AI工具选型别看榜单:游戏团队采购前该验的四件事

鼬游白书 · 第 032 期 · 方法论

榜单告诉你谁跑得最快，合同告诉你谁能陪你跑到上线。

你们团队上一次拍板选一个 AI 工具，依据是什么？

是某个榜单上的排名，是行业群里刷屏的那个名字，还是销售发来的那张打满对勾的对比表？

这三样东西有个共同点——它们都不是你签字之后真正要承担的那部分风险。

AI 工具采购翻车，很少是因为「选了个能力不行的模型」。翻车大多发生在合同生效之后：工具方的版权赔付不覆盖你的用法、你上传的项目资产在条款上可以被留存、你把管线绑死的那个模型三个月后停服。

这些都不在榜单里。但它们全部写在公开材料上，采购前几个小时就能查完。

以下四件事，按顺序验。

第一件事：查备案编号，比查榜单排名重要得多

在国内，AI 工具采购的第一道门槛不在技术层，在一个公开网站上。

按《生成式人工智能服务管理暂行办法》，面向境内公众提供生成式 AI 服务须完成备案，国家网信办定期公示名单。截至 2025 年 12 月 31 日，累计 748 款生成式 AI 服务完成备案；到 2026 年 4 月 30 日，这个数字是 868 款。

真正值得注意的，是名单旁边那个总被略过的数字——备案和登记，是两件事。

直接提供服务的，在国家网信办「备案」；通过 API 接口或其他方式调用已备案模型能力的应用或功能，由地方网信办「登记」。截至 2025 年底，完成登记的应用与功能是 435 款。

这意味着市面上大量「AI 创作平台」本身并没有模型，它是别人模型的壳。它手里拿的是登记，不是备案。

两者的合规重量并不相同，但在销售话术里，往往被合并成一句「我们是合规的」。

所以采购动作只有一个：让供应商直接给编号，你自己上算法备案系统核一遍。查得到、备案主体名和签合同的主体对得上，这一关才算过。

查不到，后面三件事都不必验了。

第二件事：榜单测的是峰值，你的生产管线要的是方差

榜单从来不回答你真正关心的那个问题。

2025 年 4 月，Cohere Labs 与 AI2、普林斯顿、斯坦福、滑铁卢、华盛顿大学的研究者发布了一篇 68 页论文《The Leaderboard Illusion》（arXiv:2504.20879），指出主流对战式榜单存在系统性失衡：有厂商在公开一个模型之前，私下测了 27 个变体，最后只把成绩最好的那个推上榜；闭源模型拿到的对战数据份额在 54.3% 到 70.1% 之间，明显高于开源模型。

这篇论文本身有争议，榜单方也有公开回应。但即便把争议部分全部剔除，仍有一个结构性事实站得住——

榜单记录的是「最好的那一次」，而你的生产成本，由「最差的那一次」决定。

做过 CG 和过场的团队都懂这笔账。我们在第 015 期算过抽卡率：一个镜头出 8 版挑 1 版，和出 3 版挑 1 版，工具单价看着一样，工时差三倍。榜单上那 0.3 分的领先，抵不过一次跨镜头角色崩脸带来的返工。

所以评估对象要换。不要看它最好能做成什么样，要看它最差会做成什么样，以及最差出现得有多频繁。

具体怎么换，第四节给判据。

第三件事：版权赔付有排除项，排除的恰好是游戏管线的用法

「商用安全」是这两年 AI 工具最好卖的一个词。

它不是空话——主流厂商确实把版权赔付写进了企业条款。Adobe 对符合条件的企业方案，为 Firefly 生成内容提供知识产权赔付；微软的 Copilot Copyright Commitment 承诺，为客户因使用其 AI 产品输出而面临的第三方版权主张兜底。

但承诺的边界，写在那份你不会读完的 PDF 里。

以 Adobe 公开的企业条款为例：标注为 beta 或 trial 的功能不在赔付范围；通过第三方集成或 API 封装方式使用的，同样不适用。微软那份承诺也设了前提——客户不得绕过产品内置的内容过滤与安全护栏。

把这几条排除项，放到游戏生产的真实用法上对一遍，问题就浮出来了。

游戏团队用 AI，几乎不是坐在官方网页里一张张点生成。是 API 批量调用，是接进自己的管线，是用垫图锁风格，是抢先试用那些还挂着 beta 标的新功能。

这几种用法，恰好落在赔付覆盖之外。

所以别问「这个工具能不能商用」。要问三个具体问题，而且要对方书面答复：

1、通过 API 调用产生的内容，是否在赔付范围内？

2、我上传参考图（垫图、风格参考）之后，输出内容的责任归谁？

3、赔付有没有金额上限，上限是多少？

第 2 条尤其要问死。垫图是游戏美术锁风格的常规手法，一旦输入端引入了你没有权利的素材，责任怎么划分各家写法不一——不能靠推测，必须让对方白纸黑字回一句。

法律同行给的方向也一致：向第三方采购 AI 工具时，除核查其模型数据来源与授权外，还应在采购合同中对交付工具的侵权责任划分作出约定（德恒律师事务所公开文章）。

第四件事：你选的那个模型有报废日期，最短的只剩一个月

这是整个行业最容易忽略的一件事：采购 AI 能力不是买断，是租一段正在倒计时的东西。

翻一下 OpenAI 官方的 Deprecations 页面就明白了。GPT-4、GPT-3.5 Turbo、o1、o1-pro、o3-mini 的关停日期都是 2026 年 10 月 23 日；Assistants API 已于 2026 年 8 月 26 日完全关闭；o3 的 2025-04-16 快照走到 12 月 11 日；whisper-1 等转写模型撑到 2027 年 2 月 26 日。

按今天算，一批 2023 到 2025 年间搭起来的管线，离它依赖的那个模型名失效，只剩一个月。

停服其实还算好事——至少有公告、有日期、有缓冲期。真正麻烦的是另一种情况：模型换了，名字没换。

供应商在一个稳定别名后面替换底层模型，接口照样返回成功，不报任何错。但风格漂了、构图习惯变了、原来稳定能过的 prompt 开始出奇怪的东西。这类回归不会出现在任何日志里，只会出现在美术的返工单上。

对应地，采购时要确认三件事：

一是能不能锁版本——供应商是否提供带日期的模型快照，而不是只给一个滚动别名。

二是停服提前多久通知——注意有些模型只给 30 天缓冲。

三是历史产出与工程文件能不能完整导出——包括素材、你训的风格模型、你积累的 prompt 资产。

还有一条最容易漏：「不用于训练」和「不留存」，是两件事。

供应商同意不拿你的输入去训模型，不等于它不在服务器上存你的输入，这两条要在合同里分开写。更要注意，套壳工具适用的是套壳方的条款，不是它底层那家大模型公司的条款——你以为签的是甲，实际约束你的是乙。

四问判据：AI 工具采购按这个顺序验，任一不过就别往下走

前面四件事，落成可以直接拿去用的流程：

第一问 · 合规：要备案或登记编号，自己上算法备案系统核，核对备案主体与合同主体是否一致。

第二问 · 退出：能不能锁版本？停服提前几天通知？产出与工程文件能不能全量导出？

第三问 · 责任：API 调用、垫图输入、赔付上限——三个问题要书面答复。

第四问 · 方差：不看 demo，做 pilot。用你自己项目里的真实素材，同一组需求跑 20 次，只看最差的那三次，记返工工时。

执行顺序别搞反。第一、第二问是否决项，都是查资料和发邮件，半天能做完；第三、第四问要花钱花时间。先做便宜的那两项，能砍掉大半候选。

我们见过反着做的团队：兴冲冲先花两周做 pilot，效果还不错，进到合同阶段才发现对方拿不出备案编号，两周白做。

止损线也给一条：pilot 跑过两周还定不下来，答案通常不是「再调调」，而是这个工具不适合你现在这条管线。适配性在前三天就会暴露，后面十天大多是沉没成本在替你说话。

工具会过期，判断不会。

这四件事，没有一件需要你懂模型原理。它们全是公开信息加几封邮件的事——备案系统是公开的，厂商条款是公开的，停服日期是官方自己挂出来的。

真正难的不是查，是把「选工具」从一次技术判断，还原成一次采购判断。榜单服务的是眼球，合同服务的是你上线那天的交付，这两件事从来不是一回事。

AI 工具还会继续迭代，明年此时榜单前三名大概率全换一轮。但只要你的验收标准是「合规、可退出、责任清晰、方差可控」，换谁上榜，都不影响你签字的那只手。

下一期我们聊存量项目——把 AI 塞进一个已经跑了两年的老项目，该从哪个环节动刀，止损线又该画在哪。

《鼬游白书》· 服务游戏公司决策者与投资人的 AI 时代行业观察。关注我们，下一篇继续。