打开After Effects，制作新建一个合成，粒扩图层里敲下“PARTICLE”几个字。散效给文字层加上“Shatter”效果，制作把碎片形状设成“Glass”，粒扩然后调整扩散半径和重力参数。散效按下空格键，制作文字瞬间炸成几百片碎玻璃，粒扩向四周飞散。散效这就是制作最原始的粒子扩散——靠特效插件硬算出来的。

但今天我要聊的粒扩是用AI做这件事。不是散效让AI帮你写表达式，而是制作让模型直接生成粒子运动的轨迹数据。听起来有点绕？粒扩换个说法：以前你得手动调每个粒子的速度、方向、散效生命周期，现在可以训练一个神经网络，让它学会“什么样的文字该炸成什么样的粒子”。

从手调参数到数据驱动

我去年试过一个开源项目，叫“Neural Particle”。作者用PyTorch搭了个小型的MLP，输入是文字图像的像素值，输出是每个粒子的初始位置和速度向量。训练数据怎么来的？他写了个脚本，随机生成文字，用Houdini模拟粒子扩散，把模拟结果当标签。跑了大概八小时，模型就能根据输入的文字形状，预测出还算合理的扩散方向。

效果谈不上完美。边缘的粒子有时候会往奇怪的角度飞，像喝醉了酒。但有意思的是，它学会了一些隐含的物理规律——比如笔画密集的区域，粒子扩散速度会自然减慢，因为“碰撞”概率更高。这个规律没人教它，是数据里自己冒出来的。

另一个方向更实用：用扩散模型生成粒子贴图。Stable Diffusion刚火那阵，有人拿它生成烟雾、火花、光斑的序列帧。你给一句提示词“金色粒子从中心向外爆裂，背景纯黑”，它吐出一张图。连续生成几十张，稍微做一下插值，就能得到一段粒子动画。省掉了找素材、抠图、调混合模式的麻烦。

代码层面的小把戏

如果你不想碰深度学习框架，也有轻量级的玩法。Three.js里有个“GPUComputationRenderer”，可以把粒子的位置计算放到着色器里跑。再配合一个简单的噪声函数——比如Simplex Noise——就能做出类似AI生成的有机扩散效果。代码不长，核心就几十行：

const noise = new SimplexNoise(); // 在顶点着色器里 vec3 offset = vec3( noise.noise3D(position * 0.1 + time), noise.noise3D(position * 0.1 + time + 100.0), noise.noise3D(position * 0.1 + time + 200.0) ); position += offset * spreadFactor;

这算不上真正的AI，但效果很像。粒子会像有生命一样，沿着看不见的流场扩散，而不是直线飞出去。我拿这个做过一个音乐可视化，粒子跟着鼓点炸开，又慢慢聚拢，观众以为是AI算的，其实只是个噪声函数。

一个具体的案例

上个月帮朋友做展览开幕视频。主题是“记忆碎片”。要求文字“MEMORY”散开成粒子，再重新组合成“ECHO”。传统做法得手动K帧，至少折腾两天。我换了个思路：用Runway的Gen-2生成了一段粒子扩散的视频，导出序列帧，然后在AE里用“Time Remap”反向播放，就得到了聚拢效果。前后不到三小时。

质量当然有损失。Gen-2生成的粒子边缘有点糊，像隔着一层毛玻璃。但开幕视频投在纱幕上，那种朦胧感反而成了加分项。朋友很满意，问我用了什么高级插件。我说AI。他愣了一下，然后说：“哦，就是那个会画画的。”

对，就是那个会画画的。它不知道什么是粒子，什么是扩散，但它见过足够多的例子，能模仿出差不多的样子。这大概就是当前AI做特效的现状——不精确，但够用。而且快。

如果你也想试试，建议从Runway或Pika开始，别一上来就搞神经网络。生成几段粒子视频，扔进剪辑软件里叠个“Screen”模式，调调不透明度。效果可能比你想的好。至于那些飞歪的粒子？手动擦掉几个就行。AI负责扩散，你负责收尾。