游戏美术是生成式 AI 最先真正改变生产流程的领域之一 —— 不是因为它替代了美术师,而是因为它把「从零到可用」的成本降到了一个新量级,让小团队与大团队之间的产能差距被显著压缩。

一、1990-2000 年代:程序化生成作为设计工具
1990 年代的程序化生成主要用于纹理与地形:噪声函数生成的贴图替代了手工绘制,牺牲了独特性换取效率。同一时期出现了《No One Lives Forever》式的程序化关卡生成尝试,但真正被广泛接受的是用于掩盖重复的随机装饰。这一阶段的定位很清晰:程序化生成负责的是「填满空间」,而不是「设计内容」。美术师对它的态度从抵触逐渐转向接受,因为它确实把最枯燥的重复劳动交了出去。1990 年代的程序化纹理生成依赖噪声函数与分层混合,其产物在细节丰富度上无法与手绘相比,因此长期只用于背景填充。
同一时期也存在重要的反面教训:完全程序化的游戏往往因缺乏变化而显得平庸,玩家能察觉重复。这一阶段美术工具的迭代速度本身就是竞争力,技术工具链的差异直接体现在最终画面质量上。一个被行业接受的原则是:程序化负责铺满,人负责关键资产,这个分工一直延续到今天。
二、2010-2015:深度学习进入资产生产
2010 年代中期,风格迁移技术被用于美术资产的风格统一,把草图或低模转为目标风格的贴图。2014 年后出现的神经风格与超分辨率技术,使低分辨率素材能直接产出可用的高质量贴图。同期生成的贴图库被用于检索式素材创作,美术师从「逐张绘制」转向「检索、筛选与局部修改」。这一阶段的主要问题是对风格模型的训练数据来源缺乏共识,而这在 2020 年后成为法律与伦理问题的核心。2012 年前后,风格迁移网络被用于把照片转成特定画风,美术师开始用它做概念探索。
2014 年后的超分辨率技术使低分辨率素材能直接产出可用的高质量贴图,降低了外包需求。同一时期生成的贴图库被用于检索式创作,美术师从逐张绘制转向检索、筛选与局部修改。这一阶段的主要遗留问题是训练数据来源的版权争议,而这在 2020 年后成为法律问题的核心。
三、2016-2022:生成式模型与概念美术
2018 年后,生成对抗网络被用于生成角色概念图,美术师开始在草图阶段就借助模型探索方向。2020 年前后,扩散模型的引入大幅提升了生成质量与可控性,通过文本描述调整画面成为可能。同期 3D 资产生成取得进展:模型能生成可直接进入引擎的网格与贴图,不再只是概念图。工作流的变化是这一时期最值得记录的部分:美术师的角色从绘制转向定义约束、筛选结果与统一风格。2020 年前后扩散模型的引入大幅提升生成质量与可控性,文本提示成为新的创作界面。
同期 3D 资产生成取得进展,模型能产出可直接进入引擎的网格与贴图,而不再只是概念图。这一阶段工作流的变化最值得记录:美术师的角色从执行绘制转向定义约束、筛选结果与统一风格。这一时期也出现了混合工作流:美术师用模型生成多个方向的草图,再手工重绘其中被选中的部分。
四、2023-2025:资产量产与新争议
2023 年后,引擎侧开始提供按需生成资产的能力,游戏运行中可即时产出玩家可见的内容。同期一个实际发生的产业变化是「小团队的产能追平中型团队」:原本因美术产能受限而无法立项的项目变得可行。争议随之集中:开发者在商店页面披露 AI 使用情况的监管要求,以及玩家社区对生成内容的态度分化。到 2025 年的行业形态是混合模式 —— 生成负责数量,人负责风格与叙事,二者的分工边界在不同团队差异很大。
2023 年后,实时资产生成进入商用引擎,游戏运行中可按需生成玩家可见内容。2024 年前后,一个实际发生的产业变化是小团队产能追平中型团队,因美术产能受限而无法立项的项目变得可行。同期争议集中在商店页面的 AI 使用披露要求,以及玩家社区对生成内容的态度分化。2025 年的行业形态是混合模式:生成负责数量,人负责风格与叙事,边界在不同团队差异很大。
资料来源
- 各游戏引擎厂商关于程序化生成与生成式资产的官方文档
- GDC 年度技术分享中关于生成式 AI 工作流的公开演讲
- 各发行平台关于 AI 生成内容披露的政策公告 2023-2025
- 游戏美术行业关于生成式工具使用的调查报告