隨著生成式 AI 工具門檻越來越低，
「AI 短影音」一度被包裝成一條通往財富自由的捷徑。
但如果你最近有在關注 YouTube 的動向，
其實會發現一個很明確的訊號正在浮現——
YouTube 已經開始清理 AI 垃圾內容。
YouTube 為什麼開始清場 AI 短影音？
2025 年底，YouTube 永久封禁了兩個大量使用 AI 製作
「虛假電影預告片」的頻道：
- Screen Culture
- KH Studio
兩個頻道合計超過 200 萬訂閱、累積觀看破 10 億次。
這件事只代表一件事：
👉 YouTube 不會再放任低品質、欺騙型 AI 內容長期薅廣告紅利。
AI 短影音 現在還能賺錢嗎？
在這個背景下，我開始思考一個問題：
如果 AI 垃圾內容正在被清場，
那「活下來的 Shorts」，到底在做什麼？
這篇文章，並不是我的實測成果，
而是我在研究 國外 YouTuber Kellan Henneberry 的影片後，
整理出的學習筆記與內容拆解觀察。
它不是成功學，而是一套已被市場驗證的內容工程邏輯。
不是運氣，而是「演算法工程」
Kellan 在影片中分享了一個案例：
一個 Shorts 頻道，
曾經每天只賺 0.01 美元，
卻在 四個月內累積超過 14,000 美元收益。
他的結論非常直接：
這不是靈感、不是天賦，
而是→ Algorithmic Engineering（演算法工程）。
在注意力經濟中，成功的本質是一種
資料套利（Data Arbitrage）：
你不是賭哪一支會爆，
而是用系統，找出已經被市場驗證的「異常值」。
為什麼「評論型 Shorts」是關鍵利基？
他操作的核心利基叫做：
Commentary Niche（評論型內容）
這類 Shorts 的流程不是從零創作，而是：
- 從 TikTok、Instagram 找到已自然爆紅的影片
- 重新剪輯
- 加入「觀點型旁白」
- 把素材轉化成新的原創內容資產
前提只有一個：
👉 內容已經通過市場測試。
而這類 Shorts 的 RPM，
通常落在 0.28～0.38 美元，
比單純剪輯內容穩定得多。
他怎麼用數據選內容，而不是憑感覺？
這一段，我認為非常值得行銷人參考。
他只找一種東西：
👉 Outlier Videos（異常值影片）
① VidIQ 異常值判斷
找出「表現是頻道平均 4～5 倍以上」的影片。
② 反向圖片搜尋，確保原創性
- 擷取乾淨畫面
- 用 Google 反向圖片搜尋
- 找到最原始未剪輯素材
這一步，完全是為了 頻道安全與變現穩定度。
AI 的角色不是偷懶，而是「重製結構」
在他的流程中，AI 只做三件事：
1️⃣ 重寫腳本（不是照抄）
保留邏輯，換掉表達方式
2️⃣ 強化留存率訊號
字幕描邊、動態箭頭、音效
這些都是演算法訊號，不是裝飾
3️⃣ 聲音一定要像真人
通用 AI 聲音，長期存在變現風險
更好的做法是複製自己的聲音
為什麼 Shorts 常卡在 2～3 萬？
YouTube 在前期只看兩個數字：
- 前 4 秒滑走率
- 平均觀看時長（AVD）
撐不過冷受眾，
影片就會直接停在 2～3 萬。
所以他的策略只有一句話：
👉 第一秒，就要阻止滑走。
我的判斷：2025 之後，誰會被留下來？
這不是一篇「我靠 AI 賺多少錢」的文章，
而是我在研究後，對 YouTube 趨勢 的判斷筆記。
結論只有一句：
未來能活下來的，不是 AI 內容製造者，而是內容工程師。
當你開始用 AI：
- 找異常值
- 重製結構
- 管控風險
- 尊重平台規則
你才有可能長期留在牌桌上。
工具越來越多，
紅利正在收緊。
接下來拼的，只剩一件事：
你是不是站在對的那一側？
我是布朗