知乎第12名：AI短剧上半年冲到22万部，为何破亿率只有0.47% (2026)

截至 8 月 4 日 12 点，本轮知乎热榜接口实际返回 30 条。第 12 名是「上半年 AI 短剧全网上线超二十万部，但播放破亿作品仅有千部，爆款率为啥这么低？大家都不爱看吗？」热度 156 万，页面显示回答数 111。1

这条热搜把两个问题叠在了一起：AI 是否已经把短剧做成了低成本流水线，以及当货架每天都被新内容塞满时，什么还能让观众停下来。现有数据更接近一个不太好听的答案：人没有消失，注意力先被稀释了。

22 万部，先拆成三个不同口径

DataEye《2026 上半年 AI 剧漫剧数据报告》给出的口径是：上半年全网新上线 AI 短剧超过 22.19 万部，其中播放量破亿的作品 1055 部，破亿率 0.47%；破千万作品超过 1.2 万部，破千万率约 5.8%。这里的「爆款率」不是观众喜欢程度的民调，而是报告对进入投流大盘、且 ROI 大于 1 的作品所做的行业口径。2

指标	数字	它能说明什么
上半年新上线 AI 短剧	超 22.19 万部	供给端已经高度拥挤
播放量破亿	1055 部	大多数作品没有进入头部注意力区间
破亿率	0.47%	用严格的爆款口径看，成功是小概率事件
破千万率	约 5.8%	有曝光不等于进入稳定的头部循环

另一个数据源给出了供给增长的时间尺度。人民网 5 月 2 日转述中国网络视听协会数据称，2026 年第一季度全行业上线微短剧约 12.8 万部，其中 AI 微短剧约 12.2 万部，占比超过 95%。这个数字描述的是季度上新结构，不等于 12.2 万部都获得了相同播放量，更不等于每部都是完整、独立、同等体量的商业项目。3

规模也没有停留在片库里。一财全球在 X 上转述《中国证券报》援引 DataEye 的说法：今年前五个月，中国 AI 生成短剧市场规模超过 220 亿元，上半年国内相关观众超过 6 亿。这个帖子是媒体对行业分析的二次转述，不是独立审计；它能说明市场已经形成，但不能证明 6 亿人都在持续观看同一类内容。4

所以，「上线很多、爆款很少」并不矛盾。生产端的计数单位是新剧目，观看端的竞争单位是有效播放、完播、付费和复看。前者可以靠自动化快速增加，后者仍然要争夺有限的时间。

AI 把哪一段成本压下来了

北京日报转载的中新经纬报道，把「AI 脸」的来源讲得很具体。制作者如果不给模型提供参考图，只输入「一个美女在咖啡厅喝咖啡」之类的提示词，模型往往会回到训练数据里最常见的大眼、高鼻梁、白皮肤模板。制作团队再用固定种子、统一表情和批量渲染保持角色前后一致，结果就是不同剧集里的主角越来越像。5

多部 AI 短剧女主的相似脸 — *图中是中新经纬报道所用的多部 AI 短剧女主对比；报道将相似脸与模板化生成、角色一致性成本和短平快的制作逻辑联系起来。6*

真正有辨识度的角色并不是按一下按钮就能得到。报道引述制作方介绍，差异化角色需要先做正面、侧面、全身等多角度资产，再反复检查发型、五官和动作的一致性；单张资产图合理的制作时间约为 5 到 10 分钟。视频生成本身也有成本，15 秒片段使用付费模型可能消耗十几元，VIP 通道还会更高。7

这解释了一个看似反常的选择：制作方不是不知道模板脸会引起审美疲劳，而是知道开发一套独特角色、保持长剧情中的身份稳定，会把最便宜的生产方式变成另一种项目。批量生产先解决「有没有」，差异化制作才开始解决「像不像」和「记不记得住」。

供给先爆，分发没有跟上

DataEye 旗下公众号「DataEye 短剧观察」发布的 7 月 25 日日榜，称当天 AI 剧/漫剧播放持续遇冷，没有出现日播破亿作品；当日漫剧榜首《狮城山野》日播约 9177 万，另一部新漫剧进入榜单前 17、日播超过 4000 万。同期真人短剧仍有日播 5883 万和 8693 万的作品。单日榜不能代表整个市场，但它提供了一个直观对照：AI 内容的上新量很大，头部播放并没有按同样速度抬高。8

海外也出现了相似的供给扩张。投资人 Deedy 在 X 上写道，美国娱乐类应用前 50 名里有 12 个属于 30 至 60 秒短剧应用，并称全球月活超过 2.5 亿。这个数字来自个人帖子，缺少统一统计口径，适合当作市场观察，不适合替代平台财报。9

一条 YouTube 行业解说把中国短剧的变化概括为 AI 正在进入制作流程。它适合帮助读者理解「工具怎样进入编剧、分镜和成片环节」，但视频描述没有提供可独立复算的爆款率，因此本文的数字不以它为依据。

Click to open on YouTube

Loading content card…

分发端的另一个信号，是纯 AI 内容开始进入更传统的播出场景。环球时报在 X 上称，一部完全由 AI 制作的短剧在中国省级卫视播出，引发关注与争议；原帖同时把信息归因于《中国青年报》等国内媒体。它证明的是播出场景正在扩张，不是这部剧已经获得长期收视，也不是 AI 短剧的普遍质量已经达标。10

知乎回答：公开可见受限版

热榜页面显示这个问题有 111 个回答，但本轮公开答案接口只返回 5 条记录，赞同数均显示为 0，返回顺序是更新时间，不是可核验的实时点赞排序。因此下面不能叫「按点赞数最高的前三条」，只能整理公开可见结果里信息量较高的三条。作者职业背景也没有从本轮字段得到确认。

笨蛋师傅的回答把问题归结为低质量供给过多：他提到同一小说被改出多个版本，批评模板化剧情、平台分发和脸部融合引发的版权争议，同时认为真正质量较好的作品很少，常常依靠算法推荐碰概率。这里关于具体平台行为和个案的说法属于回答者经验，不能当作已核实的行业事实。11
夏望繁星的回答认为爆款仍然需要投入：要么花钱买特效和演员，要么花时间磨剧本；如果 AI 只是把单部制作成本压到很低，却没有补上剧本和审美，低成本不会自动变成爆款。这个判断与行业数据相符的部分在于「成功率低」，但回答没有提供独立样本。12
临溪的回答更乐观，认为 AI 影像质量会继续提高，也可能改变演员和娱乐行业的生产方式。它表达了对技术趋势的支持，却没有给出播放、成本或版权证据；因此更适合作为讨论区的态度样本，而不是预测结论。13

这三条回答其实对应三种不同判断：质量问题、成本问题、行业替代问题。它们没有解决「为什么 0.47%」的统计问题，却提醒读者不要把「AI 能生成」误读成「观众愿意看完」。

接下来会怎么变

第一，竞争指标会从上新量转向有效播放和投流回报。 22 万部新内容已经说明生成不是主要瓶颈。平台更有动力把推荐、分账和投流资源给到能稳定留住观众的作品；DataEye 的日榜里，单日没有 AI 剧/漫剧破亿，正是这个筛选过程的一个切片。8

第二，AI 会更多变成制作工具，而不是作品标签。 编剧、导演、剪辑和配音仍然要决定人物动机、节奏和镜头取舍；AI 降低的是素材和试错成本，不会替团队决定哪一个冲突值得拍。未来看榜单时，单独标注「AI 制作」的传播价值可能下降，能否稳定产出有辨识度的角色和系列故事会更重要。这个判断是基于制作成本与模板脸问题的推断，不是已公布的行业政策。5

第三，脸和声音会变成更明确的版权资产。 知乎问题本身就以演员是否出售肖像权为切口；X 上也出现了制作方购买真人脸、平台允许设定授权范围的讨论，但相关帖子没有给出合同样本或司法文书。可以确认的是，角色越接近真人，授权对象、使用场景、期限和撤回机制就越不能被一句「AI 生成」带过；至于市场上具体的授权价格和案件数量，本期没有足够的一手材料确认。1 14