1.6亿播放只分39万：AI短剧的钱，先被云端算力抽走

这篇稿子的作者是摩尔观察，由钛媒体授权发布。

不少人起念做AI短剧，多半是在短视频平台上刷到了那些亮眼的战报。有创作者把自己后台的真实数据摆了出来：一部剧跑出1.6亿次播放，分到手里39万元。还有案例说全组都是兼职，连更十季、一千集，播放量几十亿，现金分走上千万元。

1.6亿播放赚39万：AI短剧的暴利，全给云厂商打了工

屏幕上那些光鲜的战报，很容易让人生出幻觉：宝妈和送货司机都能逆袭，AI又把影视制作的门槛压到了地板上，那自己买个大模型账号、点点鼠标抽卡，是不是也能分一杯羹？

可真要自己搭一条流水线、拿云端模型跑上几天，就会发现现实比战报骨感得多。

调出市面上主流的720P视频生成模型，敲下第一段提示词，账单立刻就会给热情降温。平台宣传的单价看着不高，一秒六毛钱左右，可一旦涉及人物动作和镜头走位，手部穿模、肢体变形几乎是常态。

想筛出一个能进成片的5秒合格镜头，反复生成七八次很平常，单个镜头的试错成本很容易就冲破20块钱。

一部上百集的连载短剧，单集哪怕只切十几个镜头，成百上千个镜头试错下来，交给云端大模型的算力费用就能冲到几万甚至几十万元。

一头是1.6亿播放才抠出来的39万元毛利，另一头是按秒计费的算力黑洞。做一集到底要烧多少钱，本地的工程工作流怎么搭，普通人要是搞不清就一头扎进去，最后只是替云厂商交电费的算力燃料。

1.6亿播放换39万，云端算力先抽走了大头

短剧这行里，最容易把外行带偏的，就是动不动以亿为单位的播放量。

把1.6亿播放赚39万元那张真实进账单拆开来看，对应的是早期平台按有效播放结算的收益模型。

折算下来，一万次有效播放大约分到24元，也就是每千次播放单价不到两块五。创作者到手的每一分钱，都是从这点微薄的千次播放收益里抠出来的。

可云端生成成本不一样，它是刚性的，而且按秒计费。

主流商用平台宣传时，通常只告诉你720P视频每秒大约六毛钱，一条5秒镜头看着只要三块钱。这套算法藏了一个致命变量：生成式视频的废片率极高。现阶段的扩散模型对空间逻辑的理解还很脆弱，人物一动就容易抽搐或变形。

一线制作团队普遍反映，眼下AI视频的废片率在七到八成，行内叫八抽一甚至十抽一。也就是说，要拿到一个合格的5秒镜头，得先为七八条废片买单。算下来，单个合格镜头的真实出片成本稳稳落在20元以上。

这笔账直接把中小团队推到了亏损边缘。《中国企业家》杂志采访过郑州短剧从业者石艺源，他接了一部180分钟的漫剧订单，合同约定每分钟按400元结算。

可前六集做下来，因为细节穿帮反复重抽，光算力就花了1万元，折合每分钟实际算力成本接近800元，差不多是合同报价的两倍。全片做完，算力支出突破6万元，后期配音还没算，总预算就已经被吃穿了。

封面新闻的报道里，全职奶爸江澜做出了全网播放破亿的短剧《归墟》，看着像一个人一台电脑的奇迹，可背后12集短剧的算力投入接近20万元，平均每分钟算力成本大概2000元。

1.6亿播放只换来39万元分账，一部短剧的云端试错成本又动辄吞掉几十万，纯靠云端工具做短剧这门生意，在数学上已经很难站住脚。

买张显卡搬回家，为什么又会被时间卡死？

云端按次付费既然是个无底洞，很多人的第一反应很直白：买张顶级显卡搬回家自己跑，电费自己掏，总不用再交人头税了吧？

可这笔账一落到真实的硬件参数上，普通人又会撞上另一堵墙：时间墙。

眼下普通人买得起的高性能显卡，主力就是24GB显存的RTX 4090，单卡售价在一万五千元以上。

可开源视频模型放到本地跑，对显存的胃口一点不小。高精度视频生成要在隐空间里做高密度的时空去噪，真要在本地硬上720P原生画质、单次去噪步数拉满，显存溢出报错几乎是分分钟的事。

就算用量化手段把模型勉强塞进显存，单张显卡生成一条5秒的动态片段，也得花上3到8分钟。

废片率还是绕不过去的坎。本地跑视频，为了挑出一个动作舒展的镜头，同样得生成五六个候选版本，一个镜头试错五版，单卡就要耗掉半个小时。

显卡24小时连轴转，一天满打满算也就产出三四十个合格镜头。一部短剧单集要十几个镜头，一张旗舰显卡累死累活，一天只能挤出两三集内容。

平台连载节奏快，单机本地渲染的时间跨度根本跟不上。想把产能提上去，就得组多卡工作站，硬件投入加工业电费很快逼近十万元关口。买显卡对抗云端收费，说到底只是把现金开销换成了硬件折旧和时间消耗。

真正赚到钱的那批人，用的都是分层混流

纯云端会亏死，纯本地会被卡死，那社交平台上那些跑通商业闭环、拿到利润的草根团队，究竟靠什么活下来？

他们摸出来的办法很务实：分层混流。思路就是把文字、静态画面、动态试错和画质拉升拆开，让最便宜的工具去扛试错成本最高的那一环。

第一层，文字剧本坚决放云端。写带剧情反转、钩子冲突和机位提示词的剧本分镜，靠的是高维度语义理解，本地小语言模型很容易前后设定打架。

眼下云端顶级语言模型文本Token极便宜，几百万字的推理与分镜拆解，成本通常只要几块钱。花极低的云端开销换一份稳定的导演底稿，这一步不能省。

第二层，画面人设先用轻量生图模型在本地锁死。绝不能拿文字直接去盲抽视频。行业老手都是先用本地Stable Diffusion或ComfyUI挂载特征锁，把角色三视图和场景构图以静态图形式先做出来。

静态出图一张只要几秒钟，在这一步抽上几十次把角色定住，上一秒戴眼镜、下一秒眼镜消失的老毛病就彻底解决了。

最烧钱的一环其实在第三层：把废片率高的动作试错挪回本地，用低分辨率去跑。做法是拿已经定稿的人设参考图喂给图生视频模型，让它只管生成细小的动态和走位。

这一步，老手绝不在本地硬跑720P，而是把分辨率直接压到420P甚至480P，用量化后的轻量视频模型跑动作。分辨率一低，显存开销大幅削减，推理速度提升数倍。

哪怕废片率高达80%，烧掉的也只是几分钱的本地电费，云端按秒计费吸血的那根管子就此斩断。

第四层，成片画质靠后期超分拉升。本地挑出动作合格的动态片段后，再把这些420P素材丢进Topaz Video AI或者开源工具，做本地插帧和超分辨率重建。

用图像算法把低清画面拉到720P甚至1080P，消耗的算力远小于原生生成高画质视频。

复杂的思考交给便宜的云端大模型，便宜的构图交给轻量生图，昂贵的动作试错按在本地低清，最后靠超分交出成片。这套打法才真正把单镜头的综合试错成本从20多元压到了几毛钱。

搭出这套本地工作流，才是真正的隐形高墙

摸透分层混流的门道，好像找到了一条通往盈利的坦途。可对绝大多数普通人来说，更残酷的考验才刚开始。

市面上卖课的博主不会告诉你：这条能让你赚钱的流水线，根本不存在什么一键成片的客户端。

想把整条链路完整跑通，你得亲自当一名本地系统工程师。打开节点式的ComfyUI界面，面对密密麻麻的管线，从提示词解析、特征注入到噪声采样步数权衡，每个环节都要手动配置。

环境稍微出点冲突，比如依赖库版本不兼容、显卡驱动和算子错配，终端就直接报错罢工。在24GB显存里跑量化视频模型，还得学会精细配置显存分片参数、开启梯度检查点，稍有不慎，系统就在渲染最后一秒跳出显存溢出崩溃。

更耗心力的是自动化任务编排。靠人守在屏幕前一个镜头一个镜头地点生成，生产节拍还是满足不了连载需求。真正跑出规模的个人，往往要自己写批处理脚本，让系统自动监听生成目录，按顺序把排队任务发给显卡，跑完一段自动调用超分工具压制成片。

这恰恰是眼下AI短剧最不显眼的一道坎。

AI确实把编剧本、画草图的门槛抹平了，可工程上的难处挪到了另一头——工作流怎么编排，算力开销怎么压。1.6亿播放换来39万元的那批人，没一个是白纸一张。他们要么本身就是玩技术的极客，要么在本地环境里反复折腾，几百个报错一个个踩过去才站稳。

本地工作流的软硬件调试搞不定，云端试错的账单又扛不住，以当下的技术条件贸然进场做短剧，多半是白忙一场，钱都替算力供应商赚了。

写在最后

过去一年，AI短剧的造富神话把行业烧得滚烫。草根翻身、暴赚千万元，这类故事一个接一个，撩拨着普通人的神经。可抛开实际花销去谈商业回报，这种热闹本身就带着危险。

1.6亿播放分得39万元，这条真实的水线像一盆冷水，把短剧拽回微利制造的本相。这门生意最后拼的不是提示词写得多花哨，也不是模型参数堆得多大，而是谁能把成本抠到最细，把高废片率的工业试错稳稳吃下去。

对普通人来说，看清技术的真实边界，比追着风口跑更有用。

别指望靠某个神秘软件零门槛躺赚。生成式AI还没进化到零废片、高可控那一步，这门生意眼下仍归那些算得清每分钱抽卡开销、又能在本地搭起严密流水线的超级个体。

地上的真实花销算明白了，天上那些播放神话要付什么代价，你才看得懂。