中金 | AI文娛觀察：從世界模型出發，再論AI對遊戲行業的影響

　　炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

隨着Genie3等AI生成物理世界模型的亮相，市場掀起了一場關於「遊戲行業將被顛覆」的熱議。我們本篇報告的核心觀點是：市場高估了AI模型對遊戲產業的短期顛覆力，同時低估了其作為工具的長期賦能價值。Genie3所代表的世界模型，本質上是高效率的內容生成工具，但它未觸及遊戲的核心——玩法設計、數值平衡與長線運營。頭部遊戲廠商仍具備較強內容護城河。

Abstract

摘要

世界模型是遊戲行業的顛覆性生產力嗎？在遊戲行業應用的發展方向如何？我們認為，當前世界模型在遊戲製作中應用仍處於早期，起到局部賦能作用，在預研、3D資產製作上提效較為明顯，未來更可能作為單場景生成工具而非綜合化遊戲基座。

AI新技術會否重塑遊戲產業鏈？誰將受益？我們判斷，最直接面臨衝擊的是產業鏈中標準化程度較高的外包服務環節，主要包括美術資產製作、基礎音頻錄製、部分代碼編寫等。利潤池的遷移方向之一是遊戲產業鏈上游的創意與管理環節。我們認為：

►頭部遊戲廠商仍具備較強內容護城河。中長期來看善於利用AI賦能創作、挖掘AI潛能並持續鞏固IP與玩法優勢的公司有望在當前變革中擁有持續性優勢。

► 聚合創作者與工具的「生態平臺」有望通過擁抱AI、創新工具以掌控新的生產與分發入口，在變革中獲得新增量。

►中游引擎方由於管線數據構築高壁壘，短期難被替代，但長期商業模式重構仍待驗證。

►中小廠商及工作室兼具創作門檻下降的平權機遇與同質化內容井噴的挑戰。

遊戲製作門檻降低與市場競爭加劇，潛在AI原生玩法帶來的競爭，AI內容的版權問題，AI內容的用户接受程度較低。

Text

正文

寫在前面：市場在討論什麼？我們本篇文章關注什麼？

我們本篇報告的核心觀點是：市場高估了AI模型對遊戲產業的短期顛覆力，同時低估了其作為「超級工具」的長期賦能價值。Genie3所代表的世界模型，本質上是高效率的內容生成工具，但它遠未觸及遊戲作為「第九藝術」的靈魂——即玩法設計、數值平衡與長線運營。

首先，遊戲是規則與體驗的複合體，而非單純的視覺場景堆砌。核心要素需要專業遊戲製作人、策劃與數值設計師基於對用户心理和行為的深刻洞察來完成。AI世界模型目前擅長的是「造景」，而非「造規則」，缺乏讓用户長期沉浸的驅動力。

其次，從商業化路徑來看，我們認為Genie3等世界模型AI技術未來需思考的是如何引導變現：

► To C方向：如果作為獨立產品直接面向玩家，其本質就變成了「AI Native Game」。這類產品需要自身構建一套完整的商業化閉環。

► To B方向：我們認為未來世界模型大概率將作為「超級引擎插件」或「智能資產管線」，融入現有的Unreal、Unity等工業體系中。它將成為美術與策劃的助手，將「場景」、「智能關卡白模」等從前需要數周的工作縮短至數小時。

我們認為市場不必為「顛覆」而焦慮：遊戲製作的底層邏輯並未改變，技術降低內容創作的門檻，人的創意決定內容價值的天花板。Genie3打開了想象力的大門，但最終將其轉化為可商業變現、可長線運營的優質產品的，依然是那些懂玩法、懂運營、懂人性的專業遊戲人、遊戲團隊。

問題1：世界模型是遊戲行業的顛覆性生產力嗎？在遊戲行業的應用如何？

我們認為，當前世界模型在遊戲製作中應用仍處於早期，起到局部賦能作用，在預研、3D資產製作上提效較為明顯。

AI工具局部賦能，世界模型已有一定參與。在目前的遊戲內容製作中，AI工具仍為局部性參與：製作人員在生產單一資產時會運用對應的AI工具，在AI生成后需人工的進一步調整確保資產質量。在當前階段，在遊戲製作中應用世界模型的工作流與應用其他AI工具較為類似，即在單任務中相比傳統制作手段更高效生成內容，生成后需人工優化。

圖表1：遊戲製作工作流及AI工具、世界模型應用情況

注：信息及相關數據截至2026年3月5日，或因模型迭代等原因與呈現信息有一定差異 

資料來源：各公司官網，遊戲工委《遊戲企業AI技術應用調研報告》，中金公司研究部

世界模型應用：模型處於早期應用較少，在預研、3D資產製作上提效較為明顯

世界模型仍處於早期，實際應用案例較少。由於Genie3等模型暫時未開放API，且目前主流模型主要可導出形式為視頻，與遊戲引擎亦存在較明顯的兼容性問題，世界模型的應用案例相對較少。

世界模型在玩法預研上兼具呈現效果與效率。在預研階段，製作人需將創意構想中的遊戲玩法、遊戲題材、遊戲場景快速呈現。傳統的預研工具各有較明顯的不足：PPT製作的預研展示效率高，但玩法的可交互性較差；而使用引擎製作的初步玩法雖在交互等層面呈現效果好，但有較高的時間成本。相比之下，對於預研階段而言，世界模型的可交互性已能滿足要求，亦能將創意展示生成時間縮短至單日內（單次生成耗時僅在5-10分鍾），或能對傳統工具實現一定替代。

圖表2：主要可用工具在預研階段的效果對比，世界模型兼具可交互性與生成效率

資料來源：公司官網，快手可靈官方公眾號，中金公司研究部

圖表3：世界模型可參與3D資產的生成

資料來源：Marble官網，中金公司研究部

問題2：世界模型在遊戲行業應用的發展方向如何？

我們認為整體來看，世界模型在遊戲行業內的可應用性有望完善，更可能作為單場景生成工具而非綜合化遊戲基座。

發展路徑：可類比AI視頻模型，通過豐富模型功能優化可用性或為下一階段重點

世界模型技術框架、團隊與視頻模型較為接近，視頻模型發展歷程較有參考價值。我們認為，從技術框架和團隊兩個角度來看，世界模型與視頻生成模型有較高的相似度。因此，已有較長時間的技術迭代和實際應用的視頻模型的發展或能作為參考展望世界模型的發展。

從AI視頻模型看，模型通過優化一致性、拓展功能實現用户擴展及變現提升。

► 生成參數：單次生成時長、清晰度在到達可用閾值后迭代較慢：在24-25年，各模型初步迭代能力后，均可實現單次10s、720P視頻后，AI生成的視頻片段已具備較好可用性。因迭代性價比，視頻生成模型后續在此兩個領域的突破相對較慢。

► 核心能力提升，豐富功能，適用更多任務：在AI視頻模型進入可用階段后，視頻模型主要迭代方向為：1）進一步迭代底層模型，使得模型在高速動作、人物細節、文字生成等方面有較好的一致性；2）豐富功能：通過支持多種輸入源，增加視頻續寫、智能分鏡等功能，使視頻生成模型應用更貼合專業視頻製作工作流。兩者結合下，視頻生成模型逐漸由「可用」走向「好用」。模型走向能夠在多專業任務中應用的全面提效工具。

圖表4：AI視頻模型迭代覆盤

資料來源：公司官網，公司官方公眾號，公司業績會，中金公司研究部

對應到世界模型上，我們認為技術已達到可用閾值，但功能豐富度有待提升。

► 生成參數：單次生成時長、清晰度已達到閾值，進一步優化或面臨較高成本。從Genie 1到Genie 3，世界模型在生成時長和清晰度上有顯著提升。從Genie 3的生成案例來看，我們認為1分鍾/720P的生成質量已達到了在遊戲行業的可用閾值。

► 商業化：模型將進一步提升可用性，隨功能豐富性提升擴展應用領域，擴展遊戲外可用性。目前多款世界模型仍在試用階段，以Genie為例，模型僅支持Ultra會員使用，P/B端暫未開放API。我們認為，在世界模型關注度持續提升下，將世界模型開放給更多付費層級用户、開放API將能加速模型迭代。

圖表5：世界模型的迭代情況及我們預期的未來重點發展方向

資料來源：公司官網，Google《Genie技術報告》，中金公司研究部

數據是進一步迭代模型的重要支持，關注遊戲公司的數據價值。我們關注到，由於遊戲具有高質量的3D數據，已被廣泛應用在多個世界模型訓練中（Google Genie、騰訊混元世界等）。考慮到遊戲公司在射擊、MOBA等遊戲品類具有高質量私有數據，我們認為部分公司或能利用自身數據訓練針對遊戲或具體遊戲品類的垂類模型，實現在遊戲領域的AI能力突破。

圖表6：Scaling Law在世界模型中適用  

資料來源：Google《Genie技術報告》，中金公司研究部

圖表7：遊戲是優質的世界模型訓練數據源

資料來源：騰訊《混元世界1.5技術報告》，中金公司研究部

迭代后的形態：成為遊戲基座的可見性低，更可能是製作輔助工具

世界模型成為基座模型可見性低，技術難度與用户嚴需求下研發AI遊戲引擎性價比較低。我們認為世界模型較難以低研發和推理成本實現對遊戲引擎的替代。

► 從技術路徑看，AI遊戲引擎相比世界模型訓練難度更高。Google DeepMind曾於2024年由現Genie負責人帶隊研發了AI遊戲引擎GameNGen。從實際技術架構來看，該模型相比世界模型所需的數據結構更復雜，我們認為亦將對應更高的訓練難度及訓練成本。從后續的研發方向來看，團隊並未進一步在AI遊戲引擎研發上投入資源，而是將兩部分技術分拆，分別研發了智能體Agent SIMA與世界模型Genie。

圖表8：AI遊戲引擎技術架構：數據結構複雜性較高

資料來源：Google GameNGen官網，中金公司研究部

從遠期看，我們認為各廠商會專精特定能力，使世界模型成為針對特定工作流的「超級工具」。我們認為，世界模型有可能實現可交互性大幅優化或畫面精細度進一步提升，但由於模型本身上下文及其本質上的成本限制，模型很難在畫質、交互性、一致性上同時滿足玩家需求。我們因此認為，世界模型在未來發展中，各公司會根據實際用户使用情況，對應地完善模型，各世界模型公司因專精不同能力實現差異化，而在專精能力對應的任務中實現提效。

圖表9：世界模型各團隊的技術特點、現有產品及潛在發展方向

資料來源：公司官網，中金公司研究部

遠期展望：「輔助工具」角色下關注如何商業化邏輯；「應用創新」角度關注世界模型驅動的新遊戲形態的可能性

作為「輔助工具」的變現邏輯：目標客户是誰？付費邏輯是什麼？

中小開發者/獨立團隊：降本訴求下的「工具替代」邏輯。對於這一客羣，世界模型的核心價值在於降低3D內容製作的資金門檻。傳統模式下，獨立團隊需將有限預算分配至程序、美術、策劃等多個環節。AI生成場景的出現，理論上可將部分美術資產製作成本轉化為工具訂閲支出。

中大型廠商：雙重價值驅動下的B端採購邏輯。中大型廠商的採購決策通常分為兩條並行線：

一是提效降本邏輯，預算來自技術中臺/美術中心。世界模型若能將數周工作量壓縮至數天，其ROI模型具備説服力。採購決策核心指標為「單位成本節省」與「管線適配度」。

二是創意實驗邏輯，預算來自研發中心/創意實驗室。世界模型的低成本快速原型能力，可顯著提升創意篩選效率。此部分採購決策更關注「創新溢價」，對價格的敏感度相對較低。

「應用創新」角度：關注世界模型驅動的AI原生遊戲

世界模型或帶來AI原生遊戲升維。我們認為在世界模型的賦能下，未來或會出現由世界模型生成畫面，AI Agent負責交互，並擁有更開放結局的AI原生遊戲。

圖表10：現狀：Google AI Agent SIMA可在Genie生成的AI場景中實現較好的指令遵循

資料來源：Google《SIMA技術報告》，中金公司研究部

問題3：以世界模型為代表的AI新技術會否重塑遊戲產業鏈？誰將受益？

對遊戲產業各環節的利潤池影響如何？

衝擊方：標準化服務商的利潤承壓

我們認為，最直接面臨衝擊的是產業鏈中標準化程度較高的外包服務環節，主要包括美術資產製作、基礎音頻錄製、部分代碼編寫等。

其核心邏輯在於：AI模型的核心能力是「低成本生成可用的數字資產」。對於需要大量重複勞動、創意附加值較低的外包業務，AI工具的替代效應較為明確。

賦能方：創意與管理的價值重估

利潤池的遷移方向之一，是遊戲產業鏈上游的創意與管理環節，包括創意策劃、核心玩法設計、項目管理。

潛在整合者：平臺方的利潤擴張

我們認為，有三類公司可能在這一輪技術迭代中受益並潛在提升利潤：

► 第一類是引擎公司。引擎是遊戲開發的底層基礎設施，天然具備工具鏈整合優勢。

► 第二類是大型發行商。發行商掌握用戶數據、分發渠道和資本優勢。通過引入AI工具降低研發成本，發行商可以以更低的試錯成本扶持更多項目，同時將更多利潤留存於發行環節。

► 第三類是擁有垂類數據優勢的內容廠商。在特定品類（如武俠、科幻、二次元）積累大量資產數據的企業，有機會訓練出更適配細分市場的垂類模型，將數據優勢轉化為技術壁壘，從而向上遊工具鏈延伸。

當前狀態下，誰將受益？

我們認為：1）頭部遊戲廠商仍具備較強內容護城河，中長期來看善於利用AI賦能創作、挖掘AI潛能並持續鞏固IP與玩法優勢的公司有望在當前變革中擁有持續性優勢。2）聚合創作者與工具的「生態平臺」有望通過擁抱AI、創新工具以掌控新的生產與分發入口，在變革中獲得新增量。3）中游引擎方由於管線數據構築高壁壘，短期難被替代，但長期商業模式重構仍待驗證。4）中小廠商及工作室兼具創作門檻下降的平權機遇與同質化內容井噴的挑戰，擁有獨特用户社羣或差異化玩法理解的廠商有希望放大優勢。

擁有頂尖IP和玩法、敍事能力的頭部遊戲內容廠商：聚焦旗艦產品長線經營與數據積累，逐步跑通自有AI路徑

我們認為頭部遊戲內容廠商的核心護城河仍然堅固，旗艦IP、深度玩法、沉浸式敍事和用户生態所構成的綜合體驗仍是AI無法複製的核心價值。我們判斷，善於利用AI賦能創作、挖掘AI潛能並持續鞏固IP與玩法優勢的公司有望在當前變革中擁有持續性優勢。

國外：聚焦長線運營與私有數據壁壘。資本市場對內容廠商的長期格局存在一定分歧。部分觀點認為，AI技術平權將降低高質量3D場景的產出成本，大型遊戲公司依靠重資本投入構建的美術產能壁壘或被部分削弱；另一部分觀點則認為，藉助AI工具，大型廠商漫長的開發周期與高昂的美術外包成本有望得到優化，從而迎來利潤率的改善。

我們保持樂觀的判斷：頂級IP長線運營與私有高保真數據構成雙重壁壘：

► 長線運營與玩法設計的不可替代性：真正決定產品生命周期的嚴謹數值體系、玩法循環及長期用户運營能力，仍是核心門檻。

► 高保真私有數據構築防禦壁壘：大型內容公司積累了大量獨家高保真數據，包括專屬角色資產及工程數據。我們判斷，利用此類私有資產微調出的定製化垂類模型，有助於廠商在內容質感和IP調性上維持對中小開發團隊的領先優勢。

國內：技術發展路徑務實，關注「軟實力」（對遊戲創意的洞察、內容IP積累與塑造）與「硬技術」（對物理世界與數據規律的模擬，構建技術平臺）並舉，護城河有望繼續加深。同時，依託龐大的用户市場，中國廠商在AI隊友、智能NPC、AI+UGC等多個維度都逐步跑通商業模式。

長期來看，我們認為，儘管生成式AI降低了內容製作的門檻，但也加劇了內容的同質化競爭。真正的稀缺資源將從「生產能力」轉向「擁有海量用户交互數據」和 「核心行業人才與算力池」。我們認為，一如騰訊在射擊賽道、大DAU品類的用户行為數據沉澱，網易在MMORPG、開放世界等賽道的經驗積累等將加深數據飛輪效應，使頭部廠商在AI智能化程度上與第二梯隊拉開代際差距。

圖表11：國內典型遊戲廠商AI應用案例

資料來源：Gamelook，36Kr，公司官網，中金公司研究部

聚合創作者與工具的「生態平臺」：掌控新的生產與分發入口

在遊戲內UGC生態的AI賦能方面，核心在於通過AI工具撬動用户端創造力，反哺內容生態。我們認為UGC生態系統內的AI工具升級有望改變玩家與遊戲世界的互動方式以及UGC內容的生成流程，讓遊戲內容生產從「預製消費」向「動態共創」演進。

► 撬動用户創造力：AI賦能UGC的核心，在於通過AI工具將專業、繁瑣的創作過程變得簡單、有趣、即時反饋，從而釋放了用户的創造力。讓AI承擔複雜的3D建模、地形生成、邏輯腳本編寫等重體力勞動，讓玩家能專注於更高層次的玩法設計、敍事構建和情感表達。

► 反哺內容生態：從創作者經濟到共生生態。我們認為可關注內容供給的爆發式增長、內容消費側的個性化滿足，在此基礎上形成更加健康的生態循環——「內容吸引用户，用户創造內容」。

中游工具/引擎方：市場態度相對中性，公司如何轉型、融合？

圖表12：Unity主要按席位收費

資料來源：Unity官網，中金公司研究部

我們整體維持中性判斷：管線數據構築高壁壘，短期難被替代，但長期商業模式重構仍待驗證：

► 另一方面，在商業模式上，雖然引擎公司正嘗試向「平臺+AI服務」轉型，計劃通過AI插件等服務來提升核心開發者的單用户價值，但我們認為，現階段尚無法準確推演新增的AI增值服務收入能否有效對衝基礎席位費下滑帶來的減值風險。

公司態度與業務佈局：當前海外引擎大廠現階段均將AI定位為開發者的輔助工具。中大型研發團隊對原生嵌入引擎的AI工具接受度較高，因其無需推倒現有的工業化管線。為進一步梳理雙寡頭的錯位競爭與底層護城河，我們對其核心AI產品線及一線開發者反饋進行了橫向對比：

圖表13：Unity和Epic Games AI佈局與開發者反饋深度對比

資料來源：Unity，Epic Games，中金公司研究部

綜合上述佈局，我們預期，海外引擎雙寡頭短期內或傾向於開放API，致力於成為各路AI模型在遊戲製作鏈條上的集成終端，而非直接下場進行底層通用大模型的算力博弈。

小廠商/微型工作室：技術平權下，機遇與挑戰並存

有利之處在於能夠大幅度降低創作門檻，釋放創意潛能。舉例來説，重慶雲威科技《挪車打螺絲》遊戲即做到全流程AI滲透，遊戲中超過80%的模型由AI生成，將原畫到3D建模的周期從幾周壓縮至幾天，遊戲於2024年12月登頂微信小遊戲全國人氣榜。一如年初熱度較高的遊戲《互聯網大廠模擬器》亦是開發者藉助Google AI Studio（Gemini）通過Vibe coding方法完成，同時通過AI QA Agent進行通關率、平衡性等自動測試以試玩檢驗產品情況。

挑戰在於遊戲同質化加強、競爭加劇，模型技術可用性、穩定性仍有差距。一是同質化加劇、流量成本提升，大廠通過海量測試找到「爆款」素材的概率遠超中小廠商，導致獲客成本優勢進一步向頭部集中，形成強者恆強的局面。二是AI技術可用性仍存在差距，部分產品玩法有創意，但實際畫面等仍有欠缺，且存在AI模型無法直接支撐需要穩定、長線運營的商業遊戲產品的情況。

我們認為，對於中小廠商而言：短期重視執行力，具備強創意能力、並能與現有AI工具高效結合的「小而美」團隊，其ROI將大幅提升；中長期重視生態位，擁有獨特用户社羣或差異化玩法理解的廠商有希望放大優勢。遊戲行業本質是創意驅動，大廠無法壟斷所有靈感，這為中小廠商留下結構性機會。其核心優勢不在於拼資源，而在於反應速度、迭代靈活性和垂直用户洞察。AI時代並未改變這一邏輯，而是進一步放大，將它推到更極致的地步。

遊戲製作門檻降低與市場競爭加劇：市場較為擔心世界模型將大幅降低優質美術內容及優質遊戲產品的難度，推動遊戲供給提升，並搶奪頭部遊戲公司的市場份額。我們認為世界模型及整體AIGC工具是較好的平權效應，給予了有創意的獨立製作人、中小遊戲製作廠商更多類型遊戲製作的可能性，存在潛在競爭加劇可能性。但我們同時強調：1）遊戲製作核心考驗的是製作人對用户的理解，對產品的構想；若僅是低質量、同質的AI內容並無法對於精品遊戲內容造成衝擊，而頭部公司及對應制作人在各細分賽道有多年累計，或更能輸出優質創意。2）頭部遊戲公司在AI遊戲工具的佈局更早，投入更大，亦或能實現更明顯的AI提效。

潛在AI原生玩法帶來的用户時長和商業化競爭：如我們前文所述，多個AI模型結合（AI Agent、AI世界模型等）可能催生由AI驅動的開放式結局的原生玩法，在AI能力的持續演進下，玩法可能作為新的娛樂模式搶奪傳統遊戲的用户時長，並影響傳統遊戲的變現。我們認為這一可能性的實現或在較遠期。從短期來看，高質量的AI原生玩法仍有較大的技術難度，如騰訊在4Q25業績會所述，「人工智能尚未具備從零開始打造一款遊戲的能力」。

AI內容的版權問題：世界模型在訓練時使用大量的遊戲切片內容，其訓練及產出的內容或存在版權問題，可能導致世界模型本身、應用世界模型生成的資產發生版權衝突，引發訴訟等問題。此前，在視頻生成領域，Seedance、Hailuo等模型曾被Disney等公司訴訟版權使用不當。在世界模型進一步增大訓練量，應用逐漸拓展下；我們認為可能遇到類似的風險。

AI內容的用户接受程度較低：儘管AI應用在遊戲行業的滲透率提升，但用户對於AI製作的遊戲內容反饋差異較大。根據GDC對遊戲行業的調研，52%的遊戲從業者對AIGC持負面態度。射擊遊戲《Arc Raiders》亦因使用AI內容引發爭議，並在后續使用真人制作內容對AI內容進行替換。若AI生成的內容無法滿足用户的需求，可能導致遊戲產品本身的負面反饋及商業化受影響。

本文摘自：2026年3月19日已經發布的《AI文娛觀察#7：從世界模型出發，再論AI對遊戲行業的影響》

張雪晴，CFA  分析員 SAC 執證編號：S0080517090001 SFC CE Ref：BNC281

余歆瑤  分析員 SAC 執證編號：S0080523060010 SFC CE Ref：BSX518

曹嘉揚  聯繫人 SAC 執證編號：S0080125070094

楊子捷  分析員 SAC 執證編號：S0080524080001 SFC CE Ref：BUS854