如果说，几年前的AI还在让网民纠结生成的图片有几根手指、输出的视频到底有多么恐怖谷式的扭曲，那么这两年随着AI技术的跃进式进化，顶级的图生视频水准已经足以在特定短片段中打造出媲美原片的效果。比如人气作者Foyege弗曳哥的性转马尔福系列便火遍全球，不仅在国内被疯狂传播，海外仅其官方X账号上的浏览量就已超过2300万次，各平台的盗播与二次创作更是数以亿计。
而放在游戏行业里也是如此。
像素图AI开发工具如雨后春笋般涌现，AI生图也开始逐步用于游戏角色资产的积累。除了视觉资产，一度沉寂的民间汉化也随着AI的进步有了复苏的机会，很多经典老游戏的汉化项目再次被玩家捡起；而代码的自动化编程，也早已不再稀奇。那种“AI将要取代一切、万物竞发”的景象犹在眼前。
但当笔者真的体验了一阵子AI视频工作流与生图AI之后，沉迷是非常沉迷，体验却不如预想中那么美妙。光是美术资产积累的巨大试错成本与精力消耗就让我非常头疼。单纯将AI作为一种工具来看待，它的问题非常多。这些问题要形容的话，玩AI就像在修炼小无相功，非常独特。
AI＝小无相功？
在金庸小说《天龙八部》里，反派鸠摩智使用一种叫作小无相功的武功。
这套武功的特点是用一套内功心法就能催动天下任何武功招式，使出的招式外表看起来和原版一模一样，甚至威力更大。鸠摩智以此在少林寺施展七十二绝技，一下子震慑住一众少林高僧。
从上述简单的介绍里，可以看出小无相功的三个特点：
1.模仿；
2.没有与招式自身适配的内功；
3.效果跟真的几乎一样，甚至更强。
这三点其实也是当前模型生成图像视频内容的一个核心。一方面，AI模型只是模仿，而不是真正构建物理规则和视觉逻辑。
AI依靠大量训练调整而来的几十亿到几千亿参数，从中统计出一定规律：它会“推理”出人走路时腿应该怎么向前摆，镜头推进时景别、景深、虚化如何处理，人被打了一巴掌后面部形变会产生什么效果。
但这些都不是基于物理规律、视觉逻辑的变化，而是一种基于大量参数推理而来的对照物，是一种视觉上的相关性处理。比如被人打了那一巴掌，受力的计算不是按照真实物理去算，也不是依靠面部肌肉与手掌肌肉的解剖学去表述这个过程，而是通过参数训练让AI知道“被打一巴掌＋受力反馈＋表情变化”这条逻辑链等于什么效果。
比如打巴掌它是模拟这个过程而不是真的实现现实里打人巴掌的逻辑
这使得AI生成内容如果不对其做出大量限制（文字提示词、参考图、工具与各种skill），它大概率会给你一个基础模板作为反馈，这也是当下很多AI视频与AI图片AI感的来源之一。
于是与小无相功一样，由于AI没有“内功”——没有真3D、物理、光照传播、摄影意图，也没有因果模型——它展示的是一种相关性，一种模仿，而非基于对象的真实逻辑去搭建内容框架。模型只能猜“像不像”，而不是真的能复刻对象，所以3D视频AI输出的也不是真的3D：它主要在2D latent上做时序统计拟合，3D感只是涌现的投影规律，不是内建的场景表示。简单举个例子：你生成一段鬼屋3D场景，大洋房前是密密麻麻的森林遮蔽通道，它能做出足以以假乱真的图片或视频效果；但由于不是真正的3D，一转换视角就会露馅，出现贴图错误、方位错误、体积错误等等。因为它不是在真正建模树林与洋房的空间关系，它们只是被“画”了出来。
所以当前AI平台里，各种一致性的AI应用与工作流最为常见，靠一致性能改善AI可能出现的错误
这种情况在像素风图片与美术资产里同样存在。
AI在生图工具里生成像素风时，多数时候是学习像素风格的美术特征，包括锯齿边缘、8bit/16bit的色彩、块状拼贴等等，而不是真正在像素网格里重构。
因此很多生成的像素图看着与需求非常接近，但实际上有各种预料不到的问题，比如：
•像素图不是严格按照网格对齐，线条边缘会有晕染和弯曲；
•AI要的是整体效果，像素块状细节不稳定，色彩渐变非常常见；
•拿去作为游戏资产输出动画会出现各种不稳定现象，比如动画抖动、扭曲；它也不知道一个图标在游戏里缩到32×32还看不看得清，不知道这张贴图能不能无缝平铺，不知道这个角色背面长什么样；
•失去网格约束之后，AI像素图无法无缝拼接，尤其是场景，做瓦片地图会崩。
AI生成像素图的问题也是AI美术方面网上一个很热闹的议题
所以想用AI彻底替换手搓美术资产，起码当下还有距离与发展空间。更值得注意的是，当下AI对美术与视频资产的这种“模拟思维”——不修内功（真实的物理模拟、空间与光照认知等）——后果与小无相功一样，使它很容易“走火入魔”。
AI的走火入魔
如果要问一个AI小白在初体验AI后对AI工具最大的感知是什么，“巨大的试错成本”估计会是一个高频回答。
某种意义上，AI工具是一种抽卡游戏，随机性非常高。一方面，基于缺乏“内功”的原因，它没有真实的物理引擎、因果模型等真实认知，遇到信息不足、提示词冲突时只能靠猜测来完成生成。另一方面，AI本身是概率模型，输出天然是分布采样，不是确定映射，这使得哪怕同一套提示词，输出内容也会千差万别。
“抽卡”已经是AI短句的圈内专业术语了
这种概率上的问题甚至会导致风格漂移：同一角色不同批次出图，脸型、比例、画风都会漂移，资产集的基础对不上。
AI脸问题也是这种漂移现象的一种
所以当下观众看到的那些精致的AI视频片段，即便创作者再专业，内容也需要一定试错才能达成；对AI新手而言，这个试错成本可能大到惊人的程度。
这时候内容参考就非常重要。
用一张图作为内容参考，就像给AI看了一张地图，给它指明一个方向。AI这个“冒险者”基于其概率模型的本性，并不会真的亦步亦趋地跟着地图走，但起码方向对了，可以慢慢约束它。事实上，当下的美术内容生成，尤其是视频内容，做好图片资产（角色设定图、场景多角度图、道具图、特效图等），让AI参照这些图片资产的构图、色调、风格进行再发挥，确实能一定程度上提高抽卡命中率。
MiniMax开源视频生成模型多图参考图生视频工作流界面
当然，多参考图也有别的风险：参考图之间互相竞争AI的注意力，参考内容互相打架。你给脸、服装、场景、风格四张参考，它没有“分区绑定”，很容易串味——场景元素跑到角色身上，风格把主体吃掉，等等。
在此之外，细节的泡沫化也是AI这套模仿思路下的常见问题。
由于AI要尽可能最大化地将它想还原的视觉内容模仿到最佳，所以它很容易过于注重局部纹理而忽视画面整体性，使成品细节丰富但主次不清：该虚的不虚，该省的不省，或者出现大量涂抹、油腻质感。此前GPT Image的生图这一问题就比较严重，甚至成了该AI的一种风格标签。
GPT Image早期生图风格（图来自互联网）
除此之外，AI的常规性遗忘也是非常高频的问题。AI有注意力机制的问题，遇到长任务时会自动“节省字节”来节省算力，但它多数时候很难分辨哪些应该省略、哪些不应该，于是导致内容出错。比如你要做一个AI漫剧，剧本里写女角色是个傲娇，但这个女角色戏份不重、很久没有登场，在制作团队一整套庞大的脚本提示词里，她的傲娇性格只是其中非常不起眼的标签，角色后续再登场时，这个设定可能已经被AI“优化”掉了。
最后，当下AI在生图、视频生成方面还存在一些功能性缺失。最典型的是文字相关生成，鬼画符化现象（生成看不懂的文字）仍然广泛存在。
当这些问题与游戏行业的工业体系相碰撞，它不确定的抽卡与不稳定的随机性，对美术资产的设计与维护都是很大的麻烦：不稳定性爆发会带来纹理、光影、物体的闪烁与漂移；物理与空间可能全面崩溃，视频内容里角色之间发生身位互换；一些AI游戏里甚至出现角色穿墙、悬空，车辆在画面中变成别的车型等问题。而且针对这些问题返修，有时候比画师自己从头设计还要困难。于是，哪怕是对AI相对开放的《NIKKE》《红色沙漠》这类项目，也只是将AI用于部分内容的辅助创作，比如《NIKKE》的开发商Shift Up的公开流程是AI图生图打底图、然后再让画师逐轮修改，并非AI直接产出最终立绘，而《红色沙漠》的开发商Pearl Abyss则是在部分2D道具资产中使用了生成式AI，目前距离大游戏项目批量用AI替代人工美术的情况还有相当大的空间。
NIKKE官方分享的AI工具运用（截取自B站用户青龙圣者翻译的视频）
此外，虽然像素图之类的生图问题，一些社区玩家已经通过开发后处理工具，将AI像素图修正回真正的像素图，但许多AI生成内容依然无法直接对接游戏开发。比如AI生成的动画不知道什么是判定帧、取消窗口或循环首尾衔接，无法被直接导入游戏引擎的动画状态机中使用。
现在AI像素图的处理教程与工具非常多
因此，即便美术上已经开始出现替代重复工作的迹象（比如《NIKKE》用AI辅助生成参考图和积累素材），纯AI美术在当下仍属于不太好用的阶段。想要做得好、没有AI感，需要大量抽卡和试错，成本不一定比正常开发低，而且非常消耗精力与时间。纯AI游戏美术上的AI感，让大部分想靠AI弯道超车的独立游戏开发者大多铩羽而归。
让自己成为AI的内功
模仿其实是一种观察，模仿比较的也是对模仿对象的精确描述。
事实上，AI发展到现在似乎有朝着两极分化的路径发展，尤其是在美术层面，顶级的创作者与市面上大多数创作者的差距非常明显。
这个结果某种程度来说并不意外。虽然整篇文章提到当下AI生成的许多问题，但这些问题对于全能的人而言，也许只是一种麻烦而非禁锢。
将提示词细节写的跟论文一样，就能生成媲美实拍电影的水平
AI现在无法真正理解真实世界，但创作者可以全面地将自己的认知拆解给AI，让它看明白世界的颜色与光影。这也意味着，日后最顶级的AI美术赛道开发者，不仅需要一个全能型人才：他既要懂导演技法，又要懂摄影打光，演员表演微表情；美学上还要有深厚的美术功底与审美；更重要是，他还要有精确的语言表达能力将这些细致的内容反馈给AI。
就像是同样的正反打镜头，能说清楚正反打表达的创作者就已经算百里挑一，但在这之上，能说清楚镜头越肩后要做多少角度的倾斜去展示画面，并用流畅的语言反馈给AI的创作者，他这每一刻倾斜的角度积少成多就是他独享的创意，这样的AI创作者，也便是AI所欠缺的“内功”之所在。