2026年游戏人学AI：别焦虑，先干这3件事

本文系用户投稿，不代表机核网观点

本文含有AI生成，请注意甄别

⚠️ 未经作者授权禁止转载

写在前面：
本文PPT由Notebooklm完成，又更新了，可以编辑生成后的slides了
本文输入由Typeless完成，由大段文字/语音输入的需求的朋友可以试试，链接见评论区
本期写作时间：2026.2.17日（请注意观看时间）并且，这是一篇非常零基础的文章，没有讲太多深入的东西；请资深大佬轻喷
哈喽大家好，
2026，祝大家新年快乐，想必在年前已经被seedance2.0刷屏了吧，有人兴奋，有人焦虑，也有人不屑。
恰逢笔者朋友想要学ai，于是我简单整理了一下2026年游戏行业从业者应该如何学习ai
 1  第一部分讲讲职业吧，这块可以分成两个方面：
1. 你想以AI相关岗位入职；
2. 你想用AI让自己变得更有竞争力；
我们先讲讲前者，因为前者其实最简单；
我们把游戏行业的ai岗位大致分为以下几类（具体的见各家公司的jd）
infra类：重经验，与游戏开发不强相关，大多聚焦在中台，以传统的前后端开发+ai开发为主
算法类：重学历，同样与游戏开发不强相关，大多聚集在中台，科研导向；
应用类：重经验，与游戏开发强相关，大都围绕游戏研运进行（比如常见的AI美术）
流程类：重经验，与游戏开发强相关，大都围绕流程进行，这个岗位会更加复杂一些，整体会偏向于pm（项目经理），比如如何解决大中小公司研运一体的问题（

如果你喜欢做游戏可以考虑后二者，如果不太喜欢，或者未来想跳到科技公司/ai公司，追求高薪，选前者
 2  然后关于第二个方面，应该也是大部分人都在意的方面，我想学ai让自己更有竞争力/避免被淘汰我该怎么做
在此之前，我先引用一下之前在另外一位ta评论区讨论的内容
问题是：
    现在我在项目里经常看到个情况，美术同学已经可以自己用AI快速生产各种脚本工具，特别是DCC相关的工具更常见。目前简易的工具已经完全可以用AI代替，复杂的系统性工程还有待发展，但是也只是一两年的时间问题。
    所以想和大家讨论一下，怎么看待这种现象，对自己的工作是是否存在危机感，我们的安身立命之本是否被AI挑战了？

https://www.bilibili.com/opus/1154990416135716870?spm_id_from=333.1387.0.0
以下为我的回答
- 当 AI 把“写出来”变得更容易，能力的重心就会从“技能本身”迁移到“业务与流程”。你会发现，AI 并不会自动把问题解决掉；它只是在你能讲清楚问题的时候，把产出速度拉满。真正稀缺的，是理解需求、拆解需求、定义边界、判断取舍、把工具放进全链路的人。换句话说，全栈化的流程理解会变得更关键：知道资产怎么流转、环节怎么衔接、风险点在哪里、怎么做回滚与验收——这些不是随便问两句就能长出来的。
- 也有人把话题拉回“供需”：如果 AI 让需求整体变少，那讨论谁替代谁意义不大，最后还是市场供需决定。这个提醒很现实，但我更想强调一点：供需关系往往是结果，不是原因。宏观趋势我们确实左右不了，但讨论 AI 的目的也不是预测蛋糕大小，而是在存量博弈里用技术杠杆让自己变成“更优的供给”。既然改变不了需求总量，就要改变自己被需求的能力；与其担心蛋糕变小，不如担心自己是不是第一批被踢出餐桌的人。
- 另外，只盯着“需求缩减”很容易掉进历史陷阱。回看游戏开发史，抽象层不断上移、工具门槛持续下降（比如可视化脚本让设计/美术能承担更多原本偏程序的工作），但岗位往往不是“消失”，而是“迁移与升级”。效率提升也常常带来反弹效应：单位成本下降后，项目为了竞争会把规模做得更大、系统做得更复杂，需求从“零散小工具”转向“更底层、更系统性的管线与平台能力”。所以美术能自产小工具，不一定是在抢 TA 的饭碗，更可能是在把 TA 从碎需求里解放出来，去做 AI 集成、工作流自动化、技术选型与规范化这类更长期的系统工程。
- 如果一个职业因为工具进步导致门槛降低就没法吃饭了，那只能说明这个职业的‘安身立命之本’本来就不够深，那需要思考的就不应该是ai本身的事情了。
通过这个回答，表达我的观点：ai的确会使竞争加剧，但最后依然会回落到人上；
好，那我们把话题转回来；
3 作为一个在职我应该如何学ai来提升自己呢？
两个方面：
1. 想想自己工作中有什么让自己头疼/机械/重复的环节，尝试使用ai来解决它
2. 想想自己有没有与工作相关，但比较依赖于上下游的环节，尝试使用ai来解决它

从这一方向开始，由点到面去拓展学习，而不是一口气吃成大胖子
以叙事/任务策划举例：任务策划最典型：每天都在做“需求 → 文档 → 配置 → 跟进 → 验收 → 复盘”。AI 天生就是干这个。
让我们问问ai，如何用Ai帮助任务策划，ai说：
1. 你拿到上游的需求，你可以利用ai将需求拆成“可执行任务”

2. 同一套任务目标，让 AI 给你拆成不同的“任务流结构”

3. 配表，这也是每个策划最头疼，也是最机械的工作

4. 验收，这块同样是关键且机械的工作

然后说说我看到的视角
目前也有一部分任务策划，在探索如何让地图信息被ai理解，从而能结合ai做出更有意思的玩法；比如说老米之前招人做高自由度叙事和随机任务设计；
或者是又新又硬的AI Native Gameplay
或者是结合ai视频，降低叙事演出的成本，提高叙事演出的品质，或者说降低站桩对话的含量：

使用Seedance让站桩演出动态化
https://www.bilibili.com/video/BV1DVcuzbE4M/?spm_id_from=333.337.search-card.all.click&vd_source=b24bc8b2e3173e0772bd26af5f1a082c
结合玩法和ai做点有意思的东西
4 第二部分，讲讲学ai，如何学，学什么
首先，ai是一个更新极快的工具，别指望一招鲜吃遍天；
这里讲讲我的思路，项目管理中有一个方向叫工具链设计或者是PMIS设计（项目管理信息系统 ）
把不同工具按属性串联（组合）起来，面向不同场景形成可复用的成果
其实可以把它当成「项目整合管理」或「过程资产」的一部分：
- 先按场景拆分。
- 再为每个场景定义：用哪些工具、各自承担什么角色、输入输出是什么、如何串联。
- 最后把这些组合沉淀成模板或指南，让团队在类似场景直接选用对应的「工具组合」。
这样组合下，你就能明白什么ai工具的应用场景与使用边界，未来出现上位替代时，不需要重新学，而是直接替代流程中的一部分即可；

其次，如何学？
即答：融入自己的工作流，在ai的协同下产出内容，我相信你可以学的很快，快拿AI做出有意思的东西吧，不要让我跪下来求你！
 5 最后，学什么，这一部分也是最简单的
1. ai coding：关注Claude Code即可，目前Claude Code无论是架构还是各类技术，都是走在最前面的，且也不要死磕工具，你只要把需求拆解、上下文组织、验收与回归流程跑通，学会后，回来用是Cursor，Codex，TRAE，等产品都不是问题；代价是，这玩意贵且有一定门槛；如果用不了Claude Code；可以考虑Codex，Cursor；如果只能用国产ide；则可以考虑TRAE（记得下海外版）
2. AI 美术：ComfyUI，即便在有那么多又强又好用的多模态模型出现下，ComfyUI也是我推荐每位与生成式工作（美术，模型，音乐，视频，文字）必学的工具，可以说ComfyUI就是将工具组合体现的淋漓尽致的工具，必学；至于模型使用，当前多模态模型都可以用banana啊，seedream啊，qwen啊都行，看具体需求，这些模型各有各的优劣，综合来讲还是banana会更好一些
3. Agent：n8n&dify；如果你是独立使用者，可以使用前者，简单好用，社区方案多；如果你是公司或者是需要大量使用，则偏向于后者，系统，生态较为完善
4. AI视频：迭代较快，不太具有指导价值；开源模型可以考虑wan系列，闭源目前字节系和谷歌系都挺好的；
5. AI建模：Rodin，Hunyuan；前者质量稍好，后者是当前唯一一个能够较好处理UV 的必源工具，这类工具可以关注，但别写死到某个“唯一最强”。行业的共识方向是：网格质量、PBR 材质、UV/贴图可用性、以及能不能接进你现有的 DCC/引擎管线。只要能进，用啥都行
6. AI设计：Seedream&lovart，前者字节拿大量电商海报与宣传素材的多模态模型，后者偏向于平面设计的agent产品
7. AI语音：indextts2，B站牛逼；Gpt-sovits，开源大佬牛逼
8. AI动作：cascadeur，cartwheel，道理同AI建模，能融入你的工作流就可以用，如果不能不需要强用；
大致就这些，随便找找，互联网上大量教程；如果有我没提到的的你可以在评论区补充
以及，不要付费，不要付费，不要付费，免费的已经够你学好吧，真要付费，请给我钱，我手把手教你；
以及，多看，多问，多找社群，在ai时代，优质信息源与讨论环节是非常重要的；
这里安利一下自己的社群，见评论区（如果过期了可以私聊我）
最后，说一些上价值的话，现在这个时代
1. 好奇心比聪明更重要
2. 好问题比好答案值钱
3. 通才，或者说对流程越熟悉的人，会越来越有价值
以上希望对你有帮助，希望游戏行业能够越来越好，你也是；