AI 游戏的漫漫长夜:2026 AI 游戏观察、困境与展望【AI 冰博克】| EP 004

点击上方图片收听完整节目

或点击文章底部阅读原文 在 小宇宙FM 订阅「AI 冰博克」

#👋 EP4｜ AI 游戏的漫漫长夜：2026 AI 游戏观察、困境与展望

本期简介

从给 AI 恋综嘉宾调换信件，到让自己召唤的角色“赛博斗蛐蛐”，再到把少女乐队的共同回忆写成一首歌，我们最近终于玩到了一批长得很不一样的 AI 游戏。

从游机会、ChinaJoy 的试玩经历聊起，看看这些作品的新鲜感究竟来自哪里。这些游戏体验也引出了一些尖锐的问题：什么才算 AI 原生游戏？AI 游戏的设计困境，是否其实不需要 AI 实时参与游戏？是不是预先用 AI 生成内容，生产效率以及最后的收益反而更好？一款 15分钟的 Demo 好玩，有任何意义吗？模型越来越聪明、内容越来越多，玩家就一定能获得更好的体验吗？我们也现场打开了 Astrocade，一边讨论“游戏版短视频”能否留住人。

当我们在玩AI游戏的时候，我们在玩什么？《Screeps》 提供了另一个方向：玩家提出策略，让 AI 把意图写成代码，放进一个持续运行的世界里。最后还有一些创作中的实际尝试。AI 能做的事情越来越多，游戏设计和人的判断会变得怎样，是所有人接下来需要面对的问题。

SHOW NOTES

章节目录

00:00开场

1 引入 - 大家最近体验的 AI游戏

01:24我的恋综超失控：当导演，给 AI 嘉宾制造一点混乱

06:57混想局：从赛博斗蛐蛐聊到角色生成与技能融合

10:33生成背后的工作流、限制与成本

14:39言灵计划：新鲜感过去之后，还想再玩吗

17:09共鸣计划：一首歌为什么能成为自己的回忆

26:48就“宠”他吧：小目标，也能有派对游戏的乐趣

2 AI 游戏的定义

29:45什么是 AI 游戏，什么是 AI 原生游戏 - 坐标轴1

35:02AI 游戏 用的是什么智能程度的 AI，与玩家觉得它有多聪明 - 坐标轴2

3 AI 游戏的困境

39:34游戏真的需要实时 AI 吗？

45:58从好玩的 Demo 到长线体验：设计系统的能力

54:13模型更强，游戏会更好玩吗？AI游戏的熵增与熵减

4 当我们在玩AI游戏的时候，我们在玩什么？

57:05Astrocade：无限小游戏与有限的注意力

01:06:20玩家是在学习游戏，还是在掌握使用模型

01:09:22Screeps：玩家传达意图，AI 编写行动逻辑

5 其他

01:15:17创作里的惊喜：工具、建模与 zine skill

01:18:15从策划文档到网页原型，再到游戏引擎

6 下期内容

01:21:39还没聊完的边界、效率与下期预告

OPENING

01 · 开场：为什么现在聊 AI 游戏

Bowen： 哈喽，大家好，欢迎再次回到 AI 冰博克。AI 冰博克，浓缩 AI 在游戏和产品中的前沿应用。我是 Bowen。

Eric： 我是 Eric。

Jack： 我是 Jack。

Bowen： 今天继续由我们三位和大家一起聊聊，本期的主题是 AI 游戏。

Jack： 终于聊到这个话题了，大家应该都期待很久了。

Bowen： 现在聊 AI 游戏，时机也正合适。眼下是八月初，过去两周，我们分别参加了游机会和 ChinaJoy。

Jack： 大家在展会上试玩了一些 AI 游戏，这段时间也各自尝试用 AI 做些小项目，积累了不少思考和观点，正好在这期节目里交流、讨论。

不如先从上周的展会聊起，我来抛个话题。

Bowen： 先分享一下，大家在展会上玩过或见过哪些 AI 游戏吧。

Jack： 对，要不从你先开始。

《我的恋综超失控》：当一次恋综导演

— 《我的恋综超失控》是一款 AI 驱动的恋综导演模拟游戏。玩家扮演恋综导演，挑选 AI 嘉宾、安排互动，并通过调换信件、修改内容和剪辑对话影响人物关系。游戏的核心乐趣是导演怎样通过这些操作制造节目效果。

玩家不是直接操控角色，而是通过对话、规则与场景条件去间接影响AI对局势的判断，观察关系和冲突如何涌现。

Bowen： 对我来说，最值得一提的是终于玩到了期待已久的《我的恋综超失控》。

Jack： 这是款什么样的游戏呢？

Bowen： 我很早就听 Jack 介绍过这款游戏。玩家扮演导播，把不同的 AI 嘉宾聚到同一档节目里，为他们安排各种事件，再通过摄像头拍摄他们。你要设法让录制现场变得更加混乱，从中制造节目效果。

这个形式很新颖。我觉得 AI 带来的随机性和不确定性，与恋综题材非常贴合。

Jack： 当初最吸引我的，就是让玩家扮演恋综导演。恋综本身就带有游戏化的特点，会通过不同环节增进嘉宾之间的感情。

它的话题性也很强，大家喜欢关注每一期嘉宾之间发生了什么。从游戏选题来看，这个方向既新颖，又有观众熟悉、喜爱的娱乐形式作为基础。所以我们上周五专门去体验了一下。

Bowen： 对，是的。

Eric： 综艺本来就很注重“整活”，可能也更适合发挥 AI 的涌现式玩法。

Bowen： 是的。如果只用传统游戏机制来做，限制可能会比较多：意外情况有限，人物关系和剧情走向也容易显得刻板。

引入 AI 之后，拍摄恋综这件事就有了不一样的变化。这个题材也让我们看到了 AI 游戏在体验上的新可能。

Jack： Bowen，我很好奇，你上周五试玩时，具体觉得 AI 让哪些地方更好玩了？能不能先介绍一下整体流程，再讲讲 AI 在其中发挥了什么作用？

Bowen： 可以。首先，你要从候选人中挑选一些有话题性的选手，每个选手其实都是一个 Agent。选好之后，就可以安排他们进入节目。

你可以选两男两女、一男三女，也可以全部选男性或女性。人物还有一些特殊标签，比如深柜、拉拉等。这些设定从一开始就增加了话题的趣味性，也为后续互动带来不同的可能。

进入节目后，大家先在大厅互相认识。随后，作为导播，你可以把他们安排到不同房间，进行一对一交流，让对话逐渐深入，建立更多情感联系。

游戏也预设了一些环节，比如让 A 给 B 写信、B 给 C 写信。你可以更改发件人和收件人，也可以涂改信里的文字，改变整封信的含义。

Jack： 就是扮演“邪恶的导演组”，影响大家的心动对象。（笑）

Bowen： 对，给大家调换信。这很有意思：通过游戏机制修改 AI 生成的内容，就能把话题引向完全不同的方向。

这种玩法也抓住了人们爱看八卦的心理。你可以出于善意撮合一对，也可以故意拆散别人。人们做起这种“坏事”，总是不嫌累的。

还有一些有趣的设定，比如导演组可以偷听选手在房间里的聊天。你听到的是一些零碎的词句，可以把它们重新拼接，做成“恶剪”。

节目应该是按天推进的。我们玩到第一天结束时，有选手来找导演聊天，说自己不想继续录了，想要离开。这个环节有点像当天的收尾和总结。

Jack： 对。

Bowen： 我们体验到的内容大致就是这些。整体流程很新颖，也很有创意，第一次玩确实让人眼前一亮。

当然也有一些美中不足。我们觉得它还有很大的潜力，只是目前尚未完全发挥出来。这部分或许可以……

Jack： 我们可以接下来再聊。

Bowen： 对，稍后再展开。Jack，你在展会上还玩到了什么？我看你从 ChinaJoy 回来时，带了一本小册子。

《混想局》：生成只是开始，AI 如何进入游戏循环

— 《混想局》是一款把 AI 角色生成与自走棋对战结合起来的游戏：玩家生成独特技能、武器与战斗特质，再参加武斗大会，与其他玩家的角色交手。角色将会在多次战斗中，由 AI 塑造变化和成长。

Jack： 对，ChinaJoy 的 N2 展馆有一个专门的 AI 游戏展区，大概展示了 70 款游戏。这本册子就是它们的集章册。我没有全部玩完，只体验了其中十几款。

其中有几款作品让我印象不错，想和大家分享。先说《混想局》，它应该已经在 Steam 上推出了 Demo。玩法采用自走棋的形式，最初的构想是用 AI 做一场“电子斗蛐蛐”。

Jack： 比如你生成关公，我生成另一位历史人物，然后看他们交手。所谓“赛博斗蛐蛐”，具体就是通过自走棋对战来呈现。

进入游戏后，你先借助 AI 生成自己的角色，再带着角色参加武斗大会，与其他玩家的角色进行 PvP 对战。

AI 主要用在角色生成上，包括角色外观。我觉得他们搭建了一套比较完善的生成框架：先由美术团队绘制人物素材，再用这些素材训练模型。因此，生成角色与游戏原有的美术风格很一致，这一点做得不错。

除了外观，AI 也会生成人物的初始技能，但同样受到框架限制。比如先有一个技能库，AI 从中选择与人物匹配的技能，再调整部分数值，作为角色的初始配置。

Bowen： 也就是说，生成过程受到框架的约束。

Jack： 对，并不是完全自由地生成。

我更好奇、也更看好的是他们计划加入的角色融合：打败对手后，可以把对方的角色融合进自己的角色，让对手的技能转化为自己的技能。

这个过程可能会带来涌现，也有 AI 进一步介入的空间。比如对方是草系角色，我是火系角色，融合技能时，视觉特效和实际效果会不会随之发生变化，而不只是直接把技能搬过来？

我很想看看最终会做成什么样。因为这样一来，AI 就真正参与了后续的游戏循环，而不只是开局生成一个角色，之后便失去作用。

Bowen： 这才有涌现的感觉：A 与 B 结合，产生一个新的东西，而不只是单独生成内容。

Jack： 单纯的生成能力已经不稀奇了。如果生成之后，在大部分游玩时间里都没有进一步的用途，它对整体体验的提升可能就比较有限。

Bowen： 我补充一点。我看了《混想局》的一篇采访，也觉得他们的工作流很有意思：生成的不只是静态角色图片，还包括 Spine 动画。

生成结果应该是一张大贴图，手等部位会单独拆分出来，再按照既定框架完成骨骼绑定。感觉他们已经建立了比较完整的AI 制作、处理流程，而不是拿一张生成图片直接放进游戏。

Eric： 我关心两个问题：这些生成具体是怎么实现的，成本又如何分摊？是把小语言模型或更大的开源模型部署在本地，还是把所有请求都发送到服务器？如果依赖在线生成，按现在的 token 计费方式，要怎样控制成本？

Bowen： 先说实现方式。我的理解是，他们可能会准备基础图和参考图，其中包含骨骼信息，再通过 ComfyUI 或 ControlNet 等工具构建完整流程，把骨骼信息映射过去，保证整体结构不会出错。

原理说起来不复杂，但把流程打磨好，应该需要花很多功夫。看过 CJ 这本册子里的项目后，我觉得《混想局》算是比较成熟的一款。它形成了一定的技术壁垒，其他项目很难只靠 AI 生图就轻易复刻。

成本方面，我们后面也准备了相关问题。那天简单了解了一下，他们并不是所有内容都依赖 AI 实时生成，也会使用既定模板。只有生成一些新角色时，才会调用在线图片生成。

他们还提到，会在本地运行小模型，完成简单的游戏内文字生成。部分文字和选项也可能提前准备好，并非全部由 AI 当场生成。

Jack： 我试玩时，第一个角色是用 AI 生成的，后面则会引导我尝试其他方式，比如从男性、女性、战士、法师等预设选项中进行选择。

我猜他们可能还有一个标准角色库，里面存放着大量预设角色，供玩家抽选。这两种方式按一定比例混合，就不必让每个角色都从零生成。这是我个人的体验和判断。

Eric： 到了 2026 年，我们已经能看到很多 AI 游戏的尝试，网上也不乏有趣的作品，但真正走向大规模发售的仍然很少。我觉得成本和工作流可能是主要原因。

像 Jack 刚才提到的混合生成方式，就是一种比较巧妙的处理。增加限制、提供模板，或者以已有内容的融合为主，就可以用小语言模型搭配 Stable Diffusion，再结合程序化加工，显著降低成本和等待时间。

Eric： 相比之下，无论是为用户生成全新剧情，还是让用户自己创造剧情，可能都需要能力更强的大语言模型，才能取得理想效果。

Eric： 如果主要做拼接和融合，处理起来可能就容易得多。

Bowen： 它也让我想到 2024 年的《言灵计划》，有点像《言灵计划》的 Pro Max 版。

Eric： 说到生成角色，我也想到了《言灵计划》。

— 《言灵计划》

玩家用 AI 生成精灵、技能和图片，再让精灵对战、成长；AI 还参与战斗结果的判断。

Jack： 《言灵计划》是一款什么样的游戏？

Bowen： 简单来说，先用 AI 生成精灵、技能，以及对应的图片，再与其他玩家的精灵对战，战斗结果会影响精灵升级。

我印象中，《言灵计划》的决策也全部交给 AI。比如 A 的技能攻击 B 的精灵会有什么结果、双方谁会赢，都由它来判断。但当时的 AI 技术还没有那么成熟。

Bowen： 智能水平还没有现在这么高。

Jack： 也就是说，内容生成和战斗决策都依赖 AI？那实际效果怎么样？

Bowen： 当时的体验比较混沌，第一次玩可能觉得有趣，但之后……

Jack： 这也是我体验这些游戏时常有的疑问：一开始觉得好玩，究竟是因为第一次见到，还是因为它本身有让人持续投入的吸引力？这其实是两种不同的体验。

有些作品只是带来新奇感，在最初一个小时里体验很好，但到了第二天，我可能就不想再打开了。

当然，怎样让玩家持续玩下去，是所有游戏都需要考虑的问题。我们可以稍后再展开。

Bowen： 对，可以进一步聊聊 AI 游戏的复玩性，以及 AI 到底是核心机制，还是一种内容输出形式。

Jack： 我们先接着介绍其他游戏。

Bowen： 这本册子简直是国内 AI 游戏的集大成者。

Jack： 是的，之前见过的作品基本都来了，也有不少新面孔。

Eric： 中国 AI 游戏大逃杀。

《共鸣计划》：共同经历，怎样变成“独属于我的作品”

— 《共鸣计划》

一款少女乐队养成游戏。玩家招募成员、一起活动和经历剧情，再把共同记忆用于生成歌曲。歌曲是游玩过程最后留下的作品。

Jack： 接下来介绍一款 AI 原生的少女乐队养成游戏，《共鸣计划》，也叫 Resonance。我体验了它的 Demo 流程。

乐队由四位少女组成，其中主角是无法自定义的预设角色，另外三位可以招募。招募就是 AI 生成的过程：你描述想要什么样的成员，它便生成对应的立绘、性格和 MBTI 等设定。整体画风统一，属于二次元风格。

你可以带着她们去城市的不同地点，触发剧情或练习乐器。游戏有一张类似《女神异闻录》的城市地图，比如周五晚上，你可以选择去公园练吉他。

Bowen： 这样会触发什么？比如解锁一个“周五晚练吉他”的事件？

Jack： 可能会触发一些剧情，细节我有些忘了。它有明确的故事主线，并不是一个以反复游玩为主要形式的游戏。

每去一个地方，游戏也会把经历记录成一段记忆。比如记录下“周五晚上在公园练琴”。此外，它还穿插了一些小游戏，用来丰富玩法。

Bowen： 对，我觉得这很关键。

Jack： 最终的目标是写歌。既然是少女乐队，她们需要有自己的原创歌曲，之后还可以出道。

写歌时，游戏会调用此前积累的记忆。开始创作后，会弹出一个记忆面板。还是刚才的例子，你选中“周五晚上在公园练吉他”这段经历，系统就会据此生成歌曲。

这样，你去过的地方、经历过的事情，就真正成为了创作的输入。

Eric： 创作时可以自己输入提示词吗？还是只能选择已有经历，再由系统加工？

Jack： 这个有点忘了。

Jack： 但我记得很清楚，可以选择记忆来生成对应的歌曲。生成大概要 3 到 5 分钟，等待期间可以玩小游戏。招募成员的生成过程也比较久，同样可以用小游戏填补这段时间。

这个设计很关键。我玩很多 AI 游戏时，都不得不停下来等它生成或处理内容，而小游戏让这段等待不再那么空白。

我觉得它的整体流程比较完整，AI 也很好地服务于世界观和剧情。从乐队组建、成员磨合到最终作品，AI 都参与其中：生成招募成员，把共同回忆变成自拍等图片，最后再生成歌曲。我记得还有演出的环节。

Bowen： 听起来，一般的 AI 生成内容可能只是一个形象，你和它没有太多情感联系。而这个游戏通过一系列共同经历，让你和招募的成员建立了羁绊。

Jack： 对，我会真的觉得，这首歌是我自己创作出来的。虽然投入的精力不在写歌本身，但作为创作基础的那些回忆，都是我亲自触发的，所以会有一种创作归属感。

这首歌是我这段游玩经历的总结，也是一个成果。它与之前体验过的很多 AI 游戏不同，带来的是独特的长线体验，而不只是新奇感。

Jack： 我会把它看作自己投入了那么多游戏时间后，最终沉淀下来的作品。

Bowen： 这很关键。它强调的可能不是复玩性，而是一次完整的长线体验。即使只玩一次，只要这段足够长的过程有意义，我就真正通过 AI 创造了属于自己的回忆。

Jack： 我觉得这种体验很独特。

Bowen： 我也想玩。

Eric： 同样是在游戏中创作，把它和在 Minecraft 里造房子、用红石搭系统，或者在 Roblox 里做小游戏相比，成就感有什么不同？AI 在其中起到了怎样的作用？

Jack： 我暂时给不出特别明确的答案，但我觉得 AI 很好地融入了少女乐队这个设定。与 Minecraft 不同，它有更复杂的世界观和背景。

少女乐队需要你代入一个非常具体的情境，不像 Minecraft 那样简单。

在这个情境中，AI 生成的音乐承载了很多记忆和情感。它不同于打开一款新的写歌软件，尝试“写一首某种风格的歌”。

它更接近于：我经历了一些事情，因此想把这些经历写成一首歌。背后浓缩的是复杂的情感，所以与单纯造出一座房子的体验不一样。

Bowen： 我的感觉是，在 Minecraft 里造房子，成就感更多来自结果：我把房子建出来了，它足够精致、漂亮，这些会给我正反馈。

而这里的歌曲只是整个过程的产物，重点在于之前的经历。它像一张胜利结算画面，让我能回顾一路发生的事情。

这可能也是它与写歌软件的区别。写歌软件更像一个产品，重要的是最终写出了什么，过程只是达成结果的手段；游戏则更看重这段过程本身带来的体验。

Eric： 所以，AI 的作用是让表达和最终成果更加细腻。仅靠程序生成或逻辑拼接，可能很难把这些经历自然地融合成一首歌，也很难做到如此贴近个人感受。

Jack： 我觉得 AI 能把复杂的系统和信息整合起来，像打成一个压缩包，再以某种形式呈现。这可能是传统游戏很难做到的。

生活中的许多 AI 应用也是如此：吸收网络上的信息和我们提供的内容，再转化成更容易理解的形式。

这种整合能力可能就是 AI 独特的魅力。它内部那个复杂的“黑盒”，以及由此产生结果的方式，是以往技术很难模拟的。

Eric： 说得好，有道理。

《就“宠”他吧》：围绕语言互动，也能形成明确的迷你AI游戏

Jack： 再介绍一款比较轻松的游戏，叫《就“宠”他吧》，主打 AI 语言互动。

它是双人对抗游戏，提供不同的情景供玩家选择。我当时玩的是“华强买瓜”，屏幕上会呈现相应场景，由 AI 扮演卖瓜的老板。

两位玩家各有一个目标词，要通过和老板对话，让它说出自己的关键词，比谁更快成功，有点像“不要做挑战”。

我觉得它很好玩：通过语音引导 AI 说出特定内容，达成一个明确目标，构成轻松的派对体验。展区里其实有不少这样的尝试，成本不高，规模也小，但很有趣。

Eric： 这个机制和之前的《一千零一夜》比较像。

— 《一千零一夜》

在生成式AI出现早期的 demo作品，玩家需要为国王编造一个又一个的精彩故事，诱导他说出有关武器的话语，触发对应的关键词，获得武器，最终通过武器打败国王。

Jack： 对。从刚才这几款游戏中，我感觉能看出 AI 游戏的一些发展脉络。

比较早的形式，是围绕“与 AI 对话”完成目标，比如让它说出某个关键词，或者产生特定效果。

随着多模态能力发展，游戏的输入和输出也更加丰富。像《混想局》和少女乐队，已经不限于文字，还可以生成图片、视频和音乐。

Bowen： 《我的恋综超失控》则又往前走了一步。你不再直接用文字规定 AI 要生成什么，而是通过决策，影响这个模拟世界里几个 AI 角色的互动和行为。

Jack： 这也是我稍后想讨论的方向。

Bowen： 我们已经聊了不少不同类型的游戏。

Jack： 对，这几款我都挺喜欢。接下来可以进入一些更尖锐的话题，认真辩论一下 AI 游戏了。

SECTION DEFINITION

02 · AI 游戏的定义

Bowen： 不妨先从几个需要厘清的基本问题开始：什么是 AI 游戏，我们为什么要关注它？

后一个问题又可以分成两层：为什么关注 AI 游戏，而不是普通游戏？为什么关注的是游戏，而不是采用游戏化设计的 AI 产品，也就是 AI gamification product？

Bowen： 先从定义开始吧，什么叫 AI 游戏？

Jack： 好的。

Eric： Jack ，你觉得什么样的游戏才叫 AI 游戏？

Jack： 这其实是我一直不太想回答的问题。一个是“什么叫 AI 游戏”，另一个更难回答的是“什么叫 AI 原生游戏”。

每个人对“AI 原生”的理解都不一样，我也很难给出明确答案。不过通常可以把 AI 游戏放在一条坐标轴上，最右侧是 AI 原生游戏。

常见的说法是：AI 实际参与了游戏系统，移除 AI，游戏就无法成立。但这里依然有很多可争论的标准，怎样算“移除 AI”，怎样判断游戏“还能不能玩”？这些边界并不清楚。

往左一些，是 AI 增强游戏。它本身已经有一套玩法，再加入 AI NPC 等功能，改善原有体验。很多大厂可能更倾向这个方向，因为它们的长青游戏已经很成功了。

Bowen： 所以他们会考虑，怎样在原有基础上……

Jack： 再加入 AI 功能，进一步提升游戏数据。这可能才是他们更关注的方向。

Bowen： 再往左呢？

Jack： 再往左是什么？

Bowen： 再往左是没有 AI，还是……

Eric： 比如预先写好的固定逻辑。

Bowen： 或者有 AI，但它与游戏本体关联不大？

Jack： 我觉得这些边界都很模糊。之所以很难回答，是因为还没有一款标志性的作品出现，讨论缺少一个共同参照。

假如出现一款所有人都认同的 AI 原生游戏，概念就容易解释了。但现在大家还在探索，理解各不相同，也难免有人出于自身利益，让定义更有利于……

Bowen： 自己的游戏。现在还是黎明前的黑暗。

Jack： 不知道你们怎么看？

Bowen： 我来把刚才的坐标轴再细化一下。

Bowen： 虽然目前没有明确共识，但可以先分成两个方向。第一种是“AI 作为游戏核心机制”：玩家的决策、策略和挑战都与 AI 有关。移除 AI，原本的一些挑战就不成立了。这可能更接近大多数人对 AI 原生游戏的理解。

另一种是“AI 作为游戏的输出形式”。AI 不负责关键决策，或者它的模块相对独立。拿掉这部分，游戏仍然可以运作，更接近刚才说的增强游戏。

比如《星布谷地》二测时，茶馆里有一个带记忆的 NPC。你可以直接输入文字，也可以通过选项与它交谈，得到不同反馈，但这些互动不会真正影响游戏进程。这就更偏向 AI 增强。

— 星布谷地

Bowen： 很少有 AI 独立游戏愿意说，AI 只是它的一种输出形式，但实际采用这种方式的并不少，也有成功的例子。有些功能类似 Character.AI——虽然它本身不是游戏——被放进游戏后就能发挥作用。不过，也有不少人把这样的功能包装成核心机制。

Jack： 对，这之间的界限很模糊。

— 图 1｜AI 在游戏中介入的程度。

Bowen： 这又引出了另一个问题：AI 游戏真的需要 AI 吗？我们稍后再聊，先回到定义。Eric，你怎么看？

Eric： 我想跳出这条坐标轴，提出两种不同的判断方式。

第一种，先回到 AI 本身的定义。这个概念已经存在几十年，甚至可能上百年了。但对于近几年兴起的 AI，我们可以暂时作一个狭义划分：以 Transformer 架构为核心，把它称作“新 AI”，或者“真正的 AI”。

这包括大语言模型，也包括图片生成模型。以前有些图像模型采用卷积神经网络或 GAN，后来也逐渐转向 Transformer。如果把这一路线与非 Transformer 的机器学习、行为树等区分开，就可以定义为：只要采用了大语言模型、小语言模型或其他 Transformer 模型，就算 AI 游戏。这是一种比较严格、偏教科书式的划分。

第二种则从玩家感受出发。我更倾向于把能让玩家感受到较高智能、拥有高度定制空间的游戏，看作 AI 游戏。

Eric： 比如刚才提到的、在 ChinaJoy 体验的那些所谓“AI 原生游戏”，真正有趣、区别于过去的地方，还是它们表现出的智能。不管使用哪种模型，能让两个事件自然融合、生成故事，或者理解玩家的引导并作出回应，都需要足够的智能。从这个角度，也可以把它们看作 AI 原生游戏。

过去也有很多游戏要求玩家与 NPC 沟通，达成某种目标。但有了能力更强的模型，体验发生了本质变化，单是这种互动，就可能做得很好。

高度定制也是如此。借助较强的模型能力，玩家可以更自由地定制角色和故事走向。

所以我会使用两个标准：一个从技术定义出发，另一个从玩家体验出发。

Bowen： 我很好奇，你是又加了一根坐标轴吗？相当于从一维变成了二维。

Eric： 平面直角坐标系。

Bowen： 这是两种不同的评判标准，还是一根轴的不同解释？

Eric： 应该算两个评价标准。因为无论是 NPC 的表现，还是故事发展呈现出的智能，都可以通过不同方式实现。

— 图 2｜技术实现与玩家感受到的智能。

Bowen： 对，与它是否采用 Transformer 或大语言模型，没有直接关系。

Eric： 赛车游戏就是一个典型例子。传统机器学习中的强化学习，已经能让 NPC 表现出很强的能力，也能做出有意思的对手。

在一些前沿的赛车游戏里，大家已经很少抱怨 NPC 做得不好。但它是否会给人特别强烈的“AI 原生感”或高度智能的感受，仍然不一定。

Bowen： 那《模拟人生》呢？在这个坐标系里，它算是智能感比较强的一类吗？

— 《模拟人生》

Eric： 可以把它和 inZOI 对比？后者确实会在电脑本地运行小模型，让角色对话显得更智能，也让玩家能做更多事情，获得更个性化的体验。

— inZOI

AI 生活模拟游戏，核心体验与模拟人生类似；其中很多 NPC 决策，内容生成由本地小模型决策。

Bowen： 这就又回到了那个问题：inZOI 真的需要 AI，需要这个小模型吗？

SECTION CHALLENGES

03 · AI 游戏的处境和困境

Jack：有了这两根坐标轴，我想到一个可能性：我们现在讨论的 AI 游戏和产品，会不会都还处在很早期的阶段？

会不会未来出现一款标志性作品，重新定义 AI 游戏？早期那些朝不同方向探索的作品，可能逐渐被遗忘，最后只有某一类分支被公认为“AI 原生游戏”，成为教科书里的定义。

玩家也会以它为标尺，判断其他作品是否属于 AI 原生游戏。我有这样的猜想，但现在还不好说。大家都在尝试，游戏历史上也确实有很多逐渐消失的发展方向。

还有一种分类方式，可以跳出游玩过程：区分 AI 是在开发阶段提前参与，还是在游玩时实时参与。

无论独立团队还是大厂，现在都在用 AI 辅助生产内容。除了美术，也包括设计、程序和提前生成的游戏内容。从这个角度，它们同样可以算是得到 AI 帮助的游戏。

另一类才是 AI 实时参与游玩的游戏，也就是我们刚才主要讨论的那些。

另一个问题：AI 游戏真的需要 AI 吗？

或许最后会发现，不一定需要实时生成。提前用 AI 做好内容，生产效率和收益反而更高。这也是一种可能的发展方向：综合考虑效率和利益，怎样使用 AI，能带来更好的回报？

Bowen： 我们也听说过一种做法：游戏里的智能 NPC 提供几个选项，其中两个预先生成，一个实时生成。玩家选了后者，对应内容就会存进数据库，形成不断积累的循环。随着数据库扩大，需要实时生成的比例也越来越低。

Bowen： 现在已经有不少人在尝试这个方向。毕竟持续让 AI 实时生成内容，本身就是一笔不小的开销。

Jack： 而且实时生成未必是最优方案。不能保证 AI 参与得越多，收益就越高。

资本和大厂评估之后，可能会选择更灵活的结合方式，找到一个平衡点：在提高收益的同时，让游戏体验也有所改善。

Bowen： 很多时候，人的表达欲并没有那么强，行为也可能被归纳成有限的几种方向。比如喜怒哀乐，或者倾向暴力、倾向友善。举这些例子，是想说玩家的意图可能有一些相对固定的类型。

如果是这样，AI 生成真的增加了乐趣和自由度吗？随便举个例子，《我的恋综超失控》……好像又要开始 Critique 了。

Jack： 我们先道个歉。

Bowen： 对，向作者道个歉，只是举个例子。

假设游戏里的选项、状态和决策不再实时生成，而是由预先写好的文本和参数来呈现，比如开心、惊讶、生气。导演的干预，就是调整这些数值，有点像《模拟人生》。

这样能否达到类似的体验？如果可以，是不是就不需要 AI 了？

Jack： 也就是说，只要系统设计得足够出色，AI 就未必需要参与这个过程？

Eric： 用户并不关心系统具体是怎么实现的。只要能感受到足够的自由度，觉得自己在和聪明的人或 NPC 交流，就够了。

回到赛车游戏，玩家不在意对手是通过强化学习训练出来的，还是由一位“if-else 匠人”写出大量条件判断实现的。

Bowen： 所以更重要的还是设计系统。或者更准确地说，是设计……

Eric： 体验。

Bowen： 对，设计完整的体验过程。这一直是游戏设计的重要环节，只是过去，重资产、重关卡或重叙事的制作方式，可能让它不那么显眼。

到了 AI 时代，资产可以快速生成，人们的生活节奏也越来越快。当长篇叙事带来的沉浸感和情感回报有所减弱时，设计体验、构建系统的能力就更加重要了。

Jack： 现在很多重故事、重资产的游戏，都是在成熟范式上做局部变化。虽然具体系统不同，但整体体验相近：玩家沉浸地扮演一个角色、经历一段故事。这类体验已经得到验证。

但很多 AI 游戏还没有经过长线验证。我无法确定，吸引我的是最初的新鲜感，还是能够持续提供乐趣的玩法。

至少在我接触的作品里，很少有 AI 游戏能证明这一点。大家展示的大多还是 Demo，体验时长从 15 分钟到一个小时，真正长期玩下去会怎样，目前还不清楚。

如果不能证明这一点，那对资本、市场和大厂来说，这种投入就没有意义。大型游戏不可能只想用一项新技术做出十几分钟的体验，我觉得这笔账并不划算。

Bowen： 有些游戏会说，已经有玩家玩了几十甚至几百个小时。我不是特指哪款作品，但追问这些玩家时，经常得到的回答是，后面的体验仍然重复或相似。

所以，像 Jack 刚才说的，长线玩法、复玩性以及故事的差异化，都还处在探索阶段。我们仍在漫漫长夜里，离黎明还有一段距离。

这里又碰到了《共鸣计划》留下的问题：一段有终点的完整经历，是否已经足够？Jack 接下来更看重复玩和涌现，两种判断在本期都保留了下来。

Jack： 我刚想到一个问题：AI 游戏会不会必须找到能够支撑长线体验的玩法，才能真正存活下来，成为一个独立的游戏类别？

如果只是一次性体验，可能很难支撑使用 AI 的成本，甚至没有必要。一次性内容更依赖作者的创作、打磨和迭代，比如写一本书、拍一部电影。我觉得这未必是最适合 AI 的形式。

对 AI 来说，更适合的形式可能还是要有复玩性和涌现价值。开发者如此看重涌现，也是因为它能带来不同的体验。

因此，更重要的是构建系统的能力：敏锐地发现一种能让人持续投入的体验，再把它做成完整系统，而不是只做……

Bowen： 一个小循环。

Jack： 对，一个小 Demo 可能很好玩，却未必能扩展成完整、可持续循环的游戏。这正是构建系统的能力重要的原因。

Bowen： 而且它现在更加重要了。哪些内容能够从一次小体验中沉淀下来，也是大家需要进一步思考的问题。

Jack： 这种能力也很难培养。尤其在国内，我觉得不少游戏设计师和创作者的成长经历与国外不同，可能天然缺少一些系统设计的训练。

很多人小时候玩过某款游戏，长大后便想做类似的作品。这样就省略了创造新系统的过程：想实现的体验已经被验证过，自己也知道它为什么好玩，却未必有机会练习设计全新的系统。

在国外，比如我们就读的 NYU，会要求学生尝试新设计，也鼓励大家玩桌游。桌游更能让人直接接触系统设计：每张卡牌有什么作用，筹码和回合怎样配合，规则之间如何紧密关联，让整体顺畅运转。

桌游所强调的，更多是系统运行带来的体验，而不是把游戏理解为故事或内容。

我觉得这种文化差异，可能让国内创作者相对缺少系统设计方面的能力。国外已经出现了 Minecraft、《以撒的结合》《杀戮尖塔》等系统非常优秀的作品，而类似这种具有跨时代意义的游戏，在国内还很难诞生。

Bowen： 国内大厂虽然有很多系统策划，但大型商业游戏里的“系统”，与我们现在讨论的“系统”，含义并不完全相同。这里没有批评系统策划的意思。

SECTION EXPERIENCE

04 · 当我们在玩AI游戏的时候，我们在玩什么？

Eric： 我们谈到了不少 AI 游戏尚未解决的问题，但最后还是要回到游戏本身：它首先得是一款游戏。

现在 AI 的热度太高，容易让人产生不切实际的想象，投入过多，也抱有过高预期。做游戏首先要考虑，怎样给玩家带来快乐。新的系统、机制和技术，只是拓宽了实现这件事的可能性。

我们都在期待一款能够定义 AI 游戏的代表作。今后大家提起 AI 游戏，就会想到它；它建立的范式和机制，也可能成为后来作品的参照。

从技术发展看，我能预见的是，模型会更聪明、速度更快。

Eric： 也会更小，对算力的要求更低。回看游戏的发展，比如 ARPG，早期大家能够预料到，计算机图形技术会进步，画面、特效和打击感会改善，也会出现更完善的成长系统、更大的地图。

这些进步并不难预见。但魂系游戏出现后，某些机制的组合，以及玩家对……

Jack： 体验。

Eric： 对，玩家对某些体验的追求，可能超出了原先的想象。比如更喜欢挑战、更愿意“受虐”，也更热衷研究和反复背板。感受与需求会怎样组合，现在很难预见。也许未来设计师正是从某种独特组合中，找到 AI 游戏合适的用法。

Bowen： 没错，这也引出了我的下一个问题：随着模型能力增强，现有 AI 游戏的玩法和可玩性会同步提升吗？

刚才的讨论已经给出了一些方向，模型能力与可玩性之间，可能很难直接画等号。

Bowen： 这又涉及另一个问题：AI 游戏带来的是熵增，还是熵减？

对话补记：Bowen 用“熵增”形容内容和可能性不断增加，用“熵减”形容生成结果在体验上趋同。这是本期讨论的比喻：生成得更多，玩家感受到的差异是否也更多？

Bowen： 一种观点是“熵增派”：把 AI 引入游戏，就能产生无穷的内容、玩法和新体验；随着模型能力提升，这些体验还会越来越丰富、有趣。

另一种是“熵减派”的看法：模型虽然能生成无限内容，但这些内容终究会趋于相似。大语言模型毕竟是在预测，持续生成的结果，在概率上可能仍然相近。这样的内容是否能持续带来乐趣，我觉得值得讨论。

Jack： 说到熵增，我想到《蛋仔派对》和《元梦之星》。玩家已经在里面创作了大量玩法。最后 AI 带来的体验，可能与此相近，只是把创作者从玩家换成了 AI。

— 《蛋仔派对》

Jack： 从这个角度看，玩家简直“比 AI 还 AI”。

Bowen： 不是哥们……

Jack： 抱歉，大致就是这个意思。

Bowen： 从我们的角度，可能会觉得这些内容相似、无聊。但对于小朋友，或者接触过的游戏类型较少的人……算了，这个话题先不展开。

就像短视频的下沉市场，有人认为红果短剧、AI 短剧是在浪费时间，也有人觉得它们填补了空闲，因此形成了很大的市场。同样的内容，可能有两种不同的体验。

— 红果短剧 畅销榜

Jack： 我觉得 AI 游戏所设想的熵增，在《蛋仔派对》和《元梦之星》里已经得到某种验证。它们拥有近乎无限的玩法，可能已经接近这个方向的极限。

Eric： 说到熵增，可以先聊 Astrocade。它涉及类似的问题：生产力大幅提升之后，人的注意力和时间仍然有限。

Bowen： 先介绍一下 Astrocade 是什么吧。

Astrocade：无限小游戏与有限的注意力

本节问题

1．Astrocade 是什么？自然语言创作和信息流游玩怎样结合？

2．游戏数量增加，是否意味着新的玩法和类型增加？碎片化会怎样影响完整体验？

3．缺少共同规则、统一 IP 和稳定环境，会不会影响留存？

4．谁在玩、怎样进入、为什么回来？这里的内容是否也是 UGC？

5．短平快体验与买量广告有什么相似之处？

Eric： Astrocade 是李飞飞与前斯坦福、谷歌研究人员共同创办的公司。李飞飞也是大家熟悉的 AI 科学家，常被称为“AI 教母”。

它有点像“AI 游戏版抖音”，里面应该已经有几万款小游戏。玩家像刷短视频一样，刷到感兴趣的游戏就直接开始玩，可以把它理解为《蛋仔派对》《元梦之星》的极致版本。

— Astrocade

借助 AI 创作和发现小游戏的平台。创作者可以用自然语言描述想法，玩家像刷信息流一样找到小游戏并直接开玩。

Eric： AI 大幅降低了创作门槛，提高了生产效率，让开发者能做出各种稀奇古怪的小游戏。但当内容数量迅速膨胀，问题也会随之出现。

看成绩：它每月有 1.4 亿游玩量，500 万月活跃用户，也就是 MAU。对于初创公司来说，这是很不错的表现。

问题在于，体验越来越碎片化，玩家很难长时间投入某一款游戏。内容因而更偏向放置类、短平快的玩法，也更容易让人厌倦。

不知道你们怎么看，有人可能会觉得这有些“反游戏”：它追求的不是一段从头到尾完整、有趣的体验，而是让用户不断切换、寻找下一款游戏，在短暂的停留中反复获得刺激。

Bowen： 我也有类似感受。它想复制短视频的逻辑，但视频里的多样性来自内容本身，世界各地每天都在发生不同的事情。

Jack： 但游戏的数量增加，并不意味着会出现新的类型和玩法。它可能更像 4399：有几款很好玩，大部分却只是换皮，很难带来新的感受。

— 4399 小游戏

Jack： 另外，玩游戏需要主动投入精力，而刷视频可以只是被动接收内容，两者对用户的要求不同。

第三，这个平台缺少一个共同的锚点。游戏彼此独立，不属于同一个 IP。不像 Minecraft、《蛋仔》或《元梦》，它们都有自己的……

Bowen： 通用的规则。

Jack： 对，有共同规则和统一的 IP 形象，玩家就容易把它理解成一个真实、可进入的游乐场。

Astrocade 则比较分散，缺乏鲜明的 IP 和统一环境。玩家不容易在这里感受到某种稳定的世界或社区氛围，可能只是为了尝鲜而来，很难长期留下。

Bowen： 而且每款游戏的设定都不同，就意味着每次都要重新学习。

Jack： 是的。

Eric： 这也是它的限制。每款游戏都很短，又要让玩家快速上手，机制就只能尽量简单，内容也会更加……

Bowen： 短平快。

Eric： 对，短平快，也更容易趋同。游戏品类本来就有限，还要排除不适合这种碎片化消费的类型，最后就形成了一种……刚才那个词叫什么？

Bowen： 熵增。

Eric： 对，我觉得这是效果不太理想的熵增。

Jack： 我想说的是，它还有潜力，先别急着说它差。

Eric： 未来……

Bowen： 我还好奇，这些数据背后主要是什么人在玩？用户群体是小朋友，还是其他人？

另外，《蛋仔派对》的很多内容来自玩家自发创作，也就是 UGC。这里也一样，由用户自己创作，对吗？

Eric： 对。开发者可以直接用自然语言生成游戏，制作门槛很低，所以可以说是一种更极致的 UGC。

我看到过一些调研，说用户主要通过广告进入，但留存仍然是很大的问题。它还很难让人持续投入，愿意一次次回到应用里继续玩。

Bowen： 不过，我们现在打开 Astrocade 首页，第一眼看过去，每款游戏似乎都很适合做买量广告。像 Instagram 或其他短视频平台里插入的互动广告，让你先玩上 30 秒、40 秒。

Eric： 买量广告也要在 5 秒内吸引用户，让人产生游玩的冲动。它呈现的并不是游戏本体，也不在意实际玩下去的体验。这两者吸引用户的方式，其实很相似。

Bowen： 但买量最终会把用户引向游戏本体，比如《无尽冬日》。先通过广告吸引人，再用长线玩法留住人，让兴趣逐步积累。

— 《无尽冬日》

Bowen： 这里的游戏却可能过于短平快，难以支持长期游玩。另外，玩家的付费意愿也值得考虑。不过我没有逐一深入体验，还是先不下判断。

Jack： OK。

Bowen： 我觉得它还是有自己的道理。

Eric： 吸引我的一点是，现在人们确实很难抽出大段时间，深入学习和体验一款游戏。更短的内容形式，自然有它的优势。

但能不能把这种优势做好，让用户一次次回来，我还不确定。至少每款游戏刚进去的前 10 秒，我都觉得挺有意思。

— （三人打开平台开始现场试玩。）

Bowen： 居然还有不少游戏做了本地化，而且这些内容也是 AI 生成的，挺厉害。

Eric： 既然内容都是 AI 生成的，本地化应该也不难。

Bowen： 我来试试这个 Minecraft。

Jack： 这个平台没有版权方面的限制吗？我已经看到不少其他游戏和动漫的角色了。

Bowen： 还真能玩，我已经开始了，你呢？

Jack： 先别玩了。

Eric： 小朋友可能还挺喜欢这类游戏。

Bowen： 可能确实有这样的受众，包括娱乐选择比较少的地区，比如第三世界。

Eric： 比如说洛杉矶。

Bowen： ……对，洛杉矶这个“下沉市场”。在办公室里闲下来，也能打开玩一会儿，和刷短视频差不多。

Eric： 加班到一半，打开它，玩 30 秒不用动脑的小游戏。

Bowen： 感觉生活又有了希望，连自己做的游戏都变得眉清目秀了。

Astrocade 就先聊到这里，我们回到熵增和熵减这个问题。

玩家是在学习游戏，还是在理解怎样使用模型

Bowen： 无论是整个 AI 游戏市场的内容增加，还是单款游戏内部的内容生成，我都不认为，只靠 AI 作为核心机制不断生产内容，就能撑起完整的游戏体验。即使模型持续进步，我也觉得很难做到。

还有一点：当 AI 成为核心机制，玩家学到的往往不是游戏本身的系统和策略，而是怎样与模型打交道。比如《一千零一夜》——这里没有批评他们的意思。

Jack： 先道歉，先道歉。

Bowen： 你掌握的，可能是怎样通过文字引导 AI 说出特定关键词。这件事未必需要放在某个游戏里完成。打开 ChatGPT 或其他聊天工具，约定一个角色扮演情境，再设定一个结束目标，也能做到。

Jack： 你是说，它更像一个教人掌握 AI 的小教程？以前我们训练 AI 玩游戏，现在变成训练人如何使用 AI，还谈不上真正的新游戏。

Bowen： 对。另一方面，像《混想局》这样，在既定框架里生成的能力和机制，会不会总体上仍然相似、万变不离其宗？毕竟在固定框架下，很难出现整体逻辑上的重大创新。

记得第一期还是第二期，我们就讨论过：框架限制了生成的范围，也让 AI 难以跳出它。那时我们提到，如果让 AI 自己编写脚本，或许会有不同的结果，但目前还没有看到这个方向上特别成熟的案例。

Jack： 那有没有非 AI 游戏做到了这一点，在既定框架里创造出真正新颖的体验？

Bowen： 让我想想。Roguelike 应该算一个例子？它的大部分内容通过随机生成，把既定元素放进某种框架里组合。

Jack： 从而产生新的……

Bowen： 体验。每次形成的体验不一样，角色构筑，也就是 build，与玩家的实时操作紧密相关，过程中也有很多选择。

再比如《我的世界》这类 SOC 游戏，同样有明确的框架。虽然不依赖 AI，但许多创作者在其中承担了创造内容的工作。方块和物件都有属性、元数据，玩家在游玩中改变这些属性，其他创作者也能通过修改元数据，做出不同玩法、插件和模组。这是不是另一种值得考虑的方向？

Screeps：框架、上下文和持续运行的世界

— Screeps

一款用代码控制单位、经营基地并与其他玩家互动的游戏。Jack 借助外部 AI 阅读文档、编写代码，再把自己的策略放进游戏运行。

Jack： 我想到另一个例子，叫 Screeps，在 Steam 上就能找到。它是一款编程游戏，过去基本上只有懂编程的人才能玩。

游戏采用俯视角，你要建设基地、创建不同兵种，再安排它们采集能量、运送资源、升级基地，或者侦察敌方位置。所有单位的行为，都要通过 JavaScript 代码来定义。

它有一套自己的代码库，玩家学习之后，就能调用不同函数来定义兵种。例如，一个采集者的脚本可以这样写：侦测周围 15 米内是否有能源，有就采集；达到容量上限后，再运回基地。这些逻辑都由玩家编写。〔待核实 29〕

过去，编程是绕不开的门槛，不会写代码的人就无法参与。但我最近试着借助 AI：告诉它需要什么兵种、具备哪些功能，让它阅读游戏文档并编写代码，就能把策略放进游戏运行。这种体验很有意思。

Bowen： 这个方向很有意思。可以做一些“给 AI 玩的游戏”，玩家只负责传达“最高意志”，其余交给 AI 实现。

Jack： 你提出要求，它确实能做出来。但刚才聊的很多 AI 游戏，也都希望实现类似的效果。这个例子与它们本质上有什么不同？

这与我使用 AI 时得出的一个判断有关：当项目已经具备细致的框架和足够的上下文，AI 往往最能发挥作用。它可以顺着项目内部的逻辑，做出符合要求的内容。

举个开发中的例子。一个游戏项目的代码已经完成了 80%，这时请 AI 帮忙实现新功能，它就有大量现成的上下文可以参考。

如果从零开始，只告诉 ChatGPT“帮我做一个弹跳跳板功能”，它没有项目背景，只能依靠模型已有的知识。但如果先让它阅读一个具体项目，理解现有逻辑，再为这个项目设计弹跳装置，结果就更容易符合需求。

充分的项目上下文，既能帮助 AI 发挥能力，也能约束它，避免它受到幻觉影响，越偏越远，最后生成难以控制的结果。

Bowen： 这有点像 harness：用一套框架加以约束，让 AI 沿着正确的方向走得更远。

Jack： 所以我觉得，这个游戏提供了一个很好的思路。

Bowen： 而且它应该是 2016 年的游戏。

Jack： 对，已经是十年前的游戏了。

Bowen： 它还是一个 MMO。代码写好以后，你就拥有了一些自主行动的单位，可以叫它们“AI 生命”，不过是传统意义上的 AI。

Jack： 它们会全天候运行，24 小时都在这个世界里活动。〔待核实 30〕

Bowen： 所以你写的不是一次性指令，而是……

Eric： 那这还挺有意思的。

Bowen： 一些能自主行动的程序。

Jack： 像是创造了一些生命，让它们在世界里履行各自的职责。与此同时，其他玩家也有自己的基地和单位。

某个玩家上线后，可能发现新玩家的单位威胁到了自己的领地，于是调整策略，编写新的代码。玩家之间就会产生……

Bowen： PvP。

Jack： 对，玩家彼此互动，不断更新代码和策略，应对新的情况。这个过程本身就很有涌现性。

Bowen：涌现。

Jack： 只是它出现得太早，门槛又很高，所以玩家不多。

Eric： 确实，这是很有意思的一个设计。

Bowen： Screeps，记下了。我们还有一些问题，不过今天已经聊了很久。

注：这里新增的是 AI 帮玩家把策略写成代码；持续运行和玩家对抗来自 Screeps 已有的世界。Jack 看重具体规则和项目上下文，Bowen 用 harness 概括围绕模型安排约束、执行步骤的做法。这个例子回应了前面对框架的担心：限制生成范围的框架，也可能帮助玩家更容易实现自己的策略。

WORKFLOW

05 · 工具、skill 与原型：AI 带来的实际创作能力

从项目工具开始

Jack： 接下来的问题是：在游戏创作中，AI 曾在哪些方面给我们带来惊喜和成就感？

我的想法刚才已经提到了一些：先提供完善的项目框架和上下文，再让 AI 在其中工作，就更容易得到令人满意的结果，也更有成就感。

另一个方向是制作项目工具。比如某个工作流不够顺畅，请 AI 做工具来优化，它往往能完成得很好。

Bowen： 是的。

Jack： 因为它理解项目本身，才能更准确地满足需求。反过来，如果缺乏框架，让它从零开始做，结果就可能偏离你真正想要的方向。

用 skill 获得新的能力

Bowen： 真好，人人都能成为 TD 的时代。我想从另一个角度回答：AI 正在赋予我们原本不具备的能力。

比如我最近用了两个 skill。一个叫 Image to Three.js skill，可以理解为 AI 建模：通过预设框架约束执行步骤，把参考图片逐步转化成 Three.js 模型，风格有些接近 low-poly。

— Image to Three.js skill / Three.js

注：录制播客时是8月份，使用的是 gpt 5.6模型，截至发稿时 AI的建模能力已经有了更大幅的提升。

Bowen： 这是一种很稀缺的能力。目前许多 3D 建模生成的结果都是高模加贴图，很难直接复用为游戏资产。低多边形模型则不同，但过去要制作这类模型，同样需要专业知识。

现在这些工作可以交给工具完成，就像给自己装上一个“外置大脑”，获得新的能力包。另一个最近在小红书上比较火，叫 zine skill。

— gc-minimal-zine-poster

它可以把主题、句子、文章构想、物件、情绪、照片或参考图集，转化为一张纸张质感的极简编辑海报、一条可直接使用的生图 Prompt，或一套可复用的视觉系统。

Github： LiamGvchi/gc-minimal-zine-poster

Jack： 我知道这个。

Bowen： 它能把照片转化成 zine 风格的小册子或插图。

Eric： 小杂志。

Bowen： 而且这个 skill 已经……

Jack： 像手帐一样。

Bowen： 对。它已经衍生出许多不同分支，比如我看到的风格化极简插画。

Jack： 一个 skill 很快就能催生出许多变体。第一天刚看到，第二天就已经有十种了。

Bowen： 十种不同风格。这是 AI 时代很吸引我的一点，有种重新回到开源氛围里的感觉，大家都愿意自己动手。

Jack： 但像 zine 这样，能稳定生成特定风格图像的 skill，也并不是谁都能轻松做出来。不是随便向 GPT 描述一句就能实现，作者实际上设计了很多限制和边界。

Bowen： 对，最初的创作者做了许多细致设置，也就是我们说的 harness。

Jack： 背后包含了不少设计工作。

从策划文档到可玩原型

Bowen： 另外，最近我陆续做了一些原型，也摸索出一套“快速制造验证原型”的流程。这让我很惊喜。

首先写一份最基础的策划文档，说明想做什么，再让 AI 把它实现成可玩的网页原型。比如现在用 Codex，设定目标后，它可以持续工作直到完成，我觉得这方面已经做得很好了。

Bowen： 通过这个原型，可以验证文档里的玩法循环和机制，也能尝试完全不同的方向。试错成本很低，做完一个版本后，可以再做另一个：调整参数、改变手感，或测试其他组合。两个原型既有关联，又相互独立。

这时，静态文档已经变成鲜活的体验，用它和别人沟通，会减少很多阻力。接下来，还能把网页原型迁移到游戏引擎中。

在 Unity 里调试往往比较费力，而网页端对 AI 来说已经相当成熟，有丰富的调试接口。我们可以先在网页里确定逻辑、手感和参数，再迁移到引擎。

Bowen： 当然也有一些差异需要处理，比如 Three.js 与 Unity 的坐标轴、逐帧更新时序并不相同。但大部分逻辑是相通的，因此迁移会快很多。得到引擎内的原型后，再整理、重构，就可以逐步转为正式代码。

以前往往是先做纸上原型，再用 Unity 做简单验证，最后另开一个正式项目。几个阶段之间能复用的内容有限，现在则更容易把整条流程连接起来。

Jack： 我还觉得，AI 做出的玩法原型，交互和调试体验会更好。它不仅能生成原型，还可以配套参数面板，让我们自己调整，逐步接近想要的效果。

Jack： AI 未必一次就能做对所有细节，所以把部分参数开放出来很有价值。我们先把体验调到理想状态，再告诉它：“这就是最终效果。”然后让它进一步整理、包装和打磨，这样的协作流程会更顺畅。

Bowen： 没错。

ENDING

06 · 下期内容

Bowen： 今天大致聊了这些。原本还准备了其他问题，不过很多已经涉及到了，比如 AI 的边界……

Jack： 和效益。

Bowen： 什么适合用 AI 做，什么不适合？

Jack： 哪些容易实现，哪些比较难？

Bowen： 还有成本问题，以及大项目、小项目各自的解决方案。另一个值得讨论的困境是，“AI 加人”的迭代速度，有时反而赶不上 AI 模型或模型厂商自身的迭代速度。

这又引出几个问题：哪些能力难以被取代，我们该重点锻炼什么，又该以怎样的节奏跟进？但今天已经聊了不少，可以留到之后。

Jack： 先沉淀一下，下次再聊。我们各自使用 AI 的经验，也值得单独展开。

Bowen： 每个人都可以做些准备，“自带干粮，自带 Demo”。

Eric： 每个人分享 5 分钟 Demo。

Jack： 介绍自己是怎么把它做出来的。

Bowen： 对，讲清楚整个流程、这样做的原因，以及踩过的坑。下一期的主题就有了。

Jack： OK。

Eric： 没问题。

Bowen： 如果你对今天聊到的 AI 游戏、AI 平台、开发提效，或“第二大脑”“外置大脑”等话题感兴趣，欢迎在评论区留言，我们一起讨论。

Eric： 欢迎点赞、关注、评论。

Bowen： 这些支持对我们很重要。

Jack： 很重要。

Eric： 好，以上就是我们今天的内容，感谢大家收听 AI 冰博克。

Jack： 好，我们下期再见。

Bowen： 拜拜。

Jack： 拜拜。

Eric： 拜拜。

- END -

EP 004：AI 游戏的漫漫长夜：2026 AI 游戏观察、困境与展望

本期对谈：Bowen / Eric / Jack

想要更深入了解 AI 与前沿产品、游戏设计的碰撞？

订阅「AI 冰博克」，浓缩 AI 在产品和游戏中最前沿的应用，探索 AI 未来的无限可能！