AI 参数战争下的"隐秘战场"：为何全球顶级厂商集体转向"游戏"？

回顾 2025 年，如果问普通人对 AI 行业最深刻的印象是什么？答案依然是激烈的“参数战争”：有 DeepSeek、Gemini 3 等大模型的集体爆发，也有文生图、文生视频能力的持续惊艳。

这些确实是 2025 年的显性主线。但如果我们将目光穿透热闹的表象，会发现一个更隐秘、却可能决定未来的转折正在发生：AI 正在从"理解符号与像素"，进化到"理解空间与物理法则"。

表面上，2025 年下半年依然是生图和视频调用量的狂飙突进，各家大厂争夺 AI 用户的战火持续升级。但实质上，行业已经撞上了一个关键分水岭，一堵看不见的"物理墙"：

•从二维到三维： AI 不再满足于平面像素的堆叠，开始渴望理解纵深、遮挡和透视。

•从静态到交互： AI 不再止步于输出结果，开始尝试理解连续的动态反馈。

•从感知到因果： AI 试图理解“如果我推倒这个杯子，水会流出来”的物理逻辑。

然而，AI 的训练需要更加丰富的多模态环境。虚拟环境如游戏《Minecraft》提供了视觉、空间、交互等多维度的学习场景，让 AI 能够在更接近真实世界的复杂环境中进行训练。这种便利性让顶级实验室达成"游戏共识"：游戏成为最现实的训练捷径。看看全球顶级 AI 厂商的动作就能发现，这一共识正在转化为实际行动：

OpenAI在 OpenAI Five（Dota2）之后，通过收购 Global Illumination（《Biomes》开发商），探索 AI 生成的动态游戏世界。

Google DeepMind密集发布 Genie 3 与 SIMA 2：前者可生成可交互的 3D 世界，支持用自然语言实时创建游戏预览，后者则是能在多款游戏中学习的通用智能体。

微软启动 Muse 项目，用游戏数据训练模型理解“画面如何随动作变化”。

马斯克的 xAI宣布利用"世界模型"进军游戏，甚至定下 2026 年让 Grok 5 在纯视觉感知下挑战《英雄联盟》职业选手的目标，这被视为对 AI 直觉的终极图灵测试。

李飞飞的 World Labs发布了商业级世界模型 Marble，首要应用场景直指游戏与 VR，意在生成可编辑的 3D 环境。

腾讯发布 HunyuanWorld 系列，从文本生成可探索的 3D 世界，而其 AI Lab 早在 2017 年便开始在《王者荣耀》中训练多智能体"绝悟"，一天完成的训练量，相当于人类玩家不眠不休地打 440 年。

当所有顶级实验室都选择在游戏中押注，在纷扰的 AI“圈地”浪潮下，一个更现实的问题浮出水面：谁能真正在这个战场上跑出来？

两栖物种的稀缺性

2025 年的游戏 AI 战场，在拥抱新规则时，呈现出一种奇特的"错位"状态。掌握顶级 AI 技术的科技公司与拥有海量用户的游戏巨头之间，横亘着一道难以跨越的工程化鸿沟。

一边是"有脑无身"的科技新贵。OpenAI、DeepMind、Anthropic 掌握着最前沿的模型能力，却缺乏真实的游戏生态作为试验田。他们的路径往往是收购小型工作室或自研 Demo。但问题在于，链路太长，在小型独立游戏里验证概念容易，但要在一个上亿日活的复杂系统中实现规模化落地，中间隔着巨大的工程深渊。况且，对这些实验室而言，游戏更像是技术验证的"跳板"而非终点，他们的真正战场在 AGI。

另一边是"有身无脑"，拥有庞大虚拟世界和用户基数的传统游戏厂商。面对 AI 技术储备的不足，他们大多选择与技术公司合作：育碧携手 Inworld AI 和英伟达开发智能 NPC，EA、暴雪等也在积极引入第三方方案。这种合作模式能快速补齐能力短板，但技术核心掌握在外部，自主创新的节奏始终受制于人。

结果就是：AI 公司在游戏里做实验，游戏公司追着 AI 技术跑，两边都不够"原生"。

相比于海外游戏大厂还在小范围试验，中国游戏厂商已经率先将 AI 应用到商业化产品中，网易《逆水寒》手游搭载智能 NPC 系统，成为"第一个在主流游戏运用 AI 进行大规模市场测试"的产品。米哈游《崩坏：星穹铁道》内置 AI 生成工具"模因共振机"，一周生成近 1000 万张图片。而在这种"试验场"与"战场"的分野中，腾讯提供了一个更独特的"混合样本"。

一侧，它拥有领先的 AI 技术储备，自研开源大模型 Tencent HY、行业模型的场景化能力、从强化学习到生成式 AI 的完整技术栈、持续的研发投入和顶级人才储备。

另一侧，它拥有可以说是全球最大规模的游戏生态，多款超大日活产品如王者、和平，覆盖 MOBA、FPS等多样化游戏类型、成熟的游戏引擎和开发工具链、海量的三维资产数据。

两侧能力的结合，让腾讯有机会形成一个独一无二的闭环。

在这个闭环中，一方面，技术为应用而生，AI 能力更多围绕"如何让产品更好、如何让玩家体验更好"来推进，让技术成为改善体验的工具。另一方面，AI 能在真实的大 DAU 产品中验证、迭代，技术创新被直接转化为用户价值。这种"两栖能力"的稀缺性，决定了腾讯游戏在这场竞赛中的独特位置。

应用端 AI in game

游戏 AI 的应用正在超越简单的功能辅助，进入游戏核心玩法。腾讯游戏的逻辑很直白：用 AI 解决玩家需求、提升玩家体验。而这个逻辑，可能改变整个游戏的交互方式。

想象一下未来的游戏世界：你的 AI 队友不仅能听懂"掩护我"，还能理解你的战术意图，游戏里的 NPC 不再是复读机，而是有记忆有性格的"活人"，你上次帮过的村民下次见面会真的记得你。AI 甚至能根据你的玩法习惯，动态调整游戏内容，给你量身定制一场冒险。

这些听起来很科幻的东西，正在游戏产品里慢慢变成现实。

深度融入核心玩法：当 AI 终于学会了“说人话”和“动脑子”

就在不久前，《和平精英》首创了“具有AI智能语音识别能力的AI战犬玩法”。战犬“布鲁斯”被直接空投到单局游戏里，当你忙着架枪，随口吼一句“去搜物资”，它真能心领神会地跑去帮你翻箱倒柜，并且能承担牵制敌人、救援队友等任务。它也不是对现有地图、人机的简单优化，而是在战术竞技框架里，新增了一个单元，对全局的策略、操作体验产生影响。

同样的进化也发生在《火影忍者》里。那种只会傻站着等你打、或者只会机械“读指令”的无聊 AI 消失了。现在的 400 多个 AI 角色像是有魂儿一样：有的像愣头青一样疯狂压制，有的则像老狐狸一样等打反手。这种“千人千面”的对抗感，让你觉得屏幕对面坐着的不是一串代码，而是一个性格迥异的高手。

降低门槛：新手不再被劝退

竞技游戏对新人来说往往存在一定的挑战，但现在的 AI 正在试图改变这一点。

《王者荣耀》的灵宝解决了新手的“决策焦虑”。怎么出装？战场局势如何？它会根据战场局势给你出谋划策，最厉害的是还可以帮忙辅助买卖装备。这种感觉就像身边坐着个高手在手把手带你，让普通玩家也能把注意力集中在战斗的乐趣上。

而《英雄联盟手游》把 AI 教练搬到了局内，它不再是冷冰冰的结算数据，而是在你失误时给出实时的技术反馈。你刚被打爆心态崩了，它已经把建议怼到脸上："刚才那波你闪现能躲。"

创作赋能：从“玩家”到“开发者”，中间只差一个 AI

《元梦之星》正在通过 AI 工具，让玩家的创意不再受限于技术水平——只要说出你的想法，AI 就能实时生成场景与玩法逻辑，让每个有想法的玩家，都能零距离感受成为关卡制作人的成就感。

生产端 AI for game

我们观察了 2025 年游戏+AI 的应用，最终发现：AI 不该是“为用而用”，而是要能真正嵌进现有的制作流程里，解决那些让人头疼的实际问题，最后让游戏品质和玩家体验实实在在提升。

众所周知，比起文字、图像、视频，游戏是一个更为复杂的形态，里面涉及许多管线与工具，而 AI 在图像、3D 的理解上也不如文字来得优秀。就在上周全球计算机图形学顶级学术会议 SIGGRAPH Asia 2025 上，腾讯游戏带着 12 项技术成果亮相，给大家展示了 AI 怎么改造游戏制作这件事。这些研究瞄准的是最直观的业务痛点：让游戏跑得更流畅、画面更沉浸，让玩家实打实地感受到进步。

比如，在引擎渲染方面，在传统游戏开发流程中，实现逼真的光影效果通常依赖于“光照烘焙”技术，这一过程对计算资源消耗极大。在大型项目中，单次完整的光照烘焙往往需要数天时间，对于移动平台而言，硬件算力的限制更是迫使开发者不得不大幅降低画质标准，导致光影效果失真，缺乏沉浸感。腾讯游戏推出的 MagicDawn 技术方案，通过 AI 驱动的数据压缩与计算优化，将光照烘焙的时间从数天大幅缩短至数小时，并实现了跨引擎兼容与动态昼夜光影支持。这意味着，移动设备也能呈现出接近 3A 大作级别的光影品质。

目前，该技术已在《暗区突围》《鸣潮》《洛克王国世界》等多款游戏中落地应用，玩家能够直观感受到画面表现力的显著提升。

而动画也是游戏工业管线中一大难题。腾讯游戏 VISVISE 打造了一个 AI 全流程 3D 角色动画制作管线。把骨骼生成、智能蒙皮、3D 动画生成、智能插帧四大模块整合到一个平台，而这些基本上都是 3D 角色制作过程中最枯燥、最耗时的环节。现在，AI 接管了这些不涉及核心创意的重复性工作。以骨骼架设为例，AI 骨骼生成把原本 3-5 天的手工工作压缩到几分钟，除了人，连四条腿的怪兽、长翅膀的生物都能搞定。

首次对外发布的 IntelliScene 技术探索项目，能训练多智能体像人类设计师一样"慢思考"，并自动生成逻辑合理、具备审美的场景。过往，游戏制作中存在大量过渡、边缘与远景背景等非核心但必须覆盖的部分，这些区域往往没有过多的艺术家的创作空间深度、自由度，美术做起来也非常痛苦、机械，针对这些非核心的区域，AI 通过分析图片里的语义、空间关系和风格，能在叙事合理、风格一致的基础上，为艺术家提供辅助，减少 PCG 规则带来的重复。

我们将腾讯的路径总结为一种务实的“技术实用主义”——不追求单纯的技术前沿性，而是强调将 AI 能力高效、模块化地融入现有管线、产品。

说到底，这些 AI 工具改变的不只是游戏怎么做，更是咱们玩家能玩到啥。以前技术限制摆在那里，开发团队只能在"画质好""内容多"和"开发快"之间痛苦抉择。现在 AI 把这些瓶颈干碎了，意味着玩家将能玩到画面更沉浸、内容更丰富、体验更流畅的游戏，这才是真香时刻。

2025 年游戏依然是 AI 进化的"必经之地"

翻开计算机科学史，真相往往与大众认知相反：不是游戏需要 AI 来锦上添花，而是 AI 需要游戏来完成关键进化。这就是"Game for AI"：游戏作为 AI 的最佳训练场，为 AI 提供了从"会思考"到"会行动"的进化路径。

AI 史上不少关键突破，往往先在游戏里跑通：1997 年深蓝击败卡斯帕罗夫，证明机器能在明确规则下战胜顶尖人类。2016 年 AlphaGo 结合深度学习与蒙特卡洛树搜索跨过围棋门槛，让人看到 AI 能长出近似"直觉"的决策能力。2019 年 OpenAI Five 在 Dota2 的高强度对抗中发现，当试错规模和算力足够大，能力会出现非线性跃迁，这套"Scaling law"后来被迁移到语言模型上，才有了 GPT 的一路升级。

到了 2025 年，这段历史像是在重演，只是学习目标换了。

英伟达刚发布的 NitroGen 就是个典型案例，这个模型能玩 1000 多款游戏，从 2D 横版到 3D 开放世界，从角色扮演到大逃杀，几乎通吃。它直接看游戏画面、输出手柄操作，靠的是 4 万小时游戏主播视频训练出来的。更牛的是，当它遇到从没见过的新游戏，不用从头学，稍微调一调就能上手，任务成功率比从零开始训练的模型高 52%。

英伟达机器人总监 Jim Fan 说得很直白：他们的目标是打造通用具身智能体：不光能掌握现实世界物理规律，还能适应无数虚拟环境里的所有可能规则。

NitroGen 只是第一步，聚焦的是"玩家直觉式运动控制"，但它证明了一件事：游戏里练出来的 AI，能力是可以迁移到现实世界的。

最具挑战性的 AI 研究，几乎都会在某个阶段把游戏当训练场。Demis Hassabis 说过，游戏是 AI 的理想测试床。为啥？因为游戏同时满足了现实世界很难凑齐的三个条件：够复杂、数据够多、试错成本够低

结语

过去两年，大家的目光都在 ChatGPT 的对话框和 Sora 的视频生成上。但一个更本质的转折正在发生。

AI 正在完成一次关键的进化跃迁：从"理解语言和图像"，到"理解空间和物理法则"。这个跃迁需要的，不再是更大的参数量，而是一个能够提供海量交互数据、支持快速迭代验证、并最终服务亿级用户的完整生态。

游戏，恰好同时满足了这三个条件。它既是让 AI 学会"理解世界"的训练场，也是让 AI 技术"触达用户"的应用场。

而游戏和 AI 的关系用一句话总结就是：用 AI 创造更好的游戏，用更好的游戏训练更强的 AI。

更值得关注的是，DeepMind 已经开始亲自下场创造游戏。当 AI 从"使用者"变成"创造者"，游戏和 AI 的关系将突然间进入一个全新的阶段，这种"涌现"，可能比我们想象的来得更快。

当然，说到底，在这个链条里，最终受益的还是玩家：玩到更好的游戏，同时见证 AI 一步步变聪明。这才是这个时代最酷的事。