本文來自微信公衆號： AIGC從0到1 ，作者：王零壹

這兩天，《牛來》被抖音推成了一個很奇怪的樣本。

人們起初圍觀它，恰恰因為它看起來不夠好：建模粗，動作硬，鏡頭裏有不少一眼能看出的侷促。隨後，吐槽變成二創，二創變成一種「我也看過這部片」的網絡暗號。再往後，評論區開始出現另一種說法：它當然不好看，但看得出有人真的把它做完了。

粗糙的手工贏了虛僞的AI，人類又靠真誠扳回一城。

圍繞製作成本、票房和主創經歷的網傳數字，仍然要等片方、平台和票房數據進一步覈實。可即使先把這些精確數字放到一邊，《牛來》的傳播已經把一個更值得討論的問題推到台前：為什麼一部粗糙的作品，會被讀成「有活人感」；許多畫面更細膩、更穩定的AI短片，卻常常讓人說不清為什麼，手指一劃就過去了？

AI把「看起來不錯」的畫面變得越來越便宜之後，人們開始重新在意：這張圖從哪裏來，誰為它做過決定，誰承擔了失敗，又是誰真的有話要說。

過去，一張高完成度的圖，通常意味着一個人花了很多時間。視覺結果、人的勞動和作者身份，常常被綁在一起。生成式AI把這三件事拆開了。結果可以很快出現，勞動可以被大幅壓縮，作者性卻沒有自動消失，反而變成觀衆更想確認的東西。

《牛來》只是把這種變化照得沒法輕易繞過去。

一、一部「做得不好」的電影，為什麼能讓人改口

一部作品被大量轉發，首先仍然需要傳播的燃料。《牛來》的粗糙感、反差感和可吐槽性，顯然提供了這種燃料。它先是一個讓人想喊「這是什麼」的對象，隨後才變成一個值得被解釋的對象。網絡上很多反向走紅都是這樣：大家先來圍觀一個失序的東西，再在圍觀中給它補上意義。

當觀衆得知它背後是小團隊、長時間、有限資源下的獨立完成，原本被視為缺點的地方開始被重新解讀。卡頓不再只是卡頓，它成了能力邊界留下的痕跡；不協調的鏡頭不再只是失敗，也讓人想到有人在一個並不擅長的領域裏，硬把一件事往前推了很多年。

寫到這裏很容易滑進一種廉價的感動：好像只要一個人熬得夠久，作品就該被原諒。我不想這麼寫。審美判斷仍然要和勵志故事分開。

可觀衆對它的評價，確實改變了。因為大家看的已經不只是畫面，還包括畫面與創作者之間發生過什麼。

這就是「活人感」最容易被誤解的地方。

它不是粗糙的同義詞。真正的粗製濫造不會因為帶着人手痕跡就可愛。它也不是手繪濾鏡、噪點、故意卡頓，或者給AI視頻加幾處失誤。那些東西只是在模仿結果，甚至會讓人更不舒服。

活人感來自一種能被感到的關係：作品裏有選擇，有代價，有沒來得及藏起來的猶豫，也有某個具體的人為什麼非要把它做出來的理由。觀衆未必知道全部製作過程，卻會從畫面的不均勻、敘事的執拗、處理的偏好裏，感到一個人確實在場。

這也是為什麼「虛僞精緻」會成為今天很有效的批評。

很多AI內容並不難看。恰恰相反，它們常常符合當前平台最安全的視覺公式：光影足夠漂亮，人物五官足夠規整，鏡頭運動足夠順滑，節奏也經過訓練數據的平均值校正。問題不在於它們太醜，而在於它們太像「一個合格結果」。

看久了，觀衆會發現自己很難回答：這張圖為什麼非得是這樣？它背後到底有什麼人？

當一切都足夠正確，卻沒有任何地方冒出一個具體的偏好，精緻就會從能力變成一種遮蔽。

二、畫面之外，觀衆還在買什麼

圖好不好看，難道不是最要緊的嗎？可藝術市場從來沒有這麼運轉過。

一幅梵高真跡和一張像素級複製品，能提供近似的視覺信息，卻不會擁有同樣的價格。收藏者購買的不只是顏色和筆觸，也包括那個時代、那個人、那段不可複製的創作關係。手工陶器、膠片攝影、現場演出也是同樣的邏輯。

它一直同時在賣兩樣東西。

一種是結果價值：它好不好看，能不能解決視覺需求，是否適合掛在牆上、放進廣告、用在品牌傳播裏。

另一種是來源價值：它是誰做的，如何做成，使用了什麼材料，經歷了怎樣的過程，背後是否有可以被確認的作者關係。

在AI之前，結果價值與來源價值往往被默認捆綁。現在這根繩子鬆開了。

同一張圖，如果你告訴人們「這是畫師畫了兩個月」，和告訴他們「這是模型幾十秒生成的」，評價會發生變化。已有心理學實驗也反覆發現，即使受試者在視覺上難以穩定區分AI圖像與人類作品，只要被告知作品由AI生成，他們對作品的技能、創造力和價值評價就會下調。

這恰恰是觀衆在做一種很樸素的價值判斷。

它說明藝術價值本來就包含來源。人們不是只在買一張圖，也在買「誰做了它、為什麼做、這件事對誰意味着什麼」。

所以，面對《牛來》，當視覺結果越來越容易複製，創作過程會不會反而變成內容的一部分？

我傾向於認為，會，而且已經在發生。

AI越能把結果抬到及格線以上，過程就越會成為區分度。不是所有人都願意為過程付錢，但會有越來越多的人願意。

三、「No AI」背後，混進了三筆完全不同的賬

我不太願意把No AI簡單歸為一群創作者對技術的情緒反彈。

藝術家說：「我花了二十年學畫，你用模型幾秒鐘模仿我，這公平嗎？」

技術支持者回答：「可是這張圖很好看。」

兩邊聽起來像在爭同一件事，其實沒有發生邏輯接觸。

前者說的是勞動、授權和收入分配；後者說的是結果質量。把這兩類問題揉成一句「AI到底算不算藝術」，爭論當然不會有結論。

這三筆賬攪在一起談，只會越談越像雞同鴨講。

先看審美賬。AI生成的圖像當然可能動人。把「AI沒有靈魂」直接推到「任何使用AI的作品都不是藝術」，既不符合藝術史，也解釋不了大量複雜的人機協作。攝影、生成藝術、現成品、算法藝術，都不是藝術家親手決定每一個像素，卻仍然可以有強烈的作者性。

關鍵不在工具有沒有靈魂，而在作品背後是否存在值得討論的人類意圖。這個人是否提出了真正的問題，建立了自己的約束，選擇了材料，進行了取捨，並對最終表達承擔責任。

再看勞動賬。這裏，「No AI」陣營的擔憂要紮實得多。英國創作者組織與插畫行業近年的調查，已經顯示出訂單取消、報價下降和收入預期惡化。更有說服力的是平台級研究：當某大型圖庫允許AI圖片進入後，總供給、交易和活躍創作者都顯著增長，但非AI圖片的生產、銷量和活躍創作者卻同時下降。

它描述的是更現實的結構性重組：市場擴大了，但一部分原有生產者被擠到邊緣。

Pixiv等內容平台的研究還揭示了另一層問題。AI不一定直接搶走某一筆委託，卻會用極低成本把公共展示空間填滿。人類插畫師獲得的注意力下降，上傳意願也會跟着下降。於是No AI社區出現了。

它們不是單純在說「我討厭新技術」。它們在設立一種注意力保護機制：我希望有一個地方，作品不需要和一分鐘生成幾百張圖的機器競爭。

還有權利賬。模型到底從哪裏學來？數據有沒有授權？被用於訓練的創作者有沒有知情、署名和補償？模型輸出進入市場後，風險由誰承擔？

「AI學習和人類學習一樣」是最常見的辯護，也是一種過於省事的類比。人會學習前人的方法，但人的學習速度、複製規模和市場能力都受身體與時間限制；模型可以在超大規模數據上訓練，把能力複製給數百萬用戶，再以接近零的邊際成本生產競爭品。

真正的衝突，在一個人的文化勞動被工業規模吸收以後，規模收益由誰獲得。

這也是為什麼近年來的法律和產業實踐，正在從抽象的「訓練是不是偷竊」，轉向數據來源、用途、輸出相似性和市場傷害這些具體事實。Getty、Shutterstock等平台給出的路線尤其值得看：不接受來路不明的AI投稿，卻自己使用授權數據訓練生成器，並設計供稿人的補償機制。

它們正在提供一條更現實的中間道路：可以使用AI，但來源必須可追溯，權利必須被處理，商業責任必須有人承擔。

四、平台真正面對的，是一場注意力通脹

這部分討論最不浪漫，卻最接近創作者每天要面對的賬單。

AI最先改寫的，可能是「像藝術的生產」。圖庫、商業插畫、概念草圖、背景圖、廣告素材、分鏡初稿、商品詳情頁視覺，這些任務的共同點是：客戶主要購買一個夠用的結果。

在這類結果市場裏，AI的優勢是結構性的。速度快，成本低，能迅速給出大量變體。只要質量過線，客戶很難為了「創作者過程很感人」支付十倍價格。

這部分工作不會回到2021年的價格體系。很多創作者真正焦慮的，是大量原本能養活人的中間層工作，會不會被「夠用且便宜」的視覺供給迅速吞掉。

短視頻平台把這種變化放大得更快。

平台算法本來就偏愛穩定供給、快速迭代和容易識別的視覺刺激。AI恰好能滿足這些需求。於是用戶的推薦流裏，會越來越多地出現完成度相似、顏色相似、角色相似、情緒也相似的內容。

這大概就是精緻疲勞的來源。

這種偏好來自「正確但無差別」的內容供給。人們看得太多，開始厭倦。此時，一個不那幺正確、卻有明顯個人痕跡的作品，反而更容易從信息流裏凸出來。

《牛來》的反向出圈，多少借到了這種力量。它讓人停下來的第一原因，未必是感動。更可能是它沒有把自己修到平台的平均值裏。它粗糙得不合時宜，因此顯得像一個具體的人做出的選擇。

這不是可複製的內容方法論。品牌和創作者若因此得出「故意做差一點就會有活人感」，大概率會翻車。

觀衆能夠原諒真實能力邊界，卻很難喜歡被設計出來的笨拙。前者是痕跡，後者是策略。兩者在畫面上可能很接近，在關係上卻完全不同。

五、「Prompt算不算創作」，問題本身已經太粗糙

No AI討論還有一個常見誤傷：把所有AI工作流看成同一種創作行為。

今天的AI創作是一條很長的連續譜：從一句Prompt出圖，到幾百次生成篩選、參考圖控制、局部重繪、3D搭建、攝影採集、自訓練模型、後期合成。把它們歸為同一種創作行為，已經失去分析意義。

Prompting當然有技能。研究已經證明，人可以學習如何用更高質量的描述、媒介詞彙和結構化指令影響輸出。但「會寫Prompt」也不自動等於擁有最終圖像的全部作者性。美國版權局在相關報告中已經給出過相當清楚的方向：僅有Prompt，通常不足以讓人對模型輸出的表達細節主張完整作者身份；人對最終表達的控制與貢獻，纔是判斷重點。

這條界線未必讓所有人滿意，但它比「AI都是抄襲」或「用了AI就是作者」更接近現實。

未來的創作標籤也不該只剩下AI和No AI。

Human-made、AI-assisted、AI-generated、AI-generated plus human edited、custom model、licensed-data generated，這些更細的來源信息，纔有可能讓消費者、平台和委託方按自己的偏好做選擇。

透明度的意義，在於讓消費者、平台和委託方重新有信息可依。

六、AI越強，人的來源會不會越值錢

傳統藝術世界對AI的接受，遠沒有科技圈想象得那麼快。畫廊、藏家和專業藝術機構對AI生成作品仍然保持猶豫，很多人並非否認技術能力，而是不知道該如何處理作者性、稀缺性和市場價值。

這並不奇怪。

藝術市場從來不是一個只按像素質量定價的市場。它更像一個來源市場。原稿、創作過程、藝術家聲譽、展覽經歷、材料、現場性、作品與人的關係，都是價值的一部分。

所以，AI不會把No AI自然消滅。模型越強，人類來源反而越可能變成一種更清晰的稀缺屬性。

未來幾年，視覺生產大致會分成三層。

第一層是合成視覺市場。大量、便宜、即時、結果導向。這裏AI會擁有極強優勢，也會持續壓低可替代視覺生產的價格。

第二層是混合創作市場。導演、設計師、藝術家把AI、3D、攝影、繪畫、傳統軟件放進同一套工作流。這一層的稀缺性，轉移到品味、判斷、世界觀、敘事和art direction。

第三層是人類來源市場。消費者明確購買手工、原稿、現場、過程、藝術家身份，以及一件作品與具體的人真實發生過的關係。這裏的No AI，更像Handmade、Organic、Film photography或Live recording，不必是對技術的咒罵，也可以是一種可驗證的來源標籤。

它們會長期並存。誰也不會把誰徹底趕出市場。

七、《牛來》留下的，不該是一句「AI沒有靈魂」

回到《牛來》。它並不證明粗糙製作值得被浪漫化，也不證明大衆已經形成了一種成熟、穩定的反AI審美。它的走紅裏有獵奇、有玩梗、有社交貨幣，也有算法推波助瀾。

可它的確像一張試紙，讓人看見一個正在成形的偏好。

當「漂亮結果」的成本不斷趨近於零，人們會更在意那些不能自動生成的部分：一個人真實的偏好、經驗、關係、失敗，以及他為什麼願意把時間花在這裏。

這不是要把人類創作神聖化。人的作品也會偷懶，也會套路，也會空洞；AI輔助作品也可以有複雜的意圖與強烈的表達。

「AI Art到底算不算Art？」這個問題已經太粗糙了。

接下來更值得問的是：在這件作品裏，人究竟做了什麼？模型從哪裏學來？誰從這套生產系統裏獲利？又是誰承擔了被替代、被模仿和被淹沒的成本？

這些問題比「有沒有靈魂」難得多。可不把它們拆開，下一代創作秩序就無從談起。

《牛來》讓人感到的那點「活人感」，最後或許獎勵的不是笨拙。

它只是讓人想起：

機器可以無限制造結果，那個真正發生過的過程，卻還得有人留下來認領。