如果一支短影音一年只賺 100 元，你還願意做嗎？AI 時代真正值錢的是內容資產
最近看到一篇文章，裡面有個很有意思的問題：
如果一支短影音，一年能幫你賺 100 元，你願意做幾支？
作者算了一筆帳：
| 影片數量 | 假設每支影片平均年收益 100 元時的年收入 |
|---|---|
| 100 支 | 1 萬元 |
| 1,000 支 | 10 萬元 |
| 10,000 支 | 100 萬元 |
這只是建立在每支影片平均年收益 100 元的假設上，不代表實際收入，也還沒有扣除成本。
但我覺得，這篇文章真正值得討論的，不是能不能靠 10,000 支影片賺到 100 萬元，而是另一個更重要的問題：
當 AI 讓短影音的製作成本大幅下降，我們應該追求的是影片數量，還是建立一套能持續賺錢的內容系統？
這兩件事看起來很像，其實差很多。
一、AI 如何讓短影音從手工製作走向影片生產線？
過去要做一支商品短影音，可能需要找商品、研究賣點、寫腳本、錄製口播、剪輯影片、製作字幕、搭配音樂，最後再上架。
即使只是 15～30 秒的影片，也可能花上一兩個小時。對上班族來說，每天下班後能做一支就已經很不容易。
但現在不一樣了。
透過 ChatGPT、Codex、Claude Code，再搭配 FFmpeg、語音生成與影片剪輯工具，很多原本需要人工完成的工作，都有機會交給 AI 處理，甚至可以把整套流程包裝成 Skill。
當工具串接、素材規格與製作規則都設定好之後，只要把商品素材放進資料夾，就有機會讓 AI 依照規則產出不同版本的影片，再由人確認內容與成品。實際可自動化的範圍仍取決於工具版本、方案與工作流設計。
以前我們是在剪影片，現在我們開始有能力建立一條影片生產線。這是我認為 AI 帶來最重要的改變。
二、影片做得越多，就一定賺得越多嗎？
這裡我有不同的看法。
假設今天有兩個人：
- A 每天用 AI 產出 100 支影片，但只是把商品圖片、配音和字幕快速組合起來。
- B 每天只做 10 支影片，但會研究消費者需求、商品賣點、前三秒的吸引力，以及觀眾為什麼願意購買。
一年後，誰賺得比較多？答案不一定是 A。
因為短影音不是工廠生產螺絲。影片數量增加，不代表觀看次數、成交率與分潤會等比例成長。
如果內容沒有吸引力，即使做了 10,000 支，也可能只是累積 10,000 支沒人看的影片。
更何況，平台可能調整推薦演算法，商品可能下架，聯盟分潤比例也可能改變。
所以我認為：AI 解決的是內容生產效率，但真正決定收入的，仍然是內容能不能創造價值。
這也是為什麼我一直強調，學 AI 不能只學會生成圖片、影片或配音，更重要的是理解行銷、消費者心理與內容策略。
三、如何利用 AI 更快找到有效的影片？
假設以前做一支影片需要 60 分鐘，現在透過 AI 自動化，製作時間縮短到 10 分鐘。省下來的 50 分鐘，你會拿來做什麼？
如果只是把產量從 1 支增加到 6 支，當然也有價值。但我認為更聰明的做法，是利用 AI 進行內容實驗。
同一個商品，可以測試：
- 不同的前三秒開場。
- 不同的消費者痛點。
- 不同的口播文案。
- 不同的影片節奏。
- 不同的商品展示方式。
例如一款行動電源，第一支影片強調充電速度，第二支強調出國旅行方便，第三支強調手機快沒電時的焦慮。同樣的商品，卻可能吸引完全不同的消費者。
透過觀看率、點擊率、成交率等數據，慢慢找出真正有效的內容，接著再讓 AI 依照成功的模式，協助產出更多版本。
這才是我心目中真正有價值的 AI 短影音自動化。
不是讓 AI 幫你製造更多影片，而是讓 AI 幫你更快找到有效的影片。
四、一支影片年收 100 元，扣掉完整成本還剩多少？
原文提到一支影片一年賺 100 元，我覺得還可以再往下算。
假設一支影片平均收入 100 元：
- 如果製作成本是 150 元，那其實是虧損。
- 如果透過 AI 把製作成本降到 20 元，就有機會產生 80 元的毛利。
但這還沒扣掉訂閱費、素材費、審核時間，以及其他營運成本。這裡的數字都是示意，不能當成實際獲利預測。
所以真正值得追蹤的，不應該只有影片數量，而是：
每支影片的平均收入 − 每支影片的完整成本 = 每支影片的實際獲利
收入與成本也要採用相同的計算期間，才有比較意義。
再進一步，我們還要知道：哪些影片能持續帶來收入？哪些影片只有上架當天有流量？哪些商品值得持續投入？
這些資料累積起來，價值可能比影片本身還高。
因為當你知道什麼商品、什麼腳本、什麼開場最容易成交，就能把這些經驗整理成自己的 AI Skill，下一次不需要從零開始。
五、真正值得累積的內容資產有哪些？
這是我最認同原文的一個觀點：
我們真正要經營的不是蝦皮分潤，而是自己的內容資產。
但我想再補充一件事：不是所有上傳到平台的影片，都能算是自己真正掌握的資產。
你在 TikTok、Instagram、Facebook 或 YouTube 累積的流量，仍然受到平台規則影響。今天平台願意推薦你，明天可能就改變演算法。
因此，我認為真正值得累積的資產至少包括四個部分：
1. 內容素材庫
你拍攝或合法取得的商品影片、圖片、腳本、配音與剪輯專案，可以在授權範圍內持續重複利用。
2. 內容製作工作流
把成功的製作方法整理成 Skill，讓 AI 可以反覆執行。
3. 內容成效資料庫
知道哪些商品、文案、影片形式最有效，而不是每次都憑感覺製作。
4. 自有品牌與受眾
經營網站、部落格、電子報或社群，逐漸建立不完全依賴單一平台的影響力。
這四個部分結合起來，才有機會形成一套可以持續優化的內容事業。
六、為什麼我更看好一人內容公司？
過去要經營一個內容團隊，可能需要企劃、文案、攝影、剪輯、配音與社群管理。現在透過 AI Agent 和自動化工具，一個人就有機會完成其中相當大的一部分工作。
但這不代表我們應該把所有事情都交給 AI。相反地，我認為人的工作會變得更重要。
因為 AI 可以幫你生成 100 個腳本，卻不代表這 100 個腳本都值得拍；AI 可以自動剪輯 100 支影片，卻不代表這 100 支影片都符合觀眾需求。
未來真正有競爭力的創作者，未必是最會剪片的人，而是最懂得選題、選品、設計內容，以及利用數據持續改善的人。
AI 負責執行，人負責判斷。
這才是我認為一人公司最值得發展的方向。
七、如何先用 100 支影片驗證，再決定是否擴大？
原文最後提到：
五年後能不能做到年收百萬，我不知道。但如果五年都沒有開始，那肯定連驗證這個想法的機會都沒有。
我很認同。但我會建議新手不要一開始就設定 10,000 支影片的目標，先做 100 支就好。
挑選幾個自己熟悉的商品類別，利用 AI 建立製作流程，記錄每支影片的製作成本、觀看數據、點擊與成交表現。
做完 100 支之後，先問自己三個問題：
- 哪一種內容最容易吸引觀眾？
- 哪一種商品最容易產生實際成交？
- 哪些製作步驟還可以進一步自動化？
如果能找到答案，再考慮擴大到 1,000 支。如果沒有找到，就先調整方向，而不是繼續盲目增加產量。
因為 100 支有經過分析的影片，可能比 1,000 支沒有策略的影片更有價值。
最後，讓影片真正產生價值的是經營能力
AI 短影音最大的機會，從來不只是讓我們做更多影片，而是讓原本沒有時間、沒有剪輯技術、沒有團隊的人，也有機會用相對低的成本，開始經營自己的內容事業。
但請不要把「自動化」誤認為「自動賺錢」。
影片可以自動生成，收入不會自動出現。
真正能長期累積的，是你對市場的理解、對內容的判斷，以及一套能持續改善的工作流程。
以前，做 1,000 支影片是體力問題。現在，做 1,000 支影片逐漸變成技術問題。未來，讓這 1,000 支影片真正產生價值，才是經營能力的問題。
所以，如果一支影片一年能賺 100 元，我願意做幾支？
我的答案是：我不會急著做 10,000 支。
我會先找出哪 100 支影片值得做，再想辦法讓 AI 幫我把成功的方法複製 100 次。
這才是 AI 時代，我認為真正值得投入的方向。
常見問答 (FAQ)
Q1：用 AI 大量製作短影音，就能穩定賺到分潤嗎？
不能由產量直接推算收入。文中的「每支影片平均年收益 100 元」只是計算假設，實際表現仍取決於內容吸引力、商品需求、點擊與成交表現，也受到平台推薦、商品是否持續供應及分潤條件影響。AI 能提升製作效率，但收入需要實際驗證。
Q2：如何判斷 AI 短影音是否值得持續投入？
先記錄同一計算期間的收入與完整成本，成本包含製作、訂閱、素材、人工審核與其他營運支出，再搭配觀看率、點擊率及成交率分析。先用 100 支影片找出有效的商品與內容模式，並改善工作流，再決定是否擴大產量。
Q3：除了影片本身，還應該建立哪些內容資產？
可以優先累積四種資產：在合法授權範圍內可重用的內容素材庫、整理成 Skill 的製作工作流、記錄商品與內容表現的成效資料庫，以及透過網站、部落格、電子報或社群持續經營的品牌與受眾。它們能讓後續製作與判斷有依據，降低對單一平台的依賴。
