AI 短剧二八效应深度解码：AI 把“前置成本”变成了“后置成本”——降的是入场费，抬的是赌注；而爆款率下降的速度，正在吃掉降本的全部红利
量子道
量子道 · 扫码阅读
微信 · 浏览器扫码
在手机上获得更好的阅读体验
核心结论：据中泰证券研报，2026 年上半年 2D、3D 漫剧及仿真人品类 AI 短剧的制作成本较上年整体下降 80%–90%，仅为传统短剧制作成本的 2%–10%；剧组规模从真人剧的 30–50 人压缩到 7–10 人，周期从 15–20 天缩短到 7–10 天。行业由此呈现”少数爆款、多数陪跑”的分化，漫森文化创始人黄浩荣称之为”三七效应”，并判断窗口期过后会回归二八。市场的主流叙事是”AI 把成本打下来、中小团队迎来红利”。但本文认为这个叙事漏掉了一个关键结构。核心判断是：AI 真正改变的不是”成本高低”，而是”成本的时间位置”——它把一个”前置成本”行业，变成了一个”后置成本”行业。 真人短剧的钱要先花在拍摄上，门槛是”入场费”；AI 短剧的制作近乎免费，但真正的支出在上线后的投流，而投流要等数据出来才知道该不该花，门槛从”入场费”变成了”赌注”。前置成本筛选的是”有钱的人”，后置成本筛选的是”敢赌且赌得准的人”。 由此推出三条判断。第一，“AI 降本”能否让行业更好赚，取决于一个不等式：单部成本降幅 vs 爆款率降幅。 因为中一部爆款所需的期望投入 ＝ 单部成本 ÷ 爆款率：单部成本降到 1/10 但爆款率也降到 1/10 时，期望成本一分未省。而当爆款率降得比成本快时，AI 不是在帮你，是在消耗你。 第二，二八效应的机制不是”竞争加剧”，是”注意力总量刚性”——酷看文化副总经理曹蕊的判断很准：AI 短剧抢的不是一批新增用户，是同一批用户在同一类故事上的注意力。供给可以指数增长，注意力只能零增长；于是单部作品的平均份额必然被稀释，爆款率随之下降。这是算术，不是竞争。 第三，AI 淘汰的不是”人”，是”不承担判断责任的人”——因为 AI 可以生成一百个方案，但它不能为选择哪一个负责。
一、先纠正一个叙事：降的是”制作成本”，不是”成本”
媒体在报道这轮降本时，用的数字非常震撼：制作成本降 80%–90%、仅为传统的 2%–10%。
但请注意这句话的限定词——“制作成本”。
| 成本项 | 传统真人短剧 | AI 短剧 | 变化 |
|---|---|---|---|
| 剧组人力 | 30–50 人 | 7–10 人 | 大幅下降 |
| 场地、服化道 | 必需 | 几乎归零 | 大幅下降 |
| 拍摄周期 | 15–20 天 | 7–10 天 | 下降约一半 |
| 投流（流量采买） | 占大头 | 仍占大头 | 未下降 |
| IP／版权 | 需要 | 需要 | 未下降 |
| 算力 | 无 | 新增 | 上升 |
| 后期人工修正、审核改稿 | 较少 | 新增（画面 BUG、过审） | 上升 |
被降掉的那部分，是”制作”；而它本来就不是成本结构里最大的一块。
于是出现一个刺眼的结果：
AI 把拍摄的钱省出来了，但省下的钱大部分被流量吞掉了。生产门槛崩塌，流量壁垒巍然不动。
而这就引出了本文认为最需要说清的一件事：AI 不只是”降低了成本”，它更根本地”改变了成本发生的位置”。
二、核心框架：从”前置成本”到”后置成本”
这是本文的分析支点。
传统真人短剧的成本是”前置的”：你要先有剧本、先组剧组、先拍完、先做完后期——这一切都发生在”知道它行不行”之前。
| 前置成本型（真人短剧） | 后置成本型（AI 短剧） | |
|---|---|---|
| 钱主要花在 | 生产（拍摄、制作） | 分发（投流、验证） |
| 花钱时点 | 结果出来之前 | 结果出来之后 |
| 门槛性质 | 入场费 | 赌注 |
| 失败形态 | ”拍不完”（没钱就停机，损失可控） | “做完了没人看，而你已经付了流量费” |
| 筛选的是 | 有钱的人 | 敢赌且赌得准的人 |
前置成本是”确定的”，后置成本是”不确定的”。所以 AI 没有降低风险，它只是把风险从”投入前”推迟到了”投入后”。
这个转换带来两个直接后果：
第一，进入变容易，退出变昂贵。
前置成本高的行业，天然是”少而精”——因为付不起入场费的人进不来。 后置成本高的行业，天然是”多而杂”——因为进来的门槛低了，但活下来的门槛没变。
这就是供给爆炸的结构性原因：不是”AI 让内容变多了”，是**“AI 让退出的代价被推迟了”**——你能以极低成本做出一部剧，但你无法以极低成本知道它行不行。
第二，试错的”制作成本”归零了，但”验证成本”升到了最高。
你越是”试错”，付的流量费越多；而”不试错”，就永远不知道哪个能成。
这是一个典型的”探索成本不可回收”结构——AI 把探索的”生产环节”变得几乎免费，却把”验证环节”变成了唯一花钱的地方。
三、本文的核心算式：期望成本 ＝ 单部成本 ÷ 爆款率
现在把问题变成一道算术题。
中一部爆款所需的期望总投入 ＝ 单部成本 ÷ 爆款率
用这四组假设算一遍（数字为示意，用于说明机制）：
| 情景 | 单部成本 | 爆款率 | 期望成本 | 相对传统 |
|---|---|---|---|---|
| 传统真人剧 | 100 万 | 10% | 1000 万 | 基准 |
| AI 红利期 | 10 万 | 10% | 100 万 | 省 90% |
| AI 成熟期 | 10 万 | 2% | 500 万 | 省 50% |
| AI 极端期 | 10 万 | 1% | 1000 万 | 一分未省 |
所以”AI 是否让行业更好赚”，取决于一个不等式：单部成本降幅 vs 爆款率降幅。
而这里最残酷的一点是：这两个降幅很可能是同步的。
为什么？因为爆款率的下降，不是”运气变差”，而是”分母变大”。
酷看文化副总经理曹蕊的判断提供了直接证据：北美 AI 竖屏短剧用户以 35–55 岁女性为主，和观看真人短剧的用户有重合；“AI 内容爆款与真人短剧在题材和故事内核上还是很相近的”。
换句话说：AI 短剧抢的不是一批新增用户，是同一批用户在同一类故事上的注意力。
那么：
| 变量 | 变化 |
|---|---|
| 供给（可选剧目） | 从数万部 → 数十万部（成倍增长） |
| 需求（用户总时长） | 基本不变 |
| 单部作品的平均注意力份额 | 必然下降到原本的几分之一 |
所以爆款率必然下降，且下降幅度与供给增长倍数同量级。
而这就解释了那个让很多人困惑的现象：制作成本降了 90%，为什么赚钱反而更难？
因为爆款率也降了接近 90%。两个 90% 相乘，净效果接近于零。
这不是”AI 没用”，而是”AI 的红利被竞争吃掉了”——技术红利没有留在内容方手里，它以”供给增加、单部收益下降”的形式，转移给了平台与观众。
四、二八效应的真正机制：不是”竞争加剧”，是”注意力刚性”
这一节想把”内卷”这个词说清楚。
很多人把内卷理解为”竞争激烈”。但**“竞争激烈”只是一个描述，不是机制**。真正的机制是：
收益 ＝ 相对排名 × 注意力总量。 而相对排名 ＝ 我的质量 ÷ 所有作品质量之和。
把这个式子摊开，会看到一件很残酷的事：
| 情况 | 相对排名 | 收益 |
|---|---|---|
| 只有我提升质量 | 上升 | 上升 |
| 所有人都提升质量 | 不变 | 不变 |
| 所有人质量提升、且作品数量增加 | 下降 | 下降 |
当所有人都努力时，每个人的努力都会互相抵消——收益不变，成本上升。
这就是内卷的数学定义：投入增加，但相对位置不变，所以收益不变而成本上升。
而这也解释了一件反直觉的事：即使所有 AI 短剧的质量都比以前更好，平均收益仍然会下降。 因为收益不由”质量的绝对值”决定，由”质量的相对排名”决定。
而排名型市场的另一个特征，是它必然走向极端集中：
只要排名靠前的作品能拿走绝大部分注意力，头部就会持续通吃。 酷看文化曹蕊的表述很直白：“一部头部的作品可以把做过的所有中量级作品的成本都收回来，但是大部分跟风、跑量的作品还是在陪跑。”
这句话的信息量在于：头部不是”赚得多”，是”替所有人回本”。
所以”二八”不是分配比例问题，是”风险承担结构”问题——头部承担了全行业的盈亏平衡，而多数项目本质上是在为头部提供”分母”。
五、两条路线的分野：本质是”谁承担叙事风险”
行业已经分化出两套范式，这一点媒体讲得很多。但我想给出一个更精确的区分标准。
| “+AI 创作”（流水线） | “AI+ 创作”（人主导） | |
|---|---|---|
| 谁做决定 | 工具驱动，人依附输出 | 人驱动，AI 执行 |
| 团队构成 | 极少人 | 十几人，含艺术总监、导演、编剧 |
| 风险策略 | 多产，赌概率 | 少产，赌判断 |
| 成本结构 | 单部极低，但部数要多 | 单部较高，但部数可少 |
而关键区别在于：谁承担”叙事风险”。
纯流水线（+AI）把叙事风险交给了”概率”——多做几部，赌一部中。 人主导（AI+）把叙事风险交给了”判断”——少做几部，赌自己看得准。
而这两种策略的相对优劣，会随着爆款率变化而反转：
| 爆款率 | 概率策略（多做） | 判断策略（做准） |
|---|---|---|
| 高（红利期） | 占优（多产即可覆盖） | 相对低效 |
| 低（成熟期） | 成本急剧上升（要做的部数暴增） | 成本相对稳定 |
所以二八效应本身，会系统性地淘汰”概率策略”，留下”判断策略”。
而这给了一个很重要的结论：走”AI+“路线，长期看不是因为”更艺术”，而是因为”更经济”。
在供给过剩的市场里，“判断力”的溢价会上升，“产能”的溢价会下降。
而这个判断在报道里有一个很硬的案例支撑——《神·笔》：AI 占比 70%–80%，剧组总共十几人，包括几位执行导演和一位艺术总监；由朱智立执导、陈楸帆编剧、刘慈欣担任文学监制。
注意这个配置：AI 占了 70%–80% 的画面，但核心岗位一个都没少。 而导演朱智立的表述正是本文想说的：“真正好的 AIGC 作品本质上还是影视作品。要讲好一个故事，就要用好视听语言，传统影视的方法论要转化到 AIGC 里来。“
六、出海：真正的壁垒不是”文化”，是”目标函数不可移植”
这一层是本文认为最被低估、也最容易被”翻译换脸”式理解掩盖的。
报道里，曹蕊把出海的核心要素概括为”区分市场”与”故事内核”。而”区分市场”背后，其实是一个更技术性的概念差异：
| 国内主流（IAA） | 北美主流（IAP） | |
|---|---|---|
| 变现方式 | 广告 | 付费 |
| 内容目标函数 | 最大化观看时长 | 最大化付费意愿 |
| 内容特征 | 前 3 秒抓人、每集留钩子、能拖住人 | 完整体验、口碑驱动、值得付费 |
| 报道披露 | — | 北美市场六七成观众愿意付费，IAP 模式已成熟几十年 |
这不是”渠道差异”，是”内容的目标函数不同”。
而目标函数不同，意味着内容的最优形态不同：
- IAA 训练出来的内容，擅长”拉人”，但不擅长”让人愿意掏钱”；
- IAP 需要的内容，要”值得被付费”，而不只是”值得被看完”。
所以”把国内剧本翻译、换一张外国面孔”出海，注定失败——不是因为文化不对，是因为”内容的目标函数”不对。
而报道还给了另一道硬关卡：平台对 AI 内容上线的审核门槛越来越严格，很多创作者自制的作品有 70%–80% 的画面无法通过平台审核，常因画面尺度、宗教文化、当地法规被卡住。
请注意这里的表述：是”70%–80% 的画面**“，而不是”70%–80% 的作品”。** 这个区别很重要——它意味着问题不在”选题”，而在”产能的可交付性”：
即使你选对了故事，你仍然可能因为大量画面过不了审，而无法交付一部完整作品。
而”无法交付”比”没人看”更致命——因为”没人看”至少验证了市场，“无法交付”连验证的机会都没有。
这也是那句判断的真正分量：“门槛低不等于能出海，能生成不等于能播放。”
而黄浩荣指出的第二个壁垒同样具体：国外 DSP 广告投放逻辑与国内不同，学习成本很高；以及本土化——“出海剧本基本从国内出去，能持续一段时间，但不是最长远的打算……未来需要真正本土的编剧。”
所以”出海”不是”把国内流水线复制出去”，而是”重建一条本地价值链”——本地编剧、本地投放、本地合规。这三样，没有一样能靠 AI 生成。
七、一个被”效率论”掩盖的事实：AI 淘汰的是”不承担判断的人”
这一节是本文最想给从业者的一句话。
过去一个剧组里，很多人做的是”执行”——按导演要求摆机位、调灯光、跑场记、对台本。这些工作会被 AI 替代，这是事实，不需要美化。
但 AI 无法替代的是”承担后果的人”——决定这个故事讲什么、给谁看、赌不赌这个题材、以及”如果错了，我认”。
因为 AI 可以生成一百个方案，但它不能为选择哪一个负责。
所以在 AI 时代，“判断力”的价值并不只是”更高的技能”：
它是”承担风险的资格”。
而这也给从业者一个很实际的路径：
从”执行者”变成”决策者”，不是技能升级，是”责任升级”。 而责任是无法被外包的——这就是为什么”会用 AI 工具”很快会变成基础能力，而”敢为结果负责”永远是稀缺能力。
报道里有一个细节正好印证：朱智立说，AI 让科幻、奇幻、玄幻这些”原来在传统短剧里因为成本无法实现的类型”终于可以落地。
注意这句话的含义：AI 打开的不是”更便宜地做旧内容”，而是”终于可以做以前做不了的内容”。
而当”能不能做”不再是问题时，“该做什么”就成了唯一的问题——而这恰恰是 AI 最不擅长的部分。
八、四个需要校正的认知
一、“制作成本降到 1/10，做短剧更容易赚钱”是误读。 降的是制作成本，而投流、IP、算力、审核改稿的成本未降甚至上升；且爆款率同步下降，期望成本可能一分未省。
二、“AI 会替代编剧导演”是误读。 AI 擅长画面生成，不擅长洞察人性、构建共情、把握跨文化审美。《神·笔》AI 占比 70%–80%，但导演、编剧、艺术总监一个都没少。
三、“翻译换脸就能出海”是误读，而且错在更根本的地方。 不只是文化不符，是 IAA 与 IAP 的”内容目标函数”不同；叠加 70%–80% 的画面过审难题与本地投放体系差异，“能生成”与”能播放”是两件事。
四、“三七效应”不会长期维持。 窗口期红利来自”供给未饱和 + 平台扶持新形态”；当供给翻倍而需求不翻倍时，回归二八是算术结果，不是悲观预言。
九、六个可以跟踪的观察指标
- “回本所需播放量”（＝ 单部成本 ÷ 万次播放收益），而不是”制作成本降了多少”。 这是本文最看重的指标——制作成本降 90% 是好事，但如果回本所需播放量涨了 5 倍，净效果就是变差。这个比值才是”AI 是否真让行业更好赚”的唯一答案。
- AI 短剧的爆款率（而不是上新数量）。 上新数量反映”进入意愿”，爆款率反映”存活概率”。二者背离时，说明行业已进入”分母膨胀”阶段。
- 投流成本占全链路总成本的比重。 这个比重越高，说明后置成本越重——也说明”内容”在定价中的权重越低。
- “AI+” 与 “+AI” 项目的数量比与回报比。 尤其要看：在爆款率下行期，“+AI”（纯流水线）项目的平均 ROI 是否加速恶化——这是”概率策略失效”的直接验证。
- 横屏 AI 内容的”分季试错”落地情况。 报道提到可先做 20–30 分钟上集、根据反馈决定是否开发下集（模式类似美国迷你剧）。这是把”后置成本”再往后推一层的设计——值得重点观察它能否降低试错损失。
- 一个反直觉但最本质的指标：看海外项目里”本地编剧”的实际参与比例。 因为这是”翻译换脸”与”本土化”之间唯一可验证的分界线——如果本地编剧占比持续上升，说明行业真的在重建价值链；如果始终以国内剧本输出为主，说明所谓”出海”只是”换个市场内卷”。
十、结论：AI 摧毁的是”入场资格”，不是”获胜能力”
回到这件事。
它表面上是一次”降本增效”的产业升级，实质上有三层含义：成本上，AI 把成本从”前置”挪到”后置”，入场费降了、赌注抬了；结构上，供给可以指数增长而注意力只能零增长，所以爆款率必然被稀释，二八是算术结果；能力上，被替代的是”执行”，被放大的是”判断”。
而把这三层合起来，会得到一个更本质的判断：
AI 摧毁的是”入场资格”，不是”获胜能力”。
过去，入场资格本身就是一种稀缺资源——你有钱拍，就已经赢在了起跑线；而现在，入场资格不再稀缺，稀缺的只剩”能不能赢”。
所以对这个行业最公允的评价是：
AI 没有让做短剧变容易，它让”做”变容易了，让”赚”变难了。 因为它把行业的筛选标准，从”你能不能生产”改成了”你能不能判断”。
最后，回到一个更积极的视角。“二八效应”听起来像一个悲观结论，但它其实是一次”价值回归”。
在一个门槛极低的行业里，如果人人都能赚钱，那这个行业一定有问题——因为它意味着”判断”不值钱、“运气”值钱。
而二八效应的出现，恰恰说明”判断”重新开始值钱了。
这对真正懂故事、懂市场、懂本土文化的人，是好消息——因为他们的能力，第一次成为”决定性变量”，而不是”锦上添花的变量”。
AI 让所有人拿到同样的画笔，于是画什么、为谁画、凭什么让人记住——重新成为唯一重要的问题。
而这，本来就是内容行业最初、也最终的问题。
本文基于 2026 年 11 月 3 日 21 世纪经济报道（经东方财富网转载）公开报道整理。文中数据与引述均来自该报道：中泰证券研报显示 2026 年上半年 2D、3D 漫剧及仿真人品类 AI 短剧制作成本较上年整体下降 80%–90%、仅为传统短剧制作成本的 2%–10%；剧组规模从真人剧 30–50 人压缩至 7–10 人、周期从 15–20 天缩短至 7–10 天；漫森文化创始人黄浩荣提出”三七效应”（30% 风口、70% 可复用能力），其《从赖皮蛇开始吞噬进化》投资回报率超 15 倍，公司 7 个班组并行、一周一部，并称 AI 剧成本可降至真人剧的十分之一到七分之一、“AI 剧制作门槛太低，一两个人花一段时间，只用考虑算力成本就能生产”，同时判断窗口期后回归二八；酷看文化副总经理曹蕊称”一部头部的作品可以把做过的所有中量级作品的成本都收回来，但是大部分跟风、跑量的作品还是在陪跑”，并指出北美 AI 竖屏短剧用户以 35–55 岁女性为主、与真人短剧用户重合、“AI 内容爆款与真人短剧在题材和故事内核上还是很相近的”，北美市场六七成观众愿意付费、IAP 模式成熟；其提到 70%–80% 的画面无法通过平台审核（注意为画面比例而非作品比例）；海外横屏 AI 短剧《The Mother’s Monster》在西幻母爱题材下两三周达 7000 万播放；《神·笔》由朱智立执导、陈楸帆编剧、刘慈欣担任文学监制，在芒果TV播出，AI 占比 70%–80%、剧组十几人含艺术总监与执行导演，朱智立称”真正好的 AIGC 作品本质上还是影视作品”、纯 AI 做长剧与电影仍需时间；黄浩荣指出出海难点为国外 DSP 投放逻辑差异与本土编剧缺失；行业讨论横屏分季模式（先做 20–30 分钟上集）。文中”期望成本 ＝ 单部成本 ÷ 爆款率”的算式及四组情景测算（100 万/10%、10 万/10%、10 万/2%、10 万/1%）为作者依机制所作示意推演，非任何机构预测或实际数据；“投流占比约 70%“为行业此前调研口径、该报道未直接给出，本文按”占大头”表述；关于”前置成本→后置成本”、“注意力刚性决定爆款率”、“内卷的数学定义”、“概率策略失效”、“IAA 与 IAP 目标函数差异”、“AI 淘汰不承担判断的人”等分析判断为作者观点，不构成任何投资建议。