DeepMind 砸 7500 万美元牵手 A24，AI 要接管好莱坞了？

这笔交易在今天正式官宣：Google DeepMind 向独立电影公司 A24 投资约 7500 万美元，启动一项为期多年的研究合作。

说是「投资」，但这不是一笔普通的财务投资。DeepMind 买的不是股权回报，而是一张进入好莱坞创作核心的门票——让真正拍过电影的人来告诉 AI 研究员，创作者到底需要什么样的工具。

一、这笔交易的本质：DeepMind 在买什么？

先说清楚这个合作的基本框架：

• 投资规模：约 7500 万美元
• 合作形式：非独家研究合作，A24 可以继续和其他 AI 公司合作
• 片库归属：明确约定 A24 的电影库不向 Google 开放训练
• 核心目标：共同开发面向创作者的 AI 影视制作工具

这里面有几个值得注意的点。

第一，「非独家」这个条款很重要。 A24 没有把自己绑死在 Google 一棵树上。这说明 A24 对这次合作的定位是「探索」而非「押注」。对于一家以艺术性著称的独立电影公司来说，保持选择权是理性的做法。

第二，片库不开放训练，这是双方的聪明之处。 好莱坞对 AI 训练版权问题的敏感度极高。2023 年的编剧和演员大罢工，AI 就是核心议题之一。A24 的片库包括《瞬息全宇宙》《月光男孩》《机械姬》这些奥斯卡级作品，贸然用于训练会引发巨大争议。DeepMind 显然不想为了训练数据把自己拖入版权战争。

第三，7500 万美元对双方意味着什么？ 对 Google 这个体量的公司，这是一笔小钱——Alphabet 2025 年的研发支出超过 400 亿美元。但对 A24 来说，这是一笔不小的资金。A24 的年度制片预算大概在 2-3 亿美元区间，7500 万相当于他们 2-3 部中等成本电影的预算。这笔钱能让 A24 组建专门的技术团队，在不影响主业的情况下深度参与 AI 工具的开发。

二、为什么是 A24？

在好莱坞，A24 是个异类。

这家 2012 年成立的公司，靠着独特的选片品味和营销策略，从一个小发行商成长为独立电影的代名词。他们发行或制作的电影拿过 7 次奥斯卡最佳影片提名，3 次获奖。更重要的是，A24 代表了一种与好莱坞大厂截然不同的创作理念——导演主导、风格优先、商业其次。

DeepMind 选择 A24 而非迪士尼、华纳或环球，背后有清晰的逻辑：

1. A24 的创作者网络

巴里·詹金斯（《月光男孩》）、关家永和丹尼尔·施纳特（《瞬息全宇宙》）、阿里·艾斯特（《遗传厄运》《仲夏夜惊魂》）、罗伯特·艾格斯（《女巫》《灯塔》）……A24 合作过的导演名单，基本就是当代作者电影的名人堂。

这些导演有两个共同特点：一是对影像有极强的控制欲，二是对新技术保持开放态度。《瞬息全宇宙》就是个典型例子——这部电影用了大量视觉特效，但特效完全服务于叙事和情感表达，而非单纯的视觉奇观。

这正是 DeepMind 需要的反馈来源。通用的 AI 视频生成工具（比如 Sora、Runway、Pika）产出的内容，往往有明显的「AI 味」——画面漂亮但缺乏叙事逻辑，单镜头惊艳但剪在一起不成片。要做出真正能用于专业影视制作的工具，必须有懂电影语言的人深度参与。

2. 规模合适

A24 足够专业，但又不像六大厂那样臃肿。大厂的决策链条长、部门利益复杂，一个研究合作可能要过十几层审批。A24 的组织相对扁平，核心决策层能直接和 DeepMind 的研究团队对话。

而且，这次合作中提到的一个关键人物是 Scott Belsky。他在 2024 年加入 A24 担任首席战略官之前，是 Adobe 的首席产品官，主导了 Adobe Creative Cloud 的 AI 转型。Belsky 同时懂创意工具和企业战略，是这种跨界合作的理想推动者。

3. 品牌调性

说得直白点，和 A24 合作对 DeepMind 的公众形象有好处。如果 DeepMind 宣布和某个以流水线大片著称的大厂合作，舆论反应大概率是「AI 要量产更多垃圾电影了」。但 A24 的艺术光环能给这次合作提供某种道德背书——这不是 AI 来取代创作者，而是 AI 来服务创作者。

当然，这种叙事能不能立住，最终还是要看产品。

三、DeepMind 的 AI 影视工具到底能做什么？

合作公告没有透露太多技术细节，但结合 DeepMind 现有的技术储备，我们可以大致推测这些工具的方向。

Veo 系列：视频生成的基础能力

DeepMind 的视频生成模型 Veo 已经迭代到 3.1 版本，最新的 Veo 3.1 Lite 专门针对轻量化场景优化。从公开展示的效果来看，Veo 在物理一致性和运动连贯性上已经做得相当不错。

但「能生成好看的视频」和「能用于电影制作」之间有巨大的鸿沟。电影制作需要的是：

• 精确的镜头语言控制：推拉摇移、景深、焦点变化都要可控
• 表演的细腻度：AI 生成的人物表情和肢体语言往往缺乏微妙的情感层次
• 风格的一致性：一部电影可能有上千个镜头，需要保持统一的视觉风格
• 与后期流程的兼容：生成的素材要能进调色、特效、声音等后期流程

这些问题光靠算法迭代解不了，需要有真正拍过电影的人来定义需求、测试效果、反馈问题。这正是 A24 能提供的价值。

Gemini 3：多模态理解的中枢

Gemini 3 系列目前是 DeepMind 最强的多模态模型，能同时处理文本、图像、视频、音频和代码。在影视制作场景中，这种能力可以用于：

• 剧本分析：自动拆解剧本，生成场景列表、角色图谱、情绪曲线
• 素材管理：对拍摄素材进行智能分类、标注、检索
• 跨模态转换：从剧本文字生成分镜草图，从音乐情绪匹配画面节奏

这些能力已经在 Google 的产品中有所体现。比如 Google 在今年早些时候推出的 Flow 工具，就整合了 Veo、Imagen 和 Gemini，允许用户通过自然语言指令生成和编辑视频片段。

但 Flow 面向的是普通用户，界面和功能都偏向简单易用。专业影视制作需要的是完全不同的工具——更精细的控制、更专业的接口、与行业标准软件（DaVinci Resolve、Avid、Nuke 等）的深度集成。

其他技术储备

除了视频和多模态，DeepMind 还有几项技术可能在影视场景中派上用场：

• Lyria 3：音乐生成模型，已经能生成相当高质量的配乐
• Genie 3：世界模型，能模拟物理环境，可用于虚拟场景构建
• Imagen 3：图像生成，可用于概念设计、分镜、数字绘景

把这些能力串起来，理论上可以构建一个覆盖影视制作全流程的 AI 工具链。但「理论上」和「实际可用」之间，还有很长的路要走。

四、好莱坞的 AI 焦虑

这次合作发生在一个微妙的时间点。

2023 年的好莱坞大罢工给整个行业敲响了警钟。编剧工会和演员工会都把 AI 写进了核心诉求，最终达成的协议对 AI 使用做出了明确限制：

• AI 生成的内容不能被认定为「文学材料」（即剧本）
• 制片方不能要求编剧使用 AI 工具
• 使用演员肖像训练 AI 需要获得明确同意和补偿

这些条款表面上是胜利，但好莱坞的工作者们心里清楚：技术发展不会因为一纸合同而停止。AI 能做的事情只会越来越多，成本只会越来越低。问题不是「AI 会不会进入影视行业」，而是「以什么方式进入」。

DeepMind 和 A24 的合作，代表了一种相对温和的路径：让创作者参与工具设计，而非用工具取代创作者。这个叙事听起来很美好，但现实往往更复杂。

创作者真的能主导吗？

技术公司让创作者「参与设计」，这事以前也发生过。Adobe 在开发创意工具时会邀请设计师和摄影师参与测试；苹果在做 Final Cut Pro 时会听取剪辑师的意见。但最终决定产品走向的，还是技术公司自己的战略判断。

创作者的反馈当然有价值，但这些反馈会被如何采纳、优先级如何排序，决定权在 DeepMind 手里。A24 能提供的是专业意见，而非决策权。

而且，「创作者」本身不是铁板一块。功成名就的大导演和在片场打杂的场记，对 AI 的态度可能完全不同。DeepMind 更可能听取谁的意见？答案不言自明。

工具的两面性

任何提高效率的工具都有两面性。Word 让写作更方便，也让出版行业可以裁掉大量排版人员；Excel 让财务分析更快，也让企业可以用更少的会计完成更多工作。

AI 影视工具也是一样。它可以帮助独立电影人用更少的预算实现更复杂的视觉效果，让原本拍不起的故事有机会被拍出来——这是好的一面。但它同样可以帮助制片厂用更少的人力产出更多内容，把原本需要几十人团队的工作压缩到几个人——这对从业者来说就是坏消息。

最终会往哪个方向走，不取决于技术本身，而取决于谁掌握了技术的使用权，以及整个行业的权力格局。

五、竞争格局：DeepMind 不是唯一玩家

AI 进入影视行业，DeepMind 不是第一个，也不会是最后一个。

专注视频生成的创业公司

Runway 可能是目前对好莱坞渗透最深的 AI 公司。他们的 Gen-3 模型已经被多部电影和广告使用，包括《瞬息全宇宙》的部分特效就用到了 Runway 的工具。Runway 的优势是专注和迭代速度——他们只做视频生成这一件事，产品打磨得比大厂的通用工具更贴合专业用户需求。

Pika 在消费市场的声量很大，但在专业市场的存在感相对弱一些。他们的产品更偏向普通用户，而非专业影视制作。

OpenAI 的 Sora 至今没有大规模开放，但从泄露的内部演示来看，能力相当强。Sora 的问题是——OpenAI 似乎还没想好怎么把它商业化，或者说，还在纠结如何处理版权和安全问题。

传统软件巨头

Adobe 已经在 Premiere Pro 和 After Effects 中集成了大量 AI 功能，包括智能抠图、音频降噪、自动字幕等。Adobe 的策略是把 AI 作为现有工具的增强，而非独立产品。这个路径比较稳妥，但也意味着颠覆性创新的空间有限。

Autodesk 在 3D 和视觉特效领域有深厚积累，他们的 Maya 和 3ds Max 是行业标准。Autodesk 也在集成 AI 能力，但动作相对保守。

DeepMind 的差异化

和这些玩家相比，DeepMind 的优势在于：

1. 技术深度：DeepMind 在基础模型研究上的积累是顶级的，Gemini 系列的多模态能力目前领先于大多数竞品
2. 资源支撑：背靠 Google 和 Alphabet，资金和算力不是问题
3. 生态协同：Google Cloud、YouTube、Google Photos 等产品形成的生态，可以为影视工具提供分发和数据支持

但 DeepMind 的劣势也很明显：

1. 产品化能力：DeepMind 历史上更擅长做研究突破，而非打磨商业产品。从 AlphaGo 到 AlphaFold，DeepMind 的成果往往停留在论文和演示层面，真正面向终端用户的产品不多
2. 行业理解：影视行业有自己的一套语言、流程和潜规则，外行很难在短时间内理解透彻
3. 信任问题：好莱坞对科技巨头的戒心很重，之前 Google 试图通过 YouTube 进入内容领域的努力并不算成功

A24 的合作在某种程度上就是为了弥补后两个劣势。但能不能真正弥补，还要看执行。

六、这对普通开发者意味着什么？

如果你是做 AI 应用开发的，这次合作有几个点值得关注：

1. 垂直领域的机会

大模型公司正在从「通用能力」转向「垂直场景」。DeepMind 和 A24 合作做影视，OpenAI 和新闻机构合作做内容，Anthropic 在深耕企业市场。这说明：纯粹的模型能力竞争正在进入平台期，下一阶段的竞争焦点是谁能在具体场景中做出可用的产品。

对开发者来说，这意味着机会在垂直领域。与其试图做一个「万能」的 AI 应用，不如深扎某个行业，理解用户的具体痛点，把通用模型能力包装成解决特定问题的工具。

2. 多模态是标配

这次合作涉及的技术——视频生成、音乐生成、多模态理解——都指向同一个方向：AI 应用正在从纯文本走向多模态。如果你还在只用文本模型做应用，可能已经落后了。

好消息是，主流模型厂商都在开放多模态 API。Gemini、GPT-4o、Claude 3.5 都支持图像输入，视频相关的能力也在逐步开放。学习使用这些多模态能力，是接下来的必修课。

3. 创作者工具的设计思路

DeepMind 强调「让创作者参与设计」，这其实是一个值得借鉴的产品思路。很多 AI 应用的问题是：开发者假设用户会适应 AI 的工作方式，而不是让 AI 适应用户的工作流程。

以影视为例，剪辑师习惯在时间线上工作，调色师习惯用示波器和曲线，录音师习惯看波形图。一个好的 AI 工具不是要创造全新的交互方式，而是要嵌入这些已有的工作流程，在用户熟悉的界面上提供 AI 能力。

这个原则适用于任何垂直领域的 AI 应用开发：先理解用户现在怎么工作，再想 AI 能在哪个环节帮上忙。

七、冷静看待：这事能成吗？

最后说点泼冷水的话。

大公司和文化机构的合作，失败案例比成功案例多得多。Google 之前和各种内容方的合作——YouTube Premium 原创内容、Google Play 影视、Stadia 游戏平台——大部分都不了了之。

这次合作能否成功，取决于几个关键问题：

技术能否达到专业门槛？ 目前的 AI 视频生成在专业影视人眼里还是「玩具」级别。要做出真正能用于商业电影制作的工具，可能需要一两个数量级的提升。这个提升能不能在合作期内实现，是个问号。

A24 的参与有多深？ 如果只是 A24 派几个人去 DeepMind 开开会、提提意见，那这个合作的含金量就很有限。真正有价值的合作，应该是 A24 的导演和制作人在实际项目中使用这些工具，用真实的创作需求来驱动产品迭代。

行业会接受吗？ 就算工具做出来了，好莱坞的工会、从业者、投资人会不会买单，还是个未知数。AI 在影视行业的应用可能会面临技术之外的阻力——包括监管、舆论和行业政治。

这些问题没有人能现在回答。但有一点是确定的：AI 和影视的结合是个必然趋势，DeepMind 和 A24 的合作只是这个大趋势中的一个实验。这个实验能不能成功不好说，但类似的实验一定会越来越多。

---

对于关注 AI 技术发展的开发者来说，这次合作最值得观察的是：一个顶级 AI 研究机构如何与垂直行业的专业玩家合作，把通用技术转化为行业工具。这个过程中的经验和教训，无论成败，都会对其他行业的 AI 应用有参考价值。

技术的归技术，创作的归创作。AI 能不能真正服务于创作者，而不是取代创作者，这次合作或许能给出一个答案。

---

参考来源

（注：由于本文引用的原始资料来源为海外网站，根据要求仅保留国内可访问域名的链接。如需了解更多详情，建议通过官方渠道获取信息。）