AI 進了游戲公司，但還沒開始改變游戲丨GDC 現場大討論

興奮、焦慮，和一步一步到來的現實。

文丨高洪浩

編輯丨黃俊杰

時隔八個月，比利時游戲公司拉瑞安（Larian）創始人、《博德之門 3》制作人斯文·文克（Swen Vincke）說了同樣的一句話，卻引發了截然不同的反響。

2025 年 4 月，他在一次采訪中提到，團隊會在開發中借助生成式 AI 做概念探索和腳本生成，當時沒有引起波瀾。到了 12 月，他再次提起類似的觀點，迅速招致玩家和游戲從業者的抨擊。隨后，斯文·文克不得不公開澄清：項目組不會使用生成式 AI 美術，也不會用 AI 寫作；他還特別強調，工作室目前有 72 位藝術家，其中 23 位是概念藝術家，且仍在繼續招聘。

反差源于威脅已經是真實的。Google DeepMind 發布世界模型 Genie 3 實驗性原型，多家游戲公司的股價因此恐慌性下跌——引擎公司 Unity 大跌 21%、UGC 游戲平臺 Roblox 跌逾 12%。Take-Two 也下跌了 10%，這家游戲公司正在開發人類史上成本最高的開放世界游戲《俠盜獵車手 6》（GTA 6）。

全球最重要的游戲行業大會，GDC（全球游戲開發者大會）在今年 1 月發布了一份《2026 年游戲產業狀況報告》，當中顯示過去兩年，約 28% 的開發者有過裁員的經歷，其中將近一半的人被裁后尚未找到新工作；約 36% 的從業者會在工作中使用 AI，但 52% 的人認為 AI 對行業有負面影響。

3 月，英偉達未經卡普空同意，直接拿《生化危機：安魂曲》的實機畫面來演示新渲染技術 DLSS 5 的前后效果。不少玩家認為它改變的不只是清晰度和光影，而是卡普空原本的美術風格，罵它是 AI slop（低質量的 AI 內容）。

就像 1998 年 3D 游戲引擎剛起步，當時行業也曾深陷對 3D 化必要性的懷疑，但結果是一切都 3D 化，后來連 2D 游戲甚至 iPhone 的系統界面都由 3D 渲染。該來的都會來，但怎么來很重要。

在今年 3 月舉辦的 GDC 上，和 AI 相關的演講達到 106 場，較上一年增加一倍多。2023、2024 兩年，GDC 與 AI 相關的議題各只有不到 20 場。

《晚點 LatePost》摘錄了今年 GDC 上全球知名游戲公司人士關于 AI 的討論，以及我們與騰訊、Google DeepMind、EA 等多家科技和游戲公司從業者的訪談，試圖回答一個問題：AI 當下究竟在如何影響這個行業。

AI 到來前，傳統大制作游戲已經難以為繼

從 20 多年前開始，游戲業的主流商業模式逐漸向好萊塢大片看齊：大公司投入巨額資金，以大團隊長期開發面向大眾的游戲，再以大預算全球營銷。

2026 年初，游戲行業知名分析師 Matthew Ball 說，全球游戲投資正在滑向近十年來的低點：相比 2021 年的高峰，如今流向游戲工作室的投資額已經縮水了 85%，甚至跌破了 2019 年的水平。

根據他的調研，游戲公司的制作開支都被明顯抬高了，少數大制作游戲甚至會動用幾千人，光工資就一年數億美元，但這些游戲的標準售價這么多年也只是從 60 美元提高到 70 美元，最多 100 美元上下，無法填平成本上漲帶來的缺口。

在 GDC 現場，海外游戲行業的高層普遍對整個行業的未來表達了擔憂：

- Google Cloud 全球游戲業務總監 Jack Buser：游戲行業面對的不是經營壓力，是生死問題

2025 年全球玩家消費預計達到 1960 億美元，同比增長 5.5%，創下新高，說明市場規模還在擴大；另一方面，行業自 2021 年以來的經營利潤卻以約 7% 的復合年率下滑，甚至低于疫情前水平。

如今游戲工作室往往要投入過去兩倍的資金去開發一款產品，最終卻只能獲得不到過去一半的玩家時長，這樣的傳統買斷制商業模式根本無法成立。這已經不是經營壓力，而是整個游戲行業的生死問題。

全球玩家消費增長 50% 來源于中國大陸......讓我印象深刻的一點是，騰訊作為中國市場的領軍企業，已宣布其 AI 技術已接入 40 款游戲，未來還會有更多游戲加入。我認為這為我們行業指明了方向，揭示了 AI 技術應用的發展趨勢。

- 游戲行業數據機構 Newzoo 的咨詢總監 Ben Porter：隨著 Roblox、Minecraft 長大的新玩家不一定會玩傳統游戲

現在越來越多玩家，一年到頭真正長期玩的，其實就是一到三款游戲。其中增長最快的是 UGC 平臺。比如，Minecraft（我的世界）的游玩時長同比增長了 19%，Roblox 更是增長 52%。

Roblox 上部分玩家自制內容同時吸引超過 1000 萬人在線，已經更像是玩家共同搭建的內容生態，而不是傳統游戲。

另一邊，一些在主機上的傳統熱門品類則在往下走。比如大逃殺類游戲的總游玩時長同比下滑了 27%，射擊類游戲整體也下降了大約 5%。

現在只有 41% 的 Roblox 玩家對《怪物獵人：荒野》 這樣的 3A 游戲感興趣；僅 57% 的 Roblox 玩家對《33 號遠征隊》（TGA 年度游戲，一款法國團隊制作的日式角色扮演游戲）感興趣。他們更偏愛《太空狼人殺》或者《萌萌小人大亂斗》這類更輕、更偏社交的游戲。

所以接下來的問題就是：Roblox 和 Minecraft 玩家長大之后，會不會像上一代人那樣轉向傳統 3A 游戲？還是說，他們會繼續留在另一套完全不同的娛樂體系里？這是未來十年里游戲行業最大的變量。

- 前網易游戲全球投資與合作總裁 Simon Zhu：游戲行業當前的困境只是周期性的

疫情那幾年，行業里一下子冒出來三四百家新的游戲工作室或者項目，但大多數拿到的資金其實很有限，大概只覆蓋了整個開發預算的兩成。2022 年以后，外部環境開始連續變化：一邊是美聯儲加息，一邊是大科技公司把重心轉去 AI，資本流向也跟著變了，許多新項目集中陷入了危機。

今天大家看到游戲行業的問題，說白了就是當年那三四百家工作室在差不多同一個時間點開始一起出狀況所導致的。

但再往更長的周期里看，這其實更像是一場 B2B 端（游戲工作室找融資）的流動性問題。B2C 端（游戲售賣給玩家）反而沒什么大事。這種起伏以前也有過。2025 年的 B2C 收入數據已有恢復跡象，只要 B2C 穩著，B2B 遲早會回來?，F在整個行業的反應有點太大了。

AI 的進展是超預期的，但落地目前是一步一步的改進

ChatGPT、文生圖、文生視頻誕生之后，游戲都被認為是一個會被很早顛覆的行業。但三年后，軟件應用開發已經基本上被完全改變了，但是游戲開發中的 AI 使用并沒有跳出傳統流程。

游戲生產比視頻生成更復雜，一幀幀畫面背后，是一整套復雜的開發管線：角色、場景、動作、交互、數值、程序與引擎彼此配合，最終共同構成一個可交互的系統。這個系統不僅要呈現畫面，更要滿足實時反饋、一致性控制、玩家交互、物理邏輯和長期穩定性等一整套要求。

AI 更多集中在生產特定內容的優化上，尤其適用于那些重復性強、標準清晰、結果可驗證的 “勞動密集型” 環節——游戲需要生產非常大量的 3D 模型、貼圖、素材、角色、關卡，比如《質量效應》當年光文字腳本就寫了幾十萬字。

以 Rovio 和 AWS 圍繞《憤怒的小鳥》資產制作流程的分享為例，他們討論的是如何把 AI 接入在線游戲的生產管線后，還能維持美術、創作和品牌的一致性；暴雪關于 Zenith 模型的分享也是類似思路，它關注的是如何把擴散模型嵌入一條具體的地圖制作流程，在減少人工勞動的同時，盡量保留人對藝術創作的主動權。

GDC 演講和我們的訪談中，從業者普遍表達了相似的看法：AI 還遠未推翻原有工作方式，但一個個環節的改造已經開始。

- 英偉達應用深度學習研究副總裁 Bryan Catanzaro：AI 被首先用在了最貴的環節

游戲行業今天依然沿著一條很傳統的生產鏈條運轉：先生成圖像，再轉成 3D 模型，最后放進引擎里處理。這套流程之所以還沒有被徹底打破，不只是因為效率問題，更因為游戲開發本身高度依賴可控性、可搭建性和團隊協作，而這些恰恰是游戲引擎至今仍然不可替代的原因。

所以，今天做 3A 游戲真正的瓶頸之一并不是開發引擎不行，而是資產生產太貴了，無論時間、資金還是人力投入都非常高。AI 在當下更現實、也更可能率先帶來改變的地方，不是立刻取代引擎，而是先把資產制作的成本壓下來，從而慢慢改寫游戲開發的經濟模型。

- Unity 引擎產品高級副總裁 Adam Smith：游戲開發過程差不多，但環節被壓縮了

傳統游戲開發往往會被拆成七個階段：創意構思、原型驗證、立項、前期制作、正式開發、上線和持續運營。但現在，這套流程正在被大幅壓縮成三個更大的階段：開發、上線和增長。尤其是原型驗證和立項這兩個過去相對分開的環節，如今越來越多地被合并到了同一個階段。

- 騰訊魔方工作室群首席技術美術馮升、騰訊游戲前沿渲染團隊負責人李超：AI 改造全局光照，制作時間可以從兩三天縮減到 5 分鐘

在游戲制作里有一個重要環節是全局光照——不僅要呈現光源直接照到物體上的效果，還要呈現出光線在場景里不斷反彈后帶來的明暗、顏色和氛圍變化。

虛幻引擎的 Lumen 可以實時計算全局光照，畫面表現很強，但成本極高，能服務頂配顯卡，卻難以滿足大 DAU 產品適配舊主機甚至手機的要求。

但 AI 出現后，我們用它來改造了實現全局光照的引擎管線，效果提升明顯。改造之前，直接用虛幻引擎的原生方案時，大世界項目整套流水線跑完常常要 30 多個小時，意味著兩三天才能看到完整結果。改造之后，一些大項目當天就能看到整體效果，95% 的離線計算任務 5 分鐘內完成，相較傳統本地烘焙效率提升百倍。

其次便是能夠同時適配高、中、低端硬件和機型，且在光照效果上做風格化定制，比如一些游戲的光照需要強調寫實，一些游戲更偏風格化。

- 騰訊游戲公共技術負責人陳冬：已經在用 AI 生成 3D 模型，人主要作做檢查和調整

騰訊游戲的技術中臺首選的 AI 切入點之一是美術制作中的兩個小環節：蒙皮（把模型和骨骼綁定，讓角色能按動作要求變形）與 MIB（自動補齊動作之間的中間幀，提高動畫制作效率）。

這兩個環節在 3D 制作流程偏后段，輸入輸出標準明確，由生產流程決定而非創意，對模型復雜度的要求也比直接生成完整動畫更可控。

沒有 AI 的時候，做角色蒙皮和 MIB 往往要花幾天時間；在訓練了自己的模型后，幾分鐘到十幾分鐘就能完成 80%—90% 的工作，人工只需檢查和小幅調整。

不過只有當模型的自動完成率接近 80% 到 90%，并且修改成本明顯低于從頭重做時，我們才會使用 AI；如果用 AI 工具的完成率只有 40% 到 50%，我們寧可重做，也不會在生成結果上繼續二次編輯。

- 騰訊游戲魔方工作室 AI 負責人廖詩飏：玩家看到新效果之后，就再也回不去了

動作游戲的人物動作通常依賴真人動捕，但大量非核心動作無法逐一采集，只能靠生成來補足。角色受攻擊時，拳腳可能從上千個角度襲來，不可能讓演員逐一演示。

傳統上，這類動作主要依靠 IK（Inverse Kinematics，逆向運動學）等數學模型計算生成，但結果往往不夠自然。最常見的問題之一是 “滑步”——角色明明是在挨打一邊后退，腳下卻像貼著地面平移，缺少真實受力后的支撐和重心變化。除此之外，角色倒地后再起身的銜接動作也常常顯得生硬；如果角色手里拿著武器，倒地時還容易出現武器穿過模型。

長期以來玩家已經習慣這些問題，很多制作團隊也默認可以粗糙處理。現在我們用 AI 模型生成受擊、倒地、起身等過渡動作，改善了滑步、武器穿模這些老問題。動捕流程也變得更簡單：不再需要在大場地貼標記、用專業設備錄制。團隊只用 7 臺運動相機，就能在一個小房間里通過多角度視頻還原演員動作，再結合 AI 完成動作生成。

美術效果的優化難以量化，但玩家一旦見過新效果，就再也回不去了。

- 一位國內頭部游戲公司技術負責人：問題不在于能不能生成，而在于控制精度有多高

Seedance 2.0 雖然證明了自己的技術突破——不僅能生成高質量視頻，也展現出更豐富的控制能力，比如對鏡頭運動、人物動作、場景構圖和風格變化的調度；但在控制精度和細節穩定性上仍不夠成熟，尤其是在復雜動作銜接、角色一致性和局部細節保持上，離可穩定投入生產還有距離。

比如給模型一段人物打斗的參考視頻，它還不能完全按照參考動作精準還原，包括一個動作打出去之后，后續節奏該怎么銜接；某一幀角色應該停在什么位置、處于什么狀態，而這恰恰是游戲制作里最難、要求也最高的部分。

再比如在全局光照里，光并不是簡單地 “照亮一個物體” 就結束了，它還會在不同表面之間不斷反彈，并把周圍物體的顏色帶到別的物體上：樹旁邊的一盞燈、墻面的反光、地面的顏色，都會彼此影響，最后形成非常細微但又真實的明暗和色彩變化。這樣的細節，在游戲渲染管線里可以被精細計算和控制，但在當前的大模型生成中，往往還很難穩定、真實地還原出來。

- 騰訊魔方工作室群首席技術美術馮升、騰訊游戲前沿渲染團隊負責人李超：游戲是一個復雜的系統，所以很難顛覆

AI 之所以更容易做網頁前端，一個很重要的原因是網頁前端的規范和標準足夠統一，所以大模型更容易學會，也更容易給出通用解法。但游戲引擎完全不是這樣，尤其是底層渲染層，缺少統一標準，不同項目的技術選型、改造方式和歷史包袱都很不一樣。

我們支持過包括《洛克王國：世界》在內的 20 多個游戲項目，幾乎每個項目的引擎都改得不一樣，這意味著引擎內部很難出現一個真正標準化、可直接復用的解決方案。資產制作工具相對好一些，因為最后產出的是可以統一管理的資產；可到了引擎底層，不同項目始終要做不同適配。再加上游戲本身就比網頁更復雜，玩法類型、性能目標、美術風格都在影響技術方案，所以很多引擎最后都會走向定制化。這也是為什么 AI 大模型在引擎領域一直很難像在網頁前端那樣，做出超預期成果。

- Google DeepMind Inception 產品負責人 Alexandre Moufarek：世界模型的發展遠遠談不上成熟

Genie 3 是 Google DeepMind 的通用世界模型，能根據文字或圖片提示實時生成可探索、可交互的虛擬環境。這項技術被認為，將有可能取代游戲引擎、美術等工種，大幅降低游戲開發的門檻。2026 年 1 月，Google 把它的實驗原型開放給部分用戶試玩，直接造成了 Unity、Roblox 和 Take-Two 等一眾游戲公司的股價恐慌性暴跌。

DeepMind 做 Genie 的目標是，創建多樣化且逼真的環境，在其中安全地訓練更通用的 agent，而不是直接部署到現實世界的機器人身上。終極測試是：把 agent 放到一個從未見過的世界里，它仍然能夠泛化并適應。

對 Genie 3 來說，現階段的重點不是生成固定可編輯的 3D 世界，而是世界在運行中能被實時生成。前者更適合偏應用型的團隊去探索，DeepMind 更希望聚焦那些只有自己才能解決的基礎問題。

當前的 Genie 3 遠未達到開箱即用的階段——記憶、一致性、長期穩定性和自我修復等底層能力若不能解決，模型產出的就只是像素，而不是完整的交互體驗。Genie 的真正價值不在于替代現有工作流，而在于打開新的可能性。

如果你實際用過 Genie，就會知道它目前的編輯能力還比較有限；同時，它也還很難根據特定 prompt 穩定地產出一致的結果。所以現階段，它更適合拿來快速搭概念、快速做原型。我們也在學習和觀察，看用戶怎么使用 Genie。這個領域變化太快了，我們顯然還沒有走到最終形態。

沒有從業者會公開說，AI 時代，人不重要

GDC 官方在 2026 年做的一份行業調查顯示，52% 的受訪者認為生成式 AI 正在對游戲行業產生負面影響，這一比例高于 2025 年的 30% 和 2024 年的 18%；認為其有正面影響的比例則只有 7%，也低于 2025 年的 13%。

EA 技術合作副總裁、資深技術專家 Jeff Skelto 在 GDC 上就用 “外骨骼” 來形容 AI 之于游戲的關系：“我們現在看到的 AI 其實更多是一種增強，你可以把它理解成外骨骼——不是替你走路，而是讓你走得更好?！盙oogle Cloud 全球游戲業務總監 Jack Buser 則把 AI 形容為 “鋼鐵俠的戰衣”，“它的作用不是取代人類，而是為創作者提供額外的能力?！?/p>

- 《光與影：33 號遠征隊》首席編劇 Jennifer Svedberg-Yen：寫作過程太重要，我不知道怎么交給 AI

大模型說到底就是多重回歸、線性代數、矩陣和海量數據的組合，這一面恰好很吸引我；但回到寫作上，這對我來說并沒有什么用處，我也不會用 AI 來寫作。

寫作者分兩種：有些人寫作時興奮、享受；有些人是忍著痛寫出來的。我是后者。

這個過程當然痛苦，但對我來說又非常重要。因為我必須親自去走一遍角色的情緒，去想他們會說什么，也要把這些情緒放到自己身上感受一遍，再把我對角色的理解翻成他們自己的語言，在那個瞬間把真正的真實感找出來。這件事我不知道該怎么交給 AI 去做。

寫作這件事，說到底，就是把你腦子里的東西表達出來。你是在借這些角色和虛構情境，寫出你的看法、你對世界的理解，以及你親身經歷過的人生。如果把這件事交給一個黑箱去完成，你就會失去其中一部分東西，因為你根本不知道它是怎么一步步得出那個結果的?！保↗ennifer Svedberg-Yen 在 GDC 期間接受 GamesRadar+ 采訪）

- 英偉達應用深度學習研究副總裁 Bryan Catanzaro：用好 AI 的前提是，你本來就得知道自己在解決什么問題

AI 帶來最大的變化是，小團隊可以更快把想法做成原型——過去要花大量時間做幻燈片、說服別人，現在直接把東西搭出來展示。AI 也把專家從淺層工作里解放出來，讓他們專注更深入的任務。

但用了 AI，不代表結果就一定一樣好，甚至更好。真正的前提是，你本來就得知道自己在解決什么問題。只有當你能定義問題、拆解任務、判斷結果時，AI 才會真正提升效率；如果你連自己要什么都不清楚，AI 只會更快放大混亂。

這種情況在更廣泛的編程工作中也一樣。瓶頸早已不只是寫代碼本身，真正困難的仍然是理解到底要做什么、什么才算成功，以及怎樣把任務表達清楚。最能從 AI 中受益的人，往往不是寫得最快的人，而是判斷力最強、最清楚成功標準的人。從這個意義上說，AI 并沒有削弱優秀工程能力的重要性，反而讓這種能力變得更值錢了。

- 天美工作室技術組長余煜、技術專家牟騫：

創意部分我認為是人類之所以成為人類的最重要部分，我們也不應該讓AI去替代它。

我今天玩了這個游戲，給我帶來非常爽的體驗感，說句實話非常爽的體驗感不是AI能感受到的東西，但一定是我們人感受到之后重新表述出來之后的東西……你問AI這東西爽在哪兒，AI只會跟你一本正經的胡說八道。

《對馬島之魂》有一幕騎了一匹馬在花田里面跑，我們說這是浪漫，但什么是浪漫，我們怎么讓AI復刻這個浪漫，這個事情是非常困難的，這個事情只能由人類來。

未來是轉變成一種AI勞動密集型，人類創意密集型的組織。人基本只產出創意，以及做一些驗收，而不是由人來承擔主要的生產工作，AI只是助手，這是兩種不同的概念。

- 網易末日生存類游戲《明日之后》技術團隊：絕不讓 AI 來決定美術方向

在真正搭建管線之前，我們先確立了一條底線：絕不讓 AI 來決定美術方向。以 PBR（基于物理的渲染）流程舉例：

先由人定標準。美術師先把 視覺基準定清楚，什么是木頭，什么是金屬，粗糙度、明暗關系、反射效果應該是什么樣。

讓 AI 批量執行。在這個標準下，AI 完成材質生成、PBR 參數轉換、紋理處理等重復性工作——先找到一個穩定可用的 baseline，再慢慢增加自動化能力。

結果直接接進生產管線。AI 輸出的是能直接進入引擎的工程文件，不是半成品。

最后還要回到人來把關。AI 做完之后，美術師還要檢查和修正，比如 AI 會不會把木頭誤判成金屬，會不會有紋理污染，局部細節夠不夠準。最后的審核和是否能進游戲，仍然由人決定。網易還專門做了內部工具，目的就是把這一步人工修正的時間盡量壓低。

- 前網易游戲全球投資與合作總裁 Simon Zhu：應該用游戲這個媒介來討論 AI 當下帶來的巨大情緒

此刻我們身處灣區，能很明顯感受到空氣里那種巨大的 FOMO（害怕錯過）情緒。作為普通人，而不是 AI 科學家，我們在這個過程里的位置到底是什么？又該怎么理解眼前這一切？

我覺得需要通過游戲這樣的媒介去講這些事，給人們提供一種理解它的視角，甚至某種答案。

回頭看過去所有關于 AI 的故事和電影，其實反復講的都是兩個老套路：要么是 AI 奴役我們，要么是我們奴役 AI。幾乎沒人真正去討論一種平等關系的可能。可現在，我們也許正在走向 AGI 時代，那是不是應該更認真地去討論一下：未來到底會有哪些可能，我們和 AI 之間又應該是一種什么樣的關系？

我經常會問別人一個問題：你設想一下，如果明天外星人把我們所有人的 iPhone 都拿走了，我們接下來要怎么生活？

世界已經在變，我們需要在游戲這樣的媒介里討論這些正在發生的變化。

大型游戲公司的 AI 轉型：為什么一上來就想著登月？

- EA 技術合作副總裁、資深技術專家 Jeff Skelto：上了近地軌道，登月最難的一段已經走完了

去年 10 月，EA 辦了一場約 100 人參加的內部創新峰會。一位制作人上臺，展示了他在日常工作流中遇到的問題，以及如何用 Ollama 等 AI 工具逐一解決，并用視頻呈現前后對比。

你幾乎能看到臺下很多人 “突然被點亮” 的那一刻。因為一旦他們看到 AI 被放進一個真實工作流里，他們立刻就會意識到：原來這東西還能這么用。

那場峰會結束時，我們還讓大家去想一些有可能實現的、激進且很有想象力的 AI 項目。但這往往意味著體量很大，也很吃時間和資源。結果我們組里有個人提出了一個不同的想法。他說：我們為什么一上來就想著登月？為什么不先讓所有人先進入近地軌道？

進入近地軌道，登月最耗能的一段路就已經走完了。先把工具交到每個人手里，提升 AI 素養，讓他們理解工具怎么改善工作，每個人最終都能在自己的領域發起 “登月計劃”。

- 騰訊游戲公共技術負責人陳冬：AI 不能靠自上而下執行

過去我們自上而下執行，但 AI 這件事上有所轉變，內部更強調 “涌現式” 創新，根據業務自身情況探索，沒有強制導向。

有研究能力的年輕人可以主動提出研究方向，成為項目主導者，公司提供 GPU 和人力資源。目前世界模型和 AI 原生玩法探索，都是年輕人帶隊在做。

不管怎么用 AI 改造游戲，首先它得是好游戲

2026 年 3 月，紐約大學游戲中心創始人弗蘭克·蘭茨（Frank Lantz）撰文《為什么沒有 AI 游戲》：2021 年 AI 新時代興起時，人們預言它必然催生新型游戲和全新玩法。五年過去了，幾乎沒有任何實質性成果。

他認為造成這個現象的本質原因在于，游戲的樂趣并不來自無限自由，而來自設計好的確定規則里的無限可能，“一根棍子是好玩的、球也是好玩的”。生成式 AI 擅長制造變化和表達，卻不擅長提供足夠清晰、穩定、可反復推敲的規則結構，“一開始就設定一堆令人驚嘆的復雜性并不會帶來更多樂趣。”

傳統游戲公司更警惕 “拿著錘子找釘子”，所以實踐路徑不是從無到有創造一個 AI 游戲，而是在既有的游戲中尋找 AI 能落地的場景。原生的 AI 公司對這個可能性更興奮。

無論哪條路，共識是一樣的：游戲已經足夠多，缺的是更好的游戲。

2026 年 3 月，騰訊總裁劉熾平在集團財報電話會上說：每年移動平臺上有超 20 萬款新游戲，Steam 平臺上有 1.8 萬款新游戲。無論這個數字是從 20 萬增加到 200 萬、20 億還是 2 萬億，其邊際影響都在遞減。關鍵在于制作出最好的游戲，并使其延長生命周期、成為長青游戲。

- 3D 內容創作公司 Meshy AI 創始人胡淵鳴：AI 要改變游戲玩法，需要同時做到自由、直觀、低門檻

玩法和機制才是游戲最本質的內容。如果 AI 原生游戲真的想有增量價值，不是為了用 AI 而用，就必須讓 AI 實現玩法或者機制的生成。

而既然 “生成玩法和機制” 這個事情已經足夠難，游戲行業又是一個存在了幾十年、值得敬畏的行業，我們就必須專注于解決核心問題，暫時放棄對其他方向的追求，比如 AI 生成環境、場景、NPC 等等。

按照如今 AI 的能力，自動設計出來一個 PUBG（吃雞）、搜打撤這種完全創新的宏觀上的玩法，暫時是不太可能，因為沒有相應的訓練數據。但是是否可以在大的玩法框架下（比如 ARPG 打怪刷寶練級），做一些局部游戲機制的生成？

他認為，像《暗黑破壞神 2》的技能樹、《塞爾達傳說：王國之淚》的余料建造這些玩法不夠自由，本質上都還是在既定規則里組合，玩家能玩出的變化有限；而《吸血鬼幸存者》的玩法組合不夠直觀，Noita（芬蘭獨立游戲工作室 Nolla Games 開發的一款像素風動作冒險游戲） 的門檻過于高。

技能樹為什么是固定的？我想能做到言出法隨；余料建造有了一定的自由度，但是還不夠，依然還是按照寫死的規則。為什么還要去查攻略看合成表呢？為什么就不能把任意兩個道具合成？

AI 要能在玩法上做出增量價值，就只能 “自由、直觀、低門檻” 三者全部做到。如果能夠有效建立一套 “游戲機制數據集”，理論上就可以訓練模型輸出無窮無盡的機制，讓玩家每次玩游戲都是一個新體驗。

- 騰訊光子工作室群《和平精英》策劃副總監薛冰：AI 隊友已經在改變游戲的體驗

2025 年，騰訊在已經在擁有 9000 萬日活的射擊游戲《和平精英》中上線了 AI 隊友功能，主要是因為觀察到了游戲中，大量用戶的真實反饋和需求。

在強對抗的競技環境里，大量戰斗能力較弱、或不擅長社交的單人玩家，往往更容易產生焦慮和挫敗感；

而一局時長常常超過 30 分鐘的游戲，也意味著玩家一旦中途遇到拿外賣、接電話等突發情況，角色往往只能原地等死，進而拖累整支隊伍的表現。

基于這些問題，我們用生成式 AI 打造了 AI 隊友：一方面，它可以為玩家提供幾乎沒有社交壓力、卻能提供情緒陪伴的體驗，降低組隊和游玩門檻；另一方面，當玩家不得不暫時離開游戲時，也可以把角色托管給 AI，盡量維持隊伍的完整戰斗力。最終結果是，《和平精英》中玩家間的活躍度大幅提升——單局內消息互動量達到 70 輪，麥克風開啟率接近 75%。

把大模型融入射擊類游戲有幾個難點：

不能只是通用大模型，而是要掛載龐大且能持續迭代的 “游戲知識庫”。比如射擊游戲中的 AI 隊友不能只會聊天，還要能識別游戲中衍生出來的 “黑話”；

在極限并發下依然能做到零點幾秒的實時語音響應；

長期的記憶能力，AI 與玩家互動越深入話題越私密，情感羈絆才會越深；

行為強化學習，不僅能 “聽懂”，還要具備自主戰場感知與執行能力，可以脫離玩家指令自主做出戰術決策。

- 暴雪娛樂應用科學副總監 Zhen Zhai：不從問題出發，而是從技術出發，通常都不會成功

我們團隊里反復出現的一種情況是：大家常常會因為一種新技術而興奮，下意識覺得，這就是我們需要的答案。但等真正去和工具使用者溝通時，往往會發現，這其實并不是我們最想解決的核心問題。

做得順的項目，往往是設計或產品團隊先提出明確痛點，再由技術團隊判斷適不適合；不適合就換思路迭代。教訓是：先從技術出發，硬塞進工作流，通常不會成功。

- Google DeepMind 產品負責人 Alexandre Moufarek：

市場上本來就已經有遠超所有人可消費能力的游戲了。所以自動多生成一些游戲，不會自動讓生態變更好。人們真正看重的，往往是創作背后的人類連接——也就是，一款游戲所表達的是某些真實的人所擁有的愿景、品味與經驗。

做游戲本身就是有樂趣的創作過程。團隊一起做、一點點磨、不同視角碰撞，這本身就是創造力的來源。

題圖來源：《湮滅》