AI群演成本骤降百倍，为何败给三人以上群像戏？

　　AI群演已能以低至真人短剧1/100的成本完成静态场景拍摄，但涉及三人以上群像戏时，走位混乱、穿模频发、道具消失等问题频出。据影视片场笔记观察，一集AI短剧制作成本约3000-5000元，而真人短剧需50万-100万元。“AI取代群演但拍不好群像”因此成为今日影视圈热议焦点。[1]

　　2026年8月12日，微博热搜话题#AI取代群演但拍不好群像#引发大量讨论。多位影视博主与普通网友发布观剧反馈，指出全AI群演的短剧在多人场景中存在明显技术缺陷。该话题的源头，是AI生成视频技术在影视制作中的快速商业化——低成本短剧开始大规模使用AI群演，甚至部分影视公司签约AI演员作为常态制作。

　　所谓“AI群演”，是指通过人工智能生成技术制作的虚拟人物，被用于替代影视剧中的背景板、路人、历史人物等不需要演技的功能性角色。在成本压力巨大的短剧行业，AI群演的出现被视为一条降本增效的捷径。然而，当镜头从单人的静态画面切换到多人的动态群像时，AI的“画皮”便很快撕裂。

　　AI群演的成本到底有多低？为何迅速进入市场？

　　结论先行：AI群演的单集制作成本可低至真人短剧的1/100，但当前仅适用于静态、无互动的功能性场景。

　　据影视片场笔记统计，一部全AI生成的短剧，单集制作成本约3000-5000元；而传统真人短剧的单集成本通常在50万-100万元之间，差距可达100到300倍。这种价格洼地让AI群演在追求极致效率的短剧赛道迅速铺开。据公开报道，横店群演行业已感受到冲击，部分短剧剧组转向AI群演以压缩开支，甚至有影视公司签约AI演员作为常态制作。

　　然而，成本优势并不意味着质量优势。微博用户“我莓ID”指出：“AI短剧不管拍得多好，遇到大场景和人多的剧情，都会出现bug，各种站位混乱，乱衔接。”[2]另一位用户“娱小音儿”则观察到：“遇到同样问题，人一多，场景一大，空间逻辑和人物站位就混乱。”[3]

　　三人以上群像戏，AI到底有多“失控”？

　　结论先行：当画面出现三个以上人物时，AI群演会出现站位跳跃、左右互换、肢体穿模和道具消失等系统性错误。

　　微博用户“我莓ID”在话题下吐槽：“AI短剧不管拍得多好，遇到大场景和人多的剧情，都会出现bug，各种站位混乱，乱衔接。”[2]另一位用户“娱小音儿”也观察到：“遇到同样问题，人一多，场景一大，空间逻辑和人物站位就混乱。”[3]这些现象并非个例，而是AI群像戏的普遍痛点。

　　具体来看，AI群演的问题集中在三方面：

• 站位与空间逻辑混乱：多个微博用户反馈，只要画面出现三个以上人物，AI群演的走位就会失控，人物位置乱跑，下一镜头角色左右互换，根本对不上谁看谁。[2][3]
• 肢体穿模与道具消失：AI生成的群演经常出现肢体扭成麻花、手臂穿模、手持道具无故凭空消失等问题。用户“粉嘟嘟好可爱兔兔”表示：“虚拟群演肢体bug超多，频繁出现穿模变形，手持道具还会无故凭空消失，观感十分违和。”[4]“我是大神127s_B”补充：“路人肢体扭得像麻花，上一秒拿的包子下一秒直接凭空消失，太出戏了。”[5]
• 缺乏真实互动与情感：AI群演只能机械化填充背景，做不出真人路人自然松弛的神态和眼神交流，氛围感严重缺失。网友“过客7295181006”直言：“三个背景人物的站位都控不住，还不如横店随便一个群演站得稳当。”[7]

　　这些bug在单人或静态场景中尚不明显，一旦进入需要多人协调的群像镜头，AI的“空间失忆症”便暴露无遗。

　　为什么AI群演一多就失控？算法短板在哪？

　　结论先行：AI群演失控的根源在于生成式视频模型缺乏空间推理能力和实时互动理解，只能逐帧模仿数据，无法保持人物关系的连续性。

　　从技术角度看，AI生成视频是基于数据模仿，每一帧图像都是独立生成的，缺乏对空间连续性和人物关系的理解。当画面中多人同时移动时，AI会“忘记”前几帧的位置，导致站位跳跃、穿模和道具消失。微博用户“娱音音”分析：“AI顶多照着数据模仿，体会不到真实情绪，它没法拥有演员发自内心的感染力。”[8]

　　实际上，生成式AI模型在处理多人场景时，还存在“人物持久性”问题。所谓人物持久性，指的是同一角色在不同镜头中的外貌、服装、位置必须保持一致。AI模型因为缺乏对整体场景的记忆，容易出现上一秒身穿红衣的路人，下一秒变成蓝衣；刚在画面左侧的人，下一个镜头突然出现在右侧。这种空间逻辑的断裂，在群像戏中会被成倍放大，因为观众的大脑会自动追踪画面中每个人的位置，一旦违背物理规律，便会立刻产生“不对劲”的感觉。这也是为什么单人场景中AI看起来尚可——因为观众只需要关注一个人，容错率较高；而多人场景中，每个人的位置都是信息点，任何一个错位都会破坏沉浸感。

　　更重要的是，情感表达是AI的硬伤。AI演员的微表情和眼神空洞，无法传递真实情绪和临场即兴发挥。而群像戏的魅力恰恰在于人物之间的眼神交流、细微反应和即兴火花。影视大V“闻汤识面泡剧”在话题中总结：“AI可以替代不需要表演的背景板，但真正需要情绪互动的群像戏，真人演员的不可替代性反而更清晰了。”[6]

　　群像戏的魅力，为什么离不开真人群演？

　　结论先行：群像戏的核心价值在于人物之间的眼神交流、细微反应和即兴火花，这是AI目前无法模拟的生命体验。

　　群像戏不是“把一群人放进画面”，而是通过人物位置的调度、视线关系、互动反应来营造戏剧张力。一个优秀的群演需要根据主演的表演调整自己的状态，甚至在即兴时刻给出自然反应。这些能力建立在真实的身体感知和情感共情之上，是AI无法通过数据模仿获得的。

　　网友“来自火星子夜”评论：“AI只能机械化填充空白背景，完全做不出真人路人自然松弛的神态，氛围感严重缺失。”[9]这位用户道出了群像戏的关键：氛围感来自“人”的真实在场。真人群演即使站在背景里，也能通过呼吸的节奏、眼神的游移、身体的细微晃动传递出“活人”的气息。AI群演目前只是一张会动的贴图。

　　人类对“活人”的识别是刻在基因里的。即使是一个背影，一个不露脸的群演，观众也能通过微妙的肢体语言感知到这个角色是“真的还是假的”。这种感知不仅来自视觉，还来自对生命节奏的共鸣。AI群演虽然能生成高精度画面，但它的运动轨迹是算法平滑的结果，缺少真人身体在重力作用下的细微起伏、呼吸带来的肩部浮动、甚至不经意间的一个踉跄。正是这些“不完美”，构成了表演的质感。

　　从行业角度看，真人群演还承担着辅助主演、配合镜头运动、维持画面平衡等专业职责。在横店等影视基地，经验丰富的群演甚至能成为导演的“空间调度助手”。这些软实力在AI技术突破前，仍是真人群演的护城河。

　　人物/角色关系表：AI群演与真人群演对比

　　AI群演会取代真人群演吗？

　　结论先行：短期内AI无法全面取代真人群演，但静态场景的替代已在发生，群像戏是AI技术的分水岭。

　　AI群演的低成本优势是真实的，这使它在不需要表演的领域迅速落地。据公开报道，横店群演行业已感受到冲击，部分短剧剧组转向AI背景板。但影视内容的本质是情感输出，观众对真实情感的追求不会因为成本而改变。

　　从技术演进曲线看，生成式AI在图像质量上的进步速度远超空间推理能力。2026年的今天，AI已经能生成以假乱真的单人特写，但多人交互场景依然停留在“贴图”阶段。有技术专家指出，解决空间一致性问题可能需要引入3D世界模型，让AI像人一样理解“前方、后方、左右、碰撞”等物理概念。这一目标一旦实现，AI群演或许能完成基本的群像调度。但情感互动的“即兴火花”仍难以量化——人类演员会在对手戏中根据对方的反应调整自己的节奏，这种实时共情能力，是AI无法通过训练数据获得的。

　　未来，AI技术可能逐步解决空间一致性问题，例如通过引入3D骨架追踪和物理模拟。但在情感表达上，AI需要具备真正的“理解”而非“模仿”，这可能是更漫长的挑战。对于制作方，建议根据场景类型选择工具：单人静态场景大胆用AI，群像戏和情绪戏保留真人。对于群演从业者，则需警惕静态背景板岗位的萎缩，向特约演员、动态调度等更高阶技能转型。

　　常见问题解答：AI群演与群像戏

　　Q1：AI群演真的能降低百倍成本吗？

　　A：据影视行业反馈，AI短剧制作成本约为3000-5000元/集，真人短剧约50万-100万元/集，差距接近100倍。但成本低不等于效果好，在群像戏等复杂场景中，AI的错误率可能导致返工，反而增加时间成本。

　　Q2：为什么AI群演在群像戏中会出现穿模和道具消失？

　　A：这是因为AI生成视频是逐帧独立生成，缺乏3D空间一致性和物体持久性记忆。当画面中有多人或道具时，算法无法准确追踪每一帧的位置关系，导致穿模和物体消失。这是当前生成式视频模型的技术瓶颈。

　　Q3：横店群演真的会失业吗？

　　A：据公开报道，横店群演行业已感受到AI冲击，部分短剧剧组转向AI背景板。但群像戏和情绪互动场景仍依赖真人，因此群演不会完全失业，但静态群演岗位确实在减少。未来群演可能需要更多参与动态调度和特约表演。

　　“AI取代群演但拍不好群像”这一热点，本质上揭示了技术迭代中“效率”与“温度”的角力。AI可以量产背景，却无法复制人类在聚光灯下交换的那个眼神。对于影视行业而言，如何在降本增效与艺术质感之间找到平衡，将是未来数年的核心课题。或许正如网友所言，AI取代的是“背景板”，而群像戏的舞台，永远为有血有肉的人留着。

　　#AI群演# #群像戏# #AI短剧# #横店群演# #影视行业观察#