Pixar校友用AI训练模型学习个人画风

康妮·何（Connie He）用一部六分钟的短片证明，生成式AI在动画中的真正价值不是替代创作者，而是成为一面能反射创作者自身审美的镜子——前提是你愿意花力气去打磨这面镜子，而不是把它当成即插即用的按钮。

一个失眠故事如何变成AI电影的实验样本

《Dear Upstairs Neighbors》的主角Ada是一个被楼上邻居噪音折磨到无法入睡的女人，失眠催生出越来越疯狂、越来越美丽的幻觉，攻击她疲惫的大脑。这部短片2026年1月在圣丹斯预映，6月在翠贝卡电影节完成全球首映，7月又去了SIGGRAPH。但它的起点和所有这些光鲜的展映无关。

康妮在疫情期间经历了真实的失眠。某个周末她走进一家咖啡馆，把情绪写在纸上，画出了这个故事的分镜，完成了大约80%。然后她把它搁置了很久。直到她和几位皮克斯老同事开始讨论机器学习对艺术家意味着什么——他们既好奇又警惕，决定用一个故事来测试这套流程。康妮手上正好有一个几乎完成的故事，它就成了实验床。

这不是一个导演在追逐趋势，也不是一个工具从虚无中发明了一部电影。

这个起源故事同时驳斥了两种关于AI与动画的廉价叙事。康妮不是看到AI热潮才动手的人，Veo和Imagen也不是凭空生成了一部短片。真实情况是：一个人有非表达不可的情绪，而她恰好站在一种新型画笔出现的时间点上。

卧室里的真实物件，比任何模型微调都更早决定了影片的质感

Ada的卧室充满了书籍和各类小物件，每一件似乎都在讲述自己的故事。康妮告诉美术指导、同样出身皮克斯的辛颖宗（Yingzong Xin）：把你自己的卧室、你自己的家放进去。房间里的大量物件就是辛颖宗家里真实存在的东西——书架上的书、客厅里的小细节。

这个决定发生在任何生成式工具接触这部影片之前。康妮和辛颖宗用最传统的方式——参考资料、审美判断、一个真实公寓里顽固的生活纹理——建立了一种真实的情感印记。这是整部影片美术哲学的根基，而它和AI毫无关系。

愤怒的表达同样来自生活。康妮从小看着父亲创作抽象艺术长大，她想验证这种艺术形式能否承载一个故事。她想到了杰克逊·波洛克（Jackson Pollock）——在她看来，波洛克的绘画是表达愤怒等强烈情绪的最佳代表。于是她把大量极度抽象的绘画带入情绪板。她坦言自己当时并不清楚如何将这些视觉化，但她知道那就是她想要的感觉。

十二张概念图，几百张分层图像，模型学会了没人教过它的规则

这部影片最值得注意的地方在于：工具被当作一件需要调音的乐器，而不是一个需要按下的按钮。

康妮和她的团队加入了Google DeepMind的研究员和工程师团队，基于康妮和辛颖宗自己的概念艺术，开发了Veo和Imagen模型的定制版本。执行制片人包括Doug Eck、Glenn Entis和David Salesin。起始素材很少——康妮说他们大约微调了12张概念艺术图，拆解成不同图层后，总共也就几百张不同的图像。

然后发生了那个让康妮至今说起来仍然惊叹的时刻。模型自己学会了一种低角度的两点透视（two-point perspective），团队在概念图中一直使用这个视角，但从未把它标记为一条规则。模型还学会了团队画的锯齿状地面接触线（zigzag ground-contact lines）——每当物体接触地面时他们就会画这种线，但没人告诉过模型这些线重要。

“我们当时就想，天哪，它捕捉到了所有那些我们自己都没意识到的模式。那是一个顿悟的时刻。我们想，好吧，我觉得我们想做的事情实际上是可能的。”

在镜头制作层面，团队构建了康妮称之为局部精修（localized refinement）的工具：可以编辑画面的特定区域，控制力度可调，而不是每次需要修改就重新生成整个镜头。当被问及这是否改变了她与镜头的关系时，她的回答几乎平淡得令人意外——如果你已经熟悉CG管线的话。

艺术家和研究员说同一种语言，这件事比任何技术突破都难

康妮没有假装艺术家和机器学习研究员之间的鸿沟不存在。她说得很直接：让动画师和研究员彼此理解，本身就是一项艰巨的工作。这不是一个“技术问题解决后一切自然顺畅”的故事，而是一个两种完全不同的思维方式被迫在同一张桌子上工作的故事。

Google对这一切持开放态度，并发布了自己的制作记录。但康妮讲述的是她自己的版本，一个她至今仍不确定答案的版本。她不确定生成式工具在动画制作中应该扮演什么角色，不确定这次实验的哪些部分可以复制，哪些部分只是特定条件下的产物。

这种不确定性本身才是最有价值的信息。在一个所有人都急于宣称AI将颠覆动画行业或AI对动画毫无用处的舆论环境里，一个真正用过这些工具、并且用出了成果的导演说“我还不确定”，这比任何一方的断言都更接近真相。

对从业者来说，这意味着什么

如果你是一个动画导演或美术指导，这部短片传递的核心信息不是“去学AI”，而是“你的审美判断比以往任何时候都更重要”。康妮和辛颖宗先用手绘概念图建立了完整的视觉语言——透视规则、笔触质感、地面接触线的处理方式——然后才让模型去学习这套语言。模型之所以能“自己发现”那些规则，恰恰是因为团队先有了足够一致、足够鲜明的视觉输出。

如果你是一个技术研究者，这部短片暗示的是：微调（fine-tuning）的质量取决于输入素材的审美密度，而不是数据量。12张概念图、几百张分层图像，这个规模小得令人惊讶。但每一张都承载了明确的创作意图和一致的视觉决策。模型学到的是风格，不是噪声。

如果你是一个在观望的从业者，康妮的路径提供了一个可操作的参照：先有非做不可的表达，再去找工具。不是反过来。