说好的艺术家呢？--- AI时代，内容工业的三次死亡与创作者的重生
摘要
庄明浩把 AI 对内容工业的冲击归纳为“素材之死、流程之死、版权之死”，分别对应技术、产品与产业、资本层面的重构。 这轮变化在 ChatGPT 于 2022 年 11 月 30 日发布前就已启动：红杉 2022 年 9 月 19 日已按 text、code、image、speech、video、3D、gaming 描绘生成式 AI 路线，Stable Diffusion 1.5 也已打开图片生成的“潘多拉魔盒”。核心判断不是某个应用突然爆发，而是内容生产的基础单位、组织方式和产权结构正在同时失效。
多模态模型正把昂贵、静态、需要手工制作的内容素材变成即时生成且可交互的环境。 从 GPT-4o、Nano Banana、Image Two 到可灵 3、Seedance 2.0，竞争点已由“能否生成”转向主体一致性、原生 4K、音画同步、文字渲染、长视频稳定性和动态生成；world model 又把能力推进到渲染、物理模拟和计划。若一个 3D 游戏里的咖啡杯不再需要建模数小时，而能随意生成、转动和推动，庄明浩的概括就是：“唯物的事情不需要了，唯心就可以了。”
AI 短剧参与其中的短剧行业证明，流程重构可以在不到一年内创造一个规模超过电影、但高度残酷的新市场。 演讲引用的数据是：中国电影去年票房五百多亿元、日均约 1.4 亿元，而短剧已达每日 3.5 亿、可能升至 4 亿元，其中真人短剧约 2 亿、AI 短剧约 1.5 亿；红果还拿走中国移动互联网总使用时间近 5%。从表情包、PPT 式动态漫到动画漫、仿真人漫和 AI 真人混拍只用了约 9—10 个月，旧影视流程被“做素材—投流测试—按转化率修改”的实时循环取代。
字节既是 AI 短剧繁荣的重要基础设施，也构成创作者难以逃离的分配瓶颈。 模型公司向字节购买 Seedance，短剧公司用工具生产，再把作品发回抖音和红果并继续向字节购买流量，最终收入又取决于平台分账；庄明浩引用的平均分成可能只有 3%—8%。这套闭环让 Seedance 获得以秒计算的海量转化反馈，却也把供给迅速推到极限：“做了十一部短剧”，最后可能只赚“九块六毛钱”。
“版权之死”并非版权消失，而是训练、传播、实时生成、声音人格等权利边界被迫重新定价。 头部模型厂商已从购买训练权，扩展到发表、直播和 real time 传播权；音乐则直接暴露难题——已故歌手的作品版权属于公司，声音权利是否属于家人、又该如何报价，仍无清晰答案。与此同时，AI 音乐上传量被认为很快会超过 50%，实际播放仅占 1%—3%；资本却已把 ElevenLabs 推至 110 亿美元估值，并在 2026 年 6 月以 54 亿美元估值向 Suno 投入 4 亿美元。
当模型开始参与构建下一代模型，内容人的危机已从失业焦虑转为对自身趣味和创造力的怀疑。 Anthropic 的《When AI Builds Itself》用一段动画展示模型不断被放回训练流程、直至“人类不见了”；庄明浩还称 Fable 5 上线三天即被美国政府禁掉，成为模型能力曲线第一次因“太危险”而后退，但他同时保留了“没准过两天又放出来”的不确定性。一位头部 AI 作者的自白更直接：“我变成了那个在后面追着跑、气喘吁吁、越追越远的人”，最后发现“原来我好像确实也没有那么有趣”。
创作者的重生不在于重新赢过 AI，而在于亲手补上技术、渠道和资本无法自动生成的“全新人类愿景”。 李世石在 0:3 后凭绝望中的直觉下出第 78 手、以“万分之一”的可能性扳回一局，但此后人类仍再未在围棋上击败 AI；他因此追问，当顶尖棋手都在模仿 AI，人类还能否把这称为人类的进步。庄明浩最终把人的剩余价值落在叙事、审美、信任和直觉上，并用朋友的一句评论收束：“AI 哪有你有趣啊。”
精读
1. 生成式 AI 的行业定义早在 ChatGPT 之前就已出现
“说好的艺术家呢？”原是播客作者仲卿讨论歌手唐汉霄长期作为乙方给甲方制作电影 BGM 时的吐槽。庄明浩把这句话带入 AI 语境，用来讨论内容创作者在模型、甲方与平台重构生产方式之后的位置。
红杉在 2022 年 9 月 19 日发布《生成式 AI：创造一个新的世界》，比基于 GPT-3.5 的 ChatGPT 于 11 月 30 日发布早两个多月；Stable Diffusion 1.5 也已让开源图片模型达到可用状态。因此在庄明浩看来，定义本轮变化的起点是 generative AI，而不只是后来成为焦点的大模型。
红杉当时已按 text、code、image、speech、video、3D、gaming 展开预测，过去数年的产业演进也大体沿这些模态铺开。庄明浩据此把冲击拆成技术层面的“素材之死”、产品与产业层面的“流程之死”、资本层面的“版权之死”，最后再讨论创作者如何重生。
2. 多模态竞争已经越过“能不能生成”
影视飓风曾用很短的提示词生成一段赛博空间火车镜头：单独看仍能发现瑕疵，但当屏幕同时铺满几十个类似画面，评论转向“细思恐极”。其后续测试甚至让特效师也很难分辨什么样的视频应该用特效做、什么样的视频应该由真人来做。
庄明浩用图片模型的迭代描绘“人类真的一直一败涂地”：2022 年已有 AI 图片赢得比赛；2025 年 3 月 GPT-4o 引爆吉卜力风格，8 月 Nano Banana 生成模仿漫画家作品的宫本武藏，小红书用户无人怀疑；到今年 4 月，Image Two 又能用 EVA 图片一句话生成游戏截图。
可灵正在推进多模态统一输入输出、分镜音画同步、主体一致性、原生 4K 和团队协作；Seedance 2.0 则瞄准物理真实感、长视频稳定性、文字渲染、多语言文化适配、提示词精确度和动态生成。竞争焦点已由一次性画面对不对，转成能否维持完整作品的连续性与可控性。
中国市场同时容纳字节、可灵、阿里、昆仑、海螺等巨头和初创厂商，庄明浩认为前二十名都可能很强；美国侧主要剩 Google DeepMind 持续推进。他的判断是，这一市场足够大，即使头部占据优势，后续厂商也仍有“喝汤”的空间。
3. World model 要消灭的不是画面，而是静态素材
Seedance 2.0 展示的动态生成案例中，一个人原本站在菜市场前，用户输入指令让他走向马铃薯摊位，场景便随操作继续生成。内容由预先做完再播放，转成根据指令即时演进，这也把视频模型推向了 world model。
庄明浩引用李飞飞的分类，指出当前被统称为世界模型的产品至少有三类：renderer 负责让世界被看见和运转；simulation 模拟“圆形会滚远、方形只动一下”等物理规则；planning 则解释了具身智能和自动驾驶公司为何也要做世界模型。
如果这三层真正成熟，一个 3D 游戏里的咖啡杯便无需在软件中耗费数小时逐面建模，再另行设定旋转和移动。“素材之死”的含义正是对象不再预先存在，而在需要时连同状态与规则一起生成：“唯物的事情不需要了，唯心就可以了。”
4. AI 短剧在十个月内推翻了影视生产节奏
红果在 App Store 的展示图几乎全部强调播放量、点击量和热度值，首页作品甚至需要达到 20 亿次播放。庄明浩借此强调，短剧不是传统影视的缩小版，而是一门由实时数据组织生产和分发的生意。
行业约在 2022 年以《无双》所代表的真人付费短剧起量，2024 年转向真人免费短剧，2025 年因视频模型尚不适合真人而出现 AI 漫剧；到今年 Seedance 2.0、可灵 3 出现，真人感 AI 剧才在几个月内迅速增加。
仅约 9—10 个月，产品形态便从静态表情包和沙雕漫，变成类似翻 PPT 的动态漫、真正动起来的动画漫，再到仿真人漫及 AI 与真人混拍。模型能力提升不断改写上一阶段的制作方法。
庄明浩引用的口径是：电影去年票房五百多亿元、日均约 1.4 亿元；短剧每天已达 3.5 亿，可能升至 4 亿，其中真人约 2 亿、AI 约 1.5 亿。若按 10 亿日活用户、每人每天用手机 10 小时估算，抖音和微信各取近 20%，红果已取近 5%，“数字是不会骗人的”。
5. 平台闭环制造模型壁垒，也把创作者推到收益极限
九州从 2025 年 10 月约 1,500 人扩张到八个月后的 4,000 人，同时砍掉一半真人剧产能，把资源转向 AI 创作和算力；超过 75% 的员工是近六个月新入职，“抽卡师”等新岗位随之出现。
头部公司的工作方式已变成：完成素材后，由投手扔进抖音的“时间熔炉”测试转化，效果好就加投，效果差便立即修改，日日循环。庄明浩所谓“流程之死”，不是效率工具进入旧流程，而是传统影视制作节奏被测试数据重排。
这也呼应纳德拉在 Microsoft Build 上的判断：未来 To B 组织可能只剩全栈通才、负责 infra 与调教的人、以及前端部署工程师，“没有中间态了”。短剧只是变化最快、因而最早暴露这种组织形态的行业。
张月光指出其商业闭环几乎全部位于字节体系：工具公司高价购买 Seedance，再投流获客；客户做成短剧后发回抖音和红果，并继续向字节购买流量，回收则取决于平台分账，平均可能只有 3%—8%。海量内容和秒级转化数据让 Seedance 获得其他模型难以复制的反馈，但一位创作者上传 11 部短剧只赚到“九块六毛钱”，说明繁荣不等于普遍盈利。
6. 版权交易正在从训练许可扩张到实时生成
GPT-4o 的吉卜力风格图片大规模传播，却没有向宫崎骏支付版权费。庄明浩特别澄清，宫崎骏并未评论这一轮 GPT-4o 热潮；但他在 2021 年纪录片中看到早期 AI 图像时曾批评，那些创作者“根本不知道人类的疾苦到底是什么”。
书籍、电视剧、电影乃至电子游戏都以版权为核心商业模式，问题也并非生成式视频出现后才开始。面对这个本质上由钱产生的问题，头部模型厂商选择“用钱解决”，购买范围从最初的训练权，扩张到 2023 年、2024 年的发表权，再延伸至直播、real time 传播及生成内容的外延权利。
被采购的资产以新闻文字最多，随后是 music、audio、voice 等多模态内容，再到图片、视频、Wiki、书籍和 Reddit。出版社与传媒公司因此陷入现实选择：模型可能破坏原有商业基础，却又愿意高价购买其数据，“如果是你，你卖吗？”
音乐把边界问题暴露得最彻底：Spotify 上有人用已故歌手的声音发布 AI 歌曲，原公司拥有旧作品版权，却无法自然推出声音权属于公司、家人还是其他主体。AI 歌曲上传占比应该很快超过 50%，但播放量仅有 1%—3%——供给已经爆炸，听众仍主要选择老歌。
7. 资本已经在为新权利结构提前定价
ElevenLabs 的估值在过去几年升至 110 亿美元，成为 AI voice 的头部公司；Suno 则在 2026 年 6 月融资 4 亿美元、估值 54 亿美元，其在 2 月公布的 ARR 已达 3 亿美元。版权难题没有阻止资本把语音与音乐生成视为独立的大市场。
庄明浩的判断是，这件事挡不住：“今天不是爱奇艺做，也会有另外一家公司来做。”他的判断保持了技术扩散的强确定性，却没有承诺其中多数参与者能赚钱。
版权之所以被称为“死”，并非未来不存在付费，而是训练、传播、直播、实时生成和声音权利等环节都在重新划定版权边界与分配方式。
8. 模型能力越接近自我进化，最懂 AI 的人越先失去价值感
Anthropic 在《When AI Builds Itself》中画出一条递归路线：人类先训练模型，再把模型放回训练流程辅助下一代模型，如此反复，示意图底部最终“人类不见了”。庄明浩看到官网动画时的反应是“毛骨悚然”。
他还称，Claude 发布的 Fable 5 能力“强到一塌糊涂”，上线三天便因危险被美国政府禁掉，构成 AI 发展曲线第一次倒退。但他没有把这视为稳定拐点：“但这个拉回来能持续多久，我们也不知道，没准过两天又放出来了。”
卡兹克这位 AI 博主写道，以前“瓶颈在 AI 那边”，自己能靠榨干模型获得清晰价值感；如今即使拼尽全力，也变成“在后面追着跑、气喘吁吁、越追越远的人”。最刺痛的结论不是岗位被替代，而是：“原来我好像确实也没有那么有趣。”
9. 创作者重生不是击败 AI，而是定义 AI 无法自动给出的人类愿景
2016 年 AlphaGo 以 4:1 击败李世石：第一局是轻视，第二局机器下出无法理解的“神之一手”后转为怀疑，第三局迅速溃败则让人“道心破碎”。第四局第 78 手，李世石凭绝望中的直觉和冲动走出后来估计概率仅万分之一的一步，替人类赢下唯一一局。
此后人类再未在围棋中击败 AI，Master 更打出 60:0。十年后，李世石与 T1 的 Faker 同台时表示，如果 AI 能像老师一样提供指引、降低入门门槛，确实可以是好事；但他随即反问：当顶尖职业棋手都在模仿 AI 落子，“我们还能称之为人类的进步吗？”
李世石称自己可能是“把围棋当作艺术来学习的最后一代人”；从艺术视角看，胜负只是创作完美作品的副产品。庄明浩由此连接杜尚的小便池：现代艺术早已不只比拼技术，而关乎“叙事、观念和颠覆”；即便 AI 和 Notebook LLM 能迅速生成完整报告，他仍选择手搓 PPT。
《第四支柱：AI 时代的文艺复兴》提出，渠道颠覆、尘封知识复苏、流动且集中的赞助资本都会自然发生，唯有“全新的人类愿景”不会自动生成。媒体也已从摘要、机构和华丽包装，转向秘密、live、founder 与乖张个性；庄明浩把人的位置留给叙事、审美、信任和直觉，最后用朋友的评论作答：“AI 哪有你有趣啊。”