為什麼每張 AI 臉都長得一樣，而觀眾開始受不了了

在 AI 短劇熱潮中，有個場景不斷重演。觀眾滑著手機，看完一段影片，點了讚，然後發現這部劇的男主角，跟上一部、上上一部的男主角長著同一張臉。同樣的臉型、同樣的髮型、同樣的中分瀏海。對比截圖瘋傳，而中文網路用語給這種反應取了個名字：生理性厭惡。

每一張 AI 臉最後都收斂成同一張臉，原因並不神祕，就是統計。影片模型必須讓一張臉在每個影格之間保持一致，而一張對稱、無瑕、沒有特徵的臉，對那些造成跨影格閃爍的細微誤差有最高的容忍度。個人化的特徵——歪鼻子、一顆痣、不對稱的眼睛——正是模型每秒重新渲染同一張臉三十次時會崩掉的東西。所以模型會去抓那張「安全」的臉，也就是它訓練過的所有臉的平均值。產出的結果，就是一位研究者所說的統計上的「平均最優解」。

經濟誘因也把人推向同一個方向。生成式影片按秒計費，而要客製一張個人化的臉，意味著反覆調整提示詞、鎖定特徵、逐格校準微表情，時間直接翻倍。大多數追求每日更新的團隊乾脆跳過這一切，直接套用熱門模板和公開臉部素材庫。這裡甚至還有灰色市場：一包兩萬支、號稱侵權的短劇片段訓練素材，售價不到一美元。當訓練資料本身就來自同樣那幾個來源，它產出的臉不可能不像。

結果就是一個臉孔完美卻可以互換的內容類別。一位清華大學新聞學教授的說法讓人印象深刻：演算法可以算出美醜分數，卻算不出一個人性格的厚度。不完美才是重點。雀斑、一點點不對稱、真正笑起來時眼睛的皺褶、疲累時眉毛鬆開的樣子。這些才是讓你能分辨出一個人和另一個人的東西，而它們正是一個以平滑為最佳化目標的模型會磨掉的東西。

這裡面還藏著一個演化上的論點。人類天生就會從臉部讀取身分與情緒，而我們依賴細微差異來區分彼此。一張沒有任何辨識特徵的標準化臉孔，會觸發和恐怖谷一樣的警報：它像人到足以被辨識成一張臉，卻又不同到讓人覺得不對勁。這種厭惡不是矯情，而是對一個「幾乎像人、卻又不完全是」的東西所產生的感知反應。

同樣的動力也表現在模型如何處理「身分」本身。一個 AI「演員」是對表情分布所做的統計擬合，而不是一個擁有自律神經系統的人。真實的臉之所以會動，是因為生理與情境；疲倦的人眉毛鬆開有特定的方式，真正被逗樂的人眼睛會皺起來。模型可以逼近這些，卻無法原生創造它們，而這個差別會以一種微妙的平板感浮現，觀眾說不出來，卻感受得到。這是「演出」和「渲染」之間的差別。

有一個具體的數據點可以說明同質化已經走到多遠。報導指出，訓練素材包裡含數萬支短劇片段，據稱是未經授權抓取下來的，售價不到一美元。當訓練資料如此狹窄、又被如此廣泛地重複使用，它產出的臉不可能不收斂。這份相似並非品味的意外，而是一條為廉價產量最佳化的供應鏈所導致的下游結果。

這不只是美學上的抱怨，它正在變成商業問題。當每一部劇看起來都像同一部劇，就沒有任何東西會被記住，而一個靠新鮮感維生的類別，會死於千篇一律。中國監管機構已在草擬品質標準，把角色辨識度列為獨立的評分項目，這清楚顯示業界預期下一波競爭會發生在哪裡。一個連自己的角色都分不清的類別，就是還沒想通別人為什麼要繼續看下去的類別。

在這些之下還有更深的一點，而且遠超出短劇的範疇。生成式 AI 傾向平均值，因為平均值是最安全的賭注，而最安全的賭注正是機率模型被訓練去做的事。人類的創造力則傾向具體，因為只有具體的選擇才能脫穎而出。這兩者之間的拉鋸，如今正以龐大的規模、在網際網路上大多數西方觀察者沒在看的一個角落裡即時上演。

這件事之所以不只關乎美學，是因為它預示了一個更大的文化問題。如果最便宜、最容易製作的內容全都收斂成同一種樣子、同一張臉、同一種聲音，那麼網路就會變成一座鏡子廳，把同一個統計平均值不斷反射給自己。那些抵抗這種收斂的人——堅持要有一個歪鼻子、一種方言、一段不在計畫中的停頓的人——並不是在懷舊。他們在捍衛的，是讓文化之所以值得存在的東西。

這與更廣泛的 AI 垃圾內容問題完全平行。Deezer 回報每天有七萬五千首 AI 歌曲上傳。一項對美國報紙的稽核發現，9% 的新文章被標記為 AI 生成。共同的線索是：生成式工具在缺乏編輯意圖的情況下運行，就會產出大量稱職卻可互換的內容。AI 臉只是這個正在同時重塑音樂、文字與圖像的現象中，最視覺上令人刺眼的一個例子。

解方並不是把模型調得不那麼平滑，而是別再把模型的預設值當成完成品。角色辨識度必須被刻意設計，就像選角導演設計一份卡司那樣。工具早就支援了——參考圖、關鍵影格、鎖定特徵。缺的是願意多花那些時間的意志，因為這波熱潮的經濟邏輯獎勵速度。抗拒平均臉的創作者，才會在新鮮感退去後還留得住觀眾。這就是那個賭注，而每個走向成熟的媒介都會把同樣的賭注丟給它的創作者：要嘛具體，要嘛消失在平均值裡。

有理由認為壓力已經開始轉向。當初靠獎勵產量催起這波熱潮的平台，現在開始獎勵辨識度，因為一個塞滿可互換臉孔的動態牆就是留存率的問題。品質標準是一根槓桿，演算法是另一根。一旦平台不再獎勵千篇一律，經濟邏輯就會翻轉，而那些練出角色設計肌肉的團隊，會是站在有利位置的那批人。AI 臉不會消失。正在消失的，是「靠預設值就能贏」這個想法——而對每個真心想做出值得一看的東西的人來說，這都是健康的發展。