現在是2026年2月13日。

如果你還沒能搞清楚現在的 AI 有多強，那請你立刻去看下目前 B 站上最火的 AI 短片——《牌子》。(文末左下角點擊閱讀原文可觀看)

7 分鐘視頻，上線一周，1000 多萬次播放，80 多萬點贊，30 多萬投幣。

《流浪地球》導演郭帆看到后轉發(fā)點贊，YouTube 上也是一堆老外被震驚，彈幕里大家喊著封神，評論區(qū)有人在逐幀分析劇情。差評編輯部的后期們也在上班時間，討論到底是怎么做的。

視頻一開始，一個人戴著帽子走進森林，在看到一個“禁戴帽子”的牌子后，他原地被“消失”了。鏡頭迅速下拉，帽子滾到畫面前方。

接著音樂一起，短片名《SIGN》出現在屏幕前。

再緊接著鏡頭一個絲滑轉場，SIGN 成了汽車里的一個按鈕，收音機正在播報新聞：

火星上發(fā)現了一塊神秘“？”警示牌，地球上也開始出現越來越多看不懂的牌子。這些告示牌一出現，警告的事情就會立即發(fā)生，即便它不符合常理。

隨著鏡頭晃動著轉向車窗外，路邊突然出現“奶牛從天而降”的警告牌，下一秒奶牛真的從山坡上滑下來。

后視鏡里映出司機的臉，奶牛摔下來的灰塵四濺，急剎車的慣性讓司機來了一個大踉蹌。看到這些，差評君已經坐不住了，要知道這些物理細節(jié)一直都是 AI 視頻最容易穿幫的地方啊。

接下來更絕。

一個長達 20 秒左右的十字路口鏡頭，幾乎是一鏡到底的感覺。上一個牌子的效果還在觸發(fā)，下一個牌子已經到來，滑倒的行人、騎著自行車的熊、各種超自然事件一個接一個在畫面里發(fā)生。

要知道 AI 視頻模型通常只能生成幾秒鐘片段，時間一長，場景、人物都會漂移、變形。我真無法想象這個鏡頭是怎么撐住的。

最后一張報紙飛過來擋住畫面，當它被吹走后，我們又被帶到了下一個場景。轉場絲滑到你根本意識不到這是拼接出來的。

整支片子 7 分鐘，幾乎每一幀都是這個密度。

劇情也同樣扎實：

越來越多看不懂的告示牌讓世界陷入混亂，一個巨大的“不言不視不聞”的警告牌從月球砸向地球，人類的文字開始被吞噬，無法溝通交流，秩序逐漸崩塌。

好在人類發(fā)現了交流的本質在于表情、手勢。于是大家利用 emoji 重建了溝通方式。

最后我們飛回火星踢翻了那塊牌子，并插上新的牌子：

這條視頻是 UP 主 DiDi_OK 參加 B 站首屆 AI 創(chuàng)作大賽的參賽作品。 1 月 5 日，B 站面向全球創(chuàng)作者啟動了這場比賽，第一名獎金 100 萬，3 月 20 日截稿。比賽還沒結束，這條片子已經提前炸場了。

看完這條視頻，我的第一反應就是，這哥們是誰？他究竟怎么做到的？我甚至想立刻知道他每個鏡頭、每一幀都用了哪些模型和提示詞？

托朋友聯系上 DiDi_OK 之后，差評君立刻就把語音撥過去了。

DiDi_OK 是河南鄭州人，在英國留學學的 3D 動畫，畢業(yè)后進了倫敦 WPP 總部，全球最大的廣告?zhèn)鞑ゼ瘓F之一，干了快 4 年。

早在三年前，公司就要求全員接觸 AI，但那會兒的 AI 視頻是什么水平呢？差評君估摸著也就威爾·史密斯第一次吃意面的水平吧。

但他當時排斥的，倒不是 AI 本身，只是覺得沒到 AI 夠用的那個時間：我用 Blender 自己做都比你快，不伺候。

去年 4 月，Runway 推出了 Gen4，他發(fā)現畫面開始有物理規(guī)律了，石頭可以正常地落地、彈開，心里想著“那一天終于還是來了”。

DiDi_OK 覺得這個起點夠了，就去參加了一個 AI 電影節(jié)。公司一看，行你小子，直接給他開了個 AI 導演新的崗位。

所以現在他的生活是這樣的：白天給大客戶做 AI 廣告，晚上下班回家自己做 AI 短片。有時美國客戶的時差逼得他凌晨 1 點才下班，但他還想再做一兩個小時自己的東西。

DiDi_OK 工作中

《牌子》視頻的靈感，來自于一趟圣誕假期。

去年圣誕節(jié)，DiDi_OK 跑去英國最西邊的康沃爾。因為康沃爾有自己的方言和標識習慣，所以他一路上遇到一堆看不懂的牌子，導致每次經過都會小心翼翼。

最后讓他下定決心要做這個選題的，是這邊朋友家洗漱臺旁邊居然也貼著一張小紙條，上面也寫了一行字，看不懂，但他總覺得好像有什么不得了的東西。他沒問，就讓這個疑惑一直留著。

朋友家的感嘆號

圣誕節(jié)結束后 DiDi_OK 又去了土耳其，這里語言就更不通了。他跟出租車司機聊天都得兩人打開 ChatGPT，互相翻譯著對話。

這一路上他拍了很多那種看不懂的標識牌，也經歷了很多只能靠手勢和微笑交流的時刻。

土耳其牌子

慢慢地他開始想一個問題：當語言不通的時候，人和人之間的溝通會退化到什么狀態(tài)？

手勢、微笑、emoji。

這就是《牌子》視頻最后的設定：當人類語言被吞噬后，大家開始用 emoji 溝通、最終實現反擊。

靈感有了，但從靈感到一個 7 分鐘的完整故事，中間還有他 2 個月的打磨。

DiDi_OK 的習慣是在 iPhone 備忘錄里隨手記靈感，想到一句就記一句。這個視頻的劇本，他前后記了四五個不同的文檔，才開始搭出一個大概的框架。因為對劇本的高要求，有時他一覺醒來會推翻自己寫了半個月的東西。

靈感&劇本

在《牌子》的劇本定稿后，DiDi_OK 其實預判到了：比賽周期這么長，中間大概率會有新模型發(fā)布。當時他猜是 Google 的 Veo4，結果來的是 Seedance 2.0，效果比他預想的還猛。

但這在他計劃之內——寫劇本的時候他就定了一個原則：故事要能扛住技術迭代。

他認為 AI 再怎么發(fā)展，最好的狀態(tài)也不過是無限接近實拍和傳統(tǒng) CG 的效果。既然如此，那從古至今的規(guī)律就不會變，好故事永遠是好故事。

當然在技術上，他也努力做了億點點模型超標。

比如十字路口那個鏡頭，DiDi_OK 明知道當時的模型做那種復雜場景很吃力，但他偏要在那個點上死磕，把技術表現往前推。這樣就算新模型出來了，觀眾回頭看也不會覺得過時。

說到這，重點也來了，大家一定特好奇：

《牌子》到底是怎么做出來的？為什么 DiDi_OK 的 AI 這么聽他話，能把視頻一致性做得這么強？

嗯，首先，你要失望了。DiDi_OK 的 AI 視頻模型也不聽話。

DiDi_OK 說他沒有做分鏡的習慣，不是他不想做，是因為至少在當時的 AI 水平下，就算畫了分鏡它也不聽你的。

所以他后來的策略是靠“體感”。把滿意度區(qū)間設在 80 到 100 分之間，專業(yè)積累讓他知道什么是 80 分，而 AI 偶爾會暴擊到 100 分以上。

但滿意也是要代價的，代價就是無限抽卡。

十字路口那個 15-20 秒的鏡頭，是整個視頻里成本最高的。

DiDi_OK 有一次閑著無聊數了一下生成記錄：他每次點 4 個一組批量生成，菜單里排了 1000 多組。也就是說，單算那一個鏡頭，他生成了三四千條視頻。

水獺那個鏡頭也折磨人。

因為畫面里同時出現大量動物，AI 很難保證每一只都沒有 bug。數量一多，模型就顧不上別的了，有時候鏡頭會莫名鎖定在一個士兵的臉上。DiDi_OK 只能把已經滿意的構圖和運鏡保留下來，再用視頻生視頻的方式重新跑一遍細節(jié)。

傳單和二維碼的鏡頭也一樣。

他希望有一張傳單剛好撲到鏡頭前面，好讓上面二維碼能被觀眾掃出來。這種事你沒法跟 AI 商量，只能一遍遍地生成，指望老天爺給你一次機會。

DiDi_OK 后來總結出一套應對挫敗的方法。

他就一口氣閉著眼點生成，成本點夠 1000 塊錢的，然后就去看電影、打游戲，回來再一個一個看。反正別盯著進度條，不然看著從 99% 終于到 100%，點開一看很差勁，就會覺得有內傷。

另外他不會死守一個模型，每個鏡頭他會根據需求選擇不同的工具：

Nana Banana 生圖最好，尤其能輸出 4K；Veo 的嘴型同步和穩(wěn)定性最強，只要涉及人物對話就用它，但運鏡很呆板，角色老是正對鏡頭站畫面正中間說話；可靈的運鏡有張力，能做很大的推拉，但畫面容易拉伸變形；Runway 的物理效果最牛，但不穩(wěn)定。

至于很多人好奇的，《牌子》如何做到不同場景看起來風格統(tǒng)一，如何保持一致性的。

其實 DiDi_OK 用了一個聰明的辦法：他堅持寫實風格、低飽和度，而且大部分角色只出現一次。

觀眾覺得一致，不是因為同一個角色貫穿始終，而是因為整體美術調性始終在一個框架內。這個思路來自他做游戲概念設計和 3D 動畫時的積累。

當然了，并不是一切工作都能 100% 交給 AI。

比如貪吃蛇吃文字那個片段，蛇和文字都是 AI 生成的，但要做到可控，就得先把它們轉化成帶透明通道的素材，再通過后期合成疊在一起。

貪吃蛇追蹤細節(jié)

《牌子》驚艷大家的不只是畫面。

它的配樂像一條隱形的情緒線，前段壓抑懸疑，中段混亂加速，到最后 emoji 反攻的時候一下子昂揚起來，整段音樂是跟著故事的心跳走的。

這段配樂，是 DiDi_OK 花了整整一周，用 Suno 生成了 1500 多次磨出來的。最關鍵的是，他自己完全不懂樂理，連五線譜都不認識。

他判斷好壞的辦法很簡單，讓女朋友聽。女朋友全程不知道他在做什么片子，沒有泡在創(chuàng)作環(huán)境里，就是一個純粹的第一次聽眾。DiDi_OK 說，一個沒聽過這首歌的腦子，對他來說非常寶貴。

整個視頻，DiDi_OK 前后打磨了兩個月。劇本一個多月，AI 生成制作 23 天，也自費了不少錢。

聊到最后，差評君問了那個所有人都想問的問題：AI 會取代導演嗎？

DiDi_OK 的回答是，不會。

他說 AI 再怎么發(fā)展，大前提不會變。它最好的狀態(tài)就是完全等于實拍和傳統(tǒng) CG 的效果。那么，從古至今有一個事情是不用 AI 大家都會的，就是寫字。

“寫小說誰都可以寫，誰都不犯法，但并不是每個人最后都去寫小說了，也不是說會寫字的人最后都做到了一個自己滿意的狀態(tài)?！?/strong>

貪吃蛇 AI 素材

DiDi_OK 認為 AI 最能幫助到的那類人需要同時滿足兩個條件：知道自己想要什么，也知道別人想要什么。但這兩個條件其實蠻苛刻，“很多人包括我也未必知道自己到底想要什么，而知道別人想要什么就更難?！?/p>

DiDi_OK家里工作區(qū)

其實差評君覺得，DiDi_OK 自己的經歷就是最好的樣本。

他從小學畫畫，考上了倫敦藝術大學，做過游戲概念設計師，做過 3D 動畫師，現在又變成了 AI 導演。每一次轉型，上一個技能看起來都被“替代”了，他不再需要花幾百個小時手動建模、手動上色、手動調動畫。

但是他之前積累的審美判斷、敘事能力、對畫面的理解，沒有一樣被浪費。

甚至可以說，這些看不見的積累恰恰是他能把 AI 用好的原因。

他之所以知道哪種敘述方式更吸引人，知道如何用音樂調動情緒，知道 80 分的畫面和 60 分的區(qū)別在哪，全靠那些“被替代”的年頭里攢下來的東西。

包括《牌子》這個故事本身。

“警示牌帶來混亂，emoji 重建溝通”這個靈感，不是 AI 從數據庫里算出來的，是從康沃爾看不懂的路牌和土耳其出租車后座上迸發(fā)出來的。

AI 是能生成畫面，但它沒有生活。沒看過告示牌，沒坐過那趟出租車，就寫不出那個故事，更沒法用情緒曲線、符號敘事、鏡頭語言去構成了一個完整的導演意圖，去打動成千上萬人。

就像 DiDi_OK 說，他之所以喜歡在 B 站發(fā)作品，是因為彈幕，“一個作品加入了大家所有人的想法之后，才算是正式完成”，大家的想法也是 AI 沒法給到的東西。

所以 AI 真正替代的東西是什么？

是那些你花在機械執(zhí)行上的時間。建模、渲染、調參數、一幀一幀修動畫，這些事 AI 確實越來越能干。但你腦子里那套判斷系統(tǒng)，觀眾在這個節(jié)點需要什么情緒，AI 還做不了。

軟件行業(yè)也一樣，AI 出來后，產品思維、理解意圖、關鍵決策是開發(fā)者們的重心。

前兩天差評君自己用 AI 寫了兩個 App，功能確實能跑，但交互邏輯稀碎。DiDi_OK 聽完也說了一句：一個很頂尖的程序員，他是會比我多出非常多的軟件思維、產品思維。

Node.js 之父 Ryan Dahl 今年 1 月也在 X 上寫了句話：人類寫代碼的時代已經結束了，不是說工程師沒活干了，是“直接寫語法”這件事不再是重點。

無論是做視頻、寫代碼、畫畫，AI 替掉的始終是同一樣東西：手上那些重復的機械勞動。留下來的也是同一樣東西：你腦子里那套審美、敘事、品味、判斷系統(tǒng)。

在采訪中 DiDi_OK 說了一句話，我覺得可以拿來當這篇文章的結尾——

AI 正在把創(chuàng)造的權利歸還給人。

但我想補半句：還給那些有能力接住的人。

撰文：刺猬

編輯：莽山烙鐵頭 面線

美編：素描

圖片、資料來源：DiDi_OK 提供