72 小时极限创作背后：AI 正在改写影视创作的底层逻辑

最近看了一场联想AI微电影黑客松，72 小时不停歇。现场有个画面特别震撼：创作者守着一台工作站，镜头语言、灯光氛围、角色情绪、音乐节奏，全都在屏幕上一帧帧长出来。

他们不需要拉起一个几十人的剧组，不需要等器材、等场地、等档期，就这么在键盘和鼠标之间，把脑子里那些晃动的画面，推到了超乎想象的完成度。

当时我就在想，这已经不只是工具升级那么简单了。创作者和技术的关系、影视行业的生产链条、甚至我们对创作这件事本身的理解，都在悄悄变化。

站在 2025 年底这个时间点往回看，AIGC 带来的，确实是一场从工具革新到范式转移的跃迁。

影视创作被压进一个机箱

在黑客松期间的分享会上，AI 电影季联合发起人 KiSA 宋冬桓，以这场极限创作为切片，精准地指出了 AI 技术引发的影视创作范式变迁。他是编剧出身，2023 年 8 月开始全身心投入 AI，当时的判断直觉而敏锐：旧秩序正在降温，而 AIGC 的新火种正在燎原。

这是一个关键的换代窗口，就像当年数字取代胶片那样，一批新的创作者将用全新的生产方式接管未来。

1、从“串行接力”到“并行交响”

以前做影视项目，是一场漫长的“接力”：编剧交棒给导演，导演拆分镜给美术，置景完才轮到摄影，拍完素材进后期，调完色再给音效……每个环节都在排队。预算和时间，就在这种机械的等待中被一点点消耗殆尽。

KiSA 提到一个很有冲击力的判断：AIGC 产生的效率要高很多，高超过 100 倍。在小红书、B 站、抖音这些平台上，AIGC 内容占比正在快速上升。而AIGC进入严肃的影视创作速度，可能远比行业想象的更快。

"果子熟的时候不是一颗熟，是一片园子突然全熟。"

KiSA 用电影史构建了一个坐标系：从 1895 年卢米埃尔兄弟的《火车进站》到 1902 年乔治·梅里爱的《月球旅行》，人类跨越电影的“技术奇观”到“叙事艺术”用了 7 年 。他认为，当下正是 AI 影像的“火车进站”时刻。

但他不愿被动等待下一个 7 年，而是通过这场具有先锋实验性的黑客松，试图压缩进化的周期。

他号召专业影视人在 72 小时极限高压下，打破传统物理拍摄的桎梏，验证 AI 实现从创意到成片的完整闭环和新的工作流程。

因为他认为，那位属于 AI 时代的“乔治·梅里爱”，也许就在当下的这批选手里 。

这种预言并非空谈。当看到这些团队仅用 72 小时交付的成片时，这种“未来已来”的冲击感变得无比具象。

点击阅读原文查看视频

走进选手席你会发现，工作流程的底层逻辑变了。传统的人力密集型流水线，正在被一种创意密集型的AI混合工作流程取代。

创作团队可以一边写剧本、一边生成分镜预览、一边测试配乐情绪。画面、音乐、节奏，几乎是同时推进的。AI 模型像一位永远在线的专业剧组，你给它规则，它帮你把可能性瞬间铺开。

2、本地算力：从“后期工具”到“影视工厂中枢”

不过这里有个前提，你得有足够强的本地算力撑着。

以往，工作站往往局限于剪辑、特效、三维渲染等后期制作环节。但在 AI 重塑的新工作流中，它已从单纯的“后期工具”进化为贯穿始终的“影视工厂中枢”，也重塑了算力设备在创作链条中的生态位。

作为核心技术支持，联想 AI 工作站在黑客松中展现了这种质变：算力不再缺席前期的灵感与预演，而是支撑起从剧本拆解、分镜生成到成片渲染的全生命周期。它不只是一台电脑，更是一个个人影视工厂中枢，让创作者在每一环都能即时验证想法。

WAN 5B、14B 模型，Z-Image-Turbo 6B，FLUX 12B……这些原本只能跑在数据中心的大模型，现在可以在一个机箱里协同工作。

从脚本生成分镜草图，到风格化画面渲染，再到预演级别的视频片段，整条创作链路都被封装进这台设备里了。

说得直白点：过去你需要协调灯光师、摄影师、美术指导才能实现的视觉效果，现在可以在联想AI工作站上反复测试、即时预览。脑子里那些关于光影、情绪、构图的想法，可以几乎无延迟地被看见。

3、试错的自由，就是创作的自由

更关键的是，本地算力改变了创作者对“试错成本”的感知。

云端的逻辑是“出租车模式”，看着计价器跳动，每一次生成都在实时消耗预算，这种对计费的焦虑往往会潜意识里抑制创作者的尝试欲。

而本地工作站则是“私家车模式”，虽然前期有一次性较大投入，但之后的每一次生成都无需在担心费用问题。

拥有一台AI工作站，本质上是买断了未来无数次试错的权利。 大量的废片、弃稿、那些“刚好不合适”的版本，本就是伟大创作必经的消耗。在黑客松现场，获奖团队之所以能“疯狂试错”，正是因为他们手中的算力是确定的。

执行者变成了规则制定者

物理质感能搞定，我们再来看看更玄学的情绪化学。 美妆和奢侈品设计，卖的往往不是货，是氛围。

然而，当创作门槛被技术轰然推倒，效率成为显性指标时，另一个隐忧浮出水面。"AI 提高了效率，但艺术家的审美和个性怎么坚守？"

针对这个问题，数字艺术家罗霄在分享会上给出了极具深度的回答。

作为一位工科背景出身、深耕科技艺术近二十年的实践者，他的探索路径为我们提供了一个清晰的样本。

1、并不是追求完美，而是设计“意外”

早在 2020 年，罗霄就开始利用 StyleGAN 创作《Cyberfish》系列。创作过程历经收集生物学插画数据集，到清洗去噪，再到本地训练生成“假鱼”，最后实现实时音画交互。

在模型训练中，AI 偶尔会“犯错”，比如生成一条两头都是尾巴的鱼。这种在工业标准下被视为“瑕疵”的产物，在罗霄眼中却是“礼物”。

这揭示了 AI 艺术的一个核心逻辑：创作者不再是追求对现实的完美还原，而是在规则与意外之间，寻找那个“刚好”的张力点。

"我不需要普通的鱼，我要的是能给我惊喜的鱼。"

这种探索延续到了 2022 年。随着扩散模型的爆发，罗霄启动了《AI 聊斋》项目。他将清代《聊斋志异》的散落彩绘作为数据集，先后基于 SDXL 和 Flux 模型进行本地训练。

依靠本地开源模型，他实现了商业软件难以企及的超高分辨率，甚至“一次性直出”长卷式画面。

2、创作者的身份跃迁：从执行者到“规则制定者”

罗霄的实践揭示了更深层的变化：创作者的身份正在被重塑。“作品只是规则运行的产物，艺术家创作的是规则本身。”

罗霄将自己定义为“艺术算法的叛徒”，他既需要给 AI 

设定严密的规则（数据怎么选、模型怎么训、参数怎么调），又期待 AI 在某一刻“背叛”规则，生长出超出预期的惊喜。光影的意外折射、人物表情的微妙错位，这些算法秩序里长出的“叛逆种子”，恰恰是作品灵魂的来源。

3、本地算力：重建创作者的“主权”

“想做更深的东西，就得做完整系统化的工作。商业工具很强，但不一定给你足够灵活的操作。”

罗霄强调，数据收集与整理本身就是文化资产的归档。通过再训练、再生成，整个叙事才能变得完整且可研究。而要支撑这套复杂的“规则系统”真正跑起来，本地算力是绕不开的前提。

很多人问：云端大模型这么方便，为什么非要本地部署？ 罗霄的回答透彻且有力：对顶尖创作者来说，工具应该是“身体的延伸”，而不是租来的服务。

这也是联想 AI 工作站之于专业创作者的深层价值——它不仅仅是硬件，更重建了创作的根基：

掌控感： 你不再是云端平台的“租客”。模型可以反复微调，工作流可以按习惯重构，规则可以从底层定义。创作的主权，完完整整回到了你手中。

资产沉淀： 创作者最核心的资产不是单张图片，而是独家的数据集、调教已久的模型权重、长期优化的工作流。这些一旦外泄，风格壁垒就消失了。本地的闭环环境，让你的创意资产真正成为了自己的护城河。

此次黑客松中备受瞩目的联想 ThinkStation P7，正是这种底座的典型代表。它搭载的英特尔® 至强® W 处理器家族展现了“压舱石”般的稳定性。凭借强悍的多核多线程性能与全系 ISV 专业软件认证，它让系统在运行剪映、Premiere Pro 或达芬奇等高负载软件时，表现出绝对的统治力与流畅度。

而针对 AI 创作最核心的算力需求，其配备的英特尔® 锐炫™ B60 Pro 显卡 提供了强大的 GPU 加速能力，它不仅大幅提升了推理速度，更能轻松驾驭 WAN 5B/14B、Z-Image-Turbo 6B 及 FLUX 12B 等前沿模型。

当然，最理想的状态是“本地与云端协同”：用云端探索最新能力、调用大规模资源；用本地沉淀资产、稳定迭代、守住数据与创作节奏。二者结合，创作才能从容不迫。

被 AI 加速的时代，人的价值在哪里？

往更大的层面看，AI 正在加速开启一个人机共创的新纪元。

在这个时代，关于“创作自由”的定义正在被重写。当技术门槛被踏平，人的位置在哪里？

1、在“均值”之上，重寻“灵魂”

当生成能力普及，模板越来越多，甚至所有作品看起来都“还不错”时，“平庸”将变得无比廉价，而“独特”将变得价值连城。

AI 会把所有人推到同一个起跑线上。在这种情况下，人的价值反而被提纯了，审美判断、叙事整合、人文经验、情感共鸣，这些无法被参数堆叠的东西，成了最后的护城河。

只有人知道，哪些画面虽然精致却不对劲，哪些虽然粗糙却有灵魂； 只有你理解，一部作品应该在何处按下情绪的按钮，又该在何处留白； 只有你对这个时代、群体和个体的命运，有着算法无法模拟的感知与关照。

2、技术向下扎根，是为了让人向上生长

成本被压低了，个人与小团队的能动性反而被无限放大了。而这正是联想 AI 工作站这类专业设备的真实意义，它不需要被包装得很玄幻，它的使命非常务实，用稳定而强悍的本地算力，替创意“兜底”。

它存在的目的，是让你在最需要连续输出、连续试错、连续迭代的关键时刻，不被设备性能卡顿、不被网络波动干扰、不被云端的计费焦虑打断。它负责搞定一切技术层面的确定性，让你专注于那些不确定的、迷人的艺术决策。

回到最初那个 72 小时黑客松的现场：

有人在敲击 Prompt，有人对着屏幕反复审视一条 AI 生成的视频，讨论那一瞬间的光影是否准确传达了角色的哀伤。在这一幕里，真正被看见的不是 AI，而是人。

是人终于可以从繁琐的技术重压下解放出来，把最宝贵的时间，花在真正重要的创作决策上。

AI 驱动的影视变革，核心不在于算法有多强，而在于通过人机协同，让技术向下扎根，让艺术向上生长。

未来无数个 72 小时里，创作者、AI 与算力工作站，将共同定义这个“人机共创”成为默认前提的影视新世界。