腾讯研究院记录 AI 游戏开发者三本账:原型几小时,运行费按 token 计
AI 给游戏开发按下了乘号键|行业圆桌对谈02
中国传媒大学数字人研究院与腾讯研究院围绕游戏 AI 应用开展联合研究,通过专家访谈、开发者焦点小组和作品试玩,记录了独立开发者与 AI 原生团队在代码生成、美术制作和商业化上的实际经验。
AI 把游戏原型从几天压到几小时,但实时调用大模型的运行费改写了玩法与收费方式,开发者开始限制生成次数、换小模型。
编者按:
AI给游戏开发带来的,是一道乘法题。每一个环节都从加法变成了乘法,做游戏的门槛在降低,普通创作者能达到的基础水平明显提高,但优秀创作者的优势也被成倍放大。
过去几个月,中国传媒大学数字人研究院与腾讯研究院围绕游戏AI的实际应用开展联合研究,通过行业专家访谈、开发者焦点小组、AI游戏作品试玩及公开对谈,持续追踪AI进入游戏开发后的真实变化。
本篇走进独立开发者与AI原生初创团队,记录他们在代码生成、美术制作、模型调用、玩法设计和商业化探索中的实际经验。相比成熟游戏工业体系,这些团队规模更小、尝试更灵活,也最早感受到这道乘法。下文分三笔账来看,AI在开发中乘出了多少效率,在运行中该乘在哪里,好玩与否又由谁来判断。
本期访谈阵容:
本次研究汇集游戏开发者、AI原生创业者、投资人、技术工具团队及高校学生创作者的实践经验。除行业专家专访外,研究团队还在ChinaJoy和腾讯云黑客松游戏开发挑战赛期间组织了闭门开发者焦点小组,并结合现场作品试玩与《初光·AI游戏夜话》公开对谈,记录AI游戏开发中的实际问题。
行业专家深度访谈:
许怡然 MultiMetaverse Inc. CEO,曾任完美世界高级副总裁
熊攀峰(熊拖泥) 独立之光副总裁
筱宁 405游局主理人
曲鹤尘 Tripo产品经理
开发者焦点小组:
来自AI原生游戏、独立游戏、AI创作平台及高校黑客松的开发者,包括:彭杰(动物去哪儿)、吴同(FunloomAI)、贺智鑫(宠我社区)、周帝(ELY AI)、青枫(叨叨巫师)、与同(芽灵小屋)、莫名(IHAF 联合创始人)、新月(Ada Eden 海外运营)、沈均浩、袁雨芳(心屿)、刘沛权、王春涛(溯光计划)、梁若曦、林巧(番客:银信之海)、李金阳(言归)、章锦霖(乱世执棋)、杜天池(兴亡之苦)、付文棣(织梦者)、金新格(江城星火:时钟迷局)等。
【以下为正文】
*文中观点来自受访者的个人观察和项目实践,不代表所有游戏企业的普遍情况。
“用户到我们平台上来充一个月卡,你就随便玩吧,我能做的就是祈祷他不要玩太多。”说这句话的,是一位 AI 游戏创作平台的创始人。在传统游戏行业,玩家在线时长是团队求之不得的勋章。
可在他的后台,玩家每多聊一句、多生成一段剧情,平台就要向大模型厂商多付一笔调用费。对按月收费的平台来说,每次模型生成都会增加调用费用,但同一个月内的月卡收入却不会随着使用量增加。为了止损,他不是没动过改造玩法的念头:“如果真的要控制 token 的成本的话,我们只能强制地把某一个故事变成一个有结局的、线性的、有限探索时间的内容。那其实又跟我们想做的不一样。”
类似的矛盾,正在不同类型的AI游戏项目中出现。有人用几个小时做出了过去需要几天才能完成的原型,也有人因为持续调用大模型,不得不限制玩家的游戏次数。有人把代码和美术交给AI,却发现自己需要花更多时间检查、修改和判断。
AI让游戏开发变得更便宜了吗?从这些团队的实践来看,成本并没有简单消失,而是在不同环节之间转移。这笔账,需要拆成三本来算。
开发账:原型更快,打磨更细
在 ChinaJoy 期间的开发者焦点小组上,一位做 AI 小人养成游戏的创始人聊起家里的变化。他的妻子是一名没有任何编程基础的小学数学老师,平时玩休闲游戏总嫌插屏广告太烦,最近索性拿他的 AI 编程账号,自己动手做起了同类游戏。至于这位创始人自己,工作习惯也早已改写:
“我已经一年没有写过代码了……手写代码已经有点古法了。”
——焦点小组中一位 AI 养成游戏创始人
AI 正在让游戏开发变得更加容易。过去需要程序员参与才能完成的工作,如今没有编程基础的人也能尝试。对于专业开发者来说,更大的变化在于,可以用更少的时间验证一个想法。从“两个人做两个月”到“几个小时”,游戏原型验证的时间成本正在大幅下降。独立之光副总裁熊攀峰算过一笔时间账:他在自己的射击游戏第三关设计了一位僚机驾驶员,这名角色会在新手玩家快被导弹击中时突然切入战场,替玩家化解危机,起到类似新手保护的作用。 “从我第一次用提示词告诉 AI 要做什么,到把它调到令我满意的程度,总共只花了五个小时。过去这绝不可能只花五个小时。”在他看来,AI 最直接的红利是让游戏开发者尝试新想法、调整设计方案的犯错成本降低了上百倍。
这种提效并不局限于原型验证,也在向游戏生产的具体环节延伸。MultiMetaverse Inc. CEO、曾任完美世界高级副总裁的许怡然指出,游戏工程里有大量只用一次的代码,也就是只服务于某个特定功能或场景、后续很少复用的代码。过去,程序员往往不愿意花费大量时间编写这类一次性逻辑,如今可以直接交给 AI 生成和调整。在三维美术生产环节,IEG 游戏前沿 AIGC 美术工作流负责人顾杰给出一组对比。一条在 AI 流水线关键节点设置人工审核的生产管线,一到两天就能交付可进入游戏引擎的中型场景资产。相比之下,同品质资产若采用传统制作流程,需要依次完成原画设计、三维建模、高模雕刻、拓扑、贴图以及引擎内调优等工序,主要依靠美术人员手工完成,耗时是 AI 管线的 8 到 10 倍,甚至更长。
当创意可以更快变成原型,开发者尝试新想法的方式也随之改变。黑客松焦点小组上,也有学生团队养成了新的创作习惯:谁脑子里冒出点子,先用工具快速跑出原型,放进团队素材库里攒着,等遇到合适的项目时机,再拿出来深度加工。
但生产环节省下来的时间,并没有闲置下来,而是很快转向了更高密度的需求沟通与品质打磨。
工具跑得越快,需求沟通与项目排期的节奏也越紧。腾讯互娱魔方魔镜工作室游戏运营 Morre(丁立),用多 Agent 开发一款《杀戮尖塔》风格肉鸽卡牌游戏。过去排期一周的任务现在一天就能做完,接着PM 就会来催。也有开发者发现,AI 让头脑风暴成倍提速后,团队冒出的想法越来越多。即便采用一个程序员搭配一个 AI、通过自然语言指令完成编程的vibe coding模式,实现这些想法的时间反而更不够用了。另一位做动物旅行游戏的创始人,把代码编写全部交给 AI 后,反而把更多时间花在了前期需求沟通上。每遇到一项复杂的开发任务,他都会先和AI把需求聊得很透,再进入开发。
《无尽尖塔》地图界面的迭代:通过自然语言逐步调整节点大小、连线、布局与视觉风格。
图片来源:《初光·AI游戏夜话》第四期分享。
除了需求沟通,省下来的时间也被用于提高作品品质。AI 3D 生成平台 Tripo 产品经理曲鹤尘坦言,目前 AI 生成的 3D 资产,在快速原型、前期白模摆放(只有形体、没有贴图和材质的占位模型)、远景建筑和静态小道具上最为可靠。遇到结构复杂的角色或完整的大型场景,更务实的做法是先由人告诉 AI 如何将复杂对象拆分成 AI 更容易理解和生成的部分,分别生成后再由 AI 组装。这样一来,团队虽然省去了部分基础建模和雕刻的时间,却也把更多精力投入到后续组合和细致打磨中,在同等人力投入下追求更高的画面品质。
Tripo 智能分割教程中的“编辑”(左)与“分割”(右)界面,展示模型部件的划分与调整。
图片来源:Tripo 官网
不过,并非所有游戏资产都能实现同样幅度的降本。许怡然从投资与研发视角发现,降本幅度高度取决于资产类型:“这跟做视频不一样,视频你就算抽 5 次、10 次卡抽中一个,背后的演员、场景、台词、服化道全都省了。但一个 3D 模型,你抽 100 次卡的时间,3D 美术早做完了。”
游戏里最常用的低模,即便 AI 能快速生成外形,后续还要经过蒙皮、骨骼绑定等处理,才能让角色按照预设动作活动,而这些环节几乎总会在哪里出错。从生成出来到能进引擎跑起来,中间依然隔着大量人工拆解、拓扑重构与动作修补。AI 确实让游戏开发的许多环节变得更便宜、更快,但最终能省下多少时间和成本,仍取决于具体要做什么,以及生成的内容能否直接用于游戏。
1.2 从一句话到一个世界,中间还隔着工程
AI工具的普及,确实让更多跨界者有机会参与游戏开发。继编程 Agent 降低代码门槛后,3D 生成工具又帮独立开发者补齐了美术能力的短板。在黑客松焦点小组上,不乏工业工程、新闻传播、环境科学等专业的学生,甚至还有刚上大一、此前零基础的年轻人,第一次尝到了从玩家变成创造者的兴奋。
但真正动手把“一句话生成游戏”的口号放进工程现实时,却迎面撞上了一堵墙。大语言模型擅长处理一维的文本与代码符号,却对游戏引擎里的三维空间坐标、视觉尺度、碰撞层级与逻辑状态缺乏物理感知。游戏引擎不仅要处理代码,还要确定每个物体在场景中的位置、大小和碰撞关系,让角色按照设定的规则行动,让不同功能相互配合。AI 可以按照指令快速生成内容,却未必清楚这些内容放进游戏后会发生什么。
在武汉黑客松的闭门讨论中,年轻开发者们分享了一连串令人哭笑不得的翻车现场:
• 看不见的编辑器与“发电报式”对齐:最先遇到的难题,是 AI 不理解游戏编辑器里的空间关系。在游戏引擎中,开发者通常需要通过可视化编辑器摆放角色、场景和交互物体。一位负责关卡设计的参赛学生起初像网上教程演的那样,把整套剧本流程丢给模型让它自己生成,结果模型吐回来的全是纯代码,“导致我在编辑器里什么也看不到,因为那都是一片空白”,最后只能手动把节点一个个拉回来。摆放交互物体时,团队更是不得不打开标尺模式,由人逐个报出坐标,“手报坐标,我们在里面像电报一样”,一点点挪动位置。由于 AI 难以理解白模上“1000 个像素点长度”意味着什么,连传统开发中先搭白模、再填美术的工序都被迫倒了过来,只能“先做好美术,再报”。
• 失控的尺度与物理碰撞:即便把素材放进了引擎,大小和动作也未必符合预期。同队负责架构的同学发现,AI 虽然能读出图片尺寸,却算不出放进引擎后实际显示多大。“好像大了一点,那我就给你缩小一点喽,但是实际上它并不知道缩小多少”。结果玩家一进关卡,就看到一个已经盖过整个屏幕的火球朝我丢过来。做疗愈小岛的团队则遇到了模型突变,原本正常的人物突然变成巨人,“躺在岛上,把岛上所有的房子都覆盖住了”。走路动作交给 AI 融合后更是扭曲得跟丧尸一样。人物变形最后靠添加碰撞体解决;走路动作改用专业软件重新设计,但效果还是不太好。
• 改不完的剧情幻觉与算术死循环:空间和动作之外,游戏规则同样容易出错。做历史叙事游戏的团队发现,最不敢完全交给 AI 的反而是剧情和解谜。哪怕给模型挂上了史实资料库,让它润色跌宕起伏的情节,它依然可能无视史实、随意虚构。团队在解谜关卡里还设计了一道简单的算术题,AI 却把底层数值改得面目全非。“以至于我们自己作为开发者去玩,也玩不通”。人改完 AI 改、AI 改完人再改,“搞了一天都没有搞出来,最后又重新自己手写”。
更麻烦的是,AI 有时会在修改局部功能时,意外破坏已经完成的其他部分。“手搓的含量依旧非常大。”一位负责总体架构的参赛学生总结道。他所在团队的核心基类(PlayerBase,即多个角色系统共同依赖的底层代码模版)就曾被模型直接改掉,导致三重继承下的玩家与敌人系统全线崩溃。还有美术同学为了赶工,对着生图工具不断调试像素风格,调到最后自嘲感觉是工具“在调试我”。每次修改都要反复启动游戏,像复读机一样告诉 AI“这里错,这里错,这里错”。——代码写得越快,人工对齐与测试验收的账单就越长。
1.3 只看单价选模型,最后可能最贵
开发者踩过的另一个典型暗坑是贪便宜。
黑客松比赛中,一位参赛学生起初选了一款“性价比非常高、非常省 credit”的模型写代码,结果效果“实在是太令人窒息了”。 由于生成结果不理想,他不得不反复修改,原有额度也随之消耗。等到换用效果更好的模型时,额度已经不够用,最后只好加了无数个加量包(额外购买的AI工具使用额度)。
商业团队对隐性损耗同样深有体会。一位AI 创作平台创始人坦言,平台上的提示词由普通用户填写,输入内容往往难以预测。即便模型有99%的概率能够按照要求输出正确格式, 剩下 1% 的错误也可能导致后续程序无法正常读取结果,进而影响用户的创作体验。因此团队“更倾向于用非常稳定的”、原生支持 JSON 格式化输出的模型。
除了模型本身的稳定性,新技术不断推出,也可能带来额外的返工成本。一支做咒语卡牌游戏的团队,就陷入了技术迭代税的怪圈。每逢市面上发布新的图像或视频生成大模型,团队就忍不住把之前的美术资产推倒重做一遍,“我们其实一直在给大模型的细节去买单”。可即便如此,模型生成质量一旦下降,团队依然难以控制最终效果。收到最多的反馈,依然是一眼就能看出 AI 味。
如何减少反复生成和调整带来的成本,也成为开发者关注的问题。前文我们提到,熊攀峰只用五个小时就调好了僚机,在他看来,这与所用工具的开发环境有关。TapTap 制造不是一个未经适配的通用模型,背后有三年星火编辑器的积累,还会检索 GitHub 上的开源资源。在特效制作上,他也采用了减少模型调用的方法:“使用传统的 Unity 或 Godot 加 Agent 时,每次调整都要消耗算力和 token……按照我的方式,AI 生成特效时已经同时生成了编辑器。”也就是说,AI 不仅生成特效,还会生成供人调整特效的操作界面。此后开发者可以直接在编辑器中修改参数,而不必每调整一次都重新调用 AI,继续消耗算力。
图:TapTap 制造中的僚机传统 AI 设定文档,展示了守护模式的行为逻辑与状态切换。熊攀峰介绍,包括左侧列表在内的项目文档均由 AI 撰写,再由他根据实测结果调整。
不过,即便制作与广告投放环节真的省下了钱,这笔钱也未必能装进游戏公司的口袋。许怡然以手游买量为例解释了原因。AI 让投放素材生产和用户匹配更精准了,但在竞争激烈的买量市场中,厂商省下的成本可能又被投入新一轮广告竞价。他以渠道分成从 30% 降到 12% 的情况作类比:厂商虽然少支付了 18 个百分点的渠道费用,却可能把省下来的钱全部用于竞价买量。
他打了个比方:“你也上补习班,我也上补习班,大家同时学奥数,到最后高考分是被卷上去十分”,每个人上清华的概率并没有变化。
运行账:乘数要用在刀刃上
如果说开发阶段的痛点是“省下了写代码的时间,却赔上了对齐与返修的精力”,那么当游戏正式上线,进入实时调用大模型的运行期(Runtime),第二本账就会显现出更大的压力。
405 游局主理人筱宁在专访中指出,传统互联网产品,包括游戏,往往有一个重要特点。新增一个用户的边际成本很低,接近于零。游戏开发完成后,多一名玩家通常不需要重新制作内容,新增的服务器等成本也相对有限。但对于需要实时调用大模型的AI游戏,玩家每次与AI角色对话、触发生成内容,都可能产生新的计算费用。 “以前的互联网产品,包括游戏很简单的一件事儿,叫做边际成本为零。所以我很容易去做获客,再去做转化,但今天边际成本不为零,你怎么样能够去做更好的新的商业化模型也在被考验。”
腾讯互娱光子《和平精英》系统策划负责人 Thomas在《初光·AI游戏夜话》中也区分了两种情况。如果只是在研发阶段用 AI 生成代码或美术,游戏做完以后就“已经和大模型脱钩了”,不再持续消耗 token 了。但如果把生成式 AI 接进游戏运行过程,比如让智能 NPC与玩家实时对话,内容越丰富,背后对资源的消耗就会越高。有时玩家想选某个 AI 角色时,“会发现这个 NPC 它的档期特别满,一直排不上”。
在 ChinaJoy 焦点小组上,一位 AI 交友游戏的策划向开发动物旅行游戏的创始人抛出了一个直接的问题:
“会不会出现玩家越多、你越亏的情况?”
——焦点小组中一位 AI 交友游戏策划
另一位开发者接话:“其实我觉得 AI 游戏现在都有这个情况。”被问到的创始人也坦言,“账得提前算好”。尤其是免费玩家达到一定规模后,确实需要担心收入无法覆盖模型调用成本,所以要提前做好付费测试和成本预估。
这种压力在具体的游戏运行中表现的更直接:
• 每一次报错和闲聊,都是真金白银的损耗:《麦琪的花园》制作人苦丁算过一笔苦账。商业化产品必须保证用户体验,玩家绝不希望在界面上看到生成失败的弹窗,只想看到直接可用的结果。这意味着,生成失败后需要重新调用模型,相关费用通常只能由厂商承担,“所以,所有的生成失败的费用最后都是厂商去吃的”。更麻烦的是,“AI对于账单是没有概念的”,如果在一条复杂任务链中允许模型不断请求、反复试错,而不设置调用次数和费用上限,运营成本就可能失去控制。
• 记忆越长、智能体越多,包袱越重:中国传媒大学吕欣教授指出,长期记忆本身就很麻烦。每次聊天前,系统都要检索和处理大量历史记忆,就会消耗更多计算资源,“现在的算力、成本和 token 可能还无法支持”。熊攀峰也见过独立开发者做治国经营游戏,连 AI 对手下一步怎么走都要实时请求大模型。在这种设计下,即便只是在Steam上增加了一些玩家,持续产生的运营费用也可能远远超过最初的开发成本。
• 单用户成本的生死线:Bauhinia AI(紫荆智能)创始人、《Aivilization》制作人杨浩巍在运营过 5 万智能体的 AI 小镇后给出了一个预估。他估算,团队给每个活跃玩家的 Agent 留的预算大约是每个月 2 到 5 美元,“再高可能就确实回不了本了”。
2.1 成本开始反过来改写设计
当每一句对话、每一张图片背后都挂着价格标签时,token 成本不只是财务问题,而是开始影响游戏的核心设计和商业模式。
“成本直接影响了我的游戏的设计和商业模式。”一位开发者在谈及动物旅行游戏的设计时坦言,自己仍倾向于做更开放、更自由的玩法,比如由 AI 规划旅行路线、生成随机事件。如今文本生成已经很便宜,但图片生成的成本依然是非常高的。视频模态他也在探索,“但是视频实在太贵了,现在基本上不敢想”。于是,他用限制频率的方式控制成本。限制玩家每天触发动物外出与生图的次数,玩家如果想增加旅行和生图次数,就必须充值购买游戏内货币。原本为了控制成本而设置的次数限制,被顺势改造成了内购付费点。
其他团队选择直接舍弃一些需要持续调用大模型的功能。《麦琪的花园》团队原本已经在逻辑上跑通了“AI 动态生成怪物”,最终却没有放进游戏本体。制作人苦丁反问了团队一个问题:“用户会愿意把 token 花到一只普通怪物身上吗?”尤其当玩家付费生成怪物后,可能还会因为战斗失败而损失游戏内道具,体验就更加难以接受。团队最终选择预先制作一个庞大的怪物库,在游戏运行时直接调用预设怪物。
2.2 收费方式还没有标准答案
既然实时运行成本绕不开,能不能让玩家分担这笔费用?几乎所有现成的收费模式,都在 AI 游戏里遇到了水土不服:
• 月卡 / 订阅包月(AI 游戏创作平台):收入固定但消耗不封顶,重度用户高频调用会吃掉月卡收入,创始人只能“祈祷他不要玩太多”。
• 按 token 消耗计费(点卡制):确保回本“基本上就是靠用户他使用了多少 token,就收多少 token 的钱”。也有开发者把当下比作《梦幻西游》《魔兽世界》点卡收费的时代。在场的其他团队认为,平台目前合理的商业模式“其实就是包装一下之后转手卖 API”, 但问题在于,玩家每多玩一会儿就要多花钱,可能影响持续游玩的意愿,“(而按量计费)和我们要做大 DAU 的趋向又是违背的”。
• 文本免费 + 多模态/创作增值:一些团队开始尝试折中办法。跑团创作平台和动物旅行游戏选择让普通文字游玩保持免费,只对角色换装生图、插图绘制或更复杂的创作功能收费。这些也是受访团队目前提到的少数能够带来收入的环节。
• 买断制包底 + 超额加油包:《黑箱:无限构筑》制作人Robbin考虑采用买断制,先让一次性购买价格覆盖一部分AI调用额度,玩家用完后再通过内购补充。不过他也坦言,团队对商业化“想的还不是特别的深入”,这仍然只是初步设想。
• 玩家自填 API Key:也就是模型服务的调用密钥,由玩家直接承担使用费用。这种方式减轻了厂商的成本压力,却提高了玩家的使用门槛,还可能带来密钥泄露的风险。有开发者担心,“万一这个key,睡一觉起来”就被其他人拿去调用。也有人认为,部分玩家已经接受了这种方式。
《麦琪的花园》的晶石选购界面。游戏提供一定免费额度,每个游戏日有数次免费对话机会;购买晶石是面向更多角色生成需求的额外选项,并非体验游戏核心内容的必要条件。此图仅展示一种可选付费方式。
图片来源:Steam 官方游戏页面
无论采用哪种收费模式,开发者都要考虑一种情况:如果游戏因为某个非AI玩法意外走红,大量免费玩家涌入,收入却不足以覆盖AI调用成本,该怎么办?在焦点小组上,有人直接问,会不会因此把AI功能“阉割掉”?开发者们倒也想好了几条退路。可以使用缓存,把已经生成的内容保存下来供后续复用,减少重复调用模型;也可以自建图片生成服务器,尝试降低长期使用成本;实在不行,就换用价格更低、生成效果可能稍差的模型。有人坦言,缓存“虽然会降体验,但是绝对是有办法能hold得住的”。
2.3 最强的模型,不一定是最好的选择
为了把游戏运行成本控制在合理范围内,越来越多清醒的开发者开始主动拒绝模型军备竞赛。
熊攀峰的态度非常坚决:“游戏体验的提升不一定要使用持续消耗 token 的 AI 或大模型。完全本地运行的传统 AI 或树状结构,也能实现不同的创新。” 这里的树状结构,指的是游戏开发中常用的行为树(Behavior Tree),通过预先设定条件和行动规则,让NPC根据不同情况作出反应,不需要每次都调用大模型。熊攀峰还举了一个例子,红白机时代的 CPU 能力远不如今天的智能手机,但手机游戏并没有因此比过去好玩起成千上万倍。计算能力更强,不代表玩法一定有趣。真正决定成败的,是能否在不增加持续运营成本的前提下,用精巧的机制设计带来体验跃升。
当然,有些玩法确实需要大模型参与,关键是让它在必要的时候发挥作用,克制是第一原则。《遥远行星:建造师》要在同一个时空沙箱里驱动 600 个 NPC 与玩家共生,制作人刘寒在对谈中透露,团队的做法是行为分层、克制模型尺寸。NPC 日常低耗能状态全部走预设的传统目标导向行为规划(GOAP),即根据预设目标自动规划行动步骤。只有触发高阶人生规划或关键交互时才调用语言模型。
即便需要调用语言模型,团队也没有一味追求更大的参数规模。刘寒说,团队“一直都在用一个 27B,一个甜点区的东西”。 27B指约270亿参数的模型,甜点区则是模型效果与使用成本相对平衡的区间。
“我们一直克制住自己不使用大尺寸的模型……这是我们对自己的克制。因为我们会认为游戏是需要被设计。如果……是完全依赖于模型尺寸的话,那设计在里面它的比例在哪里?”
——《遥远行星:建造师》制作人刘寒
《遥远行星:建造师》的世界界面(左)与经营界面中的角色信息(右),展示世界探索及角色状态、经历等信息。
图片来源:Steam 官方游戏页面。
不用更大的模型,不只是为了省钱,也因为模型越大,未必越容易按照游戏设计者的意图调整。同场对谈中,Thomas提到,30B、60B 这样的模型还挺容易调的,300B 的就调不动。因为大模型自身具备大量知识和行为倾向,在调整角色表现时,反而可能干扰原本的设计,会形成很大的噪音去干扰你的设计。
不过,开发者再怎么精打细算,也未必能预料玩家会怎样使用AI功能。焦点小组上,一位开发者分享了《麦琪的花园》在小黑盒社区的一次意外走红。团队曾在这个以PC和Steam玩家为主的社区以“抱歉。。token烧完了我们跑路了”为题发帖,先拿预算超支开了个玩笑,随即澄清,Demo 仍会持续开放。评论区留存的截图显示,该帖曾登上小黑盒“热点第1位”。焦点小组中,有参与者打趣道:“我们可能在乎成本,但是用户他就是想故意地把你的token烧完。”当开发者努力减少每一次不必要的模型调用时,玩家却可能把消耗token本身当成一种乐趣。如何既控制成本,又不限制玩家的创造欲,仍是AI游戏需要面对的问题。
《麦琪的花园》围绕 token 消耗与玩家互动的社区玩梗:原帖配图中的 NPC 显示“饿坏了,罢工中”(左);玩家评论区留存的截图显示该帖登上“热点第1位”(右)。
图片来源:小黑盒原帖及评论区截图,2026 年 6 月 24 日。
判断账:最贵的,是知道什么好玩
当AI工具让制作游戏变得越来越容易,新的问题也随之出现:在海量供给的汪洋大海里,谁知道什么才是真正好玩的?
许怡然在专访中用短剧行业做过一类比:AI 视频工具大幅降低了短剧制作成本,但作品数量也随之增加,单部作品脱颖而出的难度反而更大。 “问题是你的产量多出了 1 万倍,你要脱颖而出,变成爆款的概率就低了 1 万倍。” 在他看来,游戏行业也面临类似的问题。他估计,近几年 Steam 上的游戏数量翻了得有五六倍,但低质量作品也随之增多。他将这种AI批量生成、缺乏必要打磨的低质内容称为AI Slop(AI泔水)。
熊攀峰对未来两三年的预判更加严峻。他回忆,在2000年代以 Flash 游戏为代表的网页小游戏时代,可能每 400 件业余作品里才能有1 件达到基本质量要求。而当越来越多人能够借助AI制作游戏时,他认为,“可能十万件作品里才有一件不错。” 一位运营AI创作平台的创始人也有类似的担忧,他平台上已有4 万多款用户作品,但创作者自己觉得有趣,不代表其他玩家也觉得好玩。 “最可怕的是他自己做出来,他觉得很有意思,是他创作的过程,但最后他玩的时候,他觉得不好玩。”如果玩家连续尝试几款游戏都觉得不好玩, “他们肯定就走了”。
游戏制作门槛降低,创作者之间的真实差距不仅没有被抹平,反而可能被拉大。筱宁认为,AI 虽然提高了普通创作者能够达到的基础水平,但也可能让优秀创作者的优势进一步扩大,出现更明显的马太效应。熊攀峰则用乘法形容这种变化, “每一个步骤都是乘法,不再是过去的加法”:
“AI时代以前,大家都使用第三方通用引擎,新手与业界顶级人才所创造的价值可能相差一到一百。现在我们已经能看到的范围,可能从十到十万。每个人的下限都提高了,但上限提高得更惊人。”
——独立之光副总裁 熊攀峰(熊拖泥)
为什么差距会被拉得这么大?焦点小组上一位开发者的说法是:“AI 其实是人的一个倍增器……你可能本身 100 的话,你乘 100,那就是 1 万。”
3.1 AI 判断不了“好不好玩”?
既然AI已经能够生成代码、美术,甚至制作完整的游戏,能不能进一步让 AI 自己来判断哪个方案好玩?一些开发者已经开始尝试,但结果并不理想。
“吃多少辣能让你爽,没有一套科学理论……凭直觉,凭经验,凭天才,就这件事,一直就是游戏行业最核心的门槛。”
——MultiMetaverse Inc. CEO 许怡然
许怡然用吃辣作比喻,一个天天吃辣的人和一个从不吃辣的人,对刺激的感受完全不同。游戏也是如此,什么时候给玩家多大强度的挫折、什么时候给予奖励,怎样让玩家始终保持兴趣,连人类自己都无法用数学公式量化,大模型更无从谈起。AI 或许能看一段 10 秒钟的爆款玩法视频,就迅速复刻出代码框架,但许怡然反问,“问题是我玩到第 100 关的时候它还有趣吗?”
一些尝试让 AI 参与游戏设计和作品评价的团队,也遇到了类似的问题:
• 分不清“能跑”与“好玩”:一位AI 原生游戏引擎负责人海山,曾带领团队用模型批量生成游戏 Demo,结果发现,这些游戏“技术上都能运行,报错逻辑也没有问题,但就是不好玩。”在他看来,AI擅长根据明确的要求生成内容,却未必知道应该设计什么样的玩法。“AI 很擅长回答问题,因为它的底层机制就是通过自注意力预测下一个 token,但它不知道应该问什么”。
• 没有心,觉得“啥都有意思”:一位 AI 创作平台创始人曾尝试用大模型审核用户投稿,希望从大量作品中筛选出值得推荐的游戏来推流,结果发现“AI 它觉得啥都有意思”,很难区分作品的优劣,最后只能重新采用人工审核。做 AI 桌游平台的团队也有类似的体会,AI 可以检查规则逻辑能不能跑通(可玩性),却无法判断好不好玩(趣味性)。
• 填不平的数值鸿沟:Morre在业余时间曾尝试用多 Agent 协作开发肉鸽卡牌游戏,最初把卡组构筑和数值计算都交给 AI,结果“做的非常的烂”,后来索性不再让 AI 承担数值策划工作。对卡牌游戏来说,数值设计不只是计算伤害高低,还要考虑不同卡牌之间的配合、玩家的策略选择和游戏节奏。这些都需要反复测试和调整,也离不开资深策划积累的经验, “十年树人,我觉得 AI 是一日数出来的。一个自称八年……的游戏策划或者是玩法策划,是真的比不上一个……已经工作八年的玩法策划的。”
3.2 会判断的人,反而更稀缺
当 AI 在执行层大包大揽却在审美与趣味上频频失灵时,开发者的角色正在发生一场深刻位移。从亲手搬砖的执行者,变成负责出题、搭框架与最后拍板的总导演和验收官。
开头的那位一年没手写过代码的养成游戏创始人,如今会同时开七八个乃至十几个任务,让 AI沿着不同方向生成策划和游戏原型。但哪个有效、哪个好玩,仍然“要从心来判断的”。 AI生成原型后,他会自己试玩, “觉得有意思的我就可能去留下来”。黑客松上也有学生让 AI 先出一版、再审一版、再改一版、再复审一版,结果发现出来的东西还是得改。因为 AI总是“想给你塞一堆它觉得很有意义的东西进去”,最后还是人工需要进行一些取舍。
在一些AI原生游戏团队里,这种变化也体现在人员分工上:AI承担了更多制作工作,策划和编剧的作用反而更加突出。杨浩巍在对谈中透露,团队中策划人员的比例远高于以前的,因为AI 更难去代替策划。他认为,大语言模型倾向于生成符合常见语言规律的内容,写出来的方案和文案容易平淡如水,缺少灵魂。AI 驱动的叙事游戏《千夜之书1001》制作人起司也指出,听过不少 AI 时代不需要程序员、不需要画师的说法,但她最不能接受的就是“不需要编剧”。团队最初也“低估了这个剧情的难度”,在反复调整剧情框架上“付出了非常大的学费”。
为了让 AI 真正服从于人的设计意图,在实际开发中,开发者们甚至演化出了一套“制度化防偷懒”的工程纪律:
• 设暗号,检查AI有没有遵循指令:Morre 分享过同事教他的一个办法。在 AI 编程工具的项目规则里写明,执行工作时必须称呼他为“丁立大王”。如果某次输出里 AI 只叫了“丁立”,就说明AI可能没有完整遵循规则,需要进一步检查。他开玩笑说,这种情况“那有 80% 的可能性”意味着AI在偷懒或者乱讲。
• 加一道验证,不能让AI自己宣布完成:海山团队在引擎底层里专门加了一道自动验证工序,让系统检查 AI 是否真正完成任务,而不是模型说做完了,就直接认定工作已经完成。 “也不能说 AI 说我做完了,然后就马上做完”。
• 把感性审美翻译成量化参数:IEG 游戏前沿 AIGC 美术工作流负责人顾杰介绍,如果只是告诉 AI一个东西要做得“脏”,模型往往是很难理解的。美术人员需要进一步明确,比如把锈迹的权重从 0.3 提高到 0.5,把锈迹集中在边缘,并指定色调偏冷或偏暖。这里的权重,是指生成过程中某种视觉特征的影响程度。团队还遇到过角色裙摆上“密密麻麻”全是眼睛的情况,后来,他们将角色的不同部位拆分得更细,明确规定眼睛只能出现在脸上,才避免了类似问题。
3.3 资本也在重新下注
当AI改变了游戏的开发成本和生产方式,投资人也开始重新考虑,什么样的游戏团队更值得下注?许怡然将自己目前的投资策略概括为四个字,只投两头。一头是利用AI以极低成本完成开发的小团队,另一头则是愿意投入大量时间和资金打磨作品的精品大作。
• 一端是极致的 AI 原生小团队:许怡然给出的条件是,“我就给你不超过 10 万美金的 token 钱,你能不能 3~6 个月之内把这个事做完上线”。 但低成本并不意味着降低对创作者的要求。相反,他希望创始人具备极强的游戏设计能力,最好是“类似像陈星汉,小岛秀夫,宫崎英高这样的神”。 这三位分别是《风之旅人》《合金装备》《黑暗之魂》等知名游戏的代表性创作者。团队还需要拿出一个能让人迅速感受到吸引力的可试玩的 Demo,在短短十秒内就让人感受到玩法的新意与吸引力。许怡然把这种第一时间打动人的效果称为“尖叫度”。
• 另一端是高投入的精品大作:许怡然仍然看好那些投入上亿美金、组织几百人、花费三五年打磨的纯手工大作。例如《荒野大镖客》《GTA》系列所代表的大型作品。他将这类游戏比作“纯手工打造米其林三星”。就像爱马仕由法国老师傅一针一线缝制、劳斯莱斯拒绝流水线冲压一样,除了底层编程提效外,美术与体验一眼望去全是人类匠心的结晶。当玩家接触了大量快速生产、同质化的内容后,反而可能更愿意为真正出色的作品付费。就像天天吃外卖之后,人们也会想吃一顿很安静的法餐。“因为AI垃圾越多,你的真诚的好作品就越容易受到玩家的点赞,它是有反向激励作用的”,玩家甚至还愿意主动支付溢价。
两端看似走向了不同方向,却让夹在中间的团队面临更大的压力。对于那些拥有三五十人甚至上百人、主要依靠人力投入制作中等体量游戏的团队来说,既难以达到AI小团队的成本效率,又需要与大型精品游戏争夺玩家的时间和注意力。许怡然观察到,部分海外投资人已经开始对这类团队更加谨慎。他形容,“你的团队只要超过30人,基本上就都撤退了”。 而在早期创投一线,筱宁看项目的核心标尺同样回到了人本身。无论技术底子多强,创始人自己必须对好玩有敏锐的直觉(Sense),“我们老说AI时代在考验 taste,那好玩好不好玩,这件事情也是一种 taste,所以我觉得这件事情是不太会变的。”
账要算在立项之前
从我们接触的中小团队与 AI 原生游戏项目看,2026 年 AI 游戏开发正在呈现一个明显的变化:开发门槛不断降低,但运行成本和产品判断的重要性也更加突出。正如吕欣教授在对谈中所总结的,“AI 幻觉越来越少,但是因为 AI 赋能之后,人的幻觉越来越多了。大家好像都觉得自己会做游戏了,但会做游戏和做一款能被大家接受的游戏,中间是有很大的距离的。”
站在项目立项的起点,开发者、平台和投资方都需要重新算好这三本账:
• 对开发者而言,不能只盯着“几天搓出 Demo”的开发账窃喜,必须在立项第一天就算清运行费用和玩家体验。哪些功能确实需要实时调用大模型?如果玩家规模扩大十倍,持续产生的模型调用费用能否被商业化闭环兜住?省下来的编码时间,有没有真正转化为独特的玩法机制与审美把控?
• 对平台与投资方而言,当能运行的平庸之作以十万计涌入市场时,核心命题已不再是鼓励更多低门槛生成,而是如何搭建筛选机制与基础设施,帮真正有“从 0 到 1”创造力的团队降低试错成本、被玩家看见。
在 ChinaJoy 焦点小组上,一位开发者提起身边一个 AI 游戏项目。几个月前,对方就曾表示,玩家其实并不在意项目中的某项AI设计,而这项功能又需要承担较高成本,因此团队已经开始逐步削减相关投入。这恰恰引出了硬币的另一面:开发者绞尽脑汁算账、烧钱堆砌的 AI 卖点,为什么到了玩家手里却常常遭遇冷遇。
在后续探讨中,我们将视角切换到试玩展台与玩家屏幕前,看看玩家正在用实际行动投出怎样的一张票。
课题组成员:吕欣、权文熙、王舒一、王照涵、何叶子、陈昱润、杨宇鹤、顾新媛、张翔、张晓芸、胡璇、朱敏
致谢:感谢腾讯游戏学堂、腾讯云黑客松、405游局提供对话平台与支持
推荐阅读
腾讯研究院:《AI原生游戏,体验和玩法变了什么?|行业圆桌01期》
朱敏、胡璇:《从561个作品看一场游戏黑客松里的AI创作新变化》
👇 点个“在看”分享洞见
来源:腾讯研究院 · mp.weixin.qq.com