摘要：就比如教育和就业方面，当国内基于生成式AI在基础创意类工作上的强大能力，又一次开始渲染文科无用论的同时，在大洋彼岸的美国，程序员就业人数在ChatGPT推出后急剧下降，已回到1980年以来的最低水平，反而是类似产品经理的岗位激增。

不可否认，AI技术正经历着前所未有的热潮，但最近GameLook却观察到，大家对于AI的态度却也越发的混乱。

就比如教育和就业方面，当国内基于生成式AI在基础创意类工作上的强大能力，又一次开始渲染文科无用论的同时，在大洋彼岸的美国，程序员就业人数在ChatGPT推出后急剧下降，已回到1980年以来的最低水平，反而是类似产品经理的岗位激增。

而围绕AI与游戏行业，随着最近GDC、GTC等各种业内活动扎堆举办，游戏、AI领域一众大佬进行公开分享，对于同一话题各种不同的观点和态度，更是加重了GameLook感受到的「矛盾感」。

图片来源：DALL-E

就比如开发者态度方面，前有GDC2025发布调查数据显示，对AI持负面态度的开发者比例从去年的18%上升到30%；后有Unity发布年度游戏报告，显示79%的受访开发者对AI 技术持“积极态度”。

类似的还有，一方面英伟达CEO黄仁勋在GTC 2025大会上表示，当前生成式人工智能已经过时，迈入了名为代理式AI（Agentic AI）和后续的物理AI（Physical AI）的时代。

“人工智能真正进入世界意识大约是在十年前。从感知人工智能开始，计算机视觉、语音识别，然后是生成人工智能。过去五年，我们主要专注于生成人工智能，”

“但在过去两三年，人工智能发生了重大突破，取得了根本性的进步。我们称之为代理人工智能。”黄仁勋说道。

但另一方面，在最新的GDC大会上，Inworld AI的CEO Kylan Gibbs却也根据目前行业真实的案例，一针见血地指出目前生成式AI在游戏行业落地时，依旧存在的巨大局限性：

“当你处于原型和演示状态时，很多生成式AI工具如OpenAI、Anthropic的产品在演示中表现良好，但当面对数百万用户规模时，它们往往无法正常工作。”

虽然在人类历史上，技术和生产工具的升级（比如工业革命前后），新旧生产力同时存在，几乎必然会触发类似的理论和实践的混乱，但对于当下身处游戏行业的个人而言，当下确实不是迎接混乱的好时机。

整个行业刚刚从疫情效应中走出来，开发者既要面对心理与行动的矛盾，担忧AI取代自己的工作的同时对AI的内容产出效率、成果乐此不疲；还要亲身感受技术的前沿探索，与实际落地之间巨大的落差。

虽然GameLook也无力解决这一连串的问题，但或许我们可以通过自己对行业的观察，在嘈杂的环境中，找到真实的案例和声音，尽可能展示AI与游戏行业融合及前进的真实情况。

AI游戏幸福的烦恼：越成功就越容易失败

首先自然是AI技术在游戏行业具体的落地情况到底如何。

前不久GameLook刚刚介绍了蔡浩宇新公司Anuttacon的首款游戏《Whispers from the Star》，一款Ai驱动的互动剧情类太空生存冒险游戏；再往前GameLook也曾介绍过海外开发者「levelsio」的AI游戏「fly.pieter.com」，该产品通过在其中加入微交易、售卖广告位等，在上线10天内已经赚了近30万元。

但两款游戏其实都很难代表目前AI在商业产品中落地的情况，也很难说明带来的影响。只能说2025年是GameLook认为AI游戏作为具体的产品而非营销概念，开始走向主流视野的一年。

想要解答这一问题，我们需要把时间再往前调。AI应用于游戏的早期探索中，其实已经出现了一些成功案例，并且往往伴随着意想不到的代价。

就比如美国AI游戏团队Little Umbrella，他们开发的主要在Discord平台上运营的网页游戏《Death by AI》在短短两个月内吸引了2000万玩家，收获了令人羡慕的市场表现。根据外媒的报道，该游戏的成功也让这家公司成功吸引了投资市场的注意，包括A16Z、VRF等在今年1月对Little Umbrella投资了2000万美元。

《Death by AI》玩家面对系统提出的情况「有一颗陨石撞击地球」，需要在限时内输入自救方案AI根据玩家的答案续写故事，然后判断玩家是否存活

简单来说，《Death by AI》是一款基于文本提示（prompt-based）的生存类社交游戏，玩家需要与其他人共同参与，游戏的核心特色是由AI担任游戏主持人，负责创造各种致命情景，玩家则需要输入文本内容影响动态生成剧情的发展，然后由AI决定玩家在特定情境下的生死结果

然而，《Death by AI》成功的背后是一场财务噩梦——随着游戏玩家数量激增，最初使用OpenAI的大型语言模型（如GPT-3.5和GPT-4）以及ElevenLabs的语音合成技术的Little Umbrella迅速发现，自己每天云端AI API成本从初期的5000美元飙升至25万美元，一度将工作室推向了破产边缘。

Little Umbrella的技术总监坦言：“我们不得不限制用户增长——字面意思是拒绝新玩家”。

《Status》

类似的情况其实不是个例，同样的困境也出现在手游领域。2022年成立的美国公司Wishroll开发的社交媒体模拟游戏《Status》在去年10月上线后，曾在美区iOS生活类免费排名也一度达到过第四位，但就是这样一款不算大爆的产品，背后隐藏的经济压力同样惊人。

作为一款以社交媒体模拟为核心的角色扮演游戏（RPG），《Status》其实模拟的是当代社交网络，玩法融合了模拟经营与社交互动机制，玩家可以自由创造个性化的虚拟形象，与AI驱动的数百个不同的粉丝社区互动，发展人际关系，并逐步提升自己的虚拟社交地位。

游戏要求玩家通过发布内容逐渐获得声望，不过这也就意味着玩家可能因为不当言论或行为而被“取消”（cancelled），模拟了真实社交媒体环境中的风险与回报机制。

面对各种事件玩家可以选择系统默认的回复或者是撰写自己的回复

而作为一款针对社交网络的模拟游戏，不出意外地，《Status》迅速在TikTok走红，Discord社区也从100人膨胀到6万人，推动产品仅在公测两周后就突破了百万用户大关。

然而，这种成功背后是每名活跃用户每日12至15美元的成本。作为参考，国内即便是一些MMO等重度游戏，结合5%左右的付费率，一般ARPUDAU也只有10元人民币左右。

面对正常游戏几十上百倍的成本，Wishroll的CEO Fai Nur直言：“这完全不可持续。如果我们不作出改变，几天内就会破产。即使筹集数千万美元资金，也无法维持超过一个月。”

AI与用户体验：未兑现的美好承诺

一方面是AI在实际落地上，对于开发者而言缺点逐渐暴露，当前AI的商业模式和高成本，与普通游戏产品追求大DAU的基础目标不兼容。

另一方面从用户角度看，目前主要以套皮聊天机器人的智能NPC形式加入游戏产品的AI，对游戏体验的实质性提升仍然有限。

这里GameLook想首先分享一下，在前不久一场行业活动上，前游戏行业知名VC的Benchmark Capital合伙人Mitch Lasky对于目前AI在游戏领域应用的观察。

“我认为，我们将见证人工智能在游戏产业中的三大应用方向，首要且最为基础的是，AI将为我们已在游戏中见到的元素打造更优版本。主要是超智能的非玩家角色（NPC）或辅助系统，坦白说，这类应用对我来说并不那么吸引人。

其次视人工智能为效率倍增器的理念。它将在游戏制作层面乃至运营层面，显著提升生产效率，包括编程工具和美术生成器等。

最后，在蓝海领域，还有第三类机遇。这类机遇将真正推动蓝海市场的爆发。它们指的是那些过去无法实现，如今借助人工智能得以完成的事情。”

甚至ChatGPT还支持实时语音对话，而游戏内的智能NPC大多只能打字 图片来源：OpenAI

回归到用户体验，不可否认，许多所谓的“AI游戏”本质上只是将聊天机器人置入游戏场景，并未真正改变核心玩法机制。

虽然GameLook不能说类似的尝试对于用户体验完全没有影响，但目前擅长角色扮演的AI聊天机器人，在业内其实已经有了相当成熟的解决方案乃至成功的商业产品。

去年还有相关企业在完成了从爆火到高估值再到融资困难最后折价被收购的循环。去年8月被谷歌以超25亿美元收购的Character AI。该公司在2023年9月时估值一度超过了50亿美元。

而真正具有变革潜力的AI应用，如多模态行动规划系统（MAP）和AI驱动的程序化世界生成，仍处于早期探索阶段。这些技术有望使游戏世界及其居民展现真正的自主性和环境适应能力，但要实现商业化仍需克服诸多技术和设计挑战。

至于AI最有潜力的领域，即在用户生成内容（UGC）方面的应用，目前多数仍停留在简单的资源生成层面，缺乏与游戏机制的深度整合。

《蛋仔派对》

就比如前不久刚刚开源了自己3D模型生成AI大模型的Roblox。国内也有《蛋仔派对》，该游戏搭载了支持AI驱动的「一键生成功能」的编辑器，运用ModelMaker-3D模型生成技术，帮助创作者生成品类丰富的模型组件。

而之所以目前主要的AI在游戏内的应用还停留在Mitch Lasky觉得无聊的第一种尝试，并不是因为游戏公司不愿意积极探索更丰富的实践。

抛开各家公司情况不同的可能遇到的不同困难，当我们看向更广泛的游戏市场，以及目前已知的一些AI游戏的尝试，比如即将上线的搭载了本地小型AI模型的Krafton旗下模拟游戏《inZOI》，其实也不难找到全球游戏人面对的一些共同难题。

首当其冲的是当前游戏行业迫在眉睫的性能问题，当涉及AI，基本上所有游戏项目都要面临一个尴尬的矛盾：一方面，游戏图形渲染要求不断提高，追求更逼真的视觉效果；另一方面，AI处理同样需要强大的GPU算力支持。

而在同一硬件平台上，如果选择在本地部署，这两种需求不可避免地产生资源争夺。

虽然包括英伟达等的新一代显卡以及高通的最新骁龙芯片、苹果的A系列新品，都在性能上不断进步。但无一例外，无论是PC游戏还是手游市场，目前市面上其实不乏无须AI就能吃满甚至于让最新硬件性能捉襟见肘的产品。

更何况对于玩家而言，Nvidia RTX 5090等顶尖硬件目前的售价依旧相当高昂（国内的5090D起价为16500元），至于能够完整本地部署DeepSeek的顶配Mac Studio，国内售价更是超过10万。对于消费者而言，获得支持大型AI模型的高端硬件仍是一项昂贵投资。

当然目前大部分游戏搭配AI主要借助的是API，所有运算都被放到了云端而非玩家本地处理。但这也带来了新的问题，且不说用户数据和隐私问题，云端部署虽然降低了硬件门槛，实时响应延迟却将成为阻碍AI游戏体验的关键因素。

根据AI公司Inworld在GDC上的演讲，传统云端依赖的AI架构的响应时间最快在800至1200毫秒，这对需要即时反馈的游戏体验比如RPG产品或者是射击类、动作游戏而言是致命的。

一个简单的比较：人类感知延迟的阈值约为100毫秒，而标准游戏要求的响应时间通常控制在16-33毫秒之间。云端AI如此显著的延迟差距，足以破坏游戏的流畅性和沉浸感。

简单来说，目前乃至未来一段时间内，对于玩家而言，AI游戏能够提供的都是短板相当明显的体验，云端AI导致的高延迟会破坏游戏的即时反馈感，而本地AI则可能因设备性能不足而降低整体游戏流畅度。

尤其在移动平台上，这种矛盾更为突出——有限的电池容量和散热能力使得高性能AI处理器几乎不可能在保持良好用户体验的前提下长时间运行。

要知道以上讨论的还是目前大多数游戏内搭载的AI仅支持单一模式的交互和内容输出的情况，未来随着AI大模型和产品进入多模态的阶段，开发者将面临的性能、时延、准确性、成本等挑战只会更加严峻。

AI与游戏融合：大模型、平台和企业的多方向探索

不过科技行业众所周知，从来不是轻易认输的产业，有难题自然也会有挑战者。

面对从原型到生产的诸多挑战，目前国内外AI和游戏的行业领导者，包括大模型公司、平台公司以及在此基础之上的服务型企业，其实一直在探索突破性解决方案，重构AI在游戏中的应用架构和经济模型。

就比如DeepSeek，虽然该模型并不特别针对游戏行业，但DeepSeek的出现从当前的视角来看，确实彻底改变了AI行业经济模式。

DeepSeek通过独创的MLA（多头潜在注意力机制）架构和MoE稀疏结构，其训练显存占用降至传统模型的5%～13%，计算量大幅压缩，最终实现推理成本低至每百万Token仅1元人民币，仅为Llama3的七分之一、GPT-4 Turbo的七十分之一。

这一成本革命对游戏行业的影响不可低估。之前面临破产风险的游戏开发商，现在可以用同样的预算运行数十倍的AI查询，从根本上改变了原型项目向正式产品转变时的成本计算。

而除了DeepSeek，微软官宣的专为Xbox平台设计的Copilot for Gamig，则代表了平台方向，AI与游戏融合最前沿的探索。

根据微软的说法，Copilot for Gamig不仅仅是一个简单的AI聊天机器人，而是一个全面的游戏伙伴，设计用于全方位增强玩家体验。

比如在《守望先锋2》中，Copilot可为玩家提供实时游戏指导，帮助玩家进行角色选择，解释角色搭配的优缺点，提供战略建议。Xbox企业副总裁Fatima Kardar强调，Copilot会根据玩家的兴趣和习惯提供个性化体验。它不仅仅是简单地出现提供帮助，更重要的是在恰当的时刻提供恰当的支持，避免对游戏体验造成干扰。

Copilot for Gaming代表了一种平台级解决方案，通过在游戏平台层面整合AI能力，为开发者提供标准化的AI服务，减轻个体开发者的技术和成本负担。并且在GameLook看来，相较于已经过时的主机大战的概念，微软正在发挥自己擅长的平台和软件服务的优势，力求建立统一的游戏和AI生态系统。

至于基础之上的技术服务型企业，上文曾提到的Inworld AI就在最近的GDC上，分享了自己针对AI在游戏行业落地的多种解决方案。

就比如性能方面，通过架构重构，Inworld AI探索出了一条混合计算模式。通过将推理任务转移至本地设备，同时保留复杂机器学习任务在云端处理的能力，显著提升了响应速度并降低了运营成本。

而根据Inworld AI的分享，通过Inworld Framework，主打游戏直播服务的Streamlabs将AI响应时间从传统云API的800-1200毫秒缩短至200毫秒，使AI助手能够实时观察游戏事件并提供即时评论和切片等衍生内容的制作支持。

使AI助手在游戏直播中从“总是慢半拍”变成了能够与主播节奏同步的存在。

Streamlabs联手英伟达和Inworld的方案

而成本，inworld还分享了自己在AI成本优化上的成功实践，

正如Inworld工程副总裁Evgenii Shingarev所言：“我们已经看到无数令人印象深刻的AI游戏原型在向生产过渡时死亡，模式总是相同的：令人印象深刻的演示、热情的投资，然后慢慢意识到经济和技术架构无法支持实际部署。”

根据Inworld AI的分享，Wishroll的《Status》在Inworld的ML优化服务协助下，成功将AI成本降低了90%，同时提高了质量指标，为游戏提供了盈利路径。

而在AI的长线和稳定性表现方面，Inworld则展示了与维塔士合作，通过精确控制AI角色的行为、记忆和个性，试图创造真正沉浸式的叙事体验。

维塔士的CTO Piotr Chrzanowski表示：“在维塔士，我们认为AI是增强游戏开发者艺术性并准确实现他们愿景的一种方式。通过整合AI，我们使开发者能够为他们的创作添加新维度，丰富游戏体验而不影响质量。”

结语：

总的来说，目前AI的发展、玩家需求的变化速度，其实都是远超过刚刚走出疫情效应，不少大中小公司还在转型自救的游戏行业前进、适配、升级的速度。

甚至GameLook在上文中提到的目前头部企业为AI和游戏融合做新的探索、创造的优势条件，其实也在迅速被技术进步和用户需求赶上，在大多数游戏公司还没有享受到变革的情况下就即将消失殆尽。

比如DeepSeek带来的AI大模型推理成本大幅下降，在今年1月底曾一度被视作游戏内AI落地的关键。

但在最近的GTC2025上，黄仁勋就为所有人浇了一盆冷水，虽然目前单个Token的价格可能只有之前的1%，但由于人们开始期待新的代理式AI（Agentic AI）能够解答更多复杂的问题、能够思考、能够推理、能够使用不同的技术、能够规划不同的路径。

面对同一个问题，AI需要产出Token数量其实有了大幅的增加，极有可能会超过100倍。自然而然地，AI整体使用的成本其实又会重新回升至普通游戏产品的商业模式难以配合的阶段。

黄仁勋表示：“由于人工智能和推理的出现，我们目前所需的计算量很容易比我们去年这个时候认为的要多100倍。”

“人工智能的基本技术仍然是一样的。生成下一个Token，然后预测下一个Token。只是有了推理之后，AI它不是只生成一个接一个的Token，而是生成一系列Token，代表推理的一个步骤。在生成第一步之后，人工智能还会生成第二步、第三步和第四步。因此生成的标记数量要高得多，很容易就多100倍。”

“它现在需要生成100倍的标记，为了让我们保持模型的响应性和交互性，这样我们就不会在等待它思考时失去耐心，我们现在必须将计算速度提高100倍。我们进行推理所需的计算量比以前大幅增加。”

在此之前，对于AI与游戏行业的融合，我们总是愿意将视线从当下的技术困境与解决方案抬起，放眼未来，游戏与AI的结合将远超今天我们所能想象的边界。

畅想着或许在不远的将来，游戏中的角色将真正“活”起来——它们不仅拥有持久的记忆和情感关系，还能跨越游戏边界，我们也许会看到全新的游戏类型诞生——它们不再是传统意义上的“游戏”，而是由AI调节的社会实验场，或是由集体智慧塑造的创意空间。

但技术的潜力与其实际应用之间，存在着复杂的经济、伦理与设计挑战。AI游戏的未来将不仅取决于技术进步，还取决于我们如何构建支持创新的商业模式，如何平衡创作者控制与AI自主性，如何在追求智能的同时保持人类创意的中心地位。

来源：GameLook