作者｜泱泱

7 月 31 日，字节跳动正式上线 Seedance 2.5。从 AI 短剧从业者的测试效果来看，Seedance2.5 能够让 AI 视频生成从「勉强可用」提升到「专业可用」的高度。这意味着，原先靠「抽卡」赌运气的行业难题，终于有了系统性解法。

单次生成的可用率在提升，AI 工具的交付能力从「能生成」走向「可交付」，这个判断恰好与几天前 WAIC 2026 上行业讨论的核心议题形成了呼应。

当时上海世博展览馆 H 展区，万兴科技与生数科技联合举办的 AI 影视专场被挤得水泄不通。会场人很多，AI 影视话题也很热，但大会上揭示的行业真相却并不温情。

据相关数据，今年上半年有 22 万部 AI 短剧上线，但破亿的却不足 0.5%，九成团队处于亏损状态。一个普遍的痛点是，单次抽卡可用率只有 20%，80% 的算力烧在了废片里。

行业从「平天下」进入了「治天下」的阶段，可抽卡这个老生常谈的问题依然没有被解决。无论是技术侧还是产业侧，共识都指向同一件事：抽卡可用率直接影响成本结构，而稳定交付决定项目的可持续性。

万兴科技在这个拐点上亮出了自己的牌。它不下场做剧，而是以「送水人」的姿态，试图通过专家知识结构化、3D 显式约束与生态算力赋能，把创作中不可控的「抽卡」变成可编排的「调度」。推动 AI 影视走向更稳定的生产。

AI 影视生成的确定性革命

「抽卡」一直以来都是 AI 短剧行业一个沉重的成本中心。

它的运作逻辑并不复杂，创作者根据剧本理解，先把人物形象和场景以图片方式确定下来，再通过模型把这些图片转化成连续的视频素材。这种视频生成模型的核心机制是「像素概率拼接」，它在根据训练数据猜测下一个像素的位置。

猜不对是常态，猜对了是运气。正是这种「猜」的逻辑，让 AI 视频生成长期停留在「勉强可用」的稚嫩状态。

Seedance 2.0 虽然今年 2 月登顶了 Artificial Analysis 全球排行榜，但用户反馈里始终绕不开单次生成时长短、人物频繁变脸、单个素材不可修改等问题。这便指向了一个更深层的问题：模型能生成画面，但缺乏对影视生产规律的理解。

模型不知道一场对话戏里人物的站位应该保持相对固定，不清楚情绪递进需要镜头语言配合，也不了解同一部剧里角色外观应该自始至终保持一致。这恰恰是影视生产和单纯视频生成之间最本质的区别。

一个团队如果把大部分精力花在和模型搏斗和概率较劲上，就很难有余力去调校剧情节奏、打磨视听语言。这也解释了为什么当前 AI 短剧产量很高，但爆款极少。能跑出爆款的团队总是跑在模型前面，他们的优势不在于模型本身，而在于懂得如何用专业的视听判断去筛选、修正和重组模型的输出，使其最终符合影视工业标准，而相当多的团队仍困在解决画面穿帮、人物变脸、光影断裂等基础问题上。

行业对这一困境的回应，大体上有两条路径。

一条是模型厂商的技术路线。Seedance 2.5 的升级方向很明确：30 秒原生单段生成解决叙事连贯性，50 个全模态参考素材锁定角色一致性，局部视频编辑让修改不必重来。每一步都在降低抽卡带来的不确定性。

图片来源：公众号 玩点 AI

另一条路，是让 AI 学会影视生产的专业知识。

万兴科技选择的是后者，他们的判断很明确：即便单点生成能力再强，一部短剧动辄几十上百个镜头，模型依然无法对整部剧的叙事逻辑负责。人物关系、情绪递进、风格统一等这些影视行业沉淀了上百年的专业知识，在 AI 影视时代还没有被转化为真正可用的工作流。

在 WAIC 上，创始人吴太兵正式发布了全新升级的万兴剧厂，核心是影视级分镜导演 Agent+ 做剧专用无限画布。

分镜导演 Agent 解决的是专业判断力的问题。万兴剧厂把导演思维、视听语言、表演艺术这些隐性知识拆解成可调用的模块，封装进 Agent 里。这使得复杂场景的镜头取舍、对话戏的机位逻辑、情绪高潮的节奏把控等原先需要资深导演经验判断的决策，被预封装成了人人都可调用的能力。同时，3D 导演台让创作者可以在三维空间里确定人物站位、机位角度与运镜路径，将跨镜头的站位一致性、轴线关系、视线匹配等问题在生成之前进行前置排除。

其次，万兴剧厂的无限画布解决的是系统性的组织问题。万兴剧厂的无限画布能够将剧本、角色设定、场景资产、分镜草图全部铺在同一个界面里，创作者可以在同一个空间里完成从创意到成片的全部环节。修改不再需要从一个软件跳转到另一个软件，每一次调整都有完整上下文，风格漂移和协作卡点被降到了最低。

从实际创作的效果来看，搭载万兴剧厂工作流，分镜创作能够提效 10 倍，从 1 集每人每天提升到 10 集每人每天，一次抽卡可用率达到了 80%。这意味着抽卡返工不再是常态，算力也不再是赌注。

出海：从「铺货」到「铺路」

如果说「告别抽卡」解决的是创作端的成本焦虑，那放眼全球市场，AI 短剧的另一重考验才刚刚浮出水面：内容如何出海？

随着国内平台分账机制的日趋收紧与同质化内容的泛滥，逾 4000 家 AI 影视创作公司将目光投向海外，寻找新的增量空间。然而，当大量团队带着国内「批量铺货」的惯性思维涌入全球市场时，却迅速撞上了另一道高墙：简单地将中国演员换成「欧美脸」、将中文剧本进行机械式翻译，在海外平台的爆款率已骤降至不足 1%。

当海外极高的用户审美门槛、高昂的 Token 消耗与本土文化壁垒叠加，行业必须回答，中国 AI 短剧的出海竞争力，究竟建立在什么之上？万兴科技作为一个老牌出海公司，在这个节点上有一套渐进式的打法来解决出海问题。

这种破解，首先始于对「文化断层」的深度弥合。在出海早期，很多团队采用换脸换背景的方式进行本土化，这套打法在初期确实有效，一是快，能吃到第一波红利；二是赌概率，铺得够多总能押中几个。但如今，AI 短剧的红利期正在收窄，仅替换语言与肖像也并非长久之计。

万兴剧厂并没有将本地化留在后期的配音与字幕阶段，而是将其前置到了生产的最前端。通过预装海外热门题材的视听偏好，万兴剧厂能够实现中文剧本的海外本土化改编、双语剧本智能拆解，用目标市场的「剧情逻辑与情绪爽点」讲故事。其赋能的海外 AI 短剧《She Swapped My Daughter!》上线次日单集收藏即达 23 万，累计播放量突破 1,100 万，验证了这套本土化方法在海外市场的实效性。

然而，仅有本土化内容还不够，随着海外观众对视觉精细度要求的提升，团队很快就会撞上第二个隐形陷阱，高昂的 Token 成本正在吞噬利润。

海外用户对自然光影、复杂微表情与地域风土人情等有着极高的容忍度门槛。为了达到这种影视级质感，一部精品化出海短剧的 Token 消耗常暴涨至 20 万元甚至 40 万元，然而，高昂的废片试错成本还在榨干出海团队本就不宽裕的利润空间。

万兴科技给出的对策是产品升级和算力配给的双重路径。一方面，正如前文所言，万兴剧厂利用「无限画布」与分镜导演 Agent 将单次抽卡可用率提升至 80%，从源头砍掉大部分因画风撕裂导致的算力损耗。

另一方面，万兴联合产业资本推出了「万剧出海创投计划」，投入数亿资金与算力 Token 资源，通过「以算力做股权与分账投资」的形式，投给有潜力的创作项目，这样直接切入创作者最痛的算力断点，拉低了原本高不可攀的算力门槛，也为一些中小团队提供了便利。

事实上，行业越往前走，中小团队的生存空间就越窄。正如万兴科技创始人吴太兵所言，「三十年河东，三十年河西」已经变成了「三年河东，三年河西」，甚至更快。很多团队还没站稳，市场已经换了规则。到现在，出海的竞争也不仅仅是内容层面的比拼，而是延伸到了整个生态链。

作为拥有成熟全球商业化通道的「老兵」，万兴科技还联合生数科技等上下游力量发起了「万剧出海共创联盟」。这一联盟打通了 IP 方、制作方、技术平台与发行渠道，为出海团队提供从工具到算力、从内容制作到全球发行的全链路支撑，本质上既降低了中小团队出海的门槛和风险，也提高了头部团队资源整合的效率。

1 号结语

字节跳动 Seedance 2.5 的迭代，标志着底层模型单点生成能力的飞跃，而万兴科技的解法，则代表了将影视专业知识结构化、将不可控抽卡转化为可编排调度的胜利。正如吴太兵在 WAIC 大会上所指出的，「在 AI 时代，Token 将变成「电」」。模型正在退为如水电般的基础能源，而决定竞争格局的，是能否将专业视听语言转化为高效可复用的生产系统。

AIGC 的童年时代结束了，行业正加速驶入工程驱动、稳定交付与生态共赢的工业化新周期，真正的战场才刚刚开始。