AI“潛入”游戲

文/蕭櫻

從ChatGPT在2022年引爆生成式AI 開始，不少人都幾乎本能地認為：游戲會是最先發(fā)生劇變的行業(yè)之一。大家期待看到自動生成的內(nèi)容、能自由交流的角色、會自我演化的世界，甚至期待 AI 直接把做游戲這件事徹底重寫。

現(xiàn)實卻好像并沒有按這個劇本展開。如果只看過去兩年最熱鬧的AI敘事，你會很容易得出一個結論：AI正在迅速改變一切，但聚光燈下似乎并不包括游戲。就像主流的輿論場一貫對待游戲的方式一樣。

人們討論最多的是大模型屠榜、生圖生視頻能力、chatbot大戰(zhàn)、Agent演進、辦公提效，一波接一波的新概念、新應用絡繹不絕，甚至連最近的“龍蝦”都卷成一場全民圍觀的新浪潮。可當話題落到游戲上，反而顯得有些過于平靜。沒有想象中一夜之間被改寫的產(chǎn)品形態(tài)，也沒有鋪天蓋地的“下一代AI 游戲”跑出來。

可如果因此得出“AI對游戲還沒什么實質影響”的結論，那恐會產(chǎn)生巨大的誤判。水面安靜，不等于什么都沒發(fā)生。

第一個打破這份平靜的是今年的GDC（全球游戲開發(fā)者大會）。在舊金山的會場走廊，在參會者下榻的酒店，無時無刻都有人在討論AI，AI相關議題超過100場，數(shù)量整整翻了一倍多，AI成為最核心的議題。而更大的變化在于，討論的內(nèi)容，也從暢想AI能做什么，變成了討論AI在具體研發(fā)環(huán)節(jié)里怎么用，怎么把 AI 放到游戲場景。其中光是騰訊一家公司就帶來了21場分享，而且基本都指向具體的應用。

AI 已經(jīng)帶給游戲的變化，不只是PPT上說說而已。昨天，騰訊發(fā)布了2025年全年財報，騰訊也專門提到“游戲AI正有效加速內(nèi)容制作、改善用戶體驗、提升營銷效益”，并舉了具體例子。游戲業(yè)務繼續(xù)成為財報上的關鍵亮點：2025年游戲業(yè)務收入達2416億元，同比增長22%。

盡管如此，我們依然無法用其他工具類產(chǎn)品來理解AI和游戲的關系。對于AI，游戲可能是最特殊也最值得重新理解的存在。AI與游戲的關系，也從來都不是“新技術找到了一個新場景”這么簡單。

游戲有復雜環(huán)境，有持續(xù)交互，有即時反饋，有真實用戶，還有已經(jīng)被驗證過的商業(yè)模式。它像一個被高度壓縮的世界：規(guī)則足夠清晰，變量又足夠豐富，既能容納技術試錯，也能放大能力邊界。某種意義上，游戲注定是AI最理想、也最苛刻的訓練場。但也正因如此，游戲的AI化過程，注定不會像外界想象得那樣輕巧、迅猛、戲劇性十足。

在GDC期間Google的一場高端閉門論壇上，當主持人在臺上被問到“AI是否會從根本上改變游戲的制作方式”時，也表示“答案很可能是會”，“但未必像很多人想象的那樣發(fā)生。”

圖：2026年GDC會場

這并不奇怪，因為AI和游戲的關系非常特殊。AI和游戲的關系并非從這幾年才開始，它們之間的牽連甚至會貫穿AI發(fā)展的整個歷史：

往前看，AI最早的萌芽和探索，其實都是在游戲里被驗證，例如Deepmind 用Alpha Go進一步驗證了強化學習的潛力；再比如，像谷歌AI負責人哈薩比斯這樣的關鍵推動者，本身就有深厚的游戲背景。

而眼下，真正的變化，是AI開始試圖嵌入游戲的生產(chǎn)管線、玩法結構、角色系統(tǒng)乃至世界運行邏輯，成為游戲演化進程的一部分。它更像一場長期工程，只能一步一步去做，無法一蹴而就，但影響深遠，甚至不止于游戲行業(yè)本身。

如果把視線投向未來，可以預見的是，很多今天看起來屬于通用 AI 的能力，包括大語言模型、生圖、生視頻、生3D、世界模型等，最后很可能都會在游戲這個場景里找到更完整的歸宿。AI 也很可能繼續(xù)在游戲里，嘗試走向更復雜的世界。

這也是我們必須去關注游戲的原因，許多新的變化，或許比很多高調敘事的新應用更值得重視——它們指向的不是一場短期熱點，而是一個更具想象力和更值得期待的未來。

“賣鏟子的”夸了“搞落地的”

從2026年GDC現(xiàn)場看，關于怎么用AI，不同的公司也有不同的路線。

一種是“賣鏟子”：Google、英偉達、Epic、Unity這些公司在展示自己的AI能力，提供通用的AI工具。另一種是“搞落地”：在具體的游戲產(chǎn)品中，針對實際的研發(fā)痛點和玩家體驗問題，一個環(huán)節(jié)一個環(huán)節(jié)地探索AI怎么落地。

后面這個方向上，幾乎是騰訊一家在撐場面。作為全球營收規(guī)模最大的游戲公司，騰訊在這屆GDC上一口氣帶來21場AI相關分享，覆蓋了游戲開發(fā)的各個環(huán)節(jié)，這樣豐富且體系化的探索在全球游戲廠商中幾乎看不到第二家。事實上，騰訊做游戲AI這件事，比大多數(shù)人以為的要早。它的一些探索可以追溯近10年前，例如早在大模型概念火起來之前，《王者榮耀》的“王者絕悟”就已經(jīng)在跑了。

Google高管Jack Buser也注意到了騰訊的積累，而且在閉門論壇上不吝贊美：“讓我印象深刻的是，目前騰訊已有超過40款游戲落地了AI應用，且未來規(guī)模將持續(xù)擴大，為整個行業(yè)指明了發(fā)展方向”。

作為“賣鏟子”方向的老大哥，Google為什么說騰訊在做的事才是行業(yè)的方向？

道理其實不復雜。AI工具再強，如果沒人能把它穩(wěn)定地嵌進真實的游戲產(chǎn)品里，它就只能停留在Demo階段。真正推動行業(yè)往前走的，不是工具本身，而是誰能拿著工具在具體的產(chǎn)品中解決具體的問題，幫開發(fā)者把時間和精力從重復性的工作中省出來，放到真正影響游戲品質的地方去。

在今年GDC上，騰訊技術中臺帶來了一套叫VISVISE的全鏈路AI創(chuàng)作解決方案，就是在這個方向上做的事。做過3D游戲的人都知道，角色模型和動畫制作是最吃時間的環(huán)節(jié)之一。一個角色從建模到最終能在游戲里動起來，中間要經(jīng)過骨骼綁定、蒙皮、動畫制作等一連串工序，每一步都繁瑣、耗時，而且容易出問題。幾乎所有游戲團隊都在跟這些環(huán)節(jié)較勁。

VISVISE團隊的思路很明確：先找到最需要AI的工作模塊，優(yōu)先攻克。拿蒙皮來說，就是讓3D角色的衣服能跟著身體自然地動。聽起來簡單，但碰上多層裙擺這種復雜結構，以前美術得花好幾天，做出來還經(jīng)常穿模，衣服直接穿過身體。更頭疼的是，穿模了要修，修的成本比重做還高。針對蒙皮環(huán)節(jié)，VISVISE用AI大模型加上專門針對復雜裙擺訓練的強化學習，把原來幾天的工作壓縮到幾分鐘到十幾分鐘，蒙皮這類美術繁瑣環(huán)節(jié)的自動化率提升80%以上。這個自動蒙皮功能，就已經(jīng)在《和平精英》《PUBGM》等90多款游戲中被用上了。

動畫環(huán)節(jié)也類似，傳統(tǒng)動捕經(jīng)常出現(xiàn)骨骼點丟失、角色的腳懸在空中這類問題，過去全靠動畫師一幀幀手調。現(xiàn)在VISVISE能一次性自動修好，最新版本的異常出現(xiàn)率比上一代降了6倍。

當然，提效是問題解決了之后自然帶來的效果。過去很多創(chuàng)意想法因為周期太長、成本太高沒機會驗證，現(xiàn)在這些約束被AI松開了一些。對玩家來說，也意味著有機會玩到品質更高、創(chuàng)意更豐富的游戲。

Jack Buser說騰訊“為行業(yè)指明了方向”指的正是騰訊這種“搞落地”的思路——在游戲產(chǎn)品里，針對一個個具體的研發(fā)痛點，把AI真正做進去——是AI深入改造游戲產(chǎn)業(yè)的路徑。

畢竟，不同品類對AI的需求完全不同，一套射擊游戲的方案搬不到格斗游戲里，每個場景都需要針對性地調整模型規(guī)模、推理成本和知識結構。這些難度疊在一起，意味著AI在游戲中的落地，靠通用方案一步到位是不現(xiàn)實的。

這個思路既更有行業(yè)價值、能解決共性問題，也對游戲公司提出了更高要求：賣鏟子的人告訴你這把鏟子能挖土，但搞落地的人要自己判斷在哪里挖、挖多深、土質不一樣怎么辦、挖出來的東西怎么用。

給行駛中的列車換輪子

隨著各家大模型逐漸展現(xiàn)出WEB端的游戲生成能力，不少人都覺得做游戲的門檻越來越低。比如，今年年初，《互聯(lián)網(wǎng)大廠模擬器》和《賽博徒步：生死鰲太線》在國內(nèi)突然走紅。這兩款游戲都是一兩個非專業(yè)人士借助AI工具在短時間內(nèi)做出來的。

AI讓個人和小團隊做游戲變得更容易了，這是事實。但用AI做出一款游戲，和把AI真正做進一款有數(shù)億玩家的成熟游戲產(chǎn)品里，是兩件完全不同的事。如果混淆了這兩件事，就會低估AI進入游戲的真實難度。

拿《和平精英》《王者榮耀》這類日活千萬級甚至億級的游戲來說，它們底下跑著引擎、渲染、物理、網(wǎng)絡這些系統(tǒng)，上面還有玩法、數(shù)值、敘事這些設計層，全都咬合在一起。AI不能作為一個獨立模塊插進去就指望它work，它得跟這套已經(jīng)運轉多年的復雜架構兼容。

在這屆GDC的一場論壇討論上，一位游戲從業(yè)者就敏銳地指出，目前大型游戲在引入AI這項新技術的過程中仍有許多未解決的問題，尤其是可靠性、可控性以及與現(xiàn)有開發(fā)流程的整合。但他認為，這正是接下來幾年行業(yè)真正需要解決的事情：“如何讓這些AI工具成為穩(wěn)定的生產(chǎn)流程組成部分。一旦這一點實現(xiàn)，我們很可能會看到游戲開發(fā)方式出現(xiàn)更大的變化。”

圖：2026年GDC上參會者排隊進入騰訊會場

騰訊在本屆GDC上帶來的另一個案例《異人之下》，就是在探索解決這些問題。這款格斗游戲面臨一個行業(yè)通病：角色受擊后退、倒地起身這類過渡動作，數(shù)量龐大，角度幾乎無限。傳統(tǒng)做法是靠數(shù)學模型算，但容易出現(xiàn)腳步打滑、武器穿透身體的問題。

魔方工作室的解法是訓練一個極度輕量的AI模型來接管這些過渡動作。輕量到什么程度？就說動作捕捉這個環(huán)節(jié)。傳統(tǒng)動捕需要演員全身貼滿標記點，在專業(yè)場館里用大型設備錄上好幾個小時。現(xiàn)在魔方的做法是，找一間小房間，架最少7臺類似GoPro的小攝像機，演員身上什么都不用貼，AI直接從多角度視頻里提取動作特征。訓練數(shù)據(jù)也從過去的幾小時壓縮到了幾分鐘。

除了提效，這套AI方案更關鍵的意義是，它最終替代了原來那套用數(shù)學模型來計算過渡動作的整個流程。現(xiàn)在《異人之下》每一幀過渡動作都是AI在算，而且是在手機CPU上1毫秒內(nèi)完成的。換言之，AI已經(jīng)是管線本身的一部分了。

作為騰訊帶來的另一個AI for Game的落地，《洛克王國：世界》的MagicDawn跨引擎光照解決方案，也是在探索相同的方向。

這個方案解決的是另一個讓游戲開發(fā)者頭疼已久的問題：光照。玩家在游戲里看到的光影效果，背后需要一個叫"光照烘焙"的計算過程。這個過程有多慢呢？用傳統(tǒng)的引擎方案，算一棟建筑的光照就要半小時起步。如果是一個有成百上千棟建筑的開放世界呢？《洛克王國：世界》的團隊用AI重新做了一套全局光照方案，把95%的計算任務壓到了5分鐘內(nèi)，日常的光照迭代從等三天變成了等幾分鐘，而且支持動態(tài)晝夜變化，移動端也能呈現(xiàn)接近3A級別的光影品質。

這個過程中，最難的不是技術攻克部分。項目組原本已有一套在用的光照解決方案，整個開發(fā)流程都搭建在它上面。要換成AI新方案，就像給一列行駛中的列車換車輪，不能停，不能出錯，只能一個一個地換。先換一部分，驗證沒問題再換下一部分，這個過程花了四五年。

騰訊天美工作室的探索則更有野心。他們在做的Ignis Agent，目標不是優(yōu)化某個環(huán)節(jié)，而是搭建一套真正AI原生的工作流程。這套系統(tǒng)能讀策劃案、拆邏輯、寫代碼，把系統(tǒng)開發(fā)從幾周壓縮到1天。

跟普通的AI編程助手不同，天美團隊重點攻克的是兩個更底層的難題：AI在復雜游戲工程中做決策時能不能做對，以及大規(guī)模運行時能不能保持穩(wěn)定。這兩個問題是AI真正進入復雜游戲的瓶頸。

這些將AI更大程度地融合進游戲生產(chǎn)管線中的探索，最終是為了將人從繁瑣、重復的工作中解放出來，創(chuàng)造出更好玩的游戲作品。

“集中投入到需要人類審美和判斷的那最核心的10%～20%的創(chuàng)意工作與細節(jié)打磨中。”騰訊游戲公共技術負責人陳冬表示。

在本屆GDC的一個論壇討論會上，一位游戲從業(yè)者也做了一個比喻，“AI就像鋼鐵俠的戰(zhàn)甲，它給開發(fā)者提供了原來不可能擁有的‘超能力’”。但戰(zhàn)甲里面仍然需要一個人，沒有人，戰(zhàn)甲也無法行動。

他表示，“從歷史上看，最優(yōu)秀的游戲往往來自于強烈的創(chuàng)意愿景，而不是純粹的自動化。AI的作用應該是幫創(chuàng)作者更快、更大規(guī)模地實現(xiàn)這種愿景。”

創(chuàng)造新世界

歸根到底，游戲行業(yè)的一切努力，是為了給玩家?guī)砀玫捏w驗。那么，AI能不能直接改變玩家在游戲里感受到的東西？

整個行業(yè)都在探索這個問題。前面提到的AI for Game的實踐，雖然玩家未必能直接感知到，但最終指向的仍然是更好的玩家體驗。比如《異人之下》里玩家能感受到的更扎實的打擊感，《洛克王國：世界》里玩家在手機上也能看到的電影級光影。

在AI in Game的探索里，一個被討論最多的方向是AI NPC，讓游戲里的角色不再只會重復固定臺詞，而是能聽懂玩家說的話并做出回應。但在AI NPC之外，進一步延伸出的AI隊友，是一個更讓行業(yè)興奮的方向。AI NPC通常是玩家主動去找它對話，節(jié)奏相對可控。AI隊友不一樣，它要跟玩家一起戰(zhàn)斗、一起行動、實時配合，面對的是完全不可預測的高壓交互場景。玩家的沉浸感和情感鏈接也會完全不一樣。

《和平精英》的AI隊友系統(tǒng)是走得比較深的一個案例。這款游戲日活用戶在全球屬于頭部，天然就有競技焦慮和社交壓力的問題，有人怕被隊友嫌棄不敢開麥，有人中途要拿外賣角色只能等死。團隊想做的，是一個能提升玩家參與意愿、還能長期相處的“伙伴”。

圖：騰訊《和平精英》AI隊友技術的分享現(xiàn)場

要做到這一點，工程上的坎就不少。通用大模型聽不懂游戲黑話，玩家跟它說“幫我舔個包”，它大概率一臉懵。團隊的做法是在模型上掛了一個持續(xù)更新的游戲知識庫，把地圖信息、槍械參數(shù)、戰(zhàn)術術語、玩家社區(qū)里的黑話都灌進去，讓通用模型變成這款游戲的專家。聽懂了還不夠，還得跟上節(jié)奏。所以他們還要解決槍聲環(huán)境下的噪音、方言、弱網(wǎng)這些問題，把語音響應壓到零點幾秒，才能讓AI隊友真正跟上對局節(jié)奏。

但真正讓AI隊友從工具變成伙伴的，是記憶。“有了記憶，它才會真實。”策劃副總監(jiān)薛冰說。為了實現(xiàn)“真人感”，團隊給AI隊友加了一套長期記憶系統(tǒng)，讓它能記住玩家的喜好、起的外號等等。同時還設計了一套關系養(yǎng)成機制，互動越多關系越近。

效果是出乎團隊預料的。體驗AI隊友的玩家，開麥率顯著高于普通模式，大量玩家在視頻平臺連載和AI隊友的日常趣事。AI隊友從一個功能變成了“社交貨幣”。

更值得關注的是這個探索展現(xiàn)出的飛輪效應。AI隊友最初是為了解決競技社交壓力這個具體問題，但當它真正進入核心玩法、跟玩家產(chǎn)生高頻互動后，新的可能性開始快速涌現(xiàn)。例如，在AI隊友的底層框架上，團隊已經(jīng)衍生出了AI托管、AI戰(zhàn)犬等多個玩法，迭代速度很快。

可以看到，當AI真正融入大型游戲的核心玩法后，它不是一個做完就結束的功能，而是一個會持續(xù)生長的系統(tǒng)。這也是AI參與構建游戲世界最有趣和最有挑戰(zhàn)性的地方之一。

薛冰還提到一個更遠的方向：以后AI隊友不只是會聊天、會配合，還應該具備對社會環(huán)境的理解和自我思考的能力。如果這些逐步實現(xiàn)，AI隊友可能不只存在于競技對局，還能擴展到開放世界，甚至生成劇情、構建社交關系，從一個功能變成一種全新的游戲體驗類型。

這是一個充滿想象力的思考：當AI生成的內(nèi)容與游戲里的其他系統(tǒng)發(fā)生互動，當游戲不再是一個固定世界，會創(chuàng)造出怎樣的新世界？會給玩家?guī)碓鯓拥男麦w驗？

在本屆GDC上，英偉達、谷歌和萬代參加的一場高端討論上，一位參會者總結道：“當我們談論AI改變游戲時，并不僅僅指AI是一個更好的工具，我們談的是整個游戲生命周期的變化。而真正學會擁抱這些技術的工作室，將會定義下一代游戲產(chǎn)業(yè)。”

未來，在游戲里發(fā)生

所以，AI與游戲結合的意義，恐怕從來不只是“做出更聰明的NPC”，也不只是“更快地生產(chǎn)內(nèi)容”。

多年以后再回頭看，我們興許會發(fā)現(xiàn)，現(xiàn)在很多看似與游戲無關的AI進展，其實都在為游戲鋪路：更成熟的生成能力，正在改寫視覺內(nèi)容、3D資產(chǎn)和敘事素材的生產(chǎn)方式，游戲視覺內(nèi)容有可能從逐幀制作轉向按需生成；更強的世界模型，則讓游戲里的物理、行為和環(huán)境，不再只是被預設的結果，而可能變成可理解、可推演、可持續(xù)演化的系統(tǒng)。那些分散在不同賽道上的技術，最終會匯聚在這樣一個足夠復雜、足夠動態(tài)，又足夠開放的場景里。

反過來，游戲也在塑造AI。它不是單純消耗算力的內(nèi)容工業(yè)，而是一個持續(xù)產(chǎn)生真實反饋的交互系統(tǒng)：玩家會試探規(guī)則、制造意外、提出需求，也會用自己的選擇、情緒和協(xié)作方式，不斷校正系統(tǒng)該如何回應人。

在本質上，游戲提供的不只是商業(yè)化場景，更是一種檢驗AI是否真正能理解環(huán)境、服務人、與人協(xié)作的高壓測試。今天我們在游戲里探索AI隊友、動態(tài)世界和實時生成，某種意義上，也是在提前演練未來社會如何與AI共處。

而復雜的AI應用場景對技術的反作用力也可能超出想象。最近Openclaw引發(fā)的龍蝦熱，就讓token消費一下子涌動起來，甚至直接拉高了多家模型公司的估值，token開始像電力一樣開始大規(guī)模流通，成為“智慧能源”的計價單位。而大型游戲或許是一個遠比“養(yǎng)蝦”復雜的場景，而且就像過去幾十年一樣，也必將繼續(xù)影響著芯片算力、通信、硬件、交互等相關技術演進。

AI 帶給我們的改變，它很可能不止在實驗室，也不止在辦公室，也可能在游戲里。

這個過程，或許沒有“改天換地”的轟轟烈烈，但改變和影響早已開始。

大廠搶的不是“龍蝦”，是人與AI的新型關系

一個安全專家養(yǎng)蝦5天后的忠告

為什么騰訊能一口氣推出那么多“龍蝦”？