近年来，人工智能在应用领域连续出现突破性成果，2022年11月美国人工智能公司OpenAI发布的自然语言生成模型ChatGPT轰动全球。随后，该模型快速迭代，展现出能够理解自然人类语言并生成媲美人类写作水平内容的巨大应用潜力。全球各大互联网技术企业也都快马加鞭投入大语言模型的开发中，在人工智能领域掀起一场你追我赶的技术竞赛。以MidJourney、Stable Diffusion为代表的一系列文生图智能模型对美术行业带来变革性的冲击，在应用层面迅速普及的同时也引起大量美术从业者的不安。2024年2月，同样由OpenAI开发的文生视频模型Sora发布，该模型可以生成长达60秒的细节丰富、动作连贯的现实世界影像。Sora的出现在视听行业内引起热议，人工智能深度介入视听产业的未来已至。
人工智能生成内容由Artificial Intelligence Generated Content翻译而来，指通过生成式人工智能（Generative Artificial Intelligence）创作的包含文本、图像、音乐、视频等形式在内的内容。人工智能生成内容的生产包含了模型的搭建与训练、理解给定描述和条件、根据描述生成内容等主要工作阶段。
在模型的搭建与训练中，生成式人工智能具有实现无监督学习（unsupervised learning）的能力。在将原始数据输入模型后，模型可以自主学习数据的模式和规律。只要源源不断地投喂数据，模型就能持续提升输出效力。ChatGPT在2022年实现突破式效果提升，主要通过加大规模数据的持续训练，最终实现量变产生质变的效果。因此，生成式人工智能表现出很强的算力依赖，人工智能生成内容的准确性与可用性很大程度上取决于模型训练的成本投入。
在理解与分析用户提出的需求层面，生成式人工智能主要基于自然语言处理技术（Natural Language Processing）。该技术在文本分析中对文本进行分词、词性标注、实体识别、句法分析等处理，从而理解文本的结构和含义。当下的自然语言处理技术已经能够识别文本中的情绪和情感倾向，如正面、负面、中性等。同时，其也具有关系抽取能力，能够识别出文本中实体之间的关联关系，最大程度理解用户输入内容的表达意图。
在根据输入内容生成输出结果阶段，人工智能生成内容最显著的特征是概率性输出。概率性输出意味着人工智能生成内容针对所提出问题，从其接受训练的数据库中筛选出最符合提问者预期的答案。因此，人工智能生成内容的产生并非遵从人类创作的思维架构，我们也无法完整感知生成式人工智能创作的逻辑思路。其仅从最终结果层面达到高度拟人的水准，并不具备真正意义上的创意与思想。我们也无法根据一般创作的知识体系在某个环节对人工智能生成内容进行精准的操控与调整。同时，这种生成式模型的输出通常是概率性的，而不是确定性的，因此通过反复输出与条件微调我们可以获得一系列不同的生成结果，并最终选择、整合这些内容，以获取期望中的理想答案。人工智能生成内容还具有多模态支持的特征，能够在给定需求下结合不同类型的数据支持多模态输入和输出，如图像和文本的转换等。
此外，生成式人工智能具有迁移学习的能力，能够在不同领域或任务中进行知识迁移，跨领域运用数据与资料共同完成人工智能生成内容创作。在这方面，其展示出超越人类水平的表现。作为对全领域认知的牺牲，人工智能生成内容往往在专业性和精准度上存在一定不足。由于训练库中存在大量质量较差的数据资料，所以人工智能生成内容对于专业深度强的问题往往呈现出一种浮于表面的效果。当前，主流的生成式人工智能模型还能够实现长距离依赖，生成与输入数据相关但跨越较长距离的内容。从ChatGPT问世到现在的4.0版本，其能够支持的输入与输出长度也在不断提升。同时，生成式人工智能模型具有一定的鲁棒性，可以处理不完整或有误差的输入数据，这些也大大增加了当下人工智能生成内容在生产实践中的可用性。
目前，生成式人工智能在电影产业内容生产的创意开发、制作拍摄、后期制作等各个阶段都实现了落地应用。
首先，在故事创意与剧本开发阶段，人工智能可以通过分析海量电影数据，包括故事结构、观众评价、市场表现等，为编剧和制作人提供创意灵感和市场分析。传统的故事创作阶段编剧组往往采取“头脑风暴”的模式以达成群策群力的效果，人工智能的介入则是掀起了远超人类水平的“超级头脑风暴”。在剧本写作中，基于自然语言处理的生成式人工智能可以帮助编剧进行大纲起草、拼接情节、创作对话，虽然还无法独立胜任高质量的剧本创作，但已成为编剧工作中的强大辅助工具。除了直接参与创作之外，生成式人工智能也被广泛应用在剧本评估中，大大缩减了剧本评估的周期和所需劳动力。目前，生成式人工智能在创意开发阶段已经展现出强大的实用价值，大大提升了这个阶段的工作效率。国内许多互联网平台均在这个阶段引入人工智能参与创作，并不断训练优化自己的模型，如爱奇艺就在2023年Q2的财报中提及，其引入人工智能辅助进行剧本评估的场景和人物拆解准确率超过90%。
其次，在制作拍摄阶段中，生成式人工智能在美术、置景、服化道、场景预演等多项工作中均有发挥。生成式人工智能强大的文生图、图生图能力可以直接生成所需的人物、场景概念稿，帮助制作团队在创作初期迅速定位到影片所需的视觉印象。虽然其在操控性和精准度等细节方面无法完全替代人类，但足以大幅降低美术环节的生产成本。利用生成式人工智能进行虚拟场景设计，可以辅助设计师快速建模和生成虚拟场景，缩减置景与服化道的前期工作。基于强大的生成能力，生成式人工智能可以通过给定关键文本分析角色设定和人物特点，并利用庞大的数据库和跨领域的检索学习能力为美术师、设计师、道具组等提供思路指导。在拍摄制作领域中，生成式人工智能的应用主要体现在场景预演和实时特效渲染上，虚拟场景预演可以帮助导演组在拍摄前预览拍摄效果，并为演员表演提供视觉层面的直观指导参考；拍摄中的实时特效渲染可以让创作者摆脱仅有绿幕背景的抽象环境，提升创作效能。在动画电影制作方面，生成式人工智能逐渐显现出可以胜任所有环节的潜质。目前，已有许多团队尝试使用生成式人工智能制作完整动画。2024年2月，国内首部使用人工智能制作的六集动画《千秋诗颂》已在央视综合频道上线开播。
最后，生成式人工智能在视听内容的后期制作中也展示出愈加强大的效力。智能剪辑软件的出现使得后期剪辑效率大幅提升。从最初的物理手段剪切到现代剪辑设备实现非线性剪辑操作，生成式人工智能正在推动视听剪辑进入智能时代。生成式人工智能也被广泛应用于视觉效果处理中的调色、特效合成、视频渲染等环节。这些过去需要消耗大量时间的工作，在人工智能帮助下效率得到显著提升，也在一定程度上降低了对硬件的需求。人工智能在声音制作领域亦达到相对成熟的应用水准。目前，市面上的许多模型已经可以完成商用水准的AI配音、配乐。生成式人工智能在后期字幕制作等包装效果上也达到了可以替代人工的水准。此外，生成式人工智能还被广泛应用于素材修复、人工换脸等视频编辑领域，影视后期制作的技术边界在智能技术的赋能下正在不断被拓展。
在电影产业中，发行和宣传营销是决定影片商业成绩的重要一环。其中，生成式人工智能的影响虽然不及对内容创作领域那般广泛而显著，但在市场预测、用户画像等决策参考领域，舆情监测、精准投放等广告传播领域，以及宣传营销的物料制作上，都有着不同程度的应用落地。
宣发策略的制定要基于对市场环境以及影片目标受众的判断。目前，猫眼、灯塔等平台上线的基于机器学习模型生成的票房预测已经可以达到较高的精度。另外，人工智能根据历史数据和影片关联信息给出的影片体量预测，也为宣发投入与档期选择提供了重要决策参考。基于大数据分析的人工智能技术可以深入了解观众的兴趣、喜好和行为，精准绘制影片的目标用户画像，帮助宣传团队有针对性地进行宣发策略制定，分配宣传、票补、渠道、路演等宣发资源。生成式人工智能正在让电影宣发变得日趋精细化，传统的经验主义宣发思维在人工智能的时代被深度解构，可理解、可评估、可控制的新宣发模式正在形成。
人工智能的强大算力可以帮助制片公司实现实时的舆情监测。通过抓取社交媒体平台上的热点话题和用户评论进行情感分析，制片公司可以及时了解观众反馈，调整宣传策略和改进电影内容。同时，通过大数据分析，影片可以实现向目标受众群体精准投放符合其使用习惯的广告内容，营销推广的效率与转化率相较过去粗犷投放的模式大幅提升。目前，业内的电商平台依托其庞大的用户基数和历史数据开发了智能化的广告投放平台，为电影宣传公司提供便捷灵活的投放工具。随着人工智能技术的成熟应用，各种智能分析与分发工具还将进一步集成，形成一体化的定制宣发平台。
宣传物料的制作在宣发成本中占有很高比例。传统的物料生产节奏难以满足如今互联网高速扩张的碎片化传播语境，尤其对于中小成本影片而言，其在宣发中可调动的资源极其有限，无法保证在漫长的宣发周期内持续向用户提供新鲜的电影物料，保持影片热度与信息更新。生成式人工智能在海报生成、短视频剪辑创作、通稿撰写上都展示出超出人类的生产力水准。2023年6月，上海电影节还发起人工智能生成内容电影海报创作大赛，让行业看到生成式人工智能创作多元化的无限可能。在人工智能技术充足的“弹药补给”加持下，未来饱和式电影营销有望成为每一部影片的标配。
人工智能生成内容的创作来源于对海量训练数据的迭代学习。数据集中难免存在特定的偏好或模式，人工智能模型会生成符合既有表达偏好的内容，不能超越历史资料实现主动地边界突破，因此人工智能生成内容也被诟病缺少真正的创造性。同时，生成式人工智能概率性输出的特征导致其会出现过度拟合和局部最优解的倾向。视听内容的创作动因可能来源于对现实的观察与感悟，可能来源于特定的美学灵感，也可能源自追求传播效果和商业价值的驱动，人工智能模型为追求概率上的最优解会侧重于生成内容的实用性，造成创意的单一性。这些局限性虽然不会妨碍生成式人工智能成为影视内容创作中的得力生产工具，但当这个工具渗透进产业的方方面面，并在时间投入、经济成本、产出效率上持续展示出其超越人类创作的优越性时，整个行业的创作范式也将被重塑。参考围棋领域的AlphaGo，在其问世前不同棋手专注于发展各自的棋风，当其实现在该领域的全面超越后，人类选手都不得不大量用AI训练，以保持竞争力，该运动的走向也被迫转向为学习AI所解算出的最优棋路。类似的现象是否会在电影产业中出现，值得我们警惕。生成式人工智能有其自身独特的一套创作逻辑，其在视听行业创作中应用普及可能引起一场创作范式的变革。从业者对变革的方向需谨慎看待，要保持创作者的艺术自觉与审视批判，避免创作者在使用工具的过程中异化为工具的奴隶。
依据目前生成式人工智能推动生产力演进的趋势，相关技术已突破生产力的关键临界点。有学者指出随着技术的持续进化，生成式人工智能将在更广泛的领域实现效率的指数级增长，成为推动产业进步和社会发展的新动能，实现从技术探索向对社会生产结构产生系统性影响的阶段转变。ChatGPT和Sora发布所引起的行业轰动印证了这一观点，然而新技术的出现也并不会造福于行业内的每一位劳动参与者，反而可能成为资本实行垄断的工具。生成式人工智能的训练依赖庞大的算力支持，对软件与硬件成本都有很高的要求。目前，独立创作者虽可以使用生成式人工智能辅助创作，但大模型的所有权和控制权仍掌握在少数互联网巨头手中。生成式人工智能大模型虽然拥有极高的先期开发与训练成本，但其创作的边际成本低至可以忽视。同时，由于大模型的主要算法框架基本一致，模型间的效力差距主要由数据量和训练投入决定，未来可能出现不需要“第二好的大模型”这样赢家通吃的局面。目前，各家人工智能企业都在积极构建贸易壁垒，甚至人工智能已成为国际贸易战的重要战场。2023年底，美国就通过了人工智能核心硬件制造商英伟达向中国销售多款核心AI芯片的限制条款。未来，关于人工智能主导权的争夺将会愈演愈烈。而对于影视行业从业者来说，在享受生成式人工智能带来便利的同时，也必须谨慎提防其成为寡头的垄断工具。
人工智能生成内容在视听产业中还面临着巨大版权争议。我国著作权法对于版权保护的核心理念为“保护表达，不保护思想”，而生成式人工智能的创作逻辑是越过思想，使用大数据拟合的方式直接获得表达，因此针对人类创作的版权保护规则无法直接适用于人工智能生成内容。人工智能生成内容以对历史数据的学习为基础，其本质可视为对过往人类智力成果的再次整合拼接。然而，大模型训练时使用了海量的数据，且其生成过程对于人类来说是不可见的“黑箱”，也就造成了我们可以大胆地指责人工智能生成内容并非原创，却无法指出其剽窃了何人的哪项成果。针对此问题，主要人工智能生产模型都有类似于不可商用的免责条款，世界多国出台的有关人工智能生成内容的管理条款也都规定创作者需主动如实披露其创作中对AI的使用情况。但创作实践中，我们对相应规则实现监督落地的难度很大，目前还很大程度上依赖于创作者的诚信与自觉。同时，业界和学界对创作者以AI为工具、通过个人干预而创作出的劳动成果，是否能被视为其个人创作成果也存在不同的解读。2023年8月，我国首例AI生成图片著作权案在北京互联网法院公开审理，法院判决原告享有涉案图片的著作权，被告行为构成侵权，应当承担相应的法律责任。该案或许会成为未来我国针对人工智能生成内容著作权判定的风向标。而关于人工智能生成内容的著作权纠纷，尤其是涉及商用领域版权争议，在未来可能会成为版权保护领域的核心议题。
生成式人工智能输出具有巨大的内容不稳定性，进而导致了内容的不可控性。ChatGPT模型推出后不久，就有使用者指出该模型不会拒绝回答使用既有资料库内容无法解答的问题，而是采用模仿人类回答的方式“一本正经地胡说八道”。其生成内容中提及的许多所参考信息均为其拟合杜撰而成，在现实中并无对应实例可查证。生成式人工智能在高效辅助人类创作的同时，也在持续不断地输出着虚假的垃圾信息，大模型在训练时对于投喂的数据也缺少有效的甄别。低质的、虚假的信息内容会引向有偏差的人工智能生成内容产出，而这些产出内容又可能被模型进一步吸收用于训练，形成恶性循环。在虚假信息之外，人工智能大模型并不理解人类社会一般的道德准则，经常被用于生成带有恶意的违规内容。人工智能模型普遍通过互联网实现跨国、跨地区使用，往往会产出不符合当地法律规范与社会价值准则的内容，且这些信息的准确性难以核实，责任主体难以被追溯，给监管带来了巨大挑战。2023年7月13日，国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、广电总局公布了《生成式人工智能服务管理暂行办法》。该《办法》自2023年8月15日起施行，包含“技术发展与治理”“服务规范”“监督检查和法律责任”等方面的多项规定说明，体现了我国坚持发展和安全并重、促进创新和依法治理相结合的原则，采取有效措施鼓励生成式人工智能创新发展，对生成式人工智能服务实行包容审慎和分类分级监管。