大模型生文本、生代码、生图、生视频、生3D模型、效果很好，但是真的没有问题么？

一段话说重点：目前AI的确能帮人生成文本、代码、图、视频、3D模型等等，甚至很惊艳，但是评估生成质量，不是一句简单的够用了、挺好的、能运行，就结束了。不同的专业领域，不同的使用场景，有不同的要求和评估标准。至少现阶段受限于大模型上下文，以及当前大模型的生成基于概率推测的原理，我觉得道路还远。目前如果广泛认为能做到90分吧，足够做很多事情了，但是到95分，还挺远的。

开头

作为在互联网对客toB、中台、toC、游戏项目、AI项目都搞过，深耕服务端和游戏客户端，也做过少量线上weex、前端、iOS客户端（不是玩玩，进过QQ和优酷客户端的）的研发，对AI写代码，写文档，生图，生视频，生3D模型等都会在项目中实际使用和思考。

AIGC出美术资源

很多人觉得AI出的文案、图、视频、3d模型、很好，但是当我找专业的设计师、美术原画、美术建模师，就会指出很多问题，除了客观现实错误，专业领域的评估也会发现一些不对的地方，比如透视有问题，细节美术质量不好，而这些，aigc模型还需要慢慢优化。

古人云，文无第一，武无第二。

文无第一，文学、艺术等创作领域缺乏统一评判标准，不同人从不同角度审视会产生差异。——所以，对于这些领域，大模型生成出的东西，评判标准就不是那么确定，尤其对于非专业的人，就会觉得，挺好的。比如我看一些ai出的文案，aigc的图，aigc的模型，就会觉得，挺好的，（至少比我自己干强多了）

武无第二，前两年刚出aigc图的时候，就很惊艳了，但是用户很容易发现问题，比如手指数量不是5个，左右手反了，甚至胳膊腿的数量都不对。当用常识、理论能判断的事情，对就是对，错就是错。

后来，各种负面提示词，lora等，以及模型本身继续演进，优化出图质量，解决手指问题等等。就类似于基于评判标准，重新训练，将不符合的都去掉。但实际上现在依然有这样手指细节的问题，只不过降低了概率，大大的缓解了而已。其实的客观现实还是会有问题。

但是aigc有没有价值呢，我觉得价值还是很大的，因为很多场合，真的不是很care那点小问题，大不了多炼丹，或者有些问题可以二修，我们工作室就会对一些宣传性的aigc图做二修就好了。之前同事也分享过，以前的宣推图，做了几张，全公司都在反复改着用，现在aigc可以生成几百张不一样的，随便拿来用，还可以基于场景，基于城市，做个性化定制，于是设计团队可以砍一半以上了。我们之前也参加过淘宝双十一或者游戏运营活动，这种一份宣传素材反复发来发去大家去合成复用，太常见了。

另外比如在游戏领域，正经项目组肯定看不上aigc直接出的美术素材的，有大量美术人员，不过可以对少量aigc二修和提效，腾讯在游戏美术资源aigc制作管线上做了很多探索，且明确宣传是提升了很大的效率。

而对于不少小游戏团队而言，aigc的美术资源，很多是可以简单改改直接用的，音频音效音乐就更不用说了，很多小团队都是比较头疼美术资源的。我相信aigc可以让更多有想法的游戏人平权做有好玩的游戏，而不用那么操心美术资源。

我举几个个人尝试的粗糙的例子，流程是可以跑通的。效果上，还需要优化打磨，低成本的游戏，能否达到美术要求，见仁见智了。有一些好的aigc的效果，我们主美是觉得在一般游戏里是没问题的。

三视图->生成模型->骨骼绑定->动画->进引擎幸存者肉鸽玩法

这是一个aigc小老虎绑定和动画

这是用aigc图片，生成视频，转序列帧，生成角色攻击动作，以及2d特效的例子。

腾讯混元我觉得做的很好的一点是，不论2d还是3d，都结合人的经验，做成美术管线，提供实际落地的价值。

AI编程写代码

AI编程领域，从github copilot出来，很早就已经在项目中使用了，后来用cursor出来后也一直在用。用了一段时间，我一直有个感觉，就是，接下来的代码片段我觉得不想复制粘贴，或者AI可以帮我补全写的更好，我就会写注释，或者写一点，让AI去自动补全，然后我会校验一下AI是否符合我的预期，有的时候AI的思路还会超出我的预期。

比如说游戏里需要生成6边形地图，以前没搞过，我数学没问题，就先自己简单快速思考了下，思路通了，去网上看了几个别人的思路，也大概思考了下每个思路的优劣，然后就让AI帮我写了核心的代码。并且核心的代码我是可以看懂的，当时逻辑上有问题，我还自己修了。效率上比我手撸还是稍微快一些的。有的时候，用了AI，一个3小时的活，可能半小时就搞定了，那价值就很大了。

我也用ai帮我写了摩天轮按帧tick驱动自动旋转的代码，不是简单的旋转哈，摩天轮比如有12个轿厢环绕中间的轴，每个轿厢都需要保持水平不变的情况下，环绕轴做旋转。不是简单的父带子旋转，所以要算一些三角函数的，可能本来要思考+写半个小时以上吧，用ai帮我写，1分钟之内就写好了，除了脚本函数调用错了我简单改掉，没有任何问题。

如果是AI写大量代码，我觉得还要再看看，之前也想过是否能代替程序员编写所有代码。

武无第二，如果代码能编译通过，大部分能执行有输出，但是输出不正确，怎么办。系统复杂后，ai可能无法很好的修复，那这个代码还能用么。

就算99%的代码都挺符合规范，挺好的，都能去做优秀代码展示了，但是有一个不能接受的bug，这坨代码就不能用。于是就需要人自己上，往往又需要专家来修bug了。

最近AI慢慢都能自己写代码了，也做过一些实践和研究思考。

我的观点是，AI同样也是会代替一些低阶程序员，在专业领域，新人入坑会更难。高阶懂业务的技术架构师、技术专家，可以利用AI一人成军，价值会放大。

在非专业领域，产品、设计等，有想法就可以用AI做原型，甚至小规模上线使用。

另外，一些常用的小工具，以前还要找人花时间开发，现在AI开发就更容易了，质量也不低。

所以我对团队的要求也是：

• 要用ai提效，例如代码补全、生成SQL/脚本/工具、资料查询

• 研发要对AI代码负责——AI只是协助

• 禁止agent直接写大量代码——AI写的是不可靠的

结语

这是初步的一些总结。

所以从上面发现了一些问题，AI时代，人也是少不了的，需要更专业的人，和AI更好的协同。AI能提效，人和AI更好的协同，优势互补，应该是正确使用的AI的方式。

AI短期的发展方向，一个是要能帮人做更多的事，降低人的工作量，比如agent就是将工作流做的更加完善，

一个是如何生成更好的质量，减少整体的返工，比如aigc是有GAN去做验证的，大语言模型是不是也要有个负责事实验证或者逻辑推理的模块针对输出做校验，具体到AI写代码领域，现在已经会校验语法、甚至AI自动写脚本验证逻辑了。

另外就是哲学的问题了，万事不是绝对的，具体情况具体分析，不同专业领域，不同使用场景，不同的要求，不同的人，对AI生成的要求是不同的，AI能代替人的程度也是不同的。

但仅从目前而言，AI擅长的是生成，是发散，是检索，但缺少靠谱的逻辑推理判断的，互补的角度，就是具备逻辑推理判断的人，没那么容易被AI替代，同时也要正确的使用AI。