谁在定义游戏行业的AI语言|ai语言|动画|国产游戏|游戏行业|腾讯游戏|飞轮

AI规模化进入游戏管线的最后一公里。

在E3退场三年后，游戏展的顶流——gamescom，来到了史无前例的顶点。今年科隆现场超过23万平方米的所有展区首次全部售罄。其实去年gamescom的各项观众数据已经是历史新高了，今年的人气规模则被再次刷新。

除了普通观众层面，在专业的开发者大会方面，这次科隆也有所升级。以往的devcom正式更名为gamescom dev，作为欧洲最大游戏开发者会议，提供220场会议、390位演讲者。和年初萧瑟的GDC相比，已经略显反超之意。

从这两天先举行的gamescom dev现场来看，也能感受到这种变化。一楼的厂商展位比过去集中得多——过去两年，这里大多还是支付、配音、本地化等各类游戏产业供应商的小型展位；今年除了独立游戏区照旧，大部分场地几乎都分给了腾讯游戏公共技术线、Perforce 这样少数几家大型技术与基础设施服务商，提供的是完整的全覆盖研运支持，背后则是AI与云服务技术对于此前松散的技术服务所进行的整合。

游戏行业确实需要一些整合。相比热闹非凡的gamescom，欧美游戏行业本身依然面临着居高不下的裁员率。全球游戏产业中心逐渐在往亚洲偏移——前些年亚洲只是因为快速增长的市场规模受人瞩目，但这两年亚洲的游戏工业能力也在迅速变强，其中尤以大力推动"AI落地实际管线"的腾讯以及其投资二方公司最为突出，以至于今年gamescom dev的开幕演讲便是腾讯游戏的员工Amir Satvat所做的。

Amir Satvat在2024年因为帮助大量被裁员的游戏业者重新就业，获得过首届TGA Game Changer奖，开幕演讲座无虚席，观众席后排也站了很多开发者

至于腾讯自己，也依然维持了2024年后参加行业会议的一贯风格，深耕"游戏+AI"，带来了多场AI相关的技术议题。几场演讲听众都满满当当。一位现场体验了腾讯游戏 AI动画工具的开发者说，过去自己是在Xbox Kinect上捕捉人体动画的，“现在容易多了，任何像我这样很难找到动画师的个人开发者，都可以通过这个工具制作高质量的动画。”

如果说之前的游戏开发者会议上，从业者的话题还偏向"百花齐放"，以摸索边界和实验性分享为主，今年gamescom dev的AI相关议题明显向实用工具和"agent"的应用集中。而且大家在 "怎么用好agent"这件事上，明显更饥渴了。

AI话题的一年之变

2025年前后，游戏行业谈AI，关注的还是文生图、AI NPC和"一句话做游戏"之类具有科幻演示感的能力。育碧在GDC上展示用生成式AI驱动的NPC对话，微软曾经试图把Copilot置入Xbox并实时给出游戏攻略……另一端则是宏大叙事：如谷歌发布世界模型，一时间让全球游戏公司股价大跌，但实际上远没有到能进入游戏开发管线的地步。

一边单点工具在各自的角落里闪光，一边是愿景先行的蓝图，中间是大片空白。

到了2026年，相关讨论明显变得更现实起来。道德上的探讨变少，人们更关心AI的成果能不能交付、是否可以稳定接入大型项目的管线。

半年之间，行业话语从道德辩论滑向了工作管线，具体表现在三处。

首先是提问的框架变了。GDC的调查还在做价值判断——"生成式AI对行业是好是坏"，得到的是史上最差的答案：52%认为负面（前两年分别是18%、30%），仅7%认为正面。而gamescom dev的问卷里，"好坏"之问基本消失，83%的受访者默认AI将影响团队与生产力。

其次是AI嵌入的位置变了。GDC里，AI用得最多的场景是调研/头脑风暴（81%）和写邮件，代码辅助只有47%，游戏工作室的使用率（30%）远低于发行/市场部门（58%）——彼时AI主要待在办公室里。到gamescom dev，受访者认为AI当下价值最大的环节已是代码与生产（34%），排在所有选项第一。AI从"帮我写邮件"走到了"帮我做游戏"。

有意思的是，“使用AI进行代码与生产”和“尽可能少用AI”构成了调查问卷两端最多的票数

第三是威胁叙事变成了重构叙事。GDC报告里，AI与裁员深度绑定，28%的受访者两年内被裁。gamescom dev的主流判断却变成"36%认为AI改变岗位角色而非裁减团队"，37%把"更小的团队"列为未来三年最大机遇。

不过需要留意的是，两份调研的受访者结构不尽相同：GDC调查的是2300多名全行业从业者，里面有大量一线美术、程序、策划，还有被裁的人和学生；gamescom dev只调查了100位演讲嘉宾，多是创始人、制作人、决策层。与其说行业变乐观了，不如说话语权结构变了——管理层谈机遇，创作者谈边界。

这套认知迁移的框架背后有腾讯的影子。今年gamescom dev把AI议题拆成in production和in gameplay两条线，这种分法在腾讯内部由来已久：早在2023年，腾讯高级副总裁马晓轶接受媒体采访时也提过类似的表述，腾讯游戏内部正是按AI For Gaming（覆盖模型生成、动画制作和特效等内容生产）、AI In Gaming（覆盖游戏智能体、世界模型和引擎技术）和AI + Game Operations（延伸到反作弊、测试、运维）三条线实践，目前都已拿出了不少成果。

过去一两年，In Gaming和For Gaming这对术语被行业峰会和大厂反复使用，大家开始朝着同一条路径摸索。而腾讯，已经开始处理一个更现实的问题：如何让AI真正进入大型游戏工业的管线。在科隆现场，他们也带来了来自大型项目的第一手经验分享，展示的GIGA、Motus等技术看似分散，实际上是同一套公共技术能力向生产端、玩家体验和运营端伸出的不同触角。

中台又支棱起来了？

腾讯游戏在AI应用上的成果可以这么快渗入管线各处，中台的作用绕不开。但这并不是一个先造出万能工具、再向工作室推销的故事。

在gamescom召开之前，我也采访了多位腾讯游戏技术中台的专家。过去他们做的事情很少出现在聚光灯下，借此机会拼在一起后，能看出一种不同于行业常见路径的组织逻辑。

前几年互联网和游戏行业兴起过一轮中台热潮，后来大家发现不是所有公司都适合这套系统。很多中台面临着学术追求、商业化考核和项目资源的多重矛盾，有点早年国内互联网公司学外企谷歌那一套水土不服的感觉，然后这股热潮凉了下来。

但这两年能明显看出，腾讯游戏的中台反而支棱了起来。

一个直接原因是，AI时代需要解决的事情恰好都很"贵"。训练垂直模型需要算力和数据，把论文效果改造成美术愿意使用的工具又要和项目组长期磨合。根据腾讯游戏中台的Motus AI团队（全流程AI动画管线）的判断，单个项目很难为三五年后才能看到回报的探索投入下注数亿元。但中台面对上百款游戏，可以分摊成本，也可以把一个项目踩过的坑复用给其他项目。

Motus AI团队的经历是这个逻辑的一个缩影。这个团队最早可以追溯到2016年，当时赶上AlphaGo带火的强化学习浪潮，做的还是牌类AI和竞速AI。2018年转向物理动画，试图让角色不依赖预置动作，也能与场景发生物理交互。2019年前后，当时《和平精英》项目组觉得角色制作太多耗时耗力的机械工作，主动提出降低骨骼蒙皮和动画制作工时的需求，找到了技术中台寻求支持。

合作开始时，中台的算法团队对“蒙皮”本身并不熟悉。项目美术要拿着案例解释，还要在工位上把制作过程演示一遍。双方每两周开一次会，这样持续了几年。

最初半年，模型基本没有进入生产，属于纯粹的技术孵化；早期的小模型又高度专用，用谁的数据训练，往往就只能服务谁。换一套差异较大的服装，甚至从男性角色换成女性角色，效果都可能掉下去。

在大模型时代之前，数据模型的理解能力有限，中台为了产物达到可用级别，打了很多补丁。直到模型能稳定完成约八成、剩余部分可由人工处理时，《和平精英》才开始规模化推进。后来的大模型扩大了数据和参数规模，也逐渐替代那些补丁。

到现在，Motus的蒙皮工具已经在超过90款游戏中被使用，不只是腾讯系的项目，一些腾讯生态内，包括其他小游戏公司也在用。多个链路模块——骨骼生成、蒙皮生成、文本/视频生动作、关键帧插帧、动作精修、实时智能驱动等，构成了业界首个贯穿角色动画生产全链路的大模型矩阵，得益于数年的技术积累，蒙皮是其中最成熟的工具。

《和平精英》等游戏项目的管线也因此发生了实质改变。传统流程是原画→模型→绑定→动画，大概要三周。现在他们搭了一个Agent工作流，原画进来后一天就能输出完成模型、骨骼绑定、蒙皮的资产，直接拿去做动捕验证和动画设计。这意味着动画环节可以提前两周启动，等传统管线三周后交付正式资产时，在交汇节点直接替换。项目解释说，早期这个流程跑不通，因为专用小模型泛化差、蒙皮骨骼输出还需人工修整，现在的自动化率大幅提升，人形、怪物、四足动物等多类角色都能支持了。

GIGA的故事则是另一个方向的探索。这个项目要做的是通用游戏智能体。负责人的背景是AI出身，师从周志华院士，团队的第一个项目是用强化学习在《QQ飞车》上做驾驶AI。当时他们用的算法叫A3C——有趣的是，十年后的今年7月，这个算法在ICML上拿了Test of Time（时间检验）奖。

从《QQ飞车》起步，这个团队陆续在《和平精英》等多个头部游戏中落地了AI对手。但那时候每做一个游戏都需要专门建模、专门训练、专门调参，人力消耗极高。GIGA的提出，正是为了解决这个可扩展性的问题。GIGA这四个字母正是General（通用）、Instructable（可指令）、Game Agent（游戏智能体）的缩写。

今年GIGA在科隆展出的版本，上层用大模型做战术规划和意图识别，下层用强化学习训练的小模型做具体执行，所谓"双脑"；团队想要解决的，是让AI从"后台读数值"这种作弊式的感知，转向纯靠视觉理解画面，能自主感知战场、理解自然语言指令，并能实时执行、和玩家协作的游戏智能体。

训练过程中涌现的一些行为让团队感到意外。在《和平精英》的跨海大桥场景里，AI自己学会了走到钢架上方，找到一个人类玩家不太会想到的刁钻角度发起进攻。大量AI在环境中互相博弈，还会分裂出不同的"风格种群"——激进的、猥琐的、擅长翻盘的——呈纺锤形分布，项目组可以根据策划需要挑选投放。

科隆现场GIGA团队带来的《如何在 FPS 战场中构建具有自主心智与协作能力的 AI 智能体》

在这些具体项目背后，腾讯游戏技术中台的另一个不同之处在于与业务的关系。多位受访者反复强调一个说法：中台本身就是业务的一部分，在漫长的游戏发展过程中和业务一起成长，团队坐在项目组附近，每天都能看得到项目组在干什么。

还记得前面提到，很多公司也开始大搞中台结果发现水土不服吗。因为中台天生有着非常敏感的生态位，不能曲高和寡地脱产研究，又不能与绑定太重的生产和营收KPI。需要一定的货币化，又不能过分货币化。腾讯游戏的中台之所以能走下来，一定程度上，是因为在多年的磨合之下，形成了一种既彼此独立又有合作空间的耦合关系。

用一位去年转到IEG做研究的科学家单瀛的话说，“中台的前研探索，和业务是松耦合的关系。”

单瀛描述了他们团队的运作方式：每年发一定数量的论文，全部开源，大约四分之一被社区接受和使用。业务团队看到有好东西冒出来了，主动来找，从随机露出到联合项目到规模化，是一个层层漏斗的过程。他把自己团队的核心价值概括为"压缩探索的成本"——别人笼统做可能要一万张卡，他们这批人的目标是用1000张或者更少的卡把路先探出来。

这种机制得以运转，一个前提是高层的长期主义。单瀛回忆，他面试的第二天，腾讯的高管还在微信里追问公式的细节。入职后花了一年只招了6个人，但领导还是支持他，叫他保持高标准，"动作不要变形"。他说，不管在哪个团队，领导层从内心认可这件事，"基因是一样的"。

中台还有一个更长期的价值，就是把腾讯游戏研发和运营的迭代能力，打造成AI时代推动技术进化的飞轮。陈冬（腾讯游戏公共技术线负责人）在采访中特别强调了一个洞察：美术在AI结果上进行的一点修改，看上去只是日常工作，实际上是最有价值的专家反馈。它能准确告诉模型，产物距离"真的可用"还差在哪里。腾讯的使用者本身就是专业生产者，他们的修正天然就是专业的，不需要额外标注。

如果这个飞轮跑通，腾讯的项目不只是AI工具的消费者，也会不断反哺模型。场景越多，专家反馈越多；模型越好，更多项目才愿意进入；更多使用又继续迭代。陈冬目前的判断是：以前效率是中台的重要护城河之一，但以往的效率增益会被AI技术吞噬，所以要尽快探索基于AI和Agentic的新模式。游戏场景的深度积累与对应的模型能力才是动态的壁垒——3D和动画是硬资产，长期在场景与用户反馈中形成的模型飞轮是别人难以复制的。中台的价值范式正在从"基于经验"迁移到"基于模型"。

海绵里的水

前不久，腾讯发布了最新的季度财报。与去年相比，今年最主要的变化是AI基础建设的成本大幅度增长。虽然营收和核心业务依然很健康，但市场会把AI投入首先翻译成资本开支、利润率和现金流。

对于大型平台公司，这构成了一个熟悉的悖论：对新技术投入过慢，会被认为错过技术周期；对新技术投入太积极，短期财务指标又会承压。从当天和随后的股价变化来看，能明显看到这一悖论带来的负面影响。

但在gamescom前后，和腾讯的多位技术专家聊过后，我反而看到了另一种图景。

腾讯因为落地产品极多、业态背景过于丰富，将AI渗入各产品和开发管线的毛细血管后，就像一个巨大的海绵——吸了很多水，表面看上去可能还比较干，但实际上这块海绵的蓄水量已经非常丰富。

这种"蓄水"，也许才是AI在大型工业组织中落地的正常形态。ChatGPT刚出现时，大家非常期待AI能改变什么游戏玩法，几年过去仍没兑现；正如电被发明后，花了几十年才找到它在工业和民用领域真正的应用方法。如今，在生成式AI时代进入第四个年头的时候，人们才基本达成共识：最快被AI改写的，是怎么做游戏，而不是怎么玩游戏。