1. 这场争论到底在吵什么打开任何一个游戏美术群最近半年聊得最多的话题里肯定有AI作画。有人甩出一张图说“这是AI跑的三分钟”底下立刻分成两拨人一拨喊“完了要失业了”另一拨说“你让AI画个三视图试试”。我自己在游戏行业做了快八年美术从原画到UI到宣发图都碰过去年开始也断断续续在项目里试AI工具所以这个话题我特别有感触。先把结论摆出来AI作画没有杀死游戏美术但它正在杀死“只会画图”的那部分工作方式。这个区别非常大。如果你把游戏美术理解成“把东西画好看”那AI确实已经能替代相当一部分执行层面的活儿但如果你把游戏美术理解成“用视觉手段解决游戏设计问题”那AI目前还差得远而且差的那个部分恰恰是最值钱的。这篇文章我想聊的不是“AI好不好”这种站队问题而是从一个一线从业者的角度把这件事拆开来看AI到底吃掉了哪些环节哪些环节它碰不了正在被改变的工作流长什么样以及如果你现在还在这个行业里应该怎么调整自己的位置。不管你是刚入行的新人、做了几年的中级美术还是带团队的主美都能从里面找到对自己有用的东西。2. AI在游戏美术管线里到底能干什么2.1 先搞清楚游戏美术的工作分层很多人讨论AI替代美术的时候把“游戏美术”当成一个整体来说这本身就不准确。游戏美术是一条很长的管线从最前期的概念探索到最终进引擎中间至少有七八个环节每个环节对能力的要求完全不同。大致可以分成这么几层概念设计层世界观视觉定调、角色概念、场景概念、道具概念。这一层要求的是设计能力和视觉叙事能力画功只是表达工具。原画制作层把概念细化成可以给3D组用的三视图、材质说明、比例参考。这一层要求结构准确、透视严谨、信息完整。2D资产层UI图标、技能图标、道具图标、卡牌插画、加载图、宣传图。这一层量大、风格统一要求高、迭代频繁。3D相关层建模、贴图、材质、绑定、动画。这一层目前AI介入相对少但贴图和材质生成已经在试了。引擎与效果层特效、Shader、光照、后处理。这一层技术属性更强AI目前基本没怎么碰。AI作画冲击最大的是哪几层我自己的观察是2D资产层受冲击最直接概念设计层次之原画制作层反而相对安全3D和引擎层目前影响最小。为什么因为2D资产层的核心诉求是“在既定风格下快速产出大量合格画面”这恰好是AI最擅长的事情。而原画制作层要求的是“精确的结构和可复现的规范”AI目前在这方面反而容易翻车。2.2 AI真正擅长的三件事我在项目里实际用下来AI在游戏美术流程中最有价值的三个能力是第一风格探索阶段的快速铺量。以前做一个新项目的视觉预研概念设计师可能要花一两周出十几张草图现在用AI一个下午能跑出上百张方向图。虽然大部分是废的但里面总有两三张能提供意想不到的灵感。这个价值不在于“成品”而在于“打开思路的速度”。第二2D图标和物件的批量产出。比如一个卡牌游戏需要两百个道具图标风格统一、构图简单、不需要复杂叙事。这种活儿以前是外包的重灾区现在用AI加后期修图效率能提升三到五倍。我实测过一个批次原本外包要两周的量用AI辅助三天就交稿了。第三宣传图和运营图的快速迭代。游戏上线后运营活动频繁今天要一个春节banner明天要一个版本更新图。这种图对创意要求不高但对出图速度要求极高。AI在这个场景下几乎是降维打击。2.3 AI目前干不了的三件事但反过来有三件事我试了很多次AI就是做不好第一严格的三视图和结构规范。你让AI画一个角色的正面、侧面、背面它给你的三张图大概率对不上。盔甲的接缝位置、武器的长度比例、发型的走向每张图都在自由发挥。而原画制作层的核心要求就是“三视图必须严丝合缝”这一条AI目前过不了。第二需要精确叙事的设计。比如一个角色的服装上要体现他的身份、阵营、经历左肩的徽章代表什么腰间的挂饰有什么故事。AI能画出好看的衣服但它不理解“为什么这件衣服要长这样”。设计意图这个东西目前还得人来定。第三风格统一的长线项目。一个项目做三年期间要出几千张图风格必须高度统一。AI每次生成都有随机性你今天跑出来的风格和三个月后跑出来的很难完全一致。虽然现在有LoRA、ControlNet这些控制手段但要达到商业项目要求的稳定性还是需要大量人工干预。3. 被改变的工作流长什么样3.1 从“画图”到“选图加修图”我以前的工作流是接需求、找参考、画草图、给主美看、改、细化、上色、完稿。现在用AI之后流程变成了接需求、写提示词、批量生成、筛选、局部重绘、后期修图、完稿。看起来步骤差不多但每个步骤的耗时分布完全变了。以前80%的时间在“画”现在80%的时间在“选”和“修”。这个变化意味着什么意味着审美判断力和修图能力变得比从零起稿的能力更重要了。我举个具体的例子。上个月做一个科幻题材的UI图标需要二十个不同功能的技能图标。以前的做法是一个一个画每个大概四十分钟到一个小时。现在的做法是先写一组提示词跑出两百张候选然后花两个小时筛选出三十张有潜力的再花三个小时用Photoshop修图统一风格、调整细节、去掉AI的典型瑕疵。总耗时从二十多个小时压缩到了五六个小时。但注意这五六个小时里核心能力是什么是知道什么样的图能用、知道怎么修能把AI图修到商业标准。如果你没有足够的审美积累和修图功底给你两百张AI图你也选不出来、修不好。3.2 提示词工程是不是伪命题市面上现在有很多“AI绘画提示词教程”教你写几百个tag。我自己的经验是提示词有用但没你想的那么有用。为什么因为游戏美术的需求往往非常具体而提示词能表达的精度是有限的。你可以写“一个穿着红色盔甲的女战士手持长剑背景是废墟”但你没办用提示词精确描述“盔甲的肩甲要三层叠甲、每层边缘有金色包边、胸口有一个火焰纹章、纹章的风格要偏拜占庭”。所以我的做法是提示词只用来定大方向细节靠ControlNet和后期修图来控制。比如我需要一个特定姿势的角色我会先用简单的提示词跑出几十张姿态差不多的图然后选一张用ControlNet提取骨架再结合提示词重新生成。这样出来的图姿态可控风格也可控。提示不要迷信提示词模板。真正有用的提示词是你自己项目积累出来的针对你项目的风格、题材、需求慢慢调出来的。别人的模板拿过来大概率跑出来的东西跟你想要的差很远。3.3 一个真实的项目案例去年年底我参与了一个二次元卡牌项目的前期预研。项目要求是两周内出一套完整的世界观视觉方案包括八个角色的概念图、五个场景概念图、以及一套UI风格参考。传统做法两个概念设计师两周时间大概能出三到四个角色的精细概念场景和UI可能只能出草图。我们的做法一个概念设计师加我我负责AI流程两周时间出了八个角色的概念图每个角色三到五个方案、五个场景概念图每个场景两到三个方案、以及三套UI风格参考。质量上角色概念图达到了“可以给主美看并讨论”的水平场景和UI达到了“可以定方向”的水平。具体流程是这样的第一天的上午主美给出关键词和参考图我们整理成一份视觉需求文档。第一天下午到第二天用AI批量生成探索图大概跑了两千多张筛选出两百张有潜力的。第三天到第五天对筛选出的图进行精修主要是统一风格、修正结构问题、补充设计细节。第六天到第八天基于精修图做变体每个角色出三到五个方案。第九天到第十天整理成提案文档加上设计说明。剩下的时间用来做场景和UI的探索。这个案例说明什么说明AI不是替代了概念设计师而是把概念设计师从执行工作中解放出来让他们把更多精力放在设计判断和方案整理上。那个概念设计师在这两周里做的最多的事情不是画画而是判断哪些AI图有潜力、哪些设计方向值得深入、怎么把零散的AI图整合成一个完整的世界观。4. 不同岗位受到的实际影响4.1 原画师最焦虑但未必最危险原画师是这波AI讨论里最焦虑的群体因为AI最直接冲击的就是“画图”这件事。但我自己的判断是原画师不是最危险的最危险的是只会画一种风格、只会画一种题材、只会执行不会设计的原画师。为什么因为商业项目对原画的需求从来不只是“画得好看”。一个合格的原画师需要理解策划的设计意图、需要跟3D组对接结构、需要控制风格统一、需要在限定时间内交出符合规范的图。这些能力AI目前替代不了。但如果你过去五年的工作就是“接需求、找参考、画出来”从来不参与设计讨论、不理解为啥要这么画、不关心下游怎么用那确实危险。因为这部分工作AI已经能做得七七八八了。我认识的一个原画师去年开始主动学AI工具现在他的工作模式是用AI跑草图自己精修同时帮团队搭建AI工作流。他的产出效率比以前高了两倍而且因为懂AI团队里关于AI的决策都要问他。他的位置反而比以前更稳了。4.2 3D美术暂时安全但不能掉以轻心3D美术目前受AI影响相对小因为3D制作的核心是“在三维空间里构建可交互的资产”这比2D生成复杂得多。虽然现在有AI生成3D模型的工具但生成的东西拓扑结构乱七八糟根本没法直接用。但有两件事3D美术需要关注第一AI贴图和材质生成已经在试了。以前做一个场景的贴图要花好几天现在用AI生成基础材质再手动调整效率能提升不少。这意味着3D美术可能需要掌握AI辅助贴图的工作流。第二AI生成的概念图会改变3D美术的输入。以前原画给的三视图是精确的3D照着做就行。现在如果原画给的是AI生成的图结构可能有问题3D美术需要有能力判断和修正。这对3D美术的空间理解能力要求反而更高了。4.3 主美和艺术总监决策方式在变对主美和艺术总监来说AI带来的最大变化是决策依据变了。以前定风格靠的是概念设计师出的几张图现在可以快速跑出几十个方向决策的样本量大了很多。但这也带来了新的问题选择太多反而容易迷失。我见过一个项目主美让团队用AI跑了两百多张风格探索图结果看花了眼反而定不下来方向。后来还是回到传统方法先让概念设计师手绘几张再用AI做变体才把方向定下来。所以对管理者来说AI不是让你少做决策而是让你用不同的方式做决策。你需要知道什么时候该用AI铺量、什么时候该收回来做深度探索。5. 实操怎么把AI接进现有工作流5.1 工具选型的基本思路市面上的AI绘画工具很多我不具体推荐某一个但可以分享我的选型思路本地部署还是云端服务本地部署的好处是数据安全、可定制性强坏处是硬件成本高、维护麻烦。云端服务的好处是开箱即用、更新快坏处是数据不在自己手里、大项目用起来成本不低。我的建议是小团队和个人用云端中大团队考虑本地部署。通用模型还是定制模型通用模型什么都能画但什么都不精。定制模型比如用自己项目素材训练的LoRA在特定风格上效果好得多但需要投入时间训练和调优。我的经验是项目前期用通用模型探索中期开始训练定制模型。纯生成还是生成加控制纯生成适合探索阶段生成加控制ControlNet、IP-Adapter等适合制作阶段。如果你要把AI图用到商业项目里控制工具是必须掌握的。5.2 一个可复现的AI辅助出图流程下面是我在实际项目中总结的一套流程以角色概念图为例第一步需求拆解。把策划的需求拆成视觉关键词。比如“一个来自沙漠的刺客女性轻甲双匕首神秘感”。拆成关键词就是沙漠、刺客、女性、轻甲、双匕首、神秘。第二步参考收集。找十到二十张参考图包括真实照片、其他游戏的图、电影截图等。参考图的作用不是让AI模仿而是帮你明确自己想要什么。第三步提示词编写。把关键词和参考图转化成提示词。我的习惯是分三部分写主体描述、风格描述、质量描述。主体描述要具体风格描述要明确质量描述可以加一些通用的提升词。第四步批量生成。一次跑五十到一百张不要一张一张跑。批量生成的好处是你能快速看到各种可能性坏处是筛选工作量大。我的经验是一百张里大概有五到十张有潜力一到两张能用。第五步筛选和标记。把有潜力的图挑出来标记每张图的问题和优点。比如“这张姿势好但服装不对”“这张服装对但脸崩了”。第六步局部重绘和修图。针对标记的问题用局部重绘功能修改或者导入Photoshop手动修。这一步是最耗时的也是最考验功底的。第七步风格统一。把修好的图放在一起看调整色调、光影、细节密度让它们看起来像一套的。第八步输出和归档。把最终图导出同时把提示词、参数、修改记录一起归档。这一步很重要因为后续要做变体或者类似风格的图时可以直接复用。5.3 参数设置的经验值以下参数是我在Stable Diffusion类工具里常用的经验值供参考参数探索阶段制作阶段说明采样步数20-3030-50步数越高细节越多但边际效益递减提示词引导系数7-99-12越高越贴近提示词但过高会失真随机种子随机固定制作阶段固定种子便于微调分辨率512x768768x1152高分辨率需要配合放大算法批量数量50-10010-20探索阶段多跑制作阶段精选注意这些参数不是绝对的不同模型、不同风格的最佳参数都不一样。我的建议是先用小批量测试找到适合当前任务的参数后再批量跑。6. 常见问题与避坑指南6.1 AI图的手部问题怎么解决手部畸形是AI作画最出名的问题。我的解决思路分三步第一步生成时尽量避开复杂手部动作。如果角色不需要做复杂手势就让手自然下垂或者握着东西这样出问题的概率低很多。第二步用局部重绘修手。把畸形的手部框出来用局部重绘功能重新生成。提示词里加上“perfect hands”“five fingers”之类的描述。第三步实在修不好就手动画。不要跟AI死磕有时候手动画一只手比反复重绘快得多。我自己的经验是如果重绘三次还不行直接手动画。6.2 风格不统一怎么办风格不统一是AI辅助制作中最常见的问题。我的解决方案是训练项目专属LoRA。用项目已有的美术素材训练一个LoRA之后所有生成都基于这个LoRA风格一致性会好很多。固定提示词模板。把风格相关的提示词固定下来每次生成都带上不要随意改动。统一后期处理。所有图最后都过一遍统一的后期流程比如调色、加噪点、锐化等让它们看起来像一套的。6.3 版权和合规问题怎么处理这是很多团队关心的问题。我的做法是不用明确标注版权保护的图做训练。训练LoRA时只用项目自己的素材或者明确可商用的素材。AI生成的图不直接商用。所有AI图都经过人工修改修改幅度要达到“实质性改动”的程度。保留生成记录。提示词、参数、修改过程都存档以备后续需要证明创作过程。提示不同公司对AI图的使用政策不一样接项目之前一定要问清楚甲方的态度。我见过因为用了AI图被甲方拒收的案例也见过甲方主动要求用AI提效的案例。6.4 常见问题速查表问题可能原因解决方法出图风格飘忽提示词不稳定、种子随机固定提示词模板、固定种子结构错误模型能力不足、提示词不具体用ControlNet控制、增加结构描述细节糊分辨率不够、步数太低提高分辨率、增加步数、用放大算法颜色脏提示词颜色描述冲突减少颜色词、用参考图控制色调生成速度慢硬件不足、参数过高降低批量数量、优化参数7. 游戏美术从业者该怎么调整7.1 把AI当工具而不是对手我见过两种极端态度一种是完全排斥AI觉得用AI就是作弊另一种是完全依赖AI觉得手绘没用了。这两种都走不远。我的态度是AI就是一个工具跟Photoshop、Maya没有本质区别。工具本身没有好坏关键看你怎么用。你用手绘能做出好游戏用AI也能做出好游戏重要的是最终结果。但有一点要注意不要因为AI能出图就放弃基本功的训练。我见过一些新人觉得有了AI就不用练画功了结果连AI图哪里有问题都看不出来。审美判断力是需要长期积累的AI可以帮你出图但没法帮你判断图好不好。7.2 往上游走往深处走如果你现在做的是执行层面的工作我的建议是尽快往上游走。什么叫上游就是离设计决策更近的地方。具体来说不要只接需求要参与需求讨论。理解为什么要做这个设计而不是只关心怎么画。不要只画一张图要理解这张图在整个项目里的位置。它跟其他图的关系是什么下游怎么用。不要只关注画面好不好看要关注设计有没有解决问题。这个角色的视觉特征能不能让玩家一眼记住这个场景的氛围对不对。这些能力AI替代不了而且随着AI承担更多执行工作这些能力会越来越值钱。7.3 建立自己的AI工作流不要等公司来培训你自己先动手。我的建议是选一个工具深入用。不要每个工具都浅尝辄止选一个主流的深入用用熟用透。在自己的项目里试。哪怕是个人练习也试着用AI辅助完成积累实际经验。记录和总结。把每次用的提示词、参数、效果都记下来慢慢形成自己的方法论。跟同行交流。加入一些AI绘画的社群看看别人怎么用但不要盲目跟风。7.4 一个值得关注的趋势最后分享一个我观察到的趋势AI正在让游戏美术的工作重心从“制作”转向“策划和品控”。以前一个美术师80%的时间在制作20%的时间在沟通和修改。现在用AI之后制作时间大幅压缩沟通和品控的时间占比反而上升了。这意味着什么意味着沟通能力、理解能力、判断能力的重要性在上升纯执行能力的重要性在下降。如果你现在的工作80%以上是纯执行那确实需要警惕。但如果你已经在参与设计讨论、做品控、带新人那AI对你来说是助力而不是威胁。我自己的体会是AI不会杀死游戏美术但会杀死“只会画图”的游戏美术。这个行业需要的一直是能解决问题的人而不是能画图的手。AI只是把这个事实变得更明显了。