AI“潜入”游戏

文/萧樱

从ChatGPT在2022年引爆生成式AI 开始，不少人都几乎本能地认为：游戏会是最先发生剧变的行业之一。大家期待看到自动生成的内容、能自由交流的角色、会自我演化的世界，甚至期待 AI 直接把做游戏这件事彻底重写。

现实却好像并没有按这个剧本展开。如果只看过去两年最热闹的AI叙事，你会很容易得出一个结论：AI正在迅速改变一切，但聚光灯下似乎并不包括游戏。就像主流的舆论场一贯对待游戏的方式一样。

人们讨论最多的是大模型屠榜、生图生视频能力、chatbot大战、Agent演进、办公提效，一波接一波的新概念、新应用络绎不绝，甚至连最近的“龙虾”都卷成一场全民围观的新浪潮。可当话题落到游戏上，反而显得有些过于平静。没有想象中一夜之间被改写的产品形态，也没有铺天盖地的“下一代AI 游戏”跑出来。

可如果因此得出“AI对游戏还没什么实质影响”的结论，那恐会产生巨大的误判。水面安静，不等于什么都没发生。

第一个打破这份平静的是今年的GDC（全球游戏开发者大会）。在旧金山的会场走廊，在参会者下榻的酒店，无时无刻都有人在讨论AI，AI相关议题超过100场，数量整整翻了一倍多，AI成为最核心的议题。而更大的变化在于，讨论的内容，也从畅想AI能做什么，变成了讨论AI在具体研发环节里怎么用，怎么把 AI 放到游戏场景。其中光是腾讯一家公司就带来了21场分享，而且基本都指向具体的应用。

AI 已经带给游戏的变化，不只是PPT上说说而已。昨天，腾讯发布了2025年全年财报，腾讯也专门提到“游戏AI正有效加速内容制作、改善用户体验、提升营销效益”，并举了具体例子。游戏业务继续成为财报上的关键亮点：2025年游戏业务收入达2416亿元，同比增长22%。

尽管如此，我们依然无法用其他工具类产品来理解AI和游戏的关系。对于AI，游戏可能是最特殊也最值得重新理解的存在。AI与游戏的关系，也从来都不是“新技术找到了一个新场景”这么简单。

游戏有复杂环境，有持续交互，有即时反馈，有真实用户，还有已经被验证过的商业模式。它像一个被高度压缩的世界：规则足够清晰，变量又足够丰富，既能容纳技术试错，也能放大能力边界。某种意义上，游戏注定是AI最理想、也最苛刻的训练场。但也正因如此，游戏的AI化过程，注定不会像外界想象得那样轻巧、迅猛、戏剧性十足。

在GDC期间Google的一场高端闭门论坛上，当主持人在台上被问到“AI是否会从根本上改变游戏的制作方式”时，也表示“答案很可能是会”，“但未必像很多人想象的那样发生。”

图：2026年GDC会场

这并不奇怪，因为AI和游戏的关系非常特殊。AI和游戏的关系并非从这几年才开始，它们之间的牵连甚至会贯穿AI发展的整个历史：

往前看，AI最早的萌芽和探索，其实都是在游戏里被验证，例如Deepmind 用Alpha Go进一步验证了强化学习的潜力；再比如，像谷歌AI负责人哈萨比斯这样的关键推动者，本身就有深厚的游戏背景。

而眼下，真正的变化，是AI开始试图嵌入游戏的生产管线、玩法结构、角色系统乃至世界运行逻辑，成为游戏演化进程的一部分。它更像一场长期工程，只能一步一步去做，无法一蹴而就，但影响深远，甚至不止于游戏行业本身。

如果把视线投向未来，可以预见的是，很多今天看起来属于通用 AI 的能力，包括大语言模型、生图、生视频、生3D、世界模型等，最后很可能都会在游戏这个场景里找到更完整的归宿。AI 也很可能继续在游戏里，尝试走向更复杂的世界。

这也是我们必须去关注游戏的原因，许多新的变化，或许比很多高调叙事的新应用更值得重视——它们指向的不是一场短期热点，而是一个更具想象力和更值得期待的未来。

“卖铲子的”夸了“搞落地的”

从2026年GDC现场看，关于怎么用AI，不同的公司也有不同的路线。

一种是“卖铲子”：Google、英伟达、Epic、Unity这些公司在展示自己的AI能力，提供通用的AI工具。另一种是“搞落地”：在具体的游戏产品中，针对实际的研发痛点和玩家体验问题，一个环节一个环节地探索AI怎么落地。

后面这个方向上，几乎是腾讯一家在撑场面。作为全球营收规模最大的游戏公司，腾讯在这届GDC上一口气带来21场AI相关分享，覆盖了游戏开发的各个环节，这样丰富且体系化的探索在全球游戏厂商中几乎看不到第二家。事实上，腾讯做游戏AI这件事，比大多数人以为的要早。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来之前，《王者荣耀》的“王者绝悟”就已经在跑了。

Google高管Jack Buser也注意到了腾讯的积累，而且在闭门论坛上不吝赞美：“让我印象深刻的是，目前腾讯已有超过40款游戏落地了AI应用，且未来规模将持续扩大，为整个行业指明了发展方向”。

作为“卖铲子”方向的老大哥，Google为什么说腾讯在做的事才是行业的方向？

道理其实不复杂。AI工具再强，如果没人能把它稳定地嵌进真实的游戏产品里，它就只能停留在Demo阶段。真正推动行业往前走的，不是工具本身，而是谁能拿着工具在具体的产品中解决具体的问题，帮开发者把时间和精力从重复性的工作中省出来，放到真正影响游戏品质的地方去。

在今年GDC上，腾讯技术中台带来了一套叫VISVISE的全链路AI创作解决方案，就是在这个方向上做的事。做过3D游戏的人都知道，角色模型和动画制作是最吃时间的环节之一。一个角色从建模到最终能在游戏里动起来，中间要经过骨骼绑定、蒙皮、动画制作等一连串工序，每一步都繁琐、耗时，而且容易出问题。几乎所有游戏团队都在跟这些环节较劲。

VISVISE团队的思路很明确：先找到最需要AI的工作模块，优先攻克。拿蒙皮来说，就是让3D角色的衣服能跟着身体自然地动。听起来简单，但碰上多层裙摆这种复杂结构，以前美术得花好几天，做出来还经常穿模，衣服直接穿过身体。更头疼的是，穿模了要修，修的成本比重做还高。针对蒙皮环节，VISVISE用AI大模型加上专门针对复杂裙摆训练的强化学习，把原来几天的工作压缩到几分钟到十几分钟，蒙皮这类美术繁琐环节的自动化率提升80%以上。这个自动蒙皮功能，就已经在《和平精英》《PUBGM》等90多款游戏中被用上了。

动画环节也类似，传统动捕经常出现骨骼点丢失、角色的脚悬在空中这类问题，过去全靠动画师一帧帧手调。现在VISVISE能一次性自动修好，最新版本的异常出现率比上一代降了6倍。

当然，提效是问题解决了之后自然带来的效果。过去很多创意想法因为周期太长、成本太高没机会验证，现在这些约束被AI松开了一些。对玩家来说，也意味着有机会玩到品质更高、创意更丰富的游戏。

Jack Buser说腾讯“为行业指明了方向”指的正是腾讯这种“搞落地”的思路——在游戏产品里，针对一个个具体的研发痛点，把AI真正做进去——是AI深入改造游戏产业的路径。

毕竟，不同品类对AI的需求完全不同，一套射击游戏的方案搬不到格斗游戏里，每个场景都需要针对性地调整模型规模、推理成本和知识结构。这些难度叠在一起，意味着AI在游戏中的落地，靠通用方案一步到位是不现实的。

这个思路既更有行业价值、能解决共性问题，也对游戏公司提出了更高要求：卖铲子的人告诉你这把铲子能挖土，但搞落地的人要自己判断在哪里挖、挖多深、土质不一样怎么办、挖出来的东西怎么用。

给行驶中的列车换轮子

随着各家大模型逐渐展现出WEB端的游戏生成能力，不少人都觉得做游戏的门槛越来越低。比如，今年年初，《互联网大厂模拟器》和《赛博徒步：生死鳌太线》在国内突然走红。这两款游戏都是一两个非专业人士借助AI工具在短时间内做出来的。

AI让个人和小团队做游戏变得更容易了，这是事实。但用AI做出一款游戏，和把AI真正做进一款有数亿玩家的成熟游戏产品里，是两件完全不同的事。如果混淆了这两件事，就会低估AI进入游戏的真实难度。

拿《和平精英》《王者荣耀》这类日活千万级甚至亿级的游戏来说，它们底下跑着引擎、渲染、物理、网络这些系统，上面还有玩法、数值、叙事这些设计层，全都咬合在一起。AI不能作为一个独立模块插进去就指望它work，它得跟这套已经运转多年的复杂架构兼容。

在这届GDC的一场论坛讨论上，一位游戏从业者就敏锐地指出，目前大型游戏在引入AI这项新技术的过程中仍有许多未解决的问题，尤其是可靠性、可控性以及与现有开发流程的整合。但他认为，这正是接下来几年行业真正需要解决的事情：“如何让这些AI工具成为稳定的生产流程组成部分。一旦这一点实现，我们很可能会看到游戏开发方式出现更大的变化。”

图：2026年GDC上参会者排队进入腾讯会场

腾讯在本届GDC上带来的另一个案例《异人之下》，就是在探索解决这些问题。这款格斗游戏面临一个行业通病：角色受击后退、倒地起身这类过渡动作，数量庞大，角度几乎无限。传统做法是靠数学模型算，但容易出现脚步打滑、武器穿透身体的问题。

魔方工作室的解法是训练一个极度轻量的AI模型来接管这些过渡动作。轻量到什么程度？就说动作捕捉这个环节。传统动捕需要演员全身贴满标记点，在专业场馆里用大型设备录上好几个小时。现在魔方的做法是，找一间小房间，架最少7台类似GoPro的小摄像机，演员身上什么都不用贴，AI直接从多角度视频里提取动作特征。训练数据也从过去的几小时压缩到了几分钟。

除了提效，这套AI方案更关键的意义是，它最终替代了原来那套用数学模型来计算过渡动作的整个流程。现在《异人之下》每一帧过渡动作都是AI在算，而且是在手机CPU上1毫秒内完成的。换言之，AI已经是管线本身的一部分了。

作为腾讯带来的另一个AI for Game的落地，《洛克王国：世界》的MagicDawn跨引擎光照解决方案，也是在探索相同的方向。

这个方案解决的是另一个让游戏开发者头疼已久的问题：光照。玩家在游戏里看到的光影效果，背后需要一个叫"光照烘焙"的计算过程。这个过程有多慢呢？用传统的引擎方案，算一栋建筑的光照就要半小时起步。如果是一个有成百上千栋建筑的开放世界呢？《洛克王国：世界》的团队用AI重新做了一套全局光照方案，把95%的计算任务压到了5分钟内，日常的光照迭代从等三天变成了等几分钟，而且支持动态昼夜变化，移动端也能呈现接近3A级别的光影品质。

这个过程中，最难的不是技术攻克部分。项目组原本已有一套在用的光照解决方案，整个开发流程都搭建在它上面。要换成AI新方案，就像给一列行驶中的列车换车轮，不能停，不能出错，只能一个一个地换。先换一部分，验证没问题再换下一部分，这个过程花了四五年。

腾讯天美工作室的探索则更有野心。他们在做的Ignis Agent，目标不是优化某个环节，而是搭建一套真正AI原生的工作流程。这套系统能读策划案、拆逻辑、写代码，把系统开发从几周压缩到1天。

跟普通的AI编程助手不同，天美团队重点攻克的是两个更底层的难题：AI在复杂游戏工程中做决策时能不能做对，以及大规模运行时能不能保持稳定。这两个问题是AI真正进入复杂游戏的瓶颈。

这些将AI更大程度地融合进游戏生产管线中的探索，最终是为了将人从繁琐、重复的工作中解放出来，创造出更好玩的游戏作品。

“集中投入到需要人类审美和判断的那最核心的10%～20%的创意工作与细节打磨中。”腾讯游戏公共技术负责人陈冬表示。

在本届GDC的一个论坛讨论会上，一位游戏从业者也做了一个比喻，“AI就像钢铁侠的战甲，它给开发者提供了原来不可能拥有的‘超能力’”。但战甲里面仍然需要一个人，没有人，战甲也无法行动。

他表示，“从历史上看，最优秀的游戏往往来自于强烈的创意愿景，而不是纯粹的自动化。AI的作用应该是帮创作者更快、更大规模地实现这种愿景。”

创造新世界

归根到底，游戏行业的一切努力，是为了给玩家带来更好的体验。那么，AI能不能直接改变玩家在游戏里感受到的东西？

整个行业都在探索这个问题。前面提到的AI for Game的实践，虽然玩家未必能直接感知到，但最终指向的仍然是更好的玩家体验。比如《异人之下》里玩家能感受到的更扎实的打击感，《洛克王国：世界》里玩家在手机上也能看到的电影级光影。

在AI in Game的探索里，一个被讨论最多的方向是AI NPC，让游戏里的角色不再只会重复固定台词，而是能听懂玩家说的话并做出回应。但在AI NPC之外，进一步延伸出的AI队友，是一个更让行业兴奋的方向。AI NPC通常是玩家主动去找它对话，节奏相对可控。AI队友不一样，它要跟玩家一起战斗、一起行动、实时配合，面对的是完全不可预测的高压交互场景。玩家的沉浸感和情感链接也会完全不一样。

《和平精英》的AI队友系统是走得比较深的一个案例。这款游戏日活用户在全球属于头部，天然就有竞技焦虑和社交压力的问题，有人怕被队友嫌弃不敢开麦，有人中途要拿外卖角色只能等死。团队想做的，是一个能提升玩家参与意愿、还能长期相处的“伙伴”。

图：腾讯《和平精英》AI队友技术的分享现场

要做到这一点，工程上的坎就不少。通用大模型听不懂游戏黑话，玩家跟它说“帮我舔个包”，它大概率一脸懵。团队的做法是在模型上挂了一个持续更新的游戏知识库，把地图信息、枪械参数、战术术语、玩家社区里的黑话都灌进去，让通用模型变成这款游戏的专家。听懂了还不够，还得跟上节奏。所以他们还要解决枪声环境下的噪音、方言、弱网这些问题，把语音响应压到零点几秒，才能让AI队友真正跟上对局节奏。

但真正让AI队友从工具变成伙伴的，是记忆。“有了记忆，它才会真实。”策划副总监薛冰说。为了实现“真人感”，团队给AI队友加了一套长期记忆系统，让它能记住玩家的喜好、起的外号等等。同时还设计了一套关系养成机制，互动越多关系越近。

效果是出乎团队预料的。体验AI队友的玩家，开麦率显著高于普通模式，大量玩家在视频平台连载和AI队友的日常趣事。AI队友从一个功能变成了“社交货币”。

更值得关注的是这个探索展现出的飞轮效应。AI队友最初是为了解决竞技社交压力这个具体问题，但当它真正进入核心玩法、跟玩家产生高频互动后，新的可能性开始快速涌现。例如，在AI队友的底层框架上，团队已经衍生出了AI托管、AI战犬等多个玩法，迭代速度很快。

可以看到，当AI真正融入大型游戏的核心玩法后，它不是一个做完就结束的功能，而是一个会持续生长的系统。这也是AI参与构建游戏世界最有趣和最有挑战性的地方之一。

薛冰还提到一个更远的方向：以后AI队友不只是会聊天、会配合，还应该具备对社会环境的理解和自我思考的能力。如果这些逐步实现，AI队友可能不只存在于竞技对局，还能扩展到开放世界，甚至生成剧情、构建社交关系，从一个功能变成一种全新的游戏体验类型。

这是一个充满想象力的思考：当AI生成的内容与游戏里的其他系统发生互动，当游戏不再是一个固定世界，会创造出怎样的新世界？会给玩家带来怎样的新体验？

在本届GDC上，英伟达、谷歌和万代参加的一场高端讨论上，一位参会者总结道：“当我们谈论AI改变游戏时，并不仅仅指AI是一个更好的工具，我们谈的是整个游戏生命周期的变化。而真正学会拥抱这些技术的工作室，将会定义下一代游戏产业。”

未来，在游戏里发生

所以，AI与游戏结合的意义，恐怕从来不只是“做出更聪明的NPC”，也不只是“更快地生产内容”。

多年以后再回头看，我们兴许会发现，现在很多看似与游戏无关的AI进展，其实都在为游戏铺路：更成熟的生成能力，正在改写视觉内容、3D资产和叙事素材的生产方式，游戏视觉内容有可能从逐帧制作转向按需生成；更强的世界模型，则让游戏里的物理、行为和环境，不再只是被预设的结果，而可能变成可理解、可推演、可持续演化的系统。那些分散在不同赛道上的技术，最终会汇聚在这样一个足够复杂、足够动态，又足够开放的场景里。

反过来，游戏也在塑造AI。它不是单纯消耗算力的内容工业，而是一个持续产生真实反馈的交互系统：玩家会试探规则、制造意外、提出需求，也会用自己的选择、情绪和协作方式，不断校正系统该如何回应人。

在本质上，游戏提供的不只是商业化场景，更是一种检验AI是否真正能理解环境、服务人、与人协作的高压测试。今天我们在游戏里探索AI队友、动态世界和实时生成，某种意义上，也是在提前演练未来社会如何与AI共处。

而复杂的AI应用场景对技术的反作用力也可能超出想象。最近Openclaw引发的龙虾热，就让token消费一下子涌动起来，甚至直接拉高了多家模型公司的估值，token开始像电力一样开始大规模流通，成为“智慧能源”的计价单位。而大型游戏或许是一个远比“养虾”复杂的场景，而且就像过去几十年一样，也必将继续影响着芯片算力、通信、硬件、交互等相关技术演进。

AI 带给我们的改变，它很可能不止在实验室，也不止在办公室，也可能在游戏里。

这个过程，或许没有“改天换地”的轰轰烈烈，但改变和影响早已开始。

大厂抢的不是“龙虾”，是人与AI的新型关系

一个安全专家养虾5天后的忠告

为什么腾讯能一口气推出那么多“龙虾”？