从“被 AI 取代”的恐慌到影视生产力落地：Ben Affleck 谈电影工业的激励畸变与道德分歧

这份材料里真正值得研究的，不是“一个好莱坞明星懂 AI”这么简单。

Ben Affleck 这次做的事情，实际上同时击中了未来影视产业的三个核心矛盾：

AI到底应该替代谁？

训练数据到底属于谁？

电影赚钱以后，到底应该怎么分钱？

把 InterPositive、Netflix 和 Artists Equity 放在一起看，你会发现 Affleck 在尝试重写的并不是一个后期制作软件，而是整个内容工业的生产函数 + 所有权结构 + 激励机制。

而且先纠正你原稿里几个重要事实。

Netflix 已于 2026年3月正式收购 InterPositive，Netflix官方确认 Ben Affleck 创办了这家电影技术公司，整个团队加入 Netflix，Affleck成为 Netflix 的 Senior Advisor。Netflix后续SEC文件披露，3月完成的一笔收购现金对价约 5.87亿美元；结合Netflix公告与后续报道，这笔交易对应InterPositive。About Netflix

另外，《Animals》不是12月9日上线，而是 2026年10月9日在Netflix上线，并在部分影院上映。Netflix官方页面已经确认。Netflix

更重要的是，Affleck现在已经确认：

他在《Animals》中“很多地方”使用了AI。

但他刻意不公布具体镜头，因为他认为电影本质上仍然需要维护“现实幻觉”。Reuters Connect

这句话其实非常重要。

一、InterPositive真正值5.87亿美元的，不是“AI模型”

很多人第一反应：

Ben Affleck训练了一个AI模型，

Netflix花了5.87亿美元买它。

如果这么理解，这笔交易会显得非常离谱。

因为今天训练视频模型的公司很多。

开源模型也越来越多。

真正值钱的东西其实是三个资产叠加：

版权干净的数据集

电影工业Know-how

已经嵌入真实制片流程的Workflow

Netflix自己介绍InterPositive时明确表示，Affleck和一个小型工程师、研究人员及创作者团队，专门在受控摄影棚里拍摄自己的 proprietary dataset，而不是简单抓取互联网影视作品。About Netflix

这才是核心。

二、未来AI最大的护城河，很可能不是模型，而是“合法、高质量、行业原生数据”

这是一个非常重要的AI投资逻辑。

今天大家都讨论：

GPT、

Claude、

Gemini、

视频模型。

但基础模型正在越来越商品化。

真正长期有价值的可能变成：

Proprietary Data

专有数据。

尤其是：

高质量 + 权利明确 + 行业高度专业化的数据。

电影行业尤其明显。

YouTube上的100万小时视频，

不等于：

100小时专业电影数据。

因为专业电影画面包含：

镜头焦段

灯光

摄影机运动

景深

动态范围

色彩科学

曝光

演员blocking

连续性

production design

VFX plate

这些东西才是：

Domain Knowledge

领域知识。

三、这和金融AI、医疗AI其实完全是同一个商业逻辑

未来通用模型可能大家都能获得。

真正值钱的是：

Bloomberg拥有几十年的金融数据。

医院拥有医学影像。

保险公司拥有理赔数据。

制造厂拥有机器运行数据。

好莱坞拥有：

几十年的高质量制作数据。

所以AI商业模式会越来越从：

谁拥有最强模型？

转向：

谁拥有别人合法拿不到的数据？

这个问题的含金量非常高。

四、InterPositive实际上在做一种“AI数据主权”

这可能是整个故事里最值得创业者学习的概念之一。

Affleck公开解释他的工作流时说：

电影制作过程中，可以基于创作者自己的素材训练一个属于该项目的离散模型，而且这种学习成果仍然属于制作方自己。LinkedIn

这意味着：

以前：

素材 → 后期公司。

未来可能是：

素材

↓

Film-specific Model

↓

持续学习

↓

这个模型本身成为影片资产。

于是电影资产不再只有：

剧本、

原始素材、

成片、

版权。

还多了一样东西：

Production Model

制作模型。

五、这个变化非常大：未来每一部电影都可能拥有自己的“小模型”

假设你拍《Batman》。

训练阶段已经拍摄：

演员脸部

服装

Wayne Manor

Batmobile

灯光

Gotham场景。

于是制作过程中逐渐形成：

Batman Production Model

以后需要补：

一个背景。

一个反射。

一个远景。

一个天气。

一个缺失镜头。

可能不必重新搭景、重新召集100个人。

模型已经理解：

这部电影的视觉世界。

六、这比“Text-to-Video一键生成电影”现实得多

AI圈特别容易犯一个错误：

把终极未来当成近期商业模式。

大家想象：

输入：

给我生成一部两小时Christopher Nolan电影。

然后AI直接生成。

非常性感。

但产业真正首先发生的通常不是：

100%替代。

而是：

5% → 10% → 20%的流程自动化。

历史上几乎所有重大技术都是这样。

七、Excel没有首先取代会计，而是先取代计算器

Photoshop没有首先消灭摄影师。

它首先改变：

修图。

CAD没有首先消灭建筑师。

它首先改变：

绘图。

AI进入电影工业也是一样。

它首先攻击的是：

最昂贵、

最重复、

最机械、

最适合计算机处理的环节。

比如：

背景修复

物体删除

镜头扩展

continuity correction

lighting correction

reshoot replacement

previsualization

rotoscoping

VFX cleanup。

八、所以真正值得投资的AI不是“替导演”，而是“消灭摩擦成本”

这是一个非常重要的创业原则。

技术创业者最容易说：

我要颠覆整个行业。

真正高质量的创业者问：

这个行业最贵、最慢、最烦、最重复的步骤是什么？

先解决那个。

电影工业一个非常典型的问题：

一个镜头可能因为：

背景穿帮

某个道具不对

灯光不连续

演员视线有问题

需要重拍。

重拍可能意味着：

重新找演员

重新租摄影棚

重新召集crew

重新布光。

成本可能几十万甚至几百万美元。

如果AI能解决其中50%：

商业价值已经巨大。

九、这就是5.87亿美元估值背后的另一层逻辑：Netflix买的是“内容成本压缩器”

Netflix真正最大的成本之一是什么？

不是App。

不是服务器。

而是：

Content

内容。

Netflix自己在2026年一季度文件中明确表示，内容是它最大的支出领域之一，并把InterPositive视为让这部分投入产生更高回报的工具。SEC

所以从Netflix角度：

哪怕InterPositive最终只让部分制作成本降低：

1%

2%

3%，

放在Netflix巨大的年度内容投入上，

都有可能价值数亿美元。

十、这就是大公司收购AI公司的正确估值方法

不要问：

这个Startup今年Revenue多少？

要问：

它能改变母公司的Cost Curve多少？

例如：

一家大型保险公司每年处理：

100亿美元理赔。

一个AI系统如果降低：

1%欺诈损失，

就是：

1亿美元。

所以它可能值：

十几亿美元。

同样：

Netflix每年投入巨额内容预算。

如果AI使：

补拍、

VFX、

后期、

制作周期

系统性降低，

它就是一个：

Margin Expansion Engine

利润率扩张机器。

十一、Netflix买InterPositive还有一层更深的意义：它在做“电影行业的AWS”

Netflix过去只是：

Distribution Platform。

发行平台。

后来变成：

Studio。

现在继续往下进入：

Production Infrastructure

制作基础设施。

如果Netflix未来拥有：

AI后期

virtual production

asset management

localization

recommendation

广告

发行

那么Netflix不只是：

“拍电影的人”。

而可能成为：

电影生产操作系统。

十二、这和Amazon真正厉害的地方非常相似

Amazon最开始：

卖书。

后来发现自己内部为了运营电商建设的基础设施，

可以对外卖。

于是出现：

AWS。

Netflix也可能发生类似演化。

Netflix内部为了：

制作内容

翻译

配音

视觉效果

推荐

剪辑

营销

训练出来的技术，

最终可能成为影视行业基础设施。

InterPositive很可能就是这个方向的一块拼图。

十三、但Affleck真正聪明的地方，是他没有从“AI技术”出发，而是从“电影人的痛点”出发

这是技术创业特别值得学的地方。

最危险的创业方式：

我有AI，看它可以用在哪里。

更好的方式：

我做这个行业30年，我知道最痛的地方在哪里，再看AI能不能解决。

Affleck显然属于第二种。

这叫：

Founder-Market Fit

创始人与市场匹配。

十四、为什么一个电影导演可能比一个顶级AI研究员更适合做电影AI？

不是因为他懂Transformer更多。

而是因为他知道：

什么问题值得解决。

工程师可能觉得：

生成一个漂亮视频，

已经很好。

导演看到的却是：

角色位置错了。

视线不对。

焦距错了。

blocking不合理。

continuity断裂。

色温不连续。

emotion不对。

这叫：

Tacit Knowledge

隐性知识。

十五、很多最伟大的AI公司未来都会来自“行业内部的人”

这一点非常重要。

下一代AI创业公司可能不是：

AI PhD找行业。

而是：

律师 + AI工程师

医生 + AI工程师

银行家 + AI工程师

导演 + AI工程师

制造工程师 + AI工程师。

因为：

模型越来越容易获得。

但行业Know-how非常难获得。

十六、Affleck的“Late-stage Fine-Tuning”最重要的不是技术新颖，而是资本效率

他的思路大致是：

不要重新训练一个：

“什么是人、什么是红色、什么是汽车”的世界模型。

这些基础知识：

开源模型已经花掉巨额计算资源学过。

所以直接：

现有基础模型

↓

解冻权重

↓

继续训练

↓

加入电影工业知识。

Affleck自己在Bloomberg现场也用“unfreeze the weights”描述这个过程。LinkedIn

十七、这其实是未来AI创业最重要的一条规律：不要重复烧掉基础模型已经花的钱

未来大量Vertical AI公司都会这样：

Foundation Model

↓

Domain Fine-tune / Post-training

↓

Proprietary Data

↓

Workflow Integration

↓

Industry Application

真正的护城河不是：

“我也训练了一个大模型”。

而是：

最后一公里。

十八、AI的“最后一公里”通常最赚钱

互联网也是这样。

TCP/IP不是最赚钱的。

应用层出现：

Amazon

Google

Facebook。

智能手机也是一样。

ARM芯片重要。

iOS重要。

但巨大价值产生在：

Uber

Instagram

TikTok

Airbnb。

AI也一样。

基础模型可能价值极高，

但真正数万亿美元应用价值会出现在：

Vertical Workflow。

十九、Affleck真正反对的不是AI，而是“Commodity AI”

这一点必须分清。

他过去对通用AI生成电影持非常强烈怀疑态度。

但现在他自己：

成立AI公司，

卖给Netflix，

并在《Animals》中大量使用AI。Reuters Connect

这并不矛盾。

因为他反对的是：

AI替代判断。

而支持：

AI放大判断。

这两个哲学完全不同。

二十、这可能是未来“Creative AI”最重要的分界线

一种模式：

Prompt：

“给我做一部电影。”

机器：

生成。

另一种：

导演：

已经拥有视觉判断和叙事判断。

AI负责：

把执行成本降下来。

前一种是：

AI as Creator

后一种是：

AI as Production Leverage

Affleck赌的是第二种。

二十一、这和摄影机出现时的争论非常像

19世纪摄影出现以后，

画家担心：

绘画要死。

结果：

绘画没有消失。

反而从：

记录现实

转向：

印象派

现代艺术

抽象艺术。

因为机械设备接管：

“准确复制现实”。

人类向：

判断

表达

风格

迁移。

AI也可能重复这个过程。

二十二、所以AI不会让Taste贬值，反而可能让Taste升值

这一点和我们前面讲KITH其实完全连接起来了。

AI让：

写作

图片

视频

代码

越来越便宜。

于是：

Production Cost ↓

但同时：

Content Supply ↑↑↑

内容越来越多以后：

真正稀缺的反而是：

Taste + Judgment

品味与判断。

未来电影人最大的价值可能越来越不是：

“我会操作软件。”

而是：

我知道什么值得做。

二十三、Christopher Nolan最稀缺的不是摄影机技术

任何大制片厂都可以买：

IMAX摄影机。

但买不到：

Nolan的判断。

同样：

任何品牌可以买：

Photoshop。

但买不到：

顶级设计师的taste。

所以AI把工具民主化之后：

Judgment Premium

判断力溢价

反而可能上升。

二十四、Affleck另外一个真正厉害的实验，其实是Artists Equity

如果说：

InterPositive解决的是：

Production Efficiency

生产效率。

Artists Equity解决的是：

Incentive Efficiency

激励效率。

两个放在一起：

效率革命才完整。

二十五、好莱坞最大的问题之一，不是电影太贵，而是“大家经济利益不一致”

传统制作结构：

投资人：

承担资本风险。

明星：

拿Guaranteed Fee。

导演：

拿Guaranteed Fee。

Crew：

拿工资。

制片厂：

承担最终风险。

于是一个非常典型的Principal-Agent Problem出现。

经济学叫：

委托—代理问题。

二十六、什么叫委托—代理问题？

老板希望：

公司长期赚钱。

经理可能希望：

今年奖金最高。

投资者希望：

电影赚钱。

明星可能更在乎：

拿到2000万美元片酬。

导演可能更在乎：

艺术野心。

Crew可能更关心：

工时。

每个人都理性。

但：

整个系统可能不理性。

二十七、《Gigli》就是Affleck自己的“失败MBA案例”

他后来公开谈到：

自己在《Gigli》拿到了巨额预付片酬，

但电影亏钱。

他表示这种结构令自己不舒服；另一方面，很多工作人员参与了成功影片，却又常常看不到所谓“后端利润”。Yahoo

《Gigli》当年Ben Affleck片酬公开报道约：

1250万美元。 IMDb

电影成败：

他的downside有限。

这就是：

Asymmetric Payoff

收益结构不对称。

二十八、华尔街早就知道怎么解决这个问题：Skin in the Game

基金经理自己投钱。

创业者持股。

CEO拿股票。

VC用carry。

为什么？

因为最重要的管理原则之一：

让决策者承担决策后果。

Artists Equity其实只是把这一套：

搬进Hollywood。

二十九、《The Rip》的突破非常具体

《The Rip》是Artists Equity与Netflix合作的电影，2026年1月16日上线。Home | Artists Equity

他们和Netflix谈出了performance-based bonus。

最关键的是：

不仅明星。

而且包括：

grips

electricians

camera crew

其他below-the-line crew。

Matt Damon公开表示：

如果达到特定表现目标，一些工作人员奖金甚至可以使收入翻倍。GQ

TheWrap报道这套安排覆盖大约：

1,200名剧组人员。 TheWrap

这非常重要。

三十、为什么给Grip和Electrician分红，可能真的提升电影质量？

因为行为改变。

传统模式：

“今天拍完，我拿工资。”

新模式：

“电影表现更好，我有额外收益。”

那么很多人可能会：

更主动解决问题。

更在意预算。

更愿意提出建议。

更少浪费。

这就是：

Ownership Mentality

所有者心态。

三十一、这其实是Netflix版本的“员工股权”

硅谷早就知道：

纯工资无法产生极强ownership。

于是：

Salary + Equity。

电影行业过去的backend主要集中在：

顶级演员

导演

制片人。

Artists Equity尝试：

扩大Profit Participation。

如果成功：

Hollywood会越来越接近：

Startup Economics。

三十二、这才是Artists Equity这个名字真正的意义

Equity不是“公平”那么简单。

它同时包含：

公平

所有权

参与收益。

也就是说：

Artists Equity真正的问题不是：

“给工作人员多发一点钱。”

而是：

谁应该拥有作品创造出来的经济价值？

这已经变成资本结构问题。

三十三、但你原稿里的“所有主创纯股权化”目前需要谨慎表达

你写：

主创只拿工会最低工资，剩余全部同股同权。

这种模式Affleck确实讨论过，并且Artists Equity的整体方向就是扩大profit participation。公司官方定义也是通过creator partnerships扩大利润参与。Home | Artists Equity

但是不宜写成：

所有Artists Equity项目都固定如此。

他们自己明确表示：

不同项目规模、参与者、成本不同，

交易结构也会不同。Google Groups

所以更严谨：

Artists Equity试图根据项目情况降低部分固定前置报酬，并用更高的绩效奖金或后端参与把创作者与项目最终表现绑定。

三十四、“节省30%预算”也不要直接当行业事实

如果这是Affleck采访中的估算，

应该标成：

Affleck的估算/判断。

因为影视成本由很多因素组成：

明星片酬

场地

工会

保险

VFX

融资

税收抵免

营销

加班

设备。

激励机制可以减少浪费，

但不存在一个普遍经济定律：

“Profit Sharing = 节省30%”。

三十五、不过这里确实存在一个非常大的效率红利：Hollywood的“Agency Cost”

金融学里面有个概念：

Agency Cost

代理成本。

当：

出钱的人

和

花钱的人

不是同一个人，

浪费通常会增加。

大型电影尤其严重。

100万美元的浪费，

对于：

拿工资的个人来说，

可能无所谓。

对于：

自己的公司，

完全不同。

三十六、所以Artists Equity本质是在降低Agency Cost

传统：

Studio Capital

↓

Producer

↓

Director

↓

Talent

↓

Crew。

利益一路分层。

Artists Equity试图把：

更多参与者的经济利益

和：

最终成功

绑定。

于是：

Agency Cost下降。

理论上：

资本效率提高。

三十七、这和Private Equity改善企业的核心逻辑其实非常接近

好的PE并不只是：

裁员。

而是：

重新设计：

Management Incentive。

例如：

CEO持股。

管理层有earn-out。

达到EBITDA目标：

奖励增加。

为什么？

因为激励改变：

行为改变。

Artists Equity在Hollywood做的是类似事情。

三十八、Netflix为什么会愿意接受这种模式？

Netflix过去最喜欢：

Buyout。

一次给钱。

以后：

作品成功多少，

成本比较确定。

这对财务管理很舒服。

但问题是：

如果大家已经拿完钱：

未来成功与自己无关。

Artists Equity提出：

少一点Guaranteed Economics，

多一点Performance Economics。

Netflix可能因此：

降低front-end risk，

同时让制作者更投入。

这是：

Risk Sharing

风险共享。

三十九、如果这个模式成熟，好莱坞可能出现一种“电影创业公司化”

以后拍电影可能像创业。

一个团队：

导演

演员

编剧

摄影

制片

不是单纯：

接一份job。

而是：

共同创建一个资产。

拍摄期间：

收入相对有限。

成功以后：

分享upside。

这会让：

电影项目越来越像：

Project-based Startup

项目型创业公司。

四十、而AI会让这种模式更加可行

为什么？

因为AI降低：

固定制作成本。

假设以前：

独立电影成本：

$30M。

AI后期、

virtual production、

previs

把它降到：

$20M。

同时创作者愿意把：

部分固定片酬

转换成：

backend。

那么资本需求可能进一步下降到：

$15M。

这时候：

独立电影的IRR结构完全变化。

四十一、所以InterPositive + Artists Equity其实是一个完整资本模型

一边：

降低Cost。

AI降低制作成本。

另一边：

重构Risk。

利润分成降低前期现金压力。

最终：

提升ROIC。

这才是Affleck做的事情最聪明的一层。

四十二、你甚至可以把它写成一个简单公式

传统电影：

Return = Box Office / Streaming Revenue − Huge Fixed Cost

Affleck想变成：

Return = Better Content Revenue − Lower Production Cost − More Variable Compensation

固定成本降低。

变动成本增加。

什么意思？

电影失败：

资本损失更小。

电影成功：

创作者赚得更多。

这是非常漂亮的：

Variable Cost Structure。

四十三、这和航空公司、软件公司之间的差异很像

固定成本越高：

风险越大。

电影本来就是：

高固定成本

极不确定收入。

这是非常危险的组合。

Artists Equity希望把：

一部分固定成本

变成：

绩效成本。

从金融工程角度：

这可以提高抗风险能力。

四十四、AI对电影真正最大的冲击，可能不是减少演员，而是减少“资本门槛”

过去拍：

一部工业级电影

可能需要：

$100M。

未来同等级视觉表达：

也许：

$40M。

再未来：

$20M。

结果不是：

电影消失。

而可能是：

更多人可以拍电影。

这叫：

Democratization of Production。

四十五、历史上技术降低成本以后，内容通常不是减少，而是爆炸

印刷机：

没有让作者减少。

书变多。

数码相机：

没有让摄影消失。

照片爆炸。

YouTube：

没有让电视内容减少。

视频爆炸。

AI：

很可能不是让电影减少。

而是：

影视供给爆炸。

四十六、真正的危机反而是“Attention Deflation”

内容越来越多。

人的时间：

仍然24小时。

所以：

Content Supply ↑↑↑

Attention Supply →

于是：

每一个内容单位能够获得的平均注意力下降。

这才是未来影视业最大的经济问题之一。

不是：

能不能生产内容。

而是：

谁能让人愿意花两个小时？

四十七、因此电影未来最大的护城河不是Production，而是Demand

这点尤其值得投资人记住。

AI解决：

Supply。

但是AI不能自动解决：

Demand。

你一天可以生成：

10万部电影。

但消费者只看：

一部。

所以内容产业未来最稀缺的资产可能变成：

品牌

IP

明星

导演

社区

可信推荐

发行能力

注意力。

四十八、这也是为什么Netflix仍然需要Ben Affleck

如果未来AI真的可以：

自动拍电影，

Netflix为什么花近6亿美元收购一个：

电影导演创办的AI公司？

恰恰说明：

Hollywood真正需要的是：

Technology × Taste

而不是：

Technology alone。

四十九、Affleck对AI最有价值的一句话，本质是：Human Judgment不能外包

Netflix官方引用他的思路时特别强调：

电影中最需要保护的是：

judgment。

这种判断需要：

几十年经验形成。About Netflix

这和我们前面分析Ronnie Fieg完全一致。

未来AI会把：

Execution

变便宜。

因此：

Judgment

会变贵。

五十、这是一条未来十年非常重要的财富规律

AI时代：

普通执行能力

价格下降。

顶级判断力

价格上升。

所以职业成长应该从：

“我会做什么？”

升级成：

“我能判断什么？”

程序员：

不仅写代码。

要判断：

什么产品值得做。

设计师：

不仅做图。

判断：

什么是好设计。

投资人：

AI可以看100万份财报。

但：

买哪家公司，

仍然需要判断。

导演也是一样。

五十一、真正会被AI首先压缩的，是“中间层执行劳动”

最底层：

现场复杂劳动暂时难完全替代。

最顶层：

判断

品味

决策

IP

关系

仍然稀缺。

中间层：

重复写作

重复后期

基础设计

简单分析

标准化剪辑

最容易被AI压缩。

这很可能是未来劳动力市场的重要结构：

Barbell Economy

哑铃型经济。

五十二、Affleck担心年轻人“Learned Helplessness”，其实触及的是AI时代一个更大的风险

AI真正危险的一点不是：

机器变聪明。

而可能是：

人类停止训练自己。

假设一个18岁学生：

所有essay让AI写。

所有代码让AI写。

所有研究让AI总结。

那么25岁以后：

AI虽然很强，

但这个人本身没有形成：

Mental Model。

五十三、这是AI时代教育最大的悖论

AI越强：

学习越容易。

但是：

真正形成能力，

可能反而越来越难。

为什么？

因为：

能力来自：

Struggle。

挣扎。

做错。

修改。

思考。

如果AI把“困难部分”全部拿走：

结果可能是：

产出增加，

能力下降。

五十四、所以未来真正高级的人会主动保留“认知健身房”

就像电梯发明以后：

人不需要爬楼。

结果：

人又花钱去健身房跑步。

AI时代也一样。

你技术上不用：

心算。

写作。

编程。

研究。

但是为了保持：

Mental Fitness，

可能仍然需要主动训练。

这可能成为未来教育最重要的理念之一：

Cognitive Exercise。

五十五、最后站到资本最高层，把Ben Affleck这整件事情串起来

很多人看到的是：

演员做AI Startup。

我看到的是三个资产重新组合。

第一：

Intellectual Property

电影IP。

第二：

Artificial Intelligence

生产工具。

第三：

Equity Incentives

资本激励。

把三件事情组合起来：

IP

产生需求。

AI

降低成本。

Equity

改善激励。

最终结果就是：

更高的资本回报率。

这才是商业核心。

五十六、如果这个模型成功，未来Hollywood公司可能不再长得像传统Studio

未来可能是：

10个顶级导演

50个制片人

200个核心员工

大量AI

项目型自由职业人员

利润参与制。

而不是：

庞大的永久组织。

这就是：

Hollywood as a Network

而不是：

Hollywood as a Factory。

五十七、这其实是整个知识经济未来的缩影

电影只是第一个案例之一。

未来：

律师事务所

投资银行

广告公司

咨询公司

建筑设计

游戏公司

都会逐渐出现：

AI生产力

小核心团队

项目制人才

利润分成。

传统公司：

Employee Economy。

未来越来越可能是：

Ownership Economy。

五十八、所以真正值得创业者从Affleck身上学的有六件事

第一，不要重新造Foundation Model。

利用现有基础设施，做你行业最值钱的最后10%。

第二，数据必须自己控制。

模型会商品化。

高质量专有数据不会。

第三，不要用AI替代专家判断。

用AI放大专家判断。

第四，寻找行业最贵的摩擦成本。

不是做炫技demo。

而是解决真钱的问题。

第五，把固定成本变成变量成本。

让风险由参与者共同承担。

第六，让创造价值的人分享价值。

这是最强的激励工具之一。

五十九、如果我是投资人，我真正会盯InterPositive的也不是“AI生成画面有多漂亮”

我会盯五个指标：

每部电影：

减少多少补拍成本？

缩短多少Post-production时间？

减少多少VFX人工小时？

多少镜头真正进入最终成片？

是否可以重复应用到Netflix数百部内容？

因为最终5.87亿美元到底贵不贵：

不是看Demo。

而看：

Annual Cost Savings + Incremental Content Value。

六十、最终，这件事情最值钱的一层认知

很多人认为：

AI革命意味着：

机器替代人。

Ben Affleck正在测试的是另一种可能：

让最有经验的人拥有更大的杠杆。

如果这个方向成立，

未来最危险的人不是：

“懂AI的人”。

也不是：

“只懂行业的人”。

真正最强的人会是：

Domain Expert × AI × Capital

行业专家

×

AI工具

×

资本与所有权。

这种人可能把：

过去需要1000人的事情，

变成100人。

把：

过去需要1亿美元的项目，

变成3000万美元。

但是同时：

质量不下降，

甚至提高。

这才是AI真正会改变资本主义生产方式的地方。

所以如果要把整场Ben Affleck访谈压缩成一句真正值得记住的话，我会写：

AI最先摧毁的不会是创造力，而是创造力周围那些昂贵、低效、重复的摩擦；而当这些摩擦被消灭以后，真正稀缺的将不再是“会制作内容的人”，而是拥有判断力、版权资产、专有数据和经济所有权的人。

这比讨论“AI什么时候能自动生成一部电影”，重要得多。