Netflix 披露，2026 年约 300 个片目使用过 GenAI 工作流。这个数字很容易被压缩成 300 部 AI 影片，甚至进一步推导出 AI 已经大规模替代影视制作。Netflix 的原始材料支持一个更准确、也更值得研究的结论：GenAI 已经进入规模化生产，系统瓶颈正在从生成能力转向交付门槛。
当一个团队同时处理临时概念图、上镜背景元素、关键角色、演员声音、未公开剧本和第三方素材时，统一问能不能用 AI 已经失效。真正需要回答的是：这个输出处于哪个生产阶段，会影响谁的权利，进入最终交付前需要什么证据，由谁批准，出错后能否定位和撤回。
阅读时间：约 8 分钟
先校准 300 个片目的证据边界
Netflix 2026 年第二季度股东信的表述是：GenAI workflow 已用于约 300 个片目，使用最集中于后期制作。工作流覆盖概念、预可视化、后期和交付。官方点名了 Glory、Brasil 70: A Saga do Tri 和 The American Experiment，具体用途包括增强人群、历史战斗场景和建立世界观的远景镜头。
这组信息包含三个不同的证据层级：
- 某个片目使用过至少一项 GenAI 工作流。
- 最终画面包含 AI 生成或 AI 增强元素。
- 作品主体由 AI 生成。
Netflix 对约 300 个片目的披露支持第一层。官方列举的部分镜头和序列支持第二层。公开材料没有支持第三层。
概念阶段的一张 Moodboard、预可视化的一帧画面、短暂出现的背景招牌、合成声音和贯穿剧情的关键角色，都可以被计入使用 GenAI，却对应完全不同的版权、数据、表演和声誉风险。只保留 300 这个数字，会把这些差异全部抹平。
Netflix 联席 CEO Ted Sarandos 在第二季度业绩访谈逐字稿中补充，The American Experiment 包含 17 分钟 AI 增强画面，这部分相较此前方案制作速度约为两倍、成本约为一半。这里需要保留证据身份：这是 Netflix 管理层披露，公开材料没有提供独立成本审计和项目级计算过程。
一套可靠的生产系统，第一道门槛就是先声明当前证据支持到哪一层。
Netflix 公开指南划出的风险边界
Netflix 的生成式 AI 内容制作指南先规定了一个基础动作：制作伙伴应向 Netflix 联系人披露计划中的 GenAI 用途。
满足以下五项条件的低风险用途，通常无需进入法律审查：
- 输出不会复制未拥有或受版权保护材料的可识别特征；
- 工具不会存储、复用生产输入和输出，也不会用这些数据训练；
- 在条件允许时使用企业安全环境保护输入；
- 生成材料保持临时状态，不进入最终交付物；
- 未经同意，不替代或生成演员表演及工会覆盖工作。
任何一项无法确定，都应该升级处理。最终交付物、演员形象、个人数据和第三方知识产权会触发书面批准。
指南继续把风险拆成四个面：
- 数据使用：未公开剧本、生产图片、个人信息和未取得权利的训练素材，需要明确许可与受控处理。
- 创意输出：主角、关键视觉和与故事核心相关的场景，需要书面批准。
- 演员与表演：数字替身、合成声音和改变表演意图的重大修改，需要记录同意范围并符合适用的行业协议。
- 伦理与呈现：可能让观众误认为真实事件、真实发言或真实影像的内容，需要提高审查等级。
自定义工作流也无法绕开这些要求。供应商把多个模型、插件和工具串成一条管线时，每一步都要满足数据保护、同意和内容完整性标准。
这里最重要的设计不是工具白名单，而是两条边界：
- 临时素材与最终交付物。
- 偶然出现的元素与影响剧情、人物、表演或事实判断的关键元素。
同一个模型可以在探索阶段生成随时丢弃的参考图，也可以在交付阶段生成高风险数字替身。工具相同，风险状态完全不同。
把公开规则转成三段式生产门槛
Netflix 公布的是指导原则和用例矩阵，没有公开内部完整操作流程。下面这套三段式模型是基于公开规则提炼的可迁移实现，属于本文的系统化整理。
| 区域 | 典型用途 | 进入条件 | 离开条件 |
|---|---|---|---|
| 探索区 | Moodboard、参考图、临时构思、预可视化 | 输入已拥有或已获许可；工具环境受控；不含敏感数据；产物保持临时 | 登记用途，阻止临时素材混入最终交付 |
| 受控制作区 | 背景元素、自定义供应商工作流、可回退的后期处理 | 已审查工具条款和数据流；素材版本可追踪；已指定审核人 | 完成创意与技术 QA；完成权利检查；素材变得醒目或关键时升级 |
| 最终交付区 | 关键视觉、剧情核心元素、上镜成品、数字替身、合成声音、第三方 IP | 权利与同意有记录；工会或行业协议已处理；人工贡献可说明 | 取得书面批准；生成最终素材清单；记录批准人、交付状态和事故责任人 |
三段式设计提供两个收益。
第一，低风险探索保留速度。每张临时参考图都进入重审批，会制造队列，也会诱发绕流程行为。
第二，高风险结果获得清晰闸门。所有内容都默认放行，会把版权、同意、身份和连续性问题推迟到最终交付甚至上线阶段，修复成本最高。
审批强度应该跟随失败代价变化。
同样的结构也出现在软件供应链安全中。AI Coding Agent 的安装前信任边界在执行前判断依赖能否进入生产环境；影视生产门槛在交付前判断 AI 素材能否进入成片。两者都把证据转成强制状态转换。
书面批准需要一份可验证证据包
审批如果只存在于聊天记录里，规模扩大后就很难复现和审计。可靠的批准应该是一种状态转换，由证据驱动。
一份最小证据包至少包括六部分。
一、用例登记
记录所属片目与镜头、生产阶段、创意目的、临时或最终状态、偶然或剧情相关状态、内部负责人和供应商。
二、输入与权利清单
列出进入工作流的剧本、画面、声音、肖像和个人数据。逐项记录所有权、许可依据、第三方授权、演员同意范围，以及能否跨项目复用。
三、工具与数据控制
记录工具、模型、版本和许可证档位。确认输入输出是否被保存、复用或训练，数据在哪里处理，保留多久，如何删除。自定义工作流中的插件和外部服务也要进入清单。
四、输出血缘
保存生成素材的版本、关键参数、人工修改和创意决定，建立输入、生成结果和最终素材之间的对应关系。目标是能回答某个争议元素由哪个模型版本、哪组素材和哪次审核产生。
五、质量与完整性检查
创意审核检查表演和叙事是否符合意图；技术审核检查画面、音频与连续性缺陷；权利审核检查版权、同意和保密；伦理审核检查误导、身份与人格尊严风险。
六、发布决定
记录审核人、批准人、批准时间、适用范围、附加条件、例外到期日、最终交付清单，以及事故发生后的纠正和撤回责任人。
这组证据把抽象的负责任使用转换为可检测状态。团队可以发现许可证档位选错、同意范围不覆盖当前用途、临时素材误入成片，或供应商管线中某一步把生产数据发送到不受控服务。
规模扩大后，瓶颈变成分流
少量实验可以依赖经验丰富的制片人记住上下文。约 300 个片目已经进入另一种运行状态。此时生产系统需要稳定回答五个问题：
- 哪些用途可以快速通过？
- 哪些变化会提高风险等级？
- 每个等级需要什么证据？
- 谁能批准状态转换？
- 几个月后能否重建当时的决定？
生成速度继续提高时，这组问题会进一步成为真实瓶颈。模型每分钟可以产出更多候选，权利确认、质量复核和审批能力却不会自动同比扩张。
因此，规模化能力可以写成一个更接近生产现实的公式：
可交付的 GenAI 产能
= 生成能力
× 合格素材比例
× 审批通过能力
× 可追溯率
任何一项接近零，生成数量再高也只能增加返工和风险库存。
公开材料仍缺少哪些信息
Netflix 已经公开了有价值的原则、用例矩阵和具体案例。公开材料尚未说明：
- 约 300 个片目的完整清单；
- 什么条件下一个片目会被计入使用 GenAI；
- 每个项目的使用阶段和最终画面占比；
- 各项目使用的模型、供应商和训练数据来源；
- 审批量、拒绝率、返工率和例外率；
- 项目级质量基线与失败率；
- 可独立核验的成本和速度计算口径；
- 面向观众的统一 AI 辅助内容标识规则。
这些属于公开资料未披露。它们不能被推导为 Netflix 内部没有相关控制。
评价任何企业的 AI 采用时，都应该保留同样的区分：大数字证明活动规模，证据链才能证明控制质量。
内容团队可以直接采用的检查清单
让一项 GenAI 用途进入生产前，依次确认：
- 明确生产目的和所处阶段。
- 标记输出属于临时、中间还是最终素材。
- 标记其影响属于偶然还是关键。
- 盘点全部输入，确认所有权、许可证、同意和保密要求。
- 核对工具对存储、复用、训练、保留和删除的条款。
- 登记供应商自定义管线中的每个组件。
- 指定创意、技术、权利和数据审核人。
- 冻结待审素材及其血缘记录。
- 在对应门槛取得书面批准。
- 把批准记录和素材清单附入最终交付。
- 保留足够证据，支持后续调查、纠正和撤回。
这套清单与具体模型解耦。生产治理应该能跨越工具版本变化。
常见问题
Netflix 制作了 300 部 AI 影片吗？
Netflix 的原始表述是约 300 个片目使用过 GenAI 工作流。公开案例涉及特定生产阶段和特定镜头，没有证据表明这些作品主体由 AI 生成。
Netflix 的 GenAI 主要用在哪里？
使用最集中于后期制作。官方材料同时提到概念、预可视化、交付、布景参考、VFX、序列准备和镜头规划。
所有 GenAI 用途都需要书面批准吗？
满足五项原则的低风险临时用途通常无需法律审查，但制作伙伴仍应披露计划用途。最终交付物、演员形象、个人数据和第三方知识产权需要书面批准。
AI 生成的背景元素能否进入成片？
要看它的可见度和叙事作用。短暂出现且不影响剧情的背景元素，与被角色读出、推动剧情或可能被观众当作真实材料的元素，风险等级不同。最终上镜元素应尽早向 Netflix 联系人说明。
数字替身和合成声音需要什么条件？
需要明确、可记录的同意，并符合适用的行业协议。模型的用途也应限制在约定的片目和工作范围内。
供应商能否使用多个模型组成自定义工作流？
可以，但管线中的每一步都要满足相同的数据保护、同意和内容完整性标准。最后一步合规，无法抵消前一步对数据或权利的错误处理。
参考资料
约 300 个片目说明 GenAI 已经进入影视生产体系。决定它能否继续扩大的，是每项生成结果进入交付前能否证明来源清楚、权利有效、质量合格、责任可追踪。