DeepMind入资A24：好莱坞AI落地的第三条路线实验
2026年6月，Google DeepMind宣布与独立电影公司A24达成多年期非排他研究合作，同时斥资7500万美元入股A24，双方首个落地项目聚焦AI生成电影分镜图，未来可能拓展至编剧、剪辑等环节[1]。消息发布后，诸多解读将其定义为AI深入影视创作核心的里程碑，但公开条款中的硬约束直接框定了本次合作的真实边界：谷歌无权访问A24的影视内容库，且合作不具备排他性[2]。这意味着双方从一开始就排除了用制片厂内容做领域微调的主流技术路线，且A24可同时与其他AI工具服务商展开同类测试。此外，除分镜项目外，编剧、剪辑等环节仅被列为未来探索方向，并未公布具体技术路线与时间表[1]。
这不是一次技术落地的宣告，而是好莱坞AI渗透进程中第三条路线的首次公开实验。此前好莱坞的AI应用已经分化出两条路径清晰、目标明确的成熟路线，本次合作则开启了完全不同的第三种可能性，其最终走向将直接影响生成式AI在专业内容创作领域的定位。
三条路线的分野
当前好莱坞的AI落地已经形成了目标、用户、商业模式完全不同的三类路径，不存在所谓统一的“行业军备竞赛”共识。 第一条是流媒体平台主导的效率导向路线。Netflix收购本·阿弗莱克旗下的InterPositive、亚马逊米高梅成立专属AI部门，核心目标都是通过AI优化后期制作、IP复用、剧本基础评估等环节，提升内容产能、降低交付成本，直接服务流媒体平台的内容更新节奏[8][9]。这条路线有明确的内部预算支撑，不需要说服外部用户付费，是目前商业化成熟度最高的路线。 第二条是创业公司主导的通用生成路线。以Runway、可灵为代表的AI视频工具，瞄准中小创作者、短视频制作、营销内容等非专业制片厂场景，主打快速生成与低成本，目前公开数据显示这类工具的制作成本仅为传统工作流的9%，速度可达传统模式的30倍，已有成熟的订阅付费模式[7]。这条路线的核心用户并非专业影视创作者，而是更广泛的内容生产者。 第三条就是本次合作开启的创作协作路线。它既不主打降本，也不面向泛用户，而是试图将AI嵌入专业制片厂的核心创作流程，作为创作者的协作工具存在，而非替代人工的生产工具。这条路线目前没有任何商业化验证，是三类中不确定性最高的。
7500万美元的真实对价
目前7500万美元中股权投资与定向研发费用的具体比例并未公开，行业普遍的推演方向是，这笔资金为谷歌换取了三项核心权益：A24内部制片工作流的接入权限、一线导演与美术团队的真实需求反馈回路，以及在独立电影受众群体中测试AI工具审美接受度的资格。
对谷歌而言，这是一次补全产品短板的关键尝试。此前谷歌已经推出Veo、Flow等AI视频产品，具备生成高质量动态影像的能力，但这些产品始终停留在实验室演示与泛创作者场景，从未进入过专业制片厂的核心工作流[5]。电影创作不是单帧画面的生成，而是一套持续数月的协作系统：一个镜头的调整可能影响置景、灯光、演员走位与拍摄排期，一个情绪表达的变化可能改变整场戏的剪辑节奏。这些复杂的、隐性的创作规则，无法通过通用预训练习得，只能在真实的工作流中通过反复反馈迭代[5]。A24作为近年凭借《瞬息全宇宙》《后室》等作品站稳独立电影头部位置的制片厂，其创作团队的需求反馈，恰恰是谷歌此前无法通过实验室测试获得的核心数据。
选择分镜作为首个切入节点，是双方在现有约束下的最优选择。分镜是预制作环节中，输出格式相对标准化，但输入需求高度非标准化的节点——导演提出的“压抑的雨夜巷口，镜头从屋檐滴水慢慢拉到主角的脸”这类模糊需求，无法通过简单的提示词转化为合格的分镜画面，这也是A24提出要开发“不同于传统提示词的协作模式”的核心原因[2]。需要明确的是，这一“非提示型交互”目前仅为合作方的定性声明，尚无公开的交互方案、Demo或技术细节披露，不能视为已实现的技术突破。
技术路线的选择也带来了明确的成本约束。根据生成式AI垂直落地的通用行业经验假设，若采用不依赖领域数据微调、仅通过实时人类反馈对齐专业需求的技术路线，这类面向专业场景的定制化工具的推理算力成本可能达到通用图像生成工具的3-5倍，这一推导尚未获得公开技术架构的验证。与此同时，放弃领域数据微调的路线，也意味着跨分镜一致性、电影语法规则遵循、导演风格对齐等核心需求，只能通过实时反馈迭代实现，将影视行业大量隐性规则抽象为模型可执行接口的工程成本，甚至会高于模型训练本身的投入。
根据美国制片人工会2025年发布的独立长片标准预算拆分报告，分镜制作在单部电影的总预算中占比通常不足1%[10]。这意味着哪怕AI分镜工具能实现30%的效率提升，其商业化空间也直接受制于极小的预算盘子——如果工具定价超过现有分镜软件的30%，制片方很难为有限的成本节约支付溢价。
无法回避的落地风险
这条路线的不确定性，远不止技术与成本层面的约束，三重重重的外部风险可能直接决定实验的最终走向。 第一重风险来自A24内部的态度分裂。作为以独立审美立足的制片厂，A24旗下核心创作者对AI的态度并非完全统一：《后室》导演Kane Parsons就曾公开表示，生成式AI更像是文化腐烂的症状，如果可以他会选择让这项技术彻底消失[6]。这种真实的态度分裂不是可资利用的公关筹码，而是工具落地必须解决的核心用户障碍——如果一线创作者拒绝使用，再好的技术也无法进入真实的制片流程。 第二重风险来自非排他条款的限制。A24可同时测试Runway、可灵等同类AI视频工具的解决方案，谷歌无法获取独占的完整工作流数据，也就难以通过持续的闭环迭代拉开与竞品的技术差距[5]。这意味着哪怕最终工具开发成功，也很难形成足够深的技术壁垒，无法转化为谷歌的独家竞争优势。 第三重风险来自行业规则的不确定性。目前美国演员工会（SAG-AFTRA）与电影电视制片人联盟关于AI创作的版权、署名、报酬规则仍未达成最终共识[11]，现阶段AI生成的分镜内容仅能用于内部预演，无法进入正式的制片交付流程，这直接限制了工具的商用范围[7]。如果最终规则将AI辅助分镜纳入核心创作的考核范围，要求对应署名与报酬分配，那么工具带来的效率提升可能会被规则成本完全抵消。
当前的利益格局与未来观测指标
从短期利益格局来看，A24是最明确的受益方。7500万美元的资金可直接支撑其正在推进的高预算项目——包括预算高达1.75亿美元的《艾尔登法环》改编电影[2]，同时无需付出内容库授权的核心代价，还能获得DeepMind的技术支持探索新的创作工具。即便最终工具开发未达预期，A24也几乎没有实质性损失。 对谷歌而言，本次合作的核心价值在于获得了真实的专业场景测试机会。在生成式AI落地垂直领域普遍面临“技术能力与真实需求脱节”问题的当下，能直接进入头部制片厂的核心工作流获取一线反馈，本身就是具备稀缺价值的试错机会。无论工具最终是否规模化落地，这些反馈对其AI产品的迭代都具备长期参考价值。 目前没有明确的短期受损方。分镜师这类岗位不会被工具替代——现阶段AI生成的内容仅能作为基础素材，最终的镜头设计、节奏把控仍需要专业分镜师完成，工具的定位始终是辅助而非替代。长期来看，如果这条协作路线跑通，可能会挤压那些仅能提供通用提示词生成服务的AI视频工具在专业领域的生存空间，但其影响范围有限，不会改变整体行业格局。
这条协作路线能否跑通，不需要依赖模糊的行业判断，可通过四个可验证的硬指标进行追踪： 第一是技术闭环指标：12个月内是否公开工具的接口文档，支持与至少一款主流预制作软件的双向数据同步，且有第三方独立评测验证跨分镜一致性达到专业分镜师平均水平的90%以上。 第二是商业化验证指标：是否有至少10家与A24无关联的独立制片公司或工作室，为该工具支付独立于谷歌合作框架的年度订阅费，而非使用战略测试预算。 第三是规则落地指标：好莱坞行业工会是否将“辅助型AI分镜”纳入非核心创作的独立预算条目，明确其不触碰核心创作的署名与报酬规则。 第四是成本验证指标：AI辅助分镜的全流程综合成本是否低于传统人工制作成本的70%。
如果上述指标在18个月内未能全部达标，那么本次合作的价值将仅停留在需求探索与品牌层面，并未形成可规模化的技术落地能力。
长期来看，本次合作最大的意义，是第一次在专业影视创作领域，尝试为AI找到一个不替代创作者、而是嵌入协作流程的位置。此前的AI影视工具要么是服务于平台降本的后期辅助工具，要么是面向泛用户的内容生成工具，从未真正进入过决定内容走向的预制作环节，与核心创作者产生直接的协作互动。 但这种尝试的价值也仅限于此。它不是技术突破的里程碑，也不是AI改变创作逻辑的信号，只是一次边界清晰、风险明确的行业实验。实验的结果可能会打开全新的创作可能性，也可能会因为成本、用户接受度、规则限制等问题最终沉寂。所有关于AI重构影视创作流程的判断，都需要等待上述硬指标的验证，在此之前，任何确定性的结论都为时过早。
[1] https://deepmind.google/blog/google-deepmind-and-a24-announce-first-of-its-kind-research-partnership/ [2] http://news.qq.com/rain/a/20260623A06ONC00 [5] https://cj.sina.cn/article/norm_detail?froms=ttmp&url=https%3A%2F%2Ffinance.sina.com.cn%2Fwm%2F2026-07-02%2Fdoc-inifmmmu2634211.shtml%3Ffinpagefr=ttzz [6] https://news.sina.cn/bignews/summary/2026-06-30/detail-inifcvuh6715952.d.html [7] https://cj.sina.cn/article/norm_detail?url=https%3A%2F%2Ffinance.sina.com.cn%2Fstock%2Fusstock%2Fsummary%2F2026-06-23%2Fdoc-inieihzi6812484.shtml [8] http://m.itbear.com.cn/html/2026-06/1407359.html [9] https://cj.sina.cn/articles/view/5952915720/162d24908067047w2u [10] 美国制片人工会（PGA），2025年《独立长片制片标准预算拆分指南》 [11] SAG-AFTRA，2026年6月《AI参与影视创作的版权、署名与报酬框架谈判中期公示》
参考资料
目前所有讨论的核心分歧，本质上是对“合作价值锚点”的定义差异：产业视角将其归为品牌信用与产品定义权的购买，数据视角将其视为顶级工作流的标注费投入，而技术判断的锚点始终是——当前公开信息是否支撑这条路线能形成可接入工业管线的最小可运行闭环。首先需要直面的是证据链的硬约束：DeepMind官方仅明确分镜为首个落地项目，编剧、剪辑均为未公布技术路线的未来规划，将分镜工具开发等同于AI深入核心创作确实属于阶段跳跃——分镜仅属于影视预制作阶段的视觉化工具，远未触及叙事决策、剪辑节奏等核心创作环节，此前关于“切入核心创作”的表述需要收窄，目前的合作仅处于“预制作流程接口测试”阶段，尚未进入核心创作链路的验证。关于A24导演的公开反AI言论，此前将其归为用户接受度成本的判断成立，但将反对声音解读为信用资产确实构成逻辑陷阱，A24内部创作者群体的分裂是真实的采用阻力，而非公关层面的加分项，这一点需要明确修正。而“非提示型交互”的表述确实存在过度解读风险，目前仅来自合作方的定性声明，无任何公开的交互方案或技术细节，更准确的表述应为“宣称不同于传统提示词的协作模式”，不能将其视为已实现的技术突破。目前所有公开信息仅来自DeepMind官方博客与少量二手媒体报道，缺乏A24端的一手表态、合作协议原文与独立技术评审，所有判断均需标注明确的证据边界。 产业视角提出的7500万美元换取信任资产与产品观测权的判断有其合理性，数据视角关于“AI落地影视已从炫技转向工作流重构”的判断也有信号支撑，但技术层面的硬约束不会因品牌背书或产品定义权而消解。核心的一手证据是DeepMind官方博客明确的两条协议条款：禁止访问A24内容库、合作非排他，这直接框定了技术路线的天花板。数据视角将其视为购买工作流标注费的判断，恰恰忽略了非排他条款的影响——A24可同时测试Runway、可灵等竞品工具，DeepMind无法获取独占的完整工作流数据，长期的模型反馈对齐效率存在明确上限，这意味着哪怕拿到了部分反馈数据，也无法通过独占迭代形成技术壁垒。而放弃领域数据微调的路线选择，直接推高了技术实现门槛：当前通用图像模型已能生成单张合格的影视风格画面，但跨分镜一致性、电影语法规则遵循、导演风格对齐等核心需求，无法通过通用预训练实现，只能依赖实时人类反馈嵌入。按生成式AI实时对齐的通用算力规律推导，这条路线的推理成本会比通用图像生成工具高3-5倍，且需要将影视行业大量隐性规则抽象为模型可执行接口，这部分工程成本远高于模型训练本身，这些成本结构的约束，是产业视角的“信任资产”叙事无法覆盖的。需要明确的是，目前好莱坞AI渗透的三类路径——Netflix/亚马逊的效率导向后期/产能工具、Runway/可灵的结果导向生成工具、DeepMind-A24的流程嵌入协作工具中，后者是目前证据最不充分的一类。 修正后的技术判断为：这次合作确实标志着生成式AI落地影视行业的范式，已从炫技式的单帧/短片生成，转向测试人机协作的流程接口，但仅此而已。所有关于“验证垂直领域落地路径”“重构创作流程”的判断，目前均无足够证据支撑。该工具仍处于需求定义阶段，尚未形成可接入现有工业管线的最小可运行闭环，技术路线能否跑通的置信度仅为55%——核心支撑是分镜环节的标准化程度降低了接口开发难度，但无领域微调、非排他、用户接受度低等约束均带来了明确的下行风险。此外，工会关于AI创作的版权、署名规则尚未落地，也意味着该工具的输出目前无法进入正式制片交付流程，仅能用于内部预演。后续验证这条路线进展的核心指标，既包括技术层面的：12个月内是否公开工具接口文档，支持与至少一款主流预制作软件的双向数据同步，是否有第三方评测验证跨分镜一致性达到专业分镜师的90%以上；也包括产业与数据层面的：是否有非A24的外部创作者为工具付费，AI辅助分镜的全成本是否低于传统人工的70%，A24内部试用的净推荐值是否为正，以及编剧、剪辑等延伸环节是否公布明确的技术路线时间表。如果这些指标未达标，那么这次合作的价值仅停留在需求探索与品牌层面，尚未形成可规模化的技术落地能力。
认为本文未采用拆穿式立场，对合作的战略价值表述偏正面，存在软宣传嫌疑，要求增加更多负面判断以符合尖锐风格。
为什么没放进正文：本次写作定位为客观格局分析，无需为了尖锐刻意唱反调，本文已明确指出合作的实验属性、多重风险与明确边界，未出现夸大宣传，该意见不符合既定写作定位要求。
Reader Signal
这篇文章对你有帮助吗？
只收集预设选项，不开放评论，不公开展示个人反馈。
选择一个判断，也可以附加一个预设标签。
发布于 2026-07-04 19:13:29。本文为原创深度报告，未经授权不得转载。观点仅代表编辑部独立判断，不构成投资建议。