一個人做完 96 集 AI 短劇
40 歲設計師辭職做 AI 短劇,第二部作品就爆紅
新聞重點
四川創作者「白非空」原本從事 3D 設計,今年 3 月辭職後轉做 AI 短劇。根據中國媒體近期報導,他主要靠教學影片與新手社群自學,第一部作品《我是墊底太子,反倒成為千古一帝》共 71 集,播放表現普通,之後推出第二部《重生螳螂,覺醒無限吞噬進化》,才真正出現爆發式成長。
《重生螳螂》共 96 集,在紅果短劇取得約 6,042 萬熱度,個人帳號播放量則累積到數億次,為他帶來約人民幣 6 萬元收入。整部作品製作成本約人民幣 4,000 元,主要用在 AI 平台會員與生成點數,沒有另外聘請完整製作團隊。
不過,這並不代表 AI 已經把短劇製作變成真正的「一鍵生成」。白非空仍需花大量時間處理角色一致性、動物打鬥與畫面錯位,部分角色甚至反覆修改二十多次,顯示生成成本降低後,人工選擇與修正仍然存在。
背景脈絡
AI 短劇之所以特別容易快速成長,是因為它剛好切中短影音與網路小說兩種成熟市場。內容本身不一定追求電影等級的視覺精度,而是更重視更新速度、情節刺激與角色連續性。
過去要製作一部長篇動畫短劇,至少需要劇本、美術、角色設計、分鏡、動畫與後期等不同工作。生成式 AI 出現後,這些職能並沒有完全消失,而是被集中到同一個創作者手上。原本需要「找很多人做不同事情」,現在變成「一個人會不會管理很多 AI 工具」。
這也讓中年轉職者、獨立創作者與小型工作室有機會進入過去成本較高的內容市場。
知識點補充
這種模式可以理解成 AI-native production,也就是從一開始就以 AI 為核心設計的生產流程。
它和傳統製作流程後期再加入 AI 不太一樣。AI-native 創作者會直接假設角色圖、場景、分鏡甚至部分劇本都由模型協助完成,再把人工時間集中在挑選、修改與串接。
這也解釋為什麼低成本並不代表低工作量。當生成一次只需要幾秒鐘,創作者反而可能進入大量反覆嘗試的模式:同一個鏡頭生成十幾次,再挑最好的版本。
成本從「人力成本」轉成「時間+模型點數+審美判斷」。
生活化說法
以前拍短劇像開一間餐廳,要找廚師、服務生、採購和外場。
AI 之後比較像一個人開了很多自動設備。切菜、備料、洗碗都可以交給機器,但最後哪一道菜能上桌,還是得由老闆自己判斷。
所以「一人工作室」不是完全沒有工作,而是工作內容從親手製作,變成大量選擇與管理。
我們的觀察
白非空的案例真正值得注意的,不是 4,000 元成本換來 6 萬元收入,而是內容產業的最小生產單位正在縮小。
過去一名創作者可能需要找到團隊才有資格做長篇內容,現在一個人先做出完整作品,再根據市場反應決定是否擴張。這會讓內容市場出現更多實驗,也會讓競爭變得更激烈。
當製作門檻降低,真正稀缺的東西會從「做得出來」轉向「有人願意看」。劇情節奏、角色設定、題材選擇與持續更新能力,反而比單純會生成圖片更重要。
對一般讀者的影響
未來看到的動畫、短劇與短影音,會有更多來自一人團隊或極小型工作室。這會增加內容種類,也可能帶來更多品質落差。
對想進入創作產業的人來說,AI 確實降低了入場門檻,但也代表「會用工具」本身很快會失去差異。真正能留下來的,仍是題材判斷與內容風格。
NVIDIA 台灣經理涉晶片轉運案,公司合規責任再次被放大
新聞重點
台灣檢方今年 8 月起訴一名 NVIDIA 張姓高階經理及其他被告,指控相關人員涉嫌將搭載高階 B300 晶片的伺服器轉運中國。依 Bloomberg 報導,案件涉及 74 台已被指稱運往中國的伺服器,另有 56 台遭台灣相關單位查扣。
最新報導指出,NVIDIA 在這名員工被捕後曾向台灣官員表達關切,並尋求了解案件與提供協助。知情人士稱,公司不認同檢方對該員工的部分指控,但台灣政府官員表示無法介入司法程序。NVIDIA 則回應,公司內部調查未發現該員工知悉其他公司員工涉嫌轉運晶片的跡象。
因此,目前最重要的區分是:台灣檢方已對相關人員正式起訴,但 NVIDIA 公司本身是否知情參與非法轉運,現有公開資訊並未證明。
背景脈絡
先進 AI 晶片已經不是普通電子產品。
當美國限制高階 GPU 直接出口中國後,真正困難的問題逐漸從「晶片賣給哪家公司」變成「設備最後實際去哪裡」。如果一家公司在台灣採購伺服器,再經第三地轉運,供應商就需要更深入理解買家的資金來源、資料中心能力與最終用途。
這也是 NVIDIA 近年在亞洲客戶審查上面臨的核心問題。晶片需求非常強,銷售速度很快,但合規調查如果跟不上,就可能讓正常商業交易和非法轉運之間出現灰色空間。
知識點補充
這裡涉及 End-use Verification,最終用途驗證。
傳統 KYC 主要確認「客戶是誰」,最終用途驗證則進一步確認買方購買設備後實際拿去做什麼。
例如一家小型基礎設施公司突然下單大量高階 AI 伺服器,但本身沒有足夠機房、電力或資金,就可能出現需要進一步調查的風險訊號。
對 AI 晶片供應鏈而言,未來合規可能愈來愈接近銀行反洗錢制度,不只檢查交易文件,也需要追蹤資金、所有權與設備流向。
生活化說法
如果有人向你一次買了一百台大型冷凍櫃,卻沒有倉庫、沒有餐廳,也沒有足夠電力,你自然會想知道這些設備到底要送去哪裡。
高階 AI 伺服器也是一樣。訂單看起來正常,不代表實際用途一定正常。
所以晶片公司未來不能只確認「客戶有沒有付錢」,還得確認客戶有沒有合理能力使用這些設備。
我們的觀察
這起案件真正增加的是 NVIDIA 的治理壓力。
公司可以主張員工個人行為不代表企業立場,但當高階晶片本身受到嚴格出口限制,企業內部的銷售核准、客戶審查與異常交易監控就會被要求有更高標準。
而且這不是 NVIDIA 單一公司的問題。只要 AI 算力繼續被視為戰略資源,伺服器製造商、資料中心、物流公司與通路商都會被拉進同一套合規鏈。
對一般讀者的影響
這類案件最終可能讓 AI 伺服器跨境交易變得更慢、更複雜,但也有助降低非法轉運風險。
一般消費者不會直接看到這些合規流程,但企業採購與雲端算力成本可能受到影響。未來不同國家能取得多少高階 AI 算力,會愈來愈取決於政策與供應鏈審查。
台灣上市櫃資安事件增近六成,AI 真正放大的首先是「速度差」
新聞重點
根據台灣上市櫃公司重大訊息統計,今年截至 11 月初,公開揭露的資安事件已達 118 件,高於去年約 74 件,增幅接近六成。近期案例包括銀行帳號遭盜用、91APP 訂單資料庫外洩,以及 Cyberbiz 遭駭後波及多家企業。
資安業者觀察,目前 AI 對攻擊端的影響大致可分成三類。第一類是讓既有攻擊變得更快,例如自動掃描弱密碼與未修補漏洞;第二類則是多 Agent 自動化滲透工具,可以同時測試大量目標;第三類是直接攻擊企業正在使用的 AI Agent,利用提示詞注入或權限設計問題讓「好 AI」替攻擊者完成工作。
相關報導同時指出,今年全球 CVE 漏洞數快速上升,但「漏洞增加」不能全部歸因於 AI。AI 可能提高發現與利用速度,漏洞統計增加也可能受到揭露機制、研究投入與軟體規模等因素影響,因此較準確的說法是,AI 正讓整個攻防週期大幅加速。
背景脈絡
傳統駭客最大的限制其實是時間。
攻擊者必須自己找目標、掃描系統、測試帳密、分析漏洞,再決定下一步。只要防守端能在攻擊完成前發現異常,就還有反應空間。
AI 改變的是這個速度結構。
同樣一套舊漏洞,過去可能需要攻擊者花幾天人工掃描,現在 Agent 可以全天候自動嘗試。當攻擊端從「人一次做一件事」變成「幾十個 Agent 同時做幾百件事」,企業原本以天或週為單位的資安流程就會開始失效。
知識點補充
這裡最重要的概念是 **MTTD(Mean Time to Detect,平均偵測時間)**與 MTTR(Mean Time to Respond,平均回應時間)。
企業資安不可能保證永遠不被攻擊,因此真正重要的是攻擊發生後多久被發現,以及多久能阻止。
如果攻擊者三小時就能取得重要權限,企業卻要隔一天才看到警報,那麼再完整的事件處理流程都可能來不及。
AI 攻擊真正造成的壓力,就是把攻擊時間縮短,而防守流程若仍維持原本速度,就會出現愈來愈大的時間差。
生活化說法
以前小偷一天只能試十間房子的門鎖,警衛巡邏一圈還來得及發現。
現在小偷突然有一千台機器,可以同時測試整條城市的門鎖。
警衛如果還是按照原本速度慢慢巡邏,問題就不是他不努力,而是整個防守方式已經跟不上。
我們的觀察
目前談「AI 駭客」很容易被寫成全新的神秘攻擊,但真正危險的地方反而常常很普通:舊漏洞、弱密碼、權限過大,以及企業不知道自己的外部服務有哪些入口。
AI 最先放大的不是魔法般的新漏洞,而是讓原本可以被忽略的小問題,在短時間內被大量測試。
這也代表企業資安的優先順序沒有完全改變。修補漏洞、多因素驗證、權限管理與即時監控仍然重要,只是速度要求變高。未來資安團隊同樣必須用自動化與 AI 來應付 AI 攻擊,單靠人工看警報很難維持。
對一般讀者的影響
一般使用者會先感受到的是詐騙、帳號盜用與個資外洩變得更頻繁、更逼真。
比起試圖辨認每一次攻擊是不是 AI 做的,更實際的方式仍是保持軟體更新、啟用多因素驗證、避免重複使用密碼,以及重要帳號開啟異常登入通知。
AI 讓攻擊變快之後,個人安全習慣的重要性反而提高,而不是降低。
我們的觀察
今天三則新聞放在一起,可以看到 AI 最明顯的一個效果:它正在壓縮時間。
白非空把原本可能需要多人、數月完成的動畫短劇流程,壓縮成一個人管理 AI,就能持續生產 96 集內容。
晶片供應鏈也在承受速度壓力。AI 需求成長太快,客戶下單、伺服器出貨與跨國物流都在加速,但合規與最終用途驗證不能因此被省略。當交易速度超過治理速度,風險就會出現。
資安的差距最直接。攻擊者可以用 AI 在幾小時內完成過去需要幾天的工作,防守者如果仍然照原本程序處理,損失自然擴大。
這些案例說明 AI 真正的產業效果,未必只是「省人」。
更準確地說,它是在壓縮一件事情從想法到結果的時間。
而時間一旦縮短,原本藏在流程裡的問題也會被一起放大。創作者需要更快判斷品質,企業需要更快確認客戶與設備流向,資安團隊則必須更快發現攻擊。
所以 AI 時代真正有價值的能力,可能不是單純做得快,而是在速度變快之後,判斷與治理也能跟著加速。
如果生產速度提升十倍,品質管理還停留在原來速度;攻擊速度提升十倍,資安反應仍需要一天,真正形成瓶頸的就不再是 AI。
而是人類自己的流程。
資料來源
- 世界日報|AI 成年輕人創收新機遇,4,000 元成本做 AI 短劇賺 6 萬元
- 每日經濟新聞|白非空 AI 短劇創作案例
- TVBS|40 歲 3D 設計師轉型 AI 短劇創作者
- ETtoday|白非空《重生螳螂》相關報導
- https://www.ettoday.net/news/20261114/3272030.htm
- Bloomberg|Taiwan Indicts Nvidia Manager Following Chip Smuggling Probe
- Bloomberg|Nvidia Sought Taipei’s Help Over Employee’s Chip Smuggling Case
- 基隆地檢署|相關晶片轉運案件起訴資訊
- ETtoday 財經|NVIDIA 台灣經理涉晶片轉運案件
- https://www.ettoday.net/news/20261116/3272752.htm
延伸閱讀
作者:NineLife AI 編輯室
最後更新:2026年11月16日
本文由 NineLife AI 編輯室整理公開資料後撰寫,可能使用 AI 工具協助草稿整理;發布前會人工檢查來源、事實與語意。內容僅供資訊參考,不構成法律、投資、醫療、稅務或其他專業建議。
留言
張貼留言
留言會先經過審核。歡迎補充觀點或來源;請勿張貼廣告、無關連結、成人、賭博、藥品或自動產生的內容。