Utopai Studios 估值破十亿：打通模型、生产系统与制片厂边界，重塑 AI 影视产业链

AI 内容创业公司，已经不能只盯着模型与内容生产之间的 Workflow（工作流）。

过去几年，定位为“工具”的 AI 内容公司在基础模型之上做了大量工程化工作。模型调度、角色一致性、资产管理、生产协作，这些能力对于 AI 真正进入影视生产都很关键。但核心生成能力、模型价格和供给仍主要由上游模型厂商决定，工具厂商定价权相对有限。

与此同时，上游模型公司正在进入应用层，Adobe、剪映等成熟工具也在快速整合生成能力，大型影视公司和内容平台则开始搭建自己的 AI 生产系统。

单一环节的壁垒正在变薄，行业内的玩家也在进入产业链更深处。你可以看到，OiiOii 向内容社区拓展，Genspark 开始自研模型，珀乐互动则同时布局创作工具、自研模型和动画 IP。各家路径不同，但都在试图寻找更深的业务护城河。

Utopai Studios 也认为，如果只满足于做“技术供应商”，AI 影视创业公司很难获得足够大的商业空间。

成立于 2022 年、总部位于美国加州山景城的 Utopai，目前估值已达 10 亿美元。其核心团队横跨 AI 研究和影视制作，业务也随之跨越了模型、生产系统和影视制作三个层面。

模型端，它基于 MiniMax H3 的定制视频模型 Utopai X，目前在 Artificial Analysis“带音频文生视频”榜单中位列全球第二；并在音画同步与物理表现上排名第一，表现优于通用视频模型。这得益于其基于真实项目反馈的后训练机制，将创作者在真实生产中的决策直接注入模型训练与评测环节。

生产端，它开发了 PAI（Production Assistive Intelligence）。这是一个面向影视制作全流程的 AI 生产空间。它能从剧本出发，自动拆解角色、场景与道具；将图像、视频、音频生成及剪辑整合在同一工作台；更重要的是，系统会持续记忆故事上下文、视觉风格和创作决策，确保长周期项目的一致性与连贯性。

Utopai 自身也扮演着制片厂的角色。目前，公司储备了二十多个影视项目，其中 6 个已经进入制作或前期阶段，《Cortés》《The Most Serious Fart》《Half Moon》等长片计划于 2027 年大规模进入市场。

在商业化方面，曾打造多部宝可梦游戏的日本数字娱乐巨头 DeNA 已将 PAI 接入其动画制作流程。

NBA 巨星卡梅隆·安东尼（Carmelo Anthony）也通过其制作公司 Creative 7 成为 Utopai 的投资人与战略合作伙伴，双方计划将运动员的个人经历与文化影响力，转化为影视、流媒体等长线娱乐 IP。

至此，Utopai 的生意已经超出了软件订阅和模型调用。它既向外提供 AI 内容生产能力，也自己开发和制作内容，进而参与到版权和 IP 的长期价值分配中。

成为技术供应商还不够，Utopai 要做新一代制片厂

在 Utopai 看来，AI 与其说是一种新的内容类型，不如说是一种新的制作能力。

Utopai 所说的“制作能力”，覆盖的不只是镜头生成和后期效率。它希望把 AI 放进项目开发、融资、制作、发行和 IP 运营的整个过程中。

当制作成本、团队规模和生产方式发生变化，哪些项目能够被立项、需要多少资金才能启动、以什么方式完成制作，都会随之改变。一部作品上映之后，技术还可以继续参与后续内容开发和 IP 延展。

最直观的结果是，一些过去因为规模太大、成本太高而迟迟无法启动的项目，现在有了新的制作可能。

高质量影视内容长期受制于庞大的工业规模与预算门槛。不论是有才华的新锐导演，还是成熟的创作者，都难以幸免。

奥斯卡提名编剧 Nicholas Kazan 手里，就有一个筹备了三十多年的历史史诗项目。他想讲述 1519 年西班牙征服阿兹特克帝国的故事。Kazan 在 30 多年前就写好了剧本，并一直渴望将其搬上大银幕。但他曾在采访中透露，由于故事极其宏大，涉及 16 世纪大规模城市与战争场面的重建，在传统制片模式下成本高得难以想象。过去，每次尝试都因“规模太大、成本太高”而宣告流产。

直到近年来，Utopai Studios 挖掘并启动了这个项目。影片在西班牙进行真人实拍，并以巴黎为制作基地。明星演员完成核心表演后，再与 AI 生成的历史环境、大规模场景和数字资产进行结合。真人表演得以保留，而原本最消耗人力和制作资源的部分，则转移到了数字环境中。这种方式直接改变了项目的成本结构。Utopai 联合创始人 Cecilia Shen 向《福布斯》表示，采用这类混合制作后，团队规模远小于传统同级别大片动辄数百甚至上千人的配置。《福布斯》估算，Utopai 此类影片的单片成本可能低于 1000 万美元。作为参照，传统重工业大片的预算往往高达 2.5 亿美元以上。

对于预算更捉襟见肘的独立电影或新锐导演来说，AI 的价值更在于“兜底”。它能在不妥协创作者表达的前提下，解决实拍中不可控的高成本难题。

Utopai 同样与小成本制作合作。韩国导演 Hyo-joo Yang 的首部长片《Half Moon》就面临着这样的困境。传统实拍对天气、光线、安全和时间都有着极高的要求。最终，剧组将拍摄转移到可控的泳池中，完全保留演员的真实表演和摄影机调度。后期再通过 AI 视觉特效移除泳池边缘、扩展海面，并重新处理环境光线。在这里，AI 没有颠覆创作，而是精准接管了传统流程中成本高、风险大的特定视觉环节，保护了导演的作者表达。

如果说真人电影的痛点在于实拍成本与风险，那么动画工业面临的则是重资产与长周期的结构性难题。在传统动画体系下，只有被市场验证过的合家欢大 IP 才能获得巨额投资。那些古怪、小众的原创故事，往往在开发阶段就被高昂的成本劝退。

动画长片《The Most Serious Fart》正是这样一个非传统的原创 IP。影片改编自同名儿童绘本，讲述一个严肃的“屁”寻找自我接纳的故事。动画长片开发周期长、生产环节多、投入巨大，这类风格鲜明却尚未经过市场验证的故事，很难轻易获得大片级别的预算。

为此，Utopai 为它保留了一套成熟的动画创作班底。原作者 Mike Bender 担任编剧和导演，《怪物史瑞克》编剧 Joe Stillman 参与剧本打磨，《辛普森一家》与《飞出个未来》的选角导演 Scott Muller 负责声音选角，《歪心狼对阵 Acme》的分镜师 Andy Brooks 参与故事创作。明星班底主导核心美术与原创故事，AI 被用于支持后续的资产迭代与生产效率提升。这种模式在保证艺术质量的同时，大幅压缩了中长尾的制作成本，让非共识的原创 IP 更加具备商业吸引力。

更重要的是，Utopai 并没有把《The Most Serious Fart》仅仅当作一部一次性的动画电影。

Utopai 认为，IP 会成为 Utopai 作为一家 Studio 最重要的长期资产之一。在选择制作《The Most Serious Fart》时，Utopai 就在判断角色和故事本身有没有可能跨出电影，延伸到剧集、出版、游戏、衍生商品、实景娱乐等场景。

成本控制能力与技术赋能，不仅重塑了制作流程，也打开了新的商业想象空间。这也正吸引着好莱坞和内容娱乐行业 Big names 入局。

好莱坞一直是一个高度依赖关系网络的行业。资本往往和项目、人才、IP、发行能力深度绑定。导演、制片人、媒体高管和明星本人，也经常直接参与新公司的投资与孵化。

Pluto TV 联合创始人、前 Paramount 全球流媒体业务负责人 Tom Ryan，以及执导过《独立日》《后天》等视效大片的导演 Roland Emmerich，在 2024 年成为了 Utopai 的早期投资人。Ryan 带来了流媒体平台、全球发行与商业变现的深厚经验，Emmerich 则连接着好莱坞成熟的创作者和大片制作体系。

到 2026 年，这张关系网又延伸到体育娱乐业。NBA 名人堂成员卡梅隆·安东尼（Carmelo Anthony）通过制作公司 Creative 7 投资 Utopai，并成为战略合作伙伴。Creative 7 帮助 Utopai 接触职业运动员，并围绕运动员的个人经历、品牌和体育文化开发电影、电视、流媒体和数字内容 IP。他们合作的首批项目，就是围绕 Anthony 本人的职业经历和篮球文化开发新的娱乐 IP。

从流媒体高管、视效大片导演到体育巨星，这些好莱坞圈内人的加入，让 Utopai 迅速接上了内容行业已有的项目、人才、IP 和发行网络。他们看中的，不仅是 AI 节约成本的潜力，更是其背后重构内容生产与商业变现的巨大空间。

如果 Utopai 只提供技术，其收入主要局限于软件订阅、模型调用和企业服务。但作为制片厂深度参与制作后，AI 节省下来的成本可以直接转化为项目利润；一旦内容获得成功，公司还能进一步分享全球发行权、续集开发以及 IP 衍生的长期商业价值。

影视行业，需要怎样的 AI 生产基础设施

过去两年，通用视频模型发展迅速。Seedance、MiniMax H 系列、Wan 系列等模型已经能够处理多模态输入与一定程度的镜头控制，逐步向专业影视生产靠拢。

但影视制作的要求更为精细。物理运动、复杂光影、多角色互动与声画同步，直接决定了一个镜头是否可用；长片制作更需在数百个镜头和漫长的修改周期中，保持角色、场景与创作设定的一致性。

与此同时，影视制作中大量有价值的信息，并不存在于最终成片里。导演为什么留下这个 take，摄影为什么调整运镜，美术为什么修改材质，哪些版本被否决、问题又出在哪里，这些专业判断都产生于制作过程，却可能成为模型后训练和评测的重要数据。

这也决定了，影视 AI 基础设施很难只依赖“最强通用模型”。

根据 InfoQ 与影视从业者的交流，模型能力与生产工作流需要协同设计（Co-design）并持续迭代。模型获得新的参考、编辑和控制能力，会改变原有制作方式；真实项目中不断出现的新问题，又会形成新的评测标准和模型需求，反过来指导后训练与定制。

掌握一定的模型能力，也能减少对单一上游模型供应商的依赖，并基于对专业场景的理解形成差异化。

沿着这一逻辑，Utopai 选择同时深入模型与生产系统两层。

Utopai X：面向影视制作定制的专业模型

最先引起行业对 Utopai X 关注的，是其在 Artificial Analysis（AA）榜单上的成绩。

在 AA 9 月 29 日公布的“带音频文生视频”榜单中，Utopai X 以 1150 Elo 排名全球第二。截至 10 月 7 日，它仍以 1149 Elo 位列第二，仅次于 Wan 3.0，高于 Dreamina Seedance 2.5 和 MiniMax H3。

值得注意的是，Utopai X 基于 MiniMax H3 开发。H3 本身已经具备较强的通用多模态视频能力，可以理解文本、图片、视频和音频，并生成带原生音频的视频。Utopai 在此基础上继续后训练，将模型进一步向影视生产所需要的能力调优。

AA 的细分成绩呈现出了这种变化。

AA 将视频生成能力拆成十个维度。相比 H3，Utopai X 在其中七项上更接近该项领先模型。提升最明显的是 Audio Synchronization（音画同步）、Camera Control（摄影机控制）和 Physics（物理表现）。发布时，它在音画同步、物理表现上排名第一，在摄影机控制、Lighting & Materials（光照与材质）上排名第二。

这些能力，也是影视镜头中容易暴露生成瑕疵的地方。

物理表现决定人物、道具和环境之间的运动是否可信；摄影机控制关系到模型能否准确执行跟拍、环绕、推进等镜头设计；光照与材质影响水面、玻璃、金属、皮肤等在运动镜头中的质感和连续性；音画同步则直接影响动作、环境声与画面的对应。

从 H3 到 Utopai X，提升主要集中在物理、摄影机、光影和声画关系上，也体现出较为明确的影视生产取向。

这也引出了另一个问题：一家影视公司，为什么有能力参与视频模型的后训练？

答案的一部分，来自它掌握的数据和专业经验。

影视模型需要学习的不只有大量视频，还包括专业创作者如何判断镜头。通用模型公司如果希望获得这类信息，通常需要额外组织专业标注、专家评审，或者采购专业创作者的工作流数据。

Utopai 的优势在于，这些数据可以在自己的制作过程中持续产生。

Utopai 拥有电影和动画制作团队。剧本、角色和场景 reference、不同版本的 take，以及导演、摄影、美术和动画师留下的选择与修改意见，本身就是日常生产的一部分。

研发团队因此能够看到最终成片之外的信息：哪些版本被否决，问题出现在哪里，创作者为什么要求修改，以及什么样的结果最终能够进入下一环节。

这些过程数据不会完整出现在最终成片中，却可以用于模型的后训练和评测。

Utopai 还建立了内部 Elo 评测体系，同时引入自动化评测和艺术家的人工判断。对于垂直模型，这类数据的价值未必在规模，更重要的是，它能把模型表现与真实制作中的问题和审美判断对应起来。

通用基础模型依然会提供最重要的底层能力。但 Utopai X 提供了另一种垂直模型研发的样本：以成熟通用模型为底座，再利用专有内容资产、真实制作数据和专业创作者反馈持续后训练。

对于影视公司来说，这条路径不需要复制基础模型公司的预训练投入，却有机会逐步形成更贴近自身制作需求的模型能力。

PAI：把模型能力组织进完整影视制作流程

Utopai 还开发了一套影视制作平台 PAI（Production Assistive Intelligence）。它是一套由创作者主导的 AI 制作引擎，覆盖剧本、角色与场景设定、镜头生成、版本管理和后期制作等功能。

PAI 最终希望提供一层可配置的 AI 生产基础设施，让不同制片厂、不同项目都能在自己的制作体系中使用。

一个项目可以从故事概念或已有剧本开始。PAI 的 AI 制作助理会先识别角色、地点、道具和故事节点，并整理出场景结构。团队确认后，再继续建立角色和场景的视觉参考。

以角色为例，PAI 可以生成正面、侧面、背面和近景等多视角设定。创作者确认面孔、服装、比例等细节后，这组图片会成为后续镜头持续使用的角色参考。地点和场景也是如此。已经确定的建筑、灯光、色彩和关键道具，可以继续沿用到后面的镜头中。

在此基础上，AI 制作助理再把场景拆成具体镜头，并生成不同的关键帧方案。团队可以先比较机位、构图、人物调度和表演，再决定采用哪个方向。某一个镜头需要修改时，也可以单独重做，而不用重新建立已经确认的角色和场景。

关键帧确认后，制作才进一步进入视频生成。团队为每个镜头确定运动、时长和声音，AI 制作助理据此准备渲染方案。涉及付费算力的正式渲染仍然需要人工确认。

生成后的不同版本会继续保留在项目中。团队可以比较、回退和重新修改，再把选中的镜头放进时间线，检查节奏、镜头衔接和连续性。粗剪完成后，素材还可以继续进入 Premiere Pro、DaVinci Resolve 完成剪辑、调色和后期。

对于长片制作来说，底层模型可以不断变化，项目本身的制作状态不需要随之重来。

对于多人协作项目，PAI 还提供资产同步、评论与审批、生成记录追踪和项目进度管理。企业版本进一步支持私有部署、私有云、权限管理，以及 IP 和数据隔离。

针对拥有技术团队的影视公司，Utopai 还提供 PAI Code。开发者和技术艺术家可以通过 Codex、Claude Code 等 coding agent 调用图片、视频和声音能力，也可以修改 Skills，根据不同项目调整制作流程。

Utopai 随后将这套能力向外输出，把 PAI 接入其他影视公司的实际制作流程。

在日本，DeNA 已开始将 PAI 用于动画制作，尝试让其与既有团队、制作资产和工作流程衔接。在韩国，Utopai 进一步通过收购 Alquimista Media 获得当地制作团队、项目储备、制片人与产业关系。相比单纯向当地出售软件，这种方式让 Utopai 能够直接参与项目开发和制作，并在真实生产中部署自己的技术体系。

内容制作与技术研发，由此得以相互促进。一方面，自有电影和动画项目会持续暴露模型、工作流和制作系统中的问题，为 PAI 和 Utopai X 提供新的优化方向。另一方面，技术能力经过项目验证后，又可以进入更多影视公司的生产流程。

结语

Netflix 曾从发行渠道进入原创内容，改变了平台与制片厂之间原有的分工。到了 AI 时代，类似的边界变化也开始出现在生产端。

Utopai 横跨模型、生产系统、内容制作与 IP 开发，提供了一个值得观察的样本。

在 Utopai 看来，基础模型公司解决通用能力，工具公司负责将这些能力产品化，而制片厂面对的是另一组问题：什么故事值得投资，如何开发 IP，如何为创作者留出最大的想象空间，怎样在预算和周期内高质量交付，以及最终如何让内容找到匹配的观众。

技术可以降低很多制作环节的门槛，但当生产能力越普及，品味、IP、具备判断与组织能力的人才、世界观构建与发行能力，往往会变得更加重要。