最近幾年，AI引發了大量話題與爭論。去年9月，觸樂發表了第一篇討論AI繪畫的文章。自那時以來，AI技術又取得了更大的發展。不僅僅是繪圖，在文字、配音乃至配樂方面，AI都能夠參與。開源軟件的迭代和許多功能強大的插件的出現，也進一步提高了AI工具的易用性。
同時，爭議的聲音和圍繞AI產生的焦慮從未遠離。前不久曾傳出雷亞遊戲解僱畫師，用AI繪圖完全替代的消息。雷亞很快發聲明否認，而玩家仍然因為遊戲卡面質量下降等原因提出質疑。另一方面，有原畫行業的資深從業者發布了一份問卷調查的結果，其中總結了多個廠商在招聘時對求職者AI技能方面的要求，還調查了不同水平的畫師在使用AI後效率提升的程度。這一問卷主要是為了說明美術從業者現階段依然具有相當大的不可替代性，緩解一部分不斷蔓延的恐慌。
這種混亂的狀況是必然的。當AI的出現和經濟下行乃至整個行業的緊縮疊加在一起，人們很難分辨AI因素究竟在失業浪潮中佔有多大比重，而這項技術又是否和傳言的那樣無所不能。因此，觸樂再次聯繫了遊戲公司中的製作人、視覺負責人，乃至從遊戲行業跳槽到AI團隊的成員，試圖了解目前業內對AI的應用究竟到了哪個階段。
我們最終發現，即使AI的功能看上去已經如此強大，不同廠商和開發者對它的應用依然存在很大差別，並沒有全都融入工作流程——這取決於廠商的規模、遊戲產品的類型，乃至開發者自己對AI技術乃至遊戲開發本身的理解。
■ AI應用的現狀
“怎麼把AI融入工作流程？”一位遊戲開發者的回答出乎意料：“好問題，我們也想知道，所以正準備開會討論。”
某種意義上說，這是相當一部分遊戲廠商的現狀。 AI的浪潮的確已經湧來，但很多人依然在水邊試探。
吉川明靜目前是一家AI團隊的成員，主要為企業提供AI繪圖的服務，以及進行軟件技術上的培訓。這個團隊成立於2023年初，十分看好迅猛發展的AI技術的前景。目前，團隊中的人都有不同的從業背景，吉川明靜是遊戲製作人出身，因而比較多地接觸到遊戲廠商。
在這個過程中，他發現不同廠商內部對AI的普及程度不太一樣。像騰訊、網易這樣的大廠和獨立開發者在對AI技術的應用上非常積極。他們處在光譜兩極，出於完全不同的理由想要盡快把類似的技術投入使用。處在中間的廠商，有相當一部分仍然在摸索期，尋找真正能夠提升效率的辦法。換句話說，就是還沒能把AI技術完全融入工作流。
大廠的例子可以從它們在網上發布的官方案例分享中獲取到。從今年春天開始，網絡上開始零星出現頭部廠商分享的教學文件。其中包括相當詳盡的Stable Diffusion入門手冊，以及部分實際應用案例。
在網易公佈的AIGC工作流程總結中，可以看到目前廠商已經嘗試把AI技術應用到CG業務、賽事業務、虛擬角色等眾多領域。這套流程主要由人來進行最初的需求分析和最後的潤色，中間的尋找參考、通過草稿生成設計方案，乃至局部細化的階段都可以讓AI參與。
從總結中的案例來看，圖像方面，AI繪圖最常被用在圖標、直播特效等通常不會被用戶仔細審視，精度要求也並不特別高的領域，比如游戲中重複的寶箱圖標、勳章圖標等等。其次是在場景設計、服裝設計等應用的前期快速產出多種方案，在初步細化之後給需求方挑選。最後是一些雜項，比如生成寫實風格的虛擬人臉、簡化的Q版形象，乃至統一電競選手的定妝照風格。
在繪圖之外，ChatGPT目前被用來生成用戶問卷大綱，以及對現有的數據文本進行數據分析。
遊戲製作人史官則提供了中型廠商分工種的應用案例。
因為圖生圖技術的進步，以及允許綁定骨骼調整畫面的插件ControlNet的出現，原畫出草稿給AI細化的流程越來越方便。從AI大量的細化結果中挑選有用的進行人工細化，可以把原來10天的工作量縮短到三四天完成。 “其實是把人工從摳細節的大頭里解放出來，重複性的工作和開放性的工作都交給AI。”史官介紹。
程序方面，史官公司的程序員現在基本養成了“有事問GPT”的習慣，把它當做一個高級搜索引擎，哪種算法和做法不清楚就問GPT。這一舉措對效率的提升，隨著GPT3.5進化到GPT4實現了飛躍。哪怕GPT給出的代碼有Bug，還可以丟回去讓它自己修，相當於給程序員配了一個任勞任怨的助手，而且幾乎沒有額外成本。
策劃在劇情中也可能用到GPT，比如給GPT的線程設定一個NPC的性格，然後把想要這個NPC說的台詞丟給GPT，讓它用指定性格說出來。這樣可以避免文案策劃在寫對話時無法體現出足夠的人物性格差異的情況。
一家廠商的視覺負責人鵬哥介紹說，除了繪畫，AIGC在視頻領域的表現也不錯。 AI配音和配樂已經完全可以用於視頻廣告素材。
至於更小型的獨立團隊乃至個人開發者，他們對AI的應用有可能更加激進。一方面，這些團隊可能原本就人員不足，縮減成本也是剛需，是否能用AI，有時候甚至決定了他們可否啟用一項功能。有獨立開發者告訴觸樂，他們曾經用不起原畫，有了AI之後能讓一些圖片呈現出類似大公司的效果。 ChatGPT的進化則讓一些沒有編程經驗的個人有機會開始嘗試開發遊戲。
另外，獨立開發者有可能根據個人興趣去嘗試實驗性的作品，不在意試錯。現在Steam上零星可見圖片、劇本、配音等全部由AI生成的遊戲。它們可能玩程度並不高，甚至不能算正式的作品，但也是應用這類技術的一種方向。
■ 依然存在的阻礙
許多例子都說明AI可用，但和網絡上一些比較誇張的言論和效果相比，要真的提昇實際工作的產出，還取決於許多其他變量。比如傳說中的“降本增效”，實際情況就和想像的不太一樣。
根據鵬哥的反饋，在“增效”方面，比如角色、場景圖的繪製，在有AI的情況下平均提效能達到50%以上，的確有顯著效果。不過，在“降本”方面，公司對成本的節省主要省在外包上，內部的成本其實是明顯增高的，因為需要投入更多人力負責AI使用和探索方面的工作。 “AI現在生成的東西和你描述、想像的還是會有出入，尤其是細節上不可能像人直接設計的那麼好，所以試錯、反復修改的時間會更多一些。”
史官也覺得，ChatGPT等給出的反饋在準確性上還有提升的空間。 “現在還不能給出特別完整和系統性的反饋。如果能手把手地給出能實現某個功能的準確代碼，個人開發者的開發難度會進一步下降。”
“AI的確上手很容易，所以一開始會給你一種很好用的錯覺，很上頭。”鵬哥描述他在工作中使用AI的感受，“但想深入及精準地應用到工作中，還是有較高的門檻。不僅要求美術專業能力，還要有很好的邏輯思維能力。”
這主要指的是，操作者要知道讓AI去生成什麼，一開始的創意和想法才是最重要的。 “說白了，AI能幫你把1到100做得很好，但從0到1還是得看人。”
把AI完整地融入工作流也是需要摸索的。 “打個比方，一張原畫如果是畫師從零開始畫起，會有草稿、線稿、色稿多個階段，中間會有很多圖層。有的公司對這一點是有明文規定的，方便在你前後接手稿件的人順利上手。要修改的話，可以很明確地回到某個中間階段去修改。”吉川明靜說，“再加上很多角色有做Live2D的需求，需要對畫稿進行切分。可是，AI是直接一張單圖層扔給你，在這個基礎上去改其實是非常麻煩的。”
因為涉及到修改，AI對不同水平的畫師效率提升的程度並不相同。在本文開頭提到的調查中，下游和上游的畫師傾向於認為，AI對效率的提升不顯著。因為下游畫師即使看出AI繪圖的問題，因為修改能力不足，效率提升依然不大。上游畫師則認為問題太多，修改效果太差，不如重畫。認為效率提升顯著的以中間層畫師居多。
而從團隊整體的角度看，除了產出本身的效率，提升溝通效率其實也很重要。 “因為以往的話，可能大家頭腦風暴完，有了一個概念，再把這個概念落實到視覺上要花幾週的時間。現在就很快，可能幾個小時你就能拿出一個很接近成品的東西給需求方或者老闆去挑選。”吉川明靜說，“很多人會忽略這樣的溝通成本，其實平時，這樣的溝通佔據了大家非常多的時間。”
而鵬哥認為，不知道如何融入流程的本質原因，是AI讓遊戲廠商的生產方式出現了革新。就像最初PS和數字繪畫出現的時候一樣，人們應該從根本上考慮更換創作方式。
“比如說原來我們去找外包畫圖，外包公司裡有個組，主筆負責設計草圖，助手負責上色，擅長畫臉的畫師專門畫臉，再有專門的人拆件、補全細節，或是綁骨生成Live2D之類的……就是這麼一套流水線的分工。”鵬哥說，“現在有了AI之後，AI’啪’地直接給你出個圖，這套流程可能就倒過來，由人負責摳圖，分層，補全修改細節……”比起一些水準參差的外包機構，AI出圖的質量可能更加穩定。
雖然看起來都是體力活，目前後者耗費的時間比前者更短。 “本來人工找方向、人工細化的話，哪怕一開始就分了層，總共大約需要10天。現在AI找方向1天、AI細化1天、人工用AI半成品分層2天、人工後期細化2天，總共6天，比起原來還是縮短了。”史官計算了一下整體的效率，“而且AI負責幹活的兩天，人在幹別的事，或者乾脆就下班了，丟給顯卡晚上算，互相不影響。”
當然，AI也不是萬能的。幾位受訪者都提到一個典型的例子：目前以獨特美術風格為賣點的產品，AI還是幫不上太大的忙。
原因之一是謹慎。具有一定規模的廠商很少會在商業遊戲中直接使用AI生成的內容，也不會面向玩家和用戶宣傳這一點。 “還是有一部分人很反感這個，可能比例不高，絕對數量卻不算少。”吉川明靜說，“尤其是在二次元遊戲當中，很容易被玩家’炎上’。”畢竟這類游戲的價值往往就在於美術資源，不管是真人畫師“翻車”，還是真的使用了AI，都會面臨質疑。
另一個原因在於可操作性。去年就已經有開發者提出，想在本地訓練適配自身風格的AI。據吉川明靜介紹，這個問題，還有曾被零星提及的AI工具和其他辦公軟件的兼容性問題，在技術上幾乎都得到了解決。如今不僅Photoshop等常用工具已經推出了內置AI插件、ChatGPT接入了搜索引擎，Stable Diffusion這樣的開源軟件已經能允許廠商根據自己的需求對功能進行拆分和特化。理論上講，現在每個廠商都能擁有一套為自己的項目量身定制的AI工具套組，能夠在本地針對自己的產品風格進行訓練。
但這種工具套組也不是人人都能用。鵬哥從中型廠商的視角出發，解釋了AI工具所需要的隱形資源。
“比如Stable Diffision未來的發展方向，應該主要就是靠具備再開發能力的B端公司做定制化的優化調整，培養更有獨特性的模型。可是吧，這個東西需要依托兩個基礎：一個是算力，而算力意味著錢；另一個是數據，你要有大量的本地數據可以餵給AI。”
大公司的數據量一定多於中小公司。 “就好比廣告業，大型的廣告公司（如4A廣告）每年在全球做上百個同類型項目，小型廣告公司（如創意熱店）一年只有幾個案例。雖然這一兩個可能做得特別好，都是精品，這個數據量卻很難支撐對AI的定向訓練。”鵬哥說。缺少定向訓練，AI繪圖就會非常同質化。 “說白了，就是容易訓練出網上流傳的那種最普通最標準的二次元畫風，沒有什麼競爭力。”
所以在鵬哥看來，迅猛發展的AI技術的確把生產力“下放”了，讓用不起原畫的小團隊能擁有像模像樣的美術，讓不會編程的獨立開發者從ChatGPT裡複製出可用的代碼，可是重要的是，大廠仍然擁有引領性的優勢。 “未來要發展AIGC，之前的時代積累下來的基礎數據可能就是財富。”
■ 尋找正確的位置
從這些開發者的反饋來看，AI在開發過程中已經可以發揮相當的效果，但目前還沒有一些人想像中或者吹噓的那麼萬能與強力。
史官覺得，如果團隊中使用AI的效果不好，可能是管理者沒有想好到底讓AI幹什麼。這終究是一個觀念問題。
“有些人希望AI實現從無到有的成品輸出，這目前顯然還做不到。當他們發現AI不能直接給出最滿意的結果，沒有完全替代掉某個人工職能，就覺得AI沒用。”史官說，“這種一步登天的想法是不對的。AI是給開發者用的加速工具，不認清這點用不好AI。”換句話說，AI甚至不能算作一個隱形或智能的員工，而是現有員工的助手，是用來給合適的人提升自身效率的。
鵬哥的想法則是，在像Stable Diffusion這樣允許廠商定制的開源工具普及之後，未來的AI軟件應該會像類似飛書、釘釘的辦公軟件一樣，由大廠或專業的團隊進行配置，由中小廠商去購買使用。吉川明靜所在的團隊，已經開始考慮在長期合作的項目中提供類似的服務。
我們的確站在一個新時代的邊緣，但還遠遠沒有真正踏入其中。把技術用在哪裡、用法激進與否、是否被受眾接納，這些還有很大一部分仍在等待探索和驗證。
歸根結底，當“使用AI”這件事逐漸成為常態，行業中的人都在嘗試找到正確的位置——這既包括AI作為開發工具的位置，也包括自己作為使用者的位置。這將會是一段漫長的摸索期。至於在這段時期最後等待著開發者的是機遇還是更嚴酷的挑戰，可能仍然需要時間來證明。
（應受訪者要求，文中部分人物為化名。）