AI短剧账本：1.6亿播放分账39万，算力成本先吃掉大半

（本文作者为 摩尔观察，钛媒体经授权发布）

不少人起意去做 AI 短剧，多半是被短视频平台上那些亮眼的战报勾起了念头。有创作者亮出真实后台：一部剧跑到 1.6 亿次播放，分账落袋 39 万元；还有案例声称全员兼职、连更十季千集，播放量冲到几十亿，现金分走上千万元。可标题里那句「1.6 亿播放赚 39 万：AI 短剧的暴利，全给云厂商打了工」，才是这门生意更真实的注脚。

屏幕上的漂亮数字容易让人生出幻觉：宝妈和送货司机都能翻身，AI 又把影视制作的门槛压到了地板上，那自己开个账号、点点鼠标抽抽卡，是不是也能分到一杯羹？

问题是，只要亲手搭一条流水线，拿云端模型跑上几天，就会明白现实比战报瘦得多。

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、肢体变形几乎躲不掉。为了筛出一个能进成片的 5 秒合格镜头，反复生成七八次是常事，单镜头实际试错成本轻易就冲破 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，付给云端大模型的算力费就能顶到几万甚至几十万元。一边是 1.6 亿播放才抠得出的 39 万元毛利，一边是按秒计费的算力黑洞。搞不清做一集到底烧多少钱、拿不出本地的工程工作流，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辄以亿计的播放量。把那张 1.6 亿播放赚 39 万元的真实进账拆开看，对应的是早期平台按有效播放结算的收益模型。

算下来，一万次有效播放分到约 24 元，等于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一点点抠出来的。

可云端生成成本那头是刚性的，按秒计费。主流商用平台宣传时，往往只说 720P 视频每秒大约六毛钱，一条 5 秒镜头看着只要三块钱。这套算法却瞒下了一个要命的变量：生成式视频的废片率极高。现阶段扩散模型对空间逻辑的理解仍然脆弱，人物一动就容易抽搐、变形。

一线制作团队普遍反映，眼下 AI 视频废片率在七到八成，行内叫八抽一甚至十抽一。也就是说，想拿到一个合格的 5 秒镜头，得先替七八条废片买单。折算下来，单个合格镜头的真实出片成本稳稳落在 20 元以上。

这笔账把中小团队直接逼到了亏损边上。据《中国企业家》杂志对郑州短剧从业者石艺源的采访，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。前六集做下来，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。

据封面新闻报道，全职奶爸江澜做出全网播放破亿的短剧《归墟》，看着像一个人一台电脑的奇迹，但背后 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却动辄吞掉几十万，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，为什么又会被时间卡死？

云端按次付费像个无底洞，很多人的第一反应很直白：买张顶级显卡搬回家跑，电费自己出，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。

可要在自己机器上跑开源视频模型，显存这道坎并不好过。高精度视频生成得在隐空间里做高密度的时空去噪，非要本地硬扛720P原生画质、把单次去噪步数拉满，显存溢出报错几乎一触即发。

就算用量化手段把模型硬塞进显存，一张卡生成5秒的动态片段，也得花上3到8分钟。

废片率还是最让人头疼的事。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，单卡就要耗掉半个小时。

显卡24小时不歇，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，一张旗舰卡累死累活一天只能挤出两三集。

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，就得搭多卡工作站，硬件加工业电费很快逼近十万元。拿买显卡来对抗云端收费，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，走的都是分层混流

纯云端亏死，纯本地卡死，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实在：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，要靠高维度语义理解，本地小语言模型很容易出现前后设定打架。

云端顶级语言模型现在文本Token极便宜，几百万字的推理和分镜拆解通常只要几块钱。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定死。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，在这一步抽几十次把角色定格，上一秒戴眼镜、下一秒眼镜消失的老毛病就彻底解决了。

第三层是把高废片率的动作试错挪回本地、以低清方式跑起来，整条管线降本最关键的一环就在这儿。做法是拿已经锁定的人设参考图喂给图生视频模型，模型只负责产出细小的动态和走位。

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%，耗掉的也不过是几分钱的本地电费，云端按秒计费那根吸血管子就此斩断。

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。这么一套打法，才把单镜头综合试错成本从20多元压到几毛钱。

搭出这套本地工作流，才是真正的隐形门槛

摸透分层混流的门道，看上去像找到了一条通往盈利的路。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：这条能赚钱的流水线，压根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。

环境稍微冲突一下，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。光靠人守在屏幕前一个镜头一个镜头地点生成，生产节拍照样满足不了连载需求。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，跑完一段自动调用超分工具压制成片。

说到底，AI 短剧眼下最不容易被看见的一道坎，就横在这儿。

AI 确实把写剧本、画草图的门槛压平了。可工程上的门槛没消失，只是挪到了工作流编排和算力成本控制这两块。1.6 亿播放换来 39 万元，能做到这一步的人，绝不是什么都不懂的纯小白。他们要么本身就是懂技术的极客，要么在本地环境里反复折腾，踩平过几百个报错坑。反过来看，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，在现在的技术条件下贸然进场做短剧，多半只是花大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炒得发烫。草根逆袭、暴赚千万元，各种暴利传说轮番刺激普通人的神经。可抛开实际花销去谈商业回报，这样的狂欢本身就危险，说到底是一层泡沫。

1.6 亿播放、分账 39 万元，这条真实的水线像一记冷冰冰的警钟，把短剧拽回微利制造的商业本质。这门生意最后的胜负手，不在谁的提示词写得天花乱坠，也不在谁用的模型参数更大。关键是谁能把成本压到最抠，把高废片率的工业试错严丝合缝地消化掉。

对普通人来说，看清技术的真实边界，往往比盲目追风口更有价值。

别幻想靠一个神秘软件就能零门槛躺赚。生成式 AI 还没进化到零废片、高可控的成熟阶段，这门生意依旧只属于那些算得清每一分钱抽卡开销、也有能力在本地搭起严密流水线的超级个体。地上的真实花销算清了，天上那些播放神话要付出什么代价，你才看得懂。