兴奋、焦虑，和一步一步到来的现实。
文丨高洪浩
编辑丨黄俊杰
时隔八个月，比利时游戏公司拉瑞安（Larian）创始人、《博德之门 3》制作人斯文·文克（Swen Vincke）说了同样的一句话，却引发了截然不同的反响。
2025 年 4 月，他在一次采访中提到，团队会在开发中借助生成式 AI 做概念探索和脚本生成，当时没有引起波澜。到了 12 月，他再次提起类似的观点，迅速招致玩家和游戏从业者的抨击。随后，斯文·文克不得不公开澄清：项目组不会使用生成式 AI 美术，也不会用 AI 写作；他还特别强调，工作室目前有 72 位艺术家，其中 23 位是概念艺术家，且仍在继续招聘。
反差源于威胁已经是真实的。Google DeepMind 发布世界模型 Genie 3 实验性原型，多家游戏公司的股价因此恐慌性下跌——引擎公司 Unity 大跌 21%、UGC 游戏平台 Roblox 跌逾 12%。Take-Two 也下跌了 10%，这家游戏公司正在开发人类史上成本最高的开放世界游戏《侠盗猎车手 6》（GTA 6）。
全球最重要的游戏行业大会，GDC（全球游戏开发者大会）在今年 1 月发布了一份《2026 年游戏产业状况报告》，当中显示过去两年，约 28% 的开发者有过裁员的经历，其中将近一半的人被裁后尚未找到新工作；约 36% 的从业者会在工作中使用 AI，但 52% 的人认为 AI 对行业有负面影响。
3 月，英伟达未经卡普空同意，直接拿《生化危机：安魂曲》的实机画面来演示新渲染技术 DLSS 5 的前后效果。不少玩家认为它改变的不只是清晰度和光影，而是卡普空原本的美术风格，骂它是 AI slop（低质量的 AI 内容）。
就像 1998 年 3D 游戏引擎刚起步，当时行业也曾深陷对 3D 化必要性的怀疑，但结果是一切都 3D 化，后来连 2D 游戏甚至 iPhone 的系统界面都由 3D 渲染。该来的都会来，但怎么来很重要。
在今年 3 月举办的 GDC 上，和 AI 相关的演讲达到 106 场，较上一年增加一倍多。2023、2024 两年，GDC 与 AI 相关的议题各只有不到 20 场。
《晚点 LatePost》摘录了今年 GDC 上全球知名游戏公司人士关于 AI 的讨论，以及我们与腾讯、Google DeepMind、EA 等多家科技和游戏公司从业者的访谈，试图回答一个问题：AI 当下究竟在如何影响这个行业。
AI 到来前，传统大制作游戏已经难以为继
从 20 多年前开始，游戏业的主流商业模式逐渐向好莱坞大片看齐：大公司投入巨额资金，以大团队长期开发面向大众的游戏，再以大预算全球营销。
2026 年初，游戏行业知名分析师 Matthew Ball 说，全球游戏投资正在滑向近十年来的低点：相比 2021 年的高峰，如今流向游戏工作室的投资额已经缩水了 85%，甚至跌破了 2019 年的水平。
根据他的调研，游戏公司的制作开支都被明显抬高了，少数大制作游戏甚至会动用几千人，光工资就一年数亿美元，但这些游戏的标准售价这么多年也只是从 60 美元提高到 70 美元，最多 100 美元上下，无法填平成本上涨带来的缺口。
在 GDC 现场，海外游戏行业的高层普遍对整个行业的未来表达了担忧：
- Google Cloud 全球游戏业务总监 Jack Buser：游戏行业面对的不是经营压力，是生死问题
2025 年全球玩家消费预计达到 1960 亿美元，同比增长 5.5%，创下新高，说明市场规模还在扩大；另一方面，行业自 2021 年以来的经营利润却以约 7% 的复合年率下滑，甚至低于疫情前水平。
如今游戏工作室往往要投入过去两倍的资金去开发一款产品，最终却只能获得不到过去一半的玩家时长，这样的传统买断制商业模式根本无法成立。这已经不是经营压力，而是整个游戏行业的生死问题。
全球玩家消费增长 50% 来源于中国大陆......让我印象深刻的一点是，腾讯作为中国市场的领军企业，已宣布其 AI 技术已接入 40 款游戏，未来还会有更多游戏加入。我认为这为我们行业指明了方向，揭示了 AI 技术应用的发展趋势。
- 游戏行业数据机构 Newzoo 的咨询总监 Ben Porter：随着 Roblox、Minecraft 长大的新玩家不一定会玩传统游戏
现在越来越多玩家，一年到头真正长期玩的，其实就是一到三款游戏。其中增长最快的是 UGC 平台。比如，Minecraft（我的世界）的游玩时长同比增长了 19%，Roblox 更是增长 52%。
Roblox 上部分玩家自制内容同时吸引超过 1000 万人在线，已经更像是玩家共同搭建的内容生态，而不是传统游戏。
另一边，一些在主机上的传统热门品类则在往下走。比如大逃杀类游戏的总游玩时长同比下滑了 27%，射击类游戏整体也下降了大约 5%。
现在只有 41% 的 Roblox 玩家对《怪物猎人：荒野》 这样的 3A 游戏感兴趣；仅 57% 的 Roblox 玩家对《33 号远征队》（TGA 年度游戏，一款法国团队制作的日式角色扮演游戏）感兴趣。他们更偏爱《太空狼人杀》或者《萌萌小人大乱斗》这类更轻、更偏社交的游戏。
所以接下来的问题就是：Roblox 和 Minecraft 玩家长大之后，会不会像上一代人那样转向传统 3A 游戏？还是说，他们会继续留在另一套完全不同的娱乐体系里？这是未来十年里游戏行业最大的变量。
- 前网易游戏全球投资与合作总裁 Simon Zhu：游戏行业当前的困境只是周期性的
疫情那几年，行业里一下子冒出来三四百家新的游戏工作室或者项目，但大多数拿到的资金其实很有限，大概只覆盖了整个开发预算的两成。2022 年以后，外部环境开始连续变化：一边是美联储加息，一边是大科技公司把重心转去 AI，资本流向也跟着变了，许多新项目集中陷入了危机。
今天大家看到游戏行业的问题，说白了就是当年那三四百家工作室在差不多同一个时间点开始一起出状况所导致的。
但再往更长的周期里看，这其实更像是一场 B2B 端（游戏工作室找融资）的流动性问题。B2C 端（游戏售卖给玩家）反而没什么大事。这种起伏以前也有过。2025 年的 B2C 收入数据已有恢复迹象，只要 B2C 稳着，B2B 迟早会回来。现在整个行业的反应有点太大了。
AI 的进展是超预期的，但落地目前是一步一步的改进
ChatGPT、文生图、文生视频诞生之后，游戏都被认为是一个会被很早颠覆的行业。但三年后，软件应用开发已经基本上被完全改变了，但是游戏开发中的 AI 使用并没有跳出传统流程。
游戏生产比视频生成更复杂，一帧帧画面背后，是一整套复杂的开发管线：角色、场景、动作、交互、数值、程序与引擎彼此配合，最终共同构成一个可交互的系统。这个系统不仅要呈现画面，更要满足实时反馈、一致性控制、玩家交互、物理逻辑和长期稳定性等一整套要求。
AI 更多集中在生产特定内容的优化上，尤其适用于那些重复性强、标准清晰、结果可验证的 “劳动密集型” 环节——游戏需要生产非常大量的 3D 模型、贴图、素材、角色、关卡，比如《质量效应》当年光文字脚本就写了几十万字。
以 Rovio 和 AWS 围绕《愤怒的小鸟》资产制作流程的分享为例，他们讨论的是如何把 AI 接入在线游戏的生产管线后，还能维持美术、创作和品牌的一致性；暴雪关于 Zenith 模型的分享也是类似思路，它关注的是如何把扩散模型嵌入一条具体的地图制作流程，在减少人工劳动的同时，尽量保留人对艺术创作的主动权。
GDC 演讲和我们的访谈中，从业者普遍表达了相似的看法：AI 还远未推翻原有工作方式，但一个个环节的改造已经开始。
- 英伟达应用深度学习研究副总裁 Bryan Catanzaro：AI 被首先用在了最贵的环节
游戏行业今天依然沿着一条很传统的生产链条运转：先生成图像，再转成 3D 模型，最后放进引擎里处理。这套流程之所以还没有被彻底打破，不只是因为效率问题，更因为游戏开发本身高度依赖可控性、可搭建性和团队协作，而这些恰恰是游戏引擎至今仍然不可替代的原因。
所以，今天做 3A 游戏真正的瓶颈之一并不是开发引擎不行，而是资产生产太贵了，无论时间、资金还是人力投入都非常高。AI 在当下更现实、也更可能率先带来改变的地方，不是立刻取代引擎，而是先把资产制作的成本压下来，从而慢慢改写游戏开发的经济模型。
- Unity 引擎产品高级副总裁 Adam Smith：游戏开发过程差不多，但环节被压缩了
传统游戏开发往往会被拆成七个阶段：创意构思、原型验证、立项、前期制作、正式开发、上线和持续运营。但现在，这套流程正在被大幅压缩成三个更大的阶段：开发、上线和增长。尤其是原型验证和立项这两个过去相对分开的环节，如今越来越多地被合并到了同一个阶段。
- 腾讯魔方工作室群首席技术美术冯升、腾讯游戏前沿渲染团队负责人李超：AI 改造全局光照，制作时间可以从两三天缩减到 5 分钟
在游戏制作里有一个重要环节是全局光照——不仅要呈现光源直接照到物体上的效果，还要呈现出光线在场景里不断反弹后带来的明暗、颜色和氛围变化。
虚幻引擎的 Lumen 可以实时计算全局光照，画面表现很强，但成本极高，能服务顶配显卡，却难以满足大 DAU 产品适配旧主机甚至手机的要求。
但 AI 出现后，我们用它来改造了实现全局光照的引擎管线，效果提升明显。改造之前，直接用虚幻引擎的原生方案时，大世界项目整套流水线跑完常常要 30 多个小时，意味着两三天才能看到完整结果。改造之后，一些大项目当天就能看到整体效果，95% 的离线计算任务 5 分钟内完成，相较传统本地烘焙效率提升百倍。
其次便是能够同时适配高、中、低端硬件和机型，且在光照效果上做风格化定制，比如一些游戏的光照需要强调写实，一些游戏更偏风格化。
- 腾讯游戏公共技术负责人陈冬：已经在用 AI 生成 3D 模型，人主要作做检查和调整
腾讯游戏的技术中台首选的 AI 切入点之一是美术制作中的两个小环节：蒙皮（把模型和骨骼绑定，让角色能按动作要求变形）与 MIB（自动补齐动作之间的中间帧，提高动画制作效率）。
这两个环节在 3D 制作流程偏后段，输入输出标准明确，由生产流程决定而非创意，对模型复杂度的要求也比直接生成完整动画更可控。
没有 AI 的时候，做角色蒙皮和 MIB 往往要花几天时间；在训练了自己的模型后，几分钟到十几分钟就能完成 80%—90% 的工作，人工只需检查和小幅调整。
不过只有当模型的自动完成率接近 80% 到 90%，并且修改成本明显低于从头重做时，我们才会使用 AI；如果用 AI 工具的完成率只有 40% 到 50%，我们宁可重做，也不会在生成结果上继续二次编辑。
- 腾讯游戏魔方工作室 AI 负责人廖诗飏：玩家看到新效果之后，就再也回不去了
动作游戏的人物动作通常依赖真人动捕，但大量非核心动作无法逐一采集，只能靠生成来补足。角色受攻击时，拳脚可能从上千个角度袭来，不可能让演员逐一演示。
传统上，这类动作主要依靠 IK（Inverse Kinematics，逆向运动学）等数学模型计算生成，但结果往往不够自然。最常见的问题之一是 “滑步”——角色明明是在挨打一边后退，脚下却像贴着地面平移，缺少真实受力后的支撑和重心变化。除此之外，角色倒地后再起身的衔接动作也常常显得生硬；如果角色手里拿着武器，倒地时还容易出现武器穿过模型。
长期以来玩家已经习惯这些问题，很多制作团队也默认可以粗糙处理。现在我们用 AI 模型生成受击、倒地、起身等过渡动作，改善了滑步、武器穿模这些老问题。动捕流程也变得更简单：不再需要在大场地贴标记、用专业设备录制。团队只用 7 台运动相机，就能在一个小房间里通过多角度视频还原演员动作，再结合 AI 完成动作生成。
美术效果的优化难以量化，但玩家一旦见过新效果，就再也回不去了。
- 一位国内头部游戏公司技术负责人：问题不在于能不能生成，而在于控制精度有多高
Seedance 2.0 虽然证明了自己的技术突破——不仅能生成高质量视频，也展现出更丰富的控制能力，比如对镜头运动、人物动作、场景构图和风格变化的调度；但在控制精度和细节稳定性上仍不够成熟，尤其是在复杂动作衔接、角色一致性和局部细节保持上，离可稳定投入生产还有距离。
比如给模型一段人物打斗的参考视频，它还不能完全按照参考动作精准还原，包括一个动作打出去之后，后续节奏该怎么衔接；某一帧角色应该停在什么位置、处于什么状态，而这恰恰是游戏制作里最难、要求也最高的部分。
再比如在全局光照里，光并不是简单地 “照亮一个物体” 就结束了，它还会在不同表面之间不断反弹，并把周围物体的颜色带到别的物体上：树旁边的一盏灯、墙面的反光、地面的颜色，都会彼此影响，最后形成非常细微但又真实的明暗和色彩变化。这样的细节，在游戏渲染管线里可以被精细计算和控制，但在当前的大模型生成中，往往还很难稳定、真实地还原出来。
- 腾讯魔方工作室群首席技术美术冯升、腾讯游戏前沿渲染团队负责人李超：游戏是一个复杂的系统，所以很难颠覆
AI 之所以更容易做网页前端，一个很重要的原因是网页前端的规范和标准足够统一，所以大模型更容易学会，也更容易给出通用解法。但游戏引擎完全不是这样，尤其是底层渲染层，缺少统一标准，不同项目的技术选型、改造方式和历史包袱都很不一样。
我们支持过包括《洛克王国：世界》在内的 20 多个游戏项目，几乎每个项目的引擎都改得不一样，这意味着引擎内部很难出现一个真正标准化、可直接复用的解决方案。资产制作工具相对好一些，因为最后产出的是可以统一管理的资产；可到了引擎底层，不同项目始终要做不同适配。再加上游戏本身就比网页更复杂，玩法类型、性能目标、美术风格都在影响技术方案，所以很多引擎最后都会走向定制化。这也是为什么 AI 大模型在引擎领域一直很难像在网页前端那样，做出超预期成果。
- Google DeepMind Inception 产品负责人 Alexandre Moufarek：世界模型的发展远远谈不上成熟
Genie 3 是 Google DeepMind 的通用世界模型，能根据文字或图片提示实时生成可探索、可交互的虚拟环境。这项技术被认为，将有可能取代游戏引擎、美术等工种，大幅降低游戏开发的门槛。2026 年 1 月，Google 把它的实验原型开放给部分用户试玩，直接造成了 Unity、Roblox 和 Take-Two 等一众游戏公司的股价恐慌性暴跌。
DeepMind 做 Genie 的目标是，创建多样化且逼真的环境，在其中安全地训练更通用的 agent，而不是直接部署到现实世界的机器人身上。终极测试是：把 agent 放到一个从未见过的世界里，它仍然能够泛化并适应。
对 Genie 3 来说，现阶段的重点不是生成固定可编辑的 3D 世界，而是世界在运行中能被实时生成。前者更适合偏应用型的团队去探索，DeepMind 更希望聚焦那些只有自己才能解决的基础问题。
当前的 Genie 3 远未达到开箱即用的阶段——记忆、一致性、长期稳定性和自我修复等底层能力若不能解决，模型产出的就只是像素，而不是完整的交互体验。Genie 的真正价值不在于替代现有工作流，而在于打开新的可能性。
如果你实际用过 Genie，就会知道它目前的编辑能力还比较有限；同时，它也还很难根据特定 prompt 稳定地产出一致的结果。所以现阶段，它更适合拿来快速搭概念、快速做原型。我们也在学习和观察，看用户怎么使用 Genie。这个领域变化太快了，我们显然还没有走到最终形态。
没有从业者会公开说，AI 时代，人不重要
GDC 官方在 2026 年做的一份行业调查显示，52% 的受访者认为生成式 AI 正在对游戏行业产生负面影响，这一比例高于 2025 年的 30% 和 2024 年的 18%；认为其有正面影响的比例则只有 7%，也低于 2025 年的 13%。
EA 技术合作副总裁、资深技术专家 Jeff Skelto 在 GDC 上就用 “外骨骼” 来形容 AI 之于游戏的关系：“我们现在看到的 AI 其实更多是一种增强，你可以把它理解成外骨骼——不是替你走路，而是让你走得更好。”Google Cloud 全球游戏业务总监 Jack Buser 则把 AI 形容为 “钢铁侠的战衣”，“它的作用不是取代人类，而是为创作者提供额外的能力。”
- 《光与影：33 号远征队》首席编剧 Jennifer Svedberg-Yen：写作过程太重要，我不知道怎么交给 AI
大模型说到底就是多重回归、线性代数、矩阵和海量数据的组合，这一面恰好很吸引我；但回到写作上，这对我来说并没有什么用处，我也不会用 AI 来写作。
写作者分两种：有些人写作时兴奋、享受；有些人是忍着痛写出来的。我是后者。
这个过程当然痛苦，但对我来说又非常重要。因为我必须亲自去走一遍角色的情绪，去想他们会说什么，也要把这些情绪放到自己身上感受一遍，再把我对角色的理解翻成他们自己的语言，在那个瞬间把真正的真实感找出来。这件事我不知道该怎么交给 AI 去做。
写作这件事，说到底，就是把你脑子里的东西表达出来。你是在借这些角色和虚构情境，写出你的看法、你对世界的理解，以及你亲身经历过的人生。如果把这件事交给一个黑箱去完成，你就会失去其中一部分东西，因为你根本不知道它是怎么一步步得出那个结果的。”（Jennifer Svedberg-Yen 在 GDC 期间接受 GamesRadar+ 采访）
- 英伟达应用深度学习研究副总裁 Bryan Catanzaro：用好 AI 的前提是，你本来就得知道自己在解决什么问题
AI 带来最大的变化是，小团队可以更快把想法做成原型——过去要花大量时间做幻灯片、说服别人，现在直接把东西搭出来展示。AI 也把专家从浅层工作里解放出来，让他们专注更深入的任务。
但用了 AI，不代表结果就一定一样好，甚至更好。真正的前提是，你本来就得知道自己在解决什么问题。只有当你能定义问题、拆解任务、判断结果时，AI 才会真正提升效率；如果你连自己要什么都不清楚，AI 只会更快放大混乱。
这种情况在更广泛的编程工作中也一样。瓶颈早已不只是写代码本身，真正困难的仍然是理解到底要做什么、什么才算成功，以及怎样把任务表达清楚。最能从 AI 中受益的人，往往不是写得最快的人，而是判断力最强、最清楚成功标准的人。从这个意义上说，AI 并没有削弱优秀工程能力的重要性，反而让这种能力变得更值钱了。
- 天美工作室技术组长余煜、技术专家牟骞：
创意部分我认为是人类之所以成为人类的最重要部分，我们也不应该让AI去替代它。
我今天玩了这个游戏，给我带来非常爽的体验感，说句实话非常爽的体验感不是AI能感受到的东西，但一定是我们人感受到之后重新表述出来之后的东西……你问AI这东西爽在哪儿，AI只会跟你一本正经的胡说八道。
《对马岛之魂》有一幕骑了一匹马在花田里面跑，我们说这是浪漫，但什么是浪漫，我们怎么让AI复刻这个浪漫，这个事情是非常困难的，这个事情只能由人类来。
未来是转变成一种AI劳动密集型，人类创意密集型的组织。人基本只产出创意，以及做一些验收，而不是由人来承担主要的生产工作，AI只是助手，这是两种不同的概念。
- 网易末日生存类游戏《明日之后》技术团队：绝不让 AI 来决定美术方向
在真正搭建管线之前，我们先确立了一条底线：绝不让 AI 来决定美术方向。以 PBR（基于物理的渲染）流程举例：
先由人定标准。美术师先把 视觉基准定清楚，什么是木头，什么是金属，粗糙度、明暗关系、反射效果应该是什么样。
让 AI 批量执行。在这个标准下，AI 完成材质生成、PBR 参数转换、纹理处理等重复性工作——先找到一个稳定可用的 baseline，再慢慢增加自动化能力。
结果直接接进生产管线。AI 输出的是能直接进入引擎的工程文件，不是半成品。
最后还要回到人来把关。AI 做完之后，美术师还要检查和修正，比如 AI 会不会把木头误判成金属，会不会有纹理污染，局部细节够不够准。最后的审核和是否能进游戏，仍然由人决定。网易还专门做了内部工具，目的就是把这一步人工修正的时间尽量压低。
- 前网易游戏全球投资与合作总裁 Simon Zhu：应该用游戏这个媒介来讨论 AI 当下带来的巨大情绪
此刻我们身处湾区，能很明显感受到空气里那种巨大的 FOMO（害怕错过）情绪。作为普通人，而不是 AI 科学家，我们在这个过程里的位置到底是什么？又该怎么理解眼前这一切？
我觉得需要通过游戏这样的媒介去讲这些事，给人们提供一种理解它的视角，甚至某种答案。
回头看过去所有关于 AI 的故事和电影，其实反复讲的都是两个老套路：要么是 AI 奴役我们，要么是我们奴役 AI。几乎没人真正去讨论一种平等关系的可能。可现在，我们也许正在走向 AGI 时代，那是不是应该更认真地去讨论一下：未来到底会有哪些可能，我们和 AI 之间又应该是一种什么样的关系？
我经常会问别人一个问题：你设想一下，如果明天外星人把我们所有人的 iPhone 都拿走了，我们接下来要怎么生活？
世界已经在变，我们需要在游戏这样的媒介里讨论这些正在发生的变化。
大型游戏公司的 AI 转型：为什么一上来就想着登月？
- EA 技术合作副总裁、资深技术专家 Jeff Skelto：上了近地轨道，登月最难的一段已经走完了
去年 10 月，EA 办了一场约 100 人参加的内部创新峰会。一位制作人上台，展示了他在日常工作流中遇到的问题，以及如何用 Ollama 等 AI 工具逐一解决，并用视频呈现前后对比。
你几乎能看到台下很多人 “突然被点亮” 的那一刻。因为一旦他们看到 AI 被放进一个真实工作流里，他们立刻就会意识到：原来这东西还能这么用。
那场峰会结束时，我们还让大家去想一些有可能实现的、激进且很有想象力的 AI 项目。但这往往意味着体量很大，也很吃时间和资源。结果我们组里有个人提出了一个不同的想法。他说：我们为什么一上来就想着登月？为什么不先让所有人先进入近地轨道？
进入近地轨道，登月最耗能的一段路就已经走完了。先把工具交到每个人手里，提升 AI 素养，让他们理解工具怎么改善工作，每个人最终都能在自己的领域发起 “登月计划”。
- 腾讯游戏公共技术负责人陈冬：AI 不能靠自上而下执行
过去我们自上而下执行，但 AI 这件事上有所转变，内部更强调 “涌现式” 创新，根据业务自身情况探索，没有强制导向。
有研究能力的年轻人可以主动提出研究方向，成为项目主导者，公司提供 GPU 和人力资源。目前世界模型和 AI 原生玩法探索，都是年轻人带队在做。
不管怎么用 AI 改造游戏，首先它得是好游戏
2026 年 3 月，纽约大学游戏中心创始人弗兰克·兰茨（Frank Lantz）撰文《为什么没有 AI 游戏》：2021 年 AI 新时代兴起时，人们预言它必然催生新型游戏和全新玩法。五年过去了，几乎没有任何实质性成果。
他认为造成这个现象的本质原因在于，游戏的乐趣并不来自无限自由，而来自设计好的确定规则里的无限可能，“一根棍子是好玩的、球也是好玩的”。生成式 AI 擅长制造变化和表达，却不擅长提供足够清晰、稳定、可反复推敲的规则结构，“一开始就设定一堆令人惊叹的复杂性并不会带来更多乐趣。”
传统游戏公司更警惕 “拿着锤子找钉子”，所以实践路径不是从无到有创造一个 AI 游戏，而是在既有的游戏中寻找 AI 能落地的场景。原生的 AI 公司对这个可能性更兴奋。
无论哪条路，共识是一样的：游戏已经足够多，缺的是更好的游戏。
2026 年 3 月，腾讯总裁刘炽平在集团财报电话会上说：每年移动平台上有超 20 万款新游戏，Steam 平台上有 1.8 万款新游戏。无论这个数字是从 20 万增加到 200 万、20 亿还是 2 万亿，其边际影响都在递减。关键在于制作出最好的游戏，并使其延长生命周期、成为长青游戏。
- 3D 内容创作公司 Meshy AI 创始人胡渊鸣：AI 要改变游戏玩法，需要同时做到自由、直观、低门槛
玩法和机制才是游戏最本质的内容。如果 AI 原生游戏真的想有增量价值，不是为了用 AI 而用，就必须让 AI 实现玩法或者机制的生成。
而既然 “生成玩法和机制” 这个事情已经足够难，游戏行业又是一个存在了几十年、值得敬畏的行业，我们就必须专注于解决核心问题，暂时放弃对其他方向的追求，比如 AI 生成环境、场景、NPC 等等。
按照如今 AI 的能力，自动设计出来一个 PUBG（吃鸡）、搜打撤这种完全创新的宏观上的玩法，暂时是不太可能，因为没有相应的训练数据。但是是否可以在大的玩法框架下（比如 ARPG 打怪刷宝练级），做一些局部游戏机制的生成？
他认为，像《暗黑破坏神 2》的技能树、《塞尔达传说：王国之泪》的余料建造这些玩法不够自由，本质上都还是在既定规则里组合，玩家能玩出的变化有限；而《吸血鬼幸存者》的玩法组合不够直观，Noita（芬兰独立游戏工作室 Nolla Games 开发的一款像素风动作冒险游戏） 的门槛过于高。
技能树为什么是固定的？我想能做到言出法随；余料建造有了一定的自由度，但是还不够，依然还是按照写死的规则。为什么还要去查攻略看合成表呢？为什么就不能把任意两个道具合成？
AI 要能在玩法上做出增量价值，就只能 “自由、直观、低门槛” 三者全部做到。如果能够有效建立一套 “游戏机制数据集”，理论上就可以训练模型输出无穷无尽的机制，让玩家每次玩游戏都是一个新体验。
- 腾讯光子工作室群《和平精英》策划副总监薛冰：AI 队友已经在改变游戏的体验
2025 年，腾讯在已经在拥有 9000 万日活的射击游戏《和平精英》中上线了 AI 队友功能，主要是因为观察到了游戏中，大量用户的真实反馈和需求。
在强对抗的竞技环境里，大量战斗能力较弱、或不擅长社交的单人玩家，往往更容易产生焦虑和挫败感；
而一局时长常常超过 30 分钟的游戏，也意味着玩家一旦中途遇到拿外卖、接电话等突发情况，角色往往只能原地等死，进而拖累整支队伍的表现。
基于这些问题，我们用生成式 AI 打造了 AI 队友：一方面，它可以为玩家提供几乎没有社交压力、却能提供情绪陪伴的体验，降低组队和游玩门槛；另一方面，当玩家不得不暂时离开游戏时，也可以把角色托管给 AI，尽量维持队伍的完整战斗力。最终结果是，《和平精英》中玩家间的活跃度大幅提升——单局内消息互动量达到 70 轮，麦克风开启率接近 75%。
把大模型融入射击类游戏有几个难点：
不能只是通用大模型，而是要挂载庞大且能持续迭代的 “游戏知识库”。比如射击游戏中的 AI 队友不能只会聊天，还要能识别游戏中衍生出来的 “黑话”；
在极限并发下依然能做到零点几秒的实时语音响应；
长期的记忆能力，AI 与玩家互动越深入话题越私密，情感羁绊才会越深；
行为强化学习，不仅能 “听懂”，还要具备自主战场感知与执行能力，可以脱离玩家指令自主做出战术决策。
- 暴雪娱乐应用科学副总监 Zhen Zhai：不从问题出发，而是从技术出发，通常都不会成功
我们团队里反复出现的一种情况是：大家常常会因为一种新技术而兴奋，下意识觉得，这就是我们需要的答案。但等真正去和工具使用者沟通时，往往会发现，这其实并不是我们最想解决的核心问题。
做得顺的项目，往往是设计或产品团队先提出明确痛点，再由技术团队判断适不适合；不适合就换思路迭代。教训是：先从技术出发，硬塞进工作流，通常不会成功。
- Google DeepMind 产品负责人 Alexandre Moufarek：
市场上本来就已经有远超所有人可消费能力的游戏了。所以自动多生成一些游戏，不会自动让生态变更好。人们真正看重的，往往是创作背后的人类连接——也就是，一款游戏所表达的是某些真实的人所拥有的愿景、品味与经验。
做游戏本身就是有乐趣的创作过程。团队一起做、一点点磨、不同视角碰撞，这本身就是创造力的来源。
题图来源：《湮灭》
热门跟贴