我们可以从行业结构、能力分层、AI边界、以及未来竞争逻辑四个层面帮你拆解——为什么AI越强，精通动画表演艺术的动画师反而越有竞争力。

一、AI正在取代的是“制作”，不是“表演”

当前AI在动画领域擅长什么？

• 自动补间
• 动作捕捉修复
• 自动循环动作
• 摄像机自动跟随
• 物理模拟
• 批量生成走跑跳基础动作

这些都属于：

技术性执行层（Execution Layer）

但真正高价值的动画表演属于：

叙事表达层（Performance & Acting Layer）

举例对比：

AI能生成动作，但无法真正“理解动机”。

二、动画的核心不是动作，而是“意图”

动画表演的核心公式：

行为 = 情绪 + 动机 + 关系 + 情境

AI目前可以模仿：

• 情绪标签
• 行为模板

但它不具备：

• 角色历史记忆
• 深层心理逻辑
• 镜头叙事节奏判断
• 观众共鸣预测

这就是为什么：

纯技术型动画师会被替代，
而表演型动画师会被放大

三、参考电影对比：动作 vs 表演

1️⃣ 技术层面华丽

例如：

• Transformers
• Avengers: Endgame

这些作品大量依赖：

• 物理模拟
• 动捕
• 特效流程

AI未来可以极大优化这些。

2️⃣ 表演层面打动人心

例如：

• Zootopia–疯狂动物城
• Inside Out–头脑特工队
• Coco–寻梦环游记

真正让观众记住的是：

• 角色心理变化
• 情绪节奏
• 微妙的眼神停顿
• 呼吸节奏
• 表演留白

这些目前AI做不到“艺术判断”。

四、AI时代，动画师会被分成三类

第一类：技术执行型（最危险）

• 只会key pose
• 不理解表演逻辑
• 依赖流程

AI可以轻松取代。

第二类：流程整合型（会生存）

• 会用AI工具
• 会清理、优化、改动
• 具备导演沟通能力

属于中层生产力。

第三类：表演设计型（最稀缺）

• 能设计情绪节奏
• 能创造角色人格
• 能在镜头中“讲故事”
• 能用动作制造心理张力

这一类反而会：

因为AI降低了技术门槛，他们的艺术判断力变得更稀缺！

五、一个残酷但真实的规律

当技术门槛下降：

审美与创作能力的价值会上升

就像摄影行业：

手机普及 → 人人会拍
但真正懂构图和叙事的摄影师更贵

同样逻辑：

AI会让“会动”变得廉价，但“动得动人”会更昂贵！

六、AI的极限在哪里？

AI的本质是：

数据重组系统

而动画表演的本质是：

对“人性”的再创造

AI可以学到统计规律
但人类可以：

• 打破规律
• 制造反差
• 创造新的节奏语言

七、未来动画师真正的竞争力结构

未来最强动画师能力结构会是：

1. 表演理解力（核心）
2. 镜头语言能力
3. 节奏控制能力
4. AI工具使用能力
5. 导演沟通能力

而不是：

• 单纯的软件熟练度

八、总结一句话

AI越强，技术越便宜
技术越便宜，艺术越昂贵
艺术越昂贵，真正懂表演的动画师越值钱

所以，不管有没有ai，不管ai以后如何发展进化，作为人的我们，都应该充分发挥人类所特有的对于艺术表达的创意能力，否则，就算没有ai，你也会被行业、被时代所淘汰。

1. 基于骨骼的表情绑定（Rigging with Bones）

– 原理：通过骨骼系统驱动网格顶点，表情由面部骨架的旋转/平移实现。
– 优点：结构清晰，便于复用和动画人员操作；可以实现较大范围的面部变形，稳定性好。
– 缺点：细腻的表情细节受限，需大量权重绘制和次级变形；绑定过程较繁琐，人工工作量大。
– 适用场景：传统3D动画、游戏角色、需要可控骨骼层级的表情。

2. 混合体积/形态融合表情绑定（Blendshape / Morph Target）

– 原理：通过一组目标形状（形态目标）来改变网格外观，表情由权重混合得到。
– 优点：能捕捉细腻的表情变化（如眼角、嘴角的微妙变化）；实时性能较好，易于艺术家直接控制。
– 缺点：需要大量的形态目标，存储和创建成本高；不易自动化，复杂表情组合可能需要大量目标。
– 适用场景：影视级角色、虚拟偶像、需要高保真表情的场景。

3. 绑定到面部追踪/表情捕捉数据（Facial Capture / Facial Tracking）

– 原理：使用传感器或相机获取的面部关键点、网格变形或权重，驱动绑定系统实现表情。
– 优点：能实现真实的面部表情动态，快速从真人数据迁移；与现实表情高度契合，适合个性化表达。
– 缺点：受设备和捕捉质量影响较大，需后期清理和校正；数据清洗与映射（retargeting）较复杂。
– 适用场景：视频游戏、虚拟主播、影视特效中的实时/离线表情驱动。

《哪吒之魔童闹海》（以下简称《哪吒2》）作为中国动画电影的现象级作品，其成功不仅源于对传统神话的现代重构，更依托于技术层面的极致追求。影片总票房突破100亿人民币，特效镜头达1948个，参与制作的中国动画公司达138家，4000多名动画人共同打磨五年半，堪称国产动画工业化协作的里程碑。

二、角色绑定：赋予虚拟角色生命力

1. 角色绑定的定义与作用
   角色绑定是将三维模型的各部分与骨骼系统连接，通过控制器实现动作和表情的精细调节。例如，西海龙王敖闰的威严姿态、申小豹的结巴表情，均依赖于绑定师的技术支撑。
2. 技术挑战与创新
   • 高难度动作需求：导演饺子要求角色的动作和表情需满足“极其夸张”的表演需求。例如，敖顺（毒属性龙王）的反关节战斗动作设计，需反复测试骨骼系统的灵活性。
   • 自主研发系统：郑凯文团队开发了一套高效的绑定系统，缩短了角色绑定周期（单角色需10-20天初版），同时支持多角色同步调整，提升标准化生产效率。
   • 协作流程优化：制作团队通过分镜预演、视频会议实时沟通，确保绑定与动画环节无缝衔接，避免问题堆积。

三、特效技术：从“追赶”到“超越”的视觉革命

1. 特效制作的工业化协作
   • 分工与算力支持：影片特效由138家公司协作完成，贵安超级计算中心提供算力支持，仅渲染环节耗时近三年。例如，申正道与灵珠哪吒的瀑布打斗场景，每帧渲染需32小时，总耗时15天。
   • 技术突破案例：
     • 海水撕裂特效：直径5000米的海面撕裂效果模拟，涉及八种不同材质的流体动态计算，技术难度达到动画电影之最。
     • 万箭穿心场景：通过自主研发的自动化流程，整合50台工作站集群处理数据，实现复杂物理效果的精准呈现。
2. 艺术与技术的深度融合
   特效团队强调“以艺术驱动技术”，例如火莲花绽放镜头虽被归类为B级特效，但团队仍以S级标准打磨，最终通过色彩渐变和粒子效果强化情感共鸣。

四、学习CG动画的实践建议

1. 基础技能与工具掌握
   • 软件学习：掌握主流三维软件（如Maya、3dsMax）和绑定技术。郑凯文团队开发的绑定系统即基于行业通用平台优化。
   • 物理与编程知识：流体模拟、布料解算等特效需理解基础物理规律，Python脚本编写能力可提升制作效率。
2. 艺术修养与创新思维
   • 传统文化积淀：如《哪吒2》中妖兽设计参考东方妖怪的钩状牙齿，角色配色融合中国水墨色调（如龙族的淡蓝色系）。
   • 跨界灵感融合：导演饺子（药学背景）与绑定师郑凯文（体育专业）的案例证明，跨领域思维能激发创作突破。
3. 项目实践与行业洞察
   • 参与团队协作：通过实习或开源项目积累经验，理解动画工业流程（如绑定-动画-特效的协作链）。
   • 关注技术前沿：跟踪实时渲染（如UE5）、AI辅助动画等趋势，洛克特视效已探索VR数字文旅等新兴领域。

五、结语

《哪吒2》的成功印证了中国动画从“单兵作战”到“万鳞甲式协作”的转型，其技术突破与艺术追求为从业者提供了范本。对于CG学习者而言，唯有技术深耕与人文情怀并重，方能在中国动画的“新长征”中留下自己的足迹。正如饺子导演所言：“踮着脚去死磕，才能突破极限。”

Open AI自称Sora是“世界模拟器”。

人们惊呼：“真实世界不再存在。”

马斯克直言：人类认赌服输。

前阿里VP贾扬清评价Sora：真的非常牛。

英伟达高级研究科学家兼人工智能代理负责人Jim Fan认为Sora代表了文本生成视频的 GPT-3 时刻。

Sora到底是什么？相比同类产品如Runway和Pika强在哪？

目前市面上文生视频模型的主流技术路线主要有两种：一种基于Transformer模型的技术路线，即从文本及图像中生成，另一种则是基于扩散模型（Diffusion model），如 Runway。

Sora牛就牛在是融合了两者的Diffusion Transformer模型，通过扩散模型（DALL-E3）和转换器架构（ChatGPT）组合，Sora不用预测序列中的下一个文本，而是预测序列中的下一个“Patch”。

事实上，Sora公布的演示视频最令人印象深刻的特点是逼真地模拟物理世界，视频效果吊打市面上同类产品如Runway和Pika。

2024年2月18日Sora的背后团队再次最新公布新的生成视频作品，这回连同一场景下的多角度机位都出现了。

AI的进化速度远超预期，毋庸置疑，AIGC极具破坏性创新的潜力，现有的产业格局如短视频、广告、游戏、影视行业等产业格局一定会被重塑，首当其冲的是谁？

360董事长周鸿祎点评道：今天Sora可能给广告业、电影预告片、短视频行业带来巨大的颠覆，但它不一定那么快击败TikTok，更可能成为TikTok的创作工具。此外，他认为，中美两国的人工智能差距在拉大。

从以上网络上摘抄的近乎狂热的介绍和描述中，我们可以冷静的总结出一个结论：Sora的强项是物理写实的模拟再现和构建写实视觉效果的能力，因为现实世界所有的表象，包括光影、物体的运动等等，都是遵循一定的物理定律的，所以可以通过代码捕捉这些规律给人工智能学习使用，因此对于写实风格的视频和图片，Sora就具备了上面所说的破坏性创新的能力，也就具备了一定替代人工的能力。

但是，这也同时暴露了Sora的短板。对于高于甚至是脱离现实物理世界规律，主观审美占主导作用的艺术创作来说，例如印象派绘画作品、抽象派艺术创作、卡通风格的影视动画和游戏作品等等，Sora就会力不从心，甚至是无能为力了。因为这些是不讲道理，只讲感觉的，正所谓只可意会不可言传。

所以，就像我之前发布的一篇《当今的CG人不要过度依赖和“迷信”人工智能！》的文章里所说的一样，人类和艺术家们，无需过度担心自己被完全取代。实际上，机器和程序的运算，永远无法取代人类大脑的艺术创作过程。所以我们只要不放弃提升自己的艺术审美能力和创造能力，我们就将永远是主导的。

大家可以把文章的网址链接分享出去，让更多的艺术家们、cg从业者能理智正确对待，不要被宣传搞的人心惶惶，担心自己将来被机器取代。

        从2023年下半年开始，网络上就开始密集的发布各种关于人工智能多么神奇和震撼的短视频和图文消息。我也一直抱着准备迎接人类严峻挑战和崭新未来的虔诚和敬畏的学习态度密切关注着人工智能在CG图像领域的发展和变化，并通过各种途径（付费的为主，因为大多数工具不久就开始收费了）获得国内外人工智能工具进行使用体验。以下是我通过实践和深入思考得出的一点心得体会，分享给大家以供参考。

        当前的电脑图像领域的人工智能尚处在非常初级的阶段，画面还是有很多飘忽不定和不稳定的问题，一看就知道是人工智能生成的画面，这一点可能是机器运算生成画面的共性，未来很久都很难解决的问题。因为机器算法毕竟无法等同于人脑的运行，大脑对人类，就如同宇宙对人类，以人类目前的科技水平以及对生物和宇宙自然的认知程度，我们自己对大脑的认知尚还处在非常低级的水平，还远远不能说了解了大脑的构造、运行机制和能力的上限等等，还有太多有关大脑的谜团至今人类自己还毫无头绪，更不用说人自己写出来的程序，想模拟接近人脑的能力更是天方夜谭，人机合一的效果远远达不到。

        因此，现在网络上所有宣传人工智能工具的视频，大多都是偷换概念，避实击虚。外行看着可能会激动不已，行内的人看到那些宣传以及配的视频和图片资料，就知道完全禁不起细看和推敲。那些宣扬动画师、模型师等等人类岗位很有被人工智能取代的风险的言论，更是无稽之谈，都是完全不懂CG艺术创作的外行人士，出于自身的某种目的而进行的夸大其词的宣传。

        所有艺术创作，作品的水平、风格以及作品的目的（这里的目的包括上下镜头的互相关系、画面的风格细节的统一、适用于哪个行业领域等等），起决定作用的还是创作者本身，并不是像现在网络中所宣扬的，任何人都可以轻轻松松的输入一段文字或者说句话就可以做出任何效果，简直神了！前提是什么水平的东西，能够满足什么领域、什么具体要求的东西等等。非专业人士自己随便做着玩玩，还可以，要完成特定目标和严格要求的专业级作品，目前人工智能还远远不行。所以不要被网络上各种鼓吹人工智能的短视频蒙蔽了，人永远是艺术创作的根本和主导，关键还是需要我们提高自身的艺术修养和审美能力，还有想象力！目前主流的CG软件，比如Maya，3dsMax等等，能够精确还原创作者的头脑所想的艺术结果，所以这一点是目前人工智能工具所无法替代的，因为机器永远无法完全精确的知道创作者到底要什么效果，除非是创作者大脑里的蛔虫。你输入的文字命令，很多时候也无法精确反应你头脑里的想法，更何况还要经过机器的解读，这个人机交互的过程等于把两点一线，变成了三点三线，多了个传话的，又多了个执行的，使得创作的过程更加复杂化和具有更多的不确定性，要想实现真正的精确的艺术效果，就需要不断输入指令，然后不断的纠正，问题是最终还是通过无数个不确定性的结果混合成的偶然性程度很高的结果，也并非是创作者真正头脑中所想的。至于什么时候人工智能可以替代人的创造性的工作，那又涉及到上面那个问题，什么时候人类对自己大脑有了全面的、透彻的认识，什么时候才有可能，以人类目前的科技水平，乐观估计没有100年，我觉得也差不多。

        但是，也不是说人工智能的工具就一无是处了，当然不是。在很多领域，人工职能工具的发展还是可以帮助人类的，在图像后期处理领域、重复性劳动环节，枯燥又繁琐的低智商技术操作环节等等，比如抠图、内容替换、内容合成、调色、动画曲线优化、绑定时蒙皮权重的优化、渲染算法优化、模型错面的检查和修复、概念设计的前期快速模糊打样、动态作品和静态作品的创作思路的快速启发、程序bug的检查等等，人工智能的深入参与，都将大大优化工作流程，提高工作效率，让CG创作更加高效和愉快。

        当然，我上面所述，主要针对的是CG图像领域，其实对于其它各行各业的领域，人工智能的局限和问题，基本也是大同小异，当中的道理也是相通的。