摘要：最近，wuhu报道的AI创作长片专题在业内引发了不小的热议（你是说，一家在美国的哈萨克斯坦公司用中国AI做了个韩国虚拟女团打怪兽？）
文|啊呜
最近，wuhu报道的AI创作长片专题在业内引发了不小的热议（你是说，一家在美国的哈萨克斯坦公司用中国AI做了个韩国虚拟女团打怪兽？）
还有不到100小时、5个人，用AI拍出的23分钟网飞级科幻大片，凭什么看哭全网？
wuhu前脚刚介绍完，后脚影视圈就被一部叫《Mort》的22分钟AI短片刷了屏，不是那种碎片拼凑的AI Demo，而是一部叙事完整、打斗过瘾、对白和情感线都能撑住的恐怖动作短片。有网友看完直接留言：
这是权游的电影版吗？
更让人坐不住的是它的制作规格，戛纳获奖导演Malik Zenger一个人、一周时间、零剧组，用AI手搓出来的。
对，你没看错。没有摄影机，没有剧组，没有任何传统影视制作流程。一个人在7天内拍出了一部22分钟、质感堪比网飞大片的电影。这在一年前还是天方夜谭，但在2026年4月，它就这么安静地发生了。
今天，我们就来彻底拆解一下这件事，Malik Zenger到底是怎么做到的？这套硬核的工作流对影视行业到底意味着什么？AI是不是真的要革好莱坞的命了？
Malik Zenger，哈萨克斯坦当代艺术家、导演、编剧，拿过戛纳奖。
Malik Zenger
1986年出生于哈萨克斯坦一个小村庄。他大学读的是跟电影八竿子打不着的公共管理专业。毕业后，这个哈萨克斯坦青年直接飞去了洛杉矶，在纽约电影学院拿下电影制作硕士学位，师从环球影城的工业体系。
回国后一头扎进了创作，从短片拍到电视广告，从MV拍到3D动画系列剧。
2017年，他的短片《Knock Louder》拿了评论家选择奖最佳短片。2023年，他为哈萨克斯坦歌手 Moldanazar 拍的MV《Kogershin》，在戛纳世界电影节上把最佳音乐录影带导演的奖杯抱了回来。
这支MV在阿拉木图三百公里外拍了三天，一百个孩子参与拍摄，讲的是一段关于和平与团结的沉重寓言。
但戛纳拿奖这事最值得说的，是他的创作方法论。
他自己在接受采访时透露过，这支MV不是歌写好了再配画面，而是他先有了完整的创意概念，写了剧本、画了视觉草图，然后拿去给歌手看。歌手反过来被他的想法打动，专门为这个画面写了一首歌。
什么意思呢？他做的东西，从来都是画面先行、叙事先行。音乐是为他想讲的故事服务的。所以当他决定用AI拍一部电影的时候，他的第一反应不是去研究提示词怎么写，而是——得先把剧本磨出来。
2026年初，距离他第一次摸AI工具不到一个月就入伙了Higgsfield Originals团队，入伙时他对AI一窍不通，纯小白。但他带进项目的是一件更重要的东西——一副老派电影人的镜头。他用7天时间、零剧组、一个人，手搓出了一部22分钟的维京史诗《Mort》。
他没有上来就玩各种模型，而是把所有人重新推回了一间AI编剧室。他把Claude大模型当成协作伙伴，反复打磨一个围绕北欧中世纪复仇故事。
这一步太关键了。
AI视频圈最常见的烂片是什么样的？
一个人拿到新模型，让AI疯狂秀特效，光影和材质炫上天，但剧情经不起推敲，看完只觉得眼睛和脑子被塞了一堆乱七八糟的东西，心里什么都没有。
AI再牛，它本质上还是一个需要强方向感的引擎。Malik从一开始就没被技术带节奏，他死死守住的是故事。
一个有趣的内幕是，Malik用的这套方法后来被提炼成了一套成熟的创作策略。而当你拥有了扎实的故事时，技术就不再是炫技，而是工具。而Malik手里握着的那个工具，叫Higgsfield——一个被越来越多人称为制作独角美学的AI视频平台。
Malik全片的拍摄都通过Higgsfield的Cinema Studio完成。要理解他为什么选这个平台，得先看看Higgsfield的底层模型——Seedance 2.0。
这套模型的视觉风格在中文互联网上被戏称为毒角美学，画风调得特别狠、质感压得特别重，完全不走写实或主流审美路线，而是精准地制造出一种强烈的氛围电影感。
它不走Midjourney那种唯美或光滑的塑料感人像路线，而是疯狂堆叠光影对比和粗粝的噪点颗粒，让画面看起来像用老旧胶片或劣质DV拍出来的。
拒绝完美以对抗恐怖谷，这种美学故意保留甚至放大瑕疵。人在极度恐惧或暴怒时脸上的扭曲、毛孔、伤疤全被粗暴还原，用这种生猛的真实感把观众拽进情绪里。
它不追求每个像素都清楚，而是靠大量留黑、高光溢出和动态模糊，制造高度统一的氛围电影感。这种视觉风格看上去就像一部磕了药或喝了大酒的B级片，有一种野生的、带有痛感的生猛劲。
你看到的《Mort》和《Hell Grind》里那种昏暗、闪烁、充满血腥味的打斗场面，就是“毒角美学”的典型应用。
除了这种独特的视觉风格之外，Seedance 2.0最大的卖点是跨镜头角色和场景一致性。传统AI视频最大的痛点是什么？
同一个角色在不同镜头里长相漂移、衣服乱变、光影对不上。Seedance 2.0通过结合Soul Cinema和Nano Banana Pro，硬生生造出了一套锁脸技术。这也是为什么Malik这部《Mort》能从第一帧撑到最后一帧，角色辨识度始终在线。
为了对抗那种廉价的AI感，Malik把整个角色管线都锚定在Higgsfield的Soul Cinema模型上——这是整部片子的地基。角色生成出来后，细节打磨交给Nano Banana Pro。用Malik的话说，Soul Cinema是目前唯一一个能渲染出不够完美的人脸的模型，而这恰恰精准杀死了那种让人发毛的假人感。
但他的工作流里有一条更为关键的经验，团队自嘲为面部模糊邪术。
团队在生成了理想的角色五视图后，先不急着渲染，而是对广角参考图里的角色脸部进行模糊处理。
如果不模糊，AI模型读取那些缩略好的脸部时，会发生极其诡异的面部特征脑补——人物的眼睛被放大、棱角变得卡通化、光影关系全乱，最终产出夸张又虚假的塑料脸。
但只要先模糊处理，Soul Cinema就能稳定还原照片级真实感，这种质感能扛住各种诡异角度、极端光线和复杂镜头的考验。
团队还有一个很轴的细节。他们没只盯着主角，还给群众演员——比如身高超过两米的维京大汉——以及关键道具比如领主的徽章都单独做了角色设定页。把这些资产在Higgsfield Soul Cinema里定义成角色卡之后，Seedance 2.0就把它们识别为这个世界的固定元素。
效果是什么？整部片子看下来，维京村落始终人气兴旺，逻辑上挑不出毛病。一个角色的胡子、伤疤、走路姿态都死死焊在原地。Malik还花了大量时间在五六个不同村落环境里做压力测试，直到找到一个角色动起来最逼真、最利落的场景——因为在这个工作流里，场景不只是背景板，它是技术的锚点，直接决定了AI能交出什么级别的表演。
要弥合导演构想和AI执行之间的鸿沟，Malik专门搭了一条Claude管线。
他会先描述一个电影镜头——手持镜头，细颗粒感，梅尔·吉布森《启示录》的风格——然后Claude把这句描述翻译成一整套Seedance 2.0能读懂的技术指令块。
比如下面这个真实出自《Mort》工作流的提示词，描述的是第93场戏的某个镜头：
王殿的广角定场镜头。巨大的暗室，柱子隐没在黑暗中，头顶是鹿角吊灯，王座后方是深红色的旗帜。长条feast桌面向镜头，长边朝向我们，与参考图一致，八个人物沿桌子一侧落座。领主居中，坐在王座上。比约恩在他右侧。维京贵族们和女人们向桌子两侧散开，共五名贵族和三名女子，总计八人。宴会正酣。
领主缓缓咀嚼，一言不发。比约恩撕扯着肉，胡须上沾满了蜂蜜酒。其余的人搅作一团，一边大吃大喝，一边调情。
摄影机先保持静止，然后缓缓向宴席推进。技术指令块里甚至精细到了用什么镜头、什么光线、什么样的胶片颗粒感。这张图的质感应该像罗伯特·艾格斯或安德烈·塔可夫斯基电影的幕后定妆照——扎实，有触感，有人住过的痕迹。
镜头的逻辑——为什么用长镜头而不是快剪？
很多AI创作者习惯依赖两秒一换的快速剪辑来掩盖画面的缺陷，但Malik偏要反着来。他硬推15秒的无剪切长镜头。用提示词加入摄影机抖动和快速甩镜头这些效果，制造出一种粗粝的手持感，直接把观众拽进混乱的中心。
这种风格就像有个真实的摄影师正扛着机器在村落里奔跑穿梭。它骗过了观众的大脑，让人完全忘了这其实是AI生成的画面。
声音的魔法——如何让AI开口说人话
为了让角色的对话保持一致的声线，Malik直接把声音描述写进了角色卡里。比如把某个角色描述成英国口音，或者说话腔调像个爱尔兰维京人，Seedance 2.0就会自动分配一个前后统一的声音特征。
他还发现，在这些描述框架内，给AI更多的自由度去发挥，反而能收获比过度限制更逼真的表演。
传统电影是拍完所有素材再进剪辑房，Malik直接把这个流程扔进了历史垃圾桶。他用实时循环的方式工作，先来一个AI直出的镜头，立刻丢进时间线检查光线和连贯性，然后以此为基准再生成下一个镜头。
这种实时反馈让他能当场抓住光效跳变这类连贯性错误，而不是等好几天后进了剪辑室才发现。
骚操作！幕后花絮比正片好看！
靠幕后花絮出圈
《Mort》最火的不是正片本身，是AI做的那些幕后花絮。
Malik故意生成了一批笑场镜头——比如AI演员吃着汉堡出画，或者收音麦克风不小心杵进镜头里，两个男演员在打戏中突然想亲亲，他用这种假幕后花絮，让那群根本不存在的演员，在观众心里活了过来。
观众看到这些假演员在假幕后吃汉堡想上厕所出糗，瞬间就脑补出了一个真实剧组的存在。这种情感连接，比正片本身拉得更深。
这种感觉前所未有。
你用AI创造了一部不存在的电影，然后你又用AI创造了一个不存在的幕后世界，让观众相信这一切都是真的。
还有一句Malik私下透露的，这22分钟的《Mort》，只是热身。一部90分钟的长片已经在路上了。
电影业的奇点时刻？——AI是来砸场子还是送装备？
2026年这个春天，影视圈的风向不是悄悄在变，是直接被人推着转了。
4月21日，全球最大的AI电影节WAIFF在戛纳电影宫正式举办。一批AI内容创作者走上了那条改换成科技紫色的紫毯。同期，爱奇艺推出16部AI短片，3月份刚上架就引发关注；国内头部大模型公司MiniMax与恒星引力签署AI内容战略合作。2025年国内AI生成视音频内容超20亿条，同比增长超14倍。这些数字意味着什么？意味着内容生产的门槛正在被踩得粉碎。
这些数字背后藏着一句话——AI不是在帮旧市场省成本，它是在直接造新市场。
Malik Zenger自己说过一句话，传统电影人是在拍素材，AI电影人是在种电影。这个词用得精准。传统导演的核心工作是捕捉现实中已经发生或精心排演的画面；而AI导演的核心工作，是在算法和数据的土壤里培育出全新的画面，用脚本逻辑、视觉风格和情绪模型去精准灌溉。
这就是AI电影跟传统电影的本质分野。它不取代任何东西，它开辟的是一个全新的品类。但这条路也不是一帆风顺。光影和材质不稳定、角色长时程一致性衰减、复杂场景的物理逻辑失控——这些都是AI视频目前没法回避的硬伤。
Malik自己也承认，工作流里依然有大量需要手动修正和反复抽卡的过程。
但话说回来，一年前的此时此刻，AI连一个稳定的角色都出不来。再给一年呢？
文章结尾，wuhu想说一点自己的看法——
我身边有很多传统影视行业的朋友，这几年对AI的态度从漠视到嘲讽，再到现在的沉默。他们不是不想学和用，而是一种很深的恐惧，如果那个花几十年积累的技艺，被一个不断抽卡的模型替代了，那自己的价值究竟在哪儿？
Malik给出了一个答案。
他三周前还是AI小白。但他拍了一部让整个行业沉默的片子。靠的不是花哨的操作，而是扎实的电影基本功——如何讲好一个故事，如何构建一个可信的世界，如何调度角色的情感。技术会迭代，但这些东西不过时。
AI最让人兴奋的，不是它多快、多便宜、多炫。
而是它把拍电影这件事，交还给了真正懂电影的人。如果说传统电影工业是一座围城，那AI要做的不是炸掉城墙，而是打开城门。里面的人得学着走出去，外面的人也有机会走进来。
城门已经开了。进来还是继续站着看，决定权在你手上。
来源：wuhu动画人空间视频