文章目录 · 4 个章节
公众号断更了很久。
起初是因为忙于生活，后来是因为在 AI 狂飙突进的半年里，我陷入了一种深沉的失语感——当大模型以周为单位拆解所有人的技术壁垒时，我发现自己很难拿出一套经得起时间推敲的观点。
先说我的核心看法：以目前 AI 漫剧/短剧的进化速度，“生产本身”已经不再是壁垒。 当 Seedance 2.0 展现出那种近乎恐怖的一致性时，当可灵、Sora、Veo 都在疯狂内卷时，生产侧的门槛降低已成定局。凡是能被大模型“一句话消解”的工作流，都不具备长期的商业防御力。 所以，那些试图构建“AI 制作一站式平台”的公司，后面大概率都不会太好过。因为制作工具最终只会回归、收敛到模型内部，而不是堆砌在外部的工作流里。
制作工具只会回归收敛到模型内部
通篇观察2025你会发现，很多工作流的流程逐步变成了一些模型的通用能力，包括去观察OpenAI GPT C端的模式你就会发现，GPT之所以好用、Claude之所以变态是因为他们一直在降低工具的集成，语言模型一直在朝着一句话搞定一件事发展。最早是内置Tools，你没办法显式调用，后面为了方便更多定制化的能力，通用模型的CLI、窗口都支持的MCP，但是MCP最起码还得需要你懂开发、懂MCP协议，就算让AI帮你实现一个MCP工具的开发，最起码需要去部署、去完成基础数据交互。对于大部分人的诉求而言还是门槛太高。然后出现了什么？是Skills，到这一步，你构建简单的工具都不需要写代码，用自然语言描述流程就可以了，用自然语言md你就能构建复杂Agent，什么RAG，向量检索，上下文会话一下都抛之脑后了。
上面说了代码工具侧的迭代，我聊聊漫剧的工作流。
最早2025年7月的时候，我尝试用Python做一个一站式的素材生产工作流，里面没有dify，没有coze，也没有n8n，只有我花了两天和gpt4 vibe coding写的一个硬编码工作流程，里面完成了对剧本的脚本改写、分镜拆分、调Comfyui生图、调tts配音、调ffmpeg剪辑合成配音配乐，输出就是一个成片，但是跑出的效果非常差，后来就不了了之的。那时候的视频主流是wan2.1，生图还在套各种基于SD的Comfyui工作流，liblib上一堆人搞lora的训练基于大光辉整了各种风格。Flux的出现结合ControlNET让文生有了一定的一致性保证。这些事情的发展、迭代也是突然随着十月ViduQ2的参考生突然意义没那么重大了。大家发现传几张参考图走参考生就能保证一定的一致性，最起码大部分场景和画面都不会太崩，内容突然间开始迸发。
是的，制作者不需要搞明白什么Flux、什么ControlNET这些烦人的破玩意，也不需要直到CLIP干啥的，就能做出大差不差的东西来，Seedance2.0更是把这个门槛进一步拉低，拆分镜似乎也没有那么重要了。
结论是啥？是制作这件事，最后就是消灭工作流，输入剧本就能直出最终的短剧，最多让你再选择一下声音、画面风格之类，定制化程度高点给你弄个资产库让你玩就是了。所有的C端API透传、没有自己模型能力终局的就是歇菜。Manus的最好结局是被收购，那最优秀的工作流工具结局大抵也是这个。
投放不再是终点，而是“探测器”
聊完生产这个话题，我们探讨一下短剧的推广。
就目前的时间节点来说，内容的变现依旧非常依赖投流，从电影制作链条到短剧再到漫剧，本身的销售额基本非常依赖广告投流，广告投流这件事如果抛开机械的基建、调价这些事情，本身是在宣传SKU，在短剧行业那SKU就是剧本身，说白了还是在做内容贩卖的事情。那我们回归到投放本身，如果是内容那无非就是标题，次标题，文案，素材等等等等。从最大的几个流量池情况来说只有素材本身是最关键的，那投的好不好一方面是基本功的问题，另外一方面就是素材的问题。
基本功这个事情基本是拿钱交学费，交了都会的一件事，你投流花钱花个几个亿几十亿，很难说基本工差，包括B端出现了引力引擎等，这些东西本质就是在很快的教会你如何投放。剩下的差距就是素材了。
从我的角度看如果把一个商品的生产和宣传分成两拨人那本质上就是效率的极大浪费非常吃亏，一个网文作者苦心写了20个钩子结果发现读者都在看第一章女主的大脚丫子，这种事情我相信大部分情况下都很难看到结果。这也是2025成为大部分漫剧个人/小组制作的最大痛点，熬了个把月整了个S级别漫剧结果发现跑不出，自己觉得一流画面一流故事结果市场上那群傻逼天天在看解说漫，然后开始愤世嫉俗。那这种情况就是很标准的两伙人做一件事出两份力
我先叠个甲：解说漫确实是劣质东西，跑出跑的好、压着精品打是真正的“劣币驱逐良币”
但是在这我们还是最理性的分析为什么解说漫会测出，会快速起飞。本质上是素材的正反馈到了生产端，所谓S漫，一天几十部撑死了，但是解说漫上来就是千部起手，哪怕是相同生产素材的链路（比如搞什么原片混剪、甚至直接放原剧前几分钟）对应生成的素材和话题量级都不一样，大家都是测出抽卡，凭啥你概率高？所以从我的角度看不是因为解说漫火了才测出，而是因为测出效果好解说漫才火的，所以投流这件事一定是在生产前的，而不是生产后的，这个有点反直觉。因为大家的套路都是我先生成SKU，然后根据SKU的卖点去做广告，这个是非AI时代互联网的思考模式，因为生产力不足不允许你这样，但是AI时代，终局一定是投放先行的。
双螺旋结构，或许更适应这个AI时代
业务重塑：IP 资产的“双螺旋 Pipeline”
基于上述逻辑，我理想中的通用解决方案不再是一个简单的“编辑器”，而是一个以 IP 资产库为核心的双螺旋生产中枢：
-
螺旋 A：内容生产线（The Storyteller）
核心： 叙事深度、角色弧光、长逻辑连贯性。
任务： 承载 IP 的品牌价值，完成从“网文/脚本”到“精品视频”的最终交付。 -
螺旋 B：投放测试线（The Scout）
核心： 情绪钩子、黄金 3 秒、高频 CTR 迭代。
任务： 充当生产线的“侦察兵”，在正片耗费大量算力渲染前，先用海量低成本素材在巨量、广点通等池子里“测出”爆点。
这两条线共享同一个“IP 知识库”： 相同的模型权重、相同的人物 Lora、相同的场景资产。这意味着，当投放 Agent 测出某个特定反转情节的转化率极高时，内容 Pipeline 可以瞬间调转船头，精准输出用户想看的内容。
这不再是“做剧”和“买量”，而是“基于数据反馈的实时资产渲染”，这对普通人而言机会只会更加渺茫，但是好在生产力有所膨胀，说不定双螺旋被内置在巨量里面呢？
写在最后
2025 年我们谈论的是“怎么做”，2026 年我们要回答的是“为什么做”。
当制作工具彻底收敛到模型内部，当“一键出片”成为路边摊都能买到的廉价能力，生产力的价值将趋近于零。
那时候，真正拉开差距的不再是你掌握了多少个节点，而是：
-
你对 IP 颗粒度的审美掌控；
-
你利用 Agent 探测市场信号的响应速度。
所以，最后提个问题供讨论：
如果 AI 已经让生产成本归零，你手里那个所谓的“IP”，到底还剩多少价值？是它本身够硬，还是你仅仅在吃“生产力差”的红利？
本文首发于微信公众号 kelovp.ai，原始发布时间为 2026 年 2 月 15 日。查看公众号原文。