AI短剧1.6亿播放分账39万：算力成本先吃掉利润

（本文作者为 摩尔观察，钛媒体经授权发布）

不少人动起做AI短剧的念头，多半是刷短视频时看到了那些晒成绩的帖子。有创作者亮出后台真实数据：一部剧跑到1.6亿次播放，分到手里39万元。还有案例说团队全是兼职，连更十季、上千集，累计播放几十亿，现金分走上千万元。

1.6亿播放换39万，钱先被云端算力拿走了大头

那些亮眼的成绩单容易让人产生错觉：宝妈、送货司机都能翻身，AI把影视制作的门槛压到了地板，那自己开个账号、点点鼠标抽卡，是不是也能分上一杯？

可真去搭一条流水线，用云端模型跑上几天，你会发现实际情况比战报冷得多。

调出市面上主流的720P视频生成模型，敲下第一段提示词，账单就会先给热情浇盆冷水。平台标的单价看着不贵，一秒六毛钱上下，但一碰上人物动作和镜头走位，手部穿模、肢体变形几乎是常态。

想筛出一个能剪进成片的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轻轻松松突破20元。

一部上百集的连载短剧，一集切十几个镜头，成百上千个镜头试错下来，付给云端大模型的算力费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。搞不清做一集到底要烧多少钱，又摆不平本地的工程工作流，普通人一头扎进去，最后只是替云厂商交电费，充当算力燃料。

1.6亿播放只换39万，云端算力先抽走大头

短剧这行里，最容易骗过外行的就是动辄上亿的播放量。

把1.6亿播放赚39万元这笔真实进账拆开看，对应的是早期平台按有效播放结算的收益模型。

折算一下，每一万次有效播放分到约24元，也就是每千次播放单价不到两块五。创作者拿到的每一分钱，都是从这点微薄的千次播放收益里抠出来的。

可云端生成那边，成本是刚性支出，还得按秒计费。

主流商用平台宣传时，通常只讲720P视频每秒大约六毛钱，一条5秒镜头看着只要三块钱。这套算法藏了一个要命的变量：生成式视频的废片率高得惊人。眼下扩散模型对空间逻辑的理解依然脆弱，人物一动就容易抽搐或变形。

一线制作团队普遍反映，AI视频的废片率现在多在七到八成，行内叫八抽一甚至十抽一。也就是说，为了得到一个合格的5秒镜头，先得替七八条废片掏钱。算下来，单个合格镜头的真实出片成本稳稳超过20元。

这笔账把中小团队直接推到亏损边缘。据《中国企业家》杂志采访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400元结算。

前六集做完，因为细节穿帮反复重抽，光算力就花掉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。

据封面新闻报道，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元，纯靠云端工具做短剧的商业模型，在数学上已经很难站住脚。

买张显卡搬回家，为什么还是会被时间卡死？

云端按次付费是个无底洞，不少人的第一反应很直接：买张顶级显卡搬回家跑，自己交电费，总不用再付人头税了吧？

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，单卡售价一万五千元以上。

不过，开源视频模型要是放在本地跑，对显存的胃口一点不小。高精度视频生成得在隐空间里做高密度的时空去噪，非要本地硬上720P原生画质、单次去噪步数拉满，很容易直接报显存溢出。

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

废片率更让人头疼。本地跑视频，为了挑出一个动作舒展的镜头，照样得生成五六个候选版本，一个镜头试错五版，单卡就得耗掉半个小时。

哪怕显卡24小时不停转，一天满打满算也只出得了三四十个合格镜头。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。

平台那边是快速连载的节奏，单机本地渲染的时间跨度根本跟不上，效率会脱节。想把产能提上去，就得组多卡工作站，硬件投入加上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。

真正赚到钱的人，都在用这套分层混流

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。核心思路是把文字、静态画面、动态试错和画质拉升拆开，让最便宜的工具去承担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，需要高维度的语义理解，本地小语言模型很容易出现前后设定矛盾。

现在的云端顶级语言模型，文本Token便宜得很，几百万字的推理与分镜拆解，成本通常只要几块钱。用极低的云端开销换一份稳定的导演底稿，这一步绝不能省。

第二层，画面人设先用轻量生图模型在本地锁死。千万别直接拿文字去盲抽视频。行业老手都是先用本地Stable Diffusion或ComfyUI挂上特征锁，把角色的三视图和场景构图以静态图形式生成出来。

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。

成本能压下来，最关键就靠这一层：把废片率高的动作试错挪回本地，用低清来跑。思路是把已经定死的人设参考图交给图生视频模型，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，而是直接把分辨率压到420P甚至480P，用量化后的轻量视频模型跑动作。低分辨率大幅削减显存开销，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，被云端按秒计费吸血的管子就此斩断。

第四层，成片画质靠后期超分拉升。在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。正是这套组合打法，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

摸透了分层混流的门道，看上去像是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：这套能让你赚钱的流水线，根本没有什么一键成片的客户端。

想把这条链路完整跑通，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的权衡，每个环节都要手动配置。

稍微碰上一点环境冲突，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，系统就会在渲染的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。光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，往往得自己写批处理脚本，让系统自动监听生成目录，按顺序把排队任务发给显卡，跑完一段再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、也最要命的一道坎。

AI确实把写剧本、画草图的门槛抹平了，可新的门槛挪到了工作流编排和算力开销的把控上。能拿1.6亿播放换回39万元的人，绝不是一张白纸的新手——要么本身是懂技术的极客，要么是在本地环境里反复折腾、把几百个报错逐个趟平的老手。反过来，本地工作流的软硬件调试搞不定，云端试错的高额账单又扛不住，那在如今的技术条件下贸然进场，多半只是花钱替算力供应商打工。

写在最后

过去一年，AI短剧的造富故事把行业气氛炒得滚烫。草根翻身、暴赚千万元，这类传说一轮轮撩拨着普通人的心。

可绕开实际花销去谈回报，热闹底下全是风险。1.6亿播放只分到39万元，这条真实水位像一盆冷水，把短剧摁回微利制造的本来面目。这门生意最后拼的不是谁的提示词写得花哨，也不是谁上的模型参数更大，而是谁能把成本压到最省，同时把高废片率的工业试错稳稳吞下去。

对普通人来说，看清技术的真实边界，比追着风口跑更有意义。别指望装个神秘软件就能零门槛躺着收钱。生成式AI还没进化到零废片、高可控的那一天，这门生意就仍然只属于那批人：每一分抽卡钱都算得明白，还能在本地搭起一条严丝合缝的流水线。地上的开销算清了，天上那些播放神话要付什么代价，你才看得懂。