AI短剧的工业化生产，发生在深圳一所职业大学的课堂
某个周中的下午，深圳职业技术大学（以下简称“深职大”）本科教育学院的一间教室里，AIGC数字内容智造公共技术中心负责人杨琳，如往常一样，带着学生向一家AI漫剧公司汇报积分消耗情况。
2023级数字动画专业的本科生资梓乐，是这一次的分享人。
这位00后的在校生，在一众职场人士中，略显稚嫩。她点开一份Excel，2000多条记录着她生成操作的信息，密密麻麻地呈现出来：提示词、参数、失败原因、镜头修正、角色稳定性……这本被资梓乐反复标注过的“抽卡日记”，一下子技惊四座。
屏幕的另一端，一位AI漫剧公司的CTO感慨：“怎么你们学生的参数敏感度，比我们工程师还强”。这位CTO第一时间，主动向杨琳要人，能不能安排像资梓乐这样的学生，给我们做驻场支持？另外两家公司紧跟着，也提出同样的要求。
屏幕的这一端，杨琳对此并不意外。
AIGC数字内容智造公共技术中心负责人杨琳 / 受访者供图
过去一年里，她越来越强烈地意识到：做视频生成大模型的教学，很多时候其实是老师和学生一起学习，甚至老师要向学生学习。因为他们没有路径依赖，加之每天都在项目里泡着，对工作流的敏感度甚至超过很多从业者。
2022年前后，彼时还在山东某高校任教的杨琳，想通过市场上的商单，来验证自己教学AI生产工具的正确性。同时想利用迎合市场需求的实操，来完善自己的教学内容。
但如今她的教学实验，已经将一间间教室，改造了成一条条稳定的AI漫剧生产线。
抖音、咪咕等平台将他们纳入优质承制方白名单，各大AI漫剧公司陆续敲定长期合作，累计服务客户已超过20家，杨琳甚至说不清他们现在到底做了多少项目。
她只是告诉短剧新圈：现阶段学生团队每周交付的AI短剧成片在40部以上，这些项目体量不一，有的是用来跑数据的短内容，有的是完整结构的中长内容。同时，团队还要承接一些政府部门、大企业等不同类型的定制项目。
刚刚过去的4月，杨琳和学生们就为一个签了30部合作协议的甲方，交付了10部AI短剧成片，其中两部成了爆款。
谈及到团队参与承制的爆款表现，杨琳分享了今年春节档的爆款《气运三角洲，我凭操作吊打全球》。她笑称，自己的信息还停留在这部剧播放量破8亿的状态。但在向灵漫快创确认时，对方带着激动的语气回复：“什么8亿？全网播放量都超10亿了”。
《气运三角洲，我凭操作吊打全球》庆祝蛋糕 / 图源网络
深圳的这所职业大学，窝在阳台山南部余脉，与塘朗山之间狭长谷地中，像极了AI短剧产业链里一所典型的“隐形工厂”。他们对外没有采访报道、没有营销宣传、没有策划IP与上热搜，只是不断地优化工作流，提炼
生产效率，稳定地生产内容。
这是一种反常识的变化，却正在AI短剧行业内越来越普遍地发生着：最先完成AI短剧生成工业化的，可能不是那些影视企业或真人短剧公司，而是隐藏在行业背后的神秘承制方，例如一所职业大学。
甲方豪掷大规模顶级算力
2026年初，一家刚转型做AI短剧的公司找到深职大，希望杨琳团队承接内容制作。这家公司出手极为阔绰，直接将年费超千万元的B端“满血版”Seedance 2.0，授权杨琳团队及学生使用。
“现在回过头来看，确实挺幸运的。”杨琳在对话中多次称赞这一甲方。她告诉短剧新圈，现阶段，深职大的学生围绕这个甲方的项目，在他们账号上的积分消耗，日均已经超过5万，折算下来就是几千块。如此丰富的日均积分消耗，为杨琳和学生提供了足够多的实践经验。
杨琳与院系老师授课现场 / 受访者供图
对于甲方来说，他们不需要再养一个庞大的制作团队，也不用自己摸索工作流，学校提供了高效、稳定且极具性价比的生产力。也正是因为这一豪气甲方的信任，深职大围绕AI生成内容的产教融合实验，真正意义上拥有了“工业化生产”的基础。
前文提到的那场分享会，就发生在双方合作期间。
最初，杨琳只是想让企业了解学生们一周消耗了多少积分、生成了多少内容。但很快，公司高管们和深职大的老师们发现，这群学生比很多工程师更懂视频生成。尤其是，资梓乐的分享一举改变了会议的性质，杨琳和团队的老师们，开始将其整理成一套向企业输出AI短剧制作经验的“逆向导师制”。
而这一切，并不是突然发生的。
2024年，杨琳通过深圳市人才引进的渠道，入职了深职大。深圳职业技术大学前身是“深圳职业技术学院”，创建于1993年。2023年6月，教育部批准以深圳职业技术学院为基础整合资源设立深圳职业技术大学，学校成为教育部印发实施《本科层次职业学校设置标准（试行）》以来，全国第一所以优质“双高”学校为基础设置的本科层次职业学校。
深圳职业技术大学留仙洞校区 / 图源网络
杨琳则长期从事动漫专业教学工作，在2022年前后，她自学Stable Diffusion、Midjourney等图像生成工具，并尝试带学生用AI生成图片。后来，随着Sora、可灵、即梦等视频模型出现，她又把视频生成加入课堂。只是此时的AI生成内容，还远未形成产业。
但为了验证这件事能否真正走向市场，杨琳一边坚持教学，一边带学生们去接商单、跑项目，试着把AI工具的教学与AI内容的生产，实现“产教融合”。
AIGC数字内容智造公共技术中心负责人杨琳 / 受访者供图
只是在没有真正拿到甲方提供的大规模算力之前，她经历的更多是焦虑。
在教室里搭建起AI短剧生产线
第一层焦虑，来自模型的不稳定。
在“抽卡师”这一说法还没出现前，杨琳就已经多次体验过“抽卡”的痛苦：角色忽然变脸、画面随机漂移、风格无法统一。印象最深的例子是，有个商业项目，杨琳连续熬了3个通宵，花7天时间做出一条3分钟成片。结果对方看完后评价：“勉强能用，但还不够好。”
“当时所有人都觉得，这东西根本没有市场。”回忆起早期的经历，杨琳感慨那个时候的自己就是在摸索前行，直到2024年来深圳后，市场、教学环境逐渐成熟，让她的尝试与经验才有的放矢，能够一步一步从组建“草台班子”接外包，到成长形成一个稳定的团队。
第二层焦虑，则来自市场的快速变化。
2025年，AI漫剧、解说漫迎来爆发，行业第一次确认了AI内容的商业价值。但很快，头部短剧公司投入财力、物力、人力，迅速拉高产能。行业内容竞争加速的同时，平台也顺势针对激励政策做出调整，杨琳和学生们几乎无从招架。当时的境况是，没有了甲方、没有了项目结算、没有了爆款，进入到了一段“看不到产出的日子”。
受多方面影响，AI短剧行业的ROI“剪刀差” / 图源杨琳对外分享PPT
但他们并没有闲下来，“我们在‘磨刀’，搭工作流、建SOP、测参数”，杨琳向短剧新圈（ID：Newpalylet）解释，他们不以盈利为导向，即便没有收入，也不会陷入到生存焦虑中。这段时间里，杨琳带着学生们做了两件事：
一是，搭建工作流和建立资源库。
技术上，他们开始学习和使用LoRA（Low-Rank Adaptation），这是一种用于高效微调大型预训练模型的参数高效微调技术，用来保证角色一致性。流程上，得益于跟湖南卫视等传统影视公司的合作经验，他们开始在剧集创作前，为角色建立资源库，给每个重要角色生成正/侧/3/4面标准图。之后再是剧本拆解、风格定义、分镜生成等，最终形成了一套完整细致的工作流。
二是，优化组织架构和生产流程。
他们先是将学生按不同能力分三个等级：初级、中级、高级，让不同等级的学生来处理不同类型的工作。接着将一个班级拆成多个小组，5-6人一组。一个小组内，生成、剪辑、音效、制片由不同等级的学生各自负责，各个环节之间由小组长来相互协调。这让原本依赖个人经验的制作过程，被一点点拆解成标准化流程。
也是从这个时候开始，深职大的AI短剧课堂，开始有了工业化分工协作的雏形。
针对AI短剧正进入正规军竞争阶段，杨琳给出的内容生产举措 / 图源杨琳对外分享PPT
第三层焦虑，来自规则变化。
她向短剧新圈分享，今年2月，某个有国企背景的公司给过来一个承制项目，基于对国企背景的信任和过往经验的积累，他们很快投入生产。但临近交付时，平台的审核规则收紧，他们因为疏忽，使得人物建模“撞脸”明星，让整部剧尚未完工就被全部叫停，已经生产的10集内容也因此作废，老师们自己承担了成本。
更微妙的是，这类风险往往没人会提前告知。甲方只会不断提出：“效果再强一点”、“吸引力再高一点”，却很少明确边界到底在哪。但等内容真正越线时，责任却往往落在承制团队身上。
“很多时候，其实大家都没错”，杨琳说，“只是规则突然变了”。这是现阶段，杨琳最警惕的地方。她跟学院老师一起设计了影视制片管理课程，带学生提前在课堂上做“沙盘推演”。
拒绝输出“搬砖的人”
跟杨琳聊久了，经常会忘记一件事：他们的身份首先是一群高校师生。
相比产能、工作流、爆款率这些行业指标。人才培养，才是这群深职大师生们要真正直面的核心命题。也因此，几乎所有项目里踩过的坑，最终都会被记录、拆解，回流到教学体系里。
学生们上课现场 / 受访者供图
今年2月，杨琳和院系老师们就发现一个很典型的问题。很多学生已经能熟练使用AI工具，甚至能生成质量很高的分镜，只是一旦让他们从0到1操盘完整项目，就会立刻暴露短板。“他能生成一个非常漂亮的镜头，但你让他剪进成片中，他可能根本不知道这个镜头应该放在哪里，节奏要怎么卡。”杨琳说。
过去两年，随着AI短剧爆发，行业快速形成了一套高度流水线化的分工，有人专门生成角色，有人专门跑镜头，有人负责音效、剪辑、后期。尤其是，工具越来越稳定，使用门槛被拉低后，细化的分工和成熟的提示词，让会不会用AI已经不那么重要了。
AI短剧公司之间，真正开始拉开差距的，是谁能更好、更高效地组织工作流。
图片右下为记录的不同学生的积分产出成果，用来论证工作流的必要性 / 图源杨琳对外分享PPT
“前三个月，你可以在公司搬砖。”杨琳在课堂上告诉学生，“拆分镜、做生成、做音效、做剪辑，这些都可以。但三个月以后，你必须往上走。”往哪里走？她要求学生一定去尝试做执行制片、美术总监、技术总监、执行导演。
一直以来，深职大对学生的教学培养，都是让在学生毕业后，就能直接进入到专业对口的公司就业。数字动画专业的本科生在大三、动漫设计的专科生在大二，就开始参与到AI短剧项目制作，一年左右的实战经验，即便无法完整操盘一个项目，但其成熟的经验，也完全能确保这些学生毕业后，就能进入到AI短剧公司工作。
但杨琳态度明确：“我们不想培养只会抽卡的人。”在她看来，AI短剧行业真正缺少的，已经不是基层的“抽卡师”，而是能够理解工业化生产、串联工作流的人。
所以在现阶段，深职大针对AI短剧市场人才培养的核心方向是，输出导演型人才。
去到他们的课堂，你就会发现，老师们教的早已不只是工具。剧本、审美、平台机制、审核规则、各平台的分账逻辑，甚至小微个体户注册流程，都被拿上了讲台。因为在行业内，一个真正成熟的AI短剧项目负责人，他必须同时理解内容、技术和平台规则。
教学的成果，陆续在学生身上得到体现。
2023级数字动画专业本科生温耀辉，在参与多个项目后，自发把过去十几个项目里出现的问题全部整理出来，做成了一张A3尺寸的“风险地图”。每次项目启动前，作为执行制片的他都会拿着这张图，跟组长们做“战前推演”：哪些镜头最容易翻车？哪些角色容易违规？哪些环节最可能导致成本失控？再按照问题概率和损失程度，逐项排查。
“现在很多学生，已经开始像真正的制片人在思考。”杨琳说。
而这种课程设计背后，其实也是他们对行业的判断。在杨琳看来，AI内容生成的工作流，正迅速成为行业标配。过去那种依赖个人经验、“草台班子”式的生产模式，很快会被淘汰。未来团队之间竞争的，将是谁的工作流成本更低、效率更高、资源复用率更强。
更令人意外的是，他们对人才培养的目标没有止步于此。
过往的爆款经验，让杨琳清晰地感受到：“很多剧如果不投流，很难进到榜单里”。意识到这一点后，他们今年也已经跟三四家投流公司做过交流，计划将发行侧的知识带进课堂。从市场角度，这也是深职大团队在努力提升竞争力的方式。
即是孵化器，也会是厂牌
从某种程度上来看，AI短剧行业现阶段正从“内容竞争”转向“工业化竞争”。
这也是为什么，在跑通工作流、完善SOP后，深职大进一步选择了做工具。与此同时，学校也启动了"深职大AIGC数字内容智造公共技术服务中心"建设。
行业的工具大战，起始于Seedance 2.0模型分层级的对外开放，算力之间的竞争成为决胜的关键。工作流与工业化生产的诉求，掀起了工具大战的高潮，各种AI工具疯狂投放、烧钱、抢用户。未来围绕产业的生态化布局，继续推动着这场没有硝烟的战争。
亲历变化的杨琳笃信：“做工具真正还有价值的，不是To C工具，是企业级工作流”。所以他们工具的方向是，把内部工作流封装为可对外服务的SaaS工具，去帮助其他学校/团队提效，来验证他们的工业化逻辑。
AIGC数字内容智造公共技术中心负责人杨琳 / 受访者供图
在这个变化几乎快到按小时计的行业内，深职大一直在行动。
不难看出，这里面其实藏着另一层逻辑，那就是深职大不只是想做一个承制团队，他们更像是在尝试搭建一个围绕AI短剧的“生产平台”。通过教学体系、工具、产业资源，帮助更多兄弟院校和团队提升产能，形成协同效应。
他们更进一步的尝试，是AI演员。
今年4月，“深职大数字演员计划”启动。他们计划首批孵化5个标志性AI角色，并围绕这些角色开发短剧、互动内容和虚拟周边。杨琳透露，这些数字形象，可能会优先放在政务、宣传等项目上。至于在AI短剧里的应用，还是要综合各项政策、市场情况来稳步推进。
“大家未来彼此之间拼的，可能是谁的AI演员更有名。”杨琳说，深职大也有做厂牌的规划，同时也在孵化学生工作室去做独立厂牌，探索孵化AI演员，从自身发展和市场趋势上，都是必要的。
给到层级AI短剧公司的建议 / 图源杨琳对外分享PPT
现阶段，他们也发现了新的短板，自身内容能力的欠缺。
“我们的产能和工作流没问题，反而是甲方的本子跟不上。”杨琳苦笑，“我们天天催甲方的本子，甲方也非常希望我们自己能出本子”。所以在前不久，他们尝试跟平台合作开发了10个原创剧本，只是最终跑出来的数据不理想，让他们暂停了这方面的尝试。
被短剧新圈问到有什么解决办法，杨琳的回答是，目前来看是只能靠学生天赋，她之前的某个学生就擅长写剧本，如今有自己的工作室，现在大家相互之间也保持着合作。
与此同时，杨琳和团队始终保持着一颗创作的心，想要做出来的作品不止是纯粹的娱乐，而是能够留给观众一些印象或影响。她也明白，在AI短剧的工业化能力越来越成熟的当下与未来，真正稀缺的，还是内容本身。
当杨琳用多年的产教融合经验，带领深职大的数字动画专业学生历经一年的摸索，在AI短剧这条赛道上，用高效的工业化生产作为竞争力，领先一当下众从业者后，他们却又回到了那个行业老生常谈的问题，到底怎样，才能持续生产真正好的故事？
“这个行业变化太快了。”杨琳说。