这是一个未来的世界，天下已经由机器人来操控。机器人想完全占有这个世界，把人类赶尽杀绝，然而却遇到了顽强抵抗的人类精英康纳。于是，终结者机器人T-800（阿诺•施瓦辛格 Arnold Schwarzenegger饰）受命回到1984年，杀害康纳母亲莎拉（琳达•汉密尔顿 Linda Hamilton 饰），目的是灭掉康纳的出生。 康纳得知后，火速派战士雷斯（迈克尔•比恩 Michael Biehn 饰）前往救援。雷斯来到1984年的洛杉矶，及时搭救了被机器人追杀的莎拉——她当时还是一个大学生。然而，人们把雷斯当成疯子，不相信未来机器人统治世界。 直到莎拉又一次遭到机器人追击，她才相信了这一切。奔走中她和雷斯相爱，怀上了未来的康纳，而雷斯也陷入和机器人的苦斗当中。人类世界能否从因为这场斗争改变原来的噩运？
作为师徒情谊的剧情片勉强凑合能看，但作为北野武的传记片则完全失真，在片中你看不到小武这个角色身上任何的复杂性，也不会觉得他和银幕外的那位鬼才大叔是同一个人，此外叙事重点的摇摆，流于表面且投机的时代唏嘘和无节制的煽情也进一步拉低了整体的水准，所以这片再次告诉我们，很多时候拍传记片不如拍纪录片！
七分半。一个简单的故事，却讲的娓娓道来且细腻。老谋子，可以。喜欢班长！个性十足。
很有共鸣感触，对引路人要有感恩之心，徒弟获奖后敲开师父的家门，看着师父的落魄师娘的遗像，那一刻泪流满面。有过不堪的低谷才能驾驭高光的低调
人生到了这个阶段，连独自去电影院都感觉有罪恶感，已经无法尽情与坦然了。但这部电影没选错，聚焦式的视角，比起长津湖这类恢弘的空洞电影要温情多了，细节的冷静与双方士兵的牺牲都很真实让人动容，几乎都要给五星了！可惜，还是跳脱不了国产电影的窠臼，结尾非常落俗套，真无奈。
北野武 克制 不煽情 但还是有感动到 笑点泪点都有 老年的北野武 化妆太过了
张导永远不让人失望，这是一部由小见大的讲述抗美援朝作品，讲述中国人的作品，九十几分钟里，我感到自己已经深深认识了五班的每一个战士，五班永远在，我们都是五班
能够有势均力敌的对手就是战争片的胜利了，不必把对手当傻子，实力均衡的较量之下胜利才更加值得被歌颂。影片的故事发生地点建置在一个极小的场景内，线索简单确定不缺少反转矛盾冲突。在国家政策导向明确的今天，我们同样期待优秀的献礼作品。
二刷，之前的想法发生了很大改变，我想找一个闲暇的下午再好好品一品。
国师坐镇 品质保证 转场的运镜很喜欢 一个普通无名的的战役拍得很感人 最后散场时很多人都没走
故事时间近乎等于话语时间，也就有了放弃宏大叙事雕琢片段的感觉。前半个小时迅速带入情绪，“中门对狙”淋漓尽致，因为是话语时间也就很难迅速营造情绪，只能用阳光和配乐营造悲壮。剧作的巧妙在于亮亮的设计，当最后二十分钟只剩对狙的时刻，又陷入意识形态的领域，我们已经熟知的历史再一次被精湛的枪法印证了合法性，这是电影视觉的快感和最大魅力。
影帝模仿到位了。成名后回访师匠的那段戏挺好。丨所有歌舞段落直白偏冗长，为何不设计进行信息传达。丨被人笑和逗人笑是有本质区别的，大抵在有没有尊严上。丨鲸
不热爱，你永远不知道自己有多努力。柳乐优弥演技太赞了，真的神似北野武，微表情都很相似。大泉洋让人泪目，是艺术家骨子里的傲气啊
2星成片质量+1星致敬先烈，前调起得还行，剧情线该展开的时候，没有深挖或多角度描写，只是简略地单线叙述，导致了正反派各个人物显得很单薄。最重要的是，新兵用一杆机瞄步枪杀穿美军加一辆坦克这段没拍好，可能史实如此，但导演整得就像挂哥开透视与加速一样...
也许浅草的小子有两个，一个是走不出去的师傅，一个是回不来的徒弟。
谐星不要扮丑被人笑，要靠表演逗人笑，
张艺谋和陈凯歌拍的片为什么相差甚大呢，狙击手只是作用了一个小场地却拍的让人看的热血沸腾，陈凯歌你永远学不会
短小彪悍，以小见大，仅仅是一个极其简单的故事就回答了“我们为什么能够胜利而他们为什么就会失败”这个宏大而困难的问题。演员群像做得极其优秀， 每一个个体是如此的鲜活牢牢地抓住了观众的内心。通过亮亮推动故事发展，使用瞄准镜镜头烘托紧张气氛，利用正反打来赋予故事情绪再加上两军势均力敌的较量，战争的张力蓬勃而出，对决的紧张感跃然纸上，真的是尽显大师风范。但是，在快节奏的对决之中过分运用的子弹时间，在烘托气氛的歌唱情节中用背景音乐定调性的难免会让人觉得有点多余刻意和突兀，在这冰天雪地之中缺少了些许的诗意和浪漫......
张艺谋又突破了自己一次，厉害的，韩红的片尾曲也唱的很好
张艺谋最好的电影，远远超过《悬崖之上》，我个人觉得比《长津湖》还好看，有点地方还挺挺搞笑的，确实比老谋子的其它商业片好看！！！大力推荐！！！章鱼表现挺好，很出彩！！！
虽然场景简单，但抵不住它好看，很精彩，革命先烈用生命换来了现在的和平，最后喊到的时候有点小感动
Copyright © 2015-2023 All Rights Reserved
