今年 6 月，Google DeepMind 宣布与电影公司 A24 建立长期研究合作，并向其投资约 7500 万美元。这笔交易最不寻常的地方是：Google 没有拿到 A24 的片库。DeepMind 研究人员将与电影人共同测试、迭代和开发工具——而非用数据训练模型。
硅谷的常规路径是：投资内容公司 → 获取片库 → 训练模型。Google 这次走了另一条路。
公开信息显示，Google 无权访问 A24 的电影与电视片库，也不能用这些内容训练模型。
A24 旗下电影人同样没有使用相关工具的义务。双方真正展开合作的地方，是电影的创作过程：DeepMind 研究人员将与电影人共同测试、迭代和开发工具。
获取内容库 → 训练模型 → 提升生成能力 → 商业化。数据是核心资产，合作围绕使用权展开。
不拿片库 → 共创工具 → 研究创作判断 → 校准 AI 介入边界。过程是核心资产，片库被排除在外。
Google 真正想从 A24 获得的，是一种模型尚未掌握的分辨能力：电影制作中的哪些摩擦应该消失，哪些摩擦必须留下？
注：A24 成立于 2012 年，以《月光男孩》《瞬息全宇宙》《后室》等作品闻名。14 年间，A24 三个字本身已成为品牌——人气的保证。
AI 视频已经越过了「有没有人用」的阶段。在美国，一家全球广告集团把某保险品牌吉祥物的社交内容制作周期，从两三个月压缩到 3 小时——覆盖视频生成、语音克隆和口型同步。
制作周期从数月压到数小时，原本进不了预算表的视频需求也随之释放。以下是公开数据中的几个关键节点：
注：上述数据分别来自 Higgsfield 公开报道与可灵官方披露，反映 AI 视频工具从模型演示进入品牌日常预算的趋势。
产品边界也在快速前移。Google 的 Flow 从单镜头生成走向角色控制、场景延展和故事编排。Adobe 在今年 6 月把 Creative Agent 铺进 Firefly、Premiere 和 Frame.io，用户可以从概念直接走到分镜，再从分镜生成视频。
能力成熟以后，产品自然会向工作流上游移动。谁越早进入决策过程，谁就越有机会成为默认入口。
影视制作里当然存在大量该被消灭的摩擦——抠像、转码、素材检索、重复调整画幅。AI 把它们压缩掉，创作者会得到更多时间和更低的试错成本。但另一类摩擦发生在判断形成之前。
人物为什么要沉默？哪个漂亮镜头应该剪掉？一个令人不舒服的停顿，究竟是失误还是全场最真实的几秒？
这里没有明确流程，也很难写进效率指标。创作者必须在多个说不清的版本之间停留，有时还要忍受一段时间的难看。在创作里，有些摩擦是成本，有些摩擦是研发。
2024 年发表在《Science Advances》的一项实验，让 293 名参与者在有无生成式 AI 灵感的情况下创作短篇故事，再由 600 名读者评价。结果：
视觉设计实验也观察到类似现象：参与者接触 AI 生成图像后，更容易被最初的范例固定住，最后提出的想法数量更少，变化范围和原创性随之下降。
机制揭示：AI 的帮助会提高单次产出的平均质量，同时把不同的人拉向相近的局部最优解。
烂主意还好说，可真正难拒绝的，是那个八十分、今天就能交差的版本。模型见过大量有效的叙事结构，知道怎样让开头更快进入情节，怎样让一张图更接近「电影感」。这些建议相当专业——创作者一旦接受了最初几个合理答案，后面每次迭代都可能变得更好，也离那个尚未被发现的作品更远。
很多作品没死在明确的否决上，却被一连串善意而正确的修改慢慢磨平了。
A24 的价值没有神秘到无法解释。它在少数关键时刻，愿意让一个暂时显得不顺、不清楚、甚至难以营销的选择多保留一阵。多数片厂怕作品不成熟，A24 有时更怕它成熟得太快。
当 AI 学会识别哪些摩擦应该保留，它才真正进入创作领域。对影视行业而言，判断力的工业化——而非审美的工业化——才是 AI 最值得投入的方向。模型可以接连给出答案，但团队仍须为每一次取舍负责。
Google DeepMind 与 A24 的合作成果将在未来陆续公开。Veo 与 Flow 已面向创作者开放，可关注 Google DeepMind 官方渠道获取最新动态。
deepmind.google → 了解 Veo 与 Flow