追求。用動作捕捉生成動漫時，經常出現動作僵硬的問題——因為捕捉的是真人自然動作，不夠夸張，缺乏藝術性。
泓君：
我懂了，就是它不夠夸張、不夠有藝術性。
天宇： 對，它不夠夸張、不夠有趣。因為我們實際上一天到晚看的周圍世界就是很真實的世界。如果我真的喜歡這種風格，為什么不去看真人電影？
泓君： 就像真人笑的時候嘴巴弧度有限，但動漫里可以把眼睛畫得很大，嘴巴一直延伸到耳根，這種夸張感很有趣。
天宇： 比如哆啦A夢的經典表情，嘴笑得那么大，眼睛都瞇成一條線了。但用動作捕捉來實現這種效果會遇到技術難點。所以動捕也好也壞，本質上是一種美學層面的取舍。KAKA Creation的案例就體現了這一點。
泓君： 但我覺得這也是一種挺好的思路。
天宇： 比如背景通常也是手繪的，現在可以不用畫，直接拍張照片讓AI轉風格。尤其是靜態背景，不那么容易穿幫。
泓君： 那這是不是已經構成了傳統動畫產業鏈的一個環節——至少背景空鏡頭可以用AI做？
天宇： 很對。比如Netflix改編手冢治蟲的《PLUTO》時，就公開說過在背景制作中引入了AI生成技術，這確實是一個很實在的落地場景。不過它對實際效率的提升效果不好說，因為背景制作在動畫流程里相對獨立，畫人物動作比畫背景復雜得多。
泓君： 成本占比也不一定高。
天宇： 當然也有例外，比如新海城這種“背景狂人”對背景的精細度要求極高，AI目前達不到那種水準。但絕大多數動畫的背景制作確實能用AI輔助，這也是未來很多工作室可能探索的方向，只是它解決不了動畫制作的核心瓶頸。
折中派：ChatGPT當助理，AI分擔導演負荷
泓君： 剛才聊了兩類公司：一類傳統工作室對AI探索還一頭霧水，另一類完全用新邏輯做動漫。有沒有中間派？
天宇： 有個特別有意思的案例：一家傳統動畫工作室嘗試給導演做“ChatGPT助手”。他們把導演過往的故事板、修改建議、腳本等素材輸入ChatGPT，讓它模擬導演對新項目做評估，沒想到這真的有用。尤其是對于大項目導演，他們的工作量遠超個人處理能力：所有環節的審美把控、故事板、腳本、風格、色彩、動作時序都要過目，根本不可能逐幀修正。所以導演會組建信任的團隊，比如依賴原畫師和修正的專職人員，但團隊成員一旦掉鏈子，就容易“作畫崩壞”。而導演作為總籌劃，精力有限，需要處理的反饋太多，而這個AI助理就幫他們分擔了部分評估工作。
泓君： 這個想法非常棒。
天宇： 所以他們的思路是給導演做一個ChatGPT虛擬助理，當某個環節需要導演反饋時，先讓ChatGPT過一遍，比如ChatGPT指出問題，導演再判斷建議是否合理。他們試驗后，導演覺得效果不錯。其實動漫行業的導演和制片人對AI普遍持開放態度，因為他們確實常面臨“心有余而力不足”的情況。
泓君： AI能幫導演摳每一幀嗎？給的建議靠譜嗎？
天宇： AI未必能逐幀優化，但在關鍵節點上，哪怕只能幫40%-50%也很有用。比如導演每天工作8-12小時，真正能聚精會神修改的關鍵點可能不超過10個，如果AI能讓每天處理的關鍵點增加到15個，就是巨大的成功。
泓君： 那么從日本回來后，你對如何做動漫，以及是否使用AI工具的觀點有改變嗎？
天宇： 改變挺大的。大家對AI更歡迎，也更相信它的潛力，但AI作為工具嵌入生產流程時，仍存在細節上的“魔鬼”。
泓君： 聽起來，你反而對AI的態度更謹慎了？
天宇： 是的，但另一方面，我看到了很多以AI為核心的小團隊實驗，也覺得很興奮。人類對藝術創作的追求是永恒的，從上萬年前在洞窟中繪制壁畫就開始了。這次從日本回來后，我更思考：如果把AI作為創作工具，是否會產生新的可能？比如動漫中因制作難度大而很少出現的復雜華麗服飾——這類服飾的動態繪制需要大量人力，但如果用AI輔助，能否實現以前做不出的效果？
泓君： 我能想象一些場景，比如激烈的打斗場面還是需要復雜的服飾來增強視覺張力，或是塑造王者形象時，華麗的服飾是體現角色氣場的關鍵元素。
天宇： 是的，比如中世紀騎士的盔甲，結構極為復雜，如果完全依靠手繪呈現每一處精密細節，不僅耗時漫長，制作成本也會大幅增加，可能得不償失。類似地，身上佩戴大量掛飾或鈴鐺的角色在現代動畫中也較為少見。但如果有AI技術輔助，這些曾經因制作難度大而被舍棄的設計，會不會產生新的創意可能？我對這一領域非常期待。
與此相應的還有動漫的上色方式。如今多數上色流程仍類似大家小時候玩過的 Windows涂鴉工具中的油漆桶功能——畫個圈，點擊一下就能突然改變顏色。
泓君： 你不覺得這就是人類重復密集勞動的部分嗎？
天宇： 這是技術與創意產品之間的一種微妙關系吧。
泓君： 這就是我們最想交給AI去做的。
天宇：
對。技術的限制往往會催生特定的創意形態。以希臘雕塑為例，大理石材質本身構成創作限制，加上當時顏料技術極不成熟，多數顏料難以在歷史化學反應中保存，導致我們現在所見的希臘大理石雕塑多呈白色。而這種技術限制在后來的新古典主義時期反而被賦予審美價值，白色成為一種藝術特色。當人類對材料的控制技術取得突破，比如塑料化工技術發展成熟后，變形金剛玩具、哆啦 A 夢手辦等動漫周邊又誕生出全新的美學可能與生產體系。
我希望AI的價值不應局限于將現有創意流程自動化，它最美妙、最有趣的意義在于：能否借助這一工具，實現過去因技術瓶頸而無法企及的創作可能？如果以這樣的愿景看待AI與文化藝術的融合，未來人類與AI在創意領域或將迎來非常令人期待的、百家爭鳴、百花齊放的理想狀態。當然，在此過程中，每一位具體藝術家在創作中的核心作用仍需被重視。
三、動漫AI變革之困：有突破，但還“不夠好”
泓君： 現在視頻模型能生成的最長視頻是多少秒？
天宇： 目前很多模型的生成時長都在10、15、20秒的區間。如果繼續延長，確實會面臨兩方面問題：一是剛才提到的穩定性問題，二是產品與市場需求的匹配度問題。因為如果生成更長的視頻，觀眾可能不愿意觀看。想想我們平時看的影視作品，很難接受一個人持續做一件事長達一分鐘，尤其在沒有上下文故事的情況下。
泓君：
我上次在Google發布會上試用了它的Veo 3，當時輸入的prompt是生成一個復雜場景：一只小松鼠和一只貓在山坡上奔跑，穿過樹林，越過一座橋，最后到達山頂，橋的兩側有彩虹，還有風吹動。但生成的連續奔跑過程中的場景變化效果并不理想，畫面跳轉嚴重，邏輯銜接也很奇怪。
天宇： 感覺像在做夢一樣，對吧？
泓君： 這個描述太準確了。比如從橋到山頂的中間沒有任何過渡，是畫面切換過去的。
天宇： 然后畫面中的各種元素開始出現不可思議的形變。這確實與我們剛才談到的穩定性密切相關。如果真的要將它應用于創意產品，內容至少要具備合理性，除非刻意追求夢境般的效果。目前來看，20-30秒的生成時長算是比較長并且相對穩定的。如果要生成一分鐘以上的內容，一方面需要為模型提供更詳細的情節，另一方面，模型難以在邏輯層面準確復現腦海中的情節，這仍是待解決的難題。
泓君： 當前AI視頻生成的最大問題是什么？
天宇： 最大的問題就是“不夠好”這三個字，所有的關鍵都體現在“夠”這個標準上。我之前在網上看到一些很感人的個人應用案例：有人將已故家人的照片交給AI，生成10秒左右的動態影像。
泓君： 這種場景在聲音模型中特別多。作為播客從業者，我注意到現在各廠商的聲音模型競爭激烈，我就常看到評論說“我把媽媽生前的語音喂給模型，就能聽到她的聲音了”。
天宇： 對，很感人。這類應用的意義不在于生成多精美的視覺產品，而在于通過技術重現與親人的記憶，實現“有勝于無”的情感價值。但如果目標是讓AI在日本動漫、劇集、好萊塢電影等工業化場景中發揮關鍵作用，“夠不夠好”的標準就會衍生出諸多細節“魔鬼”。目前來看，穩定性和可控性是兩大核心挑戰。
泓君：
現在它們生成人物的時候，眼睛還會恐怖嗎？我們在這些視頻模型剛發布時用過它們，那時生成的人物狀態很恐怖，像迪士尼最開始的動漫一樣，眼神空洞。
天宇： 現在這個問題基本解決了，手的穩定性也有巨大突破，過去常出現多根或少根手指的情況，現在幾乎不會穿幫，這是技術上的重要進步。
四、AI動漫的未來博弈：潛力釋放與倫理紅線的拉鋸
泓君： 你如何看待AI配音？我發現語音模型的發展速度最快，效果最好，可控程度也比較高。比如在動漫領域，剛才我們討論的都是畫面環節，其實配音和配樂環節同樣值得關注。
天宇： 這涉及到一個讓我非常忐忑的話題。語音生成確實比視頻容易太多，從生成質量來看，目前多數尖端模型的表現已與真人無異。但語音生成也牽扯出一個復雜的問題：AI與人類創作者之間究竟是怎樣的經濟關系？
泓君： 讓你感到忐忑的是什么？
天宇： 這次在日本與一些導演、配音演員和聲優交流時發現，日本聲優有自己的協會，近幾個月來，多位知名聲優公開反對AI，拒絕將自己的聲音用于模型訓練，也不允許AI模仿他們的聲音。我很認同他們的觀點：對聲音的訓練和表演是聲優賴以生存的職業，一旦聲優被替代，他們的職業價值、創意表達和生計都會受到直接沖擊。
泓君： 日本還有聲優工會，但很多國家沒有，情況更為復雜。
天宇：
如果討論經濟層面，這確實是深刻且棘手的問題。對畫師而言，AI還能被視為工具，但同樣的邏輯放在聲優身上就顯得困難。因為AI生成的聲音與聲優的表演過于相似。
泓君： 在聲音領域，技術上已具備替代人的能力，我們只需要探索如何解決相關從業者的生計問題——這本質是經濟關系與工作倫理的議題，而不再是技術問題。我認為播客行業已出現類似問題。
天宇： 技術上完全可行了，比如AI能模仿泓君的聲音，你只需寫稿無需錄音，就可以轉換成播客。但另一個觀點也值得認可：聲優不僅是提供聲音，更是“配音演員”在演繹角色，他們本身也是流量焦點，對作品創意和商業的貢獻遠超物理聲音的范疇，理應得到正視與尊重。
泓君： 但從技術角度說，語音生成技術已經比較成熟了，但音樂還不行。
天宇： 我覺得音樂也可以了。
泓君： AI生成音樂的表現力，與人類創作相比怎么樣？
天宇： 這個問題很有意思，甚至可以上升到哲學層面。學習音樂史時會發現，西方音樂史中主流風格的變化并不頻繁，這反映出人類認為“好聽”的音樂范式其實有限，而難聽的音樂則層出不窮。現有的大調、小調及節奏體系已被樂理總結得相當完備，AI理解“好聽”的標準并不困難，因此生成的音樂表現力如何，部分取決于聽眾的主觀感受。?
泓君：
以Suno這樣的音樂生成平臺為例，我們早期覺得它生成的作品也太“口水歌”了。與相關開發者交流后了解到，這類平臺不敢直接復制頂級流行歌曲，因為如果訓練出風格高度相似的作品，會引發嚴重的版權糾紛。但理論上，只要輸入高質量的訓練數據，AI完全可以模仿特定風格。建議嘗試用AI生成古典樂，因為許多古典樂已經過了版權期限，數據更易獲取，目前生成效果相當不錯。
天宇： 這個觀點其實非常正確。這里涉及的商業倫理問題不容忽視：如果技術上能復制周杰倫的聲音，可以拿他的聲音去寫歌嗎？
泓君： 細想之下很可怕，這對新興藝人尤其不利。所有藝人都需通過持續重復地創作來打磨作品，如果都用AI替代，那以后可能就沒有好的新歌，或者說沒有人類創作出來的好的新歌了。
天宇： 這就是商業結構和商業倫理的問題，也印證了中間幀生成等技術背后的深層矛盾：表面上，中間幀生成模型能保留人類創作，而關鍵幀仍需手繪，看似兩全其美，但從長遠看，會導致行業新人失去成長的階梯。小白需要通過大量重復練習進階才可能成為大師，如果技術取代了這些基礎工作，就像梯子抽掉了底部的橫檔，新一代動畫師將失去向上攀爬的落腳點，這才是最令人擔憂的后果。如果這種現象持續發展，動漫行業或許會在幾十年后面臨倒退風險，當前已顯現的大規模人才短缺問題也可能變本加厲。
泓君： 想一想也挺可怕的。
天宇： 我們所處的時代也挺特殊的，技術與創意正以驚人的速度相互奔赴。對于視頻生成、關鍵幀生成或聲音生成領域的技術創業者而言，當下時代對他們提出了更高的美學要求。例如生成的音樂如何界定“好聽”？評判標準是什么？這可能成為技術指標之外，模型訓練與迭代優化的重要依據。
泓君： 你的品位可能決定了模型的品位。我最近看到一些文章挺有意思，DeepSeek推出后，它回答問題的方式備受認可，后來在一篇采訪中發現，梁文鋒對文字美感有明確追求；Anthropic代碼質量出眾，可能與創始人的關注有關；再看ChatGPT的文本風格，明顯滲透著Sam Altman對表達、營銷及內容包裝的重視。這些都與創始人的品位緊密相關。
天宇： 甚至可以說，在大模型和視頻生成模型領域，審美品位能直接轉化為商業價值與產品優勢。用文字生成20秒的小視頻、特效或中間幀時，中間幀是否可用？5%的錯誤出現在哪？這些瑕疵能否被接受？如果一個技術團隊能理解并優化這些細節，就能在產品競爭中形成獨特優勢。這或許是一個需要混合型人才的時代。
泓君： 是的，每個行業都在追求混合型人才。
本文來自微信公眾號： 硅谷101 ，采訪：泓君，圖文：思揚、梓沁