10月23日，《三星堆：未来往事》上映。四天后，累计票房停在118万元附近，上座率1.1%，场均观众1.1人。猫眼专业版的预测总票房，两百余万元。

而就在定档消息公布后，出品方博纳影业的股价在六个交易日内录得三度涨停；10月26日，上映第四天，博纳影业盘中触及跌停，收报5.54元，总市值缩水至76亿元。

定档时市场用涨停表达的态度，和上映后用跌停表达的态度，中间隔着的不是一部电影的好坏，而是一个更基础的问题：当“AI”这个标签被从概念端推到消费端，它到底值多少钱。

先把影片本身的事实摆清楚。这部片长100分钟，制作历时两年，生成超过120万张底图，近百人参与，设置了编剧、导演、美术、摄影、灯光等17个专业工种，片方披露的制作成本为千万级。

它拿到的备案号是“影动备字〔2025〕第086号”，列在动画影片项下，走的是动画片公映许可的通道。影片中另加注了AI生成标识，据出品方说明属于主动添加，并非新设的许可类别。

这个细节值得留意：一部全流程AI生成的片子，在制度框架里被归入“动画”，意味着评审环节天然不涉及真人表演的评判尺度，而“表演”恰恰是后来观众反应最集中的落点之一。

影片暴露的问题，媒体的复盘相当集中。人物表情被描述为“面瘫感”，台词带有一种可以辨认的“AI味”，剧情跳跃到被吐槽“像几个不同的小组作业拼在一起”。

更具体的技术性硬伤包括：角色在雪山徒步时穿着皮鞋和衬衫，经历雪崩之后服装和发型没有任何变化；古蜀国国王从四川到埃及，经过走路、坐船、骑骆驼几个场景就见到了法老，法老开口是流利的中文。这些不是孤立的穿帮，它们指向同一个根因。

到2026年，主流视频模型的单次连续生成时长仍在8秒到30秒之间，Veo 3.1单次8秒，可灵和多数国产模型15秒，Seedance 2.5能做到30秒。

Google在2026年9月的一份长视频编排研究中，把AI长片的核心故障命名为“语义漂移”和“级联失败”：人物服装、道具、光线在空间关系上的细微偏差，会顺着镜头往后累积；而上游生成素材的瑕疵，会进一步破坏下游的视频合成。

赶路戏恰好撞在这两个故障的交叉点上，它缺乏视觉奇观来吸引注意力，却要求人物连同服装、光线、环境在较长时段内保持稳定。删掉过程、只留结果，是当前成本最低的处理方式，代价是人物关系失去了生长的空间。

雪崩后毫发无损的问题同理：AI在逐镜头生成时，很难维持“状态一致性”和“物理因果”——一个人经历冲击、掩埋和寒冷之后，身体和衣物本应发生的变化，在模型那里没有被当作一条连续的因果链来处理。

有意思的是，这部片子并非没有亮点。青铜神树、青铜大立人、纵目面具以及古蜀祭祀场景的静态画面，获得了一些观众的认可，有人看完后说想去三星堆博物馆看看。

问题在于，大银幕是瑕疵的放大器。上观新闻的评论里有一句话点得很直：当一部电影要求观众支付与真人电影相同的票价、付出出门坐两小时的时间成本，却只交付了“技术演示”级别的结果，失望是再自然不过的反应。

短剧和漫剧赛道的逻辑在这里不能平移。三五分钟一集的内容，销售的是即时爽感和节奏密度，AI的短板被快节奏掩盖，降本增效的优势又能和分账模式匹配。院线长片要求的是跨镜头的角色一致性、完整的人物弧光和经得起放大审视的细节，这些恰好落在当前生成模型的结构性短板上。

坦白说，博纳在商业逻辑上的算盘本身并不难理解。2025年公司预计净亏损12.61亿到14.77亿元，一部耗资约10亿元的《蛟龙行动》票房3.48亿元，亏掉六亿多。

相比之下，一部千万级的AI动画长片，验证的是“同样的奇观，十分之一的价钱”这条成本模型能不能跑通。影片的出品方是博越星纪蓝图等项目公司，备案主体是成都博纳影视制作有限公司，片子成了收益回到集团报表，砸了损失留在项目公司。

从风险隔离的角度看，这更像一次公开的可行性实验，而不是一部被寄予票房厚望的常规作品。问题在于，资本市场在定档阶段给出的定价，并没有按“实验”的折价来算。六个交易日三度涨停，定价依据是“首部AI院线长片”这个标签，而不是产品本身的完成度。上映后的跌停，本质上是标签溢价被票房证伪之后的回撤。

更值得琢磨的是“首部”这个标签本身正在贬值。有网友指出《幻影游船》更早上映，虽然那部片子的票房体量只有36万元，和《三星堆》不在同一个量级上。但“首部”的稀缺性一旦被稀释，概念溢价的可持续性就会打折扣。

这不是《三星堆》一部片子面临的问题，而是所有试图用“AI+院线”作为估值锚点的项目都需要面对的现实：二级市场可以为一条定档消息买单一次，但不会为同一个标签反复买单。下一次再有AI院线片定档，涨停的幅度和持续性，大概率不会复制这一次。

行业里其实已经有更务实的参照。爱奇艺的AIGC系列《摆渡人》（The Ferry Man）在流媒体端的分账收入超过了800万元人民币，走的是系列化、中等体量的路线，而不是直接冲击院线。

新华网关于第十六届北京国际电影节的报道中，北京师范大学艺术与传媒学院副院长陈刚有一个判断值得抄下来：屏幕越小，AI的应用越广泛；屏幕越大，应用相对有限。不少专家也指出，AI技术目前在院线电影中主要运用于局部环节，尚未广泛应用于整部电影的画面和镜头全流程生成。

博纳自己的制作负责人曲吉小江也坦承，AI制作面临人物皮肤质感、微表情、物理定律等多道门槛，目前采用的是以AIGC生成为主、传统特效补位的策略。这些来自一线的表述，比任何评论都更清楚地划出了当前的能力边界。

对内容从业者的参考价值，落在几个具体的判断上。AI降本的故事在短剧和漫剧赛道是成立的，因为那个赛道的容错空间和节奏逻辑能吸收AI的短板。

院线长片不是不能碰AI，但需要把AI放在它当前能胜任的位置上——分镜预演、空镜生成、局部特效、后期环节的提效，而不是指望它独立承担叙事连贯性和角色可信度。

下一阶段的务实路径，大概率是“AI提效+人工在叙事与表演层面重度介入”的混合流程，并且首先在60分钟以上的流媒体电影或剧场内容中验证，而不是直接拿院线票房做技术成熟度的试纸。

至于“全AI电影”这个品类本身，它当然值得继续被尝试，但尝试的代价不应该由观众的票价来承担，也不应该由资本市场的标签定价来预付。118万这个数字不需要被读成AI电影的死刑判决，它更像一份诚实的账单，把技术演示和电影产品之间那段还没有被填上的距离，标了一个清楚的价格。

填这段距离需要的不是更长的生成时长，而是愿意在模型之外，把剧本、表演和剪辑的功夫重新捡起来的人。

本文主要信息来源

1. 大众网转载上游新闻《首部AI电影上映4天票房仅100余万元，技术“里程碑”为何没成市场“通行证”？》（2026年10月26日）

2. 上观新闻《上观时评｜4天票房仅破百万，AI电影这条路还走得通吗？》（2026年10月26日）

3. 36氪《上映3日仅收获百万票房，首部AI院线电影为何遇冷？》（2026年10月26日）

4. 澎湃新闻《〈三星堆：未来往事〉：人要不要把判断交给算法？》（2026年10月26日）

5. 21世纪经济报道/羊城派《热财经｜国内首部AI电影票房遇冷，观众为何不买账？》（2026年10月26日）

6. 新华网《文化新观察｜数智浪潮奔涌而来，电影产业如何应变——第十六届北京国际电影节观察》（2026年4月27日）

7. invideo.io《How Long Can AI Videos Be? Max Length for Every Model (Aug 2026)》（2026年8月6日）

8. 猫眼专业版/拓普数据相关票房统计（截至2026年10月26日）

9. 爱奇艺AIGC系列《The Ferry Man》分账数据相关报道（Yonhap/PRNewswire，2026年10月）

免责声明：本文为行业观察与趋势分析，仅供交流参考，不构成任何投资、经营和法律建议。文中涉及的数据、案例均来源于公开报道，已尽力核实，如有出入以原始来源为准。本文不代表任何机构立场，亦不针对特定企业或个人作出评价。如涉侵权或事实错误，请联系我们及时更正或删除。