大象与猎豹：AI游戏的两种速度

AIGC 持续推动生产力变革，相似场景，很可能在未来的游戏行业中重演。

图形、建模、代码，游戏天然是距离 AI 为代表的前沿技术最近的领域之一。但体量庞大、管线丰富的游戏厂商对 AI 显得有些“敏于言而讷于行”，反倒是越来越多知名游戏厂商的主策、制作人选择脱离体系以及其背靠的资源，选择“自立门户”。

其中最引人注目的无疑是远赴重洋拉起新团队的米哈游创始人蔡浩宇，他率队开发的 AI 互动叙事游戏《星之低语》（Whispers from the Star）已在 Steam 上架 Demo。另据前 V 社顾问发布数据称，目前 Steam 上使用 AIGC 的游戏数量至少达 7818 款（仅开发商主动披露），去年仅为 1000 余款。

与平台“寒武纪”大爆发形成对比的是我们熟悉的大厂。管线上，纯粹 AI 驱动的项目在立项时便阻碍重重；产品方面，出于长青产品的留存需求，AI 仅有少量“过时创新”被应用在了少数头部项目上，例如腾讯系竞技游戏中的AI队友、网易 MMO 游戏的AI动捕“剧场”等。

以 AI 队友为例，早在大模型的风吹遍全球之前的强化学习时代，基于行为强化的 AI 技术便已经非常成熟，甚至腾讯内部还对这项功能提了一个需求：要让它们“菜得像人”。大模型更多是为这项技术打了个语义理解的补丁，底层逻辑与数年前的成熟应用并无二致。

去建制化的创业团队以更快的节奏跑在了创新前沿，资源雄厚、体系完备的游戏大厂则有些投鼠忌器，行动缓慢。

AI 之于游戏厂商及其项目而言意味着什么？我们或许能从腾讯身上看出一些端倪。

2018 年，机器学习迎来爆发，腾讯内部也在彼时的 AI Lab 上马了项目——通过机器学习强化《王者荣耀》人机行为，从而更好地推行 ELO 匹配机制与稳定用户留存。当年春节期间，《王者荣耀》日均活跃用户数破亿，且第三方数据显示其日活并未在节后显著回落，维持在 8000 万上下的水平。

2019 年 1 月，原腾讯 AI Lab 总经理刘永升离职并创办 AI 游戏公司超参数科技。坊间传闻其团队未能在 2018 年底共享王者荣耀日活大幅增长的成果。“他们老板很生气，跟 Pony 打了个招呼说我要出去创业”。

前因后果，反映出腾讯面对 AI 的两个层面的认知。一个是在应用层面，优先在核心产品落地，且促活的目的性强烈，这是典型根据“主流客户需求”做出的资源配置；定位上则偏向于“打辅助”，甚至一度分不到增长蛋糕。往后我们看到AI在成熟游戏内的应用大体属于此类，如 AI 驱动的 UGC 编辑器等。

历经数年，AI 之于整个管线的提效作用愈发突出，利益分配想来不会再重演“不均”，但落地层面依旧没有明显改变。并非厂商不够 FOMO，而是过往的重力使然。

“（他们）开发为了自己不被开掉，故意把代码写成别人看不懂，有点像加密一样的感觉。再故意留一些 bug 等几个月之后再修。”

在 AutoGame 创始人张昊阳看来，似这般开发方式不仅有些令人啼笑皆非，更重要的是思路完全没有跟随时代，停留在过去。

受硬件、算力成本等物理性的限制，绝大多数基座模型已经放弃卷上下文长度，即模型一次性能够处理的最大 Token 数量。与之相对，过去习惯于超长代码的游戏管线也应该适时转换开发形式。好比出于内部提效需求，从而广泛被电商运营倚赖为重要工具的 AI 表格。

“现在那些多端互通游戏，一个模块的代码差不多就能有 10 万行，大模型是学习不了的”，张昊阳认为，在 AI 能力还不够的时候，需要开发者“自适应”更小的、解耦的开发模块。通俗地说，就是在原先模块化开发的基础上，通过将单一模块代码尽可能做小，让 AI 能够吃下这块代码的信息与知识。

宏观来看，超长代码是模块化开发的必然产物，可以随 AI 能力增强与工作流的改善而优化。更大的阻碍在于组织形式——在一个庞杂的体系内，不论是项目还是人，都身不由己。

通常来说，成熟游戏管线的立项是自下而上的流程：项目组内部评估、工作室评估再到工作室群的大老板评估。但 AI 驱动游戏通常因商业化前景不明等问题而过不了第一关。我们了解到，恰是有制作人因越级汇报 AI 游戏项目，最终导致该项目在“山头政治”中胎死腹中。

业内人士李青（化名）告诉光子星球，当初那位制作人把项目直接发给工作室群的大老板看，大老板很上心，直接将 DEMO 发在工作群里。谁知一时间一众工作室负责人都开始拉拢他，希望能拿下这个大老板点头的新项目。“他还算是有些敏感性，没有投靠任何人，但老板还是回头问了他的责”。

“他说：‘你找他干嘛，想自立门户？’”

成熟体制难觅创新不是没有道理。当创新都变成了一场内部消耗战，所谓AI，也就成了资源分配的赛马场。

诺基亚的智能机团队曾在早期提出触屏战略，但被内部高管否决，因为会冲击当时利润最高的功能机系列，类似对创新的内部阻力案例比比皆是。于此，我们不能对成熟厂商提出过高的要求，但AI持续泛化，还是催生出了一些与过去不同的阻碍创新的因素。

一如早先由 AI Lab 负责的《王者荣耀》人机项目，组织上是 TEG 与 IEG 的跨部门协作。大模型到来，腾讯还是采用了相似的组织模式，导致两边都有些微词。前文有提到，TEG 配合游戏业务的基建没能分到“蛋糕”，而游戏业务这边也将与 TEG 的协作视作是“横插一脚”。

李青表示，当初项目组有自己的 AI 开发，工作室和 IEG 也都各自有中台支撑，但上面非要与 TEG 一起推动这个跨了四个部门的合作。“他们觉得我们搞游戏的不会 AI，我们觉得他们找不到场景”。

这类现象在自研大模型的大厂上其实相当普遍，有明确落地场景的业务让步于自研模型，为模型提供场景和用户。除非业务本身的重量已经超出了自研AI的引力——团队规模仅数百人的微信便没有接入腾讯混元，而是自己另起炉灶做了元宝。

无法折叠的体制网状交织，在此基础上，大厂仍被第二层无形的网所束缚——安全与合规的铁律。

与众多垂直行业相似，游戏同样是一个领域数据高度保密，几乎谈不上“数据枯竭”之虞的行业。更重要的是，游戏还是一个大众消费行业，不似工业、医疗等缺少面向 C 端的数据采集手段。面对这一现状，大厂的第一选择当然是高高筑起数据壁垒，同时也切断了使用外部工具资源的可能。

而在创业公司中，工具的自由使用几乎是默认的规则。

例如，一些 AI 驱动的独立工作室在开发时几乎完全依赖外部的 AI 技术栈，这为他们带来了相较于大厂更强的开发效率。快速接入全球领先的 AI 模型和工具链，让这些公司可以在竞争中迅速跑出，并持续优化自己的技术能力。

一个例证，是张昊阳曾在今年国庆期间用最新 AI 工具试跑的一个开源项目。

据悉，该项目是面向 UE 引擎开发的开源非蓝图编程项目，支持开发者略过编译直接写游戏逻辑，该项目的游戏插件上次更新是 UE5.3 版本。张昊阳突发奇想，想借这个项目测试一下新发布的 Claude Sonnet 4.5 的能力。

他花费 20 分钟时间思考，改了 46 个文件，修了 5 个 BUG，便将项目从适配 UE5.3 更新到适配最新的 UE5.6。

“这要是放大厂内部做，还不得要一个程序员通宵鏖战一两个月，Vibe Coding20 分钟就搞定了”。

仅从开发能力看，如果不广泛使用 AI 工具，创企与大厂之间已经形成了效率代差。当然，厂商也在积极探索适合集团的 AI 开发工具，腾讯云推出了基于混元与 DeepSeek 双驱动的编程智能体 Code Buddy，网易方面则在早先全球人工智能开发与应用大会上分享了一套 IDE（集成入口） + Web 双端 AI 编程中台系统。

组织推动下，成熟厂商的 AI 开发代码的覆盖率持续提高。但厂商还是需要找到平衡点，既要保障数据安全和合规性，又要有效避免封闭系统带来的效率损失。

10 月 30 日，YouTube CEO 发布全员信并发起过去十年来规模最大的组织结构调整，YouTube 将重组为三个直接向 CEO 汇报的主要产品事业部；谷歌计划自明年 1 月移除广告销售部门的中层管理层（MoM，Managers of Managers）。

这些科技大厂同频发起的组织调整，无一例外均强调扁平与决策速度，目的则是为了适应 AI 浪潮的冲击。

学者吴晨在一次小规模分享中也提到，AI 时代不一定诞生超级巨头，但一定会催生超级个体。AI 提效的本质则是小团队甚至是个人开始具备工业级的产能，从而成为体系内的一个新的生产单元。

AI 工具迭代生产力的情况下模糊了产能的边界，从这个趋势上看，创企的确在某些方面优于大厂。但不可否认，如今的 AI 游戏距离真正的百花齐放还有不小的距离。

首先是大厂所积累的数据资源，让其可以维持在游戏中结构化的领域维持较大优势。例如大模型最早展现能力的文生文、文生图，文字与图片（建模）是天然结构化的数据，在大厂过往多年开发中持续积累。以混元为例，其在 AI 建模的表现便因腾讯掌握的大量 3D 数据而领先于业界。

另一方面，被视作“第九艺术”的游戏同样存在海量没有统一结构的数据，如剧本、玩法设计。要发展游戏 AI，便需要为这些脏数据做标注清理，这一点也只有大厂能实现。

大象转身需要时间，相比之下，创企是身段灵活的猎豹，模块化协作足以“一人成军”。从某种程度上说，大厂与创企在 AI 的共同作用下，首次来到了一个相对“公平”的竞争环境。

在大模型可以直接生成游戏，而不是只能生成游戏逻辑（代码）之前，明显的新老交替还很难发生。即使是“超级个体”，也在很多时候寻求与体系共生。张昊阳提到，除了游戏公司之外的投资机构，大多投资人都会生硬地将互联网逻辑套用在游戏项目上做观察。反倒是游戏公司更能捕捉新项目的价值，从而做出合适的投资。

腾讯共享了《黑神话》“蛋糕”的成功在前，大厂还可以通过投资或合作，引入 AI 原生团队，在这个过程中，人才会自然流动。只是目前人才流动的方向更多是向外，而非向内——AI 的意义，从来不只是生产力提升，而是组织方式的重构。