AI辅助艺术/视频的未来将取决于提示技能，还是仅仅取决于谁负担得起更多令牌？

如今，在AI辅助艺术/视频制作、应用设计等领域，涌现出大量提示工程（prompt engineering），这是一项能将优秀AI与平庸AI区分开来的宝贵技能。但我一直在想，这是否只是一个过渡阶段，而非持久的优势。随着生成引擎在更高提示遵从度、更长上下文、更多迭代、更高分辨率等方面的运行成本越来越高，真正的差异化因素可能不再是谁能写出更好的提示、更理解模型，而是谁有能力消耗更多的令牌。对于预算有限的AI艺术家来说，即便在前几次尝试中就使用了完美的提示，也可能不足以匹敌那些资金雄厚的人——他们可以强制生成数百种变体，将每个想法通过多个引擎运行，放大所有内容，并不断迭代直到得到更好的结果，而不管他们的提示水平如何。如果趋势如此发展，提示技能就变成了锦上添花，而非真正的护城河；专业工作室与独立艺术家之间的差距，可能单纯基于计算成本（compute spend）而非创意或技术能力而扩大。如果AI艺术走上这条路，我们可能会看到一种分化：独立艺术家擅长在受限的工具和资源下工作，而工作室和资金充足的创作者则可以通过砸钱来解决质量问题，直到品质差异显现。这其中存在着道德张力。AI工具本应降低准入门槛，让没有正规训练或大预算的人也能做出以前做不到的作品。在很多方面它们确实做到了。但如果质量的上限最终取决于谁能负担更多令牌和计算资源，那么技术技能和训练这一道门槛，就被替换成了另一道纯粹消费能力的门槛。对于一项标榜着让创意民主化的技术而言，这结果显得颇为奇怪。那么，技能的重要性会随时间降低吗？还是工具会足够便宜，以至于这种担忧根本无关紧要？