原文（英文）：Where I Draw the Line: A Lighting Supervisor on AI in VFX 作者：Arvid Schneider（CG Lounge） 说明：本文为中文翻译版，保留作者观点与论证结构；原文中指向站内课程与软件导航的链接已移除，仅保留外部参考来源。
用生成式 AI 直接生成最终像素（final pixel），在我看来基本等同于剽窃。可另一方面，我每天工作也确实在用 AI agent。这两件事并不矛盾，只是中间的界线需要说清楚。这篇文章，就是我对这条界线的一些想法。
有人一提到 AI 就全盘否定，也有人什么都交给 AI，最后还把成果算作自己的。我大概处在两者之间。
我接受不了的部分
这些模型拿已有的艺术作品来训练，生成的东西说白了，就是把这些作品搅碎、重组，再拼成一张带着明显“人造感”的图。我实在喜欢不起来。
有人随便写几句 prompt，就说“我用这个做了部电影，效果特别棒”。说实话，我不觉得这有什么好围观的。问题不在于名气或流量，也不在于你能不能晒出一张自己根本控制不了的“惊艳渲染图”。关键在于：我们做的东西，在我眼里是艺术。
当然，有人会说，写 prompt 也是一种艺术。这个争论让我想到当年的传统 2D 动画。那时的动画师可以说：每一帧都是我画的。3D 出现后，也有人质疑这是“作弊”——你连剪影都不用亲手画了。这个质疑并非毫无道理。也许十年后再回头看，今天的传统 3D，就会像现在的 2D 动画一样。我们正卡在技术交替的阶段，大家会不安，也很正常。
我仍然相信，创作一个镜头是艺术。写 prompt 的过程里，大概也有创作成分。可如果最终结果并不由你负责，而是机器替你决定哪个像素更合理，那艺术又体现在哪里？
比如我改 layout，把一栋楼往左移两米，它会去哪里，我心里非常清楚。但 prompt 不一样，你无法准确预判结果。楼真的会落在你要的位置吗？如果没有，你只能再来一轮，结果其他地方又跟着变了。
所以，如果一个镜头根本不是你做出来的，只是 AI 凭感觉生成出来的，你就不该再说“这个镜头是我做的”。
像在管理自己的部门
不过，把 AI 当工具来用，是另一回事。机器学习模型进入制作流程已经很多年了 [1]。用 Claude、ChatGPT 或 Grok 这类 LLM 帮你做工具，在我看来完全是正当的工作方式。我有软件开发背景，在 agentic coding 出现之前就会写代码，所以跟 agent 一起写代码时，我知道该检查什么，也知道它有没有走偏。不是丢一句 prompt 进去，然后碰运气，返回什么就用什么。
眼下最热门的是 MCP [2]，或者让 Claude 写脚本，直接驱动 Blender、Houdini、DaVinci Resolve 这些日常工具。说说我自己的情况：我不是模型师，我做灯光。以前需要一个模型，通常得看模型师有没有时间；现在我可以把需求告诉 agent，让它先做出来。感觉有点像自己突然带了一个建模部门——我提创意需求，它完成大部分搭建，我再给修改意见。
其实，作为灯光总监，我也不是每个镜头都亲手打光。我给的是创意意见，不会告诉艺术家每一步该怎么做。他们动灯，我看结果。和 agent 协作也差不多：模型上的 edge loop 不是我布的，贴图里的小石子也不是我一颗颗放的，我负责说清楚整体想要什么，最后判断它能不能过。
举个我实际做过的例子。我在 Houdini 里通过 MCP 操作 heightfield。我会先让它参考某张图做一组 noise pattern，接着来回调整：频率改一下，把这几块压平，在这里 scatter 一些点，再改改点的大小。建模也是同样道理。它默认给出的东西往往排列得过于整齐，一眼就很假，所以我会一遍遍改，把壁挂件、梯子、各种不完美，以及合理模型该有的 edge loop 都补进去。这些工作我原本就会手动完成，MCP 只是让我快一点。前提是，我得把需求说清楚，同时要求它给我干净、注释清楚的节点网络。
这就是我反复提到的区别。我的本职不是建模，但我懂 modeling、texturing 和 lookdev，也知道一个东西要好看，需要满足哪些条件。你有这种眼力和知识，用这些工具提高效率没什么问题；如果没有，你甚至还没法判断它交回来的东西到底行不行。
真正难判断的情况
MCP server 正在变得人人可用。有人会说：“我甚至连 Blender 都没打开，只是跟 Claude 聊了几句，MCP 就把 Blender 里的活全干了，最后给我一个照片级场景，看起来和传统 3D 场景没有区别。” [3]
这话并非没有道理。它确实是 3D 场景，最终图像也确实来自渲染，而不是直接生成像素。场景里有贴图、灯光、相机，什么都有，只不过全是通过 MCP 搭起来的。
但这样就能说“这个照片级镜头是我做的”吗？在我看来，这仍然很勉强，甚至同样越界。这个人可能根本不知道场景里有什么。他只是写 prompt，让 Claude 渲染，再看着结果提意见：灯往这边挪一点，往那边挪一点，再渲一次。所以我在意的，不只是最终结果，而是你有没有真正掌控它，有没有实际参与这项工作。
我自己当然也做过类似的事：让 agent 建模，让它把 proxy 建筑放到我指定的位置。区别在于，做完之后，我仍然知道场景里有什么，也能随时接管，把任何东西移到别处。
那我和前面那个人有本质区别吗？严格说，没有。差别只在使用的程度。你是把它当成一双手，替你加速完成那些本来就会做、但很琐碎的事？还是根本不懂自己在做什么，只让它替你生成一个结果？
谁具体做了什么，将来恐怕很难监管，只能听当事人自己怎么说。到最后，这可能真的取决于个人：如果你完全不懂工具，只关心社交媒体上的点赞，这样做出来的东西，你自己晚上能不能睡得踏实。
观众这边也一样。现在让我去电影院看一部完全由 AI 生成的电影，我不会去。但如果它不是直接生成像素，而是每个场景都像前面说的那样，由 MCP 搭出真正的 3D 场景，再用传统方式渲染呢？那区别又在哪里？我还没见过足够好的这类作品，所以也没有答案。这里确实全是灰色地带。
训练数据的问题，仍然让我过不去
最根本的问题，还是这些模型用了自己并不拥有的数据来训练。其中大量数据，并没有得到创作者同意。它们从 ArtStation 和其他平台抓图，再拿去学习 [4][5]。我认为这就是错的。
有些争议已经闹上法庭，结果也不尽相同。艺术家早在 2023 年就起诉了 Stability AI 和 Midjourney，案件至今仍在进行 [6]。Claude 背后的 Anthropic 同意支付 15 亿美元，就作家起诉其使用盗版网站书籍一案达成和解 [7]。在英国，Getty 对 Stability AI 的诉讼基本败诉，目前正在上诉 [8]。我还听说，这些模型为了学写代码，几乎把整个 GitHub 都爬了一遍 [9]。即使那些代码算是开源，这件事依然值得追问。
那我凭什么继续用建立在这些模型之上的工具？说实话，我不知道。这个问题我到现在也没有一个能让自己完全信服的答案。对我来说，终于能把一直想要的工具做出来，确实很有成就感。不是以前绝对做不到，而是现在连平台和社区这样的东西，我也能动手去做了。
如果你刚入行
新人当然也可以用这些工具，但别一上来就说：“直接帮我做完，过程我不管。”
更好的办法，是把它当老师、当教练。比如你进 Houdini，直接让它“按这些条件做一个 MPM 模拟” [10]，它多半真能替你做完。但你也因此错过了理解它到底在做什么的机会。所以，别只告诉它你要什么，还可以继续追问：把这里发生的事情讲给我听；用 network box 和 sticky note 标清楚；遵循好的规范；一步步解释，让我能跟着学。这样用它，我觉得很有价值。它在教你工具，你也不会盲目相信它。
我知道，这样很费时间。很多人不在乎，因为 ChatGPT 可以替他们做。但这种心态有问题。你总得学会理解工具在做什么，否则连自己的输出对不对，都无法判断。失去了这种判断能力，人就只剩下一个空壳。
类似的事也发生在我自己身上。上学时有计算器以后，我们做基础运算就懒得动脑了：数字输进去，答案出来，至于怎么算，不知道。智能手机也一样。以前我记得每个朋友的电话号码，现在一个也记不住。如果你让 AI 把所有事都做完，就永远学不会没有它时该怎么做。
还有更现实的问题：如果初级工作都交给 agent，新人去哪里做那些赖以成长的 first pass？对此我没有答案。我只知道，行业门槛一直在提高，即使没有 AI 也是如此。十五年前，这行没有太多系统教育，也没什么教程和 YouTube，大家基本靠自学。工作室能招到靠谱的人就很高兴，找工作也相对容易。现在学校多了，教程随处可学，又多了 MCP。工作室想要懂得更多的通才。今天的一名 junior，可能要达到当年的 mid-level artist 的水平。
这对工作岗位意味着什么
那么，岗位会发生什么变化？原来有十个模型师的公司，以后只留两个？二十人的灯光部门也会缩编吗？我觉得部门变小几乎是肯定的 [11]。但很多行业外的人并不了解，我们究竟要经历多少轮 review cycle。这大概也是“AI 将取代 VFX”这种说法里，最大的误解。
就拿灯光来说，因为这是我的本行。艺术家先做 first pass，lead 给意见，改到可以拿出去示审；接着进 dailies，CG sup 和 VFX sup 继续提意见。只这一轮，就可能来回改上几个星期，重渲无数次。然后 comp 再走一遍类似流程。之后客户提意见，意见再沿着各级 lead 和 sup 一路传回艺术家。接着导演有意见，试映之后还有意见。
这条链上的每个人，都对自己的专业有很强的自尊。没人会因为一个镜头是“一次出图”或者“vibe 出来的”，就愿意把它放行。
而且，我在真正的高端制作项目里从没用过 AI，一次也没有。这类项目通常有很多禁令。我不知道合同细则到底怎么写，但限制肯定很严格，不然大家早就用了。比如 Netflix 在 2025 年给合作制作方发布过指引：生成式 AI 要进入最终交付物，必须先获得书面批准 [12]。
所以，你在 X、Instagram、YouTube 上当然会看到有人说：“我只花了一两万美元，换工作室做要几百万。”行吧，恭喜。但这不是实际制作的样子。VFX 的每一步都被拆得很细，也必须可控。我们逐帧审片，放大到 500%，比较前后两帧的像素。今天的 AI 还做不到这一点。
保持透明
另一个我觉得不太合适的做法，是让 AI 替你说话。比如在工作群里，或者其他社交平台上，让 AI 冒充你回复同事。我对此没有好感。
但我自己的使用方式，也可以坦白说：我确实用 AI 回过群发邮件和机器人邮件。newsletter 这类内容，我觉得问题不大。虽然文字由 AI 生成，但每一条发出去之前，我都会亲自检查。如果是客户或支持邮件，我会自己回复，不用生成内容。
CG Lounge 也是如此。2025 年 11 月，在做过几个原型之后，我开始积极地用 LLM 搭建这个平台。到现在，它仍主要由我一个人运营，偶尔有几个人帮忙，AI 则协助我做开发。
对于创作者在 CG Lounge 上出售的作品，规则是必须出自本人。凡是包含 AI 生成的图片、贴图、HDRI、3D 模型、视频或动态图形，一律不收。用 AI 帮忙写商品描述可以，在制作过程中拿 AI 工具做参考也可以。
那 agent 建的 mesh 呢？CG Lounge 市场不允许，这一点不会变。我心里也有一点矛盾：如果一个高精度模型确实经得住检验，能当 hero asset，而且明确披露制作过程，是不是也有讨论空间？但我并不喜欢这种做法，而且它始终绕不开前面说的训练数据问题。
所以，我的界线在这里
用 AI 做工具、辅助日常工作，让产出质量更高，而不只是数量更多，我觉得没有问题。把自己从未真正掌控的成果署上自己的名字，则有问题。无论是直接生成的最终像素，还是一个由 MCP 搭好、你却从未打开过的场景，只要它的样子最终是模型决定的，你就很难理直气壮地说它属于你。
但如果你懂其中的原理，有判断力，知道场景里究竟有什么，也亲自给出了创意意见，那么作品仍然可以算是你的。AI 参与了哪一部分，就说清楚；如果你还在学习，就让 AI 把它正在做的事讲给你听。
我是一名 3D 艺术家，也为自己的职业感到骄傲。我希望自己说“这是我做的”时，心里是踏实的。这就是我的立场。不是每个人都会同意，我也很想知道，你会把这条界线画在哪里。
写作说明：这篇文章最初是五六段较长的语音备忘，大约四五千字。AI 帮我整理了语法和整体结构，但大部分想法仍是我自己的。发布前，亲友也读过全文。
参考来源
- befores & afters，The machine learning tools now in Nuke 13
- Anthropic，Introducing the Model Context Protocol
- GitHub，BlenderMCP: Blender Model Context Protocol integration
- Waxy.org，Exploring 12 Million of the 2.3 Billion Images Used to Train Stable Diffusion’s Image Generator
- PetaPixel，Artists Stage Mass Online Protest Against AI Image Generators
- Joseph Saveri Law Firm，AI Art Generators Copyright Litigation
- JURIST，Judge approves record $1.5 billion AI copyright settlement involving Anthropic
- AIPPI，Getty Images v Stability AI: UK High Court Finds No Secondary Copyright Infringement in Landmark GenAI Ruling
- arXiv (OpenAI)，Evaluating Large Language Models Trained on Code
- SideFX，What’s new in Houdini 20.5: VFX
- Cartoon Brew，Union Study Says Generative AI Will Disrupt 204,000 Jobs In Three Years
- TV Technology，Netflix Lays Out Guidance for Using Generative AI in Content Production