從“被 AI 取代”的恐慌到影視生產力落地：Ben Affleck 談電影工業的激勵畸變與道德分歧

這份材料裏真正值得研究的，不是“一個好萊塢明星懂 AI”這麼簡單。

Ben Affleck 這次做的事情，實際上同時擊中了未來影視產業的三個核心矛盾：

AI到底應該替代誰？

訓練數據到底屬於誰？

電影賺錢以後，到底應該怎麼分錢？

把 InterPositive、Netflix 和 Artists Equity 放在一起看，你會發現 Affleck 在嘗試重寫的並不是一個後期製作軟件，而是整個內容工業的生產函數 + 所有權結構 + 激勵機制。

而且先糾正你原稿裏幾個重要事實。

Netflix 已於 2026年3月正式收購 InterPositive，Netflix官方確認 Ben Affleck 創辦了這家電影技術公司，整個團隊加入 Netflix，Affleck成爲 Netflix 的 Senior Advisor。Netflix後續SEC文件披露，3月完成的一筆收購現金對價約 5.87億美元；結合Netflix公告與後續報道，這筆交易對應InterPositive。About Netflix

另外，《Animals》不是12月9日上線，而是 2026年10月9日在Netflix上線，並在部分影院上映。Netflix官方頁面已經確認。Netflix

更重要的是，Affleck現在已經確認：

他在《Animals》中“很多地方”使用了AI。

但他刻意不公佈具體鏡頭，因爲他認爲電影本質上仍然需要維護“現實幻覺”。Reuters Connect

這句話其實非常重要。

一、InterPositive真正值5.87億美元的，不是“AI模型”

很多人第一反應：

Ben Affleck訓練了一個AI模型，

Netflix花了5.87億美元買它。

如果這麼理解，這筆交易會顯得非常離譜。

因爲今天訓練視頻模型的公司很多。

開源模型也越來越多。

真正值錢的東西其實是三個資產疊加：

版權乾淨的數據集

電影工業Know-how

已經嵌入真實製片流程的Workflow

Netflix自己介紹InterPositive時明確表示，Affleck和一個小型工程師、研究人員及創作者團隊，專門在受控攝影棚裏拍攝自己的 proprietary dataset，而不是簡單抓取互聯網影視作品。About Netflix

這纔是核心。

二、未來AI最大的護城河，很可能不是模型，而是“合法、高質量、行業原生數據”

這是一個非常重要的AI投資邏輯。

今天大家都討論：

GPT、

Claude、

Gemini、

視頻模型。

但基礎模型正在越來越商品化。

真正長期有價值的可能變成：

Proprietary Data

專有數據。

尤其是：

高質量 + 權利明確 + 行業高度專業化的數據。

電影行業尤其明顯。

YouTube上的100萬小時視頻，

不等於：

100小時專業電影數據。

因爲專業電影畫面包含：

鏡頭焦段

燈光

攝影機運動

景深

動態範圍

色彩科學

曝光

演員blocking

連續性

production design

VFX plate

這些東西纔是：

Domain Knowledge

領域知識。

三、這和金融AI、醫療AI其實完全是同一個商業邏輯

未來通用模型可能大家都能獲得。

真正值錢的是：

Bloomberg擁有幾十年的金融數據。

醫院擁有醫學影像。

保險公司擁有理賠數據。

製造廠擁有機器運行數據。

好萊塢擁有：

幾十年的高質量製作數據。

所以AI商業模式會越來越從：

誰擁有最強模型？

轉向：

誰擁有別人合法拿不到的數據？

這個問題的含金量非常高。

四、InterPositive實際上在做一種“AI數據主權”

這可能是整個故事裏最值得創業者學習的概念之一。

Affleck公開解釋他的工作流時說：

電影製作過程中，可以基於創作者自己的素材訓練一個屬於該項目的離散模型，而且這種學習成果仍然屬於製作方自己。LinkedIn

這意味着：

以前：

素材 → 後期公司。

未來可能是：

素材

↓

Film-specific Model

↓

持續學習

↓

這個模型本身成爲影片資產。

於是電影資產不再只有：

劇本、

原始素材、

成片、

版權。

還多了一樣東西：

Production Model

製作模型。

五、這個變化非常大：未來每一部電影都可能擁有自己的“小模型”

假設你拍《Batman》。

訓練階段已經拍攝：

演員臉部

服裝

Wayne Manor

Batmobile

燈光

Gotham場景。

於是製作過程中逐漸形成：

Batman Production Model

以後需要補：

一個背景。

一個反射。

一個遠景。

一個天氣。

一個缺失鏡頭。

可能不必重新搭景、重新召集100個人。

模型已經理解：

這部電影的視覺世界。

六、這比“Text-to-Video一鍵生成電影”現實得多

AI圈特別容易犯一個錯誤：

把終極未來當成近期商業模式。

大家想象：

輸入：

給我生成一部兩小時Christopher Nolan電影。

然後AI直接生成。

非常性感。

但產業真正首先發生的通常不是：

100%替代。

而是：

5% → 10% → 20%的流程自動化。

歷史上幾乎所有重大技術都是這樣。

七、Excel沒有首先取代會計，而是先取代計算器

Photoshop沒有首先消滅攝影師。

它首先改變：

修圖。

CAD沒有首先消滅建築師。

它首先改變：

繪圖。

AI進入電影工業也是一樣。

它首先攻擊的是：

最昂貴、

最重複、

最機械、

最適合計算機處理的環節。

比如：

背景修復

物體刪除

鏡頭擴展

continuity correction

lighting correction

reshoot replacement

previsualization

rotoscoping

VFX cleanup。

八、所以真正值得投資的AI不是“替導演”，而是“消滅摩擦成本”

這是一個非常重要的創業原則。

技術創業者最容易說：

我要顛覆整個行業。

真正高質量的創業者問：

這個行業最貴、最慢、最煩、最重複的步驟是什麼？

先解決那個。

電影工業一個非常典型的問題：

一個鏡頭可能因爲：

背景穿幫

某個道具不對

燈光不連續

演員視線有問題

需要重拍。

重拍可能意味着：

重新找演員

重新租攝影棚

重新召集crew

重新布光。

成本可能幾十萬甚至幾百萬美元。

如果AI能解決其中50%：

商業價值已經巨大。

九、這就是5.87億美元估值背後的另一層邏輯：Netflix買的是“內容成本壓縮器”

Netflix真正最大的成本之一是什麼？

不是App。

不是服務器。

而是：

Content

內容。

Netflix自己在2026年一季度文件中明確表示，內容是它最大的支出領域之一，並把InterPositive視爲讓這部分投入產生更高回報的工具。SEC

所以從Netflix角度：

哪怕InterPositive最終只讓部分製作成本降低：

1%

2%

3%，

放在Netflix巨大的年度內容投入上，

都有可能價值數億美元。

十、這就是大公司收購AI公司的正確估值方法

不要問：

這個Startup今年Revenue多少？

要問：

它能改變母公司的Cost Curve多少？

例如：

一家大型保險公司每年處理：

100億美元理賠。

一個AI系統如果降低：

1%欺詐損失，

就是：

1億美元。

所以它可能值：

十幾億美元。

同樣：

Netflix每年投入鉅額內容預算。

如果AI使：

補拍、

VFX、

後期、

製作週期

系統性降低，

它就是一個：

Margin Expansion Engine

利潤率擴張機器。

十一、Netflix買InterPositive還有一層更深的意義：它在做“電影行業的AWS”

Netflix過去只是：

Distribution Platform。

發行平臺。

後來變成：

Studio。

現在繼續往下進入：

Production Infrastructure

製作基礎設施。

如果Netflix未來擁有：

AI後期

virtual production

asset management

localization

recommendation

廣告

發行

那麼Netflix不只是：

“拍電影的人”。

而可能成爲：

電影生產操作系統。

十二、這和Amazon真正厲害的地方非常相似

Amazon最開始：

賣書。

後來發現自己內部爲了運營電商建設的基礎設施，

可以對外賣。

於是出現：

AWS。

Netflix也可能發生類似演化。

Netflix內部爲了：

製作內容

翻譯

配音

視覺效果

推薦

剪輯

營銷

訓練出來的技術，

最終可能成爲影視行業基礎設施。

InterPositive很可能就是這個方向的一塊拼圖。

十三、但Affleck真正聰明的地方，是他沒有從“AI技術”出發，而是從“電影人的痛點”出發

這是技術創業特別值得學的地方。

最危險的創業方式：

我有AI，看它可以用在哪裏。

更好的方式：

我做這個行業30年，我知道最痛的地方在哪裏，再看AI能不能解決。

Affleck顯然屬於第二種。

這叫：

Founder-Market Fit

創始人與市場匹配。

十四、爲什麼一個電影導演可能比一個頂級AI研究員更適合做電影AI？

不是因爲他懂Transformer更多。

而是因爲他知道：

什麼問題值得解決。

工程師可能覺得：

生成一個漂亮視頻，

已經很好。

導演看到的卻是：

角色位置錯了。

視線不對。

焦距錯了。

blocking不合理。

continuity斷裂。

色溫不連續。

emotion不對。

這叫：

Tacit Knowledge

隱性知識。

十五、很多最偉大的AI公司未來都會來自“行業內部的人”

這一點非常重要。

下一代AI創業公司可能不是：

AI PhD找行業。

而是：

律師 + AI工程師

醫生 + AI工程師

銀行家 + AI工程師

導演 + AI工程師

製造工程師 + AI工程師。

因爲：

模型越來越容易獲得。

但行業Know-how非常難獲得。

十六、Affleck的“Late-stage Fine-Tuning”最重要的不是技術新穎，而是資本效率

他的思路大致是：

不要重新訓練一個：

“什麼是人、什麼是紅色、什麼是汽車”的世界模型。

這些基礎知識：

開源模型已經花掉鉅額計算資源學過。

所以直接：

現有基礎模型

↓

解凍權重

↓

繼續訓練

↓

加入電影工業知識。

Affleck自己在Bloomberg現場也用“unfreeze the weights”描述這個過程。LinkedIn

十七、這其實是未來AI創業最重要的一條規律：不要重複燒掉基礎模型已經花的錢

未來大量Vertical AI公司都會這樣：

Foundation Model

↓

Domain Fine-tune / Post-training

↓

Proprietary Data

↓

Workflow Integration

↓

Industry Application

真正的護城河不是：

“我也訓練了一個大模型”。

而是：

最後一公里。

十八、AI的“最後一公里”通常最賺錢

互聯網也是這樣。

TCP/IP不是最賺錢的。

應用層出現：

Amazon

Google

Facebook。

智能手機也是一樣。

ARM芯片重要。

iOS重要。

但巨大價值產生在：

Uber

Instagram

TikTok

Airbnb。

AI也一樣。

基礎模型可能價值極高，

但真正數萬億美元應用價值會出現在：

Vertical Workflow。

十九、Affleck真正反對的不是AI，而是“Commodity AI”

這一點必須分清。

他過去對通用AI生成電影持非常強烈懷疑態度。

但現在他自己：

成立AI公司，

賣給Netflix，

並在《Animals》中大量使用AI。Reuters Connect

這並不矛盾。

因爲他反對的是：

AI替代判斷。

而支持：

AI放大判斷。

這兩個哲學完全不同。

二十、這可能是未來“Creative AI”最重要的分界線

一種模式：

Prompt：

“給我做一部電影。”

機器：

生成。

另一種：

導演：

已經擁有視覺判斷和敘事判斷。

AI負責：

把執行成本降下來。

前一種是：

AI as Creator

後一種是：

AI as Production Leverage

Affleck賭的是第二種。

二十一、這和攝影機出現時的爭論非常像

19世紀攝影出現以後，

畫家擔心：

繪畫要死。

結果：

繪畫沒有消失。

反而從：

記錄現實

轉向：

印象派

現代藝術

抽象藝術。

因爲機械設備接管：

“準確複製現實”。

人類向：

判斷

表達

風格

遷移。

AI也可能重複這個過程。

二十二、所以AI不會讓Taste貶值，反而可能讓Taste升值

這一點和我們前面講KITH其實完全連接起來了。

AI讓：

寫作

圖片

視頻

代碼

越來越便宜。

於是：

Production Cost ↓

但同時：

Content Supply ↑↑↑

內容越來越多以後：

真正稀缺的反而是：

Taste + Judgment

品味與判斷。

未來電影人最大的價值可能越來越不是：

“我會操作軟件。”

而是：

我知道什麼值得做。

二十三、Christopher Nolan最稀缺的不是攝影機技術

任何大製片廠都可以買：

IMAX攝影機。

但買不到：

Nolan的判斷。

同樣：

任何品牌可以買：

Photoshop。

但買不到：

頂級設計師的taste。

所以AI把工具民主化之後：

Judgment Premium

判斷力溢價

反而可能上升。

二十四、Affleck另外一個真正厲害的實驗，其實是Artists Equity

如果說：

InterPositive解決的是：

Production Efficiency

生產效率。

Artists Equity解決的是：

Incentive Efficiency

激勵效率。

兩個放在一起：

效率革命才完整。

二十五、好萊塢最大的問題之一，不是電影太貴，而是“大家經濟利益不一致”

傳統制作結構：

投資人：

承擔資本風險。

明星：

拿Guaranteed Fee。

導演：

拿Guaranteed Fee。

Crew：

拿工資。

製片廠：

承擔最終風險。

於是一個非常典型的Principal-Agent Problem出現。

經濟學叫：

委託—代理問題。

二十六、什麼叫委託—代理問題？

老闆希望：

公司長期賺錢。

經理可能希望：

今年獎金最高。

投資者希望：

電影賺錢。

明星可能更在乎：

拿到2000萬美元片酬。

導演可能更在乎：

藝術野心。

Crew可能更關心：

工時。

每個人都理性。

但：

整個系統可能不理性。

二十七、《Gigli》就是Affleck自己的“失敗MBA案例”

他後來公開談到：

自己在《Gigli》拿到了鉅額預付片酬，

但電影虧錢。

他表示這種結構令自己不舒服；另一方面，很多工作人員參與了成功影片，卻又常常看不到所謂“後端利潤”。Yahoo

《Gigli》當年Ben Affleck片酬公開報道約：

1250萬美元。 IMDb

電影成敗：

他的downside有限。

這就是：

Asymmetric Payoff

收益結構不對稱。

二十八、華爾街早就知道怎麼解決這個問題：Skin in the Game

基金經理自己投錢。

創業者持股。

CEO拿股票。

VC用carry。

爲什麼？

因爲最重要的管理原則之一：

讓決策者承擔決策後果。

Artists Equity其實只是把這一套：

搬進Hollywood。

二十九、《The Rip》的突破非常具體

《The Rip》是Artists Equity與Netflix合作的電影，2026年1月16日上線。Home | Artists Equity

他們和Netflix談出了performance-based bonus。

最關鍵的是：

不僅明星。

而且包括：

grips

electricians

camera crew

其他below-the-line crew。

Matt Damon公開表示：

如果達到特定表現目標，一些工作人員獎金甚至可以使收入翻倍。GQ

TheWrap報道這套安排覆蓋大約：

1,200名劇組人員。 TheWrap

這非常重要。

三十、爲什麼給Grip和Electrician分紅，可能真的提升電影質量？

因爲行爲改變。

傳統模式：

“今天拍完，我拿工資。”

新模式：

“電影表現更好，我有額外收益。”

那麼很多人可能會：

更主動解決問題。

更在意預算。

更願意提出建議。

更少浪費。

這就是：

Ownership Mentality

所有者心態。

三十一、這其實是Netflix版本的“員工股權”

硅谷早就知道：

純工資無法產生極強ownership。

於是：

Salary + Equity。

電影行業過去的backend主要集中在：

頂級演員

導演

製片人。

Artists Equity嘗試：

擴大Profit Participation。

如果成功：

Hollywood會越來越接近：

Startup Economics。

三十二、這纔是Artists Equity這個名字真正的意義

Equity不是“公平”那麼簡單。

它同時包含：

公平

所有權

參與收益。

也就是說：

Artists Equity真正的問題不是：

“給工作人員多發一點錢。”

而是：

誰應該擁有作品創造出來的經濟價值？

這已經變成資本結構問題。

三十三、但你原稿裏的“所有主創純股權化”目前需要謹慎表達

你寫：

主創只拿工會最低工資，剩餘全部同股同權。

這種模式Affleck確實討論過，並且Artists Equity的整體方向就是擴大profit participation。公司官方定義也是通過creator partnerships擴大利潤參與。Home | Artists Equity

但是不宜寫成：

所有Artists Equity項目都固定如此。

他們自己明確表示：

不同項目規模、參與者、成本不同，

交易結構也會不同。Google Groups

所以更嚴謹：

Artists Equity試圖根據項目情況降低部分固定前置報酬，並用更高的績效獎金或後端參與把創作者與項目最終表現綁定。

三十四、“節省30%預算”也不要直接當行業事實

如果這是Affleck採訪中的估算，

應該標成：

Affleck的估算/判斷。

因爲影視成本由很多因素組成：

明星片酬

場地

工會

保險

VFX

融資

稅收抵免

營銷

加班

設備。

激勵機制可以減少浪費，

但不存在一個普遍經濟定律：

“Profit Sharing = 節省30%”。

三十五、不過這裏確實存在一個非常大的效率紅利：Hollywood的“Agency Cost”

金融學裏面有個概念：

Agency Cost

代理成本。

當：

出錢的人

和

花錢的人

不是同一個人，

浪費通常會增加。

大型電影尤其嚴重。

100萬美元的浪費，

對於：

拿工資的個人來說，

可能無所謂。

對於：

自己的公司，

完全不同。

三十六、所以Artists Equity本質是在降低Agency Cost

傳統：

Studio Capital

↓

Producer

↓

Director

↓

Talent

↓

Crew。

利益一路分層。

Artists Equity試圖把：

更多參與者的經濟利益

和：

最終成功

綁定。

於是：

Agency Cost下降。

理論上：

資本效率提高。

三十七、這和Private Equity改善企業的核心邏輯其實非常接近

好的PE並不只是：

裁員。

而是：

重新設計：

Management Incentive。

例如：

CEO持股。

管理層有earn-out。

達到EBITDA目標：

獎勵增加。

爲什麼？

因爲激勵改變：

行爲改變。

Artists Equity在Hollywood做的是類似事情。

三十八、Netflix爲什麼會願意接受這種模式？

Netflix過去最喜歡：

Buyout。

一次給錢。

以後：

作品成功多少，

成本比較確定。

這對財務管理很舒服。

但問題是：

如果大家已經拿完錢：

未來成功與自己無關。

Artists Equity提出：

少一點Guaranteed Economics，

多一點Performance Economics。

Netflix可能因此：

降低front-end risk，

同時讓製作者更投入。

這是：

Risk Sharing

風險共享。

三十九、如果這個模式成熟，好萊塢可能出現一種“電影創業公司化”

以後拍電影可能像創業。

一個團隊：

導演

演員

編劇

攝影

製片

不是單純：

接一份job。

而是：

共同創建一個資產。

拍攝期間：

收入相對有限。

成功以後：

分享upside。

這會讓：

電影項目越來越像：

Project-based Startup

項目型創業公司。

四十、而AI會讓這種模式更加可行

爲什麼？

因爲AI降低：

固定制作成本。

假設以前：

獨立電影成本：

$30M。

AI後期、

virtual production、

previs

把它降到：

$20M。

同時創作者願意把：

部分固定片酬

轉換成：

backend。

那麼資本需求可能進一步下降到：

$15M。

這時候：

獨立電影的IRR結構完全變化。

四十一、所以InterPositive + Artists Equity其實是一個完整資本模型

一邊：

降低Cost。

AI降低製作成本。

另一邊：

重構Risk。

利潤分成降低前期現金壓力。

最終：

提升ROIC。

這纔是Affleck做的事情最聰明的一層。

四十二、你甚至可以把它寫成一個簡單公式

傳統電影：

Return = Box Office / Streaming Revenue − Huge Fixed Cost

Affleck想變成：

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

固定成本降低。

變動成本增加。

什麼意思？

電影失敗：

資本損失更小。

電影成功：

創作者賺得更多。

這是非常漂亮的：

Variable Cost Structure。

四十三、這和航空公司、軟件公司之間的差異很像

固定成本越高：

風險越大。

電影本來就是：

高固定成本

極不確定收入。

這是非常危險的組合。

Artists Equity希望把：

一部分固定成本

變成：

績效成本。

從金融工程角度：

這可以提高抗風險能力。

四十四、AI對電影真正最大的衝擊，可能不是減少演員，而是減少“資本門檻”

過去拍：

一部工業級電影

可能需要：

$100M。

未來同等級視覺表達：

也許：

$40M。

再未來：

$20M。

結果不是：

電影消失。

而可能是：

更多人可以拍電影。

這叫：

Democratization of Production。

四十五、歷史上技術降低成本以後，內容通常不是減少，而是爆炸

印刷機：

沒有讓作者減少。

書變多。

數碼相機：

沒有讓攝影消失。

照片爆炸。

YouTube：

沒有讓電視內容減少。

視頻爆炸。

AI：

很可能不是讓電影減少。

而是：

影視供給爆炸。

四十六、真正的危機反而是“Attention Deflation”

內容越來越多。

人的時間：

仍然24小時。

所以：

Content Supply ↑↑↑

Attention Supply →

於是：

每一個內容單位能夠獲得的平均注意力下降。

這纔是未來影視業最大的經濟問題之一。

不是：

能不能生產內容。

而是：

誰能讓人願意花兩個小時？

四十七、因此電影未來最大的護城河不是Production，而是Demand

這點尤其值得投資人記住。

AI解決：

Supply。

但是AI不能自動解決：

Demand。

你一天可以生成：

10萬部電影。

但消費者只看：

一部。

所以內容產業未來最稀缺的資產可能變成：

品牌

IP

明星

導演

社區

可信推薦

發行能力

注意力。

四十八、這也是爲什麼Netflix仍然需要Ben Affleck

如果未來AI真的可以：

自動拍電影，

Netflix爲什麼花近6億美元收購一個：

電影導演創辦的AI公司？

恰恰說明：

Hollywood真正需要的是：

Technology × Taste

而不是：

Technology alone。

四十九、Affleck對AI最有價值的一句話，本質是：Human Judgment不能外包

Netflix官方引用他的思路時特別強調：

電影中最需要保護的是：

judgment。

這種判斷需要：

幾十年經驗形成。About Netflix

這和我們前面分析Ronnie Fieg完全一致。

未來AI會把：

Execution

變便宜。

因此：

Judgment

會變貴。

五十、這是一條未來十年非常重要的財富規律

AI時代：

普通執行能力

價格下降。

頂級判斷力

價格上升。

所以職業成長應該從：

“我會做什麼？”

升級成：

“我能判斷什麼？”

程序員：

不僅寫代碼。

要判斷：

什麼產品值得做。

設計師：

不僅做圖。

判斷：

什麼是好設計。

投資人：

AI可以看100萬份財報。

但：

買哪家公司，

仍然需要判斷。

導演也是一樣。

五十一、真正會被AI首先壓縮的，是“中間層執行勞動”

最底層：

現場複雜勞動暫時難完全替代。

最頂層：

判斷

品味

決策

IP

關係

仍然稀缺。

中間層：

重複寫作

重複後期

基礎設計

簡單分析

標準化剪輯

最容易被AI壓縮。

這很可能是未來勞動力市場的重要結構：

Barbell Economy

啞鈴型經濟。

五十二、Affleck擔心年輕人“Learned Helplessness”，其實觸及的是AI時代一個更大的風險

AI真正危險的一點不是：

機器變聰明。

而可能是：

人類停止訓練自己。

假設一個18歲學生：

所有essay讓AI寫。

所有代碼讓AI寫。

所有研究讓AI總結。

那麼25歲以後：

AI雖然很強，

但這個人本身沒有形成：

Mental Model。

五十三、這是AI時代教育最大的悖論

AI越強：

學習越容易。

但是：

真正形成能力，

可能反而越來越難。

爲什麼？

因爲：

能力來自：

Struggle。

掙扎。

做錯。

修改。

思考。

如果AI把“困難部分”全部拿走：

結果可能是：

產出增加，

能力下降。

五十四、所以未來真正高級的人會主動保留“認知健身房”

就像電梯發明以後：

人不需要爬樓。

結果：

人又花錢去健身房跑步。

AI時代也一樣。

你技術上不用：

心算。

寫作。

編程。

研究。

但是爲了保持：

Mental Fitness，

可能仍然需要主動訓練。

這可能成爲未來教育最重要的理念之一：

Cognitive Exercise。

五十五、最後站到資本最高層，把Ben Affleck這整件事情串起來

很多人看到的是：

演員做AI Startup。

我看到的是三個資產重新組合。

第一：

Intellectual Property

電影IP。

第二：

Artificial Intelligence

生產工具。

第三：

Equity Incentives

資本激勵。

把三件事情組合起來：

IP

產生需求。

AI

降低成本。

Equity

改善激勵。

最終結果就是：

更高的資本回報率。

這纔是商業核心。

五十六、如果這個模型成功，未來Hollywood公司可能不再長得像傳統Studio

未來可能是：

10個頂級導演

50個製片人

200個核心員工

大量AI

項目型自由職業人員

利潤參與制。

而不是：

龐大的永久組織。

這就是：

Hollywood as a Network

而不是：

Hollywood as a Factory。

五十七、這其實是整個知識經濟未來的縮影

電影只是第一個案例之一。

未來：

律師事務所

投資銀行

廣告公司

諮詢公司

建築設計

遊戲公司

都會逐漸出現：

AI生產力

小核心團隊

項目制人才

利潤分成。

傳統公司：

Employee Economy。

未來越來越可能是：

Ownership Economy。

五十八、所以真正值得創業者從Affleck身上學的有六件事

第一，不要重新造Foundation Model。

利用現有基礎設施，做你行業最值錢的最後10%。

第二，數據必須自己控制。

模型會商品化。

高質量專有數據不會。

第三，不要用AI替代專家判斷。

用AI放大專家判斷。

第四，尋找行業最貴的摩擦成本。

不是做炫技demo。

而是解決真錢的問題。

第五，把固定成本變成變量成本。

讓風險由參與者共同承擔。

第六，讓創造價值的人分享價值。

這是最強的激勵工具之一。

五十九、如果我是投資人，我真正會盯InterPositive的也不是“AI生成畫面有多漂亮”

我會盯五個指標：

每部電影：

減少多少補拍成本？

縮短多少Post-production時間？

減少多少VFX人工小時？

多少鏡頭真正進入最終成片？

是否可以重複應用到Netflix數百部內容？

因爲最終5.87億美元到底貴不貴：

不是看Demo。

而看：

Annual Cost Savings + Incremental Content Value。

六十、最終，這件事情最值錢的一層認知

很多人認爲：

AI革命意味着：

機器替代人。

Ben Affleck正在測試的是另一種可能：

讓最有經驗的人擁有更大的槓桿。

如果這個方向成立，

未來最危險的人不是：

“懂AI的人”。

也不是：

“只懂行業的人”。

真正最強的人會是：

Domain Expert × AI × Capital

行業專家

×

AI工具

×

資本與所有權。

這種人可能把：

過去需要1000人的事情，

變成100人。

把：

過去需要1億美元的項目，

變成3000萬美元。

但是同時：

質量不下降，

甚至提高。

這纔是AI真正會改變資本主義生產方式的地方。

所以如果要把整場Ben Affleck訪談壓縮成一句真正值得記住的話，我會寫：

AI最先摧毀的不會是創造力，而是創造力周圍那些昂貴、低效、重複的摩擦；而當這些摩擦被消滅以後，真正稀缺的將不再是“會製作內容的人”，而是擁有判斷力、版權資產、專有數據和經濟所有權的人。

這比討論“AI什麼時候能自動生成一部電影”，重要得多。