摘要：2022 年创立的 AI 3D 生成公司 Cybever，此前以「用 AI 生成高精度 3D 虚拟环境」技术闻名，最近转型为内容制作公司 Utopai Studios，由好莱坞一派改革派导演、前派拉蒙 CEO 等投资。官宣的同时，还高调推出了计划制作的两部 A
视频生成的落地拐点仍未出现，但很多公司已经在朝之努力，用不同的方式，尤其是影视行业。
2022 年创立的 AI 3D 生成公司 Cybever，此前以「用 AI 生成高精度 3D 虚拟环境」技术闻名，最近转型为内容制作公司 Utopai Studios，由好莱坞一派改革派导演、前派拉蒙 CEO 等投资。官宣的同时，还高调推出了计划制作的两部 AI 影片。
《科尔特斯》（Cortés）：奥斯卡提名编剧 Nicholas Kazan 执笔，好莱坞列为 49 的概念设计师 Kirk Petruccelli 执导，号称「史上最难拍史诗巨作」，被称为是好莱坞呼声最高但未拍摄电影前 10。 Utopai 将以两部 100 分钟电影形式问世。
《太空计划》（Project Space）：8 集科幻剧集，由 Vanessa Coifman 和 Martin Weisz 执笔，Martin Weisz 执导，已预售欧洲市场，被形容为「《壮志凌云》遇见《世界大战》」。
Utopai Studios 的掌舵者，是一位 00 后的年轻女性——Cecilia Shen，关于 Utopai Studios 的转型，以及现在视频生成落地影视行业到底难在哪里，我们整理了 Cecilia 此前接受的一些访谈。
Q：为什么选择《科尔特斯》作为第一部片子？未来的内容行业会是什么样的？」
Cecilia： 因为《科尔特斯》是个非常好的故事，40 年前就写好了。我非常尊重作者 Nick 的风格，他非常尊重「真实性」。据我所知，迪士尼在三十几年前就曾经希望拍摄，然后 2020 年的时候 Amazon 又想拍，结果疫情来了，又不得不放弃。《科尔特斯》融合了故事、动作、历史等等，所以，作为第一部作品有很好的说服力。
电影艺术的发展始终与技术革新紧密相连。从无声到有声，从黑白到彩色，每一次技术飞跃都拓展了电影表达的边界。我们代表的是下一次飞跃——不是视听效果的升级，而是制作范式的根本性变革。它打破的不仅是成本壁垒，更是创作思维的局限。在这个新范式下，电影制作的未来不再取决于预算的多少，而在于想象力的边界。这或许是自电影诞生以来，创作者所能获得的最大程度的自由。
关于内容形式，我觉得市场很快会迎来下一波新的内容爆发期。那么，很可能 AI 就是催化剂；市场也有可能因为 AI 迎来新的内容类型。
我们要做一个端到端的影视制作 AI 架构。 通过其高度整合的 AI 模型与自动化工作流，制作成本将被大幅降低，从而将成千上万的电影人从预算的枷锁中解放出来，让他们能以前所未有的速度和极低的成本，将剧本中的故事变为高质量的影像作品。而最关键的是，这一切并不以牺牲质量为前提。
Q：你们算是在自动化制片吗，你怎么看自动化这件事？好莱坞会抵制自动化内容制作这件事吗？
Cecilia： 首先，我认为在接下来的两年，workflow agent 会在各个行业爆发。如果你可以在一个行业里，将 80%～90%的事情实现自动化，那你就是成功的。有两个重心，一个是你是否真的做出来一个好的产品，好的产品需要有好的 taste；我认为最终的衡量标准并不应该是「智能」，因为如果用户需要不断纠正，那么这不是一个好的体验。 第二个是在效率层面是否能真的代替掉 80%的行业臃肿的工作。
但是我觉得不会妥协的永远是质量，质量一定是优先的。观众的眼睛就是尺子，有些时候人们低估了细节带来的影响，所以谈到抵制。我们发现，其实每一个艺术家或者 creators 都像孩子一样，他们并不是抵触技术。比如说 ，《玩具总动员》1995 年上映，这是世界上首部数字制作的动画长片，无论在创意还是技术上都是一次影响深远的跃进，也在全球斩获了将近 4 亿美元的票房收入 ，那么所谓的 AI 被抵触，是否是因为我们用 AI 的方式错了？
所以又回到细节和质量的问题，科技为打造更高质量的产品创造条件，而消费者并不会因为 AI 就愿意降低对质量和故事的追求。
Q：Utopai 想打造一个什么样的科技生态？
Cecilia： 就是构建数据、模型与工作流的「软硬一体」的架构。当前 AI 影视领域的一个普遍问题是，模型与工作流被视为两个独立的环节，彼此割裂。模型公司负责提升算法，制作公司只关注优化流程，两者之间缺乏深度的协同进化。
我们的理念更接近于苹果的「软硬件一体」生态：数据、模型、工作流与创作者，必须是一个深度集成、相互关联、持续优化的闭环系统。 在这个闭环中，真实制作场景中产生的数据被用来优化模型，而更强大的模型则能反过来简化甚至重塑工作流，最终赋能创作者。
Q：自研模型听起来挑战巨大。具体来说，当前 AI 视频模型在专业制作上遇到了哪些核心技术瓶颈？Utopai 又是如何解决的？
Cecilia： 很好的问题。通用大模型为 AI 视频带来了令人惊艳的开端，但从「惊艳的 Demo」到「可靠的专业影视制作」，中间还必须解决：质量，一致性和可控性。
先说质量和一致性，这关乎模型的问题。
目前通用视频模型都是为了服务大众，核心目标之一是优化效率，让大众用户能以最快速度获得「足够好」的结果，而且不仅限于影视，但这往往以牺牲画面质量为代价。我们的战略选择截然相反。我们的模型只为对质量有极致追求的专业影视创作者服务，这个群体愿意为更好的效果等待更长时间。这种明确的定位，让我们摆脱了效率上的束缚，可以在训练模型的时候减少压缩比例，增加特定方向的训练数据，采用更多更强的注意力编码机制，训练出更大、更好、更专注的模型 ；提升模型的 reasoning 能力，将所有计算资源都投入到对影像质量的打磨上等等，确保每一帧都经得起大银幕的考验。
其次是一致性，这在复杂场景中是目前所有模型的噩梦。比如，当多个角色同时运动和互动时，并且镜头也在不停运动的时候，现有模型普遍无法处理好，时常出现角色互相粘连、合并，或者动作违背物理规律的「幻觉」。我们认为，这个问题的根源在于模型对三维世界的理解缺失。视频的本质是 2D 的，多数模型只是在 2D 平面上对像素进行模仿和压缩。我们技术的核心是，在模型训练过程中就将带有物理规律的 3D 数据「注入」其中，让模型不再是学习 2D 画面的表象，而是从根本上提升模型对空间、遮挡、碰撞的认知，避免产生与物理世界不一致的幻觉问题，开始真正理解我们所处的三维世界。我们做了很久的 AI 生成高精 3D 环境的工作，所以这一块是我们的 DNA。
可控性跟工作流密切相关，目前，行业普遍的创作流程依赖大量「抽卡」，也就是反复生成海量内容，从中挑选少数接近创意的结果。这在专业制作中是不可接受的，因为导演对每个画面都有像素级的精确要求，如从广场的布局到水杯的位置，从光线的强弱到角色眼神的角度。在「抽卡」模式下，往往是镜头里这个元素符合了，另一个又偏离了，创作过程充满了随机性和挫败感。我们的解决办法，是用确定的执行导演意图来取代随机生成加挑选。我们的工作流允许导演首先通过故事板，3DPreviz 等方式，快速而准确描绘出一个清晰的草稿。这个草稿不仅是视觉参考，更是包含了导演核心意图的结构化指令。随后，我们的模型与工作流会准确地理解这个意图，并结合影片整体的艺术风格，自动地、有方向性地朝着最终目标进行尝试和调整。这恰恰是强化学习和智能代理等技术擅长的地方。
这或许是 Utopai 与众多「技术颠-覆论」者最根本的区别。其系统设计的核心并非要取代导演或艺术家，恰恰相反，是要将他们从工业的枷锁中解放出来，让他们回归创意王座。
AI 可以生成无穷的选项，但定义品味的，永远是会讲故事和有艺术审美的人。
更深远的意义在于，其系统设计追求人与 AI 之间形成一种共生进化的关系。
Utopai 的发展离不开文生视频技术的飞速进步，它使 AI 不再仅仅是辅助工具，而逐渐成为创作的核心驱动力。过去，电影制作往往需要庞大的资金、人力与时间投入，而如今，借助文生视频模型，导演和创作者只需通过文本描述，就能生成高度逼真的场景与角色，大幅降低了创作门槛。
Utopai 正是抓住这一趋势，将 AI 的创造力与电影产业深度结合，让影片的构思、拍摄到后期制作都更加可控与高效。这不仅缩短了制作周期，还为独立创作者和小型团队带来了前所未有的机会，使他们能够以较低成本实现宏大的视觉表达。更重要的是，Utopai 并不局限于传统电影领域，它的应用还在推动影视工业走向更加智能化、个性化的未来。
未来，电影项目的绿灯将不再仅仅由预算委员会决定。评判标准将更多地回归故事本身的价值：这个故事是否足够动人？想象力是否足够飞扬？当技术的成本壁垒被 AI 击穿，那些曾被埋没的、疯狂的、瑰丽的创意，将迎来最好的时代。
Utopai 正在做的，就是拆掉想象力的栅栏，将电影从「预算的暴政」中解救出来。这不仅是技术升级，更是一场关于创作自由的革命。而这一切，才刚刚开始。
来源：晚晚的星河日记一点号