遊戲行業沒有AI的FOMO病

2026年剛開始，FOMO這個詞越來越多地出現在互聯網上。這個縮寫的全稱是Fear of Missing Out，大意是由於擔心錯過有趣的社交活動、人生經歷或重要的機會而產生的不安與持續性焦慮。

年後的這一波AI衝擊，最喧囂的莫過於OpenClaw——原本還在開開心心和豆包、GPT們聊着天的羣衆，突然驚訝地發現：原來我要被AI Agent頂替了？無數自媒體也爭先恐後告訴人們，不學好Agent，以後只能做體力勞動，學好Agent，一個人做10份工作……種種心態驅使下，大爺大媽爭先恐後“養龍蝦”，也就不足爲奇了。

但如果說OpenClaw的熱度尚屬反常現象，對普通人的影響有些言過其實。那麼前段時間公佈的Seedance 2.0，則是真切地對影視行業造成了顛覆式影響。影視行業看了瑟瑟發抖，短劇行業則已經被徹底改寫。

3月12日，鳳凰網的一篇專題提到，節後復工第一天，河南一家短劇公司的老闆打開工作羣，發現甲方羣安靜得可怕；在“短劇之都”西安，承製公司開始大面積裁員；紅果短劇平臺已經取消了真人短劇的承製保底；在電影行業的10餘年的特效師則表示，哪怕是疫情期間的影視寒冬，也沒想過行業會消失，現在，“AI一把槍把傳統影視行業斃了”。

與此同時，在大洋彼岸舊金山GDC現場，卻是另一副波瀾不驚的樣子。

今年GDC上的AI議題確實很多，AI相關議題數量高達106場，跟去年相比飆升了112%。但相比前兩年，炒作和概念性的話題卻更少。一切都在有條不紊地推進中。各種議題看下來，能感受到的不是所謂的顛覆和革命，而是遊戲行業在AI時代的確定性更高了，大家都回歸了理性。

實際上，越是深入遊戲工業，越可以感受到，遊戲行業無法被AI簡單從外部擊穿。但是掌握AI工具的人，卻可以把護城河挖的更寬。

顛覆還是優化

這個行業的內部感受和外部在AI議題上一直有挺大反差。外界大衆的認知裏，遊戲作爲一個重數字資產的行業，似乎應該受AI衝擊非常大，特別是前段時間谷歌“世界模型”發佈後，讓人以爲前端的視覺生成能力將直接降維打擊傳統遊戲公司，還一度引起一些遊戲公司股票大跌。

但越是很早就建立的重型數字資產，越說明這個護城河已經很厚。遊戲工業的核心從來不是單純的畫面，而是極其龐大、精密咬合的開發管線，還有對準確性要求極高的交互性。

目前市面上的一些AI的確可以生成3D資產，但這種3D模型往往不符合特定的工業規範（比如拓撲結構混亂、UV未拆分、面數超標），從而很難進入實際生產管線。此外遊戲裏的模型不僅是多邊形，還綁定着骨骼、材質解算、物理引擎反饋和網絡同步邏輯。牽一髮而動全身的耦合度天生拒絕黑盒式的外部AI直接插手。

Genie3這樣的“世界模型”只是看起來像遊戲，實則可以說關聯不大

在某種程度上，遊戲工業在AI時代有點像一些大型機構和企業的“後端”系統，很多傳統領域，如金融交通工業製造等，底層還在用幾十年前的軟件系統，有些甚至連圖形界面都沒有。按理說在信息時代，這些傳統就該被革命了，但因爲盤根錯節的各種代碼、數據庫、接口已經和企業的各種業務深度纏繞在一起，難以被撼動。

由於各家遊戲廠商乃至遊戲引擎平臺積累了數十年的管線和工程代碼，形成了極高的壁壘，外部AI工具難以直接將資產無縫塞入現有標準中，因此唯一的方式就是遊戲公司從內部實戰出發，構建新的方法論和工具。

因此遊戲即便因爲AI衝擊而產生了“優化”，也只能是從內部一點點迭代調優，而不會像AI短劇取代短劇演員那樣，被外部隨便一個什麼新的技術成果所顛覆。

如果說前兩年關於AI x 遊戲的探討還比較零散和偏實驗性質，那麼這次從GDC上的很多議題也能看出，很多已經深入到了更大規模的落地管線中。純粹炒作概念的生成式AI熱潮已經過去——類似當年元宇宙和區塊鏈的退潮，今年區塊鏈遊戲的演講確實完全絕跡了。

這個表格展示了在兩年時間裏，行業面對AI理性逐漸迴歸的過程

今年大家不再空談“AI能做什麼”，而是在講“我們已經在開發中怎麼用AI了”。各家對AI的討論方向變得更加底層和務實，不再像前兩年那樣集中在顯眼的“生成式AI畫大餅”上。越來越多的開發者把AI當成了和光線追蹤一樣的常規技術，相關的技術分享已經細化並融入到了關卡設計、資產生成、NPC邏輯等非常具體的開發環節中。

騰訊做了什麼

今年GDC還有個特殊現象：AI議題雖然多，但講AI的遊戲廠商不多，身邊統計學和體感甚至反而少於往年。從日程表來看，今年GDC上主要是科技公司和上下游平臺和工具廠商在講AI願景，賣AI工具。

當然我們熟悉的國外遊戲大廠也不是沒有AI議題，但細分垂直程度很高，不少案例處在機器學習和超小模型的階段。

比如育碧在演講中說他們跑通了一套工作流，證明只需要 30 張圖片就可以訓練出符合生產標準的LoRA模型。藉助於此，各遊戲項目組可以極低成本地訓練出符合自己特定美術風格的模型。

暴雪則開發了一個名爲 Zenith 的自動化管線。其核心用途是將 3D 遊戲環境自動化地轉化爲風格化、多圖層的俯視角地圖（Top-down maps，即遊戲內的小地圖或戰術地圖）。

只有騰訊一次性帶來了超過20場和AI有關的議題演講。

這些議題跨度極大，有從場景、動畫、引擎、音效等多維度優化開發管線的，有的則與具體的功能和玩家體驗息息相關。

即便垂直如“搜打撤遊戲中的 AI 增強反作弊”議題，在現場的熱度也很高

比如在資產管理環節，騰訊的3D資產助手實現了端到端的自動化。設計師只需要說“給我一個女性維京戰士的四個概念藝術”，系統會自動生成多視圖圖像進行確認，最後直接轉換成可上線的3D模型——包括PBR材質和拓撲優化，同時輸出PC和移動端兩個版本。傳統上一個角色從概念到可遊戲使用往往需要數週，現在被大幅壓縮。

這類案例普遍不是爲了AI而AI，而是真正嘗試解決痛點和需求。有些需求來自開發管線，有些痛點則來自玩家體驗。

《和平精英》的AI NPC系統就是後者的典型代表。該系統通過掛載專屬知識庫、情緒驅動引擎以及強化學習等技術，解決了傳統 NPC 行爲僵硬、缺乏社交“人感”的問題。最終讓遊戲裏的AI NPC不僅能進行自然的語音對話，還能感知玩家的情緒狀態。當玩家表現出焦慮或迷茫時，AI會主動給出戰術建議；當玩家長時間沉默時，AI會用輕鬆的話題打破尷尬。

這套系統上線後，所有AI NPC玩法的累計體驗用戶已突破1.1億。數據還顯示，AI隊友模式中的麥克風開啓率近75%，單局消息互動量達70輪。這顯然說明，有大量原本不擅長社交玩家打開了麥克風，在戰場上有了更沉浸的體驗，也進一步拉高了整體的用戶活躍度。

AI NPC對不擅長社交的玩家帶來了非常正面的體驗加成

坦白說，這兩年騰訊用在遊戲裏的AI技術，大多數看上去是沒那麼“性感”的，有很強的工程師思維，似乎少了點想象空間。就拿AI NPC來說，兩年前育碧也曾展示過非常科幻的Demo，整得跟未來遊戲似的。但想象歸想象，現實中的落地實現是另一回事。這次GDC和騰訊的人員交流過後，我能很明顯感覺到，騰訊在遊戲裏做AI，出發點基本上不是暢想“AI能實現什麼革命性的效果”？而是能否用AI提高開發效率，能否用AI解決現有遊戲體驗中的痛點和瓶頸。

這種實用優先的思路，也帶來了一個非常明顯的趨勢：產能的極速擴張。

老外在學習中國開發商什麼？

今年GDC上最讓我感觸的其實倒不是AI話題本身，而是：在數年前，國內遊戲行業談及遊戲工業化、談及國外的超大項目，還是仰望的姿態。而現在，中國廠商反而成了那個輸出遊戲工業和開發管線方法論的那一方。在我聽的多場演講中，只要中國開發者講到如何搭建Pipeline時，現場的觀衆無論來自中國外國，都會紛紛舉起手機拍照。

GDC上的中國從業者再次證明了一個定律——產能這塊兒，最終都要看中國。

國外像羊蹄山、33號遠征隊、Dispatch、PEAK，講團隊如何開發這款遊戲，講當年的廢案是什麼，更多是一種名作光環下，用項目背景和內幕回饋粉絲，分享故事與靈感。

爆款產品的講座基本上座無虛席，主要講遊戲開發幕後故事

國內則完全不同。

比如疊紙會分享怎麼協調幾百人的團隊開發大項目。在GDC首次系統披露其 300 人規模的劇情演出生產體系，通過讓文案、敘事、美術等創作者直接在引擎內工作，來大幅降低跨部門溝通與數據轉換成本，實現大體量內容的持續穩定輸出。

疊紙展示如何高效管理300人團隊的內容生產管線，圖中是早期工作流程，十分複雜，之後工作流被大幅優化

網易雷火的演講話題是《譜寫綿延的江湖——〈燕雲十六聲〉高頻持續更新的開放世界內容設計與管線經驗》，顧名思義，主要分享瞭如何用“三條創意管線並行”來生產大區內容，讓關卡、敘事、藝術等團隊同時推進，從結構上保證更新速度。

這一方面是因爲，GAAS遊戲，對持續的內容迭代有着更深的渴望，而大型GAAS遊戲又是特徵明顯的長期數字資產，更適合用AI來解決裏面的重複性工作。而另一方面或許因爲，中國人熱衷於搞生產是刻在骨子裏的。

在產能和管線這個維度上，騰訊這次的輸出尤其密集。

《異人之下》實時功夫動畫系統展示了AI如何解決動作遊戲的產能痛點。

常規3D動作遊戲中有很多“轉場動作”，如從攻擊到衝刺，從衝刺到奔跑……兩兩組合產生的動作數量極其龐大，導致動畫師不可能手動爲它們製作全部的關鍵幀，用線性插值等傳統辦法還容易產生滑步穿模等現象。

因此，團隊引入了一套 AI 驅動的實時動作生成方案，不僅解決了轉場問題，還大大降低了高質量動作素材的動捕的成本：用最少7個類似GoPro的小型攝像機即可完成高精度無標記點動捕，動作捕捉時間從30分鐘縮短到5分鐘，精修時間從1小時縮短到15分鐘，素材庫則從930條縮減到445條, 同時保持中國功夫招式的精度。

更關鍵的是，即便引入了即時AI推理來生成關鍵幀和中間值，量化後的超小模型在移動端完成一次推理也只需要0.4毫秒，即便在《異人之下》這樣的高速動作遊戲裏，也幾乎不會給玩家增加任何可感知的延遲。

天美工作室的Ignis Agent則把AI的應用邊界推向了超大工程的開發&迭代環節——代碼Crash診斷、UI開發可以實現“從策劃案直接產出結果”，處理耗時從數週縮短到1天，自動化程度高達98%。

在另一場技術分享中，來自光子的AI研究員介紹了《IntelliScene：基於多智能體的推理驅動的遊戲場景生成系統》。在這套系統下，AI可以把“把物件一件件擺好”這類重複性工作交給了可控的自動化流水線。

在IntelliScen最新版本中，設計師不再需要手動放置無數瑣碎的小物體，而是輸入一張引導圖或一句場景意圖後，AI會識別場景類型並從資產庫檢索匹配模型，然後按生活邏輯與物理約束擺放——例如把瓷磚或踢腳線優先靠牆放置，還能處理內部佈局（比如把書放進櫃子或抽屜）、避免物體懸空與不合理堆疊，並調整各物體的精確位置與朝向，使生成結果既符合敘事意圖，又可直接用於後續 3D 引擎與人工微調。

官方測試數據顯示，相比人工擺放，AI 場景搭建的效率能提升約 10 倍，從而把美術團隊的手工精力釋放到核心鏡頭與關鍵關卡的創作上。

去年我們介紹過的VISVISE今年也參加了GDC，它可以將把繁瑣的 3D 模型蒙皮、拓撲和 LOD 展開等環節，實現超85%的自動化率，大大減少模型生成、貼圖製作、骨骼綁定、動畫製作等環節中的人工機械化勞動。

GDC上來自魔方的技術專家們分享的《洛克王國：世界》的高性能全局光照方案，是一項“既給自家用，又開放給行業”的“送水”式技術。簡單來說，這項方案與先利用雲端的 RTX 顯卡根據實時路徑光追跑一遍正確的光影渲染，通過AI壓縮靜態光照數據，實現高效的光照烘培效果。

細緻的光照烘焙其實一直是讓中低端機器也能跑出高畫質的神技，只是過程繁瑣，人力成本巨大，現在已經越來越少遊戲廠商願意做太多烘焙，直接採用光追或者引擎現成的動態光照方案，不少遊戲優化太差，惹得玩家怨聲載道，很多人反而開始懷念過去烘焙效果的實在。像上文提到的這種不改變底層渲染架構，利用雲端算力與AI來實現高效的烘焙，不失爲新時代下一個很討巧的做法。

AI時代的護城河

在GDC期間，我也採訪了騰訊遊戲公共技術負責人陳冬。今年GDC新增了一個名爲“遊戲界達沃斯”的高端論壇，陳冬則作爲唯一的中國廠商代表，與科技公司巨頭谷歌、英偉達一起分享了對AI與遊戲產業如何融合的成果與見解。

“遊戲的Agent是很複雜的，既要寫代碼還要操作遊戲引擎，要懂遊戲設計、數值、美學，如果是3D還要理解空間。”陳冬告訴我，遊戲AI不是簡單的代碼生成問題，而是需要理解遊戲引擎的操作邏輯、掌握數值體系的平衡設計、具備美學判斷力、熟悉3D空間概念的多維能力。

這種複雜性，正在成爲一道難以逾越的護城河。

當通用大模型在文本、圖像、代碼等領域展現出高速成長的泛化能力時，遊戲開發卻表現出截然不同的韌性。遊戲天生具備複雜工程體系的特點，不容易被外界通用大模型衝擊。反而是，越懂遊戲開發的人，越容易用AI來增強遊戲開發，強者更強。

有來參加GDC的硅谷AI公司從業者表示，由於騰訊佈局早，內部也打通了很多資源，積累的模型訓練素材也多，投入也很大，因此在AI增強遊戲開發管線方面，目前已經和遊戲行業產生了代差。

在一場和平精英關於如何用AI驅動UGC創作的演講中，騰訊的研究者展示瞭如何僅憑一張草稿就生成場景，大大降低用戶創作門檻

“基礎模型能力強，上層應用纔好做，如果基礎模型不強，怎麼做都無法真正把生成式技術發揮出來”——這個基模決定論在陳冬的採訪中經常出現。

打個比方，如果在一個較弱的舊版本模型上做了大量的業務強化和“腳手架”式工具開發，雖然短期內能讓應用效果看起來還可以，但一旦基礎模型發生質的提升，之前辛苦搭建的所有業務強化和工具可能都會變得毫無意義，因爲更強的基模能夠原生、更簡單地解決這些問題。

因此陳冬不建議在模型能力不足的情況下進行業務端的過度開發，而是應該在基礎模型上逐漸迭代和提升，“這是一個非常重要、需要配合的關係。”這種思路，也貫穿了騰訊的遊戲AI戰略——不滿足於做表層的工具應用，而是從基礎模型入手，建立真正可持續的競爭力。

2025年8月，騰訊發佈了VISVISE遊戲創作全鏈路AI解決方案，涵蓋六大環節：模型生成、自動蒙皮、骨骼綁定、動畫製作、場景構建及渲染。與通用大模型不同，VISVISE針對遊戲生產的具體場景進行了深度優化，能夠理解遊戲開發中的專業術語和特定需求。

騰訊的競爭優勢不僅體現在技術深度上，還體現在規模效應上。“內部團隊對工具的需求迭代速度非常快，生產規模也很大。”陳冬坦言，“生產規模越大，理論上模型和工具的效果應該更好，這也是騰訊遊戲做AI一個非常大的優勢。”

像前文提到的VISVISE和跨引擎光照烘焙方案，爲什麼這些技術在這一年集中出現？實際上它們是技術基建的積累和團隊需求共同促成的結果。對於騰訊這樣生產規模巨大，又有着大型技術中臺的公司，極大的業務量爲 AI 工具提供了足夠的需求反饋和數據迭代機會，中臺團隊則可以來自項目組的需求和數據融入到基礎模型（基模）的迭代中，使工具不斷完善並吸引更多項目使用，形成良性循環。

在被問到騰訊的風格時，陳冬認爲這種風格是務實。“可能公司的文化就是這樣，解決具體的問題，每個組都有自己很務實的需求點。”

結語

這幾天關於AI的演講中，有一句話PPT裏的標題，叫Let technology serve ideas , Leave time for Creativity。這句話來自於騰訊遊戲AI引擎部技術專家的演講——《讓引擎聽懂你說話：大模型賦能的下一代遊戲場景生成框架》。這句話準確地闡明瞭遊戲行業如何使用AI：

讓技術服務於創意，爲創造力留出時間。

這幾天有業內人士說，在和谷歌等科技公司交流後，能看出“其實人家壓根不Care遊戲行業”，更遑論用AI模型來進軍甚至擊穿遊戲行業了。

無獨有偶，在GDC開幕當天，Google Cloud聯合索尼、EA和Unity的高管，也坐在一起聊了聊《AI如何重塑遊戲創作》，其中談到一句話：

“AI對於遊戲行業不是一個Easy Button（簡單按鈕），而是一個Process（過程），需要貫穿到開發管線過程中。”

這個過程早就開始了。