當“奧德修斯”遇見算法

文/默默

來源/萬點研究

雅典娜的貓頭鷹在黃昏起飛，而諾蘭的攝影機在正午轟鳴。

2026年7月17日，克里斯托弗·諾蘭的《奧德賽》在全球院線上映。截至8月9日，這部耗資2.5億美元、全長172分鐘的史詩影片全球票房已突破10.08億美元，成為導演職業生涯中票房第二高的作品，僅次于《黑暗騎士崛起》。首周末全球票房2.64億美元，刷新諾蘭個人紀錄。爛番茄新鮮度98%、爆米花指數99%，雙雙創下其個人執導生涯的最高口碑。在中國內地，該片尚未正式公映（8月14日上映），僅憑點映及預售便已收獲超過6000萬元人民幣——點映場次以0.4%的排片占比撬動了超過17%的票房，一線城市IMAX場次上座率達到94%。業內預計最終票房落點在12至15億美元之間。

同期，另一個版本的奧德修斯正在數字世界悄悄起航。獨立工作室Fountain0推出了一部總成本僅5萬美元、100%由人工智能生成的135分鐘長片《Odysseus: The Fall》。12人團隊、三個月制作周期，零實拍、零攝影棚、零大型劇組。幾乎同一時間，埃隆·馬斯克在X平臺宣布，其旗下AI平臺Grok Imagine將在年底前制作一部"忠于荷馬原著"的AI版《奧德賽》長片。

5000倍的成本差距，同一題材，同一檔期。這不僅是藝術流派的碰撞，更是一種產業信仰的分歧。但如果深究好萊塢的賬本，克里斯托弗·諾蘭的2.5億美元并非消耗性的"開支"，而是一種撬動全局的"投資杠桿"——它換來了IMAX影院的排他性協議、藍光收藏市場的長尾權益，以及未來半個世紀的版權庫價值。

反觀AI的5萬美元雖然便宜，但其訓練數據集本身存在法律灰色地帶，生成的影像無法申請強版權保護。沒有產權壁壘的"低成本"，在資本市場眼中恰恰是缺乏護城河的負資產。

諾蘭的拍攝方式幾乎是對效率至上主義者的蓄意冒犯。

拍攝周期91天，橫跨摩洛哥、希臘、意大利、冰島、蘇格蘭和美國六國。全片耗用超過640公里（逾210萬英尺）的IMAX膠片，這個長度足以從多倫多鋪到紐約，而且制作了5300套服裝。為了拍攝這部影片，IMAX公司耗時兩年研發了25年來首款新型膠片攝影機，命名為"凱利"，以致敬已故首席質量官大衛·凱利及其夫人。這款攝影機采用碳纖維部件（與F1賽車同源），首次實現IMAX膠片拍攝對白與特寫鏡頭——過去IMAX攝影機巨大的運行噪音讓任何對白場景都無法完成。

獨眼巨人的場景并非CGI生成。劇組在希臘普賽克洛洞穴搭建了一個60英尺高的真實機關人偶，結合機械特效與扯線木偶技術。六頭海怪與巨大漩渦同樣采用實景拍攝——有人駕駛快艇圍著圓圈打轉，制造物理水流漩渦，為視效團隊提供實時動態參考。演員身著青銅盔甲泡在9℃的海水中。用馬特·達蒙的話說："這絕對是我職業生涯中拍過最大的電影，它像用100年前的方式制作，只是這次用上了IMAX。"

獨立工作室Fountain0的工作方式則屬于另一種文明。

用大語言模型生成劇本，用視頻擴散模型渲染畫面，算法取代了導演、攝影師、美術指導、燈光師乃至整個后期團隊。沒有晨會、沒有天氣延誤、沒有演員檔期沖突、沒有工傷保險。5萬美元的總成本幾乎只相當于諾蘭劇組一天的餐飲開支。影片單次租賃費用9.99美元。它第一次證明：用AI生成一部長片敘事電影，在技術上是可行的。

資本市場已經給出了它的階段性投票。

諾蘭版《奧德賽》的IMAX票房已達2.57億美元，占全球總票房近四分之一。IMAX股價在8月3日勁揚6.61%，首度攻克50美元關口，創歷史新高；年初以來累計漲幅達37.99%，過去12個月內翻倍。環球影業憑借該片成為2026年首家全球票房突破40億美元的電影公司。諾蘭個人通過2000萬美元預付款加20%票房分成，有望入賬7500萬至1億美元。

而Fountain0的AI長片在流媒體平臺上線后，首周獲得約120萬次觀看。按訂閱模式折算，直接收入不足百萬美元。馬斯克的Grok Imagine版本尚未落地，資本市場對此反應平淡——特斯拉股價未見明顯波動，xAI的估值也未因此獲得重新定價。

市場偏愛確定性的敘事。

諾蘭用二十年時間、十余部作品、全球累計超60億美元票房，建立了一個投資者可以預測的品牌。以導演身份拿到"2000萬預付加20%票房分成"的好萊塢頂級合約，在行業歷史上極為罕見。而AI電影至今尚未跑通任何可持續的商業模型。沒有導演品牌溢價，沒有院線窗口期，沒有IMAX獨占分成，沒有周邊衍生鏈。它至今仍處在"技術演示"與"完整商品"之間的模糊地帶。更關鍵的是，諾蘭這種看似"低效"的實拍方式，本質上是一份交給投資方的"物理履約保函"。在好萊塢極高的失敗率下，膠片拍到了就是確定的物理資產；而AI生成完美鏡頭依賴概率抽卡，這種黑箱不可控性在制片審計中會被視為潛在的預算黑洞與延期炸彈。

關于AI能否取代傳統電影，目前最誠實的回答是：取決于你如何定義"取代"。

先看AI的局限。逐幀拆解Fountain0的成片可以發現，沒有任何鏡頭停留時長超過三秒。高頻切換并非前衛的剪輯風格，而是技術的被動妥協——當前主流AI視頻模型無法支撐長時間、高穩定的單鏡頭生成；鏡頭停留越久，畫面細節失真越明顯。跨場景的角色一致性無法保證，同一個角色在不同鏡頭中可能呈現不同的面容輪廓。物理模擬停留在淺層，肢體動作僵硬卡頓，缺乏發力邏輯與自然質感。這背后更深層的制約在于"視覺熵"：人類大腦對微表情的瞬時變化極其敏感，而偉大的表演往往是演員對生物隨機性的極端偏離。但當前的擴散模型本質上是"求平均概率"，算法為了穩定性會自動規避那些低概率的驚艷瞬間——這注定了AI在情感特寫這一核心領域，將長期處于平庸的均值之上。這些是結構性問題，未來三到五年內可能被迭代解決。

但更深層的挑戰在于消費體驗。倫敦BFI IMAX影院截至9月10日的所有70毫米膠片場次全部售罄。有人從亞特蘭大飛越半個地球，有人驅車12小時只看一場凌晨場，散場后趕早班機返程。IMAX公司CEO理查德·葛爾方說："在紐約要買到一張70毫米場次的門票得等到9月，幾乎變成了一種奢侈品牌。"人們支付的不僅是票價，還有時間、旅程和專注力。這些投入本身構成了體驗的一部分——稀缺性創造了儀式感，而儀式感創造了溢價。這不僅僅是儀式感。在流媒體無限供給的時代，"物理在場的身體消耗"正在演變為一種新的階層區隔標識。這種肉身在場產生的"具身認知"，是任何數字算法無法編碼的生理性記憶——它所產生的社交分享價值，早已遠遠超出了電影票面價格本身。

AI生成的內容天然是無限供給的。只要服務器不關機，它可以永遠生成奧德修斯、永遠生成獨眼巨人、永遠生成任何一個鏡頭。但無限供給摧毀了稀缺性，而稀缺性恰恰是娛樂產業溢價的基礎。當算法讓影像變得和空氣一樣免費且無窮時，人們反而愿意為一塊真實的銀幕支付更多。

這并不是說AI將毫無作為。相反，它的效率優勢將深刻改變影視產業鏈的中后段。

預可視化（Previs）已經在使用AI生成分鏡和動態預覽；后期特效中的背景填充、場景擴展、動態修復正越來越多地交給算法；游戲引擎與AI結合生成的虛擬制片技術，已在《曼達洛人》等劇集中大幅降低了外景成本。這些應用不爭奪"導演"的頭銜，但正在蠶食傳統電影工業中那些重復性、勞動密集型環節的利潤空間。

牛津大學經濟學家卡爾·貝內迪克特·弗雷有一個值得注意的判斷：技術替代從來不是全有或全無的，它傾向于替代"可以被規范化的任務"，而非整個職業。

AI可以替代繪制背景的畫師，但很難替代決定"為什么拍這個鏡頭"的人。它可以優化制作成本結構，但很難創造一個新的敘事范式。諾蘭選擇用IMAX膠片拍攝對白戲——這從效率角度看近乎荒唐——但正是這種"非理性"的選擇創造了區別于流媒體內容的獨特價值。在一個被算法推薦和短視頻格式統治的內容市場里，這種區分本身變成了稀缺資源。

但必須補上更冷峻的一刀：AI不會在終點取代諾蘭，但它會在起點堵死諾蘭們的學徒。當制片方可以用AI生成"足夠好"的中等成本類型片預覽時，那些原本靠5000萬至1億美金實拍項目積累經驗的青年導演，將極難再拿到實拍綠幕的預算。AI不是在終點取代大師，而是在源頭抽干了新大師成長的土壤。當未來只剩下諾蘭的"手工奢侈品"和AI的"無限快消品"，電影作為大眾藝術的中堅地帶將嚴重沙化。

有趣的是，AI可能在另一個維度上反而強化了諾蘭們的價值。

當AI生成長片變得廉價且普遍時，"真人實拍"本身會像"手工制作"一樣獲得溢價標簽。就像工業革命之后，手工制品并未消失，反而以"artisan"（工匠）的身份獲得了新的市場定位。那些無法被算法復制的元素——演員的眼神、實景的光線、一群人在同一空間共同創造的意外——可能隨著AI影像的泛濫而變得更加珍貴。

奧德修斯在海上漂泊十年才回到故鄉，今天的影視產業也在漂泊。

一條路通向算法生成的無限便利，另一條路通向膠片巨幕的有限稀缺。諾蘭選擇后者，市場給出了10億美元的肯定。但這并非終局。AI視頻模型正在以月為單位迭代——也許三年后，AI生成的奧德修斯將擁有連貫的面容、真實的物理和長達兩小時的單鏡頭敘事。到那時，諾蘭式的膠片史詩是會因為更加稀缺而變得更加昂貴，還是會淪為一種昂貴的懷舊？

如果我們足夠誠實，就必須承認這場對峙的本質是"效率邏輯"與"體驗邏輯"的不可通約性。算法追求的是"最優解"——在最短算力內生產最符合觀眾預期的視覺刺激；而諾蘭追求的是"唯一解"——那個只能在這塊銀幕、這個瞬間、這種膠片顆粒感下產生的靈魂震顫。

當產業資本瘋狂追逐算法的確定性時，他們忽略了一個殘酷的事實：人類愿意為"超越預期的意外"支付天價，卻只會為"符合預期的精準"支付廉價的訂閱費。奧德修斯拒絕了卡呂普索提供的不朽與安逸，毅然選擇回鄉路上的荊棘與風險，這或許是對當下影視困境最古老的隱喻：我們最終選擇的，永遠是那些讓我們真切感到"活著"的艱難航路，而非通向虛無的算法坦途。

本文由萬點原創，如需轉載、商務合作

請私信或加V溝通：微信號zzdmw5728