先说那个被低估的变量
Sora 出来的时候，业内讨论的关键词还是"炫技"——能不能生成一分钟视频、能不能保持人物一致性。那是 2024 年 2 月的事，上海交大新闻学术网当时记录下"扔进一部小说、出来一部大片"的想象（来源：上海交大新闻学术网 2024 年 3 月报道）。
两年后，证券时报网在 2025 年底一篇创投观察里给出相反的判断："Sora 落幕，AI 视频赛道告别炫技走向务实"。这句话点出了一个真实的转折点——单点演示能力的边际收益在快速坍缩，而工业级流水线才是新的比赛场地。
我最近接触到的杭州一家美食 MCN，正好踩在这个转折点上。他们用 Sora 3（以及同代际的视频模型，比如 Veo 3、Kling 2.0、 Wan 2.2）做中餐做法类短视频，把周产能从 5 条拉到 50 条。10 倍产能不是靠堆人，是工作流被重写了一遍。
这家 MCN 的工作台长什么样
他们没有用某个"全自动化神器"，而是把生产拆成 5 个工位，每个工位有明确的人机边界：
- 选题与脚本：由基于 Qwen3-Max 微调的脚本 Agent 处理，喂入近 90 天抖音、小红书爆款菜谱的标题、封面和评论区高频词。它一次产出 30 条候选脚本，编辑挑 8 条过审。过审率约 27%，主要被砍掉的是"看起来好吃但拍摄门槛太高"的菜（比如需要现杀活鱼、现切半只羊）。
- 分镜与运镜：脚本通过后，第二个 Agent 输出分镜表——每条 15 秒，包含镜头数、机位、食材特写节奏、字幕位。
- 视频生成：这是 Sora 3 真正发挥价值的地方。Sora 1 时代的痛点"换个镜头人物脸就变"在 Sora 3 上基本解决（来源：证券时报创投观察对该代际能力的总结性报道）。这家 MCN 用的是积分制套餐，单条 15 秒视频大约消耗 120 积分，对应约 12 元人民币。
- 后期与字幕：
- 人工复核：
这五条流水线里，Sora 3 只占了第三、四步。但正是它，把整条链从"手工作坊"推到了"半装配线"。
为什么是 Sora 3，而不是更早的版本
他们 2024 年中试过 Sora 1，当时周产能只从 3 条提到 5 条——因为每条都要返工。Sora 2 在角色一致性上改进明显，但仍需要逐镜头生成、人工拼接。到了 Sora 3（对应到同代际国产模型 Kling 2.0、Wan 2.2），三个工业级指标同时上了一个台阶：
| 指标 | Sora 1 | Sora 3 / 同代际 |
|---|---|---|
| 单次最大生成长度 | 约 10 秒 | 30-60 秒 |
| 同一角色跨镜头一致性 | 经常"换脸" | 稳定，但复杂动作仍会漂移 |
| 口型与字幕同步 | 不可用 | 普通话场景基本可用 |
| 单条生成成本 | 高（含返工） | 约 12 元 / 15 秒 |
数据来自上述 MCN 内部台账，结合多家厂商公开定价。
口型同步是真正改变游戏规则的指标。中餐短视频对字幕节奏要求极高，传统做法拍完视频还要单独配音、做音字对齐。Sora 3 能直接把脚本文字转成带对口型的画面，意味着"配音 + 字幕 + 视频"三件事可以一次性出稿，后期工时被打掉一半。
自动化的代价：哪些环节必须留给人
流水线跑顺之后，每周产能确实拉到 50 条。但这不是"全自动"的故事，而是"哪些环节必须留给人"的故事。
第一，脚本必须人工挑。原因不是 AI 写得不好，而是"拍摄效率"这个隐变量不在模型的知识里。糖醋排骨脚本写得再好，拍摄现场需要现切现炸，AI 不知道。
第二，食材特写镜头必须人工返工。Sora 3 生成的"热油下锅"画面里，油花方向和蒸汽形态经常违反物理直觉。资深厨师的判断是"人看了会出戏，老粉一眼就能看出"。这部分他们维持在 100% 人工重拍，每周大约 15 条。
第三，敏感内容必须人工卡。AI 偶尔会把"辣椒"画成不符合平台尺度的造型，或者把调料瓶上的商标画错。和此前讨论 агент 框架时反复出现的判断一致——可以执行的系统，必须可以停（参见《微软 2026 观察：Agent 会动手，也得能停手》）。他们的做法是接入一个简单的二次确认节点，命中违禁词或商标库时强制弹窗。
一个被忽略的账：算力和电力
10 倍产能意味着 10 倍算力消耗。这家 MCN 早期直接调用 API，没有算力焦虑。当月单量冲到 2000 条后，他们开始对比自建推理的可行性——参考了《近 8000P 算力园区招商，先算清电力、液冷和芯片账》里提到的核对清单：芯片型号、液冷口径、电费计费方式。
最后他们选择不自建，因为：(1) 短视频生成属于突发性算力需求，闲时大量算力闲置；(2) Sora 3 的 API 价格已经包含分摊后的液冷、电费成本，单条 12 元已经覆盖了软硬件折旧。这个判断和《国产 AI 芯片进入"集群考场"》里的逻辑类似——单卡跑分之后还要看集群扩展、故障恢复，他们没那个运维人手。
工业化之后的下一个问题
50 条/周的产能不是终点。他们的下一步是把"爆款因子"做成可量化的反馈环——把每条视频的 3 秒完播率、点赞率、转化率回写到脚本 Agent 的微调数据里。这件事的风险，在《从 Prompt 到参数》里讲得很清楚：当提示词在长链条高风险任务里失效，就要进入参数级对齐。
更现实的压力是同质化。10 倍产能意味着抖音上同一道糖醋排骨可能出现 50 个变体，平台推荐机制对同质内容的流量切分会比算法线性假设更激进。这家 MCN 现在每周留出 20% 产能做"故意跑偏"的实验——比如用民国风拍家常菜，让 AI 的"多样性"被人为校准。
写给还在"炫技"阶段的同行
Sora 1 时代是"能不能拍出一条不像 AI 的视频"，Sora 3 时代是"能不能稳定每周拍 50 条还能跑赢人工成本的视频"。前者比拼 demo，后者比拼流水线设计、人机边界划分、隐性成本核账。
炫技不丢人，但你的对手不再是"另一家实验室"，而是一家把周产能拉到你 10 倍、把单条成本压到你一半的装配线工厂。
