Damn，奥斯卡得主本·阿弗莱克在闭门峰会上公开的这段自白，第一次把好莱坞如何将开源视频模型彻底改造为工业级印钞机的底层商业逻辑全盘讲透了，建议所有做视频生成和内容产业的人都必须反复看三遍。

他创立的 16 人后期 AI 工作室，他创立的 16 人后期 AI 工作室 InterPositive，在 2026 年 3 月被@netflix Netflix 砸下 5.87 亿美元现金全资收购，

当绝大多数人还在用公共模型抽卡碰运气，好莱坞顶级玩家已经靠解冻开源模型、专训最后一层电影层，把影视制作的标准彻底颠覆了。

先给大家一句话概括这段分享最值钱的本质：
通用视频模型解决的是物理世界的通识，而真正的商业壁垒，在于解冻开源权重，用剧组自己的实拍母带去训练那层价值连城的电影层。

现在绝大多数做 AI 视频的人，都在经历同一种极度尴尬的死穴：
市面上的公有模型生成的画面看似华丽，但根本没法放进真正的影视工业里； 运镜缺乏呼吸感、光影没有戏剧张力、人物多机位连贯性稀烂，
更致命的是，拿同行甚至盗版素材喂出来的公共模型，在好莱坞严格的法务与版权审查面前，根本算不上一门站得住脚的生意。

面对这种普遍的玩具级困局，本·阿弗莱克直接把影视 AI 演进拆成了三个最硬核的商业与技术维度：

第一个，生产力底座的架构革命：
解冻开源权重，专训最后的电影层 一个能打的视频模型，入场券是海量的通用视频数据。 它先在底层学会什么是红色、什么是重力、什么是基础三维运动， 但电影感绝不在预训练的起点，它是模型训练的最后阶段。

现成的开源视频模型就像只学过素描的学徒，代码和权重完全开放， InterPositive 的做法是直接解冻权重，告诉模型上次停在第 8631 步，现在从第 8632 步接着往下跑， 跳过从零训大模型的千卡算力黑洞，把所有算力集中在最后那一层电影级的审美注入上。

第二个，数据飞轮的工业级重构：

在受控舞台上实拍 8 个月干净母带 为了拿到真正符合工业级标准的最后一层，

他们拒绝抓取网络现成视频， 而是自己筹集资金，在专业摄影棚和受控舞台里实打实拍了整整 8 个月的高标准私有数据集，

专门用这批带着顶级摄影机、专业灯光、可控色温与胶片颗粒的数据做对齐训练， 把光影层次、景深控制和戏剧化调度，硬生生烙进开源模型的神经元里。

第三个，资产分配与产权闭环：

边拍边训，让模型资产留在剧组自己手里 这是让 Netflix 愿意掏出 5.87 亿美元现金买单的终极杀手锏。

在他们的工作流里，每一部新电影都在自己每天拍摄的冲洗素材上，现场微调出一个专属的私有模型；

剧组不需要把正在拍摄的绝密素材上传给任何第三方大模型公司， 数据留在剧组手里，模型迭代的成果归正在拍电影的创作者所有， 每拍完一部戏，剧组收获的不只是一部成片，还有一个完全学会了这部电影视觉风格的专属数字资产。

真实历史与数据硬核印证：
→ 16 人团队的估值神话： 靠着解冻开源权重和私有数据微调，InterPositive 仅凭 16 名核心工程师与后期艺术家，实现了人均超过 3600 万美元的现金收购；

→ 算力分工的演进定律： 开源社区负责扛下千亿参数的通识基建，垂直行业的专家负责在最后 1% 的专业层注入行业认知，垂直微调的商业回报正在彻底碾压通用预训练；

→ 版权护城河的迁移： 从卖算力、卖单次生成，转向为影视公司交付完全合规、具备绝对排他性的私有化模型资产。

但褪去台前的宏大光环，硬币的反面极其冷峻：

→ 顶级审美依然是极度昂贵的物理稀缺品：
算力是开源的，但 8 个月受控舞台的实拍成本与奥斯卡级的灯光视效认知，依然是普通小团队无法逾越的高墙；

→ 工业标准的落地门槛极高： 单次生成的惊艳不等于镜头语言的工业连续性，如何让模型稳定输出 4K 胶片级高动态范围画面，中间依然横跨着巨大的工程鸿沟；

→ 行业壁垒向母带数据迁移： 未来影视公司的护城河不再是拥有多少台摄影机，而是私有数据库里沉淀了多少未被公开污染的顶级实拍母带。

过去所有人都以为 AI 会消灭好莱坞， 现在本·阿弗莱克证明了，真正懂行的顶级玩家正在用开源底座重塑好莱坞。

算力负责铺平通往工业的基础道路， 而电影的灵魂，永远只属于那些站在监视器后面给最后一层注入审美的造梦者。

你们觉得未来影视行业的核心资产，是掌握在拥有顶级算力的大模型巨头手里，还是属于手里握着私有实拍母带的影视工作室？我理解算力迟早会变成水电煤一样便宜，最后真正值钱的，一定是那层谁也抄不走的顶级行业审美。