本文来自微信公众号： AIGC从0到1 ，作者：王零壹
这两天，《牛来》被抖音推成了一个很奇怪的样本。
人们起初围观它，恰恰因为它看起来不够好：建模粗，动作硬，镜头里有不少一眼能看出的局促。随后，吐槽变成二创，二创变成一种“我也看过这部片”的网络暗号。再往后，评论区开始出现另一种说法：它当然不好看，但看得出有人真的把它做完了。
粗糙的手工赢了虚伪的AI，人类又靠真诚扳回一城。
围绕制作成本、票房和主创经历的网传数字，仍然要等片方、平台和票房数据进一步核实。可即使先把这些精确数字放到一边，《牛来》的传播已经把一个更值得讨论的问题推到台前：为什么一部粗糙的作品，会被读成“有活人感”；许多画面更细腻、更稳定的AI短片，却常常让人说不清为什么，手指一划就过去了？
AI把“看起来不错”的画面变得越来越便宜之后，人们开始重新在意：这张图从哪里来，谁为它做过决定，谁承担了失败，又是谁真的有话要说。
过去，一张高完成度的图，通常意味着一个人花了很多时间。视觉结果、人的劳动和作者身份，常常被绑在一起。生成式AI把这三件事拆开了。结果可以很快出现，劳动可以被大幅压缩，作者性却没有自动消失，反而变成观众更想确认的东西。
《牛来》只是把这种变化照得没法轻易绕过去。
一、一部“做得不好”的电影，为什么能让人改口
一部作品被大量转发，首先仍然需要传播的燃料。《牛来》的粗糙感、反差感和可吐槽性，显然提供了这种燃料。它先是一个让人想喊“这是什么”的对象，随后才变成一个值得被解释的对象。网络上很多反向走红都是这样：大家先来围观一个失序的东西，再在围观中给它补上意义。
当观众得知它背后是小团队、长时间、有限资源下的独立完成，原本被视为缺点的地方开始被重新解读。卡顿不再只是卡顿，它成了能力边界留下的痕迹；不协调的镜头不再只是失败，也让人想到有人在一个并不擅长的领域里，硬把一件事往前推了很多年。
写到这里很容易滑进一种廉价的感动：好像只要一个人熬得够久，作品就该被原谅。我不想这么写。审美判断仍然要和励志故事分开。
可观众对它的评价，确实改变了。因为大家看的已经不只是画面，还包括画面与创作者之间发生过什么。
这就是“活人感”最容易被误解的地方。
它不是粗糙的同义词。真正的粗制滥造不会因为带着人手痕迹就可爱。它也不是手绘滤镜、噪点、故意卡顿，或者给AI视频加几处失误。那些东西只是在模仿结果，甚至会让人更不舒服。
活人感来自一种能被感到的关系：作品里有选择，有代价，有没来得及藏起来的犹豫，也有某个具体的人为什么非要把它做出来的理由。观众未必知道全部制作过程，却会从画面的不均匀、叙事的执拗、处理的偏好里，感到一个人确实在场。
这也是为什么“虚伪精致”会成为今天很有效的批评。
很多AI内容并不难看。恰恰相反，它们常常符合当前平台最安全的视觉公式：光影足够漂亮，人物五官足够规整，镜头运动足够顺滑，节奏也经过训练数据的平均值校正。问题不在于它们太丑，而在于它们太像“一个合格结果”。
看久了，观众会发现自己很难回答：这张图为什么非得是这样？它背后到底有什么人？
当一切都足够正确，却没有任何地方冒出一个具体的偏好，精致就会从能力变成一种遮蔽。
二、画面之外，观众还在买什么
图好不好看，难道不是最要紧的吗？可艺术市场从来没有这么运转过。
一幅梵高真迹和一张像素级复制品，能提供近似的视觉信息，却不会拥有同样的价格。收藏者购买的不只是颜色和笔触，也包括那个时代、那个人、那段不可复制的创作关系。手工陶器、胶片摄影、现场演出也是同样的逻辑。
它一直同时在卖两样东西。
一种是结果价值：它好不好看，能不能解决视觉需求，是否适合挂在墙上、放进广告、用在品牌传播里。
另一种是来源价值：它是谁做的，如何做成，使用了什么材料，经历了怎样的过程，背后是否有可以被确认的作者关系。
在AI之前，结果价值与来源价值往往被默认捆绑。现在这根绳子松开了。
同一张图，如果你告诉人们“这是画师画了两个月”，和告诉他们“这是模型几十秒生成的”，评价会发生变化。已有心理学实验也反复发现，即使受试者在视觉上难以稳定区分AI图像与人类作品，只要被告知作品由AI生成，他们对作品的技能、创造力和价值评价就会下调。
这恰恰是观众在做一种很朴素的价值判断。
它说明艺术价值本来就包含来源。人们不是只在买一张图，也在买“谁做了它、为什么做、这件事对谁意味着什么”。
所以，面对《牛来》，当视觉结果越来越容易复制，创作过程会不会反而变成内容的一部分？
我倾向于认为，会，而且已经在发生。
AI越能把结果抬到及格线以上，过程就越会成为区分度。不是所有人都愿意为过程付钱，但会有越来越多的人愿意。
三、“No AI”背后，混进了三笔完全不同的账
我不太愿意把No AI简单归为一群创作者对技术的情绪反弹。
艺术家说：“我花了二十年学画，你用模型几秒钟模仿我，这公平吗？”
技术支持者回答：“可是这张图很好看。”
两边听起来像在争同一件事，其实没有发生逻辑接触。
前者说的是劳动、授权和收入分配；后者说的是结果质量。把这两类问题揉成一句“AI到底算不算艺术”，争论当然不会有结论。
这三笔账搅在一起谈，只会越谈越像鸡同鸭讲。
先看审美账。AI生成的图像当然可能动人。把“AI没有灵魂”直接推到“任何使用AI的作品都不是艺术”，既不符合艺术史，也解释不了大量复杂的人机协作。摄影、生成艺术、现成品、算法艺术，都不是艺术家亲手决定每一个像素，却仍然可以有强烈的作者性。
关键不在工具有没有灵魂，而在作品背后是否存在值得讨论的人类意图。这个人是否提出了真正的问题，建立了自己的约束，选择了材料，进行了取舍，并对最终表达承担责任。
再看劳动账。这里，“No AI”阵营的担忧要扎实得多。英国创作者组织与插画行业近年的调查，已经显示出订单取消、报价下降和收入预期恶化。更有说服力的是平台级研究：当某大型图库允许AI图片进入后，总供给、交易和活跃创作者都显著增长，但非AI图片的生产、销量和活跃创作者却同时下降。
它描述的是更现实的结构性重组：市场扩大了，但一部分原有生产者被挤到边缘。
Pixiv等内容平台的研究还揭示了另一层问题。AI不一定直接抢走某一笔委托，却会用极低成本把公共展示空间填满。人类插画师获得的注意力下降，上传意愿也会跟着下降。于是No AI社区出现了。
它们不是单纯在说“我讨厌新技术”。它们在设立一种注意力保护机制：我希望有一个地方，作品不需要和一分钟生成几百张图的机器竞争。
还有权利账。模型到底从哪里学来？数据有没有授权？被用于训练的创作者有没有知情、署名和补偿？模型输出进入市场后，风险由谁承担？
“AI学习和人类学习一样”是最常见的辩护，也是一种过于省事的类比。人会学习前人的方法，但人的学习速度、复制规模和市场能力都受身体与时间限制；模型可以在超大规模数据上训练，把能力复制给数百万用户，再以接近零的边际成本生产竞争品。
真正的冲突，在一个人的文化劳动被工业规模吸收以后，规模收益由谁获得。
这也是为什么近年来的法律和产业实践，正在从抽象的“训练是不是偷窃”，转向数据来源、用途、输出相似性和市场伤害这些具体事实。Getty、Shutterstock等平台给出的路线尤其值得看：不接受来路不明的AI投稿，却自己使用授权数据训练生成器，并设计供稿人的补偿机制。
它们正在提供一条更现实的中间道路：可以使用AI，但来源必须可追溯，权利必须被处理，商业责任必须有人承担。
四、平台真正面对的，是一场注意力通胀
这部分讨论最不浪漫，却最接近创作者每天要面对的账单。
AI最先改写的，可能是“像艺术的生产”。图库、商业插画、概念草图、背景图、广告素材、分镜初稿、商品详情页视觉，这些任务的共同点是：客户主要购买一个够用的结果。
在这类结果市场里，AI的优势是结构性的。速度快，成本低，能迅速给出大量变体。只要质量过线，客户很难为了“创作者过程很感人”支付十倍价格。
这部分工作不会回到2021年的价格体系。很多创作者真正焦虑的，是大量原本能养活人的中间层工作，会不会被“够用且便宜”的视觉供给迅速吞掉。
短视频平台把这种变化放大得更快。
平台算法本来就偏爱稳定供给、快速迭代和容易识别的视觉刺激。AI恰好能满足这些需求。于是用户的推荐流里，会越来越多地出现完成度相似、颜色相似、角色相似、情绪也相似的内容。
这大概就是精致疲劳的来源。
这种偏好来自“正确但无差别”的内容供给。人们看得太多，开始厌倦。此时，一个不那么正确、却有明显个人痕迹的作品，反而更容易从信息流里凸出来。
《牛来》的反向出圈，多少借到了这种力量。它让人停下来的第一原因，未必是感动。更可能是它没有把自己修到平台的平均值里。它粗糙得不合时宜，因此显得像一个具体的人做出的选择。
这不是可复制的内容方法论。品牌和创作者若因此得出“故意做差一点就会有活人感”，大概率会翻车。
观众能够原谅真实能力边界，却很难喜欢被设计出来的笨拙。前者是痕迹，后者是策略。两者在画面上可能很接近，在关系上却完全不同。
五、“Prompt算不算创作”，问题本身已经太粗糙
No AI讨论还有一个常见误伤：把所有AI工作流看成同一种创作行为。
今天的AI创作是一条很长的连续谱：从一句Prompt出图，到几百次生成筛选、参考图控制、局部重绘、3D搭建、摄影采集、自训练模型、后期合成。把它们归为同一种创作行为，已经失去分析意义。
Prompting当然有技能。研究已经证明，人可以学习如何用更高质量的描述、媒介词汇和结构化指令影响输出。但“会写Prompt”也不自动等于拥有最终图像的全部作者性。美国版权局在相关报告中已经给出过相当清楚的方向：仅有Prompt，通常不足以让人对模型输出的表达细节主张完整作者身份；人对最终表达的控制与贡献，才是判断重点。
这条界线未必让所有人满意，但它比“AI都是抄袭”或“用了AI就是作者”更接近现实。
未来的创作标签也不该只剩下AI和No AI。
Human-made、AI-assisted、AI-generated、AI-generated plus human edited、custom model、licensed-data generated，这些更细的来源信息，才有可能让消费者、平台和委托方按自己的偏好做选择。
透明度的意义，在于让消费者、平台和委托方重新有信息可依。
六、AI越强，人的来源会不会越值钱
传统艺术世界对AI的接受，远没有科技圈想象得那么快。画廊、藏家和专业艺术机构对AI生成作品仍然保持犹豫，很多人并非否认技术能力，而是不知道该如何处理作者性、稀缺性和市场价值。
这并不奇怪。
艺术市场从来不是一个只按像素质量定价的市场。它更像一个来源市场。原稿、创作过程、艺术家声誉、展览经历、材料、现场性、作品与人的关系，都是价值的一部分。
所以，AI不会把No AI自然消灭。模型越强，人类来源反而越可能变成一种更清晰的稀缺属性。
未来几年，视觉生产大致会分成三层。
第一层是合成视觉市场。大量、便宜、即时、结果导向。这里AI会拥有极强优势，也会持续压低可替代视觉生产的价格。
第二层是混合创作市场。导演、设计师、艺术家把AI、3D、摄影、绘画、传统软件放进同一套工作流。这一层的稀缺性，转移到品味、判断、世界观、叙事和art direction。
第三层是人类来源市场。消费者明确购买手工、原稿、现场、过程、艺术家身份，以及一件作品与具体的人真实发生过的关系。这里的No AI，更像Handmade、Organic、Film photography或Live recording，不必是对技术的咒骂，也可以是一种可验证的来源标签。
它们会长期并存。谁也不会把谁彻底赶出市场。
七、《牛来》留下的，不该是一句“AI没有灵魂”
回到《牛来》。它并不证明粗糙制作值得被浪漫化，也不证明大众已经形成了一种成熟、稳定的反AI审美。它的走红里有猎奇、有玩梗、有社交货币，也有算法推波助澜。
可它的确像一张试纸，让人看见一个正在成形的偏好。
当“漂亮结果”的成本不断趋近于零，人们会更在意那些不能自动生成的部分：一个人真实的偏好、经验、关系、失败，以及他为什么愿意把时间花在这里。
这不是要把人类创作神圣化。人的作品也会偷懒，也会套路，也会空洞；AI辅助作品也可以有复杂的意图与强烈的表达。
“AI Art到底算不算Art？”这个问题已经太粗糙了。
接下来更值得问的是：在这件作品里，人究竟做了什么？模型从哪里学来？谁从这套生产系统里获利？又是谁承担了被替代、被模仿和被淹没的成本？
这些问题比“有没有灵魂”难得多。可不把它们拆开，下一代创作秩序就无从谈起。
《牛来》让人感到的那点“活人感”，最后或许奖励的不是笨拙。
它只是让人想起：
机器可以无限制造结果，那个真正发生过的过程，却还得有人留下来认领。