文｜硅谷101

如果最近你留心过顶尖AI公司的动向，就会发现一个非常耐人寻味的现象：几乎所有站在AI前沿的公司，都不约而同地盯上了游戏。

英伟达最新开源的基础模型NitroGen，可以玩一千多款不同的游戏；微软在年初推出了首个基于游戏训练数据的世界模型Muse；OpenAI被曝曾向游戏公司Medal提出高达5亿美元的收购意向；xAI宣布将推出完全由AI生成的游戏，招募游戏开发者来训练Grok；Google先后推出游戏世界引擎Genie 3以及在游戏中进行训练的智能体SIMA 2……

为什么顶尖AI公司都在押注游戏呢？今天我们在谈论游戏与AI的时候，最直观、也最容易被讨论的，是AI会如何改变游戏画面、如何生成剧情、如何提高开发效率这些具体的问题。

但如果我们把视角稍微拉远一步，就会发现在这些具体应用背后，游戏与AI之间，其实存在着一种更深层的相互塑造关系。本篇文章让我们走进游戏与AI，来深入聊聊，过去这些年，游戏AI这个领域发生了些什么。

01 智能溯源：游戏如何启蒙AI先驱思想

今天我们知道Demis Hassabis是DeepMind的创始人，是如今谷歌AI的灵魂人物，但30年前，Demis的第一份工作，却是在一家游戏公司。

1992年，16岁的Demis加入了一家叫做Bullfrog Productions的游戏公司，参与开发了一款名为Theme Park的模拟经营游戏，他在游戏中巧妙地设计了角色的AI特性，让NPC们模拟出人类的行为模式。此后，Demis又加入Lionhead工作室，参与开发了另一款“上帝”游戏Black&White。

正是这些游戏开发的经历，启发了Demis后来的思考：如果把“智能”放进一个像游戏这种可以反复试错的微缩世界里，让它不断学习、不断模拟未来，会发生什么？而在最近爆火的DeepMind纪录片《思考游戏》（The Thinking Game）中，就向我们系统地展示了AI是如何在一代代游戏中被“驯化”和“塑形”的。

Demis Hassabis

谷歌DeepMind创始人

我们认为，只要你能高度自律地使用游戏，那么它们就是用于AI发展的完美训练场。

从2010年代开始，DeepMind的研究人员开始训练AI在不提供任何人类规则和策略的前提下，仅通过屏幕像素和分数反馈，自主学会雅达利游戏。后来，DeepMind先后推出了AlphaGo、AlphaStar，OpenAI使用AI Agent对战Dota 2，GTA 5被用来训练自动驾驶等等。几乎每一次AI关键的智能突破，都与游戏息息相关。

而当如今大模型的发展开始进入下半场，当前最前沿的世界模型和智能体的研究，也都仍然首先发生在游戏里。在2018年提出“世界模型”概念的这篇论文中，用以训练模型的环境，就是一个赛车游戏。

而到了现在，很多顶尖AI公司的世界模型的训练和应用落地也仍然发生在游戏场景中，其中包括谷歌发布的Genie 3，通过文本实时生成动态、可互动的游戏世界；李飞飞的World Labs，通过“空间智能”来重塑游戏开发和三维内容创作；腾讯的HunyuanWorld，实现一句话或一张图生成3D世界和支持实时交互与空间记忆等等。

而在训练AI Agent方面，早在2017年，腾讯AI Lab和王者荣耀团队合作推出的AI智能体“绝悟”，就已经能够击败职业团队。谷歌的SIMA 2，目的就是训练一个在不同3D游戏世界中都能得心应手的通用Agent。而xAI计划在2026年邀请全球顶级英雄联盟职业选手与Grok 5对战，试图在真实对抗中检验AI的智能极限。

所以，游戏为什么是最理想的AI训练场呢？我们可以把游戏想象成一个规则清晰的虚拟世界。在这里，任何动作都能获得及时的反馈，而且还能创造大量的训练数据。

换句话说，游戏之所以成为训练AI的理想场景，是因为它提供了一个可完全控制、可无限生成数据的虚拟世界，而这正是构建世界模型所需要的环境。

这也就自然引发了我们下一步的探讨：当AI在游戏这个训练场里学习了理解、规划和行动的能力之后，这些强大的能力，会在哪里被真正用起来？答案已经呼之欲出：还是游戏。

02 游戏：AI最理想的应用场景

随着AI发展进入到下半场，单纯把模型做得更大，已经不会再像过去那样带来立竿见影的突破，当下真正稀缺的是能让AI持续运行、不断试错、产生价值的真实应用场景和评估模式。而游戏，就是最理想的应用场景。

Chapter 2.1 重塑玩家体验

我们过去玩的游戏，很多体验都是被预设的：NPC的行为由脚本决定，剧情按照固定分支推进，世界的规则写在代码里。

而随着世界模型、Agent和多模态大模型能力的跃迁，AI正在让游戏体验发生一次根本性的变化，这种变化其实我们从最近全球的商业游戏中，都可以看见它的影子。

AI带来的改变，首先直接体现在游戏里的NPC上。比如瑞典独立团队Embark Studios在射击游戏Arc Raiders的开发过程中引入了AI NPC，让敌人能根据战斗情况做出更自然、有反馈的行为。网易在《燕云十六声》也大规模应用了智能NPC系统，让每个跟你擦身而过的NPC都有自己的生活。

此外，在一些游戏中，AI已经开始扮演起了助手和教练的角色。比如，在《王者荣耀》中，腾讯推出了“语音灵宝互动”功能，可以通过“灵宝，灵宝”唤醒AI进行互动或者下达指令，达成全场景语音操控。

还记得今年3月在GDC探展时，我们曾看到的王者荣耀AI教练（AI Coaching）系统——"王者指挥官"，现在已经成熟在游戏里应用，成为每个玩家真正可用的“AI教练”。

类似的用户体验提升探索，也出现在三角洲行动的AI语音助手CC和《英雄联盟手游》的智能助手系统中。它们能在对局中实时回答玩家关于地图、阵营和玩法的问题。

而AI除了让游戏体验更丰富了之外，更重要的是，它还正在跟游戏核心玩法进行深度融合。比如在《和平精英》里，腾讯推出了行业内首个具备AI智能语音识别能力的AI战犬布鲁斯。布鲁斯特殊的地方在于它并不只是简单的功能辅助，而是在战术竞技框架里新增了一个单元，让战犬不仅能听懂玩家的自然语言指令，完成承担牵制敌人、救援队友等重要任务，还能够对全局的策略和走向产生影响。

而如今AI不仅能够在游戏沉浸式教学、帮助玩家提升胜率，它甚至还可以为玩家提供很强的情绪价值。而这一点，正好对应了AI目前最缺失的一项能力。

Ilya Sutskever在最近一次采访中提出：人类的情绪，本质上是一种进化而来的“价值函数”，它为决策提供即时反馈，告诉我们什么值得继续、什么需要调整。

Ilya Sutskever

OpenAI联合创始人

Safe Superintelligence联合创始人

我认为人类本质上是半强化学习（semi-RL）的智能体。我们会追逐某一种“奖励”，而随着情绪或其他心理机制的变化，我们会对这种奖励感到厌倦，于是转而去追求另一种奖励。

当AI队友开始理解你的指令、配合你的节奏、给出及时反馈，它学到的已经不只是战术，而是在行为层面，对齐人类的价值与目标。

Chapter 2.2 升级游戏开发

说完了AI如何改变玩家的游戏体验，我们再来看看，AI是怎么改变游戏的开发过程的。

过去几年，由于大语言模型还是以文字为主，它在游戏开发上的应用主要局限在美术设计参考上。但随着AI多模态能力的爆发，AI则可以大幅降低创意门槛，将开发者的想法直接投射到宏大的游戏世界里。根据游戏工委最新发布的研究显示，AI目前在游戏研发中的应用率已经高达86.36%。

要实现这一点，离不开一个游戏开发里的核心工具：引擎。游戏引擎，本质上是一整套让虚拟世界运转起来的工具系统，不管是画面渲染、角色行动、光线反射，还是声音在3D空间中的传播，这些都由引擎统一管理。

今天市面上大多数大型游戏，并不是从零开始写代码，而是基于成熟的商业引擎来开发的。在2025年，AI带来的最大改变是，它能够直接参与编程、渲染、性能优化这些最底层的系统性工作。

在引擎内，AI首先改变的是开发过程本身，一些原本高度依赖工程经验的工作，都可以由AI辅助完成。比如微软在2025年就提出了“AI工厂”的概念：将Copilot、Copilot Studio、Foundry整合为智能流水线，让开发者从编写代码转向使用AI代理完成全流程任务。

更关键的一步，是AI开始进入引擎最核心的模块之一：渲染管线。渲染决定的是一个3D世界，如何被真实、高效地呈现在玩家屏幕上，而过去二三十年，这条管线几乎没有发生过根本变化。

2018年，英伟达推出了一个负责光线追踪的硬件模块，才让3D游戏世界里有了富有真实感的光照，这是渲染管线的第一次变化。第二次变化则是最近，2025年，由于AI底层硬件的发展，开发者得以在渲染过程中利用AI，再一次显著增强了画面的真实感。

李超

腾讯游戏前沿技术团队渲染负责人

2018年图灵架构显卡已集成AI模块，但受硬件隔离、图形标准限制，除DLSS外，AI算力始终未能更广泛用于实时渲染。2025年硬件厂商与标准组织同时发力，AI原生适配渲染管线，标志AI渲染“元年”的开启，其意义堪比2018年硬件光追模块的加入。

英伟达的DLSS，就是一项典型的AI渲染技术。它不再要求每一个像素都由传统方式计算，而是先低成本渲染，再由AI补全画面细节，从而实现更高帧率和更真实的视觉效果。

但它也有一个前提：显卡，尤其是最新的DLSS 4，高度依赖英伟达高端显卡中的AI加速单元，只能在特定硬件上完整运行。对于腾讯这样旗下有千万玩家的游戏厂商而言，更重要的是研究这些最新的AI技术如何能够在高端显卡以外，被运用在更多的游戏和设备里。

李超

腾讯游戏前沿技术团队渲染负责人

我们腾讯游戏引擎要做的是，怎么把这些只能高端卡用的（技术），结合管线优化，最后可以把这个模型做的更小、更轻量，能够让游戏在更多平台上，哪怕是在英伟达、AMD显卡上都能跑。

除了画面之外，腾讯团队也在尝试用AI提升空间音频的效果，让设计师能够快速在一个场景里面创建出类似于真实世界物理空间的混响。

上述提到的是AI进入引擎内部，画面怎么渲染、声音怎么呈现，但在真正的游戏生产中，还有更长、也更消耗人力的一段流程，发生在引擎之外。

在进入引擎之前，一个游戏世界所需要的几乎所有资产：3D模型、贴图、材质、动画、光照方案，都要先在各种DCC软件中被制作出来，再导入引擎进行整合，这些就是所谓的“引擎外”。

而引擎外AI的目标，其实非常明确：解决那些机械、重复、但又不可或缺的工作。它不是要替代美术设计或者创意，而是把设计师从大量体力活中解放出来。

其中，腾讯游戏推出的VISVISE，就是这样一套面向游戏生产力的工具体系。在VISVISE的流程中，设计师可以让AI助力完成耗时且重复性的工作，再由人类进行最后的修复和打磨，节省“从零开始”所需要的时间。

目前，VISVISE中最成熟、应用最广的，是智能蒙皮和动画制作。以蒙皮为例：这是一个几乎不产生创意，但极其耗时的环节。过去，一个相对简单的角色蒙皮，可能需要3到5天；而通过AI自动计算权重和系数，效率最高可以提升8倍，两个小时左右就能完成。

03 游戏与AI的伴生式进化

回看AI的发展历史，会发现一个反复出现的规律：几乎每一次AI技术的关键跃迁，都首先发生在游戏世界里。游戏可以说是AI最理想的训练场：规则清晰、反馈即时、可以无限试错。

与此同时，AI的进化也在反过来重塑游戏：一方面，是游戏内的AI（AI in game）：更智能的队友、更自然的NPC、更个性化的互动体验；另一方面，是游戏开发中的AI（AI for game）：更高效的开发流程、更宏大的世界、更低的创作门槛。

不过我们也注意到，在当前市面上的游戏中，似乎还没有出现一个像ChatGPT一样的AI杀手级应用，这背后原因，可能跟游戏和AI之间“错位关系”有关。

最强的AI公司们，它们有最强的模型和充足的算力，但却缺少游戏真正落地的“实战场景”。而手握着大量用户和游戏IP的传统厂商们，又缺少对最前沿AI技术的理解力和掌控力，进而导致真正匹配这轮AI能力跃迁的游戏形态还没有出现。

在当前的游戏AI应用落地中，我们看到腾讯之所以能做出很多前沿探索，可能就是因为它站在了中间地带。一方面腾讯拥有着强大的AI技术储备、手握着开源大模型混元系列，另一方面又坐拥着《王者荣耀》、《和平精英》等一大批顶级IP和最活跃的游戏生态。

而除了像腾讯这种拥有先天优势的厂商之外，我们也注意到一个非常明显趋势：无论是顶尖的AI实验室，还是传统游戏公司，都开始更加重视游戏和AI的融合。Demis Hassabis在最新的采访中也明确表示，他未来一定会做的一个事情，就是将通用AI技术重新应用在游戏中，最终创造出终极游戏。

Demis Hassabis

谷歌DeepMind创始人

还有一件我一直非常想做、而且迟早一定会去做的事：就是把这一切再应用回游戏和游戏模拟中，去创造终极形态的游戏。而说到底，这或许一直都是我潜意识里的计划。

这些或许都意味着，游戏与AI从来不是“工具与应用”的关系，而是一种相互塑造、共同进化的关系。

在不久的未来，游戏甚至会成为一个让人类学习如何与AI共处、共创、共决策的空间。就像在AI诞生之初，正是游戏，孵化了今天的人工智能技术一样。你对未来的游戏有什么期待？欢迎在评论区和我们互动。