AI可思议|0002|AI短剧前八个月上线四十三万部,为什么九成都不赚钱还有人拼命做?

大家好，这里是AI可思议，我是Luca。咱们一起来看看AI行业的最新变化。

AI短剧前八个月上线四十三万部，但九成以上不赚钱

今天我想先聊一个数字，四十三万部。这是今年前八个月上线的微短剧数量，是去年全年的十三倍，其中AI剧占比超过九成。这个数字来自广电总局在国新办发布会上的披露。我第一次看到的时候，第一反应不是震惊，是想确认一下自己有没有看错。因为AI短剧真正兴起，也就是去年年底的事，满打满算不到一年。

先说成本。一部平台重点推出的长剧，投资少则一两千万，多则两三个亿。真人短剧的单部制作成本通常在三十万到五十万。而AI短剧可以压到三万到五万，制作周期也从一两个月缩短到一两周。过去需要演员、摄影、场地、后期一整套班底，现在几个人配合AI工具就能完成。这个成本差距不是百分之二十、百分之三十的差距，是十倍量级的差距。你做一部长剧的精力，足够别人做一千部AI剧。

关键节点出现在2026 年初，Seedance 2.0和可灵3.0这些视觉AI工具相继投入应用。文章作者提到，2024 年初他专门报班学AI动画制作，那时候最成功的成果也只是做出一个几十秒的完整场景，前后耗费数小时。仅仅两年后，生成一段三十秒的视频，可能只需要三十秒敲几行提示词，画面效果还是指数级进步。这个速度确实快。

但我觉得真正值得关注的，不是AI能不能做短剧，而是这套生产逻辑会把内容行业带向哪里。

这里有一组数据我认为比四十三万部更值得看。今年上半年，抖音端原生AI短剧上新22.19万部。按照五千万播放量的盈亏线计算，能够实现不亏损的作品只有1.3%。播放破亿的只有一千零五十五部，爆款率0.48%。而且这一千零五十五部也未必都赚钱。AI短剧的万播收益已经从去年的三十到一百元，下滑到今年的五到十元。一部AI剧播放量破亿，收入可能也不过五万到十万。

这意味着什么？意味着这个行业里，绝大部分作品是不赚钱的。那为什么还有这么多人在做？因为这套生产逻辑的核心不是精品率，是量。既然绝大部分AI剧都不赚钱，精雕细琢的性价比就很低，只有迅速起量，才可能让个别作品冒头，把整个工作室的成本分摊掉。真人短剧时代就已经是这样了，一个制片人往往一签约就是几十部，打包输出，只要其中几部火了，整体就能赚钱。到了AI短剧时代，这套逻辑被复制并放大到极致。

我个人认为，这才是AI短剧真正让人不安的地方。不是它做得差，而是它的生产逻辑决定了它不需要做得好。当市场上每年只有几百部剧的时候，至少会有几十部在不同观众心里留下印象。当每年出现几十万部剧的时候，能被人记住的依然不可能超过一两百部。大量的内容把池子搅浑之后，观众甚至不愿意站在一大池内容里去挑那极其稀罕的好东西。

文章里用了一个词叫“电子泔水”，我觉得有点狠，但指向的问题是真实的。题材重复，人物甚至共用同一张脸、同一种表情、同一套口型，比真人短剧更加离谱。而且因为火的概率太低，被发现、被投诉的概率也相对较低，一些团队就会抱着侥幸心理大量使用未经授权的素材，肖像权、著作权风险都埋在里面。

平台补贴也在退坡。红果此前对优质AI剧还有扶持与保底，S+级项目保底能做到四到五万元，如今已经降到一万元。原因很简单，AI做剧太容易，数量太多，也太卷了。

所以这件事我想说的判断是：AI短剧的狂飙，表面上看是技术把制作门槛打下来了，但真正被改变的是整个行业的收益分配结构。当生产变得极其廉价，稀缺的就不再是产能，而是注意力。而注意力这个东西，不会因为内容供给增加十倍就跟着增加十倍。现在做AI剧还有一个短暂的窗口期是出海，但即便东南亚、北美、欧洲这些市场，也正在迅速被中国团队占领。

好，聊完这个，再看看今天还有几个其他变化。

OpenAI发布第二份《前沿工作》报告，员工用AI处理本职外任务比例接近翻倍

OpenAI经济研究团队分析了今年四月到七月美国注册用户超过一百五十万条工作相关的ChatGPT消息，发现员工用AI处理本职工作之外任务的比例在持续上升。在约六千二百名持续参与研究的员工中，这类任务占AI工作量的比例从四月的13.1%升到了七月的25.9%，接近翻倍。而且员工处理跨职业任务时，更少要求AI提供解释或操作指导，更倾向于直接给背景信息然后核查结果。研究者的判断是，员工可能更多是在“借用”AI的专业能力来完成陌生任务。不同任务的持续使用程度差异也很明显，客户沟通和广告文案的回归率分别达到54%和44%，而法律研究只有10%。

Claude Code重新推出Projects功能，支持多Agent共享记忆并行协作

这个功能允许用户在同一个项目下运行多个AI agent，共享记忆、目标和文件库。每个项目里有不同的“线程”并行处理不同任务，还有一个“协调者”来统一调度。这个方向其实和最近一批管理多agent的工具思路一致，就是让多个AI在一个有组织的框架里协作，而不是各干各的。

九识智能建成业内首个L4级万卡集群，算力规模接近1.5万卡

九识是做城市货运无人车的，目前全球车队超过三万辆，覆盖二十多个国家、三百多座城市，累计真实运营里程超过2.7亿公里。他们的APEX多模态基座大模型正在从百亿级参数向千亿级迈进。九识CTO庄立提到一个细节，他们的VLA模型并不强制翻译成人类语言再去操控车，更像人类行动前的“念头”，看到前方有车决定刹车让行，这个念头比说出“我要刹车”要快得多。这件事值得关注的地方在于，一家做无人车的公司，正在把自己重新定义为拥有稀缺物理世界数据的大模型公司。三万台车每天在开放城市道路上遇到的交警手势、施工围挡、临时管制、人车混行，这些场景无法在实验室里穷举，也无法靠仿真完全复现，只能从真实运营中来。

智谱在Infra层推进RSI，用GLM-5.3驱动系统让吞吐量提升3.2倍

他们把RSI放到了推理基础设施层面，做出一套由GLM-5.3驱动的Infra系统。前段时间火遍全球的匿名模型Ox-Alpha，也就是GLM-5.3-Flash，发布一周内就处理了超过六十二万亿个Token，而这一切是在十万张国产芯片上跑出来的。唐杰透露，从第一次全量跑通到把全部真实生产流量切过去，只用了两周。他们用软件给硬件打补丁，让端到端吞吐量提升了3.2倍。智谱的核心判断是，在算力受到外部限制的情况下，关键不只是拥有多少芯片，而是能否通过软件更高效地调动和利用算力。他们试图把“国产算力不好用”这个难题，转变为“由AI自动挖掘硬件极限”的技术主动权。

以上就是今天的AI播报内容。AI可思议，陪你看懂AI。我们下期再见。