一句話讓AI生成遊戲，是真的還是吹牛逼？-遊戲-漫步新聞-陪你看看

10月22日，在Unreal Fest Shanghai 2026上，月之暗面Kimi開發者關係負責人及高級研發工程師唐飛虎，帶來了主題爲「眩暈癱坐？一句話生成3A遊戲哪些是真的哪些是假的」的技術演講。

還記得一兩年前，AI掀起第一波討論熱潮時，我身邊有些朋友對於「AI生成遊戲」這事持懷疑態度，甚至有人說這是泡沫——能生成，不代表生成出來的東西能被稱爲遊戲。

但如今，隨着AI大模型飛速迭代，懷疑的聲音逐漸變少。前不久，一項覆蓋Steam近5.4萬款遊戲的統計顯示，2024年新遊中披露使用生成式AI的比例爲10.9%，2025年升至19.9%，今年前7個月進一步達到30.8%。

圖源Sulka Haro

毋庸置疑，AI生成在當下遊戲創作中變得越來越普遍。而承載這一變化的根基，在於AI大模型能力的不斷迭代。最早憑藉長文本處理能力受到關注的Kimi，如今也已經在AI編程、智能體執行復雜任務等領域有了更多佈局：今年7月，月之暗面發佈了擁有2.8萬億參數的Kimi K3，並重點展示了長程編程、遊戲及交互內容生成等能力。

這些變化對遊戲行業意味着什麼？唐飛虎提到，不同開發者對AI的掌握程度，正在拉開越來越大的產能差距——能接觸到新模型，或是能夠熟練使用模型的人，往往能花更少的時間，完成原本需要成倍工作量的創作任務。

不過，唐飛虎也表示，即便AI能大幅縮短遊戲原型的開發時間，最終決定作品能否脫穎而出的，仍然是開發者對遊戲玩法的理解。

以下爲唐飛虎演講內容整理，部分技術術語及口語表達經過轉寫與適當潤色，可能與演講者原意存在細微出入，僅供參考：

大家好，今天我想跟大家聊聊AI生成遊戲的話題：一句話讓AI生成遊戲，到底可不可行。

這裏先給大家展示幾個案例。第一個，是通過UE引擎製作的視覺特效，這裏的車輛會爆炸；第二個是第二個是我們團隊自己搓的一個Demo；第三個是「老奶奶GTA」，可能很多人在網上刷到過相關視頻；第四個是最近社媒上比較火的「小王子」作品。

左右滑動查看

這幾個案例，哪些是真的？哪些是假的？哪些是一句話用AI生成的？哪些是用了一個星期、一個月做出來的？

在AI時代下，這些作品背後的工作量，變得不那麼容易確定了。像現在，網上鋪天蓋地討論的有兩種情況：一種是今天誰又把哪個Switch遊戲移植到了iPhone 上，或者是又把哪個PlayStation遊戲移植到了PC上；還有一種情況，是很多獨立開發者，對於把Demo視頻發到社媒上，變得越來越謹慎，因爲抄襲者就可能利用AI把你的玩法做完，趕在你前面把作品上架Steam，這是非常可怕的一件事情。

這些現象其實告訴我們，目前業內不同的創作者，對整個AI管線的掌控程度是參差不齊的。有些人會用到最新的模型，或者是內部模型；有些人則不屑於使用模型，或者可能他們使用模型的方法有問題，導致大家最終在產能上產程了非常大的Gap。

特別是在最近半年，這個Gap造成的差距，變得越來越明顯。

前Google首席科學家 Jeff Dean，在離職之前接受採訪時就提到，最近半年裏，他感受到的自己最大的誤判，就是他之前沒有料想到，AI現在能獨立運行寫那麼久的代碼。

在我們的測試裏面，AI優化GPU的Kernel（內核）算子後，已經可以連續工作數十小時。

目前整個AI行業的趨勢，我覺得可以總結爲幾點：第一，SOTA模型變得越來越智能，最典型的例子就是最近AI解決了很多前沿的數學問題。

第二，如前面聊到的，模型迭代週期變得越來越短。我們創作相同主題的內容，可能隔兩週就得更新一次，因爲可能模型又更新了。

第三，之前的SOTA模型在不斷被下放，變成次SOTA模型。它們的價格變得越來越便宜，對應的，有越來越多人能用得起上一代SOTA模型。這是英特爾等芯片，以及算法的不斷的進步所造就的。

第四，現在AI模型能夠執行越來越久的長程任務。像這次活動現場我們演示的一個Demo，就是單個AI人力連續工作四天生成的，這裏面除去我們購買來的資產，剩下所有工作都是AI完成。

這個過程中，開發者大部分時間只需要下達命令，隔幾個小時來檢查一下，看看AI執行得有什麼不對的地方。相比於傳統開發模式，這顯然輕鬆了很多。這可能也解釋了爲什麼現在Twitter上能搜到海量的AI寶可夢、AI吸血鬼倖存者、AI自走棋遊戲。幾乎可以說，你能想到的所有玩法，都能在網上找到AI翻版。

第五，原先大家主要用AI生成代碼，但現在AI可以直接操作軟件界面，直接交付最終產物。它可以幫你做Slide、遊戲。

第六，AI開發的覆蓋率也在不斷提升。之前大家還會討論要不要自己手寫代碼，現在很多開發者則已經不去看AI寫的代碼了，而是去看AI最後交付的成果。

第七，AI協同的效率越來越高，這裏包括一些人機協同，以及AI和AI之間的協同。

先來聊聊第一個特點：SOTA模型變得越來越智能。下圖列出了比較知名的benchmark，大家可以看到，隨着新benchmark被提出，AI解決問題的速度也在不斷變化。

像最近新出的Blender的benchmark，它專門用來測量模型在生成3D資產方面的能力。

下圖是一個叫做Agents’ Last Exam的benchmark，它可以操作Unity、Unreal、Blender、FSLeyes等各種具體的軟件。

可以看到，這裏面的模型性能，也是在不斷變化的，Agents’ Last Exam測評模型的維度也在不斷的發生變化。它現在不僅測每個模型的最高得分，還會評估不同模型組合之後，執行任務花費的總價。

除此之外，其實還有非常多的長程任務案例，包括現在各種AI for Science，比如讓AI自己去發現定理；GitHub上有一個叫AutoResearch的開源框架，可以讓AI自動進行研究和實驗；還有像GPU Kernel優化、GPU編譯器開發，以及Reverse Engineering（逆向工程）等任務——比較簡單的加密手段，對遊戲來說可能已經沒太大作用了，藉助AI和逆向工程工具，別人有機會把你遊戲裏的資產直接解包出來。

最近PlayStation上的一些遊戲，包括《戰神3》，已經被網友移植到了PC 上，而且獲得了更高的運行性能；還有一些Switch遊戲被移植到iPhone 上，甚至還產生了一些新的交互體驗。

還有一個就是CTF（Capture The Flag，網絡安全競賽）。大家最近應該也有看到，網絡安全領域又出現了不少新的漏洞，有些數據庫公司遭到了攻擊。其中可能有不少漏洞就是藉助AI挖掘出來的。Telegram之前就用K3模型發現了一些零點漏洞。

除此之外，AI 也已經被應用到芯片設計、視頻剪輯等領域。

這裏有一個很有意思的現象：人類覺得難的問題，對 AI 來說未必同樣難。

比如優化GPU Kernel，這事對人類開發者而言可能相當複雜，相比之下，設計軟件框架看起來更容易；但在 AI 眼裏，前者反而更簡單，因爲Kernel的優化結果更容易驗證——改動對不對、性能提升了多少，跑一下測試就能知道，而一個軟件框架有沒有深層次的設計問題，可能要運行幾天，甚至用上一段時間後才能發現。

所以，人類衡量任務難度的方式，和AI衡量任務難度的方式，可能並不相同。一個關鍵區別在於，任務結果能不能被迅速驗證、量化。

像Kernel優化就是比較典型的例子。我們也在Kimi K3的技術報告裏展示了GPU Kernel優化任務的評測結果。

還有一個明顯變化，出現在算法競賽裏。去年，前沿模型與人類頂尖選手還各有勝負，而且模型往往需要專門設計的Harness來輔助。到了今年，模型在這類高難度編程題上的表現已經有了很大提升，部分任務甚至可以勝過頂尖人類選手。

比如在今年AtCoder World Tour Finals的人機表演賽中，OpenAI的智能體就取得了非常突出的成績。大家從這張榜單也能看到，AI已經具備與頂尖選手正面競爭的能力。

我還看到過一個很有意思的ICPC區域賽案例：據說出題人會用模型輔助審題、驗題，結果題目難度定得很高，參賽選手覺得不同難度的區分度不夠。有人就說，GPT都能做出來，爲什麼人類做不出來？這個例子至少說明，模型在解決高難度算法問題方面，已經達到了相當強的水平。

更厲害的是，AI已經開始參與前沿數學研究。比如OpenAI此前公佈過數學與理論計算機科學領域的十項定理進展。最近，圍繞千禧年大獎難題，以及與黎曼猜想相關的問題，也出現了AI參與的重要研究成果。

AI推進問題的速度，已經遠遠大於人類能夠應用的速度了。

而且，之前發現這十個定理，需要大模型開一個智能體集羣，連續不斷地工作。但現在，大家用平常訂閱的ChatGPT Pro，就能在30分鐘內發現這些未知的數學定理和猜想。

另一個趨勢是模型迭代週期越來越短。看下圖這張模型發佈時間線，大家應該能感受到，前沿模型接連推出，更新節奏比過去快得多。

把模型的性能、價格放到一張圖上，看它們的帕累託前沿，變化就更明顯了。有的模型剛推出不久，就可能被新的模型在性能上超過，或者被價格更低、能力接近的模型替代。把不同時點的數據連起來看，前沿模型的位置變化非常快，開發者能選擇的模型也越來越多。

我們也看到一些開發者會組合使用不同模型。比如，讓Kimi K3這樣能力較強的模型充當Master Model，負責規劃、分配任務；再讓Agent調用更小的模型完成具體工作。這樣既能節省Token成本，也可能提高整體執行速度。

因爲Token越來越便宜，最近全網的Token消耗也顯著增加。以前成本高得難以持續運行的任務，現在可以反覆嘗試，也更容易讓多個智能體協同工作。

舉個例子，2022年，DeepMind在《Science》上發表AlphaCode相關論文，展示AI如何解決算法競賽中的編程問題。那時候，爲了解出一道題，系統往往需要生成、篩選大量候選答案，反覆採樣和測試，才能找到可用的解法。

但現在，前沿模型已經能夠更直接解決不少類似問題。有時，它們還能找到原先連人類選手都沒有發現過的複雜度，用更好的視角提供新解題思路。

再看AI for Science的成本。OpenAI之前公佈的那十項數學與理論計算機科學研究成果，按照當時給出的估算，求解過程所消耗的Token總成本大約是2000美元，這是一筆不小的成本。

在更大規模的數學研究裏，消耗就更嚇人了。OpenAI曾讓近100個智能體協作約50小時，先在歐拉方程正則性問題的一個變體上取得結果，隨後又推進到納維–斯托克斯這一千禧年大獎難題。根據他們公佈的數據，僅納維–斯托克斯相關研究，就涉及約270萬條智能體消息、約1300億個輸出 Token。

但到最近，OpenAI又公佈了新的數學研究進展。按他們提供的估算，ChatGPT Pro思考三個小時，就可以解決一個問題。所以模型能力整體是在不斷下放的。

新的模型推出後，也能組合出更多協作方式。比如Claude Haiku 5.5這樣的快速、低成本模型，可以在一些子任務上配合更強的模型工作，從而降低整體調用成本、提高響應速度。

甚至還有一些走得更極端的路線。比如TypeSafe AI的Jev，它是一個System One決策模型，主要負責給出選擇、評分或概率等結構化判斷，而不是像傳統聊天模型那樣生成大段文本。在合適的任務裏，這種直接輸出決策結果的方式，可以減少開銷，提高系統響應速度。

這種「先做出性能最強、成本最高的產品，再不斷優化，逐步降低成本」的路徑，其實並不罕見。比如特斯拉早年的標準說明書就提出，先造高價跑車，再利用積累的能力去生產更大衆化的汽車。AI 模型能力的普及，也有點類似的邏輯。

模型能力不斷進步，也在改變程序員、遊戲開發者的工作方式。這裏聊幾個遊戲相關的例子。

第一個，是今年的Cursor Vibe Jam 2026冠軍作品。它基本還原了《瘋狂出租車》的玩法，也帶着一些老式PlayStation遊戲的味道。不過它還嘗試做了一些更現代的設計，比如玩家可以單獨購買城市中的廣告牌，還有競價之類的設計。

先用AI快速製作原型後，再加一些小創意。這樣的創作流程，比較適合現在的AI快速生成。

下圖是我朋友熊託尼老師做的《星艦狩獵者》。他在今年元旦前後，花了大約一個月在家裏完成了這款遊戲。這款遊戲不只有關卡編輯器，還有敵方艦隊編輯器。熊託尼先讓AI幫忙搭建編輯器，再通過編輯器調整關卡和艦隊，減少了每次都要用自然語言向AI反覆描述需求的成本，開發效率也隨之提高。

再看遊戲移植。現在已經有不少開發者和社區，藉助AI加快移植與原型製作。有人把 Switch上的《暗黑破壞神》版本嘗試移植到iPhone，也有開發者社區用類似方法制作自己的遊戲原型。

並且在這個過程中，開發者不一定需要掌握Coding技能。比如我們在這次Unreal Fest Shanghai現場展出的三款作品，就是由此前沒有遊戲開發經驗、也沒有寫過代碼的同事，通過和模型不斷交流做出來的。

開發者也不一定非得坐在電腦前。你可能晚上睡覺之前，直接在手機上給AI下達一個任務，到第二天再回來檢查它執行得怎麼樣。

最後，再回過頭看開場展示的幾個案例：

第一個汽車爆炸的視覺效果是真的，是我們團隊自己用AI做的，大約只花了兩個小時。

「小王子」也是真的，其創作者已經在社媒上公佈過自己的製作過程，他前後用了大概一個月，把作品打磨到現在的程度。這說明即便有了AI工具，要真正做出一款脫穎而出的作品，最後比拼的還是創作者對Gameplay的理解。你可以用一句話做出一個遊戲原型，但如果想把它打磨得更精緻，往往還需要投入大量精力。

「老奶奶GTA」是假的，它是視頻生成模型做的，儘管畫面看起來比較逼真，但它背後沒有一套真正可玩的玩法和代碼。

不過有意思的是，做完這個PPT後，我又在GitHub上發現一箇中國臺灣成員做出來的可運行版「老奶奶GTA」。他花了大約兩個星期。雖然模型精細程度沒有視頻那麼高，但確實實現了可以玩的Demo，還加進了一些新玩法。

以上就是我今天想分享的內容。最後我想說，AI確實可以優化我們的工作流，讓很多重複性的工作變得更高效，讓許多獨立開發者把原來停留在腦海裏的Idea更快做出來。但對遊戲開發者來說，真正值得投入才華的地方，仍然是遊戲玩法本身的設計，仍然是你對遊戲的理解。

以下爲現場提問環節：

Q：不同模型的能力和使用場景不同，如何判斷用哪個模型最合適？

唐飛虎：不同模型擅長的事情很不一樣。雖然在前面展示的帕累託前沿圖上，有些模型看起來已經被新模型超越，但不意味着它們在所有場景裏都沒用了。我覺得最終還是要看具體的使用需求。

現在也有團隊基於已有模型，結合自己的數據和場景繼續訓練垂直模型。比如Cursor此前就以Kimi K2.5爲基礎，結合自己的數據與訓練流程，開發出了Composer系列模型。

所以哪種模型最適合，我覺得這個話題很像「小馬過河」：聽別人分析當然有用，但不如自己實際試一試，感受會更直接。

Q：你們內部是怎麼評估模型在遊戲開發場景下的能力的？

唐飛虎：第一，我們會看公開的Benchmark。現在針對軟件操作、遊戲製作等場景，已經有不少相關評測。

第二，我們自己也會直接用模型做遊戲，再拿這些作品和其他前沿模型的結果對比，看它是不是做得更快，最後做出來的內容是不是更符合玩家需求。

Q：AI理解問題的困難程度和人不一樣，比如我們不能理解底層機器碼，但AI不會遇到這樣的問題，那會不會未來AI把中間層的對接產物給逐漸淘汰掉？遊戲引擎會不會受到影響？

唐飛虎：很多中間層已經被淘汰了。比如有些開發者現在已經不再直接用高級編程語言寫代碼，而是通過自然語言指揮模型完成工作。那再過一段時間，學習某些編程語言還有沒有原來那麼重要？它們是否會像過去的一些中間工具一樣，被新的交互方式逐步替代？

我覺得隨着大模型能力持續提升、成本持續下降，編碼方式一定會發生非常大的變化。目前這在軟件開發領域表現得最明顯，遊戲引擎也可能經歷類似的變化。

Q：以前做貼圖、模型資產，往往要用專門的生成工具，現在可以用大模型直接生成內容。這種能力是模型通用能力泛化出來的，還是經過專門訓練得來的？你覺得以後大模型直接生成資產的方式，會不會替代專用工具？

唐飛虎：這取決於具體的使用場景。

大家可以看我的GitHub，我最近做過不少Vibe Coding小遊戲。有些遊戲資產來自現成的3D模型，有些是AI自己生成的，效果會不太一樣。

至於你剛纔問的，這種能力是泛化出來的，還是專門訓練出來的，我覺得最初主要是通用能力的泛化，後來通過進一步的後訓練，把這方面的能力強化了。

舉個例子，我前段時間做過一個類似《過山車大亨》的遊戲，裏面的角色、旋轉木馬、過山車、鬼屋等遊樂設施，都是模型自己生成的。它並沒有拿到原版遊戲的美術資產，只參考了一個開源版本的代碼。所以它的畫面風格、界面與原版很不一樣，但玩法卻相當接近。模型能在沒有原始美術資源的情況下，生成這麼多可用資產，我覺得已經挺有意思了。

再舉個例子，前段時間Steam上有一款圖書館整理遊戲很受歡迎，我就讓模型做了一個整理房間的原型，還可以切換不同主題。裏面各種室內傢俱，你還可以像玩《模擬人生》一樣，單獨往房間裏添加傢俱、調整擺放。