2026年8月，腾讯游戏带着公共技术线的一组产品首次整体出现在德国科隆游戏展上。Motus AI、GIGA、MagicDawn、Tencent Games Vox、腾讯游戏安全ACE、GVoice、WeTest都在这届Gamescom上亮了相。其中，GIGA团队负责人杨敬文在Gamescom Dev做了一场主题演讲，题目是《构建FPS战场中的自主AI智能体》（Building Autonomous AI Agent for FPS Battlefields）。这场演讲被列入Gamescom Dev 2026的官方议题，面向全球开发者系统展示了自主智能体架构的设计思路与实现路径。
GIGA为什么把FPS当成核心场景
GIGA的全称是General Instructable Game Agent，它把游戏作为通用智能体的重要研究背景，目标是构建能理解人类指令、执行复杂任务，并在动态环境中与玩家和其他智能体合作、竞争、对抗的通用游戏智能体。目前，GIGA相关技术能力已经在《和平精英》《最终对决》（The Finals）等多款游戏中落地应用。
FPS战场被GIGA团队看作游戏智能体最难啃的场景之一。高度动态的战场环境、复杂的多人对抗、开放的玩家指令，这些因素叠加在一起，构成了游戏AI领域最难攻克的问题之一。
传统FPS游戏AI大多依赖预设行为树驱动。这种方式稳定、可预测，但无法超越预设规则进行推理，面对复杂动态的战场局势时，灵活性会成为明显短板。而FPS战场又同时具备另一重难度：实时动态的战场环境、开放式任务目标、玩家自由形式的指令，现有的技术路线都很难单独应对。
强化学习能让智能体在具体技能上达到较高水平，但它依赖明确的任务定义和奖励信号，高层决策与复杂战术理解并非其擅长；大语言模型能理解指令并对目标进行推理，却并不是为实时策略与精确控制而设计。现有技术路线各有长处，也各有短板。
杨敬文在演讲中把这个问题概括成一句话：“真正的挑战，是弥合‘知道做什么’和‘能够做到’之间的差距。”这正是GIGA团队想要通过架构设计解决的核心问题。
双系统架构：让推理与执行各司其职
GIGA给出的解法，是双系统架构（Dual-System Architecture）。它类比人类“快思考”与“慢思考”，把智能体的能力拆解为两个相互协同、分工明确的系统。
认知推理系统（Cognitive Reasoning System）负责“想清楚”。它基于视觉语言模型（VLM）对多模态战场信息进行深度推理，理解当前战场态势，解读目标与动态，结合游戏知识、历史记忆与玩家指令进行规划与协调，最终把高层战术转化为可执行的技能方案。
快速执行系统（Fast Execution System）负责“做到位”。它捕捉战场状态信息，在毫秒级约束下调用经强化学习训练的技能库完成精确控制，并把执行反馈与关键事件回传给推理层。推理层选择正确的行为，执行层让行为可靠落地。
两个系统的协同，让智能体获得了传统路线无法实现的动态适应能力。演讲中，杨敬文用两个FPS战场案例直接展示了这一机制。
第一个案例发生在攻坚阶段。当通过存在未知威胁时，智能体判断直接进入风险过高，于是选择投掷烟雾弹进行压制，再进入安全区。第二个案例里，玩家在激烈的交火中发出“放车”指令，智能体判断该指令与当前战术优先级冲突，于是选择拒绝并继续作战。
这两个案例共同体现了GIGA对智能体设计的核心判断：衡量一个智能体是否真正自主，不只在于“能否理解指令”，更在于“能否在正确的时机做出正确的判断”。正如杨敬文在演讲中所说：“一个合格的AI智能体，应该听懂玩家，但不应该盲从。”GIGA希望智能体扮演的角色是队友，而不是工具。
游戏为什么是通用智能体的研究场
杨敬文还提出，游戏所探索的问题，其意义并不局限于让AI更擅长玩游戏。游戏，尤其是FPS这类高度对抗性的品类，天然具备检验通用智能体能力边界的多重要素：实时反馈、复杂规则、动态对抗、多人协作。智能体必须在不确定的环境中持续感知、推理、决策与行动，且没有任何容错空间。
从GIGA的实践来看，FPS战场同时提供了开放任务与自由指令，这让智能体不能只靠单一技术路线完成闭环。认知推理系统负责理解与规划，快速执行系统负责控制与反馈，两者之间的协同，才是通用游戏智能体能够从“会打”走向“会配合、会判断、会取舍”的关键。
目前，GIGA相关技术已经在《和平精英》《最终对决》等产品中落地。从科隆这场演讲释放的信息看，腾讯游戏公共技术线正在把FPS场景当作通用智能体的压力测试场，而双系统架构是当前阶段给出的一个可复用的构建路径。
对玩家来说，最直观的变化可能是：以后在FPS里遇到的AI队友，不再只是按脚本跑位的工具人。它可能会在关键时刻拒绝你的指令，也可能会在你看不到威胁时先扔出一颗烟。至于这种“有判断力的队友”到底靠不靠谱，还得看它在真实对局里的表现。
热门跟贴