你可能已经看过一场从未被完整拍摄的战争。
远处的人群被悄悄补密，地平线外的城市由模型延展，一闪而过的历史场面，则是真人素材、传统特效与生成式AI共同“缝”出来的。
更刺激的是，你可能毫无察觉。
消息来自Netflix自己。2026年7月，公司在第二季度致股东信中披露：当年约有300部Netflix作品，已经使用生成式AI工作流，最集中的环节是后期制作。
随后，联合CEO泰德·萨兰多斯又在电话会上甩出三组数字：
约17分钟AI增强画面、约两倍制作速度、成本约为原方案的一半。
AI已经从片场冲进了预算表、制作排期，以及Netflix的财报口径。
财报中的“300部”
Netflix的表述很简短。
公司称，生成式AI正在从概念、预可视化一路进入后期与交付。2026年，相关工作流已用于大约300部作品；Netflix希望借此实现更高质量、更快交付与更低成本。
最关键的一句是：没有GenAI，一些制作团队可能会因为预算或工期，直接砍掉关键镜头与序列。
▲ Netflix Q2 2026致股东信第4页。核心数字并非来自社交平台，而是来自公司投资者材料。
Netflix点名了三部作品：印度的《荣耀》、巴西的《巴西70：三冠传奇》，以及美国的《美国实验》。
AI被用来处理的，主要是增强人群、重建历史战役，以及制作世界观建立镜头。所谓“建立镜头”，就是电影中那种用一个远景迅速告诉观众，我们在哪里，这个世界究竟有多大，的画面。
▲ 股东信第5页接续列出《美国实验》以及人群、历史战役、世界观建立镜头等用途。
但这里必须踩一脚刹车。
“300部作品使用GenAI工作流”应理解为AI进入了制作环节，不能据此认定Netflix用AI生成了300部电影和剧集。关键词是工作流：可能只涉及若干镜头、一次环境延展、一段人群增强，或某个后期处理环节。
Netflix既未公布完整名单，也未披露每部作品到底用了多少。300显示的是渗透广度，生成深度依然未知。
17分钟：AI突然学会了说“财务语言”
真正让这条消息从技术新闻变成财经新闻的，是《美国实验》。
萨兰多斯表示，这部纪录片系列中约有17分钟“AI增强”素材，制作速度约为此前方案的两倍，成本约为一半。
▲ 萨兰多斯在电话会上强调：很多镜头若没有这些工具，剧组可能因为负担不起而放弃。
这套用法的范围已经超过“用AI替代昂贵特效”。
它更像是：过去预算只能买10个镜头，现在同样的钱可能买到15个甚至20个；原本躺在剪辑室地板上的战争场面，又有机会回到成片里。
财经上，这叫改变成本曲线，也扩大创作的选择集合。
当然，“更高质量”目前仍是Netflix的公司表述，独立审美测评仍然缺席。速度和成本可以量化，画面观感却无法记入资产负债表。
省下的钱究竟会变成更宏大的镜头，还是变成更薄的预算？答案仍取决于谁控制工具、谁决定预算，以及节省下来的利润流向哪里。
别急着脑补“机器人导演”
电影工业里的生成式AI，暂时可以看作坐在后期工作站旁边的一套新型电动工具，距离抢走扩音器的机器人导演仍很远。
传统VFX往往需要建模、跟踪、合成与漫长渲染。生成式AI则可能根据真人素材、参考图、蒙版或提示，补全像素、扩展场景、增加人群，或者重构局部环境。
因此，“AI增强”不一定意味着从零生成。它可能建立在真实拍摄之上：几十名群演被扩展成几百人，一小块实景被延展成完整城市，有限的摄影棚被“推开”成遥远战场。
这也是为什么观众很难凭肉眼断言某个镜头“就是AI做的”。
变化落在了过去那些贵、难、慢，甚至根本拍不起的画面上，它们开始有了另一条生产路径。
从“10倍坍塌”到收购阿弗莱克公司：早有铺垫
Netflix并非一夜之间走到“300部”。
2025年，萨兰多斯已经承认，科幻剧《永恒族》使用生成式AI完成布宜诺斯艾利斯建筑坍塌场景。他当时称，这段VFX的制作速度约为传统流程的10倍，而传统方案在该剧预算下“不具可行性”。
到了2026年3月，Netflix进一步收购了本·阿弗莱克创办的电影制作AI公司InterPositive。
▲ Netflix官方收购稿强调，InterPositive的工具“为电影人而建”，阿弗莱克随后担任高级顾问。
InterPositive公开描述的路线避开了用简短提示直接生成视频的思路。它更强调使用项目自身的工作样片（dailies）和受控数据，让模型理解同一部电影的光线、人物与视觉语言，再处理换背景、重打光、补镜头等任务。
这是一条很重要的分界线：AI被嵌入现有片场，通用模型不会独自替电影讲故事。
约两个月后，行业媒体又根据招聘信息发现，Netflix正在组建名为INKubator的内部动画单元，定位“创意主导、GenAI-native”，初期瞄准动画短片与特辑。
于是，一条清晰的时间线浮出水面：
单片验证 → 收购工具公司 → 搭建原生动画单元 → 财报披露约300部规模。
实验室里的玩具正在变成工业设施。
Netflix真正改造的，可能是整条“内容流水线”
过去，人们把Netflix看作一家推荐算法公司：它知道你爱看什么，然后把下一部剧推到你眼前。
现在，这家公司正在向更深处伸手。
同一封股东信里，Netflix还谈到用大语言模型改进搜索与偏好理解，并把AI扩展到广告创意、投放优化和效果报告。
于是，一个更大的闭环出现了：
AI判断你想看什么，AI参与把内容做出来，AI再帮助内容与广告找到你。
相关应用也不限于好莱坞英语大片。Netflix举出的案例横跨美国、印度和巴西，意味着相关工作流正在沿着其全球本地化制作网络扩散。
因此，“约300部”的最大意义在于表明：生成式AI已经从少数炫技镜头，进入多语种、多类型内容的日常管线。
最隐秘的冲击：投资者知道规模，观众却看不到标签
问题来了：到底是哪300部？
Netflix没有给出完整清单。本次财报材料中，也没有出现面向会员的统一AI标识承诺。投资者能看到“约300部”这一规模数字，普通观众打开播放页面时，却看不到一枚“本片使用GenAI”的标签。
这形成了一种微妙的信息差：AI在财报里是效率指标，在会员界面里却几乎不可见。
社交平台上的反应因此迅速分裂。一边认为AI终于成了创作者工具箱的一部分，能让小预算项目拥有更大野心；另一边则讽刺，平台只是把“拍不起”包装成技术进步，最后让会员用4K电视观看更精致的预算削减。
▲ 这是用户观点而非公司事实，却代表了观众端对内容质量与成本削减的典型质疑。
Netflix在收购InterPositive时反复强调，技术应当“赋能而非取代”创作者。但当使用规模来到数百部，争论必然升级：创意决定权是否仍在人手中？模型使用了什么数据？观众是否应该被告知？
这些问题，远比“某个爆炸是否由AI生成”更难回答。
“300部”：影视工业跨过的一道门槛
所以，先别把这件事粗暴理解成“AI接管好莱坞”。
AI已经离开演示视频，走进后期账单、制作排期和财报电话会。
下一步真正值得盯住的是作品数量之外的细节：每部作品的AI分钟数、涉及哪些环节、是否统一披露，以及成本节省最终变成了更好的画面，还是更高的利润率。
下次当银幕上涌出千军万马、城市在远方拔地而起时，你未必能看出AI在哪里。
但真正的变化，可能恰恰就在这种看不见之中：
片尾字幕看起来一切照旧，影视工业的成本曲线，却已经被悄悄重写。
