三个程序员做AI视频：赚到第一个一万块后发现账算错了

都说AI视频成本只有1/10，真正接单的人算了另一笔账

工具花费少，和整个项目没有成本，是两回事。

西羊石靠AI视频赚到的第一笔钱，是一条一万多块的法治宣传片。

当时可灵还在内测，算力免费，三个程序员用业余时间把片子做完，感觉这事挺有希望。

两年后，我和创始人西堂聊起这第一单，他的第一反应不是兴奋，是算账。

外面聊AI视频，聊的是模型、参数、一键生成；真正靠它吃饭的人，还得看账。

西堂是程序员出身，他的两个搭档也是。

2024年2月，Sora的演示出来。在那之前，他已经在接触AI，文字生成、图片生成的进展都很明显。

看到Sora，他下的判断很朴素：人们本来就有看视频、用视频表达的需求，只是过去做视频要设备、要专业团队、要钱。

如果这些门槛被降下来，没有影视背景的人是不是也能进场？

注意这个起点：他看到的不是一个风口，是一个门槛的消失。

三个人的打法也很程序员：不辞职，先干副业。一边上班，一边研究工具、做作品、写公众号。

后来有了订单，有了持续的正反馈，才一步步走到公司化。西堂自己是到2025年3月才全职的。

第一单就是开头说的那条法治宣传片，一万多块。

那是他们连续研究和输出了几个月之后接到的项目，他第一次很具体地感觉到，学到的东西真能解决一个实际需求。

但现在回头看，他承认自己踩了认知误区：工具花费少，不等于项目没成本。业余时间也是成本，只是当时没往账上记。

说句实在的，这大概是程序员创业的第一课，而且往往是会计课。

西羊石早期对外讲过，部分AI视频项目可以把成本做到传统影视制作的1/10到1/5。

这个说法流传很广，也是很多人冲进这个行业的理由。

我把这个问题直接抛给他：2026年了，这笔账现在怎么算？

他没有顺着自己当年的说法往下走，先把话拉了回来：“这个比例需要放回具体项目里理解，我不会把它当成今天所有AI视频的统一成本标准。”

他是这么拆的：“如果一个项目原本需要搭景、演员、外拍或者大量特效，AI确实可能省掉很大一部分开支。但如果客户要的是精确的产品展示、复杂的人物表演和反复调整，省下的现场成本，也可能转化成生成、筛选、修复和沟通的成本。”

翻译一下：AI没有把成本变没，只是把成本挪了个位置。

从片场挪到机房，从摄影师的工时，挪到那个对着几百条素材一条条挑的人的工时。

而且成本这头在降，预期那头在涨。

他的观察是，一些画面的实现难度降低了，但客户对完成度的期待也提高了，工具单次价格还可能变化，所以总成本不一定一路下降。

成本的变化还带来一个副作用：客户对速度的错觉。

“最常见的是，用生成一个片段的速度，来理解交付一个项目的速度。”

客户在演示里看到几十秒出一段画面，就自然觉得一条完整广告也该很快、很便宜。

但一个商业项目里，客户真正需要的是：产品不能错，信息不能错，风格要统一，镜头能衔接，修改后还能保持完整，最后按时交付。

这就像看了方便面包装上的红烧牛肉图，就觉得开餐厅无非是烧壶开水的事。

外面最容易有的一个想象是：AI视频就是输入Prompt然后生成。

我让他拿一个真实项目拆。他拆的是小说改编2D漫剧，拆细一点，一共十个环节：

明确需求

确认内容来源和使用范围

改编剧本

设计角色、场景和道具

拆分镜

做样片

批量生成并筛选

处理声音

剪辑与后期

审核、修改和交付

这十件事还不是排队做，是交叉着做：导演继续拆后面的分镜，制作人员生成前面的镜头，剪辑也可以提前介入。

“对我来说，所谓工业化，是每个人知道自己收到什么、要交出什么，以及什么情况下应该退回上一步。靠一个人盯着所有事情，很难稳定扩大产能。”

那瓶颈在哪？两年前是“生成不出来”，今天模型已经很强了。他的答案不在技术里：

“能不能把想要的结果稳定地做出来，并且让整个团队和客户对这个结果有一致的理解。”

他举了个例子。客户说“高级一点”，制作人员和客户想的可能完全不同，等成片出来才发现，前面的理解就偏了。

这种返工根本不是模型造成的，是前期没说清楚。

所以他的解法是往前挪：剧本、参考片、样片、确认过程，前面多把事情讲明白，后面往往能少做很多无效生成。

行业里爱聊的“可用率”，他分三层看：第一层，画面本身没有明显问题；第二层，符合这个镜头的要求，能和前后内容接上；第三层，进入成片以后，能通过客户验收。

网上为“十条里能用几条”争得面红耳赤，很像相亲只看照片就断定能不能过一辈子。照片没问题，只是第一层。

他举了个场景：一个人物单独看很好看，放进前后镜头却接不上；一句台词内容对了，情绪却不对。

对这个项目来说，这样的素材就不够用。

他们熟练的制作人员确实有过生成两三次就能挑到一条可用素材的经验，但那是特定工具、镜头和质量要求下的经验，不能变成全行业的固定比例。

修改也是同样的道理。AI看起来可以无限重生成，双方都容易低估修改的代价。

他的原则是把修改分成两类：字幕错了、镜头没达到已经确认的要求，属于该修正的问题；做到一半更换主角、推翻故事方向，影响的可能是整套资产和后续镜头。

比单独写一句“只能改几次”更重要的，是双方知道每个阶段确认了什么。

西羊石现在重点投入的方向是AI漫剧，集中切入是在2025年下半年，10月前后。

契机是一次线下活动，他和一位已经调研短剧一段时间的人聊了很久。

但真正让他动心的逻辑很商业：广告片通常一个项目一个需求，做完再找下一个；漫剧背后有小说、剧本、连续内容生产和发行环节，给制作能力提供了另一种应用场景。

切进去以后他发现，订单量、价格和产能必须一起看。单纯增加制作量，未必适合一个小团队，人员成本和交付压力会一起上来。

外界对AI漫剧的第一反应，是“便宜版动画”或者“低成本短剧”。他认可一半：“这个理解抓住了成本变化，但还不完整。”

“观众打开一部内容，并不会因为它成本低就一直看下去。他还是会看故事、人物、情绪和节奏。”

“成本优势让更多人有机会入场，内容能力决定他们能走多远。”

那漫剧团队里最值钱的人是谁？他的答案不是某个新头衔。

在他们以前的小团队配置里，一个人同时承担编剧、导演和项目统筹：既要把小说改成能看的故事，又要把故事拆成模型能执行的镜头，还要协调制作和剪辑。

“这个角色非常关键。前面判断错了，后面几个人可能都在高效地做错东西。”

至于“AI导演”这种新名字，他的态度是：名字本身不解决问题，要看他能否理解内容、掌握视听表达、知道工具边界，并且组织交付。

商单方面，他的判断是：“有预算的行业里，也有不值得接的项目。”

他现在先看四样东西：有没有明确的用途、预算、决策人和交付时间。

只说“我们想做点AI的东西，先给几个方案看看”，还不能算一个成熟需求。

他们亲身踩过的坑是：一个项目看起来很大，做起来也很忙，但沟通、试稿、修改和等待占掉大量时间，最后并没有留下多少收益。

现在他衡量一个订单，会把它占用了多少人、多久能收回钱，以及做完还能留下什么，一起算进去。

顺带一提，西堂自己还做公众号、课程，出了两本书。

他坦白说走过弯路：以前总想着把作品做得更好，去证明技术，做了很多事情，也获得一些认可，经营结果却没有同步变好。

现在他把每条业务的账分开算：公众号广告可以直接带来收入，培训有自己的交付成本，制作也有自己的利润空间，不混在一起互相证明。

“持续输出积累的是信任，实际交付决定这份信任能不能留下来。”

AI视频模型几个月换一代，制作公司最头疼的问题是：刚建立的工作流，三个月以后就过时。

西堂说，他们三个程序员早期特别容易对复杂工具和工作流上头，研究一套东西，折腾一天一夜，跑通以后很有成就感。

“但后来发现，技术上的成就感，不一定能留下商业价值。有些花了很多时间研究的操作，模型一升级，就不再需要了。”

所以他把沉淀分成两类。

具体按钮怎么点、某个版本需要怎样绕一下、为了弥补模型缺陷拼出来的复杂步骤，可以更新，也可以淘汰，不必因为以前投入过时间就一直保留。

但需求怎么确认、剧本怎么改、人物资产怎么管理、分镜怎么交接、镜头怎么验收、修改怎么记录，这些值得长期保留。

模型像租来的挖掘机，三个月换一台新的。但图纸怎么画、工地怎么管，是你自己的。

西堂出过两本书，《AI视频一本通》和《AI漫剧创作一本通》。

我问他：把书里所有关于工具操作的东西拿掉，最后剩下的最核心能力是什么？

“我觉得是判断力。具体一点，就是你知不知道自己要表达什么，以及能不能判断眼前这个结果是否达到了目的。”

一个专业创作者，有时候要舍得删掉一个很好看的镜头，因为它没有推动故事。

对想进场的新人，他的建议是：还有机会，但只靠“比别人早知道一个工具”，很难长期成立。

一个人、一台电脑、每个月几千块预算，先找一个和原有能力相关的切口：有写作基础，可以往剧本、故事表达走；有设计和剪辑基础，可以往特定风格的制作走；了解某个行业，就先研究这个行业需要什么视频内容。

然后把范围缩小到能够独立交付的一件事，先做几条能代表能力的作品，持续公开展示，再去接触真实需求。

预算要优先用于验证一个具体方向，而不是把各种工具和课程都买一遍。

他明确不建议的有两条路：一上来就押上全部预算，自费制作一部长剧等平台回本；在没有稳定订单的时候，先租办公室、招一批人。

聊到三年后的行业，他的判断是，模型和工具还会继续变强，传统影视团队也会把AI纳入制作，同时会出现从一开始就围绕AI组织内容生产的新团队。

最后能留下来的公司，至少要有一些持续积累的东西：自己的内容和受众，稳定的客户关系，对某一类需求的深刻理解，或者能持续交付的团队能力。

“如果优势只剩下‘我会操作这个模型’，它就很容易随着工具变化而消失。”

访谈快结束时，西堂说：“这两年对我最大的改变，是开始认真面对经营这件事。一个团队能长期做下去，需要的远远不止好作品。”

我想起开头那笔账。

两年前，三个程序员做完第一条宣传片，忘了把自己的时间记进成本；两年后，他们把每单业务、每个环节、每次修改的账，都算得清清楚楚。

AI把做视频的门槛削平了，但做生意的门槛一直都在，它只是换了个位置，站到了判断力那边。

西堂：真正触发我的，是2024年2月看到Sora的演示。

在那之前，我已经在接触AI，也在探索副业。文字生成、图片生成的发展已经很明显了，看到Sora的时候，我的判断是：接下来视频可能会出现一个很大的机会。

这个判断其实挺朴素的。

人本来就有看视频、用视频表达和传播的需求，只是过去制作视频，需要设备、专业团队和比较高的成本。如果这些门槛被降低，我们这种没有影视背景的人，是不是也能参与进来？

所以最开始，我们看到的是技术变化带来的机会。那时候没有稳定客户，也没有成熟的商业模式。

我们三个都是程序员，就先从副业开始，一边上班，一边研究工具、做作品、写公众号。后来慢慢有了订单，有了持续正反馈，才一步一步走到公司化。我自己也是到2025年3月才出来全职做。

如果重新回到2024年，我还是会选这个方向。

但我会更早去接触客户、理解需求，也会更早补商务和销售能力。

技术出身的人很容易把“我能做出来”当成创业的起点。后来我才知道，还得继续问三个问题：谁需要？谁付钱？为什么持续找你？

西堂：早期第一次给我们比较明确正反馈的，是一个法治宣传片项目，金额一万多元。

那个时候，我们已经连续研究和输出了几个月。接到这个项目以后，才第一次特别具体地感觉到：原来学到的这些东西，真的可以解决一个实际需求。

当时可灵还在内测，算力都是免费的，又是利用业余时间制作，所以第一次做完以后，感觉这个事情挺有希望。

但现在回头看，当时其实有一个认知误区：我们没有认真计算自己的时间成本。

工具花费少，和整个项目没有成本，是两回事。

我现在理解，客户最终买的其实是一条能够拿去使用的宣传片。

AI的新鲜感可能会帮你获得关注，但最后它还是要把内容讲清楚，要符合客户的使用场景，而且能够按要求交付。

现在我再看客户为什么愿意付钱，会具体很多：你能不能理解他的业务？能不能做出他想表达的东西？能不能控制修改？能不能按时交付？

AI可以让客户愿意先看你一眼，最后能不能成交和复购，还是看你交出来的东西。

西堂：这个比例一定要放回具体项目里理解，我不会把它当成今天所有AI视频项目的统一成本标准。

如果一个项目原本需要搭景、演员、外拍或者大量特效，AI确实可能省掉很大一部分成本。

但如果客户要求的是非常精确的产品展示、复杂的人物表演，以及反复修改，那你省下来的现场成本，也可能变成新的生成、筛选、修复和沟通成本。

比如30秒品牌广告，主要成本会花在创意、产品和品牌细节、关键镜头打磨、合成后期，以及客户确认上。

一分钟文旅片，要处理文案和资料核对、地域特色、场景表达、风格统一，以及配音、音乐和后期。

AI漫剧又不一样，成本更多集中在剧本和分镜、角色场景资产、视频生成、声音、剪辑，以及整部剧连续性的维护。

漫剧还有一个特点：角色、场景等前期投入可以在多集之间复用，所以不能简单拿第一集成本乘以集数。

至于模型、人力、编剧、导演、后期分别占多少，我不太愿意报一个看起来很完整、实际上不适用于具体项目的比例。

小团队里面，一个人可能同时兼任编剧和导演，这些工时本身也不是天然分开的。

这两年比较明显的变化是：一些画面的实现成本确实下降了，但客户对完成度的期待同时也提高了。

所以工具越来越便宜，并不代表整个项目的总成本一定会一路往下走。

西堂：拿我们做过的小说改编2D漫剧来说，如果拆细一点，大体有十个环节。

首先是明确需求。到底做什么题材、给谁看、成片多长、什么质量标准、什么时候交。

然后还要确认内容来源和使用范围。拿到小说或者剧本以后，也要弄清楚能不能用于这次制作和发行。

第三步才是改编剧本。小说不能直接拿去生成视频，需要重新变成适合观看的剧情、对白和分集结构。

接下来要把整部剧反复出现的角色、场景和道具先统一下来，再拆分镜，明确每个镜头到底在表达什么，人物怎么行动，情绪怎么变化。

正式批量制作之前，我们还会先做样片，用一小段内容验证风格和制作方法，尽可能早地把问题暴露出来。

后面才是批量生成、筛选素材、声音处理、剪辑后期，以及最后的审核、修改和交付。

而且这些流程不是完全串行的。

导演可能已经在继续拆后面的分镜，制作人员在生成前面的镜头，剪辑也可以提前介入。

所以我现在理解的“工业化”，不是搞一套看起来特别复杂的流程。

而是：每个人都知道自己收到什么、要交出什么，以及什么情况下应该退回上一步。

如果所有事情都靠一个人从头盯到尾，很难稳定扩大产能。

西堂：如果一定只让我选一个，我会选：能不能把想要的结果稳定地做出来，并且让整个团队和客户对这个结果有一致的理解。

角色一致性、镜头连续性、动作控制、声音，这些当然都是问题。但实际做项目的时候，它们经常是连在一起的。

一个人物单独看很好看，但放到前后镜头里可能接不上；一句台词内容是对的，但情绪不对；一个镜头本身非常漂亮，却可能把整集的节奏拖慢。

还有很多返工，其实根本不是模型造成的，而是前期没有讲清楚。

比如客户说一句“高级一点”。制作人员脑子里的“高级”，和客户想象的“高级”，可能根本不是一回事。

等你整条片子做出来，才发现一开始的理解就偏了。

所以现在我会越来越重视前面的剧本、参考片、样片和确认过程。

前面多把事情讲明白，后面往往能少做很多无效生成。

西堂：我会分三层看。

第一层，画面本身没有明显问题。第二层，它符合这个镜头的要求，能够和前后的内容接起来。第三层，它放进成片以后，能够通过客户验收。

很多人在讨论模型可用率的时候，其实只停留在第一层。但我们做商业交付，最后看的是第三层。

比如一个人物生成得很好看，但是衣服和前一个镜头不一样，或者动作没有完成这个镜头的剧情任务，对项目来说，它就不够用。

以前在一些具体项目里，我们熟练的制作人员确实有过生成两三次，就可以挑到一条可用素材的经验。

但这是在特定工具、特定镜头和特定质量要求下形成的经验，不能直接变成整个行业的固定比例。

而且我也不会只用“十条里面能用几条”去判断一个工具成熟不成熟。一条生成视频可能最后只取了其中几秒，另一条可能几乎整条保留，两者意义是不一样的。

所以我觉得：成熟的生产工具，不是保证每一次生成都完美，而是让团队能够在可预测的时间和成本里，持续交出合格结果。

西堂：我们三个都是程序员，所以早期特别容易对复杂工具和工作流产生兴趣。

研究一套东西，折腾一天一夜，好不容易跑通了，那种技术上的成就感非常强。

但后来我们慢慢发现：技术上的成就感，不一定能够留下商业价值。有些你花了很多时间研究的操作，模型一升级，就完全不需要了。

所以我现在会把沉淀下来的东西分成两类。

第一类是可以随时淘汰的。比如某个按钮怎么点、某个版本需要怎么绕一下、为了弥补模型缺陷拼出来的一套特别复杂的步骤。

这些东西模型变了就可以换，不需要因为以前投入过很多时间，就强行一直保留。

第二类是真正值得长期沉淀的。比如需求怎么确认、剧本怎么改、人物资产怎么管理、分镜怎么交接、镜头怎么验收、修改怎么记录。

这些不会因为某一个模型升级就消失。

所以我现在越来越觉得：工作流应该围绕交付结果来组织。模型换了，就把其中对应的环节换掉。

而不是围绕某一个模型建立一整套不能动的流程。

西堂：我觉得是判断力。

具体一点，就是你知不知道自己到底想表达什么，以及你能不能判断眼前这个结果是不是达到了目的。

同样一段故事，哪里应该展开，哪里应该删掉？什么时候应该给人物一个特写？什么时候应该留一点停顿？观众为什么愿意继续往下看？这些都需要有人判断。

工具可以给你非常多结果，但它不会替你承担最后的选择。

一个专业创作者，有时候需要舍得删掉一个非常好看的镜头，因为它没有推动故事。

也要知道，有些地方根本不需要特别复杂的运镜，只需要把人物的一句话讲到位。

我自己也是从技术和作品出发，后来才慢慢意识到，内容理解、审美、观众意识和商业判断，全部都需要补。

所以我现在的判断是：未来会用AI视频工具的人一定越来越多，但能够把一个表达从头到尾真正做成立的人，依然很有价值。

西堂：我现在有一个很直接的判断：有预算的行业里，也有不值得接的项目。

我会先看几个事情。对方有没有明确用途？有没有预算？有没有明确决策人？有没有确定的交付时间？

如果客户只是说：“我们想做点AI的东西，你们先给几个方案看看。”这种还不能算成熟需求。

不同的业务，判断标准也不一样。

品牌广告，我会看创意和品牌表达能不能形成溢价，以及预算够不够支撑反复打磨。

文旅和企业宣传片，要看有没有明确的项目预算，资料和审核链条是不是清楚。

电商更关注的是素材是不是需要持续更新，以及内容最终能不能接受实际效果检验。

MV、艺术短片这种内容，要先确认真正的出资方和预算，也要看审美要求能不能在制作前沟通清楚。

短剧、漫剧则一定要一起看价格、产能、验收、结算和连续订单是不是真的存在。

我们自己踩过的一个坑就是：一个项目看起来特别大，所有人也做得特别忙，但最后沟通、试稿、修改和等待占掉了非常多时间，实际并没有留下多少收益。

所以现在我衡量一个订单，会一起算三件事：它占用了多少人，多久能把钱收回来，以及这个项目做完以后，我们还能留下什么。

西堂：我们真正集中切入漫剧，是在2025年下半年，尤其是10月前后。

当时有一次线下活动，我和一位已经研究短剧一段时间的人聊了很久。

那次交流让我更清楚地看到：我们之前积累的视频制作能力、培训体系和人才，可能正好能接上一个持续需要内容的市场。

广告片通常是一个项目对应一个需求，做完以后，再找下一单。但漫剧背后是小说、剧本、连续内容生产和发行环节，它给制作能力提供了另外一种应用场景。

这也是我们为什么会进去。

但真正做了以后，我们也发现：订单量、价格和产能必须放在一起看。不是单量越多就越好。

对于小团队来说，你一旦扩大产量，人员成本和交付压力也会一起上来。

所以如果现在问我，漫剧是不是我们的重点方向，我会说，它仍然是一个很重要的实践场景。

但与此同时，我们也在加强内容、培训、自媒体和商业化能力。

我们会开始问一个以前没那么认真问的问题：做完一部剧以后，除了交掉一个订单，我们到底还沉淀了什么？

西堂：这个理解抓住了成本变化，但不完整。

低成本确实是一个很重要的入口。过去一些角色、幻想场景和视觉表达，制作门槛非常高，现在小团队也有机会去尝试。

但观众打开一部内容，不会因为“它成本低”就一直看下去。他最后还是看故事、人物、情绪和节奏。

我觉得AI漫剧确实有机会在短剧的叙事节奏、动画的视觉自由度，以及更灵活的制作方式之间，长出一些自己的特点。

但这件事必须靠真正的作品证明。不能因为换了一个工具，就自动宣布一种全新的内容形态诞生了。

如果内容本身没有吸引力，制作成本低，只意味着你更便宜地做出了一部没人看的作品。

成本优势只是让更多人有机会入场。内容能力决定的是，你最后能走多远。

西堂：我的判断是，模型和工具肯定还会继续变强。更多传统影视团队也会逐渐把AI纳入自己的制作流程。

与此同时，一定也会出现一些从一开始就围绕AI重新组织内容生产的新团队。

但最后能留下来的公司，我觉得至少得有一些真正持续积累的东西。

比如自己的内容和受众，稳定的客户关系，对某一类需求非常深刻的理解，或者一套可以持续交付的团队能力。

如果你的优势最后只剩下一句话：“我会操作这个模型。”那这个优势非常容易随着工具升级消失。

对于西羊石来说，我希望我们最后逐渐成为一家能够把AI内容生产和商业化真正连接起来的公司。

既懂技术，也懂内容，还知道内容应该怎么被看到，怎么产生实际价值。

我们会保留制作实践。因为没有实践，很多判断最后都会变空。

同时也会继续做内容、培训和自媒体，把经验和信任沉淀下来。

这两年我自己最大的变化，其实是开始认真面对“经营”这件事。以前很容易觉得，只要作品做得好、技术足够强，很多问题就会自动解决。后来发现完全不是。

一个团队想长期做下去，需要的远远不止好作品。

所以我希望三年以后，西羊石留下来的不只是更多作品。

还有更成熟的团队、更清楚的业务，以及一个非常具体的答案：客户为什么还会持续选择我们。