根据猫眼票房数据，截止8月7日12点，动画《哪吒之魔童降世》累计票房，已经突破27亿，一骑绝尘，成为国产动画电影的票房冠军。
爆火背后，有反常态的“生而为魔”人物设定；以及“若命运不公，就和它斗到底”的反叛精神；
还有一个不得不提的就是：特效！
导演饺子接受央视采访，谈到网络流传的「离职特效师」故事，“申公豹那个变身的特效，变成豹子头然后长毛。特效公司一员工磨了两个月，死活没有把那几秒钟磨出来。最后，深深受挫的他，干脆离职了。
我们只好再找一个新公司，结果正好是那个特效师跳槽去的那个公司。然后老板说，听说你之前就做这个镜头，已经很有心得了吧，这个申公豹咱还是交给你。最后他死活还是算把那个镜头给磨出来了。
所以如果有人问我，人能否改变自己的命运，我不晓得。但我晓得让申公豹长毛就是他的命。”
把特效完美的呈现出来，也是当代每一个中国特效工作者的使命。
2018年全球电影票房排名前十的影片中，其中特效片占比90%，总票房达100亿美元。
《哪吒》全片制作历时5年，1600多位动画制作人员倾力展现出共1800多个镜头，其中包含1400个特效镜头，77.7%的特效占比成为国产动画之最。
不过放眼国际，这个比例并不算特别多。
《复联3》全片有2680个特效，只有4个镜头没使用特效，而《复联4》则包含超过3000个特效镜头，所占比例可能达到99.85%。
电影特效，很难搞
电影特效是指由电脑软件制作出的特殊效果，一般包括声音特效和视觉特效。声音特效顾名思义是对声音的制作；而视觉特效就比较宽泛，如《狮子王》里动物的毛发，《变形金刚》中钻孔机破坏大楼的细节等等。 
特效场景的制作往往特别艰难，比如《哪吒》影片高潮部分，哪吒与敖丙决战“火莲花融化冰面”的1个镜头只有短短6秒，为了达到最佳效果，用了半年才完成。
这个画面既要做到哪吒、敖丙人物的动作采集，又要做到火燃烧蔓延、冰火交融、冰蒸发等的特效，也就是说是需要在绿幕、动作采集等等技术采集画面之后，再在计算机上进行大量图形处理和渲染。
简单粗暴地理解，这些影视特效画面都是一帧帧的P出来的。想想公司里设计师的日常，我们就能明白这是一件多么浩大艰巨的任务。
AI 在影视特效的尝试
随着机器学习和深度学习算法特效制作环节的应用，自动化操作比例大幅增加，在提高效率的同时，特效的艺术性也有了更好的保证。
“AI+特效”具体涉及动作捕捉、虚拟角色构建、模拟动力学和自然现象等等多种应用场景，一个个解释起来还是很复杂的。下面通过一些例子，帮助大家理解下。
风格迁移
最常见的一个场景当属风格迁移，即可以把一般图像转换成另一种艺术风格。
比如《梵高之眼》动画影片，就是借助风格迁移算法，将影片制作成为具备梵高画作的风格作品。通过对原视频进行单帧化处理，然后借助Caffe人工智能网络及模型，利用风格迁移算法，进行《梵高之眼》视频帧的分类镜头风格迁移动画制作。
值得一提的是，《暮光之城》女主角克里斯汀-斯图尔还曾参与写过一篇AI论文，描述了如何通过神经风格迁移对影片进行模仿画作画风的特效处理。
这篇论文于美国时间2017年1月19日发表在了学术网站arvix上，论文研究如何在电影“Come Swim”中 Neural Style Transfer 技术将电影画面改造成印象派风格。除克里斯汀外，共同创作者还有电影《Come Swim》制片人Starlight Studios和Adobe的一名员工 Bhautik J Joshi。
实时特效制作
电影涉及的镜头往往上千个，涉及的场景也非常多，因此制作的时候需要不同工作室合作进行设计和特效渲染，很多时间就浪费在了流程上。
如何加强不同特效工作室的协作能力，提高制作效率，是电影制作行业亟待解决的一个问题。
美国的Arraiy公司创造了一个计算机视觉和机器学习平台，能够实现在离开拍摄片场前，就可以看到后期完成的场景是什么样子，省去了拍摄效果不好导致的重复性劳动。
举例来说，他们为英国伦敦顶级的视效公司The Mill 提供了一个实时跟踪解决方案，使制作团队能够在拍摄过程中将一辆逼真的数码汽车形象化。 
该项目名为“人类种族”，并赢得了西格特图2017最佳实时图形和交互性奖。 
精准的面部表情捕捉
《复仇者联盟3》里灭霸杀死自己的女儿卡魔拉后，从细微的面部细节，可以看到他极力隐忍的悲痛。也让很多观众感受到，灭霸的柔情一面。 
灭霸的形象塑造如此成功，就要感谢一款名为Masquerade的机器学习软件。该软件由洛杉矶的特效巨头公司Digital Domain制作，创始人是《泰坦尼克号》导演詹姆斯·卡梅隆和斯坦·温云斯顿。
Masquerade软件通过两个垂直方向的高清摄像头采集面部数据，细致追踪面部的100-150个跟踪点。再通过计算机技术，训练、调整机器学习模型，输出成三维面部模型（动态），完美复制演员面部的动作，甚至是细微的肌肉运动。让虚拟角色的表情更逼真反应角色细微的心理变化。
如今，表情实时同步的技术也出现了，通过模型训练出的系统，可以高达90帧每秒的速度为高分辨率纹理和模型计算出的正确的组合方式。
也就是说，一名真人演员正在表演，而在一旁的虚拟场景中，一位数字人类化身也正以90帧每秒的速度，同步将真人演员的表情和动作一五一十的还原出来。
真实的场景画面
曾5次获得奥斯卡最佳视觉效果奖Weta公司，在制作「阿丽塔」女主角虚拟形象时，使用了两种基于深度学习的方法。
一种是人脸跟踪器使用深度学习，当由于拍摄原因脸部一部分被遮挡时，输入面部运动的信息作为训练数据，系统可以推算出一组可行的标记点，了解阿丽塔的运动数据。
另一种用于制作阿丽塔皮肤，通过训练数据产生正确尺寸和方向的皮肤和毛孔。 
另外在电影《海底总动员2》和《汽车总动员3》中，也都利用了深度学习模型学习场景光线走向，自动纠正因光线不自然而形成的噪点。 
发展现状
不过关于深度学习在电影特效上面的应用，很多业内人士还是持消极的态度。
因为，在实际的应用中，除了在光线去燥方面深度学习成为标配，其它领域都很少有使用。
理由包括，一，传统的方法如今已经可以取得很好的效果，足够成熟，没有替代的必要性。二，深度学习需要大量的数据去训练，特效的规模还是太小，可能满足不了模型训练的要求。 
当然，以上论点还是过于着眼现实，AI参与特效制作整体还是大趋势。很多网友对此也十分期待，具体的方面在与：提高算力，加快渲染的效率；；以及通过AI 自动生成脚本程序。
无论如何，AI在特效行业的尝试，还只是小试牛刀。仅以现有的情况，来定义其局限性，还是过于固步自封。就像哪吒一样，未来如何，还是得自己尝试后才能决定。
最后，也祝愿国产的特效技术能够越来越好，借着《哪吒》的成功，作出媲美好莱坞的特效大片。
