在硅谷，风险投资人常听到创业者提及一个关键词——friction，即摩擦。无论是付款流程多一步操作，还是程序员需手动编写测试，亦或是销售要花时间整理客户记录，这些都被视为阻碍效率的“摩擦”。过去二十年，硅谷许多成功企业正是通过消除这些摩擦，用软件优化流程而崛起。正如知名风投机构a16z联合创始人Marc Andreessen所言：“软件吞噬世界”，而吞噬的起点往往就是这些细微的摩擦。
然而，当这套逻辑被应用到电影行业时，却遭遇了意想不到的挑战。今年6月，Google DeepMind宣布与独立电影公司A24建立长期研究合作，并投资约7500万美元。这一合作引发了业界关注，因为A24以其独特的文艺气质和小众电影闻名，代表作包括奥斯卡获奖影片《月光男孩》《瞬息全宇宙》等。更令人意外的是，Google并未获得A24的片库使用权，也无法用其内容训练模型。双方的合作重点反而落在电影创作过程本身：DeepMind研究人员将与电影人共同开发工具，测试并迭代技术。
这一安排背后，折射出AI视频领域的一个核心问题：在电影制作中，哪些摩擦应该被消除，哪些又必须保留？AI视频技术已跨越“是否有人使用”的阶段，进入实际生产流程。例如，某全球广告集团利用AI将保险品牌吉祥物的社交内容制作周期从数月压缩至3小时；中国AI视频平台可灵的用户数突破1亿，企业客户近5万，今年一季度收入同比增长超300%。产品功能也在快速扩展，从单个镜头生成延伸至角色控制、场景编排和故事构建。
但效率提升的同时，创作中的“判断力”问题愈发凸显。当前AI工具多围绕线性输入框设计：用户提出需求，模型生成结果，再反复修改。这种模式虽能快速产出，却可能过早收敛创意。例如，编剧刚写下故事梗概，AI便生成完整人物小传和分镜；导演仅有模糊感觉，几分钟后已看到接近成片的画面。问题在于，当机器交卷越来越快，人可能还未想清楚题目，却因舍不得放弃“八十分答案”而停止探索。
电影创作中，部分摩擦确实应被消除。抠像、转码、素材检索等重复性工作，既耗时又缺乏创造性，AI的介入能释放创作者精力。但另一类摩擦却关乎判断的形成：人物为何沉默？某个漂亮镜头是否该剪掉？一个令人不适的停顿是失误还是真实表达？这些环节没有明确流程，创作者需在多个模糊版本间徘徊，甚至忍受一段时间的“不完美”。正是这些“摩擦”成为作品成长的土壤。
A24的价值正体现在此。其作品风格多样，从《月光男孩》到《利益区域》，镜头语言并无统一公式，但共同点在于保留了传统流程中易被修改的部分。例如，《利益区域》将集中营暴力大多隐于画面之外，通过声音传递恐怖。若以“情绪表达是否充分”为优化目标，系统可能建议补充直接画面，但电影的力量恰恰源于这种“留白”。A24常在关键时刻选择保留看似不顺、模糊甚至难以营销的元素，有时甚至更怕作品“成熟太快”。
这种创作哲学与硅谷的优化逻辑形成鲜明对比。当前主流生成式工具仍以快速收敛为目标，探索、选择与制作混在同一条对话中。而真实创作是分叉的、回溯的，甚至会搁置问题数周。早期需扩大可能性，后期才需稳定执行，两者对AI行为的要求截然不同。例如，在方向未定时，工具可帮助生成差异较大的分支，避免立即输出精致成品；某些问题可标记为“暂不解决”，保留矛盾与模糊。进入制作阶段后，系统再接管一致性管理和重复修改，同时记住项目边界——包括那些明确拒绝的选择。
Google与A24的合作，或许正试图探索这种平衡。尽管Google无法使用A24的片库，但电影人提交的草稿、被放弃的分镜、修改记录等过程数据，可能包含更高密度的判断信息。这些数据若被用于训练通用产品，可能加速审美工业化；但若用于校准工具介入的边界，让模型承担执行成本，同时保留创作者的探索路径和最终决定权，则可能为创作软件开辟新方向。
硅谷已造出越来越会“回答”的机器，但创作软件接下来需补足的能力，是识别何时“不应有答案”。毕竟，有些作品的长成，正需要一段未被优化的时间。
