技術驅動與藝術賦能：人工智能重塑影視生態格局

張 銳 張筱佩

北京電影學院管理學院，北京 100088

1 引言

影像藝術自誕生以來的顛覆式變革都離不開技術的突破，技術的不斷革新使包括電影在內的影視生產有了新的話語方式。不管是早年間默片到有聲的聽感躍遷，還是黑白到彩色的視效跨越，無一不是在技術推動下影像本體的進化。技術迭代正以超乎想象的速度迸發，如今我們邁入智媒時代，大數據、云計算、5G、虛擬現實(VR)、人工智能(AI)等各種新興技術爭先恐后地進入大眾視野，與影視行業發生著融合與嬗變。技術的變革早已不是單純地引用，而是以聚合的力量改變著整個影視生態，使生態環境以及生態個體都獲得充沛的技術力量。

2 人工智能技術驅動產業變革

2.1 人工智能的技術邏輯

人工智能（AI）是第四次工業革命的核心驅動力，以驚人的速度滲透到各行各業中，也逐漸成為了影視生產新力量。人工智能技術在深度學習（DL）算法的不斷升級中展現出了極強的塑造力，但在過去的十年，人工智能產品大多還停留在弱智能階段，其實總體上并未出現顛覆式爆發。但隨著美國人工智能研究公司OpenAI 的大語言模型ChatGPT、百度的新一代知識增強模型“文心一言”以及阿里的大語言模型工具“通義千問”等新產品的問世，人工智能的命題再次被提上議程。近年來，人工智能在影視生產領域嶄露頭角，掀起了一陣智能化熱潮下的恐慌，同時也為整個影視產業的發展帶來了技術性的思考。

人工智能技術是多個子技術支撐的集合，廣泛運用到多個行業的生產之中。從基礎層面來看，高性能的芯片和服務器、5G、傳感器、大數據、云計算等技術是人工智能應用中的“基礎設施”[1]，支撐起技術應用層面的底層實踐。這些技術輔助影視行業進行數據的分析與計算，在影視產業鏈中的前期調研和后期宣發都發揮著重要作用。不過真正實現人工智能中“智能化”的關鍵還在于其核心技術——機器學習（ML）。機器學習（ML）是人工智能發展的原動力，試圖使機器通過不斷地學習來擁有對數據進行識別、分析甚至判斷的能力，無限模仿人腦的功能。深度學習（DL）是機器學習（ML）的一個子集，人工神經網絡(Artificial Neural Network,ANN)是一種重要的深度學習系統，它從信息處理的角度對人腦神經元網絡進行抽象模仿，建立相應的反應模型，按不同的連接方式組成多元的網絡。

人工智能應用的實現還依靠自然語言處理（NLP）技術，實現人和計算機之間自然語言的通信，使計算機理解人類的語義并加以學習和運用。人工智能的自然語言處理功能在影視行業中可以被用于劇本分析、分鏡頭腳本生成等，使文本與畫面不僅停留于主創團隊之間的交流，而是能夠利用機器進行更加迅捷、精確的分析和判斷。

另外，計算機視覺（CV）技術還能夠對處理后的自然語言開展進一步的識別和分析，有效保障了人工智能技術中深度學習這一核心系統的順利運行。計算機視覺（CV）包括圖像處理和模式識別兩大技術，最終實現圖像理解這一目標。在計算機視覺領域的研究中，圖像處理技術通常會對圖像進行特征提取和關鍵元素歸類，便于模式識別技術進行圖像特征和結構的進一步分析與處理，在影視制作中往往運用于特效制作，例如動作捕捉、三維建模等。

2.2 人工智能的技術影響模型

本文以“人工智能對影視行業的影響”為主題，與北京電影學院不同專業領域的多位教師進行了半結構化深度訪談，內容涉及人工智能技術的構成、行業內的專業應用實踐以及人工智能技術在影視行業存在的技術哲思，還包括人才培養的多元可能。這些訪談對象分布在電影學院的各個院系，組成了“文、導、表、攝、錄、美”的專業矩陣，他們深耕于影視創作實踐，參與了影視前沿的各大項目，將自身的實踐經驗帶入到教學中，使同學們在校園里也能深刻接觸行業動態、領悟行業方向。訪談對象的主要信息如表1所示。

表1 訪談對象基本情況

訪談過程每次大約持續在一小時左右，在專業實踐以及未來創作方向上碰撞出了深刻的見解。人工智能潛移默化地重塑了影視生態，需要我們將目光向技術對焦，用多維的視角迎接智能時代的到來。基于與訪談對象的深入交流和對訪談資料的進一步整合與分析，本文提出了人工智能的技術影響模型，具體內容如圖1所示。

圖1 人工智能的技術影響模型

該模型涉及到技術構成與人工組織的人機共同體，也是人機協同模式的主體。這一主體逐漸對影視產業鏈產生影響，生成影視產業智能鏈，貫穿開發創作、拍攝制作、宣傳發行、后期反饋四個板塊。在生產實踐中，挑戰同樣相伴相生，不僅包括技術自身發展不夠完善的技術內憂，也包括實踐過程中碰撞而生的實踐外患，在內憂外患的技術困境中，人工組織逐漸扛起調節、規制的大旗。

3 人機協同共創智能化實踐

3.1 “技術+人工”的主體協同

雖然藝術創作被更多地歸于人類獨特的精神活動，但當下人工智能技術的發展讓人機協同突破藝術探索的邊界成為可能[2]。人機協同是“以人為中心、人機合作”的模式，由人、人機交互接口和計算機（人工智能）三個部分組成。計算機以數據計算與處理為主，而人工主要發揮其獨特的創造力與思維價值指揮計算機的運作模式[3]。人機協同是未來影視制作的主要模式，一方面，人工智能在基礎性的文本創作、圖像設計制作、視頻剪輯等方面，已經展示出優于人工的迅捷與準確[4]，對影視創作起到了畫龍點睛的作用；另一方面，人工智能技術自身仍然停留在“弱階段”，并不具備獨立生產能力?；诖耍藱C協同模式是當下生產的最優解，不僅能夠彌補技術自身不夠智能的發展缺陷，同時又能解放一部分生產人員肩上繁雜的工作，從而給影視的創意板塊留下更多發揮空間。不過，這種協同并不是單純對機械模型程式化的操作與嵌套，而是在人和機器的溝通交流中使機器不斷進行深度學習來理解和運行人的指令，達到1+1＞2的效果。

人機協同模式會影響到創作團隊的組織架構。在Web3.0 時代，互聯網空間容納了多樣的藝術形式，藝術創作團隊在逐漸壯大，與人工智能開發相關的技術研究人員也逐漸加入到藝術創作過程中并發揮著重要作用。

在影視創作領域，隨著新技術的加入與革新，相關制作人員逐漸由負責藝術創作的導演、演員、攝影師、制片、美術等藝術主創擴大到了包括技術開發員、技術工程師、技術研究員等在內的技術團隊。影視主創通常遵循影視生產自身的創作規律，在藝術團隊內進行內部分工，是自影像藝術誕生之后便逐漸形成的固定團隊模式，在電影學院人才的培養與教育中也遵循著“文、導、表、攝、錄、美”的專業矩陣。而技術團隊則是在技術革新融入影像生產的基礎上對藝術團隊進行的補充，技術人員為影視生產提供了更多新方法、新模式、新思維，進一步將人工智能技術融入到影視創作之中，打通技術與藝術之間的情理隔閡，也是人機協同模式能夠順利實踐的關鍵連接點。藝術團隊與技術團隊近年來不斷產生著磨合與碰撞，共同成為人機協同中的人類主體，對整個生產過程起著核心調控作用。

人機協同模式是當下人工智能技術融入影視生產的主要方式，對影視產業鏈的前期創作、拍攝制作以及宣發營銷、后期反饋等環節都產生了巨大影響。不僅大大提高了影視創作的效率，縮短了生產周期，還能夠在一些創意性不高卻極其繁瑣的制作環節中體現出巨大優勢。

人工智能對于行業的影響非常深遠，但它并不是以膚淺的、戲劇化的方式，而是在很底層的地方發揮作用。很有可能10 年之后某個拐點出現，其實你會發現在拐點之前它的發展曲線已經走得很長了。無論是廣義地講還是狹義地講，它是一種潤物細無聲的方式，慢慢在一些你可能都注意不到的一些技術細節上去逐漸改變整個行業。（A3）

毫無疑問，人工智能技術為影視生產的各個方面都帶來了巨大的增益效能。不過在具體實踐中，人工智能的應用程度還處在探索與融合階段，并未出現真正意義上的“拐點”。目前人工智能領域的成熟應用主要有游戲博弈，例如曾轟動一時的阿爾法圍棋（AlphaGo），遵循固定的游戲程式，人工智能表現出了更強的學習力和運算力。另外還有語音識別，例如語音轉文字技術下的自動翻譯器，還包括圖像識別、人物識別等，可以進行簡單的圖像變換，對影像畫面進行色彩與燈光的調試等。人工智能技術正在積極尋求與影視產業上的“融合點”，以人機協同的模式創造更豐富的應用環節和應用場景。

3.2 人工智能技術賦能創作實踐

完整的影視創作流程囊括開發創作、拍攝制作以及宣傳發行、后期反饋等環節，人工智能技術在創作實踐中展現出了全流程上的價值。

首先，在前期的開發創作中，人工智能可被用于票房預測、劇本創作、分鏡頭腳本制作等環節。人工智能能夠將海量的成功影視案例進行分析和歸納，建立具體的評價指標，再對將要制作的影片進行指標評估，從而為投資方和制作方提供參考依據[5]。另外，生成式人工智能模型還可以根據劇本設定的核心要素和更為精細的語料素材來自動完成完整的劇本創作[6]。

影片制作過程中分鏡頭腳本的創作長久以來都由分鏡師把控，每組鏡頭的成稿都需要精心安排與設計，需要花費大量的時間。但在基于深度學習（DL）的生成式對抗網絡（GAN）模型的幫助下，人工智能已經可以實現對鏡頭的評估與修改。在創作階段，只要將劇本文本輸入到算法系統中，就能夠自動生成多組可能的分鏡頭畫面。在這些一創畫面的基礎上，分鏡師可以通過人機交互的方式輸入優化建議,人工智能對建議進行學習與執行，對算法模型進行進一步的訓練和優化，在不斷的重復實踐中獲得最佳的設計方案。

其次，在中期的拍攝制作階段，人工智能可以參與虛擬攝制、特效制作、自動剪輯、圖像處理、動作捕捉、虛擬角色創建等方面。極大延伸了影視創作的廣度，利用技術變革為天馬行空的想象賦能雙翼。

影像預演指的是在影片開始拍攝之前對影片的鏡頭進行可視化表達和呈現的過程，是在無需承擔實際生產成本的數字虛擬環境下幫助創作團隊挖掘創意、探索敘事、規劃實際拍攝時的技術方案，可以看作是整部影片的創意虛擬彩排和藍圖構建過程[7]。影視的預演形式在人工智能時代逐漸與虛擬攝制形成聯動，影片不僅僅停留在虛擬化的視覺中，而是真正嵌入實際的拍攝過程。

虛擬攝制是拍攝中最大的變革。虛擬攝制包括前期預演、虛擬制片等一整套的數字化生產流程，以及它后面所蘊含的數字資源庫。它最大的變化就是把原來拍攝里最耗制作成本的實景拍攝這件事情解決了。虛擬攝制讓我們可以實現全部場景的棚拍，還可以嚴格控制中近景光效和環境光效的匹配，能更好地實現畫面真實感，攝影師可以精細地控制拍攝的各個參數。（A1）

在特效制作領域，人工智能也展現出了巨大的創作潛能。目前被運用于特效制作的代表性人工智能算法有卷積神經網絡（CNN）、生成式對抗網絡（GAN）與創意生成網絡（CAN）等。其中卷積神經網絡（CNN）擅長對影像的畫面風格進行識別，包括明度、純度、飽和度等，實現對藝術風格的模仿與應用。而生成式對抗網絡（GAN）在視效領域可以提高視頻的分辨率，也可以對受損的單幀圖像進行修復與增強，能將經典黑白電影以全彩、高清的模式展現給觀眾。而創意生成網絡（CAN）側重于模擬人類藝術創作的隨機性，讓人工智能不再是單純復制的機器，在模型中探索多元的圖像風格，形成似與不似之間的技術美學，為奇觀影像的制作開辟了新天地[8]。

在影視制作的末端，人工智能還協同剪輯師打造了智能剪輯的功能。在智能剪輯的應用中，技術研究人員提前預設了多種剪輯風格,制作人員只需要把他們想要的剪輯風格輸入到系統中，系統就會自動將劇本與場景進行匹配。例如IBM 的人工智能系統沃森（Watson），不僅能夠在智能剪輯中精準把握影片的風格變換，還將預告片的制作時間縮短到24小時[9]。除此之外，智能剪輯在深度學習（DL)的功能下還具有自主學習和自動完善的功能，每一次的剪輯風格都會被保存[10]。

最后在宣傳發行及后期反饋階段，人工智能可以用于大數據發行、IP 的再生以及生成數據的創意反哺等。在后端的宣發和反饋中，人工智能極大程度地依賴于基礎設施層的大數據和云計算技術，利用這些技術對影視相關特征數據進行分析，對用戶畫像、市場分析以及影片的精準投放營銷都有巨大的輔助價值。人工智能技術在這個過程中給創作人員提供了相關方案模型，對末端決策提供了算法支撐。另外，還可以運用人工智能實時監測觀眾觀看時的心理積極率，從而為進一步地反饋控制提供決策依據，也可以為續集的故事走向提供決策參考[11]。

總而言之，人機協同模式為影視的智能生產帶來了深遠影響，利用自身技術優勢參與到了生產的實踐環節中，在制作各個環節都展現出了獨特的價值，對影視制作人員來說如虎添翼。

4 產業實踐催生技術哲思

人工智能技術以超出大眾認知的速度浸潤到影視產業鏈的細枝末節中，改變了影視制作的流程、模式甚至創作思維。但任何的變革都是以螺旋上升的姿態進行，并非一帆風順，這也表明了技術應用同樣會滋生多種困境，不僅在于技術自身的發展缺陷，同時也在于長期實踐過程中所產生的技術哲思。

4.1 開發周期長、商業鏈倒置

對于影像藝術而言，每一次飛躍性、革命性的發展都離不開技術的支持與突破。如若只在以往固定的程序中固步自封，藝術創作不會像如今這般百花齊放。換句話說，藝術不管是內容還是形式的發展，都處在動態變化中，它不僅是自身的顛覆與革新，同樣也跟隨技術的發展水平產生波動。但落腳于技術研究，這無疑是一個非常漫長的過程，任何技術在各個領域的成熟運用都會經歷設計、開發、研究、實踐論證等繁雜的過程，每一個階段都會耗費漫長的時間以及昂貴的成本，甚至在解決某一部分問題的同時，或許又會出現新的技術問題。

而在技術研發過程中，由于部分商業模式的不完整，業內還會面臨最主要的成本資金的現實問題，這也導致當下影視創作技術板塊的開發鏈條處于倒置的狀態。以往的技術研發往往是為了解決某一個特定的問題去尋求解決辦法，并且在實踐嘗試中不斷實現技術的自我迭代。而在影視創作領域，長久以來以人為核心的創作模式很少會出現需要技術發展才能解決的問題，也鮮有工程師會針對影視領域的問題對相關技術進行專一研發。

人工智能實現應用需要的開發成本是非常高的，而且開發投入也是非常大的，在這種情況下，尤其是影視圈的公司，沒人愿意花很大的代價進行開發。在商業模式不完整的前提下，目前只能拿大家已經研究得比較透徹的一些東西然后再找應用。（A1）

在這種情況下，人工智能在影視行業的應用實踐并非點對點地適配，而是一種取其精華的融合模式，這也就導致了在實踐過程中會發生融合的停滯，只能依靠技術本身的完善來解決。另外，由于影視行業自身資金回籠周期較長，一個項目從投融資到上映的過程中會經歷諸多風險，任何一個環節的疏忽都可能導致全盤努力付之東流，再加上后疫情時代對整個行業大背景產生的負面影響，整個影視市場正處于復蘇階段，從業人員的全部精力都投入到促進市場的復蘇之中，這無疑又對技術的研發與運用增加了難度系數。

4.2 技術與藝術發展失衡

長久以來技術和藝術的發展就像是光的波粒二象性一樣，二者密不可分、互相滲透。但有時一方發展的速度可能會落后于另外一方，這對技術融合和藝術創新都帶來了巨大的挑戰。對于影視行業來說，技術的加入能夠使影像擁有更多的表達方式，但與此同時也對影像創作的技巧性提出了更高的要求。在技術實踐中，影像形態和呈現方式變得更加多元，但制作模式和視效技術的突飛猛進似乎并沒有給整個行業的內容創新帶來相應的促進。

目前其實是藝術的內容創新反而沒有跟上這些技術，我覺得這個是做藝術創作需要思考的事。因為技術的發展已經超越了藝術家的能力，在我們創作方法、創作技術的革新中，其實很多藝術家都還沒有適應。所以在人才的教育以及實踐創作上都需要更多探索。（A2）

在技術與藝術發展的不平衡中，往往會有一些從業人員發出機器替代的焦慮論斷，他們認為技術發展會逐漸替代他們的工作，甚至能夠完成得比人類更好，可能會給整個就業市場帶來巨大沖擊。其實，影像創作的替代焦慮歸根結底在于技術和藝術雙方發展的逐漸失衡，人類的創造價值看似正在被逐步削弱。時代的發展裹挾著藝術創作向更為深刻的人類思想內核發展，機械復制時代黯去的“光暈”給予了藝術家們更沉重的責任。

4.3 人才培養的技術轉向

在傳統的影視創作實踐中，藝術創作與技術研發仍處于割裂狀態。在人工結構的職能團隊里，技術工程師和藝術主創之間擁有天生的思維壁壘。藝術主創聚焦于故事主旨和情感的表達，需要充分調動自身的感性思維投入到創作之中。他們更加追求藝術至上的創作思維，一定程度上否定技術滲透給行業帶來的變局。而技術工程師更加著重數據算法的采集和計算，以理性思維去解決技術運用過程中出現的問題。對于他們而言，藝術創作仍然處于“陽春白雪”狀態，技術融合還存在諸多壁壘。這樣不同思維的人就像是同性相斥的磁鐵，但在人工智能時代的藝術創作中，卻又不得不放在同一個盒子里。

此外，人工智能的飛速發展對教育的轉型提出了迫切要求[12]。在當下的影視人才培養模式中，雖然各大高校都紛紛開始重視影視技術層面的知識教學，開設了影視技術專業以及相關課程。但如今的技術教學其實只停留在操作表面。學生的思維受制于機器的工具屬性，這些工具似乎把人禁錮在創造的牢籠之中，只能在有限的范圍內實現相應的藝術效果。但事實上，如何創造工具、改變工具來為藝術服務才是未來培養復合型人才的核心。

老師教給大家的應該是方法，是底層的一些需要解決的問題，而不是單純告訴他這個軟件怎么用。我們真正要掌握的不是這個軟件，而是要思考怎么去創造一些軟件之外的東西，怎樣通過自己的能力來實現這些東西，這才是對我們創作有幫助的。（A4）

在當下的人才培養模式中，傳統的影視制作軟件被奉為圭臬，創作逐漸開始遵循軟件工具的應用邏輯，人類逐漸成為固定程式下的提線木偶，藝術創作也被“裝在套子里”失去了能動性。

毫無疑問，未來影視人才培養的重心會逐漸向技術教學偏移，行業內需要的并不是勾勒藍圖的頂層設計師，而是實打實深入實踐能夠切實解決制作問題的復合精英。

5 人工規制平衡技術發展

面對技術的實踐困境，需要從人工層面來進行調整與規制。人工智能的學習潛力在業內有目共睹，未來也一定會成為從業人員的左膀右臂，人機如何更好地通力協作是人機關系中的核心問題?；诖?，影視行業要從多個角度對機器創作進行人工規制，在確立自身主導地位的同時，也最大限度發揮人工智能的優勢，利用人機共同體的形態賦能影視產業鏈。

5.1 明確人工定位、聚焦藝術創造

人工規制的前提是人工組織要明確自身定位。雖然人工智能相關技術在一定程度上淡化了人類的主體地位，形成了較為復雜的聯結關系[13]。但人類仍然擁有獨特的思考判斷、情緒感知以及創造能力。在藝術創造過程中，人類永遠擁有不可替代性。影視藝術之所以成為藝術，就是在整個創作過程中都離不開人的因素，人工智能的最終形態只會無限接近于人的能力，而并不能完全替代甚至超越。

現在的創作還是人為主，機器為輔，并且這個機器的“輔”還處于可有可無的狀態。比如現在所謂的智能選角，哪怕沒有這個智能選角系統，我們的影視行業照樣正常運轉。（A1）

對于藝術家來講，創作過程實際是對自己經歷的一種情感上的宣泄或者表達。而機器是完全不具備這個能力的，現在機器能做到的只是能夠識別人的情感而做出一些簡單的回應，這就已經是很了不起的事情了。（A4）

未來很長一段時間內，人工智能還是以人機協同的模式作用于影視生產環節，并且在實踐中不斷進行模式調節，使兩者能夠一直處于一種動態自我完善過程中。以生成式對抗網絡（GAN）為例，創作人員的參與能夠極大提升對抗網絡的博弈效率，快速準確地達到符合主創人員要求的藝術效果，同時為下一次博弈結果提供學習數據。在此過程中，既保留了藝術創作過程中創作者的主導地位，還最大程度利用了計算機超強的計算能力與存儲能力，將人與機器的能力與作用均發揮到最佳狀態[14]。

人工智能的發展繞不開其與生俱來的工具性，它能夠更好地幫助我們的影視創作，提升效率、預測走向，甚至提供多元的創新思路。影視從業者應該與人工智能形成錯位競爭，學會揚長避短，利用機器的高效和智能為自身的藝術創作推波助瀾，站在人工智能的“肩膀”上，協同高效地完成工作。

5.2 適配新興崗位、填補技術人才

在未來的職能團隊發展中，影視創作者應當逐漸正視技術給行業帶來的變革，勇于接受新興技術為行業創作所帶來的價值，在學習與實踐中尋找技術與影視的最優解。而技術人員同樣要將藝術思維融入到技術應用中，解決藝術創作中的實際問題。在溝通過程中多使用雙方通俗易懂的語言，加強影視主創對人工智能應用的接受程度。要善于思考，用靈活的方式向影視創作者分析技術變革的優劣，主動說服他們摘掉有色眼鏡，走出舒適區。藝術創作和技術研發都不該高高在上，唯有互相理解與配合才能夠共同推進影視行業的發展。

此外，人工智能技術的加入將使大量重復性強的工作被取代，但在這個局部替換的過程中，技術的變遷也會創造新的崗位[15]。無論是前期的開發，還是中期的置景拍攝，再到后期剪輯特效的過程，必定會出現更多與人工智能技術相關的影視崗位，技術的進步與發展給行業內帶來了春風化雨般的生機與活力，也是整個影視產業推陳出新、脫胎換骨的必經之路。

人工智能參與后可能會換另一批崗位。比如我們拍大場面的戲，原來我對這個置景的要求就會很高。但是現在有了虛擬攝制之后，這個置景的成本反而省去了，但是就需要另一批人，我們傳統置景的美工不需要了，但是需要做數字資產的美工，需要新的技術人才來填補。（A1）

從這個角度來說，未來對影視行業從業者的職能要求也會發生相應改變。技術的熟練使用會逐漸成為行業標配，但最終能夠對影視創作發展起到推動性作用的還是以技術思想為核心的創作學習能力。工具的使用永遠都不會只停留在某一階段的發展中，人工智能技術若從弱階段逐漸進化，老一套的工具方法也會不再適用，那么學習能力和創造能力就會是快速適應新變化所需的核心技能。

我們會給學生開計算機程序設計課、編程課。藝術家的想法是無限的，它有太多既定軟件沒辦法實現的東西，而軟件背后實際上就是計算機代碼、計算機程序，如果我自己會編程的話，我想要什么功能我自己可以寫，而不局限于軟件給我提供的那些簡單的功能。（A4）

事實上未來最重要的是學習使用新工具的能力。因為從攝影組的角度來說，我們所有的工具都在不斷變化，每十年攝影組接觸的器材會有一個大量的變化。包括攝影、燈光、重機械、移動這些合起來，每個工作人員必須去隨時學習新的器材怎么操作。（A2）

新興崗位的出現助推影視從業人員技術轉型，督促其工作與學習互相交錯發展。人工智能創造了技術機遇，開啟了影視行業的智能時代。在亙古不變的優勝劣汰法則中，人類的自我提升盡管是技術憂思和危機意識下的生存之舉，但車到山前并非山窮水盡，或許是柳暗花明，該轉彎了。

6 結語

人工智能為影視行業賦予了無限可能，影像制作有了更加豐富的方法與模式。站在歷史的節點展望，人工智能不會成為影視技術的終點，它為藝術創作帶來了更加廣闊的發展空間，引發了深刻的技術哲思。影視行業的發展需要實踐視閾下的不斷革新，在回望與反思中打造新的生態話語，與更多新興技術共建欣欣向榮的影視生態體系。

致謝：北京電影學院美術學院副教授薄一航、北京電影學院攝影系副教授樊華、北京電影學院影視技術系副教授王春水、原北京電影學院數字媒體學院副教授葉風對本研究提供的觀點支持。