900万Token，实习生零代码做出了《太吾绘卷》Mod

一个零代码基础的实习生，用AI给《太吾绘卷》做了一个剧情Mod，整个过程消耗约900万Token。这不是段子，是ModCraft团队里真实发生的事。

36氪获悉，AI游戏Mod创作与内容平台ModCraft已完成数千万人民币种子轮融资，投资方包括商汤国香资本、L2F光源创业者基金。融资资金将主要用于AI模型训练以及平台增长。

ModCraft目前提供两大服务：一是让用户通过AI，用自然语言制作游戏Mod；二是在平台上发现、游玩和分享其他玩家创作的Mod。截至目前，平台已经上架28款游戏，都是在Steam具有较高知名度的作品，包括经典国产独立游戏《太吾绘卷》，斩获TGA 2025年度游戏的《光与影：33号远征队》，以及近年爆火的合作游戏《PEAK》等。

Mod不只是玩家二创

在创始人李硕看来，Mod的意义远不止是玩家UGC。他认为，“游戏Mod本质上是游戏和游戏以外的地方的接口。”通过这个接口，厂商可以根据需求定制游戏工具、获取运行数据；大模型也可以通过Mod进入游戏，把游戏变成供AI学习的仿真环境。

这也构成了ModCraft更长远的产品路径。除了通过AI降低Mod创作门槛，ModCraft还希望基于这些真实的游戏创作、反馈与运行数据，训练面向游戏开发的AI模型。李硕希望，这套模型未来不只是“会做Mod”或“会玩游戏”，而是能够进一步理解游戏玩法、参与内容创作。

李硕相信，最终AI能做出比纯人工更“好”的游戏内容。ModCraft的远期目标，也正是成为服务游戏和独立游戏设计师的工具与平台，帮助中国大作更好的走向世界。

目前ModCraft团队的AI Lab已经在进行大量数据工作，将Mod中的数据提取出来用于模型训练，并与字节跳动等模型厂商达成合作。

类似的方向已经有公司在探索。由游戏视频平台Medal分拆而来的General Intuition，就利用Medal积累的游戏录像以及其中与玩家行为、游戏事件相关的行动标签，训练能够在虚拟环境中感知、预测和采取行动的模型。General Intuition将游戏视为训练空间智能和环境理解能力的重要场景。

与General Intuition主要从游戏视频和行动数据中获得训练素材不同，ModCraft希望进一步通过Mod直接连接AI与游戏运行环境，并主动产生、提取其中的数据。对ModCraft来说，Mod既是普通玩家参与游戏二创的工具，也可能成为AI获取游戏数据的基础设施。

为什么是Mod，不是直接生成游戏

ModCraft创始人李硕是研发出身的游戏行业老兵。他2010年毕业，之后加入腾讯参与《剑灵》项目；2015年加入游族网络，曾担任《权力的游戏：凛冬将至》制作人。

真正促使他进入AI领域的，是去年AI Coding能力的一次明显跃升。此前，他曾经多次接触过AI与游戏结合的创业机会。2021年离开游族时，国内知名AI团队成员曾邀请他参与游戏方向创业；2022年，VAST探索AI生成3D落地应用方向时，也曾向他伸出橄榄枝。但在李硕看来，当时AI能力还没有真正达到游戏生产的门槛。直到去年夏天，他才觉得时间到了。

与此同时，中国买断制PC游戏市场也在快速增长。李硕观察到，Steam在中国已经拥有五六千万用户，新一代年轻玩家也越来越愿意为高性价比、高品质的游戏产品付费。此前，他也主导开发原创开放世界生存建造游戏《炭熄》，获得B站投资。

不过，本次AI方向的创业，他没有选择直接从AI生成游戏切入，而是把目光投向了一个更小众的领域——游戏Mod。

李硕认为，Mod像是站在原作巨人的肩膀上创作。游戏美术、玩法、世界观和玩家社区都已经存在，可以为AI提供大量完整的上下文。因此，比起从零开始生成一款完整游戏，AI做Mod更容易做出真正具备可玩性的内容。

玩家侧的需求也更加明确。基于自己作为游戏制作人的经验，李硕认为原创游戏想要实现自传播，往往需要极具辨识度的美术、足够抓人的故事，或者能够迅速吸引玩家的玩法创意，这是非常困难的。而玩家愿意下载一个Mod，往往意味着他们已经认可游戏本体，并希望获得更多内容。每一款新游戏的上线，都可能成为ModCraft一次新的用户触达机会。

在海外，Mod已经形成了成熟的内容生态，Nexus Mods、CurseForge、Thunderstore等平台聚集了大量Mod作品。相比之下，中国买断制游戏起步较晚，Mod生态发展空间巨大。

李硕相信，AI进一步降低创作门槛后，Mod内容有望迎来一次爆发式增长。原来手搓一个Mod可能需要几周，甚至几年，AI可以让这个过程缩短至几分钟。同时，AI可以让更多原本不会写代码、不会使用专业工具的人也开始参与创作，“就像2015年以后，普通人也可以制作短视频了。”

两条商业化路径

李硕为ModCraft规划了两条商业化路径。

从C端来看，平台可以通过订阅模式向创作者收费，也可以和游戏厂商合作，探索优质Mod的付费分发。从更长期的角度看，ModCraft希望成为一个“Mod版本的Roblox”。

而在B端则有两种商业化可能性。首先，Mod可以实现游戏的定制化功能。例如，游戏主播和直播工作室经常会有定制化需求：主播希望玩家送出礼物后触发特殊事件，或者规定游戏中不能使用某个职业、不能掉落某种装备。

这类需求在AI出现之前就已经存在。比如抖音平台上《红色警戒2》主播一直比较活跃，一个重要原因是这款游戏拥有较成熟的Mod工具，支持直播所需的种种功能。而Steam仅去年一年就新增了超过1.8万款游戏，大量游戏并没有成熟的Mod工具。AI的出现，则有机会降低Mod制作和适配的门槛，让更多游戏具备承接这类定制化需求的可能。

其次，Mod可以成为厂商获取数据的入口，让AI把游戏视作仿真环境，持续产出数据。厂商可以使用这些数据做AI视频模型或世界模型的训练。目前ModCraft已经与字节跳动等头部模型厂商达成合作，提供模型训练数据。

目前的AI游戏开发工具，正在从代码生成、3D模型生成进一步走向直接参与游戏制作。今年9月，OpenAI发布GPT-6 Astra，可以操作开发环境完成游戏相关工作，也能够将Blender中的模型转化为可在Unreal Engine 5中游览的场景。

但在李硕看来，即使AI已经能够进入游戏开发流程，仍然有一个更难的问题没有被解决：AI如何知道什么样的游戏是好玩的？

这也是他从Mod切入AI游戏开发的核心原因之一。与游戏行业招聘策划时的逻辑有些相似：一名游戏策划往往需要拥有足够丰富的游戏经历，才能理解什么样的设计是好玩的。AI模型也可以通过足够大量的Mod产品学习究竟“什么好玩”，最终掌握“怎么做好玩的游戏”。

本质上，AI能够制作一款游戏的Mod，本身就意味着围绕这款游戏的工具链和知识库已经足够完善。在此基础上，AI再可以通过Mod进入游戏，并将游戏运行过程中产生的各种数据转化为训练材料。

玩家本身的反馈也是模型训练的基础，一个Mod能否获得下载量和玩家评价，能够反映这种玩法是否受到关注；而一个Mod能否真正被大量玩家长期使用，则进一步体现了玩法本身的实际效果。Mod本身就是一种快速的玩法实验，很多经典游戏最早也是玩家自制的Mod。

最终，ModCraft希望通过玩家的创作、反馈和实际游玩数据，让AI逐渐理解什么样的玩法更受玩家欢迎，并进一步生成更具可玩性、能够进入实际生产的游戏创意。

一支“Modder含量”极高的团队

为了完成从UGC到AI模型训练的这套闭环，ModCraft的团队构成也很特殊。其中一大特色就是有很多资深Mod创作者，也就是Modder。

团队Lead Modder吴理华曾制作《黑神话：悟空》的自走棋、Boss Rush等多款知名Mod。其中Boss Rush后来被官方内置为游戏玩法。另一位团队成员制作的《黑神话：悟空》整活Mod，相关视频在B站获得766.9万播放，曾登上全站播放量总榜21位。除此之外，团队成员还包括《怪物猎人》《艾尔登法环》等游戏的知名mod作者。

李硕说，全国意见领袖级别的Modder基本都在这里了。他本人也是Mod作者，为《英灵神殿》制作了多款Mod。

在他看来，做AI Mod工具，本质上也需要把资深Mod作者长期积累的经验转化为产品能力。“他们每天在公司说，我在用AI蒸馏我自己。”

除Mod作者外，ModCraft还有一支AI研究团队。成员均具备全球顶尖高校研究背景，其中包括多位CMO（中国数学奥林匹克）金牌获得者。他们的研究领域覆盖当前AI（特别是大语言模型与通用游戏智能）领域最核心的前沿技术方向，将负责大语言模型、强化学习和Agent调优。

当然，上面提到的所有人都有一个共同的身份——资深游戏玩家。

某种程度上，ModCraft选择的并不是一个全新的游戏内容形态。Mod已经存在了很多年，真正发生变化的是，AI正在让过去属于少数Mod作者的能力，开始向更多普通玩家开放。

从这个角度看，AI生成游戏也未必要从零开始。基于现存的游戏和玩家的二创欲望，AI可以帮助玩家扩展游戏内容，再在这个过程中理解什么是有趣的游戏，可能是另一条更现实的路径。

至少对ModCraft而言，这场尝试才刚刚开始。未来3到6个月，团队一方面会大幅扩展支持的游戏数量，将产品进一步推向市场，让更多玩家参与Mod创作；另一方面，则会开始训练模型的游戏能力。

游戏不仅承载了海量的文本、图像、音频和视频数据，更完整记录了人在复杂、动态环境中的行为决策、交互方式、审美偏好和娱乐需求，是一个高度结构化、持续产生反馈的“人类行为数据富矿”。团队相信，随着多模态模型、世界模型和具身智能等技术进一步发展，这类包含“环境—行为—反馈”闭环的数据价值有望进一步提升，并作为重要数据资产，进一步训练更具泛化能力、更懂人类需求的AI模型。团队目前积累的游戏数据已经与头部模型厂商开展模型训练合作，进一步验证了游戏数据在AI训练场景中的潜在价值。