降本與增效的平衡，以及更加分化的未來。
在過去一年中，觸樂已經(jīng)寫過多篇關(guān)于游戲行業(yè)嘗試應用AI的文章。鑒于AI技術(shù)仍在飛速發(fā)展，總是掌握最新的情況并不是一件容易的事，對于游戲廠商來說也是如此。到目前為止，仍然有很多公司的決策者不知道怎樣引入AI，是否能夠引入AI，而專門分出人力去研究這件事，似乎也并不符合人們對技術(shù)“降本增效”的原始期待。
因此，有一部分業(yè)內(nèi)人士開始專門鉆研AI技術(shù)，并且嘗試作為一個獨立的團隊與游戲廠商展開合作，為他們提供包括建立合理工作流、自主訓練模型、AI輔助概念設計等方面的解決方案。和AI技術(shù)一樣，這種團隊非常新興，人們尚且不夠全面了解他們所能做到的事情。
在游戲行業(yè)工作20余年、作為制作人參與研發(fā)7年的吉川明靜目前是一家AI工作室的負責人。他的團隊主要研究AI美術(shù)方向。和過去的研發(fā)經(jīng)驗結(jié)合，他們對AI美術(shù)融入游戲開發(fā)的工作流程有比較深入的經(jīng)驗和心得，并且有了一些和廠商合作的實際案例。為此，觸樂和他聊了聊，以期更全面地了解AI技術(shù)融入游戲開發(fā)流程的實際狀況與前景。
觸樂：能不能先簡要地介紹一下您這個工作室的人員情況和分工情況？
吉川：我們AI工作室的成員均來自于小紅書上最大的AIGC社群“野神殿”，目前有9名成員。其中3名偏向技術(shù)，6名偏向設計，大家來自天南地北、各行各業(yè)。目前，AIGC是團隊成員共同的興趣和紐帶。
我們現(xiàn)在的主要工作之一，是幫合作方調(diào)教模型。具體一點說，所謂的模型，通常是AI生成圖片所需的基底大模型（又稱Checkpoint），或者能對其產(chǎn)生影響和控制的小模型（例如常見的LoRA和LyCORIS），每個人都可以通過不同方法——一般就是通過提供大量圖片和打標給AI學習，稱為訓練——去調(diào)優(yōu)模型，讓它根據(jù)自己想要的概念去定向生成某一類圖。在這個過程中，單純的訓練往往是不夠的，還要將不同模型進行復雜的融合，就像雜交植物那樣，才能最終獲得我們想要的模型。
如果已經(jīng)有了較為滿意的模型，我們還可以幫合作方根據(jù)實際需求需要和操作人員的水平來設計合理的AI工作流。比如你應該通過哪些步驟使用哪些參數(shù)，用什么形式的提示詞，甚至如何跟傳統(tǒng)的美術(shù)工具去配合，最后得到想要的效果。因為我們掌握的AI工具相對多，也時刻保持著最新知識的迭代，所以能夠幫助游戲公司去做統(tǒng)籌優(yōu)化。
我們還會直接幫合作方做設計，包括服裝、場景和角色?，F(xiàn)在可以做到在傳統(tǒng)設計的基礎(chǔ)上加入AI輔助，快速實現(xiàn)70%以上的最終效果。比如角色設定，在以往的工作流中，不管是在公司內(nèi)部還是跟外部做交流，其實都需要花大量的時間去找資料或是設計草圖，但現(xiàn)在我們可以靠AI的幫助來使得前期溝通和反饋的效率大大提升。而中期迅速且高品質(zhì)的設計成型也會給后期人工調(diào)整省下不少的力氣。
觸樂：您有能透露的幫助游戲廠商訓練AI的具體事例嗎？
吉川：最近3個月，我們工作室跟3家公司合作了5個項目。有的項目做了不久就停止了，有的則在堅持一段時間之后成功了。
我先講一個不那么成功的例子吧，因為這個例子是我個人覺得比較可惜的，而且能夠反映出一些普遍的狀況。
合作一開始，我們定了一個比較高的目標：為游戲訓練一款全能的畫風模型，這樣他們后面的一些人物立繪，甚至整個劇情CG都能用這個畫風模型很快地跑出來。比如說給AI一張線稿或者一張色稿，AI就能輸出一個很接近成品的結(jié)果。
具體一點說，當時我們的目標是根據(jù)簡單線稿，把角色衣服的材質(zhì)以及精細花紋都能用AI跑出來。然而嘗試了多種不同技術(shù)之后，我們發(fā)現(xiàn)，立繪的畫風不難實現(xiàn)，服裝的材質(zhì)也能夠很好地還原，但AI生成的花紋在精細度、結(jié)構(gòu)和邏輯上問題就比較多了。進一步細化線稿能改善這個問題，但這樣對研發(fā)來講可能有些得不償失，因為這就近乎用人力來負擔起最復雜的工作，AI只是負責上色。這不是我們想要的方向。
總之當時訓練并調(diào)整了近1個月，中間遇到形形色色的困難，我們也一一克服。最初我們的目標是能跑出接近成品百分之七八十的圖片，但最終的成果大概也只有百分之五十左右的完成度。這時研發(fā)覺得，實際效果和一開始想的有較大出入，再加上其他一些運營方面的顧慮，他們決定停止繼續(xù)合作。
觸樂：但您覺得那個項目其實是有前景的嗎？
吉川：是的。我之所以覺得這個項目很可惜，是因為當時已經(jīng)看到了曙光。我想多花一點時間，看能不能讓AI學會一些具體的花紋?？上ё詈鬀]有更多時間可以嘗試了。
觸樂：感覺這可能代表一個普遍現(xiàn)象，不光是廠商對在AI上投入成本比較猶豫，很多公司還要考慮項目上線之后會面臨的輿論壓力。
吉川：確實會感覺到，每位公司的負責人對AI技術(shù)的態(tài)度是不一樣的。有的負責人會比較積極地推進這件事，哪怕是遇到一些困難和技術(shù)難題都很有耐心。這樣的話，對接的研發(fā)者同樣也會配合度比較高，往往能夠得到比較好的結(jié)果。
但如果碰到負責人對AI技術(shù)本身認知有差異，或者只是抱著試試看的心態(tài)，并沒有決心去真正落地的話，那從上到下的態(tài)度都會比較糾結(jié)。尤其是一線工作者可能會流露出明顯的抵觸情緒。
有一些人會感覺自己在“給AI打下手”，尤其是現(xiàn)在很多公司會把“降本增效”放在明面上講，一些員工就會覺得，AI這個東西整合好了會不會讓自己失業(yè)。所以在溝通上、反饋上偶爾就會流露出“要不就算了”的情緒。而這種情緒同樣也會自下而上蔓延。
觸樂：您也知道目前游戲行業(yè)的環(huán)境比較艱難，很多人會把更多精力放在生存問題上。在這個前提下，AI真的能起到“救命”的作用嗎？尤其是在“降本增效”方面？
吉川：我認為增效更為重要，而非降本，不應該本末倒置。因為AI工作流的設計與運行并非大家想象的那么容易。
我知道不少從業(yè)者，包括游戲用戶潛意識就覺得AI是個廉價的東西。尤其是一些二次元游戲，主要賣卡面的，用戶會覺得幾千幾百去抽一個好看又強力的角色，必須得是“大觸”手工畫的，如果用了AI，這張圖就會價值大跌。再加上網(wǎng)上現(xiàn)在有很多教程會教人傻瓜式的訓練模型，甚至給一般人使用“一鍵出圖”等功能，就讓人覺得AIGC是個很容易的事情。
但如果實際使用過AI工作流，就會發(fā)現(xiàn)，要做出可用的圖，那些簡單的教程是沒有辦法做到的，不是簡簡單單挑幾個提示詞就能畫出來。商業(yè)化落地需要精準輸出，構(gòu)圖是什么樣，服裝設計要遵循哪些規(guī)則，色調(diào)和光線不能發(fā)生偏差……比如我們訓練一個模型，如何判斷訓練集（素材）的好壞，如何添加關(guān)鍵參數(shù)，目前還是需要專業(yè)的人來做。而哪怕直接把訓練好的模型給初學者用，畫出的成品也無法滿足商業(yè)落地的需要。
觸樂：但這似乎不符合現(xiàn)在大眾對AI的印象。
吉川：是的，包括一些來找我們的公司也存在認知誤區(qū)。有些人以為AI現(xiàn)在已經(jīng)非常簡單，能5分鐘畫完想要的。過來看了之后發(fā)現(xiàn)實際不是那么回事，就退縮了。還有一些人稍微試了一下水，好像就安心了，覺得“AI確實不行”，再問一下價格，覺得“還不如找人畫便宜”。
因為很多人都知道，現(xiàn)在美術(shù)上的成本占游戲開發(fā)的大頭，但大量的一線畫師人工其實是非常低的。而目前AIGC的人才還比較缺乏——有專門研究AI，但對傳統(tǒng)作畫知識不夠了解的；也有很了解傳統(tǒng)作畫知識，但對AI不夠了解的。同時掌握兩者，且具有一定審美的人可謂少之又少——這樣的人才無論如何都不會是廉價的吧？因此，對于那些把“降本”看作一切的人，目前AI確實還無法滿足他們。
觸樂：所以AI并不是一個很好的“降本”方式？
吉川：我覺得比較有遠見的態(tài)度還是把AI當做增效工具，去思考如何利用現(xiàn)有的人力資源配置，在同等的時間下開發(fā)出更多更優(yōu)質(zhì)的內(nèi)容。這件事非常重要，因為現(xiàn)在的游戲?qū)?nèi)容的消耗是很大的。你開發(fā)了很長時間的內(nèi)容，上線之后慢則幾個月，快則幾周、幾天就消耗完了。用AI的話就不需要像以前那樣按部就班地出草稿、色稿、線稿，而是能快速將完成度推到70%，剩下人工修改的工作量相比之下就少得多，那樣的話，同等時間內(nèi)能生產(chǎn)的美術(shù)素材量就可以有比較大的提升。
觸樂：也許您能舉一些成功案例？
吉川：我這邊最成功的案例是和一家成都公司合作的項目。合作已經(jīng)持續(xù)了3個多月，我們不但成功地把角色和場景模型都開發(fā)到了期待值之上，還在根據(jù)新需求和新技術(shù)不斷優(yōu)化和補充新的合作內(nèi)容。
另一個成功范例是一個原創(chuàng)游戲。根據(jù)對方提供的原始素材和目標闡述，我們在不斷嘗試之后，找到了合適的模型組合去實現(xiàn)具體的設計風格。每個深入的階段我們都會去和合作方確認?？梢詮倪@些示例看到我們是怎么樣從一開始確定筆觸、構(gòu)圖風格，一步步地把角色具象化的整個過程。
觸樂：那您覺得目前AI生成圖片的技術(shù)瓶頸在哪里？其中影響最大的是什么？
吉川：我來講講跟模型有關(guān)的難點吧。
首先是能用于訓練集的素材不足。這個問題非常常見。?比如說某個IP的游戲已經(jīng)做到第2代了，那么它對美術(shù)質(zhì)量其實是有迭代要求的。現(xiàn)在出的游戲，畫面效果不可能跟5年前、10年前的水準一樣。所以，哪怕前作積累了很多素材，里面還是有很大一部分無法直接使用，不能進入訓練集，最多只能用來訓練一些基礎(chǔ)的概念。
所以在組建訓練集的時候，肯定需要將現(xiàn)有的素材運用各種手段“變出花來”，還需要跟其他的優(yōu)秀模型進行一些深層融合，以借鑒它們的優(yōu)點。出圖的流程也要相應調(diào)優(yōu)，最后才能做出好的成品來。我們的核心競爭力就在于此，也希望將來能有機會參與更多有著不同需要的研發(fā)項目。
還有一個難點在于，因為AI神經(jīng)網(wǎng)絡本身的復雜性，整個訓練過程其實就像黑箱，誰也不知道它具體是如何學習的。目前大家只在大方向上有共識，但具體的訓練方法，哪些參數(shù)該怎么設置，還沒有全球統(tǒng)一的標準，存在很多不同流派的見解。正因如此，模型訓練也被稱為“煉丹”或“煉金”（笑）。很多東西還是要在實踐中慢慢摸索，根據(jù)輸出效果及時調(diào)整。像我這邊兩位負責技術(shù)的大佬，他們訓練了成百上千個模型，都有自己獨到的一套方法論。
之后我們有計劃去訓練一些能在游戲這個垂直領(lǐng)域使用的定制化大模型，用來探索我們之前沒見過的美術(shù)風格。
觸樂：圖片的畫風對成功率有影響嗎？比如二次元和真人畫風感覺差異就挺大的。
吉川：要求的風格對難度有一些影響。比如現(xiàn)在比較主流的兩種，真人畫風和二次元畫風，二者的訓練參數(shù)稍微有一些區(qū)別，而理論大體是一樣的，只不過用戶對真人的還原度要求會比二次元來得高。舉個例子，有時候真人模型需要針對某個特定人物，但出圖經(jīng)常會不像，或者只有幾分像。因為一般對真人的面部判斷是很苛刻的。二次元相對來說好很多，以初音未來為例，基本上有水青色的雙馬尾，眼睛顏色對上了，大家自然而然就會認出這個角色，對五官的位置、比例之類的要求沒有真人標準那么高。當然現(xiàn)在SD迭代更新的一些技術(shù)（注：SDXL），本身包含的參數(shù)是之前的幾倍，但我還沒有看到在還原度上表現(xiàn)非常穩(wěn)定的真人模型，大部分還是要通過反復的抽卡來獲得偶爾滿意的結(jié)果。
我估計，明年年初AI會再經(jīng)歷一次技術(shù)迭代，到時候再看能不能突破現(xiàn)在真人模型訓練的局限。而二次元的話，現(xiàn)在的技術(shù)可以說已經(jīng)夠用了。
觸樂：除了繪圖之外，AI也逐漸應用到了視頻領(lǐng)域。在這方面有什么值得分享的新成果嗎？
吉川：最近AI動畫（視頻）的發(fā)展也特別快，從今年9月開始，AI圈子里像瘋了一樣地研究動畫。之前不是有人用AI做了一個《流浪地球3》的偽預告片嗎？甚至驚動了郭帆導演，把作者請過去聊了，可謂是徹底出圈。而現(xiàn)在SD派生出來的新插件和節(jié)點也很適合做原創(chuàng)動畫。上半年的時候，想做動畫可能還得用真人視頻來轉(zhuǎn)繪，現(xiàn)在只需要提示詞和視頻參考就能做出相當自然流暢的動畫了。
順便一提，目前做得最好的短片，比如“剪刀石頭布”系列，就是用真人先拍，再轉(zhuǎn)成動畫，那個效果就已經(jīng)很驚艷了。
當然這個領(lǐng)域也沒有到一步登天的程度，想坐在電腦前點幾下鼠標就可以直接做一部動畫片，那不現(xiàn)實。我覺得還需要至少半年左右的發(fā)展，才能用AI技術(shù)直接生成面向最終用戶的完整短片。
當下AI動畫的應用前景已經(jīng)很有想象力。比如很多二次元游戲需要做片頭或者劇情動畫，如果先用AI做一些Demo或者概念片還是很方便的。比起拼接別的動畫進行溝通、或者繪制傳統(tǒng)的靜態(tài)故事板的形式，交流效率高得多。
說個有意思的題外話，我們AI創(chuàng)作者社區(qū)里還有很多其他行業(yè)的從業(yè)者，其中廣告行業(yè)的朋友非常歡迎AI動畫。他們說用了之后提案通過率高得嚇人，客戶往往看了之后“大喜”。以往要溝通很長時間才能談下來的項目，現(xiàn)在一周就可以拿下，關(guān)鍵是動畫的制作時間成本還不高。
觸樂：那廠商能不能自己研究AI呢？我經(jīng)常碰見有負責人說自己指定了團隊里的一兩個人專門研究這個，更激進一點的，會要求全員都學習。
吉川：很多小團隊，尤其獨立開發(fā)者，對嘗試AI的態(tài)度確實非常積極，甚至可以說是激進。因為他們有著迫切的降低成本需求，如果只是在Steam之類的平臺上發(fā)一些實驗性質(zhì)大于商業(yè)性質(zhì)游戲的話，也不會去考慮太多輿論風險。中型公司會相對謹慎一些，他們會更多考慮玩家的反應。但通常來說，中小團隊對AI的學習仍然僅止于應用層面，真正去深入研究怎么訓練模型、甚至做一定程度開發(fā)的還是比較少。
據(jù)我了解，現(xiàn)在只有一些跨領(lǐng)域的大公司能夠組織專門的人甚至部門來研究AI。像騰訊這樣的大廠，本身就有自己的AI Lab，研發(fā)出了不少圖像生成的關(guān)鍵性技術(shù)。但中小公司就很難有這個余力了。一方面是這方面的綜合性人才難覓，另一方面組織學習也很困難，因為市面上沒有成熟的培訓體制，全職員工也往往沒有閑余時間。我們之前也做過培訓課件，發(fā)現(xiàn)很多知識都要自己去分辨、補充、整理。而且知識迭代非常快，一些原有的功能可能短短一兩個月后就有上位替代了。所以每天必須花不少時間在學習最新的知識上。
在這種情況下，讓專業(yè)的人來做專業(yè)的事確實是對中小團隊的一個補充。
觸樂：那之前傳言的“AI會徹底解放生產(chǎn)力，讓每個人都成為開發(fā)者”豈不是不太現(xiàn)實？
吉川：確實，AI創(chuàng)作的門檻在不斷降低，只是還沒有大家想象的那么“傻瓜式”。打個比方，就像是單反相機和手機拍照的效果確實存在差異。比如最近特別火的DALL-E3，它集成在ChatGPT里之后，甚至不需要使用者會英文，直接用中文的自然語言去跟它聊天、描述，就能把圖生成出來。當然畫出來的東西從美學角度來看還是比不過最好的AI繪圖軟件，只是它把使用門檻拉低到了前所未有的程度。相應地，如果要產(chǎn)出質(zhì)量特別好的素材，或者要在游戲開發(fā)過程中深度融入AI的話，還是要系統(tǒng)地學一些高級的生圖和訓練技能；小小的個人需求和務求落地的大型商業(yè)項目，對這方面的需求完全不一樣。
觸樂：聽起來最后會分化成“專業(yè)AI”和“非專業(yè)AI”。
吉川：在我看來，AI創(chuàng)作最終會是一個比較兩極分化的領(lǐng)域。低門檻會越來越低，高門檻會越來越高。我甚至想過去深入學一些傳統(tǒng)藝能，比如Adobe那一系列繪圖和視頻制作的工具……像Adobe這樣的傳統(tǒng)公司其實也在積極擁抱AI。未來的話，一些在傳統(tǒng)美術(shù)方面有實力、在傳統(tǒng)工具方面也很有經(jīng)驗的人，仍能保持遙遙領(lǐng)先。
我覺得，未來AI創(chuàng)作領(lǐng)域很可能會分化為3個方向：一是圍繞AI最新技術(shù)發(fā)展為主的創(chuàng)作蓬勃發(fā)展，二是普羅大眾的低門檻應用，三是傳統(tǒng)的專業(yè)選手利用扎實的基礎(chǔ)，去利用AI提升原本的工作效率和效果。我知道現(xiàn)在圍繞AI還是有很多爭議，但面對新事物和技術(shù)的發(fā)展，一些人心中會有被落下的恐懼，另一些人則把這種變化視為機遇。
而我一直將AI的迅猛發(fā)展看作人生的重大轉(zhuǎn)折和千載難求的機遇，我也希望能夠有機會與更多有著相近觀點和看法的朋友，在游戲的領(lǐng)域一起進行更多、更長期的實際探索。
