AI 内容创业公司，已经不能只盯着模型与内容生产之间的 Workflow（工作流）。过去几年，定位为“工具”的 AI 内容公司在基础模型之上做了大量工程化工作。
模型调度、角色一致性、资产管理、生产协作，这些能力对于 AI 真正进入影视生产都很关键。但核心生成能力、模型价格和供给仍主要由上游模型厂商决定，工具厂商定价权相对有限。
与此同时，上游模型公司正在进入应用层，Adobe、剪映等成熟工具也在快速整合生成能力，大型影视公司和内容平台则开始搭建自己的 AI 生产系统。单一环节的壁垒正在变薄，行业内的玩家也在进入产业链更深处。
你可以看到，OiiOii 向内容社区拓展，Genspark 开始自研模型，珀乐互动则同时布局创作工具、自研模型和动画 IP。各家路径不同，但都在试图寻找更深的业务护城河。
Utopai Studios 也认为，如果只满足于做“技术供应商”，AI 影视创业公司很难获得足够大的商业空间。成立于 2022 年、总部位于美国加州山景城的 Utopai，目前估值已达 10 亿美元。
其核心团队横跨 AI 研究和影视制作，业务也随之跨越了模型、生产系统和影视制作三个层面。模型端，它基于 MiniMax H3 的定制视频模型 Utopai X，目前在 Artificial Analysis“带音频文生视频”榜单中位列全球第二；并在音画同步与物理表现上排名第一，表现优于通用视频模型。
这得益于其基于真实项目反馈的后训练机制，将创作者在真实生产中的决策直接注入模型训练与评测环节。生产端，它开发了 PAI（Production Assistive Intelligence）。
这是一个面向影视制作全流程的 AI 生产空间。它能从剧本出发，自动拆解角色、场景与道具；将图像、视频、音频生成及剪辑整合在同一工作台；更重要的是，系统会持续记忆故事上下文、视觉风格和创作决策，确保长周期项目的一致性与连贯性。
Utopai 自身也扮演着制片厂的角色。目前，公司储备了二十多个影视项目，其中 6 个已经进入制作或前期阶段，《Cortés》《The Most Serious Fart》《Half Moon》等长片计划于 2027 年大规模进入市场。
在商业化方面，曾打造多部宝可梦游戏的日本数字娱乐巨头 DeNA 已将 PAI 接入其动画制作流程。 NBA 巨星卡梅隆·安东尼（Carmelo Anthony）也通过其制作公司 Creative 7 成为 Utopai 的投资人与战略合作伙伴，双方计划将运动员的个人经历与文化影响力，转化为影视、流媒体等长线娱乐 IP。
至此，Utopai 的生意已经超出了软件订阅和模型调用。它既向外提供 AI 内容生产能力，也自己开发和制作内容，进而参与到版权和 IP 的长期价值分配中。
成为技术供应商还不够，Utopai 要做新一代制片厂 在 Utopai 看来，AI 与其说是一种新的内容类型，不如说是一种新的制作能力。 Utopai 所说的“制作能力”，覆盖的不只是镜头生成和后期效率。
它希望把 AI 放进项目开发、融资、制作、发行和 IP 运营的整个过程中。当制作成本、团队规模和生产方式发生变化，哪些项目能够被立项、需要多少资金才能启动、以什么方式完成制作，都会随之改变。
一部作品上映之后，技术还可以继续参与后续内容开发和 IP 延展。最直观的结果是，一些过去因为规模太大、成本太高而迟迟无法启动的项目，现在有了新的制作可能。
高质量影视内容长期受制于庞大的工业规模与预算门槛。不论是有才华的新锐导演，还是成熟的创作者，都难以幸免。
奥斯卡提名编剧 Nicholas Kazan 手里，就有一个筹备了三十多年的历史史诗项目。他想讲述 1519 年西班牙征服阿兹特克帝国的故事。
Kazan 在 30 多年前就写好了剧本，并一直渴望将其搬上大银幕。但他曾在采访中透露，由于故事极其宏大，涉及 16 世纪大规模城市与战争场面的重建，在传统制片模式下成本高得难以想象。
过去，每次尝试都因“规模太大、成本太高”而宣告流产。直到近年来，Utopai Studios 挖掘并启动了这个项目。
影片在西班牙进行真人实拍，并以巴黎为制作基地。明星演员完成核心表演后，再与 AI 生成的历史环境、大规模场景和数字资产进行结合。
真人表演得以保留，而原本最消耗人力和制作资源的部分，则转移到了数字环境中。这种方式直接改变了项目的成本结构。
Utopai 联合创始人 Cecilia Shen 向《福布斯》表示，采用这类混合制作后，团队规模远小于传统同级别大片动辄数百甚至上千人的配置。 《福布斯》估算，Utopai 此类影片的单片成本可能低于 1000 万美元。
作为参照，传统重工业大片的预算往往高达 2.5 亿美元以上。对于预算更捉襟见肘的独立电影或新锐导演来说，AI 的价值更在于“兜底”。
它能在不妥协创作者表达的前提下，解决实拍中不可控的高成本难题。 Utopai 同样与小成本制作合作。
韩国导演 Hyo-joo Yang 的首部长片《Half Moon》就面临着这样的困境。传统实拍对天气、光线、安全和时间都有着极高的要求。
最终，剧组将拍摄转移到可控的泳池中，完全保留演员的真实表演和摄影机调度。后期再通过 AI 视觉特效移除泳池边缘、扩展海面，并重新处理环境光线。
在这里，AI 没有颠覆创作，而是精准接管了传统流程中成本高、风险大的特定视觉环节，保护了导演的作者表达。如果说真人电影的痛点在于实拍成本与风险，那么动画工业面临的则是重资产与长周期的结构性难题。
在传统动画体系下，只有被市场验证过的合家欢大 IP 才能获得巨额投资。那些古怪、小众的原创故事，往往在开发阶段就被高昂的成本劝退。
动画长片《The Most Serious Fart》正是这样一个非传统的原创 IP。影片改编自同名儿童绘本，讲述一个严肃的“屁”寻找自我接纳的故事。
动画长片开发周期长、生产环节多、投入巨大，这类风格鲜明却尚未经过市场验证的故事，很难轻易获得大片级别的预算。为此，Utopai 为它保留了一套成熟的动画创作班底。
原作者 Mike Bender 担任编剧和导演，《怪物史瑞克》编剧 Joe Stillman 参与剧本打磨，《辛普森一家》与《飞出个未来》的选角导演 Scott Muller 负责声音选角，《歪心狼对阵 Acme》的分镜师 Andy Brooks 参与故事创作。明星班底主导核心美术与原创故事，AI 被用于支持后续的资产迭代与生产效率提升。
这种模式在保证艺术质量的同时，大幅压缩了中长尾的制作成本，让非共识的原创 IP 更加具备商业吸引力。更重要的是，Utopai 并没有把《The Most Serious Fart》仅仅当作一部一次性的动画电影。
Utopai 认为，IP 会成为 Utopai 作为一家 Studio 最重要的长期资产之一。在选择制作《The Most Serious Fart》时，Utopai 就在判断角色和故事本身有没有可能跨出电影，延伸到剧集、出版、游戏、衍生商品、实景娱乐等场景。
成本控制能力与技术赋能，不仅重塑了制作流程，也打开了新的商业想象空间。这也正吸引着好莱坞和内容娱乐行业 Big names 入局。
好莱坞一直是一个高度依赖关系网络的行业。资本往往和项目、人才、IP、发行能力深度绑定。
导演、制片人、媒体高管和明星本人，也经常直接参与新公司的投资与孵化。 Pluto TV 联合创始人、前 Paramount 全球流媒体业务负责人 Tom Ryan，以及执导过《独立日》《后天》等视效大片的导演 Roland Emmerich，在 2024 年成为了 Utopai 的早期投资人。
Ryan 带来了流媒体平台、全球发行与商业变现的深厚经验，Emmerich 则连接着好莱坞成熟的创作者和大片制作体系。到 2026 年，这张关系网又延伸到体育娱乐业。
NBA 名人堂成员卡梅隆·安东尼（Carmelo Anthony）通过制作公司 Creative 7 投资 Utopai，并成为战略合作伙伴。 Creative 7 帮助 Utopai 接触职业运动员，并围绕运动员的个人经历、品牌和体育文化开发电影、电视、流媒体和数字内容 IP。
他们合作的首批项目，就是围绕 Anthony 本人的职业经历和篮球文化开发新的娱乐 IP。从流媒体高管、视效大片导演到体育巨星，这些好莱坞圈内人的加入，让 Utopai 迅速接上了内容行业已有的项目、人才、IP 和发行网络。
他们看中的，不仅是 AI 节约成本的潜力，更是其背后重构内容生产与商业变现的巨大空间。如果 Utopai 只提供技术，其收入主要局限于软件订阅、模型调用和企业服务。
但作为制片厂深度参与制作后，AI 节省下来的成本可以直接转化为项目利润；一旦内容获得成功，公司还能进一步分享全球发行权、续集开发以及 IP 衍生的长期商业价值。影视行业，需要怎样的 AI 生产基础设施 过去两年，通用视频模型发展迅速。
Seedance、MiniMax H 系列、Wan 系列等模型已经能够处理多模态输入与一定程度的镜头控制，逐步向专业影视生产靠拢。但影视制作的要求更为精细。
物理运动、复杂光影、多角色互动与声画同步，直接决定了一个镜头是否可用；长片制作更需在数百个镜头和漫长的修改周期中，保持角色、场景与创作设定的一致性。与此同时，影视制作中大量有价值的信息，并不存在于最终成片里。
导演为什么留下这个 take，摄影为什么调整运镜，美术为什么修改材质，哪些版本被否决、问题又出在哪里，这些专业判断都产生于制作过程，却可能成为模型后训练和评测的重要数据。这也决定了，影视 AI 基础设施很难只依赖“最强通用模型”。
根据 InfoQ 与影视从业者的交流，模型能力与生产工作流需要协同设计（Co-design）并持续迭代。模型获得新的参考、编辑和控制能力，会改变原有制作方式；真实项目中不断出现的新问题，又会形成新的评测标准和模型需求，反过来指导后训练与定制。
掌握一定的模型能力，也能减少对单一上游模型供应商的依赖，并基于对专业场景的理解形成差异化。沿着这一逻辑，Utopai 选择同时深入模型与生产系统两层。
Utopai X：面向影视制作定制的专业模型 最先引起行业对 Utopai X 关注的，是其在 Artificial Analysis（AA）榜单上的成绩。在 AA 9 月 29 日公布的“带音频文生视频”榜单中，Utopai X 以 1150 Elo 排名全球第二。
截至 10 月 7 日，它仍以 1149 Elo 位列第二，仅次于 Wan 3.0，高于 Dreamina Seedance 2.5 和 MiniMax H3。值得注意的是，Utopai X 基于 MiniMax H3 开发。
H3 本身已经具备较强的通用多模态视频能力，可以理解文本、图片、视频和音频，并生成带原生音频的视频。 Utopai 在此基础上继续后训练，将模型进一步向影视生产所需要的能力调优。
AA 的细分成绩呈现出了这种变化。 AA 将视频生成能力拆成十个维度。
相比 H3，Utopai X 在其中七项上更接近该项领先模型。提升最明显的是 Audio Synchronization（音画同步）、Camera Control（摄影机控制）和 Physics（物理表现）。
发布时，它在音画同步、物理表现上排名第一，在摄影机控制、Lighting & Materials（光照与材质）上排名第二。这些能力，也是影视镜头中容易暴露生成瑕疵的地方。
物理表现决定人物、道具和环境之间的运动是否可信；摄影机控制关系到模型能否准确执行跟拍、环绕、推进等镜头设计；光照与材质影响水面、玻璃、金属、皮肤等在运动镜头中的质感和连续性；音画同步则直接影响动作、环境声与画面的对应。从 H3 到 Utopai X，提升主要集中在物理、摄影机、光影和声画关系上，也体现出较为明确的影视生产取向。
这也引出了另一个问题：一家影视公司，为什么有能力参与视频模型的后训练？答案的一部分，来自它掌握的数据和专业经验。
影视模型需要学习的不只有大量视频，还包括专业创作者如何判断镜头。通用模型公司如果希望获得这类信息，通常需要额外组织专业标注、专家评审，或者采购专业创作者的工作流数据。
Utopai 的优势在于，这些数据可以在自己的制作过程中持续产生。 Utopai 拥有电影和动画制作团队。
剧本、角色和场景 reference、不同版本的 take，以及导演、摄影、美术和动画师留下的选择与修改意见，本身就是日常生产的一部分。研发团队因此能够看到最终成片之外的信息：哪些版本被否决，问题出现在哪里，创作者为什么要求修改，以及什么样的结果最终能够进入下一环节。
这些过程数据不会完整出现在最终成片中，却可以用于模型的后训练和评测。 Utopai 还建立了内部 Elo 评测体系，同时引入自动化评测和艺术家的人工判断。
对于垂直模型，这类数据的价值未必在规模，更重要的是，它能把模型表现与真实制作中的问题和审美判断对应起来。通用基础模型依然会提供最重要的底层能力。
但 Utopai X 提供了另一种垂直模型研发的样本：以成熟通用模型为底座，再利用专有内容资产、真实制作数据和专业创作者反馈持续后训练。对于影视公司来说，这条路径不需要复制基础模型公司的预训练投入，却有机会逐步形成更贴近自身制作需求的模型能力。
PAI：把模型能力组织进完整影视制作流程 Utopai 还开发了一套影视制作平台 PAI（Production Assistive Intelligence）。它是一套由创作者主导的 AI 制作引擎，覆盖剧本、角色与场景设定、镜头生成、版本管理和后期制作等功能。
PAI 最终希望提供一层可配置的 AI 生产基础设施，让不同制片厂、不同项目都能在自己的制作体系中使用。一个项目可以从故事概念或已有剧本开始。
PAI 的 AI 制作助理会先识别角色、地点、道具和故事节点，并整理出场景结构。团队确认后，再继续建立角色和场景的视觉参考。
以角色为例，PAI 可以生成正面、侧面、背面和近景等多视角设定。创作者确认面孔、服装、比例等细节后，这组图片会成为后续镜头持续使用的角色参考。
地点和场景也是如此。已经确定的建筑、灯光、色彩和关键道具，可以继续沿用到后面的镜头中。
在此基础上，AI 制作助理再把场景拆成具体镜头，并生成不同的关键帧方案。团队可以先比较机位、构图、人物调度和表演，再决定采用哪个方向。
某一个镜头需要修改时，也可以单独重做，而不用重新建立已经确认的角色和场景。关键帧确认后，制作才进一步进入视频生成。
团队为每个镜头确定运动、时长和声音，AI 制作助理据此准备渲染方案。涉及付费算力的正式渲染仍然需要人工确认。
生成后的不同版本会继续保留在项目中。团队可以比较、回退和重新修改，再把选中的镜头放进时间线，检查节奏、镜头衔接和连续性。
粗剪完成后，素材还可以继续进入 Premiere Pro、DaVinci Resolve 完成剪辑、调色和后期。对于长片制作来说，底层模型可以不断变化，项目本身的制作状态不需要随之重来。
对于多人协作项目，PAI 还提供资产同步、评论与审批、生成记录追踪和项目进度管理。企业版本进一步支持私有部署、私有云、权限管理，以及 IP 和数据隔离。
针对拥有技术团队的影视公司，Utopai 还提供 PAI Code。开发者和技术艺术家可以通过 Codex、Claude Code 等 coding agent 调用图片、视频和声音能力，也可以修改 Skills，根据不同项目调整制作流程。
Utopai 随后将这套能力向外输出，把 PAI 接入其他影视公司的实际制作流程。在日本，DeNA 已开始将 PAI 用于动画制作，尝试让其与既有团队、制作资产和工作流程衔接。
在韩国，Utopai 进一步通过收购 Alquimista Media 获得当地制作团队、项目储备、制片人与产业关系。相比单纯向当地出售软件，这种方式让 Utopai 能够直接参与项目开发和制作，并在真实生产中部署自己的技术体系。
内容制作与技术研发，由此得以相互促进。一方面，自有电影和动画项目会持续暴露模型、工作流和制作系统中的问题，为 PAI 和 Utopai X 提供新的优化方向。
另一方面，技术能力经过项目验证后，又可以进入更多影视公司的生产流程。结语 Netflix 曾从发行渠道进入原创内容，改变了平台与制片厂之间原有的分工。
到了 AI 时代，类似的边界变化也开始出现在生产端。 Utopai 横跨模型、生产系统、内容制作与 IP 开发，提供了一个值得观察的样本。
在 Utopai 看来，基础模型公司解决通用能力，工具公司负责将这些能力产品化，而制片厂面对的是另一组问题：什么故事值得投资，如何开发 IP，如何为创作者留出最大的想象空间，怎样在预算和周期内高质量交付，以及最终如何让内容找到匹配的观众。技术可以降低很多制作环节的门槛，但当生产能力越普及，品味、IP、具备判断与组织能力的人才、世界观构建与发行能力，往往会变得更加重要。