任何一家游戏工作室都能精确算出一个美术人天的价格，却没有一家算得出高管在六个月后推翻自己决定要花多少钱。2026年8月3日，游戏制作专栏Production Alchemist发表长文《我从未见过哪款游戏是因为美术太慢而失败的》，联手前Take-Two AI负责人Luke Dicken戳破了当前3A游戏行业用生成式AI降本的幻觉：压垮3A预算的从来不是一线画图太慢，而是管理层方向摇摆引发的反复重做。
Luke Dicken曾在Zynga任职十年，随后担任Take-Two的AI负责人，直到今年早些时候他所在的整个团队被裁撤。2026年7月29日，他在接受80 Level主笔Kirill Tokarev题为《Game AI Expert Explains Where AI Actually Belongs in Game Development—And The Risks》的对谈时，直接把“AI能否拯救3A游戏预算膨胀”的问题顶了回去。他抛出一句在业内引发震动的判断：“再多的自动化资产生成，也修不好一个坏掉的方向盘。”
2亿美元学费与29具项目尸体
把3A游戏预算烧穿的真正黑洞，是高管层带着几百人的高薪团队原地打转。最典型的解剖样本是育碧的《Skull and Bones》（碧海黑帆）。记者Ethan Gach于2021年7月20日在Kotaku发表的调查报道访问了20多位育碧现役与前任开发者，揭开了这个项目的内部乱象：游戏的核心前提至少变更了4次，先后换了3任创意总监，每一任都在推翻前任的设计。
在连“这到底是个什么游戏”都没定下来的情况下，团队规模却从2015年的约100人膨胀到2019年的约400人。Kotaku信源透露其2021年预算已超1.2亿美元；而Tom Henderson在Insider Gaming发表的内部调查（并在2024年2月22日的跟进报道中重申）估算，该项目到发售时的制作成本已逼近2亿美元。这一数字虽非育碧官方确认，但在长达8年的开发报道里，没有任何人提到项目难产是因为美术画得太慢。
《Skull and Bones》只是浮出水面的极端案例，沉默的日常版每天都在发生。2023年7月至12月的6个月内，Embracer集团悄然取消了29款未公开游戏。这些连名字都没留下的项目，每一个背后都有团队、排期和已经写好的资产，最终都死于链条顶端某个人改了主意。
为什么AI产得越快，转向时亏得越惨
资本市场和游戏公司C-suite目前最喜欢的故事，是用生成式AI把“美术人天”的价格打下来。但在缺乏稳定方向的工作室里，拉高资产吞吐量反而会放大财务灾难。
Luke Dicken在访谈中客观承认，AI在生成样板代码、辅助单元测试和加速文档编写上确实有渐进式收益；但他也明确展示了行业的另一面——目前没有任何受控的游戏开发实证研究或量化数据，能证明生成式AI可以降低游戏总预算。游戏工业比纯软件工程残酷得多，因为代码上面还挂载着高度耦合的重度内容管线。
用制造业的视角看，所有已立项但未交付的内容都是在制品库存（WIP）。当一个设计方向被推翻时，重写底层代码只是账单里最小的一笔：匹配旧移动模型的动作集、按旧战斗节奏搭建的关卡白盒、针对旧色彩语言制作的VFX特效，乃至工具团队专门写的导出管线，全部要连坐报废。如果AI把资产生成速度提快三倍，而高管定夺方向的速度没变，那么在转向降临的那一刻，积压在管线里的在制品库存就会膨胀三倍。
廉价的资产生成，并不会让拆解耦合关系变得廉价。
更隐蔽的代价发生在Beta测试阶段和新手引导（FTUE）上。高管往往到Beta阶段才第一次从头到尾玩到接近成品的游戏，这时他们会发现第一年做的开局关卡画质明显不如最后做的章节——因为团队在开发过程中变强了。结果没人做错任何事，工作室却要在工期最紧的关头，把已经锁死系统的早期内容全部返工重做一遍。
扒开“重做率”的数据底裤与方向盘的政治学
为了证明重做有多贵，Production Alchemist在文中直接援引了两组行业常挂在嘴边的数字：一是ScopeMaster博客《Software Rework—how to reduce it》声称的“软件重做占总工作量的30%至50%，且重做成本是首次开发的2.5倍”；二是2002年NIST（美国国家标准与技术研究院）报告的“80%开发成本用于找错和改错”。这两组流行数据其实水分极大。
翻开原始文献就会发现，ScopeMaster不仅没有为“30%至50%”提供任何底层研究引用（且通常把修Bug排除在重做之外），其“2.5倍成本”更是既无样本支撑、又算错了数的自造推算——该文假设初始构建每个COSMIC功能点耗时1天，修改额外耗时1.5天，却又声称重做生产率为每天0.75个功能点（即每个点1.33天），按它自己的算术加总，总成本应当是2.33倍而非2.5倍。而2002年5月发布的NIST规划报告02-3《软件测试基础设施不足的经济影响》，核心是估算测试不足每年给美国经济造成595亿美元损失（其中222亿美元可通过改进测试基础设施挽回）；其第5.1.1节表5-1和5-2里的缺陷修复成本乘数（1倍、5倍、10倍、15倍、30倍）衡量的是不同发现阶段的修复代价，且表头明确标注了“仅供示例（Example Only）”。
真正扎实的学术证据，出自Forrest Shull等人2002年发表的论文《What We Have Learned About Fighting Defects》第3.2节。学者们汇总发现，不同软件项目的可避免重做比例跨度极大，从20%一路飙到80%；但在流程高度成熟的Raytheon和TRW项目中，重做率被死死压在10%至20%，学者也因此放弃了固定的行业百分比基准。
这恰恰说明，高昂的重做率根本不是软件或游戏行业的天然宿命，而是组织决策成熟度的直接映射。为什么一家工作室能把美术人天算到小数点后两位，却对C-suite在咖啡间里随口一句话造成的两个季度返工视而不见？古人讲“刑不上大夫”，在现代游戏大厂里则是“KPI不上高管会”——因为负责建立度量体系的制作人，恰恰向制造摇摆的高管层汇报。
- 风险.在前期原型阶段用AI跑6个方案并在第4周砍掉5个确实划算，但现实中幸存的粗糙原型几乎从不会被推倒重建，而是直接被发行商逼着带病转正，把6周赶工的技术债变成整个项目的地基。
如果游戏公司真想止住预算流血，在考核AI工具提速之前，制作人和高管必须先给“方向盘”装上三个仪表盘：重做率（到底有多少产出没活到发售）、决策延迟（一个错误方向在被纠正前空转了几个月），以及决策持久度（高层拍板的事项能维持多久不翻烙饼）。毕竟，当400人的大船航向不定，给划桨手换上核动力马达，只会让沉船来得更准时。