1995年，张曼玉在《甜蜜蜜》里有一场戏，让无数人在影院哑然失语。她看见豹哥的遗体，先是不由自主地笑，随后笑容慢慢坍塌，变成一场从喉咙深处涌出的嚎啕。那个“先笑后哭”的瞬间，没有剧本可以设计，没有算法可以预测，是角色几十年漂泊压缩成的荒诞感，在那一刻炸裂出来的。
2026年，某平台发布了一段AI演员的演示片段，同样的眼神角度、同样准时的泪水、同样的崩溃表情。画面精准，几乎无懈可击。但看完之后，观众沉默了。不是感动的沉默，而是说不清楚哪里不对的沉默。
这个“说不清楚的不对”，就是这篇文章的起点：AI究竟能不能造出张曼玉的这一滴眼泪？
先笑，再哭：情感的不对位
要回答这个问题，先要弄清楚那场戏里到底发生了什么。
在表演美学里，张曼玉的那个反应有一个准确的名字：情感的“不对位”。悲伤以反线性的方式呈现。常规逻辑是：看见死亡，直接崩溃，但她没有。李翘的那一笑是反逻辑的，现实的荒诞感在瞬间袭来，在一个本该承载悲伤的场景，她被一个米老鼠纹身打断，使得情绪短暂失焦。而真正的崩溃，发生在这种失焦之后。
AI无法生成这个瞬间，不是因为算力不够，而是因为AI的逻辑追求“最像悲伤的悲伤”，追求情绪的最大公约数。但张曼玉那一刻走的是另一条路，它是角色几十年漂泊、几十年隐忍，在一个荒诞的瞬间里全部坍塌的具体形状。那个形状不在任何训练数据里，它是对概率的反叛。
电影理论家巴赞曾说，摄影影像与现实具有某种“同一性”，不是因为它“像”现实，而是因为它捕获了时间的印迹。张曼玉在那一刻不是在演戏，她是把角色的半生重量在几秒钟里炸了出来。那是不可重复的生命损耗，而影像保存了它。
换句话说，AI擅长生成“标准答案”，而人类情感的关键时刻往往不是标准答案。
观众到底在看什么？
当观众面对AI生成的“情绪”却难以共情时，问题未必在于逼真度。神经科学家森政弘提出的“恐怖谷效应”提供了部分解释：当AI模拟得越像人，却缺乏真正的“生命体验”时，带给人的不是感动，而是一种说不清楚的生理排斥。这种排斥来自大脑的边缘系统，负责情感的那部分，识别出了某种根本性的缺失。
但这还不是全部的答案。启映传媒CEO王颖在采访中描述了他反复观察到的现象：“即使AI生成的类真人形象在技术上已相当逼真，观众仍然难以建立深度的情感认同。那种感觉类似于面对‘充气娃娃’的隔阂感，无论技术多逼真，情感连接就是无法建立。”
这个隔阂感的根源，不在于像不像，而在于到底“谁”在哭。当我们看张曼玉时，我们是在与一个真实存在的生命共振，我们知道她作为一个人，经历过爱恨，有过岁月的重量。这种“同类”的身份认同，是深度共情得以发生的前提。AI没有这个前提，它是像素点的精确排列，而非生命经验的显现。
德国思想家本雅明区分了“信息”与“故事”：信息在被消费的那一刻就枯竭了，而真正的故事扎根于经验，讲故事的人是将自己的生命体验转化为听众的体验。AI拥有海量数据，但它没有肉身经验，没有痛感，没有死亡恐惧，没有爱而不得。它能模拟的只是结果，而人类创造的是过程。
AI是“止血带”，还是“革命”？
在这个问题的背后，是整个中国影视行业正在经历的一场特殊焦虑。
各大平台宣布成立AIGC部门，制作公司急着引入AI演员，上市公司的投资者会上频繁提及“技术转型”。表面上看，这是一次主动的产业升级，但如果你坐下来和行业内部的人谈，你会听到另一个版本。
稻草熊娱乐CEO刘小枫的表述颇为耐人寻味。他指出，公司虽已提前布局AIGC，但“AI投入不影响短期财务指标，因为我们的财务表现主要基于过往内容”。这一说法没有着力渲染技术红利，而是强调短期业绩的稳定性，反映出公司在探索新技术路径的同时，也在兼顾既有业务基础与节奏控制。
数据是残酷的。2015年，中国电影票房暴增近50%，达到440亿元，头部影视公司单年净利润普遍维持在8亿至20亿元。那是行业最后的狂欢。2024年，总票房勉强回升至425亿，但极端集中的趋势下，只有5%到10%的头部影片能依靠票房盈利，绝大多数中小成本项目在院线端亏损。平台则全面转向分账模式，把风险推给制作方。
在这种背景下，AI的引入与其说是“产业升级”，不如说是财务应激。它不是华纳1927年拍《爵士歌王》时那种孤注一掷的技术革命，更像是一个资金链紧张的人，发现了一张暂时止血的创可贴。
这里有一个值得警惕的混淆：把降本工具当作审美方案。AI能做到的事情很清晰。追光动画在《长安三万里》里用AI处理了一个包含1.2万名虚拟角色的3秒镜头，显著降低了制作成本；古装、玄幻、科幻题材的前期美术出图效率大幅提升。这些都是真实的效率收益。
但效率层的问题解决了，审美层的问题没有移动半分。编剧、导演、演员等核心人才仍需聚焦其说故事与审美的能力。刘小枫在采访中明确说，稻草熊不会转型为技术公司，“重点在于培养使用AI、训练智能体的能力”，而非让AI接管创作判断。王颖则更直接：影视行业最核心、最稀缺的资源，依然是能讲好故事的编剧能力，“AI工具的使用能力将像剪辑一样，成为一项分工明确的专业技能”，而非创作的核心。
媒介的每次跃迁，都是一场恐慌
当然，把这一切仅仅定性为“恐慌”是不够公平的。从更长的时间尺度来看，每一次媒介技术的跃迁，都伴随着类似的行业震荡。
1927年有声电影出现，许多无声时代的大明星因为口音或嗓音问题瞬间失业，整个好莱坞在几年内完成了恐慌式转型。但恐慌过后，声音彻底改变了电影能讲述的故事范围，它不只是技术升级，而是叙事空间的扩张。
从院线到电视，从电视到流媒体，每次媒介迁移都伴随着资本的恐慌性转移。短剧的崛起也不例外。它是移动化之后媒介进一步碎片化的产物，背后有三股力量在支撑：大城市通勤把人们固定在移动路程里，创造了大量碎片化时间；算法平台精准捕捉注意力，以成瘾机制将这些时间变现；而现代社会高度运转之下，人们本身也需要一些“奶头乐”来排解焦虑。
知名编剧、制片人环玥在采访中把这个逻辑说得更清醒。她认为，行业的现状其实是一次回归：“行业经历了从依赖内容本身到依赖明星、大制作，再回归到内容竞争的过程。对制作方而言是回归到竞争本质，迫使其更冷静地思考内容本身的价值。”
这里有一个关键的区分：每次媒介跃迁，改变的不只是“怎么拍”，更是“什么可以被讲述”。短剧改变了时间容器，流媒体改变了发行逻辑。而AI这一次，改变的是“谁有能力制作”。当生产门槛趋近于零，这个行业真正的护城河，第一次暴露得如此清晰。
当工具廉价，“审美”才是稀缺品
这里有一个悖论，也是这个行业最值得关注的结构性变化。
当AI让视觉生产门槛趋近于零，市场上会出现什么？答案是“审美通胀”。大家都能做出100分的画面，但画面的精致度本身不再是竞争优势。决定胜负的，将不再是技术储备，而是品位。
19世纪末，摄影术出现时，很多人以为绘画即将消亡。但结果是，当“画得像”不再是门槛，艺术才真正开始追问“什么是美”。塞尚、莫奈、梵高，正是在摄影术出现之后，找到了绘画独有的领地。AI对影视的冲击逻辑如出一辙，它会倒逼这个行业去追问，那些无法被算法生成的东西，究竟是什么。
环玥从创作实践的角度给出了更具体的判断。她指出，当前AI在长篇幅叙事上存在一个无法回避的技术瓶颈，上下文记忆能力不足，难以维持一个故事在几十集跨度内的逻辑自洽与情感积累：“当前AI技术难以稳定生成10分钟以上的内容，更无法驾驭长篇叙事的上下文逻辑。未来AI更可能扮演编剧工作室中‘小编剧’的角色，负责执行具体写作，而人类‘大编审’则负责创意把控。”
这个技术短板，反而为那些需要长时间情感积累的叙事形式创造了窗口。环玥预测，每集10至15分钟、总时长240至400分钟的“中剧”将迎来结构性机会。它既能满足比短剧更丰富的情感需求，节奏又符合被短视频切割过的现代人注意力习惯，还恰好落在AI目前难以稳定覆盖的叙事长度区间。她把这种稳定产出的中剧比作“内容界的优衣库”，不是奢侈品，但品质稳定，能持续满足大众日常观看需求。
行业的错位发展：谁在受益，谁在出局
现实的演变，往往比理论预判更为复杂。当我问起这个行业未来的格局时，三位采访对象给出了相当一致的判断：两极分化。
一极是大规模的AI内容生产：低成本、高产出、批量试错，主要服务于短剧和碎片化内容市场。刘小枫预判，未来平台的内容金字塔将重构，平台将保留少量传统超级头部内容，而基座部分将由大量AIGC内容构成，通过分账模式与平台合作。
另一极，是“真人”的反向稀缺。环玥在采访中谈到：“真人影视在提供情感投射、真实触感方面具有不可替代性。粉丝对真人偶像的情感需求，是AI虚拟偶像无法满足的。头部真人内容及其衍生的偶像经济，在可预见的未来仍将存在，并可能变得更加‘金贵’和细分。”
王颖指出了一个反直觉的中间地带：在分账模式下，大公司因高成本结构难以为继，议价权被削弱；而小公司凭借灵活性和低试错成本，反而可能在中短剧市场获得更多机会。“行业将经历一轮洗牌，新模式对大公司冲击更大。”
这里有一个对投资视角至关重要的判断：IP的战略价值正在重估。刘小枫在采访中反复强调，IP是内容行业“亘古不变的核心资产”。AIGC的低成本特性将放大IP价值，使其从单次授权变成可互动延展的数字资产。当生产成本趋近于零，拥有IP的公司，拥有的是已经经过市场验证的受众关系，而这一特性是AI无法批量生产的。
在算法的尽头，为“不可计算”立项
网飞（Netflix）在这个行业里是一个被反复援引的参照系。人们通常把它当作算法成功的案例，他们通过大数据发现，喜欢大卫•芬奇、凯文•史派西和英版《纸牌屋》的受众高度重合，于是绕过试播集，直接砸下1亿美元预订两季。
但网飞最关键的一步，不是这个，而是用算法找到受众之后，彻底放权给创作者。《罗马》是阿方索•卡隆的黑白自传性艺术片，按照传统商业逻辑几乎不可能立项；《鱿鱼游戏》是对韩国本土社会的极端化寓言，在本地市场都不被看好。算法负责找到“谁会看”，但“看什么”，交给了那些被算法找到的创作者去决定。
这才是AI时代影视行业真正需要的镜子：AI降本增效省下来的钱，应该用来支持那些曾经因为“太贵、太小众”而无法立项的高审美项目，而不仅仅是用来制造更多效率更高的平庸之作。
刘小枫对此有一个清醒的表述。他说，无论技术如何迭代，稻草熊的愿景始终是：“在技术快速迭代中，坚守对优质内容的判断与获取。”
“判断力”，不是“生产力”。这个区分在AI时代变得前所未有地重要。因为生产力正在被平均化，而判断力——那种知道什么是好故事、什么是真实的情感、什么是值得被讲述的人类经验的能力——正在变得越来越稀缺。
回到那滴泪
让我们回到开头那个问题。
为什么AI复刻了张曼玉同样的眼神、同样的泪水，我们却感受不到同样的共鸣？
因为那场戏里真正在传递的，不是“一个人哭泣”这个信息，而是李翘这个人，她从香港到纽约、从相遇到错过、从年轻到中年，所有这一切浓缩之后，在那个荒诞瞬间里唯一可能的崩溃方式。那个崩溃方式是具体的，是只属于这一个人、这一段人生的。
人类学家赫拉利认为，讲故事是人类统治地球的底层能力，我们通过故事处理焦虑、解释苦难、在宇宙中定位自己。这种能力不是对数据的概率统计，而是生命体验的转化：将自己曾经历过的真实痛苦、荒诞、喜悦，压缩进一个可以被他人感知的形式。
AI正在以前所未有的方式放大内容生产的规模与效率。但那种在黑暗影院中，被某个具体生命瞬间击穿的体验，它尚无答案，也许永远不会有。AI更擅长提炼人类情感的“最大公约数”，却难以承载个体之间那些细小而锋利的差异。在一个人工智能不断逼近人类、甚至频繁通过图灵测试的时代，正是这些差异，让我们仍然能够辨认出“人”。
张曼玉的那滴眼泪，从来不只是泪水。它是张曼玉所有活过的岁月，在那一刻借道流出来的。
（本文仅代表作者观点。责任编辑邮箱：tao.feng@ftchinese.com）