現(xiàn)在是2026年2月13日。

如果你還沒能搞清楚現(xiàn)在的 AI 有多強(qiáng)，那請(qǐng)你立刻去看下目前 B 站上最火的 AI 短片——《牌子》。(文末左下角點(diǎn)擊閱讀原文可觀看)

7 分鐘視頻，上線一周，1000 多萬次播放，80 多萬點(diǎn)贊，30 多萬投幣。

《流浪地球》導(dǎo)演郭帆看到后轉(zhuǎn)發(fā)點(diǎn)贊，YouTube 上也是一堆老外被震驚，彈幕里大家喊著封神，評(píng)論區(qū)有人在逐幀分析劇情。差評(píng)編輯部的后期們也在上班時(shí)間，討論到底是怎么做的。

視頻一開始，一個(gè)人戴著帽子走進(jìn)森林，在看到一個(gè)“禁戴帽子”的牌子后，他原地被“消失”了。鏡頭迅速下拉，帽子滾到畫面前方。

接著音樂一起，短片名《SIGN》出現(xiàn)在屏幕前。

再緊接著鏡頭一個(gè)絲滑轉(zhuǎn)場(chǎng)，SIGN 成了汽車?yán)锏囊粋€(gè)按鈕，收音機(jī)正在播報(bào)新聞：

火星上發(fā)現(xiàn)了一塊神秘“？”警示牌，地球上也開始出現(xiàn)越來越多看不懂的牌子。這些告示牌一出現(xiàn)，警告的事情就會(huì)立即發(fā)生，即便它不符合常理。

隨著鏡頭晃動(dòng)著轉(zhuǎn)向車窗外，路邊突然出現(xiàn)“奶牛從天而降”的警告牌，下一秒奶牛真的從山坡上滑下來。

后視鏡里映出司機(jī)的臉，奶牛摔下來的灰塵四濺，急剎車的慣性讓司機(jī)來了一個(gè)大踉蹌。看到這些，差評(píng)君已經(jīng)坐不住了，要知道這些物理細(xì)節(jié)一直都是 AI 視頻最容易穿幫的地方啊。

接下來更絕。

一個(gè)長達(dá) 20 秒左右的十字路口鏡頭，幾乎是一鏡到底的感覺。上一個(gè)牌子的效果還在觸發(fā)，下一個(gè)牌子已經(jīng)到來，滑倒的行人、騎著自行車的熊、各種超自然事件一個(gè)接一個(gè)在畫面里發(fā)生。

要知道 AI 視頻模型通常只能生成幾秒鐘片段，時(shí)間一長，場(chǎng)景、人物都會(huì)漂移、變形。我真無法想象這個(gè)鏡頭是怎么撐住的。

最后一張報(bào)紙飛過來擋住畫面，當(dāng)它被吹走后，我們又被帶到了下一個(gè)場(chǎng)景。轉(zhuǎn)場(chǎng)絲滑到你根本意識(shí)不到這是拼接出來的。

整支片子 7 分鐘，幾乎每一幀都是這個(gè)密度。

劇情也同樣扎實(shí)：

越來越多看不懂的告示牌讓世界陷入混亂，一個(gè)巨大的“不言不視不聞”的警告牌從月球砸向地球，人類的文字開始被吞噬，無法溝通交流，秩序逐漸崩塌。

好在人類發(fā)現(xiàn)了交流的本質(zhì)在于表情、手勢(shì)。于是大家利用 emoji 重建了溝通方式。

最后我們飛回火星踢翻了那塊牌子，并插上新的牌子：

這條視頻是 UP 主 DiDi_OK 參加 B 站首屆 AI 創(chuàng)作大賽的參賽作品。 1 月 5 日，B 站面向全球創(chuàng)作者啟動(dòng)了這場(chǎng)比賽，第一名獎(jiǎng)金 100 萬，3 月 20 日截稿。比賽還沒結(jié)束，這條片子已經(jīng)提前炸場(chǎng)了。

看完這條視頻，我的第一反應(yīng)就是，這哥們是誰？他究竟怎么做到的？我甚至想立刻知道他每個(gè)鏡頭、每一幀都用了哪些模型和提示詞？

托朋友聯(lián)系上 DiDi_OK 之后，差評(píng)君立刻就把語音撥過去了。

DiDi_OK 是河南鄭州人，在英國留學(xué)學(xué)的 3D 動(dòng)畫，畢業(yè)后進(jìn)了倫敦 WPP 總部，全球最大的廣告?zhèn)鞑ゼ瘓F(tuán)之一，干了快 4 年。

早在三年前，公司就要求全員接觸 AI，但那會(huì)兒的 AI 視頻是什么水平呢？差評(píng)君估摸著也就威爾·史密斯第一次吃意面的水平吧。

但他當(dāng)時(shí)排斥的，倒不是 AI 本身，只是覺得沒到 AI 夠用的那個(gè)時(shí)間：我用 Blender 自己做都比你快，不伺候。

去年 4 月，Runway 推出了 Gen4，他發(fā)現(xiàn)畫面開始有物理規(guī)律了，石頭可以正常地落地、彈開，心里想著“那一天終于還是來了”。

DiDi_OK 覺得這個(gè)起點(diǎn)夠了，就去參加了一個(gè) AI 電影節(jié)。公司一看，行你小子，直接給他開了個(gè) AI 導(dǎo)演新的崗位。

所以現(xiàn)在他的生活是這樣的：白天給大客戶做 AI 廣告，晚上下班回家自己做 AI 短片。有時(shí)美國客戶的時(shí)差逼得他凌晨 1 點(diǎn)才下班，但他還想再做一兩個(gè)小時(shí)自己的東西。

DiDi_OK 工作中

《牌子》視頻的靈感，來自于一趟圣誕假期。

去年圣誕節(jié)，DiDi_OK 跑去英國最西邊的康沃爾。因?yàn)榭滴譅栍凶约旱姆窖院蜆?biāo)識(shí)習(xí)慣，所以他一路上遇到一堆看不懂的牌子，導(dǎo)致每次經(jīng)過都會(huì)小心翼翼。

最后讓他下定決心要做這個(gè)選題的，是這邊朋友家洗漱臺(tái)旁邊居然也貼著一張小紙條，上面也寫了一行字，看不懂，但他總覺得好像有什么不得了的東西。他沒問，就讓這個(gè)疑惑一直留著。

朋友家的感嘆號(hào)

圣誕節(jié)結(jié)束后 DiDi_OK 又去了土耳其，這里語言就更不通了。他跟出租車司機(jī)聊天都得兩人打開 ChatGPT，互相翻譯著對(duì)話。

這一路上他拍了很多那種看不懂的標(biāo)識(shí)牌，也經(jīng)歷了很多只能靠手勢(shì)和微笑交流的時(shí)刻。

土耳其牌子

慢慢地他開始想一個(gè)問題：當(dāng)語言不通的時(shí)候，人和人之間的溝通會(huì)退化到什么狀態(tài)？

手勢(shì)、微笑、emoji。

這就是《牌子》視頻最后的設(shè)定：當(dāng)人類語言被吞噬后，大家開始用 emoji 溝通、最終實(shí)現(xiàn)反擊。

靈感有了，但從靈感到一個(gè) 7 分鐘的完整故事，中間還有他 2 個(gè)月的打磨。

DiDi_OK 的習(xí)慣是在 iPhone 備忘錄里隨手記靈感，想到一句就記一句。這個(gè)視頻的劇本，他前后記了四五個(gè)不同的文檔，才開始搭出一個(gè)大概的框架。因?yàn)閷?duì)劇本的高要求，有時(shí)他一覺醒來會(huì)推翻自己寫了半個(gè)月的東西。

靈感&劇本

在《牌子》的劇本定稿后，DiDi_OK 其實(shí)預(yù)判到了：比賽周期這么長，中間大概率會(huì)有新模型發(fā)布。當(dāng)時(shí)他猜是 Google 的 Veo4，結(jié)果來的是 Seedance 2.0，效果比他預(yù)想的還猛。

但這在他計(jì)劃之內(nèi)——寫劇本的時(shí)候他就定了一個(gè)原則：故事要能扛住技術(shù)迭代。

他認(rèn)為 AI 再怎么發(fā)展，最好的狀態(tài)也不過是無限接近實(shí)拍和傳統(tǒng) CG 的效果。既然如此，那從古至今的規(guī)律就不會(huì)變，好故事永遠(yuǎn)是好故事。

當(dāng)然在技術(shù)上，他也努力做了億點(diǎn)點(diǎn)模型超標(biāo)。

比如十字路口那個(gè)鏡頭，DiDi_OK 明知道當(dāng)時(shí)的模型做那種復(fù)雜場(chǎng)景很吃力，但他偏要在那個(gè)點(diǎn)上死磕，把技術(shù)表現(xiàn)往前推。這樣就算新模型出來了，觀眾回頭看也不會(huì)覺得過時(shí)。

說到這，重點(diǎn)也來了，大家一定特好奇：

《牌子》到底是怎么做出來的？為什么 DiDi_OK 的 AI 這么聽他話，能把視頻一致性做得這么強(qiáng)？

嗯，首先，你要失望了。DiDi_OK 的 AI 視頻模型也不聽話。

DiDi_OK 說他沒有做分鏡的習(xí)慣，不是他不想做，是因?yàn)橹辽僭诋?dāng)時(shí)的 AI 水平下，就算畫了分鏡它也不聽你的。

所以他后來的策略是靠“體感”。把滿意度區(qū)間設(shè)在 80 到 100 分之間，專業(yè)積累讓他知道什么是 80 分，而 AI 偶爾會(huì)暴擊到 100 分以上。

但滿意也是要代價(jià)的，代價(jià)就是無限抽卡。

十字路口那個(gè) 15-20 秒的鏡頭，是整個(gè)視頻里成本最高的。

DiDi_OK 有一次閑著無聊數(shù)了一下生成記錄：他每次點(diǎn) 4 個(gè)一組批量生成，菜單里排了 1000 多組。也就是說，單算那一個(gè)鏡頭，他生成了三四千條視頻。

水獺那個(gè)鏡頭也折磨人。

因?yàn)楫嬅胬锿瑫r(shí)出現(xiàn)大量動(dòng)物，AI 很難保證每一只都沒有 bug。數(shù)量一多，模型就顧不上別的了，有時(shí)候鏡頭會(huì)莫名鎖定在一個(gè)士兵的臉上。DiDi_OK 只能把已經(jīng)滿意的構(gòu)圖和運(yùn)鏡保留下來，再用視頻生視頻的方式重新跑一遍細(xì)節(jié)。

傳單和二維碼的鏡頭也一樣。

他希望有一張傳單剛好撲到鏡頭前面，好讓上面二維碼能被觀眾掃出來。這種事你沒法跟 AI 商量，只能一遍遍地生成，指望老天爺給你一次機(jī)會(huì)。

DiDi_OK 后來總結(jié)出一套應(yīng)對(duì)挫敗的方法。

他就一口氣閉著眼點(diǎn)生成，成本點(diǎn)夠 1000 塊錢的，然后就去看電影、打游戲，回來再一個(gè)一個(gè)看。反正別盯著進(jìn)度條，不然看著從 99% 終于到 100%，點(diǎn)開一看很差勁，就會(huì)覺得有內(nèi)傷。

另外他不會(huì)死守一個(gè)模型，每個(gè)鏡頭他會(huì)根據(jù)需求選擇不同的工具：

Nana Banana 生圖最好，尤其能輸出 4K；Veo 的嘴型同步和穩(wěn)定性最強(qiáng)，只要涉及人物對(duì)話就用它，但運(yùn)鏡很呆板，角色老是正對(duì)鏡頭站畫面正中間說話；可靈的運(yùn)鏡有張力，能做很大的推拉，但畫面容易拉伸變形；Runway 的物理效果最牛，但不穩(wěn)定。

至于很多人好奇的，《牌子》如何做到不同場(chǎng)景看起來風(fēng)格統(tǒng)一，如何保持一致性的。

其實(shí) DiDi_OK 用了一個(gè)聰明的辦法：他堅(jiān)持寫實(shí)風(fēng)格、低飽和度，而且大部分角色只出現(xiàn)一次。

觀眾覺得一致，不是因?yàn)橥粋€(gè)角色貫穿始終，而是因?yàn)檎w美術(shù)調(diào)性始終在一個(gè)框架內(nèi)。這個(gè)思路來自他做游戲概念設(shè)計(jì)和 3D 動(dòng)畫時(shí)的積累。

當(dāng)然了，并不是一切工作都能 100% 交給 AI。

比如貪吃蛇吃文字那個(gè)片段，蛇和文字都是 AI 生成的，但要做到可控，就得先把它們轉(zhuǎn)化成帶透明通道的素材，再通過后期合成疊在一起。

貪吃蛇追蹤細(xì)節(jié)

《牌子》驚艷大家的不只是畫面。

它的配樂像一條隱形的情緒線，前段壓抑懸疑，中段混亂加速，到最后 emoji 反攻的時(shí)候一下子昂揚(yáng)起來，整段音樂是跟著故事的心跳走的。

這段配樂，是 DiDi_OK 花了整整一周，用 Suno 生成了 1500 多次磨出來的。最關(guān)鍵的是，他自己完全不懂樂理，連五線譜都不認(rèn)識(shí)。

他判斷好壞的辦法很簡單，讓女朋友聽。女朋友全程不知道他在做什么片子，沒有泡在創(chuàng)作環(huán)境里，就是一個(gè)純粹的第一次聽眾。DiDi_OK 說，一個(gè)沒聽過這首歌的腦子，對(duì)他來說非常寶貴。

整個(gè)視頻，DiDi_OK 前后打磨了兩個(gè)月。劇本一個(gè)多月，AI 生成制作 23 天，也自費(fèi)了不少錢。

聊到最后，差評(píng)君問了那個(gè)所有人都想問的問題：AI 會(huì)取代導(dǎo)演嗎？

DiDi_OK 的回答是，不會(huì)。

他說 AI 再怎么發(fā)展，大前提不會(huì)變。它最好的狀態(tài)就是完全等于實(shí)拍和傳統(tǒng) CG 的效果。那么，從古至今有一個(gè)事情是不用 AI 大家都會(huì)的，就是寫字。

“寫小說誰都可以寫，誰都不犯法，但并不是每個(gè)人最后都去寫小說了，也不是說會(huì)寫字的人最后都做到了一個(gè)自己滿意的狀態(tài)。”

貪吃蛇 AI 素材

DiDi_OK 認(rèn)為 AI 最能幫助到的那類人需要同時(shí)滿足兩個(gè)條件：知道自己想要什么，也知道別人想要什么。但這兩個(gè)條件其實(shí)蠻苛刻，“很多人包括我也未必知道自己到底想要什么，而知道別人想要什么就更難。”

DiDi_OK家里工作區(qū)

其實(shí)差評(píng)君覺得，DiDi_OK 自己的經(jīng)歷就是最好的樣本。

他從小學(xué)畫畫，考上了倫敦藝術(shù)大學(xué)，做過游戲概念設(shè)計(jì)師，做過 3D 動(dòng)畫師，現(xiàn)在又變成了 AI 導(dǎo)演。每一次轉(zhuǎn)型，上一個(gè)技能看起來都被“替代”了，他不再需要花幾百個(gè)小時(shí)手動(dòng)建模、手動(dòng)上色、手動(dòng)調(diào)動(dòng)畫。

但是他之前積累的審美判斷、敘事能力、對(duì)畫面的理解，沒有一樣被浪費(fèi)。

甚至可以說，這些看不見的積累恰恰是他能把 AI 用好的原因。

他之所以知道哪種敘述方式更吸引人，知道如何用音樂調(diào)動(dòng)情緒，知道 80 分的畫面和 60 分的區(qū)別在哪，全靠那些“被替代”的年頭里攢下來的東西。

包括《牌子》這個(gè)故事本身。

“警示牌帶來混亂，emoji 重建溝通”這個(gè)靈感，不是 AI 從數(shù)據(jù)庫里算出來的，是從康沃爾看不懂的路牌和土耳其出租車后座上迸發(fā)出來的。

AI 是能生成畫面，但它沒有生活。沒看過告示牌，沒坐過那趟出租車，就寫不出那個(gè)故事，更沒法用情緒曲線、符號(hào)敘事、鏡頭語言去構(gòu)成了一個(gè)完整的導(dǎo)演意圖，去打動(dòng)成千上萬人。

就像 DiDi_OK 說，他之所以喜歡在 B 站發(fā)作品，是因?yàn)閺椖?，“一個(gè)作品加入了大家所有人的想法之后，才算是正式完成”，大家的想法也是 AI 沒法給到的東西。

所以 AI 真正替代的東西是什么？

是那些你花在機(jī)械執(zhí)行上的時(shí)間。建模、渲染、調(diào)參數(shù)、一幀一幀修動(dòng)畫，這些事 AI 確實(shí)越來越能干。但你腦子里那套判斷系統(tǒng)，觀眾在這個(gè)節(jié)點(diǎn)需要什么情緒，AI 還做不了。

軟件行業(yè)也一樣，AI 出來后，產(chǎn)品思維、理解意圖、關(guān)鍵決策是開發(fā)者們的重心。

前兩天差評(píng)君自己用 AI 寫了兩個(gè) App，功能確實(shí)能跑，但交互邏輯稀碎。DiDi_OK 聽完也說了一句：一個(gè)很頂尖的程序員，他是會(huì)比我多出非常多的軟件思維、產(chǎn)品思維。

Node.js 之父 Ryan Dahl 今年 1 月也在 X 上寫了句話：人類寫代碼的時(shí)代已經(jīng)結(jié)束了，不是說工程師沒活干了，是“直接寫語法”這件事不再是重點(diǎn)。

無論是做視頻、寫代碼、畫畫，AI 替掉的始終是同一樣?xùn)|西：手上那些重復(fù)的機(jī)械勞動(dòng)。留下來的也是同一樣?xùn)|西：你腦子里那套審美、敘事、品味、判斷系統(tǒng)。

在采訪中 DiDi_OK 說了一句話，我覺得可以拿來當(dāng)這篇文章的結(jié)尾——

AI 正在把創(chuàng)造的權(quán)利歸還給人。

但我想補(bǔ)半句：還給那些有能力接住的人。

撰文：刺猬

編輯：莽山烙鐵頭 面線

美編：素描

圖片、資料來源：DiDi_OK 提供