AI生图八年，给视频时代留下了什么？ - 蝈蝈俊
内容提要
扩散模型从2015年冷门论文起步，经DDPM、击败GAN等突破，至2022年Stable Diffusion开源普及，AI生图门槛大降。提示词从“咒语”转向自然语言，提示词工程师消亡，创意价值凸显。AI视频正经历类似爆发，竞争转向系统与内容质量，未来人类专注“做什么”与“为什么”，创造力归位。
延伸解读
提示词工程师的消亡与创意价值回归
文章指出，随着大语言模型的发展，提示词从早期的“咒语”式关键词堆砌，转变为自然语言描述，甚至模型开始理解“写意图”。这导致提示词工程师角色逐渐消亡，取而代之的是创意总监，只需表达意图而无需技术黑话。这一变化凸显了创意和审美价值的提升，而非技术细节的掌握。
AI视频的爆发与同质化风险
文章将当前AI视频的爆发类比于2022年AI生图的爆发，指出技术、成本和市场均呈现快速增长。然而，2026年上半年22万部AI短剧中，播放量破亿的仅1055部，破亿率仅0.47%，显示出海量同质化内容的问题。这提醒我们，技术普及后，内容质量和差异化成为关键，而非单纯依赖生成能力。
竞争焦点转向系统能力与内容质量
文章认为，AI视频领域的竞争正从“拼模型能力”转向“拼系统能力和内容质量”。能整合剧本、分镜、角色资产等全链路生成的平台将取代单一模型玩家，而以量博流量的粗放模式将终结。这意味着创作者需要关注整体生产流程和内容创意，而非仅仅依赖单一技术突破。
方法论永生：人类创造力的核心价值
文章提出“Skill将死，方法论永生”的观点，认为随着模型内化技术细节，人类的终极价值在于“做什么”和“为什么做”。具体体现在问题的定义权、路径的博弈和真伪的判断上。创作者的核心任务简化为定标、择路和审验，强调审美、叙事和人性洞察的重要性，而非技术操作。
Q&A
扩散模型是什么时候提出的？最初为什么没有受到关注？
扩散模型最早在2015年由Jascha Sohl-Dickstein等人提出，但当时算力不足，生成的图像模糊，远不如GAN惊艳，因此几乎没人关注。
扩散模型是如何从冷门走向主流的？
2020年DDPM的提出让扩散模型展现出惊人质量；2021年OpenAI的论文《扩散模型在图像合成上击败了GAN》全面超越GAN，引发学术转向；2022年Stable Diffusion开源和Midjourney等产品降低了门槛，使AI生图进入大众视野。
AI生图提示词经历了怎样的变化？
早期提示词像“咒语”，需要堆砌关键词、使用括号调节权重、添加质量词和反向提示词；随着大语言模型进化，提示词转向自然语言描述，甚至只需表达意图，模型自动拆解，提示词工程师角色逐渐消亡。
AI视频当前的发展状况如何？
AI视频正经历爆发：生成速度超越播放速度，成本大幅下降（每分钟从5000元降至数百元），2026上半年新上线AI短剧超22万部，一季度AI短剧占微短剧总量超95%。但同质化严重，播放量破亿率仅0.47%。
AI视频面临的竞争焦点正在发生什么变化？
竞争焦点正从“拼模型能力”转向“拼系统能力和内容质量”，能整合剧本、分镜、角色资产、全链路生成的平台将取代单一模型玩家，以量博流量的粗放模式走向终结。
为什么说“Skill将死，方法论永生”？
因为过去所谓的技能（如记住采样器区别、精确控制权重）是为驯服不成熟工具而付出的额外脑力，随着模型进步会被内化。未来模型包揽“怎么做”，人类的终极价值在于“做什么”和“为什么做”，即问题定义、路径选择和真伪判断，这些方法论层面的能力无法被AI替代。
未来AI视频创作者的核心任务是什么？
未来AI视频创作者的核心任务将简化为三步：定标（明确目的）、择路（选择策略路径）、审验（用现实反馈迭代优化）。
AI生图八年的发展给AI视频时代留下了什么启示？
启示包括：技术门槛不断降低，提示词从咒语转向自然语言，竞争从模型能力转向系统与内容质量，最终人类将专注于创意和决策，创造力归位。
