观察者网：刚才吉川老师提到，日本的游戏与动画产业出现人才青黄不接，其实已经有一段时间了。

如果说大众文化产业的话，产业中心最早在美国，后来日本凭借经济腾飞迅速爆发，但如今后劲不足了。我们刚才聊到，中国的一些“苗头”正在显现。白老师，您怎么看待这种大众文化产业中心的转移过程？

白广大：所谓文化产业中心，本质上是产业技术资源与优质人才的堆叠，是一个从量变到质变的过程。当下的 AI 氛围像极了九十年代的硅谷车库创业时期：大家拼命堆资源、堆人力、堆算法，总会有人出奇制胜，用小成本扔下一颗石子，激起巨大涟漪。年初的 DeepSeek 就是典型——三十人不到的团队，用巧妙的算法和有限的资源，做出了震撼行业的效果。

这种热情，与早期半导体、游戏产业的草创阶段异曲同工。从游戏产业的发展历史，我们会发现，全球创作中心的迁移始终与全球经济话语权挂钩。九十年代初期，日本那时资源充沛、人才济济，产业强势由此奠定。随着日本“失去的三十年”的经济下滑，老一辈的动画人才逐渐凋零，所谓青黄不接，当时手绘动画的精度，今天已经很难复现，——说穿了，就是产业没钱。过去十年、二十年，创作者还能靠热情硬撑，如今行业失血，企业连生计都难维持，自然就不行了。  

今天，中国游戏恰好站在 AI 爆发的节点：AI 与游戏结合会走向哪里？需要不断试错、不断尝试。此刻最有机会的是初创团队与中小工作室——大厂追求产品品质与商业回报的稳态，往往把 AI 用在“降本增效”、解决重复劳动；而真正在游戏框架、玩法设计层面，AI对大厂能起多大作用？其实难说。  

举个大家都熟悉的例子：若论中国游戏脉络，除了买断制单机，还有一条暗流——90 年代末的文字 MUD。那时网络尚不发达，最早的网游就是一行行文字在黑白终端里滚动。今天看直播的 80 后，大概都还记得“@move north”“look sword”的年代。  

90 年代的文字MUD游戏

如果 AI 算力暂时无法在每台终端上呈现高保真画面，它是否反而能让我们回到文字，不再受任何想象边界限制？当大语言模型实时生成无限场景、角色与剧情时，一个“没有地图边界、没有 NPC 数量上限”的文字 MUD 世界会不会诞生？这算不算一次游戏的文艺复兴呢？

白广大：从国外来看，Grok、XGPT 等工具已经被不少团队拿来实验文字 MUD 的复活。欧美玩家圈本身就有深厚的 MMORPG 情结，对角色扮演的渴望极强；再加上他们的迭代速度——

吉川：我们只用了大约 20 年就追平了对方大几十年的积累。

白广大：这与工业发展的节奏相似：我们用几十年走完了别人几百年的路。

吉川：后发优势就在于此。

白广大：眼下我们的最大长处，就是版本迭代飞快。

观察者网：我想到另一个因素：人口基数。当庞大的人口基数再乘上扎实的技术底座，很多商业爆发其实都是基础设施的复用——就像上世纪 90 年代的互联网，先有国际互联网，才长出亚马逊的商业模式。

今天，中国的通信与数字基础设施可能是全球最好的，这让普通人拥有了“表达平权”。比如网络小说的生态已经极为繁荣，文字模态文化内容的极大丰富，为后续的视频化、游戏化提供了肥沃土壤——《哪吒2》里面的很多范式，其实已经是大众熟悉的了。

那么下一步，当文字层面的表达平权进一步向视频迁移时，AI 的底座如果打牢，是不是可能把这种可能性放大到前所未有的规模？

如果 AI 能做到“文生图、文生视频”，确实能把生产力、效率往前推一大步。但会不会出现“产能爆发、需求跟不上”的情况？还是说需求其实早就摆在那儿，只是产能没跟上？  

吉川：当前阶段，游戏产业的产能还是略显落后的。但我认为等AI把产能彻底释放后，需求反而可能跟不上。

这就像中国的基建：早年严重不足，如今却需要全球市场来消化。中国游戏过去很少谈“出海”，这几年却在日本、东南亚铺天盖地——秋叶原地铁站的广告位，已经被中国游戏全面占领了。 

日本文化被反向输出？中国游戏承包秋叶原广告 图源：36氪  

欧美乃至全球市场，其实都在等待我们去“占领”。国内厂商迫切需要一次产能大迭代。传统管线沿袭欧美、日本：日本更像手工作坊，Rockstar 则以巨量人力物力堆出工业化管线，国内大厂沿用了这套思路。  

然而，2023 至 2024 上半年，AI 在游戏开发中仍局限于前期概念与测试 DEMO；去年下半年起，它已渗透到策划、程序、运营、市场等全部环节。未来半年到一年，AI 很可能成为核心管线，传统工具反而退居辅助。举个简单例子：过去做短片需手绘，如今先用 AI 生图，再用 PS 精修——PS 反倒成了“打下手”。  

我相信，中国游戏终将借助 AI 这一新生产力，彻底颠覆欧美传统工程管理模式，实现真正的弯道超车。白老师，您怎么看？

白广大：在我看来，AI 目前最擅长的是接管流程中段、解决重复劳动，但一旦进入审美层面，在当下的算力与模型条件下，它仍旧束手无策。

因此，正如刚才吉川老师提到的——用 PS 对 AI 产出做后期微调——这一步恰恰是审美梯度的关键校准。无论文本、视频还是图片，只要发到社交平台，都会经历“一眼鉴 AI”的拷问：它像不像、对不对。只有当 AI 能稳定产出符合人类审美需求的作品，它才算真正融入游戏管线；在那之前，它更多扮演效率放大器的角色。这需要算法持续迭代，也需要人类审美标准不断提升。  

而且，AI 在创意层面还有一个普遍难题——通用大语言模型普遍存在严重污染。无论文本还是图像，只要涉及细节考据，就可能出错。

举个例子，我曾经试过想让AI生成一套秦汉时期士兵的典型装束，结果一定是张冠李戴，从 Grok、ChatGPT 到 DeepSeek、豆包，我都试过，都会出现不同程度的幻觉；这样的幻觉，对严肃的创作是一种致命污染。