撰文 | 吳坤諺

編輯 | 吳先之

很少有人預料到，國力存在本質差距的情況下，俄烏沖突最終演變成如今漫長的塹壕對峙——面對烏克蘭去中心化的多點小隊和民間武裝，體量龐大的俄羅斯軍隊在地面戰(zhàn)中“有力無處使”。

AIGC持續(xù)推動生產力變革，相似場景，很可能在未來的游戲行業(yè)中重演。

圖形、建模、代碼，游戲天然是距離AI為代表的前沿技術最近的領域之一。但體量龐大、管線豐富的游戲廠商對AI顯得有些“敏于言而訥于行”，反倒是越來越多知名游戲廠商的主策、制作人選擇脫離體系以及其背靠的資源，選擇“自立門戶”。

其中最引人注目的無疑是遠赴重洋拉起新團隊的米哈游創(chuàng)始人蔡浩宇，他率隊開發(fā)的AI互動敘事游戲《星之低語》（Whispers from the Star）已在Steam上架Demo。另據前V社顧問發(fā)布數據稱，目前Steam上使用AIGC的游戲數量至少達7818款（僅開發(fā)商主動披露），去年僅為1000余款。

與平臺“寒武紀”大爆發(fā)形成對比的是我們熟悉的大廠。管線上，純粹AI驅動的項目在立項時便阻礙重重；產品方面，出于長青產品的留存需求，AI僅有少量“過時創(chuàng)新”被應用在了少數頭部項目上，例如騰訊系競技游戲中的AI隊友、網易MMO游戲的AI動捕“劇場”等。

以AI隊友為例，早在大模型的風吹遍全球之前的強化學習時代，基于行為強化的AI技術便已經非常成熟，甚至騰訊內部還對這項功能提了一個需求：要讓它們“菜得像人”。大模型更多是為這項技術打了個語義理解的補丁，底層邏輯與數年前的成熟應用并無二致。

去建制化的創(chuàng)業(yè)團隊以更快的節(jié)奏跑在了創(chuàng)新前沿，資源雄厚、體系完備的游戲大廠則有些投鼠忌器，行動緩慢。

大象的歷史包袱

AI之于游戲廠商及其項目而言意味著什么？我們或許能從騰訊身上看出一些端倪。

2018年，機器學習迎來爆發(fā)，騰訊內部也在彼時的AI Lab上馬了項目——通過機器學習強化《王者榮耀》人機行為，從而更好地推行ELO匹配機制與穩(wěn)定用戶留存。當年春節(jié)期間，《王者榮耀》日均活躍用戶數破億，且第三方數據顯示其日活并未在節(jié)后顯著回落，維持在8000萬上下的水平。

2019年1月，原騰訊AI Lab總經理劉永升離職并創(chuàng)辦AI游戲公司超參數科技。坊間傳聞其團隊未能在2018年底共享王者榮耀日活大幅增長的成果。“他們老板很生氣，跟Pony打了個招呼說我要出去創(chuàng)業(yè)”。

前因后果，反映出騰訊面對AI的兩個層面的認知。一個是在應用層面，優(yōu)先在核心產品落地，且促活的目的性強烈，這是典型根據“主流客戶需求”做出的資源配置；定位上則偏向于“打輔助”，甚至一度分不到增長蛋糕。往后我們看到AI在成熟游戲內的應用大體屬于此類，如AI驅動的UGC編輯器等。

歷經數年，AI之于整個管線的提效作用愈發(fā)突出，利益分配想來不會再重演“不均”，但落地層面依舊沒有明顯改變。并非廠商不夠FOMO，而是過往的重力使然。

“（他們）開發(fā)為了自己不被開掉，故意把代碼寫成別人看不懂，有點像加密一樣的感覺。再故意留一些bug等幾個月之后再修。”

在AutoGame創(chuàng)始人張昊陽看來，似這般開發(fā)方式不僅有些令人啼笑皆非，更重要的是思路完全沒有跟隨時代，停留在過去。

受硬件、算力成本等物理性的限制，絕大多數基座模型已經放棄卷上下文長度，即模型一次性能夠處理的最大Token數量。與之相對，過去習慣于超長代碼的游戲管線也應該適時轉換開發(fā)形式。好比出于內部提效需求，從而廣泛被電商運營倚賴為重要工具的AI表格。

“現在那些多端互通游戲，一個模塊的代碼差不多就能有10萬行，大模型是學習不了的”，張昊陽認為，在AI能力還不夠的時候，需要開發(fā)者“自適應”更小的、解耦的開發(fā)模塊。通俗地說，就是在原先模塊化開發(fā)的基礎上，通過將單一模塊代碼盡可能做小，讓AI能夠吃下這塊代碼的信息與知識。

宏觀來看，超長代碼是模塊化開發(fā)的必然產物，可以隨AI能力增強與工作流的改善而優(yōu)化。更大的阻礙在于組織形式——在一個龐雜的體系內，不論是項目還是人，都身不由己。

通常來說，成熟游戲管線的立項是自下而上的流程：項目組內部評估、工作室評估再到工作室群的大老板評估。但AI驅動游戲通常因商業(yè)化前景不明等問題而過不了第一關。我們了解到，恰是有制作人因越級匯報AI游戲項目，最終導致該項目在“山頭政治”中胎死腹中。

業(yè)內人士李青（化名）告訴光子星球，當初那位制作人把項目直接發(fā)給工作室群的大老板看，大老板很上心，直接將DEMO發(fā)在工作群里。誰知一時間一眾工作室負責人都開始拉攏他，希望能拿下這個大老板點頭的新項目。“他還算是有些敏感性，沒有投靠任何人，但老板還是回頭問了他的責”。

“他說：‘你找他干嘛，想自立門戶？’”

成熟體制難覓創(chuàng)新不是沒有道理。當創(chuàng)新都變成了一場內部消耗戰(zhàn)，所謂AI，也就成了資源分配的賽馬場。

效率開始出現代差？

諾基亞的智能機團隊曾在早期提出觸屏戰(zhàn)略，但被內部高管否決，因為會沖擊當時利潤最高的功能機系列，類似對創(chuàng)新的內部阻力案例比比皆是。于此，我們不能對成熟廠商提出過高的要求，但AI持續(xù)泛化，還是催生出了一些與過去不同的阻礙創(chuàng)新的因素。

一如早先由AI Lab負責的《王者榮耀》人機項目，組織上是TEG與IEG的跨部門協作。大模型到來，騰訊還是采用了相似的組織模式，導致兩邊都有些微詞。前文有提到，TEG配合游戲業(yè)務的基建沒能分到“蛋糕”，而游戲業(yè)務這邊也將與TEG的協作視作是“橫插一腳”。

李青表示，當初項目組有自己的AI開發(fā)，工作室和IEG也都各自有中臺支撐，但上面非要與TEG一起推動這個跨了四個部門的合作。“他們覺得我們搞游戲的不會AI，我們覺得他們找不到場景”。

這類現象在自研大模型的大廠上其實相當普遍，有明確落地場景的業(yè)務讓步于自研模型，為模型提供場景和用戶。除非業(yè)務本身的重量已經超出了自研AI的引力——團隊規(guī)模僅數百人的微信便沒有接入騰訊混元，而是自己另起爐灶做了元寶。

無法折疊的體制網狀交織，在此基礎上，大廠仍被第二層無形的網所束縛——安全與合規(guī)的鐵律。

與眾多垂直行業(yè)相似，游戲同樣是一個領域數據高度保密，幾乎談不上“數據枯竭”之虞的行業(yè)。更重要的是，游戲還是一個大眾消費行業(yè)，不似工業(yè)、醫(yī)療等缺少面向C端的數據采集手段。面對這一現狀，大廠的第一選擇當然是高高筑起數據壁壘，同時也切斷了使用外部工具資源的可能。

而在創(chuàng)業(yè)公司中，工具的自由使用幾乎是默認的規(guī)則。

例如，一些AI驅動的獨立工作室在開發(fā)時幾乎完全依賴外部的AI技術棧，這為他們帶來了相較于大廠更強的開發(fā)效率�？焖俳尤肴�球領先的AI模型和工具鏈，讓這些公司可以在競爭中迅速跑出，并持續(xù)優(yōu)化自己的技術能力。

一個例證，是張昊陽曾在今年國慶期間用最新AI工具試跑的一個開源項目。

據悉，該項目是面向UE引擎開發(fā)的開源非藍圖編程項目，支持開發(fā)者略過編譯直接寫游戲邏輯，該項目的游戲插件上次更新是UE5.3版本。張昊陽突發(fā)奇想，想借這個項目測試一下新發(fā)布的Claude Sonnet 4.5的能力。

他花費20分鐘時間思考，改了46個文件，修了5個BUG，便將項目從適配UE5.3更新到適配最新的UE5.6。

“這要是放大廠內部做，還不得要一個程序員通宵鏖戰(zhàn)一兩個月，Vibe Coding20分鐘就搞定了”。

僅從開發(fā)能力看，如果不廣泛使用AI工具，創(chuàng)企與大廠之間已經形成了效率代差。當然，廠商也在積極探索適合集團的AI開發(fā)工具，騰訊云推出了基于混元與DeepSeek雙驅動的編程智能體Code Buddy，網易方面則在早先全球人工智能開發(fā)與應用大會上分享了一套IDE（集成入口） + Web 雙端 AI 編程中臺系統(tǒng)。

組織推動下，成熟廠商的AI開發(fā)代碼的覆蓋率持續(xù)提高。但廠商還是需要找到平衡點，既要保障數據安全和合規(guī)性，又要有效避免封閉系統(tǒng)帶來的效率損失。

超級個體與平臺

10月30日，YouTube CEO發(fā)布全員信并發(fā)起過去十年來規(guī)模最大的組織結構調整，YouTube將重組為三個直接向CEO匯報的主要產品事業(yè)部；谷歌計劃自明年1月移除廣告銷售部門的中層管理層（MoM，Managers of Managers）。

這些科技大廠同頻發(fā)起的組織調整，無一例外均強調扁平與決策速度，目的則是為了適應AI浪潮的沖擊。

學者吳晨在一次小規(guī)模分享中也提到，AI時代不一定誕生超級巨頭，但一定會催生超級個體。AI提效的本質則是小團隊甚至是個人開始具備工業(yè)級的產能，從而成為體系內的一個新的生產單元。

AI工具迭代生產力的情況下模糊了產能的邊界，從這個趨勢上看，創(chuàng)企的確在某些方面優(yōu)于大廠。但不可否認，如今的AI游戲距離真正的百花齊放還有不小的距離。

首先是大廠所積累的數據資源，讓其可以維持在游戲中結構化的領域維持較大優(yōu)勢。例如大模型最早展現能力的文生文、文生圖，文字與圖片（建模）是天然結構化的數據，在大廠過往多年開發(fā)中持續(xù)積累。以混元為例，其在AI建模的表現便因騰訊掌握的大量3D數據而領先于業(yè)界。

另一方面，被視作“第九藝術”的游戲同樣存在海量沒有統(tǒng)一結構的數據，如劇本、玩法設計。要發(fā)展游戲AI，便需要為這些臟數據做標注清理，這一點也只有大廠能實現。

大象轉身需要時間，相比之下，創(chuàng)企是身段靈活的獵豹，模塊化協作足以“一人成軍”。從某種程度上說，大廠與創(chuàng)企在AI的共同作用下，首次來到了一個相對“公平”的競爭環(huán)境。

在大模型可以直接生成游戲，而不是只能生成游戲邏輯（代碼）之前，明顯的新老交替還很難發(fā)生。即使是“超級個體”，也在很多時候尋求與體系共生。張昊陽提到，除了游戲公司之外的投資機構，大多投資人都會生硬地將互聯網邏輯套用在游戲項目上做觀察。反倒是游戲公司更能捕捉新項目的價值，從而做出合適的投資。

騰訊共享了《黑神話》“蛋糕”的成功在前，大廠還可以通過投資或合作，引入AI原生團隊，在這個過程中，人才會自然流動。只是目前人才流動的方向更多是向外，而非向內——AI的意義，從來不只是生產力提升，而是組織方式的重構。

       原文標題 : 大象與獵豹：AI游戲的兩種速度