AI冲击下游戏绘图师与广告设计师的转型路径：修图与AI训练员实操指南

1. 这场冲击到底改变了什么

1.1 从“手艺人”到“AI协作员”的身份切换

游戏绘图师和广告设计师这两个岗位，过去十几年一直是创意行业里相对稳定的技术工种。游戏绘图师负责角色原画、场景概念、UI图标、贴图材质，广告设计师负责海报、Banner、详情页、品牌视觉。两者的共同点是：核心技能建立在软件操作和审美判断之上，工具是Photoshop、Illustrator、SAI、CSP这些，产出物是像素和矢量图形。

但生成式AI的介入，把“从零绘制”这件事的门槛拉到了一个前所未有的低点。一个没有美术基础的人，通过合理的提示词和参考图，可以在几分钟内得到一张完成度相当高的概念图。这意味着什么？意味着过去按张计费、按小时计费的绘图工作，供给端突然膨胀了。客户不再愿意为“画一张图”支付高价，因为替代方案太多了。

我身边就有真实的例子。一个做了六年游戏原画的朋友，2023年下半年开始明显感觉到外包单量下滑。以前一个角色三视图报价三千到五千，现在客户直接说“我用AI跑一版，你帮我修一下就行”，报价压到八百。他一开始很抗拒，觉得这是在贬低他的手艺。但扛了三个月之后，他还是接了这种活。原因很简单：不接就没收入，接了至少还能维持现金流。

这就是第一波冲击的真实面貌——不是AI直接取代了人，而是AI改变了工作的定义。绘图师的工作重心从“创作”转向了“修正”，从“从无到有”转向了“从有到优”。广告设计师的情况类似，过去做一个品牌视觉提案，需要出三到五版不同风格的方案，现在客户自己用AI生成几十张参考图，然后让设计师“照着这个感觉做一套完整的”。

1.2 为什么是这两个岗位先被波及

很多人会问，为什么游戏绘图和广告设计首当其冲？而不是其他设计领域？这里面有几个关键原因。

第一，这两个领域的产出物高度依赖视觉呈现，而生成式AI最擅长的恰恰是图像生成。无论是角色设计、场景概念还是广告海报，本质上都是“把文字描述转化为视觉图像”的过程，这正好是扩散模型的核心能力。

第二，这两个领域的容错率相对较高。游戏原画在早期概念阶段，并不需要像素级的精确，只需要氛围和方向对就行。广告海报的初稿也是如此，客户看的是整体感觉，不是每一个细节。这种“模糊需求”恰好是AI最擅长的——它能快速给出大量方向性方案，供人筛选和调整。

第三，这两个领域的从业者数量庞大，竞争本来就激烈。AI的出现进一步降低了入行门槛，导致供给端急剧膨胀。当一个人可以用AI在半小时内产出十张图的时候，那些还在用传统方式一张一张画的人，在效率上就处于绝对劣势。

但这里有一个容易被忽略的点：AI生成的图像并不是直接可用的。游戏原画需要符合项目的美术风格、角色设定、世界观逻辑；广告设计需要符合品牌调性、传播策略、投放平台规范。这些“约束条件”是AI目前无法自主理解的，必须由人来判断和调整。所以，冲击的结果不是“绘图师消失了”，而是“绘图师的工作内容变了”。

1.3 转型修图与AI训练员，到底在做什么

“转型修图”这个说法听起来有点降级，但实际上它包含的工作内容远比传统修图复杂。一个游戏绘图师转型做AI辅助修图，日常工作是：接收AI生成的初稿，判断哪些部分可用、哪些部分需要重绘，然后用Photoshop进行局部修改、风格统一、细节补充。这需要比传统修图更强的美术判断力，因为AI生成的图像往往存在结构错误、透视混乱、风格不统一等问题，修图师必须能看出问题在哪，并且知道怎么改。

而“广告设计变身AI训练员”则更偏向技术侧。AI训练员的工作包括：整理训练数据集、标注图像标签、调整模型参数、评估生成效果、优化提示词模板。这需要理解AI模型的基本原理，知道什么样的数据能训练出什么样的效果，以及如何通过提示词控制输出方向。一个优秀的AI训练员，往往需要同时具备设计审美和技术理解力，这恰恰是传统广告设计师转型的天然优势——他们知道什么是“好的设计”，也知道怎么用语言描述这种“好”。

我认识的一个广告设计师，现在在一家电商公司做AI训练员，主要负责训练商品图生成模型。她的日常工作是：收集大量商品图，标注每张图的风格、构图、光影、背景类型，然后调整模型的训练参数，让生成的商品图符合品牌的视觉规范。她跟我说，这份工作比过去做设计累，因为需要不断试错和调参，但收入反而更稳定了，因为公司离不开她——模型是她调的，提示词模板是她写的，换个人接手至少需要三个月才能达到同样的效果。

2. 转型背后的核心技能拆解

2.1 修图方向：从“画得好”到“改得准”

传统修图师的核心技能是“把不好的图修好”，比如去痘、磨皮、调色、抠图。但AI辅助修图的核心技能是“判断AI哪里做错了，并且用最少的操作修正它”。这两者的区别很大。

AI生成的图像常见问题包括：手指数量不对、眼睛不对称、透视关系混乱、光影方向不一致、材质质感模糊、风格不统一。修图师需要快速识别这些问题，并且判断哪些问题可以通过简单调整解决，哪些问题需要重新生成。这需要很强的美术基础，因为如果你自己都不懂透视和光影，你根本看不出AI哪里画错了。

我个人的经验是，AI辅助修图最关键的技能是“局部重绘”和“图层混合”。局部重绘是指用AI工具对图像的某个区域重新生成，比如把AI画错的左手重新生成一次。图层混合是指把AI生成的多个版本中最好的部分提取出来，拼合成一张完整的图。这两个技能都需要对Photoshop和AI工具都有深入理解。

还有一个容易被忽略的技能是“提示词逆向工程”。当你拿到一张AI生成的图，你需要能反推出它大概用了什么提示词，这样才能在局部重绘时保持风格一致。这需要大量的实践积累，因为不同的模型对提示词的响应方式不同。

2.2 AI训练员方向：从“做设计”到“教AI做设计”

AI训练员这个岗位，听起来很高大上，但实际上它的核心工作是“数据整理”和“效果评估”。具体来说，包括以下几个环节。

第一是数据收集与清洗。你需要根据目标效果，收集大量相关图像，然后筛选出高质量的、符合要求的样本。比如训练一个电商商品图生成模型，你需要收集不同品类、不同风格、不同背景的商品图，然后剔除那些模糊的、有水印的、构图混乱的样本。

第二是数据标注。你需要给每张图打上标签，比如“白色背景”“暖色调”“俯拍”“极简风格”“木质桌面”等等。这些标签会直接影响模型的学习效果，所以标注的准确性和一致性非常重要。

第三是模型训练与调参。你需要选择合适的训练平台和参数，比如学习率、训练轮数、批次大小等。这些参数的选择需要根据数据量和目标效果来调整，没有固定的公式，只能靠实验。

第四是效果评估与迭代。你需要定期评估模型生成的效果，找出问题所在，然后调整数据或参数，重新训练。这是一个反复迭代的过程，需要耐心和细心。

我认识的一个AI训练员跟我说，这份工作最累的地方不是技术难度，而是“重复劳动”。你需要反复标注、反复训练、反复评估，直到模型达到可用的状态。但一旦模型训练好了，后续的维护成本就很低，这也是为什么公司愿意给AI训练员开高薪——因为前期投入大，但长期回报高。

2.3 两个方向的共同底层能力

不管是转型修图还是做AI训练员，有几个底层能力是共通的。

第一是审美判断力。你需要知道什么是“好的设计”，才能判断AI生成的结果是否可用。这种审美判断力不是一朝一夕能培养的，需要大量的观察和实践。

第二是工具理解力。你需要理解AI工具的工作原理，知道它的能力边界在哪里，知道怎么通过参数和提示词控制它的输出。这需要一定的技术学习能力，但不需要编程基础。

第三是沟通能力。不管是修图还是训练AI，你都需要和客户或团队沟通需求。你需要能理解客户的模糊描述，并且把它转化为具体的操作方案。这需要很强的沟通和理解能力。

第四是持续学习能力。AI技术发展很快，新的模型、新的工具、新的方法层出不穷。你需要保持学习状态，不断更新自己的技能库。

3. 实操路径：从零开始怎么转

3.1 游戏绘图师转型修图的完整流程

如果你是一个游戏绘图师，想转型做AI辅助修图，我建议按以下步骤来。

第一步，熟悉主流的AI图像生成工具。目前市面上常用的包括Stable Diffusion、Midjourney、DALL-E等。你需要至少精通其中一个，理解它的提示词写法、参数设置、输出特点。我建议从Stable Diffusion开始，因为它的可控性最强，适合需要精细调整的工作场景。

第二步，练习“AI生成+人工修正”的工作流。具体操作是：用AI生成一张概念图，然后在Photoshop中打开，分析它的优点和缺点，尝试用局部重绘、图层混合、手绘补充等方式修正它。这个过程需要反复练习，直到你能在半小时内把一张AI初稿修到可用状态。

第三步，建立自己的“修正素材库”。把常见的AI错误类型整理出来，比如手指错误、透视错误、光影错误，然后针对每种错误总结出修正方法。这个素材库会成为你后续工作的加速器。

第四步，接一些小单练手。可以在自由职业平台上接一些低价单，积累实战经验。一开始不要追求高收入，重点是熟悉流程和积累案例。

第五步，逐步提高报价。当你有了足够的案例和口碑之后，可以逐步提高报价，筛选更优质的客户。

这里有一个关键点：不要试图和AI对抗，不要觉得“我用AI修图就是作弊”。AI只是一个工具，就像Photoshop一样。你的价值不在于“不用AI”，而在于“用AI用得比别人好”。

3.2 广告设计师转型AI训练员的完整流程

如果你是一个广告设计师，想转型做AI训练员，路径会稍微不同。

第一步，学习AI模型的基本原理。你不需要成为算法专家，但需要理解扩散模型、生成对抗网络、Transformer这些基本概念。这能帮助你理解AI的能力边界，知道什么能做、什么不能做。

第二步，掌握数据标注的方法。数据标注看起来简单，但实际上有很多技巧。比如标注“风格”时，你需要定义清楚什么是“极简”、什么是“复古”、什么是“科技感”，并且保持标注的一致性。我建议先从小的数据集开始，标注一百张图，然后训练一个简单的模型，看看效果。

第三步，学习模型训练的基本流程。你需要了解训练平台的选择、参数的含义、训练过程的监控、效果评估的方法。这些知识可以通过在线课程或实践项目来学习。

第四步，积累行业经验。AI训练员的价值很大程度上取决于你对行业的理解。比如做电商商品图训练，你需要理解电商的视觉规范、用户的浏览习惯、平台的展示要求。这些行业知识是AI无法替代的。

第五步，建立自己的“提示词模板库”。不同的项目需要不同的提示词模板，你需要根据项目需求，整理出一套可复用的模板。这能大大提高你的工作效率。

我认识的一个转型成功的广告设计师，她的做法是：先在公司内部争取一个AI相关的项目，边做边学，积累经验后再跳槽到专门的AI公司。这种“内部转型”的路径风险更低，因为你有稳定的收入来源，同时可以积累实战经验。

3.3 转型过程中最容易踩的坑

转型过程中有几个常见的坑，我提前说一下。

第一个坑是“过度依赖AI”。有些人觉得AI什么都能做，结果生成了一堆图，但没有一张能用。AI只是工具，它需要人的判断和调整。如果你自己不懂设计，AI生成的东西你也判断不了好坏。

第二个坑是“忽视基础技能”。有些人觉得既然AI能生成图，那就不需要学美术基础了。但实际上，AI辅助修图和AI训练员都需要很强的美术判断力。如果你不懂透视、光影、色彩，你根本看不出AI哪里做错了。

第三个坑是“盲目追求新技术”。AI技术发展很快，今天流行这个模型，明天流行那个工具。但核心能力是不变的：审美判断、工具理解、沟通能力。不要为了追新而追新，要把精力放在核心能力的提升上。

第四个坑是“定价过低”。很多转型初期的人为了接单，把价格压得很低。这会导致两个问题：一是收入无法维持生活，二是客户会认为你的服务不值钱。我建议一开始就定一个合理的价格，宁可少接单，也不要低价竞争。

4. 常见问题与排查技巧实录

4.1 AI生成图像常见问题速查表

4.2 模型训练中的典型问题与解决

模型训练过程中最常见的问题是“过拟合”和“欠拟合”。过拟合是指模型过度学习了训练数据的细节，导致生成的结果缺乏多样性。欠拟合是指模型没有充分学习训练数据的特征，导致生成的结果质量不高。

解决过拟合的方法是：增加训练数据的多样性，减少训练轮数，或者使用数据增强技术。解决欠拟合的方法是：增加训练数据量，增加训练轮数，或者调整模型参数。

另一个常见问题是“标签不一致”。如果同一张图被不同的人标注了不同的标签，模型的学习效果会大打折扣。解决方法是：制定明确的标注规范，并且定期检查标注质量。

还有一个问题是“训练成本过高”。训练一个高质量的模型需要大量的计算资源和时间。解决方法是：先从小的数据集开始，验证效果后再扩大规模。同时可以选择云端的训练平台，按需付费，降低成本。

4.3 独家避坑经验分享

我在实际操作中踩过几个坑，分享出来供大家参考。

第一个坑是“提示词写得太复杂”。一开始我觉得提示词写得越详细越好，结果发现模型反而不知道重点在哪里。后来我学会了“分层写提示词”：先写主体，再写风格，再写细节，最后写负面提示词。这样模型能更好地理解我的意图。

第二个坑是“忽视参考图的作用”。Stable Diffusion支持参考图输入，这能大大提高生成结果的准确性。我一开始忽视了这一点，后来发现用参考图能省下大量调整时间。

第三个坑是“不保存工作记录”。AI生成有很大的随机性，有时候你生成了一张很好的图，但没有保存提示词和参数，下次想复现就很难了。我现在的习惯是：每生成一张满意的图，就保存提示词、参数、种子值，方便后续复现和调整。

第四个坑是“不关注行业动态”。AI技术发展很快，新的模型和工具层出不穷。我一开始只顾着埋头做项目，结果发现别人已经用上了更高效的工具。现在我每周都会花时间浏览行业资讯，了解最新的技术动态。

第五个坑是“单打独斗”。转型过程中，我一开始是自己摸索，走了很多弯路。后来加入了一些行业社群，发现别人已经总结了很多经验，直接拿来用就行。我建议转型初期就加入相关的社群，多交流、多学习。

5. 这个方向后续还能怎么扩展

5.1 从修图到AI视觉全案

修图只是一个切入点，后续可以扩展到AI视觉全案。什么意思？就是不只是修图，而是从概念设计、风格定义、批量生成、后期修正到最终交付，提供全流程的服务。这需要你不仅懂修图，还懂项目管理、客户沟通、成本控制。

我认识的一个团队，就是做AI视觉全案的。他们帮游戏公司做角色概念设计，流程是：先用AI生成大量概念图，然后由美术总监筛选出方向，再由修图师精修，最后由项目经理交付。整个流程比传统方式快了三倍，成本降低了一半。

5.2 从AI训练员到AI产品经理

AI训练员做久了，可以往AI产品经理方向转。产品经理需要理解用户需求、定义产品功能、协调技术团队、评估产品效果。AI训练员的经验在这里很有价值，因为你了解AI的能力边界，知道什么能做、什么不能做，能更准确地定义产品需求。

我认识的一个AI产品经理，就是从训练员转过来的。她跟我说，训练员的经历让她在产品设计中更务实，不会提出AI无法实现的需求，也能更好地和技术团队沟通。

5.3 从执行者到顾问

当你积累了足够的经验之后，可以往顾问方向发展。顾问的工作是帮企业评估AI应用的可行性、制定AI转型策略、培训团队。这需要你不仅有技术能力，还要有行业洞察力和沟通能力。

我认识的一个顾问，专门帮游戏公司做AI转型咨询。他的工作是：评估公司的美术流程，找出可以用AI优化的环节，制定转型方案，培训美术团队。他的收费是按项目算的，一个项目几十万，比做执行收入高得多。

5.4 个人品牌建设

不管走哪个方向，个人品牌都很重要。你可以通过写文章、做视频、开直播等方式，分享你的经验和见解。这能帮你建立行业影响力，吸引更好的客户和机会。

我自己的做法是：定期在行业社区分享实操经验，回答新手的问题，积累口碑。这虽然不直接带来收入，但长期来看，它帮我建立了信任度，让我在接单和合作时更有优势。

最后分享一个小技巧：转型过程中，不要试图一步到位。可以先从兼职开始，边做本职工作边接单，等收入稳定了再全职转型。这样风险更低，心态也更从容。我在转型初期就是白天上班、晚上接单，持续了半年才全职做AI相关的工作。这段时间虽然累，但让我有了足够的缓冲期，不至于因为收入断档而焦虑。