从“手工”到“智能”：AI 动效新范式

1. 从“手工”到“智能”：AI 动效新范式探索 AIGC 新赛道遥清 · 蚂蚁集团支付宝验技术部蚂蚁终端体验科技大会

2.

3. 灵魂 3 问 /01 为什么要做？ AI 大趋势能力增强问题解决 /02 怎么做呢？硬训模型直出？还是？ /03 ？得到什么？

4. AIGC 空白赛道早期布局 & 机遇文生视频文生图文生3D文生动效领域领域空白早期布局探索机遇

5. 应泛数据基础AI 提效支付宝动效渲染标准数据、技术积累业务强诉求 99% 的业务选择GE 多年积累大量动效数据内部 Done、淘天、画眉、N项目

6. 现阶段能力 Single Agent + MCP ReAct Mode Agentic Work ow 2 MCP Server 10 tools 基础动效制作、资源处理等能力

7. 现阶段的问题 1. GE JSON 过于复杂，模型训练效果不佳 2. 仅输出动画数据、且效果固定、缺乏创造性 3. 编辑器集成工具较多，学习成本高，劝退普通用户

8. 一些解题思路 1. 改变让 LLM 直出 GE JSON 的思路 2. 让 LLM 关注于描述动效的样子和感觉 3. 跳脱复杂的交互，一语生动效

9. 然语用户想要的领域模型 DSL Parser GE JSON 渲染

10. 然语用户想要的领域模型 DSL Parser GE JSON 渲染

11. 解决思路 DSL模型学习、输出 DSLParser 解析 & 输出明确结构和规范LLM + 领域 LoRA 微调解析 LLM 输出的 DSL 定义结构化输出骨架自然语言（Prompt）转 DSLDSL 转标准结构化数据作为 LLM 输出的目标格式提高 DSL 生成准确度输出 GE JSON 或其他格式产物实现链路 DSL 规范 LLM + Prompt DSL 数据领域 LoRA 训练基础 LLM 输出领域 LoRA 输出 Parser 实现 GE JSON

12. 核心点 DSL 整体架子元素定义规范动画片段

13. 核心点 DSL 足够简单、泛化性好、大模型擅长整体架子元素定义规范动画片段

14. 前期准备 DSL 预览动画数据精筛搭建快速预览 DSL 能力排查问题 & 优质 DSL 挑选2.4W 条动效数据过滤、去重优化动画描述，转换最新数据

15. 核心点 Parser 1. 解析 DSL 2. 拼装基础 JSON 3. 处理父子级修正 RTS 4. 处理元素时长和生命周期 5. 修正适配基础曲线数据 6. 曲线数据变体 7. 输出 GE JSON

16. 核心点 Parser 1. 解析 DSL 数据极简，逻辑内聚 2. 拼装基础 JSON 3. 处理父子级修正 RTS 4. 处理元素时长和生命周期 5. 修正适配基础曲线数据 6. 曲线数据变体 7. 输出 GE JSON 动态时序，自动计算

17. 核心点 Parser 1. 解析 DSL 2. 拼装基础 JSON 3. 处理父子级修正 RTS 4. 处理元素时长和生命周期 5. 修正适配基础曲线数据 6. 曲线数据变体 7. 输出 GE JSON 终点优先，布局稳定

18. 曲线变体同一份动画，根据场景可以做出无限中变体变体三旋钮：强度 / 速度 / 扰动同一个跳动曲线，强度 0.8→轻微，2.5→强烈，扰动 0.3→随机抖动

19. 曲线变体基础款慢速款炸裂款 {{{ } element:"sprite_1" animation:"旋转跳跃" startTime:0 parameters:{ intensity:1 speed:1 loopCount:"In nity" noise:0 } } element:"sprite_1" animation:"旋转跳跃" startTime:0 parameters:{ intensity:1 speed:0.5 loopCount:"In nity" noise:0 } } element:"sprite_1" animation:"旋转跳跃" startTime:0 parameters:{ intensity:1.5 speed:1.2 loopCount:"In nity" noise:0.5 }

20. 一些非预期的状况过度叠加效应动画布局的“设计感”缺失动态参数 + 原始动画数据本身存在“非均匀性”（快慢、强弱不一）布局全靠大模型脑洞，部分场景过于抽象动画参数的精准调控策略为 AI 设计师装上“护栏”与“导航” 1. 基础数据原子化 2. 动画数据分类 3. 元素归类1. 限定场景 2. 限定元素 3. 引导生成从 “一刀切” 到 “精准应用” 在约束中创造，在引导中精准

21. Agent 意图识别满血模式从无到有。让 AI 为你全新创作一切。 Work ow 规划 | User Prompt 优化 | Layout 优化 | Context 管理 | History Summarize MCP DSL 成 RAG 异常链路处理 & 兜底 DSL Schema 硬校验生图 Parser 交互

22. Agent 意图识别模板模式化静为动。现有模版，一句话赋予生命。 Work ow 规划 | User Prompt 优化 | Layout 优化 | Context 管理 | History Summarize MCP 模版数据处理 RAG 异常链路处理 & 兜底 DSL Schema 硬校验动画应用

23. Zero-training 上线 + 后训练增强领域模型筛选优质 DSL DSL 训练数据基础 LLM 先行基模 Qwen3-Next-80B-A3B-Instruct领域 LoRA 持续优化 Prompt 工程（静态 Few-shot 模板等）持续训练优质 DSL 数据字段级占位符（防止幻觉）评估、提缺键时→用默认值，不补解释字段可度

24. DSL 和真实 JSON 对比 258 GE JSON，压缩 15 : 1 GE JSON DSL JSON vs 3981

25. 演示DEMO

26. 阶段路线后续动作当前阶段可用生成丰富语义蒙版领域大模型持续优化快速、稳定、优质 DSL + 多模态能力相机转场 DSL 1.0 冻结覆盖 80 % 常见运营场景动效

27. 接入方式快速使用后续开放 Agent 能力实现标准的 MCP Client 即可快速接入 https://modelcontextprotocol.io/docs/sdk#sdks协议部分考虑通用协议 https://a2a-protocol.org/latest/