AI初创公司Quilty由电影制片人Simon Horsman和Daniel Wood创立，于2026年初推出一款号称能通过分析剧本预测电影票房与商业成功率的工具。该工具在测试中将一部后来票房惨败的剧本评为高分，而将一部斩获奥斯卡的影片剧本评为低分，引发行业对其预测能力的广泛质疑。Quilty采用AI对剧本进行多维度评分（0-100分），涵盖叙事质量、商业可行性、观众共鸣度及预估制作成本，旨在为制片方提供决策参考。
工具原理与承诺
Quilty的核心技术基于多种现有AI系统的组合。用户上传未制作的剧本后，系统会自动生成一份详细报告，从叙事结构、角色发展、情节逻辑等角度给出评分，并结合历史票房数据预测影片的市场表现。创始人Horsman和Wood在采访中强调，Quilty的目的并非取代人类创意决策，而是“让人类保持在决策环路中”，为独立电影人和中小制片公司提供过去只有大制片厂才能负担的数据分析能力。
在Quilty的宣传中，高评分剧本更容易获得制片人青睐，低分则提示需要修改。这一“民主化”理念在电影产业内获得部分正面反响，但也引来不少怀疑——尤其是当实际测试结果与宣传形成反差时。
实测翻车：高评分影片票房惨败，奥斯卡佳片被低估
据The Verge报道，当业内人士实际试用Quilty后，其预测结果令人大跌眼镜。系统将影片《Christy》（后票房失败）的剧本评为高分，认为其商业潜力优于最终斩获奥斯卡的《Sinners》。这一明显失误暴露出Quilty的预测模型在区分艺术价值与市场表现方面存在严重缺陷。即使拥有大量训练数据，Quility仍无法准确判别一个剧本的实际成功几率。
多位分析师指出，Quilty本质上只是将现有自然语言处理（NLP）系统和票房数据库进行拼接，并未引入真正原创的推理机制。其评分标准缺乏透明性，用户无法理解为何某些叙事元素被判定为“高商业价值”。这种“黑盒”特性让制片方难以信任其输出结果。
创始理念与行业担忧
Horsman和Wood在项目初期曾广泛征求其他创意人士的意见，许多人表达了对生成式AI导致就业流失和技能退化的担忧。为此，Quilty在设计时刻意避免全自动化，坚持保留人工审查环节。但批评者认为，这种“人在回路”的承诺并未兑现——系统仍然基于机器评分给出看似权威的结论，可能反而加剧数据驱动的创作同质化。
尽管Quilty强调其工具是为辅助而非替代人类判断，但业界对AI介入创意决策的警惕从未减弱。传统制片厂更倾向于依靠经验丰富的开发主管和剧本医生的直觉判断，而非机器生成的分数。Quilty目前尚未获得主流制片厂的广泛采纳。
技术本质与商业化前景
The Verge的报道将Quilty的技术描述为“现有AI系统的混杂拼凑”，缺乏独特的技术壁垒。其评分模型建立在电影票房历史数据库之上，但电影市场本身受档期、营销、明星效应、社会舆论等众多不可量化因素影响，单纯依靠脚本文本分析难以准确预测。Quilty的失败案例恰恰说明，当前AI在艺术和娱乐领域的分析能力远未达到可靠水平。
尽管如此，Horsman和Wood仍计划将Quilty推广至传统制片流程，希望成为制片厂标准化评估的一部分。但以目前的技术成熟度，Quilty更像是一个实验性项目，距离行业广泛采用尚需漫长的验证周期。对于独立电影人而言，一个免费或低成本的AI评分或许能提供某种参考，但若将其作为绿灯决策依据，则可能带来更大的商业风险。
名词解释与规格科普
自然语言处理（NLP）： 人工智能的一个分支，使计算机能够理解、解释和生成人类语言。Quilty使用NLP分析剧本对话和叙述文本。
票房预测模型： 基于历史票房数据和影片特征（类型、导演、演员等）对未来收入的统计预测模型。Quilty声称其模型能结合文本分析提升准确率。
人在回路系统（Human-in-the-Loop）： 一种AI设计范式，在自动决策流程中保留人类审核环节，以降低错误和偏见。Quilty创始人宣称该工具采用此模式，但实测中怀疑其有效性。
本文参考来源：The Verge
微信扫描下方的二维码阅读本文
