頂尖科技公司都盯上游戲？

如果最近你留心過頂尖AI公司的動向，就會發現一個非常耐人尋味的現象：幾乎所有站在AI前沿的公司，都不約而同地盯上了遊戲。

英偉達最新開源的基礎模型NitroGen，可以玩一千多款不同的遊戲；微軟在年初推出了首個基於遊戲訓練數據的世界模型Muse；OpenAI被曝曾向遊戲公司Medal提出高達5億美元的收購意向；xAI宣佈將推出完全由AI生成的遊戲，招募遊戲開發者來訓練Grok；Google先后推出遊戲世界引擎Genie 3以及在遊戲中進行訓練的智能體SIMA 2……

為什麼頂尖AI公司都在押注遊戲呢？今天我們在談論遊戲與AI的時候，最直觀、也最容易被討論的，是AI會如何改變遊戲畫面、如何生成劇情、如何提高開發效率這些具體的問題。

但如果我們把視角稍微拉遠一步，就會發現在這些具體應用背后，遊戲與AI之間，其實存在着一種更深層的相互塑造關係。本篇文章讓我們走進遊戲與AI，來深入聊聊，過去這些年，遊戲AI這個領域發生了些什麼。

01 智能溯源：遊戲如何啓蒙AI先驅思想

今天我們知道Demis Hassabis是DeepMind的創始人，是如今谷歌AI的靈魂人物，但30年前，Demis的第一份工作，卻是在一家遊戲公司。

1992年，16歲的Demis加入了一家叫做Bullfrog Productions的遊戲公司，參與開發了一款名為Theme Park的模擬經營遊戲，他在遊戲中巧妙地設計了角色的AI特性，讓NPC們模擬出人類的行為模式。此后，Demis又加入Lionhead工作室，參與開發了另一款「上帝」遊戲Black&White。

正是這些遊戲開發的經歷，啓發了Demis后來的思考：如果把「智能」放進一個像遊戲這種可以反覆試錯的微縮世界里，讓它不斷學習、不斷模擬未來，會發生什麼？而在最近爆火的DeepMind紀錄片《思考遊戲》（The Thinking Game）中，就向我們系統地展示了AI是如何在一代代遊戲中被「馴化」和「塑形」的。

Demis Hassabis

谷歌DeepMind創始人

我們認為，只要你能高度自律地使用遊戲，那麼它們就是用於AI發展的完美訓練場。

從2010年代開始，DeepMind的研究人員開始訓練AI在不提供任何人類規則和策略的前提下，僅通過屏幕像素和分數反饋，自主學會雅達利遊戲。后來，DeepMind先后推出了AlphaGo、AlphaStar，OpenAI使用AI Agent對戰Dota 2，GTA 5被用來訓練自動駕駛等等。幾乎每一次AI關鍵的智能突破，都與遊戲息息相關。

而當如今大模型的發展開始進入下半場，當前最前沿的世界模型和智能體的研究，也都仍然首先發生在遊戲里。在2018年提出「世界模型」概念的這篇論文中，用以訓練模型的環境，就是一個賽車遊戲。

而到了現在，很多頂尖AI公司的世界模型的訓練和應用落地也仍然發生在遊戲場景中，其中包括谷歌發佈的Genie 3，通過文本實時生成動態、可互動的遊戲世界；李飛飛的World Labs，通過「空間智能」來重塑遊戲開發和三維內容創作；騰訊的HunyuanWorld，實現一句話或一張圖生成3D世界和支持實時交互與空間記憶等等。

而在訓練AI Agent方面，早在2017年，騰訊AI Lab和王者榮耀團隊合作推出的AI智能體「絕悟」，就已經能夠擊敗職業團隊。谷歌的SIMA 2，目的就是訓練一個在不同3D遊戲世界中都能得心應手的通用Agent。而xAI計劃在2026年邀請全球頂級英雄聯盟職業選手與Grok 5對戰，試圖在真實對抗中檢驗AI的智能極限。

所以，遊戲為什麼是最理想的AI訓練場呢？我們可以把遊戲想象成一個規則清晰的虛擬世界。在這里，任何動作都能獲得及時的反饋，而且還能創造大量的訓練數據。

換句話説，遊戲之所以成為訓練AI的理想場景，是因為它提供了一個可完全控制、可無限生成數據的虛擬世界，而這正是構建世界模型所需要的環境。

這也就自然引發了我們下一步的探討：當AI在遊戲這個訓練場里學習了理解、規劃和行動的能力之后，這些強大的能力，會在哪里被真正用起來？答案已經呼之欲出：還是遊戲。

02 遊戲：AI最理想的應用場景

隨着AI發展進入到下半場，單純把模型做得更大，已經不會再像過去那樣帶來立竿見影的突破，當下真正稀缺的是能讓AI持續運行、不斷試錯、產生價值的真實應用場景和評估模式。而遊戲，就是最理想的應用場景。

• Chapter 2.1 重塑玩家體驗

我們過去玩的遊戲，很多體驗都是被預設的：NPC的行為由腳本決定，劇情按照固定分支推進，世界的規則寫在代碼里。

而隨着世界模型、Agent和多模態大模型能力的躍遷，AI正在讓遊戲體驗發生一次根本性的變化，這種變化其實我們從最近全球的商業遊戲中，都可以看見它的影子。

AI帶來的改變，首先直接體現在遊戲里的NPC上。比如瑞典獨立團隊Embark Studios在射擊遊戲Arc Raiders的開發過程中引入了AI NPC，讓敵人能根據戰鬥情況做出更自然、有反饋的行為。網易在《燕雲十六聲》也大規模應用了智能NPC系統，讓每個跟你擦身而過的NPC都有自己的生活。

此外，在一些遊戲中，AI已經開始扮演起了助手和教練的角色。比如，在《王者榮耀》中，騰訊推出了「語音靈寶互動」功能，可以通過「靈寶，靈寶」喚醒AI進行互動或者下達指令，達成全場景語音操控。

還記得今年3月在GDC探展時，我們曾看到的王者榮耀AI教練（AI Coaching）系統——"王者指揮官"，現在已經成熟在遊戲里應用，成為每個玩家真正可用的「AI教練」。

類似的用户體驗提升探索，也出現在三角洲行動的AI語音助手CC和《英雄聯盟手遊》的智能助手系統中。它們能在對局中實時回答玩家關於地圖、陣營和玩法的問題。

而AI除了讓遊戲體驗更豐富了之外，更重要的是，它還正在跟遊戲核心玩法進行深度融合。比如在《和平精英》里，騰訊推出了行業內首個具備AI智能語音識別能力的AI戰犬布魯斯。布魯斯特殊的地方在於它並不只是簡單的功能輔助，而是在戰術競技框架里新增了一個單元，讓戰犬不僅能聽懂玩家的自然語言指令，完成承擔牽制敵人、救援隊友等重要任務，還能夠對全局的策略和走向產生影響。

而如今AI不僅能夠在遊戲沉浸式教學、幫助玩家提升勝率，它甚至還可以為玩家提供很強的情緒價值。而這一點，正好對應了AI目前最缺失的一項能力。

Ilya Sutskever在最近一次採訪中提出：人類的情緒，本質上是一種進化而來的「價值函數」，它為決策提供即時反饋，告訴我們什麼值得繼續、什麼需要調整。

Ilya Sutskever

OpenAI聯合創始人

Safe Superintelligence聯合創始人

我認為人類本質上是半強化學習（semi-RL）的智能體。我們會追逐某一種「獎勵」，而隨着情緒或其他心理機制的變化，我們會對這種獎勵感到厭倦，於是轉而去追求另一種獎勵。

當AI隊友開始理解你的指令、配合你的節奏、給出及時反饋，它學到的已經不只是戰術，而是在行為層面，對齊人類的價值與目標。

• Chapter 2.2 升級遊戲開發

説完了AI如何改變玩家的遊戲體驗，我們再來看看，AI是怎麼改變遊戲的開發過程的。

過去幾年，由於大語言模型還是以文字為主，它在遊戲開發上的應用主要侷限在美術設計參考上。但隨着AI多模態能力的爆發，AI則可以大幅降低創意門檻，將開發者的想法直接投射到宏大的遊戲世界里。根據遊戲工委最新發布的研究顯示，AI目前在遊戲研發中的應用率已經高達86.36%。

要實現這一點，離不開一個遊戲開發里的核心工具：引擎。遊戲引擎，本質上是一整套讓虛擬世界運轉起來的工具系統，不管是畫面渲染、角色行動、光線反射，還是聲音在3D空間中的傳播，這些都由引擎統一管理。

今天市面上大多數大型遊戲，並不是從零開始寫代碼，而是基於成熟的商業引擎來開發的。在2025年，AI帶來的最大改變是，它能夠直接參與編程、渲染、性能優化這些最底層的系統性工作。

在引擎內，AI首先改變的是開發過程本身，一些原本高度依賴工程經驗的工作，都可以由AI輔助完成。比如微軟在2025年就提出了「AI工廠」的概念：將Copilot、Copilot Studio、Foundry整合為智能流水線，讓開發者從編寫代碼轉向使用AI代理完成全流程任務。

更關鍵的一步，是AI開始進入引擎最核心的模塊之一：渲染管線。渲染決定的是一個3D世界，如何被真實、高效地呈現在玩家屏幕上，而過去二三十年，這條管線幾乎沒有發生過根本變化。

2018年，英偉達推出了一個負責光線追蹤的硬件模塊，才讓3D遊戲世界里有了富有真實感的光照，這是渲染管線的第一次變化。第二次變化則是最近，2025年，由於AI底層硬件的發展，開發者得以在渲染過程中利用AI，再一次顯著增強了畫面的真實感。

李超

騰訊遊戲前沿技術團隊渲染負責人

2018年圖靈架構顯卡已集成AI模塊，但受硬件隔離、圖形標準限制，除DLSS外，AI算力始終未能更廣泛用於實時渲染。2025年硬件廠商與標準組織同時發力，AI原生適配渲染管線，標誌AI渲染「元年」的開啟，其意義堪比2018年硬件光追模塊的加入。

英偉達的DLSS，就是一項典型的AI渲染技術。它不再要求每一個像素都由傳統方式計算，而是先低成本渲染，再由AI補全畫面細節，從而實現更高幀率和更真實的視覺效果。

但它也有一個前提：顯卡，尤其是最新的DLSS 4，高度依賴英偉達高端顯卡中的AI加速單元，只能在特定硬件上完整運行。對於騰訊這樣旗下有千萬玩家的遊戲廠商而言，更重要的是研究這些最新的AI技術如何能夠在高端顯卡以外，被運用在更多的遊戲和設備里。

李超

騰訊遊戲前沿技術團隊渲染負責人

我們騰訊遊戲引擎要做的是，怎麼把這些只能高端卡用的（技術），結合管線優化，最后可以把這個模型做的更小、更輕量，能夠讓遊戲在更多平臺上，哪怕是在英偉達、AMD顯卡上都能跑。

除了畫面之外，騰訊團隊也在嘗試用AI提升空間音頻的效果，讓設計師能夠快速在一個場景里面創建出類似於真實世界物理空間的混響。

上述提到的是AI進入引擎內部，畫面怎麼渲染、聲音怎麼呈現，但在真正的遊戲生產中，還有更長、也更消耗人力的一段流程，發生在引擎之外。

在進入引擎之前，一個遊戲世界所需要的幾乎所有資產：3D模型、貼圖、材質、動畫、光照方案，都要先在各種DCC軟件中被製作出來，再導入引擎進行整合，這些就是所謂的「引擎外」。

而引擎外AI的目標，其實非常明確：解決那些機械、重複、但又不可或缺的工作。它不是要替代美術設計或者創意，而是把設計師從大量體力活中解放出來。

其中，騰訊遊戲推出的VISVISE，就是這樣一套面向遊戲生產力的工具體系。在VISVISE的流程中，設計師可以讓AI助力完成耗時且重複性的工作，再由人類進行最后的修復和打磨，節省「從零開始」所需要的時間。

目前，VISVISE中最成熟、應用最廣的，是智能蒙皮和動畫製作。以蒙皮為例：這是一個幾乎不產生創意，但極其耗時的環節。過去，一個相對簡單的角色蒙皮，可能需要3到5天；而通過AI自動計算權重和係數，效率最高可以提升8倍，兩個小時左右就能完成。

03 遊戲與AI的伴生式進化

回看AI的發展歷史，會發現一個反覆出現的規律：幾乎每一次AI技術的關鍵躍遷，都首先發生在遊戲世界里。遊戲可以説是AI最理想的訓練場：規則清晰、反饋即時、可以無限試錯。

與此同時，AI的進化也在反過來重塑遊戲：一方面，是遊戲內的AI（AI in game）：更智能的隊友、更自然的NPC、更個性化的互動體驗；另一方面，是遊戲開發中的AI（AI for game）：更高效的開發流程、更宏大的世界、更低的創作門檻。

不過我們也注意到，在當前市面上的遊戲中，似乎還沒有出現一個像ChatGPT一樣的AI殺手級應用，這背后原因，可能跟遊戲和AI之間「錯位關係」有關。

最強的AI公司們，它們有最強的模型和充足的算力，但卻缺少遊戲真正落地的「實戰場景」。而手握着大量用户和遊戲IP的傳統廠商們，又缺少對最前沿AI技術的理解力和掌控力，進而導致真正匹配這輪AI能力躍遷的遊戲形態還沒有出現。

在當前的遊戲AI應用落地中，我們看到騰訊之所以能做出很多前沿探索，可能就是因為它站在了中間地帶。一方面騰訊擁有着強大的AI技術儲備、手握着開源大模型混元系列，另一方面又坐擁着《王者榮耀》、《和平精英》等一大批頂級IP和最活躍的遊戲生態。

而除了像騰訊這種擁有先天優勢的廠商之外，我們也注意到一個非常明顯趨勢：無論是頂尖的AI實驗室，還是傳統遊戲公司，都開始更加重視遊戲和AI的融合。Demis Hassabis在最新的採訪中也明確表示，他未來一定會做的一個事情，就是將通用AI技術重新應用在遊戲中，最終創造出終極遊戲。

Demis Hassabis

谷歌DeepMind創始人

還有一件我一直非常想做、而且迟早一定會去做的事：就是把這一切再應用迴游戲和遊戲模擬中，去創造終極形態的遊戲。而説到底，這或許一直都是我潛意識里的計劃。

這些或許都意味着，遊戲與AI從來不是「工具與應用」的關係，而是一種相互塑造、共同進化的關係。

在不久的未來，遊戲甚至會成為一個讓人類學習如何與AI共處、共創、共決策的空間。就像在AI誕生之初，正是遊戲，孵化了今天的人工智能技術一樣。你對未來的遊戲有什麼期待？歡迎在評論區和我們互動。

本文來自微信公眾號「硅谷101」，作者：硅谷101，36氪經授權發佈。