誰在定義遊戲行業的AI語言-生活-漫步新聞-陪你看看

AI規模化進入遊戲管線的最後一公里。

在E3退場三年後，遊戲展的頂流——gamescom，來到了史無前例的頂點。今年科隆現場超過23萬平方米的所有展區首次全部售罄。其實去年gamescom的各項觀衆數據已經是歷史新高了，今年的人氣規模則被再次刷新。

除了普通觀衆層面，在專業的開發者大會方面，這次科隆也有所升級。以往的devcom正式更名爲gamescom dev，作爲歐洲最大遊戲開發者會議，提供220場會議、390位演講者。和年初蕭瑟的GDC相比，已經略顯反超之意。

從這兩天先舉行的gamescom dev現場來看，也能感受到這種變化。一樓的廠商展位比過去集中得多——過去兩年，這裏大多還是支付、配音、本地化等各類遊戲產業供應商的小型展位；今年除了獨立遊戲區照舊，大部分場地幾乎都分給了騰訊遊戲公共技術線、Perforce 這樣少數幾家大型技術與基礎設施服務商，提供的是完整的全覆蓋研運支持，背後則是AI與雲服務技術對於此前鬆散的技術服務所進行的整合。

遊戲行業確實需要一些整合。相比熱鬧非凡的gamescom，歐美遊戲行業本身依然面臨着居高不下的裁員率。全球遊戲產業中心逐漸在往亞洲偏移——前些年亞洲只是因爲快速增長的市場規模受人矚目，但這兩年亞洲的遊戲工業能力也在迅速變強，其中尤以大力推動"AI落地實際管線"的騰訊以及其投資二方公司最爲突出，以至於今年gamescom dev的開幕演講便是騰訊遊戲的員工Amir Satvat所做的。

Amir Satvat在2024年因爲幫助大量被裁員的遊戲業者重新就業，獲得過首屆TGA Game Changer獎，開幕演講座無虛席，觀衆席後排也站了很多開發者

至於騰訊自己，也依然維持了2024年後參加行業會議的一貫風格，深耕"遊戲+AI"，帶來了多場AI相關的技術議題。幾場演講聽衆都滿滿當當。一位現場體驗了騰訊遊戲 AI動畫工具的開發者說，過去自己是在Xbox Kinect上捕捉人體動畫的，“現在容易多了，任何像我這樣很難找到動畫師的個人開發者，都可以通過這個工具製作高質量的動畫。”

如果說之前的遊戲開發者會議上，從業者的話題還偏向"百花齊放"，以摸索邊界和實驗性分享爲主，今年gamescom dev的AI相關議題明顯向實用工具和"agent"的應用集中。而且大家在 "怎麼用好agent"這件事上，明顯更飢渴了。

AI話題的一年之變

2025年前後，遊戲行業談AI，關注的還是文生圖、AI NPC和"一句話做遊戲"之類具有科幻演示感的能力。育碧在GDC上展示用生成式AI驅動的NPC對話，微軟曾經試圖把Copilot置入Xbox並實時給出遊戲攻略……另一端則是宏大敘事：如谷歌發佈世界模型，一時間讓全球遊戲公司股價大跌，但實際上遠沒有到能進入遊戲開發管線的地步。

一邊單點工具在各自的角落裏閃光，一邊是願景先行的藍圖，中間是大片空白。

到了2026年，相關討論明顯變得更現實起來。道德上的探討變少，人們更關心AI的成果能不能交付、是否可以穩定接入大型項目的管線。

半年之間，行業話語從道德辯論滑向了工作管線，具體表現在三處。

首先是提問的框架變了。GDC的調查還在做價值判斷——"生成式AI對行業是好是壞"，得到的是史上最差的答案：52%認爲負面（前兩年分別是18%、30%），僅7%認爲正面。而gamescom dev的問卷裏，"好壞"之問基本消失，83%的受訪者默認AI將影響團隊與生產力。

年初GDC的調查報告

其次是AI嵌入的位置變了。GDC裏，AI用得最多的場景是調研/頭腦風暴（81%）和寫郵件，代碼輔助只有47%，遊戲工作室的使用率（30%）遠低於發行/市場部門（58%）——彼時AI主要待在辦公室裏。到gamescom dev，受訪者認爲AI當下價值最大的環節已是代碼與生產（34%），排在所有選項第一。AI從"幫我寫郵件"走到了"幫我做遊戲"。

有意思的是，“使用AI進行代碼與生產”和“儘可能少用AI”構成了調查問卷兩端最多的票數

第三是威脅敘事變成了重構敘事。GDC報告裏，AI與裁員深度綁定，28%的受訪者兩年內被裁。gamescom dev的主流判斷卻變成"36%認爲AI改變崗位角色而非裁減團隊"，37%把"更小的團隊"列爲未來三年最大機遇。

不過需要留意的是，兩份調研的受訪者結構不盡相同：GDC調查的是2300多名全行業從業者，裏面有大量一線美術、程序、策劃，還有被裁的人和學生；gamescom dev只調查了100位演講嘉賓，多是創始人、製作人、決策層。與其說行業變樂觀了，不如說話語權結構變了——管理層談機遇，創作者談邊界。

這套認知遷移的框架背後有騰訊的影子。今年gamescom dev把AI議題拆成in production和in gameplay兩條線，這種分法在騰訊內部由來已久：早在2023年，騰訊高級副總裁馬曉軼接受媒體採訪時也提過類似的表述，騰訊遊戲內部正是按AI For Gaming（覆蓋模型生成、動畫製作和特效等內容生產）、AI In Gaming（覆蓋遊戲智能體、世界模型和引擎技術）和AI + Game Operations（延伸到反作弊、測試、運維）三條線實踐，目前都已拿出了不少成果。

過去一兩年，In Gaming和For Gaming這對術語被行業峯會和大廠反覆使用，大家開始朝着同一條路徑摸索。而騰訊，已經開始處理一個更現實的問題：如何讓AI真正進入大型遊戲工業的管線。在科隆現場，他們也帶來了來自大型項目的第一手經驗分享，展示的GIGA、Motus等技術看似分散，實際上是同一套公共技術能力向生產端、玩家體驗和運營端伸出的不同觸角。

中臺又支棱起來了？

騰訊遊戲在AI應用上的成果可以這麼快滲入管線各處，中臺的作用繞不開。但這並不是一個先造出萬能工具、再向工作室推銷的故事。

在gamescom召開之前，我也採訪了多位騰訊遊戲技術中臺的專家。過去他們做的事情很少出現在聚光燈下，藉此機會拼在一起後，能看出一種不同於行業常見路徑的組織邏輯。

前幾年互聯網和遊戲行業興起過一輪中臺熱潮，後來大家發現不是所有公司都適合這套系統。很多中臺面臨着學術追求、商業化考覈和項目資源的多重矛盾，有點早年國內互聯網公司學外企谷歌那一套水土不服的感覺，然後這股熱潮涼了下來。

但這兩年能明顯看出，騰訊遊戲的中臺反而支棱了起來。

一個直接原因是，AI時代需要解決的事情恰好都很"貴"。訓練垂直模型需要算力和數據，把論文效果改造成美術願意使用的工具又要和項目組長期磨合。根據騰訊遊戲中臺的Motus AI團隊（全流程AI動畫管線）的判斷，單個項目很難爲三五年後才能看到回報的探索投入下注數億元。但中臺面對上百款遊戲，可以分攤成本，也可以把一個項目踩過的坑複用給其他項目。

Motus AI團隊的經歷是這個邏輯的一個縮影。這個團隊最早可以追溯到2016年，當時趕上AlphaGo帶火的強化學習浪潮，做的還是牌類AI和競速AI。2018年轉向物理動畫，試圖讓角色不依賴預置動作，也能與場景發生物理交互。2019年前後，當時《和平精英》項目組覺得角色製作太多耗時耗力的機械工作，主動提出降低骨骼蒙皮和動畫製作工時的需求，找到了技術中臺尋求支持。

合作開始時，中臺的算法團隊對“蒙皮”本身並不熟悉。項目美術要拿着案例解釋，還要在工位上把製作過程演示一遍。雙方每兩週開一次會，這樣持續了幾年。

最初半年，模型基本沒有進入生產，屬於純粹的技術孵化；早期的小模型又高度專用，用誰的數據訓練，往往就只能服務誰。換一套差異較大的服裝，甚至從男性角色換成女性角色，效果都可能掉下去。

在大模型時代之前，數據模型的理解能力有限，中臺爲了產物達到可用級別，打了很多補丁。直到模型能穩定完成約八成、剩餘部分可由人工處理時，《和平精英》纔開始規模化推進。後來的大模型擴大了數據和參數規模，也逐漸替代那些補丁。

到現在，Motus的蒙皮工具已經在超過90款遊戲中被使用，不只是騰訊系的項目，一些騰訊生態內，包括其他小遊戲公司也在用。多個鏈路模塊——骨骼生成、蒙皮生成、文本/視頻生動作、關鍵幀插幀、動作精修、實時智能驅動等，構成了業界首個貫穿角色動畫生產全鏈路的大模型矩陣，得益於數年的技術積累，蒙皮是其中最成熟的工具。

《和平精英》等遊戲項目的管線也因此發生了實質改變。傳統流程是原畫→模型→綁定→動畫，大概要三週。現在他們搭了一個Agent工作流，原畫進來後一天就能輸出完成模型、骨骼綁定、蒙皮的資產，直接拿去做動捕驗證和動畫設計。這意味着動畫環節可以提前兩週啓動，等傳統管線三週後交付正式資產時，在交匯節點直接替換。項目解釋說，早期這個流程跑不通，因爲專用小模型泛化差、蒙皮骨骼輸出還需人工修整，現在的自動化率大幅提升，人形、怪物、四足動物等多類角色都能支持了。

GIGA的故事則是另一個方向的探索。這個項目要做的是通用遊戲智能體。負責人的背景是AI出身，師從周志華院士，團隊的第一個項目是用強化學習在《QQ飛車》上做駕駛AI。當時他們用的算法叫A3C——有趣的是，十年後的今年7月，這個算法在ICML上拿了Test of Time（時間檢驗）獎。

從《QQ飛車》起步，這個團隊陸續在《和平精英》等多個頭部遊戲中落地了AI對手。但那時候每做一個遊戲都需要專門建模、專門訓練、專門調參，人力消耗極高。GIGA的提出，正是爲了解決這個可擴展性的問題。GIGA這四個字母正是General（通用）、Instructable（可指令）、Game Agent（遊戲智能體）的縮寫。

今年GIGA在科隆展出的版本，上層用大模型做戰術規劃和意圖識別，下層用強化學習訓練的小模型做具體執行，所謂"雙腦"；團隊想要解決的，是讓AI從"後臺讀數值"這種作弊式的感知，轉向純靠視覺理解畫面，能自主感知戰場、理解自然語言指令，並能實時執行、和玩家協作的遊戲智能體。

訓練過程中湧現的一些行爲讓團隊感到意外。在《和平精英》的跨海大橋場景裏，AI自己學會了走到鋼架上方，找到一個人類玩家不太會想到的刁鑽角度發起進攻。大量AI在環境中互相博弈，還會分裂出不同的"風格種羣"——激進的、猥瑣的、擅長翻盤的——呈紡錘形分佈，項目組可以根據策劃需要挑選投放。

科隆現場GIGA團隊帶來的《如何在 FPS 戰場中構建具有自主心智與協作能力的 AI 智能體》

在這些具體項目背後，騰訊遊戲技術中臺的另一個不同之處在於與業務的關係。多位受訪者反覆強調一個說法：中臺本身就是業務的一部分，在漫長的遊戲發展過程中和業務一起成長，團隊坐在項目組附近，每天都能看得到項目組在幹什麼。

還記得前面提到，很多公司也開始大搞中臺結果發現水土不服嗎。因爲中颱天生有着非常敏感的生態位，不能曲高和寡地脫產研究，又不能與綁定太重的生產和營收KPI。需要一定的貨幣化，又不能過分貨幣化。騰訊遊戲的中臺之所以能走下來，一定程度上，是因爲在多年的磨合之下，形成了一種既彼此獨立又有合作空間的耦合關係。

用一位去年轉到IEG做研究的科學家單瀛的話說，“中臺的前研探索，和業務是松耦合的關係。”

單瀛描述了他們團隊的運作方式：每年發一定數量的論文，全部開源，大約四分之一被社區接受和使用。業務團隊看到有好東西冒出來了，主動來找，從隨機露出到聯合項目到規模化，是一個層層漏斗的過程。他把自己團隊的核心價值概括爲"壓縮探索的成本"——別人籠統做可能要一萬張卡，他們這批人的目標是用1000張或者更少的卡把路先探出來。

這種機制得以運轉，一個前提是高層的長期主義。單瀛回憶，他面試的第二天，騰訊的高管還在微信裏追問公式的細節。入職後花了一年只招了6個人，但領導還是支持他，叫他保持高標準，"動作不要變形"。他說，不管在哪個團隊，領導層從內心認可這件事，"基因是一樣的"。

中臺還有一個更長期的價值，就是把騰訊遊戲研發和運營的迭代能力，打造成AI時代推動技術進化的飛輪。陳冬（騰訊遊戲公共技術線負責人）在採訪中特別強調了一個洞察：美術在AI結果上進行的一點修改，看上去只是日常工作，實際上是最有價值的專家反饋。它能準確告訴模型，產物距離"真的可用"還差在哪裏。騰訊的使用者本身就是專業生產者，他們的修正天然就是專業的，不需要額外標註。

如果這個飛輪跑通，騰訊的項目不只是AI工具的消費者，也會不斷反哺模型。場景越多，專家反饋越多；模型越好，更多項目才願意進入；更多使用又繼續迭代。陳冬目前的判斷是：以前效率是中臺的重要護城河之一，但以往的效率增益會被AI技術吞噬，所以要儘快探索基於AI和Agentic的新模式。遊戲場景的深度積累與對應的模型能力纔是動態的壁壘——3D和動畫是硬資產，長期在場景與用戶反饋中形成的模型飛輪是別人難以複製的。中臺的價值範式正在從"基於經驗"遷移到"基於模型"。

海綿裏的水

前不久，騰訊發佈了最新的季度財報。與去年相比，今年最主要的變化是AI基礎建設的成本大幅度增長。雖然營收和核心業務依然很健康，但市場會把AI投入首先翻譯成資本開支、利潤率和現金流。

對於大型平臺公司，這構成了一個熟悉的悖論：對新技術投入過慢，會被認爲錯過技術週期；對新技術投入太積極，短期財務指標又會承壓。從當天和隨後的股價變化來看，能明顯看到這一悖論帶來的負面影響。

但在gamescom前後，和騰訊的多位技術專家聊過後，我反而看到了另一種圖景。

騰訊因爲落地產品極多、業態背景過於豐富，將AI滲入各產品和開發管線的毛細血管後，就像一個巨大的海綿——吸了很多水，表面看上去可能還比較幹，但實際上這塊海綿的蓄水量已經非常豐富。

這種"蓄水"，也許纔是AI在大型工業組織中落地的正常形態。ChatGPT剛出現時，大家非常期待AI能改變什麼遊戲玩法，幾年過去仍沒兌現；正如電被髮明後，花了幾十年才找到它在工業和民用領域真正的應用方法。如今，在生成式AI時代進入第四個年頭的時候，人們才基本達成共識：最快被AI改寫的，是怎麼做遊戲，而不是怎麼玩遊戲。