人工智能生成游戏大地图（场景生成）的产业链分工，目前呈现上游提供大模型与算力、中游提供游戏引擎与工具链、下游由游戏研发发行厂商落地应用的三层结构。需要明确的是：场景生成即通过 AI 生成大地图充实玩法内容、提升用户体验，但由于 AI 美术风格与游戏原有风格存在差异，实际落地效果仍有待完善，当前在场景生成环节只能节省不到 10% 时间，因此产业链整体仍以人工美术为主导，协同尚处早期磨合阶段。

上游：大模型与算力

上游是模型与算力的供给方。资料显示，腾讯、网易、米哈游等游戏大厂都有自己的 AI 布局，在应用层面较为相似，技术高低主要受各家能提供的训练集影响；而部分厂商的模型大部分是嵌用的，使用 GPT 等模型，目前主要在游戏的支线任务中测试相关功能。上游能力构成下游场景生成的基础，但风格适配问题仍需在落地中解决。

中游：游戏引擎与工具链

中游承担模型能力与游戏生产管线之间的衔接，将生成能力转化为研发端可用的工具。一款游戏从立项到推出大致分为立项、研发、发行和商业化四个阶段，AI 主要在研发与发行两大环节发挥作用，研发端包括文本生成、道具与角色生成、音效合成以及场景生成四方面。场景生成处于其中难度较大的一环，落地效果有待完善。

下游：游戏研发与发行厂商

下游是价值的最终承接方。据米哈游的内部测试、联调、工作量等经验，通过分析工作量中人力可替代部分的占比，并计入节省的外包成本、时间与人力成本，AI 最终可为游戏公司节省 50% 以上的人力和时间。但这一整体数字内部差异明显：

环节当前可节省
场景生成不到 10% 时间
游戏内文字生成约 25% 人力
道具与角色生成最终约 60%-70% 人力、50%-70% 时间
发行端未来三到五年可替换约 50% 人力成本，提高约 20% ROI

可见场景生成的落地节奏明显慢于文本、道具等环节，人工美术在场景制作中仍占主导。

常见问题

AI 生成游戏大地图目前能节省多少时间？

场景生成部分应用 AI 的难度还比较大，当前只能节省不到 10% 时间。随着技术逐步成熟，未来最终也能节约 60% 左右人力、70% 左右时间。

上游模型能力由谁提供？

腾讯、网易、米哈游等游戏大厂都有自己的 AI 布局，技术高低主要受各家能提供的训练集影响；也有厂商采用嵌用方式，使用 GPT 等模型，目前主要在游戏支线任务中测试相关功能。

为什么场景生成落地慢于其他环节？

主要原因是 AI 的美术风格与游戏还有一定差异，实际落地效果有待完善，因此产业链仍以人工美术为主导，协同仍处早期磨合阶段。