随着娱乐行业思考何时以及如何在电影制作中使用生成式AI,Netflix正在大力投入这一技术。在周二下午发布的季度财报中,Netflix在致投资者的信中写道,公司"在有效利用AI持续进步方面处于非常有利的地位"。
Netflix并不打算将生成式AI作为其内容的支柱,但相信这项技术有潜力成为提高创意人员效率的工具。
"需要伟大的艺术家才能创造出伟大的作品,"Netflix首席执行官泰德·萨兰多斯在周二的财报电话会议上说道。"AI可以为创意人员提供更好的工具,增强我们会员的整体电视/电影体验,但如果你本身不是一个优秀的故事讲述者,它不会自动让你变成一个。"
今年早些时候,Netflix表示首次在最终镜头中使用了生成式AI,在阿根廷剧集《永恒者》中创建了一个建筑物倒塌的场景。此后,《快乐吉尔摩2》的制片人使用生成式AI让角色在电影开场场景中看起来更年轻,而《亿万富翁的地堡》的制作人则将这项技术作为前期制作工具来构想服装和布景设计。
"我们相信AI将帮助我们和我们的创意合作伙伴更好、更快地讲述故事,并以新的方式讲述,"萨兰多斯说。"我们全力投入其中,但我们不是为了新奇而追求新奇。"
AI在娱乐行业一直是一个有争议的话题,艺术家们担心由大语言模型驱动的工具在未经同意的情况下使用他们的作品作为训练数据,有可能对他们的工作产生负面影响。
以Netflix作为风向标,工作室似乎更可能将生成式AI用于特效,而不是取代演员的角色——尽管最近一个AI演员在好莱坞演员中引起了轩然大波,但据我们所知,它还没有获得任何角色。然而,这些幕后AI应用仍有可能影响视觉效果相关的工作岗位。
当ChatGPT制造商OpenAI推出其Sora 2音频和视频生成模型时,这些争论最近升级了,该模型发布时没有防护措施来阻止用户生成某些演员和历史人物的视频。就在本周,好莱坞行业组织SAG-AFTRA和演员布莱恩·克兰斯顿敦促OpenAI建立更强的防护措施,防止对克兰斯顿等演员进行深度伪造。
当投资者询问萨兰多斯关于Sora对Netflix影响时,他说内容创作者可能会受到影响"开始变得有意义",但他对电影和电视业务不太担心——至少他是这样告诉投资者的。
"我们不担心AI会取代创意,"他说。
Netflix的季度收入同比增长17%,达到115亿美元,不过这低于公司的预期。
Q&A
Q1:Netflix如何使用生成式AI技术?
A:Netflix将生成式AI作为提高创意人员效率的工具,而不是内容制作的支柱。他们已在《永恒者》中用AI创建建筑物倒塌场景,在《快乐吉尔摩2》中让角色看起来更年轻,在《亿万富翁的地堡》中用于前期制作的服装和布景设计构想。
Q2:生成式AI会取代演员和创意人员吗?
A:Netflix首席执行官表示不担心AI取代创意,认为需要伟大的艺术家才能创造伟大作品。AI只是提供更好工具来增强观众体验,但不会自动让人成为优秀的故事讲述者。目前工作室更可能将AI用于特效而非取代演员。
Q3:为什么娱乐行业对AI存在争议?
A:艺术家们担心大语言模型驱动的工具在未经同意情况下使用他们的作品作为训练数据,可能对工作产生负面影响。OpenAI的Sora 2模型发布时缺乏防护措施,引发好莱坞组织和演员要求建立更强防护措施防止深度伪造。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。