imageio.forbes.com

443美元变成50万美元只用了三天 — 但90%依然在亏钱

AI微短剧, 微短剧市场, AI视频制作成本, Glif, Phota Labs, 内容差异化内容

AI Micro Dramas, Generative Media, and the Future of Creativity

Justine Moore: Andreessen Horowitz

Investing in Glif

一部短剧制作成本443美元。三天后,它赚了50万美元。

但在同一个中国微短剧市场里,新上线的作品十部里有九部连本都回不了。

3秒读懂

AI让成本降90% → 微短剧爆发式涌入 → 大多数亏钱 → 最后活下来的还是故事

大家都是这么想的

"AI做的内容反正就是垃圾(slop)"。这个说法火到什么程度?2025年,韦氏词典和美国方言学会同时把"slop"选为年度词汇。意思是那种AI批量生产出来的、敷衍了事、没有内容的东西。

a16z负责AI与消费者趋势的合伙人Justine Moore觉得,这个框架本身就搞错了重点。她在最近一次聊微短剧的采访里说过一句挺让人印象深刻的话。

"Consumers care less about how something was made."
(消费者其实没那么在意一个东西是怎么做出来的。)
— Justine Moore, a16z

低质内容在AI出现之前就一直存在。真正的变量从来不是工具,而是谁做的、为什么做、投入了多少心思。而支撑这个说法的数字,其实相当惊人。

但数字说的是相反的故事

先看规模。中国微短剧的用户已经达到6.62亿人,市场收入超过500亿元人民币(约72.3亿美元),已经超过了国内电影票房总收入。到2024年底,用户每天花在微短剧App上的时间,已经能和即时通讯App持平。

有意思的是年龄结构。跟"这就是年轻人的玩意儿"这种刻板印象不一样,50岁以上用户占了将近30%,40-49岁占19.7%。这完全不是一个只属于Z世代的内容形式。

443美元 → 50万美元

单部作品72小时收入(《Zombie Cleaner》)

1/5

AI应用后制作成本的下降幅度

15~30天 → 5天

平均制作周期的缩短

$2.98B → $7.8B

短剧App收入,2025→2026年预测

韩国媒体Ohmynews在一线拿到的数字更具体。AI应用后,制作周期从原来的15~30天缩短到不到5天,制作成本降到原来的1/5左右。有的项目每分钟制作成本低至约30美元,最极端的一个案例总成本约500美元、制作时间48小时。结果就是,今年1月平均每天有超过470部AI微短剧上线,AI制作的作品在热门榜前100中的占比,从一年前的7%涨到了现在的38%。

海外市场也同步爆发。2025年1~8月,海外微短剧收入达到15.25亿美元,同比增长195%;仅ReelShort一家,2024年海外收入就有4亿美元。就连以角色聊天机器人出名的Character.ai,最近也带着自制的三部剧集杀进这个赛道——靠的是2000万月活、日均75分钟的使用时长,这个数字已经超过大多数流媒体平台的水平。

但90%都在亏钱

同一个市场的另一面

供给一多,中国国内市场已经陷入产能过剩。按批发收益口径算,亏损率高达90%。每万次播放的收益从30~100元跌到了5~10元,80%以上的中小制作团队已经停更。但即便如此,2026年头四个月,新成立的漫改短剧公司还是超过了8,000家——同比增长300%。

这其实是个信号:拼数量的游戏已经结束了。制作成本越接近于零,谁都能进场;而谁都能进场之后,没有真正的差异化,就只会被淹没在那堆廉价内容里。事实上,中国App在全球下载量前30的份额已经从95%跌到了67%——美国、韩国等其他市场的玩家正在用不同的方式切入这个赛道。

	拼数量	拼差异化
策略	用同样的套路做得更快、更多	做出别人抄不走的故事和角色
中国国内现状	亏损率90%	仍有《Zombie Cleaner》这类爆款存在
可持续性	没有门槛,很快就饱和	角色和世界观很难被复制

那真正决定胜负的是什么

Justine Moore真正想强调的,并不是"用哪个AI模型"。而是创作者和工作室把这些模型组合起来,做出什么样的工作流和故事——这才是关键。 a16z最近投资的两家公司,瞄准的正是这一层。

Glif是一个把多个AI模型打包在一起的"创意超级智能体"。创作者不用在不同App之间来回切换,可以从剧本、分镜到成片,在一个地方统一指挥。它的"Skills"功能提供了一批为短视频、网红内容验证过的模板配方。联合创始人Fabian Stelzer本人就是早期的AI影像创作者,亲自做过AI系列短片《SALT》。

Phota Labs解决的问题更窄,但也更实际:AI视频里同一个角色在不同镜头里长得微妙地不一样,这个"角色一致性"问题。对连载性质的微短剧来说是致命伤。Phota Labs提供一套API,能在固定人物identity的前提下生成关键帧,让同一张脸在多集之间保持一致。

说到底,这两家公司押注的其实是同一件事:让AI产出保持一致、带着明确意图去演绎的工作流层,而不只是"生成"本身。这也正是区分AI垃圾内容和真正的AI微短剧的那条线。

我自己也能试着做一部吗

技术门槛基本已经不存在了。真正的门槛在别的地方。

先想好故事内核,而不是先选模型
在纠结用哪个AI视频工具之前,先定下一句话就能说清楚的强故事内核和角色。要假设自己在这个市场里拼不过数量。
用一体化工作流工具串起整个流程
不要把剧本、分镜、成片分散在好几个App里做,像Glif这样的一体化工具能让每一集的调性更容易保持一致。
优先解决角色一致性
如果打算做系列剧,提前评估像Phota Labs这样带identity-locking功能的工具。角色的脸一旦逐集漂移,观众会很快流失。
搞清楚平台的变现机制
微短剧不是靠广告变现,而是像游戏一样靠内购(解锁剧集)。ReelShort、Character.ai等每个App的分成结构都不一样,发布前一定要先了解清楚。
避开已经供给过剩的市场
不要拿同样的套路去挤中国国内这种已经饱和的市场。从海外、细分类型、或者相对不那么拥挤的语言市场入手,用差异化的故事开局,胜率会更高。