9月，一位从业二十多年的电影导演做了个实验：把一台电脑完全交给AI。他清空了机器上所有涉密内容，让AI自己去用里面的剪辑软件、三维软件和后期软件，从一个一分钟的短片开始，尝试自主完成从剧本、分镜到成片的全部环节。
他要回答的问题很具体：当制作环节AI几乎全能之后，人到底在哪些节点还不可替代。
与此同时，他手上有五部电影在筹备，其中一部仍按老办法实拍。一边每天学着新东西，一边担心机会转瞬即逝——他说这种矛盾在他身上同时成立。
80分的出手，和它给不了的东西
这位导演对AI的评价并不保守。在他看来，AI一出手基本能到80分，因为它读过人类历史上几乎所有优秀的作品；在技术圈内部，程序员的代码助手用量这一年也在翻着番地涨。他甚至用57天写了将近一万行代码，给自己造了一个剧本写作工具——写、改、评一体化，还能把前期采访资料整理成动人的故事梗概。他算过，入行以来写了几百万字，写废的每年也有20万字，这个工具算是送给自己的前半生。
但有两件事他看得很清。其一，通用模型会迎合使用者，标准会被一点点磨低——整体生成的剧本总是流于套路，可把写完的段落贴进去让它批评，它的审读水平立刻超过身边所有活人。其二，创作由欲望催生，而AI没有恐惧、没有欲求、没有爱；创作的本质是不完美，精神上有缺陷、灵魂里有黑洞，人得先有绝望，才能发出呐喊。算法之内的事AI都能做，创作恰恰不全在这一类里。
所以他把AI的位置摆得很谦：AI是拐杖、是眼镜，帮人保持原本就有的能力，而不是让人凭空变强的外挂。它能替创作者先把想象跑一遍、先看见，再由人做抉择。
为什么不买现成的
第二个问题更值得企业琢磨：现成工具那么强，他为什么非要自己写一个？
答案藏在两条判断里。第一条，数据比算力重要。没有上千张卡，就用两张卡先训一个小模型、跑通一个小功能——把要做的事精准描画出来，在局部完成一次小训练，就已经有价值，用不着一步到位上规模。没有算力，就把手头的数据用到极致——数据永远在自己手里。他和团队拿开源模型当底子，用自己筛过的数据做后训练，跑出的样片连大厂来的工程师都专程上门交流了六七次；另一套电影制作流程工具从1.0到3.0一路打磨，为的是把导演的空间调度也装进去。
第二条更关键：标准要长在自己的工具里。通用模型的标准是平均数，而他的工具里放的是自己从业几十年筛出来的片单、自己的喜好和审美取向——指望它说真话，往狠里说，不必讨谁喜欢。
功能还在，体验没了
代价也真金白银地付过。工具写完后交给工程师封装部署，原本以为两三天的事，拖了一个多月还在修错误。后来他想明白了：工程师能实现功能，却不理解功能背后的创作场景——在他看来鼠标怎么翻页是写作体验的一部分，在工程师眼里只是无关紧要的交互细节。一拆一封装，功能还在，体验没了。
他没有放弃，而是让AI给自己排了一个180天的学习计划，学模型知识，快40天了——目的不过是能用工程师的语言，把体验讲清楚。
这件事对企业是一面镜子：业务的门道长在日常使用里，转一次手就磨损一层。能自己日常改的东西，交出去容易，拿回来难。
装修可以年年换，承重墙得自己看着
把这些放回企业的对外门面，道理是同一堵墙：站点和知识库的核心内容——产品参数、资质信息、业务范围——是企业对外信息的承重结构。装修可以年年换，页面可以反复改版，但承重的那部分不能被施工团队顺手拆了，更不能等着各路AI在引用时自行加工。
行业内对应的做法已经跑通：把站点建在自己能随时动手改的地方，产品参数、资质信息这些底数自己写、自己更新，目录也在自己手里——各家AI每天来读、来引用，都欢迎；但承重墙动不得，改的笔始终握在企业自己手里。这一层守住了，日常的小修小改自己顺手就能完成，外面读到的企业才不会一天一个样。
上个月一位开工厂的老友偶然接触到GEO官网搭建，把自家企业知识库填进去跑了一个月，现在每天都有新客资进来，方法我放在公众号「智扣AI」了。
结语
那位导演的实验还没到下结论的时候，但方向已经清楚：机器接管制作，人守住创作；工具可以交给别人做，标准必须自己留。企业对外信息的账也是这么算的——谁都能来读，但承重的那面墙，得自己看着。