Vivrato报告称欧美97%的工作室负责人使用AI，开发流程发生了哪些变化

Vivrato发布的VAIA 2026报告显示，在2026年4月至9月接受访谈的101位北美和欧洲游戏工作室负责人及高级决策者中，97%表示工作室在开发过程中以某种形式使用过人工智能；94%表示AI至少进入了九个核心制作环节中的一个。相关报道于10月22日集中出现，数据主要反映欧美、尤其是PC和主机游戏开发团队的自报情况，并不等同于全球游戏行业的整体普及率。

先核对“97%”和“94%”分别代表什么

这组数据的调查对象不是普通开发者，也不是所有工作室员工，而是101位工作室负责人及高级决策者。报道没有提供完整的样本名单、工作室规模分布、国家占比或抽样方法，因此更适合将其理解为一项针对行业管理层的访谈调查，而不是覆盖全行业的统计普查。

调查涉及北美和欧洲地区，部分报道明确提到包含英国，未覆盖亚洲市场。样本侧重PC和主机游戏开发团队，因此不能直接推断移动游戏、网页游戏或其他地区工作室的AI使用情况。

“97%使用AI”和“94%至少在一个制作阶段使用AI”也不是同一个指标：

• 97%：受访负责人表示，工作室在开发过程中以某种形式使用过AI。
• 94%：受访者表示，AI已经应用于报告考察的九个核心制作阶段中的至少一个。
• 调查覆盖的AI类型不只包括生成式AI，也包括规则驱动的自动化、传统机器学习等多种形式。

因此，这里的“使用AI”不应简单理解为每家工作室都在用生成式模型制作角色、美术或剧情，也不能理解为AI已经成为所有团队的核心生产基础设施。

AI首先进入的是辅助性和工程环节

从公开报道披露的分项数据看，AI使用率最高的是代码与工程阶段，达到86%。文档、会议等通用生产力任务的比例为83%，概念与前期制作则为79%。

这说明AI目前较容易嵌入那些输入输出相对明确、结果便于人工复核的工作：

代码与工程

在代码与工程环节，AI可能被用于辅助编写代码、解释报错、生成测试脚本或整理技术文档。此类任务通常可以被拆分成较小单元，开发者也能通过编译、运行测试和代码审查来验证结果。

但调查数据只能说明“有工作室在该环节使用AI”，不能进一步证明AI承担了多少代码工作，也不能证明生成代码已经替代了工程师的判断。代码能否进入正式项目，还取决于安全性、可维护性、性能和团队现有工具链。

文档与协作

文档处理和会议相关任务的使用率较高，反映出AI可能被当作信息整理工具使用，例如归纳会议内容、提取任务、改写说明文档或帮助团队检索资料。

这类应用对制作流程的影响，更多体现在信息流转方式上：原本由成员手动记录、整理和分发的内容，可能转为由AI先生成草稿，再由负责人审核。流程没有因此自动完成，但“记录—整理—分派”的中间步骤可能被重新安排。

概念与前期制作

概念与前期制作的AI使用率为79%，说明AI也已经进入创意发散、方案比较和早期素材准备等阶段。对团队而言，变化可能不是直接让AI决定游戏方向，而是先扩大方案生成数量，再由设计师筛选和修改。

这种方式会把部分工作重心从“从零开始产出”转向“提出约束、评估结果和统一方向”。如果缺少明确的美术规范、世界观设定或设计目标，生成内容数量增加并不必然带来更高的有效产出。

越接近核心内容，使用比例越低

公开资料显示，玩法设计与原型制作的AI使用率为68%，美术与动画为60%，QA测试为57%，叙事与世界构建为55%。不同报道对完整九个环节的披露并不完全一致，因此这些比例应视为公开报道中的调查结果，不宜据此排列所有制作环节的绝对难度。

从已披露的数字看，AI更容易先进入通用、重复性较高或可独立验证的任务；涉及长期设计判断、内容一致性和团队协作的环节，使用比例相对较低。

这会带来几项流程变化：

1. 前置准备增加：团队需要整理项目资料、编码规范、设计文档和提示规则，才能让AI输出与项目目标保持一致。
2. 审核节点变多：AI生成的代码、文档、概念方案或测试结果通常仍需由专业成员检查，审核不再只是发布前的一次检查，而可能分散到多个制作阶段。
3. 工作从制作转向筛选：当AI可以快速提供多个草案时，设计师和制作人需要投入更多时间进行比较、取舍和统一。
4. 工具链出现新的接口需求：AI如果只停留在独立聊天窗口，作用往往局限于个人辅助；要进入正式流程，还需要与版本控制、任务管理、测试系统或素材管理工具衔接。

“使用率高”不代表“整合程度深”

这份调查最值得关注的地方，恰恰是使用率和整合深度之间的反差。报道显示，超过半数受访者将AI融入完整游戏制作流程的程度评为3分或以下，评分满分为10分；GameLook转述的结果则显示，行业整合深度中位数为3分。

换言之，许多工作室可能已经在某些任务中使用AI，但AI尚未成为贯穿策划、制作、测试和运营的统一系统。工作室可能存在以下情况：

• 个别程序员使用代码助手，但团队没有统一规范；
• 美术或设计人员使用生成工具，但输出仍停留在概念参考阶段；
• 团队用AI整理会议和文档，但这些内容没有自动连接到任务管理系统；
• 测试团队尝试自动化工具，但尚未将结果纳入完整的质量流程；
• 不同部门各自试用工具，数据、权限和素材管理彼此分散。

因此，97%更接近“AI已经被接触或使用过”的普及指标，而不是“97%的工作室已经完成AI流程改造”。

欧洲和北美的差异也要谨慎解读

公开报道提到，欧洲工作室对AI流程整合程度的自评平均值为4.2分，北美为3.5分。另有报道提到，在艺术、资产和动画等阶段，欧洲受访工作室的使用比例为70%，北美为53%。

这些结果可以作为地区差异的线索，但不能直接解释为欧洲团队的AI能力更强，或北美团队采用速度更慢。样本数量有限，且公开资料没有完整说明两地样本分布、工作室规模和项目类型。不同地区受访者对“整合”“使用”的理解也可能存在差异。

更稳妥的结论是：在这101位受访者的回答中，欧洲与北美工作室对AI落地程度的自我评价存在差别，但造成差异的具体原因仍需要更完整的原始报告或后续调查验证。

这组数据能说明什么，不能说明什么

这份调查至少说明，AI已经从少数团队的实验工具，进入不少欧美游戏工作室的日常开发讨论和局部工作环节。它带来的直接变化主要集中在任务拆分、草稿生成、信息整理、工程辅助和自动化尝试上。

但它不能单独证明以下结论：

• AI已经替代了游戏开发中的某类岗位；
• 使用AI后，项目成本必然下降；
• 开发周期必然缩短；
• 游戏产品质量必然提升；
• AI已经深入所有核心制作管线；
• 欧美之外的游戏行业也有相同的使用率；
• 97%的工作室都在使用生成式AI。

对关注游戏开发和人工智能的读者来说，更有参考价值的不是把97%当作一个行业终局数字，而是继续观察各工作室如何处理版权、数据安全、人员审核、工具整合和责任归属。当前公开信息所呈现的状态更接近“AI使用已经普遍，但流程重构仍处于早期”：工具正在进入多个环节，真正稳定、可复用并纳入团队基础设施的做法，仍未形成统一答案。