讓“AI”當導演，靠譜嗎？

本文轉自：益起映創

生成式AI究竟能厲害到什么程度？實拍會被AI取代嗎？

北京電影學院攝影系資深教授齊虹有三十多年實拍創作經驗，近幾年深度參與大語言模型測試工作，把“人機協同創作”帶入自己的教學設計思考與實踐。在他看來，關于影像創作的討論并非要聚焦“技術”，而是要從藝術、審美與日常經驗出發去追索——

“技術”應如何在“人”的經驗與審美中被感知？以及人在這樣的學習/工作方式與創作體驗里，如何重新定位自己的角色功能價值？

齊虹教授

邏輯很好理解：大語言模型本身是在人類語言和影像視聽語言基礎上建立起來的。模型的本質是預測機器，而它們回答的也并非是基于我們的提問進行思考，再給出回應。事實上當我們討論“AI生成影像有多真實”，本質是在討論“跟光學實拍出來的哪里不一樣”。

同樣的思考還需要延伸至另一問題：在AI越來越厲害的當下，學習創作知識還重要嗎？當我們把這個問題喂給AI，它也給出同樣的回答：“如果你學習的是如何用實拍思考影像、如何構建情感共鳴這些，反而越來越珍貴?！?/strong>

無論你是對AI躍躍欲試的創作者，還是急需重新定義自己角色價值的行業從業者，都可能從中找到一條更清醒、扎實的抵達路徑。正式開課前，我們提前向齊虹教授請教一些問題，以下是文字整理。希望對你有幫助。

“該學什么”的困境

YIQIYINGCHUANG

益起映創：創作平權是否意味著“0門檻”？有種說法認為，用AI創作，沒有傳統經驗包袱的小白可能比專業從業者有優勢，您認同嗎？

齊虹：我肯定不認同。比如假設一個有想法、閱歷，有創作能力的人，有一個好故事，或是想把人生一段重大的生離死別經歷拍成電影。傳統制作方式下，可以找一個專業團隊——有導演、攝影、美術等等，把我銘刻于心的故事表達出來。

AI在創作里的角色就像傳統影視制作團隊里具備專業統籌能力的導演，通過與團隊溝通協作，把文學語言轉換成視聽語言。換句話說，應該把AI 當做一個擁有攝影、美術、錄音、化妝等專業能力的“協作團隊”，而不僅僅是簡單的“團隊式工具”。

因此缺少影視專業視聽語言訓練的人，直接利用AI彎道超車實現創作，目前仍不太可行。首先是技術層面，模型還沒進化到那種程度，否則我們也不會管“玩AI的”叫“抽卡師”，而該叫“制作人”了。并不是說有了劇本和幾千塊預算就能搞定原來幾百萬才能完成的制作。顯然不是這樣。

益起映創：這個“制作人”要具備怎樣的能力？

齊虹：北京電影學院有“制作人班”，學員來自各個行業，背景各異。我給他們上課時也一直被問——到底什么是制作人？和制片人的區別是什么？

制作人能力要掌握得更全面——從故事構思到最終完成的全流程，不光管錢和成本，而是延伸到“成本+制作+創作”全包攬，要結合新技術、新架構、新渠道，想新的制作方法。

齊虹教授

益起映創：您如何看將AI視為創作伙伴的穩定及可靠性？

齊虹：目前的模型發展還沒未達到穩定的程度。即便未來非常穩定，把大量創作交給智能體發揮，結果也可能是兩種走向——

一種是帶來意外的靈感和刺激。比如我有位學生在論文里提過一個“無控制創作”觀點，因為認為AI生成過程中驚喜更多，但這種情況有偶然性，僅僅概括了事物的某個維度，不足以成為可復制的規律。

另一種是失控。藝術創作、尤其藝術教育其實特別強調“可復制性”。藝術教育工作者探索的也是“可復制性”——發現規律、總結出來、傳播出去。比如電影學院曾組織各藝術院校老師集訓，借由直接面對老師，間接傳播給更多學生，以期影像理念能在戲劇與影視教育體系里更大范圍復制和傳播。失控會打破這一點。

有同學可能看了3000部電影或廣告片后，就說要拍一部完全不一樣的作品。我一直不提倡這種說法。我常在課堂上說，能把看過的3000部好片里的優點，用技巧嚴絲合縫復制出來，才是真功力。即便在AI時代，規律依然存在，依然要掌握視聽語言基本操作手段，否則失控度太大，執行力就會減弱。

齊虹教授出版圖書《品類影像》

被許多從業者譽為“影視廣告拍攝百科全書”

人人都有審美，但在實拍中，即便導演想法很好，拍出來的成品可能依然糟糕。為什么？因為攝影、美術、演員都是“活的智能體”，組合在一起會產生不可控的變化。光有想法，執行力不夠，就無法還原腦海中的完美構想。

把現場實拍邏輯嫁接到AI創作也是一致的。你需要把想法貫穿到AI生成的最細微角落?，F階段的局限在于，提示詞的細微變化、對模型的熟悉程度、算力、網絡甚至排隊生成時間點，都會導致結果不穩定、不準確。

益起映創：創作者如何應對模型頻繁迭代和不穩定的現狀？

齊虹：我覺得是變通。沒必要人人都去學開發模型，但需要像對待“實拍團隊”一樣去跟AI“伙伴”打交道。

默契協作需要具備變通和示范能力。就像張曼玉談王家衛、陳可辛對她表演的啟示：演哭戲時讓她先笑，笑著笑著眼淚就下來了。導演像一面鏡子，能給出反向的、精準的指導。這種能力源于對表演行業的積累和充分把握。

影像創作也如此。這些方法不是天生的，是建立在對基礎知識的充分掌握之上。也許啟發你的是一個沒什么成就的電影工作者，這完全可能發生。在這個行當，各種因子互動，最后實現的可能不是最初預設的，而是在動態變化里生成的產物。

益起映創：所以無論實拍還是用AI創作，解決的核心問題都是讓創作過程穩定。

齊虹：是。這需要創作者有專業領域的知識做支柱。控制模型也一樣。每次有新模型出現，創作者都需要在具備影像能力前提下適應模型新變化——算力、技術、法律、維權等因素，都會影響生成結果。

比如以前用AI生成分鏡，給它參考圖、主題、故事線索，它能給出九宮格。現在可能發現它完成得不靠譜，就得自己動手補完。但在走這條路時，可能發現模型在其他方面的優勢，在另一個角度得到支撐。這是一個動態變化的過程，尤其在AI影像僅火爆一兩年的當下，變化和不穩定性更活躍。這個階段，對影像的知識和能力儲備反而更可貴、更急需。

齊虹教授

從實拍實踐中找突圍

YIQIYINGCHUANG

益起映創：從專業影像鑒賞角度，您評判一部AI短片好不好主要看什么？

齊虹：核心標準只有一個——“像實拍”。我會天然對實拍有親緣性，更認可“像真的拍出來的”效果。

專業院校學生經過長期不同課程、不同維度的訓練，對影像創作已經形成身體記憶，不僅是技巧，更多是審美和綜合素養。因此對他們用AI創作的作品要求會更高——是否接近實拍質感，有沒有電影級視聽語言能力。

即便是動畫、粘土、毛絨玩具這類非實拍題材，評判標準也遵循攝影的底層邏輯——運鏡是否流暢、人物動作有無違和感、光線銜接是否自然、色彩反差是否符合物理規律等等，這些本質上都是對“真實質感”的本能判斷。

對非科班創作者，我個人推崇“實拍質感+人物一致性好”的作品，在一堆AI作品里最“不像AI”的，瞟一眼就知道是真的，沒有那種“一眼假”的AI感。

齊虹擔任“2026塑三杯AIGC實戰訓練營”評委

電影學院剛做過一次評選，各系推選3部作品，評委老師打分都特別接近——運鏡精致、攝影語言到位的，哪怕題材是動畫或機器人，老師們都共同給出高分。這背后其實不是一套評分標準，是潛意識里共通的規律性的東西。

益起映創：這種普遍規律怎么找到？怎么用到識別AI邏輯漏洞和個人創作上？

齊虹：我的方法可能和別人不太一樣。比如我的課后半部分叫“攝影的AI課”，核心不是講AI，是用AI講實拍的底層邏輯。經由AI反過來理解真實攝影和光學鏡頭記錄的“內在真實性”。

圖為部分課綱內容，完整課程說明見文末

隨著模型進化，AI的破綻越來越從表面失真轉向內在邏輯的不合理。所以不論AI發展到哪個階段，甄別AI錯誤都只能從“實拍角度”——也就是依靠真實的用光學鏡頭記錄影像的經驗去判斷。具體思考可能從兩個層面：

一是技術層面。AI模仿實拍可能90%像，但專業角度去看，1%的物理邏輯錯誤就會暴露，比如玻璃器皿加水后的背景折射，AI生成的可能不完全符合物理原理，這種內在邏輯關系的錯位，沒有實拍經驗能力可能判斷不出來。

二是美學價值層面。AI會不斷要求人有更準確的東西，比如提示詞、參考圖等給到它，直到生成內容跟實拍差異越來越不明顯，甚至相似度接近于100%。這時人類需要依靠美學素養，從而推演、梳理出來硅基生物如何實現碳基生物美學走向的整個過程，否則就無從證偽模型，也區分不出數字智能體與碳基生命創作的價值差異。

比如我們評測模型時，就是從實拍和美學角度找邏輯漏洞、梳理美學價值，這些可能是技術工程師和影視專業外的人看不到的。

一半靠積累

一半靠應變

YIQIYINGCHUANG

益起映創：據您觀察，目前學生使用AI創作常遇到哪些問題？這些問題反映出哪些能力短板？

齊虹：首先是模型版本代差和成本考慮。畢竟對學生來說不便宜，如果沒有獎項或外部刺激，他們往往覺得“現有的模型抽卡次數做出來也還行”，可能影響藝術質量。比如前半段戲用舊模型，后半段用了新版本或新模型，無論是質感、人物皮膚、運鏡等各方面，新舊模型生成的內容存在天然的割裂感?？赡苡眯履Ｐ椭刈?，效果會好很多。

齊虹教授出版圖書《影像藝術構成》

其二是視聽語言邏輯混亂、語法不通順，通常跟審美和實拍經驗不足有關。比如以為用鏡頭語言講清楚了一個主題或行為，但其實表意不清。有些語法和邏輯問題，實拍經驗多了可能一眼就能看出來。

再比如景別單一、光線不接，或是把不同景別的素材都剪進去，可能用AI補救后生成一個不同景別的鏡頭，舊問題解決了又產生新問題——素材不匹配、質感不一致等等，然后陷入“繼續補救還是全部重做”的兩難。因為統一性的缺失會不折不扣影響到評價和評分。

很多高年級學生雖然專業儲備很足，但反而更頻繁找老師把關，本質是缺少大量實拍經驗積累的影像鑒賞力、應變力。

益起映創：這種應變力更像一個價值取舍問題？比如是要高光足夠亮眼，還是要整體性。要完成還是完美。

齊虹：實拍時代過來的人都懂，不可能兩全。過度追求完美，很可能帶來的代價是平庸。有時有缺陷，反而能反襯出亮點更閃爍。

比如看文藝片可能有這樣的感受——開始看不下去，甚至快進看幾個鏡頭都覺得太一般，但沉浸進去看后會很被打動。打動人的不是表面的完整性，是沉浸在整個藝術作品里后才能看到的亮點。高點需要有波形和曲線才能呈現。只看一段看到的可能是斜坡，感受完全不一樣。

文藝片可能更多偏向于亮點的取舍。商業片更偏向要求團隊型工作流。比如AI時代，你可能通過網絡和世界各地不同創作者共創，大家是一個團隊，在一個工作臺上交流、編輯、修改，而不是像現在理想化的那樣，每個電影工作者將來恨不得就是一個人（自成一個團隊）。那種方式不會讓創作達到工業級的程度，或者說離實現工業級方式的變化要慢一些。

齊虹教授

好萊塢已經有新的工作方式——原來要拍六個月的電影，現在只實拍一個月關鍵素材，比如形象、人物主體行為、關鍵環境等。不把電影完整拍完，其他剩余部分用AI生成。這樣既規避了版權問題——實際生成的所有東西，都不是我跟AI要的，而是我真正擁有自己實拍的版權，又保留工業級生產架構。

將來的電影工作流程，可能不是全AI，也不是全實拍，是在一個工業級生產的架構里創作。工業級的生產，逃不開先做到一個基礎的完美，在基礎的完美上創作藝術亮點。

益起映創：最后介紹下這次課程，除了前面提到的“用AI理解實拍的底層邏輯”，您還會從哪些角度切入幫大家掌握用好AI的能力？

齊虹：目前AI敘事的嚴謹性還沒到一定高度，但情緒邏輯、人物一致性等方面已經具備一定優勢。且導演思維能力在迅速提升。我們需要學會把AI當導演一樣的伙伴——

打通導演思維、攝影技術與審美、以及AI工作流三個維度，學會怎樣把導演思維灌注到AI中，完成完整的、情緒型的影像表達，產生審美結果。

因此，這是一門強化審美和綜合能力素養的課程，而非著重強化敘事能力。但會講“導演的文學思維”，比如如何通過攝影把文學語言轉化成視聽語言。

除此之外，我會通過對照傳統與現代的工作場景、創作語言、協作方式，幫助學生建立傳統視覺與AI生成視覺之間的對應關系，啟發對美學與創作的感受和思考，訓練學生跟AI這個新伙伴協作——這一AI時代創作所必須具備的創作思維和技藝。

作者 | Yu

排版 | 馬東西

「注：本文部分圖片來源于豆瓣及網絡，

若有侵權請主動聯系我們?！?/p>

凹凸鏡DOC

ID：pjw-documentary

微博|豆瓣|知乎：@凹凸鏡DOC

推廣|合作|轉載 加微信?zhanglaodong

投稿| aotujingdoc@163.com

放映|影迷群 加微信?aotujingdoc

用影像和文字關心普通人的生活