从出图到引擎之间：李驰和他的Meowa实验

从2024年下半年开始，AI在游戏行业的地位突然崛起。

Google DeepMind发布了Genie 2，从一张图片生成可交互的3D环境，到视频演示里玩家能在AI生成的世界中行走、跳跃，甚至与物体互动。Decart的Oasis则更快一步，2024年10月直接放出了一个实时生成的Minecraft式开放世界——号称第一个完全由AI驱动的可玩游戏。到了2025年，Gambo这类产品进一步降低了游戏开发的门槛：输入一段文字描述，几分钟内就能拿到一个可运行的游戏原型。

"一句话生成游戏"的现象在游戏行业里迅速升温。

与此同时，游戏开发的另一端也在松动。2025年2月，Andrej Karpathy提出"Vibe Coding"这个概念——用自然语言描述需求，让AI写代码。Claude Code、Codex、Cursor这些工具在一年内迅速发展成熟，代码能力不再是做游戏的限制条件。到2026年中，vibe coding的使用者里有超过六成不是职业开发者。这意味着一大批过去被代码门槛挡在游戏开发之外的人，第一次拿到了入场的可能性。

大厂的投入同样在加速。米哈游公开表态三年投入千亿all in大模型，据行业内流传的信息，几乎每家头部游戏公司内部都有AI原生游戏或AI NPC的项目在推进。钱和人都在涌入这个方向。

但如果你真的在开发游戏，不只是做一个demo或者技术演示，而是做一个要面对玩家并且需要长期维护的项目，就会发现更棘手的问题——从模糊的玩法灵感到可玩的游戏原型，中间缺的不只有代码。

Genie 2的世界只能维持十到二十秒；Oasis的画面是AI逐帧"想象"出来的，不存在可导出的资产文件；Vibe Coding解决了代码，但游戏开发需要的策划、美术、音效等等，这些环节AI还没有真正进入开发流程。

尤其是美术资产，这是最让人头疼的一块。通用生图工具可以产出一张好看的概念图，但一张概念图和一套能够导入Unity或Godot的游戏素材之间，还有着很长的距离——边缘模糊，风格漂移，尺寸不对，切片之后全是问题。对独立开发者来说，代码可以vibe coding，策划可以自己写，但美术资产是最大的瓶颈。"找外包"速度慢暂且不提，昂贵的价格就让不少开发者望而却步。

李驰在2023年从字节AI Lab离开创业时，遇到的也是这个问题。他的团队最早想做的是AI原生游戏，但在过程中发现，市面上没有任何工具能支撑从策划到资产的完整创作流程。于是他们选择自己搭建一套内部工具链，从最难入手的像素级美术切入——因为像素级美术的标准最严格，如果AI能做到"完美像素、风格统一、可进引擎"，就能证明AI做的东西是真正Game Ready的。

后来这个内部工具被外部同行看到，对方当场表示愿意付费使用。

这就是Meowa的起点——并不是一个从市场调研出发的宏大产品规划，而是一个做AI游戏的团队在生产过程中，把自己的创作工具链产品化的结果。

以下是茶馆君和李驰的对谈实录。（为确保阅读体验，部分内容有所调整）

01

从字节到喵吉托

茶馆君：字节游戏领域比较多灾多难，你为什么要从大厂跳出来做AI游戏？

李驰：我笃定要做一辈子游戏。所以对我来说，问题从来不是"要不要离开字节"，而是"用什么方式继续做下去"。

做过一些AI游戏，拿到过一些成绩

在字节AI Lab我做了几年游戏AI研究——做过亿级DAU项目的游戏Agent强化学习训练部署，也带过3D Generative Agent项目（在字节内部复现斯坦福AI小镇）。工作之外，我也做了不少AI游戏demo，在内部黑客松上多次获奖。这段经历让我同时看到两面：一面是大厂工业化流水线有多沉重，另一面是前沿AI涌现出的能力有多让人震撼。我很确信——AI一定会颠覆游戏行业，而我不想用旧方式继续做。

字节是一家非常优秀的公司，但在游戏这件事上一直有些摇摆。我离开是因为相信我们正处在一个拐点：AI能力的增强正在清零大厂过去积累的人才壁垒，游戏行业即将告别堆砌人力的重资产时代。在这个时间点上，创业公司的敏捷会被AI极大放大，可以避开大厂的层层流程，把所有资源压在真正重要的事上。这是AI时代的创业才有的独特窗口期。

茶馆君：Meowa最早是怎么出现的？有没有一个关键时刻让你意识到它可以独立成为产品？

李驰：要说一个最具体的瞬间——有一次我给一位同样在做AI游戏的朋友演示我们的内部管线，他看完直接说"这个能不能给我用，我愿意付费"。那一刻我意识到，Meowa可能不只是我们自己的工具。

Meowa最早是我们做《喵呜岛》时为了解决自己问题做的内部工具。当时市面上的AI工具我们几乎都试过一遍，问题非常一致——AI味太重、像素糊、风格对不齐、进不了引擎。它们解决的是"一张好看的图"，但游戏开发要的是"一套规范统一、能进管线的素材"——这是两件完全不同的事。所以我们干脆自己做了一套，专门生成像素级游戏资产和帧动画。

早期meowa画面

那位朋友的反应不是孤例——后来我们陆续给一些行业里的朋友看过，反馈都很一致：他们也遇到了同样的问题。再加上Agent编排能力开始集成进来，工具的天花板比我们一开始预期高得多。这才让我们决定把它产品化。

所以工具和游戏对我们来说不是分叉，而是同一棵树的两根枝——游戏让我们看清行业的痛点，工具让我们更快地把解法交给行业。

茶馆君：能介绍一下喵吉托团队吗？

李驰：我们目前6人，刻意做成AI和游戏对半的结构——只有真正同时懂这两件事的团队，才能做出AI原生的游戏和工具。

模型与技术侧由我和CTO Less主导。我之前在字节AI Lab做游戏AI研究员，主导过亿级DAU项目的游戏Agent强化学习训练和部署，带过3D Generative Agent项目。Less之前在阿里AI Lab负责大模型与Agent架构，是阿里开源框架TinyNN的主创，后来在蚂蚁集团担任Multi-Agent Coding产品的算法负责人。

产品与游戏侧由我统筹《喵呜岛》制作和Meowa产品方向。主策划Bofan来自中传游戏设计系，独立游戏作品《圆圆滚滚大农场》被顶尖发行商签下；主美Jean曾任《驱入虚空》《Good Pizza, Great Pizza》美术负责人，在二次元和爆款独游领域都有过硬背景。

市场现阶段我直接负责。这个阶段创始人就是最有效的GTM——我们的早期用户基本都是在开发者社群里被demo的生成质量直接说服的，转化路径很短。

02

从美术出发

茶馆君：Meowa现在的核心用户是谁？

李驰：最核心的是独立游戏开发者。我们目前有上万的开发者社群，每天都在群里交流需求、提bug、晒进度——像素RPG、农场模拟、恐怖、修仙等等，每个类型都有人在做，几乎每天都有新作品冒出来。

具体到用户构成：核心是独立开发者，但社群里也有不少游戏专业学生、几人小团队、以及一些大厂在职的游戏人——大多在用Meowa做自己业余时间真正想做的side project。换句话说，Meowa的用户不是按"职业身份"分布的，而是按"创作主导权"分布的——只要这个人想为自己做一款游戏，他就有机会出现在我们的社群里。

为什么从独立开发者切入？因为他们没有大厂的人力堆砌能力，对自己的作品又有完整主导权，是AI游戏开发工具最早的真实需求方。

茶馆君：这些用户在用Meowa之前，通常怎么解决像素美术问题？他们真正愿意付费的原因是什么？

李驰：用户愿意为Meowa付费，表面上是省钱省时间，但本质上是他们用极低成本获得了过去很难获得的东西：定制化、高质量、风格统一，并且可以直接进入游戏开发流程的美术资产。

在传统流程里，独立开发者解决像素美术通常只有几种方式。找外包，可以定制，但慢、贵，沟通成本很高，一个角色一套动作往往几天到几周。买素材包，便宜即时，但风格很难匹配，角色、场景、UI经常来自不同作者，拼在一起很杂，而且公共素材包缺乏独特性。自己画，适合少数有美术能力的开发者，但对大多数程序型、策划型创作者来说，美术就是最大的瓶颈。更多人则是在开始做游戏前就被美术门槛劝退了。

所以用户买Meowa，不只是为了便宜或快。他们真正买的是：把一个原本不可控、不可负担的美术管线，变成一个低成本、可迭代、可定制的创作流程。

茶馆君：很多AI生图工具都能生成好看的图，但游戏开发者需要的是"能进项目的素材"。你们怎么定义一个资产达到了可用标准？

李驰：我们不会用"好看"来定义游戏资产是否可用。对游戏开发者来说，真正的标准是：这个东西能不能低成本、低返工地进入游戏项目。

我们内部对Game Ready资产有几层判断标准。

第一是美术标准。资产必须看起来像一款完整游戏里的东西，而不是一张孤立的AI图。需要有统一的审美、清晰的轮廓、克制的细节、干净的色块、准确的透视和稳定的光影调色板。像素资产尤其重要的一点是"完美像素"：边缘不能糊，不能有多余杂色，不能出现AI常见的脏噪点和半透明过渡。

第二是工程标准。游戏资产要进入Unity、Godot或其他引擎使用，必须具备干净的透明背景、明确的尺寸规格、合理的留白、稳定的网格对齐，以及可直接切片、导入、渲染的格式。如果用户拿到之后还要花大量时间抠图、修边、重排，那就不算真正可用。

第三是一致性标准。游戏开发需要的不是一张图，而是一整套资产系统。一个角色、一组道具、一套场景Tile，必须属于同一个世界观、同一个比例体系和同一套视觉语言。很多AI工具能生成单张好图，但十张图放在一起就风格漂移。Meowa更关注的是持续生成一整套风格统一的资产。

具体来说，角色动画我们看帧与帧之间是否保持一致——体型、服装、武器、调色板是否稳定，动作有没有清晰的起手、过程和收招，锚点是否稳定，能不能直接作为Sprite Sheet进入引擎。Tileset我们看能不能无缝拼接，边界过渡是否自然，是否符合瓦片规则，铺成一整张地图之后是否统一可读。

所以我们对"可用"的定义是：美术上有商业化卖相，工程上能直接进引擎，系统上能持续扩展成一整套统一风格的游戏资产。

茶馆君：像素美术和普通AI生图最大的区别是什么？你们为什么选择先做像素？

李驰：最大的区别在于：普通AI生图追求的是"看起来好看"，像素美术追求的是"每一个像素都必须正确"。

普通图像是连续的，边缘稍微糊一点用户可能不敏感。但像素美术是高度规则化、工程化的美术形式，轮廓、边缘、色块、调色板、动作帧、Tile拼接关系都需要非常精确。一张像素图只要边缘有抗锯齿、局部有噪点、色彩不克制，就会立刻显得不专业。

为什么先做像素？第一，像素风在独立游戏市场有非常明确的商业价值，很多高口碑独立游戏都是像素风。第二，像素美术是大量独立开发者最真实的痛点——角色、场景、Tilemap、UI、动画，每一类都需要长期稳定产出，传统流程要么贵要么慢。第三，像素美术的标准非常明确，能很好地检验一个AI游戏资产平台到底是不是Game Ready。

过去难在哪里？大模型本质上更擅长生成连续图像，而不是理解严格的像素网格。它容易出现模糊边缘、半透明过渡、脏噪点。风格一致也难——十张图放一起就漂移。像素动画更难——Sprite Sheet要求体型锚点稳定、动作逻辑连续，不是几张相似图片拼在一起就叫动画。

茶馆君：Meowa的技术路线和通用生图模型相比，核心区别在哪？

李驰：Meowa不是套一个通用生图模型加像素风格滤镜。我们的做法是把垂直模型、高质量游戏资产数据、资产规范理解和Agent Harness工作流结合在一起。

通用模型生成的是"看起来像像素风"的图片，但不真正理解游戏开发的要求——像素边缘是否对齐、Sprite Sheet动作帧是否一致、Tile能不能四方连续、透明背景是否干净。Meowa解决的是另一件事：不是生成一张图，而是生成一个可用的游戏资产。

Agent Harness在这里的作用是：它不只是把用户的Prompt丢给模型，而是理解用户想要的资产类型、用途和开发场景，自动拆解需求、选择合适的生成流程、控制风格一致性，并对结果进行检查和修正。比如用户要一个角色Sprite Sheet，系统需要理解这个角色要有统一体型和调色板，不同动作帧之间不能漂移，最终按游戏引擎格式导出。

所以核心区别是：通用模型解决"能不能画出来"，Meowa解决"能不能被游戏真正使用"。

03

不止步于美术

茶馆君：现在Meowa的用户更像是在玩AI生图，还是把它当成真实生产工具？你们怎么判断一个用户是不是在认真做游戏资产？

李驰：任何AIGC工具在早期都会吸引一部分尝鲜用户。这部分用户的行为更像是在"试试看AI能生成什么"，他们会随机尝试很多风格和题材，生成几张单图，看完就结束，通常不会形成稳定付费。

用户用我们的工具生成的游戏素材

但从目前Meowa的数据和社区反馈来看，我们已经看到一批用户明确把它当作真实生产工具。最直观的指标是，我们目前的付费率已经超过11%。对于一个早期AIGC产品来说，这说明用户不是只在满足好奇心，而是愿意为实际生产价值付费。

我们判断一个用户是不是在认真做游戏资产，不是只看他生成了多少张图，而是看他的行为是否呈现出"项目化生产"的特征。

来玩的用户通常是横向探索。他可能今天生成一个赛博朋克角色，明天生成一个中世纪怪物，后天生成一个日系头像。风格、题材、尺寸、用途都不连续。

真正做游戏资产的用户完全不同。他的行为会明显围绕一个项目收敛：先确定角色设定，再要求生成同一角色的不同动作；先生成一套UI图标，再继续补充背包、技能、商店、按钮；先做一组场景Tile，再反复要求边界自然、四方连续、风格一致。他关心的不只是"这张图好不好看"，而是"这张图能不能放进我的游戏里用"。

几个清晰的信号：上下文连续性，用户持续围绕同一个世界观、同一个角色、同一种美术风格生成资产；修改意图越来越具体，从"再好看一点"变成"保持这个角色不变，生成4帧行走动画""图标统一成同一套调色板"；导出行为更工程化，关注透明背景、尺寸规格、Sprite Sheet、引擎可用格式；为风格一致性反复调试。

茶馆君：海外已经有一些AI像素素材工具，国内大厂也在做更完整的AI游戏开发平台。你觉得Meowa和它们相比，优势在哪里？

李驰：我们确实系统体验过海外和国内大量相关产品。我们的判断是，现在大多数产品还停留在两个方向：一种是单点资产工具，比如生成像素角色、道具、背景；另一种是功能堆叠式的平台，把策划、代码、美术、测试等模块用程序式流程串起来。

这两类产品都有价值，但它们共同的问题是：把复杂度留给了用户。

用户仍然需要理解Prompt怎么写、模型参数怎么调、资产风格怎么保持一致、代码怎么接入、玩法怎么组织。对专业团队来说，这是效率工具；但对真正的普通创作者来说，门槛依然很高。功能越多，反而越容易变成"看起来很强，但不知道怎么用"。

Meowa的核心优势，是我们不是在做一个"功能集合"，而是在做一个真正理解用户意图的Agent Harness。它的目标是在用户表达和底层复杂系统之间，搭建一层智能桥梁。

用户不需要懂模型、不需要懂参数、不需要懂完整开发流程，只需要描述自己想要的资产、玩法或游戏体验，Agent会帮助他拆解需求、选择工具、生成内容、保持风格一致。

第一层差异，是使用门槛。Meowa要服务的不只是专业游戏开发者，而是大量没有开发经验、但有表达欲和创作欲的普通用户。我们相信AI游戏平台真正的增量，不只是让专业团队快10倍，而是让过去根本做不了游戏的人，第一次可以做出自己的游戏。

第二层差异，是我们对护城河的理解。随着Codex、Claude Code这类能力快速进化，游戏开发中的"写代码"会越来越商品化。未来AI游戏之间真正的差别，不会只是代码能不能生成，而是审美能力和玩法设计能力——也就是我们内部说的Taste。

游戏不是简单的功能拼装。一个角色好不好看，一个场景有没有统一风格，一个玩法是否有吸引力，一个数值循环是否让人愿意继续玩，这些都不是单纯堆模型可以解决的。Meowa的愿景，是成为市面上最有品味的AI游戏创作平台。我们希望把好的审美、好的交互、好的玩法设计，沉淀进Agent的工作流和判断体系里。

茶馆君：Meowa用户每一次生成、修改、重试、导出，会给你们留下哪些有价值的信号？这些信号让Meowa变得更懂"游戏素材"了吗？

李驰：用户在Meowa上的每一次生成、选择、修改、重试和导出，本质上都是在给我们提供非常高价值的偏好数据。它不是简单的使用日志，而是在告诉我们：什么样的游戏资产对用户来说是"正确的""好看的""能用的"。

我们会重点关注几类信号。

选择信号。Meowa通常一次生成多个候选结果，用户最终选择哪一张、放弃哪几张，本身就是非常强的偏好反馈。它能告诉我们，在同一个需求下，用户更喜欢哪种造型、色彩、轮廓、细节密度和像素处理方式。

修改信号。用户会不断提出修改，比如"轮廓更干净一点""风格更统一""动作更夸张""改成4帧行走动画""保持这个角色不变再生成攻击动作"。这些修改指令非常重要，因为它们直接暴露了通用模型在游戏资产生成中的缺陷，也能帮助我们反向优化Agent Harness的理解和执行能力。

重试信号。如果一个用户对同一类资产反复生成、反复调参、反复修改，说明当前结果没有完全命中他的需求。我们可以从中分析失败原因：是风格不稳定、像素不干净、角色一致性差、动作不连贯，还是Tile无法拼接。

导出信号。导出是非常强的正反馈。用户愿意导出，说明这张资产不只是"看起来不错"，而是已经接近可以进入游戏项目使用的状态。尤其是当用户导出Sprite Sheet、Tilemap、Icon Set、透明背景PNG、引擎可用格式时，这说明他不是在随便玩，而是真的在生产资产。

这些行为会形成一个持续的数据飞轮：用户生成资产，系统记录用户选择和修改，Meowa对这些信号进行打标、分析和整理，再反过来优化底层模型、生成流程、质量检查器和Agent Harness。长期来看，我们积累的不是普通图片数据，而是游戏资产生产过程中的偏好数据和质量标准数据。

相比通用生图模型，Meowa能不能通过用户数据变得更懂游戏素材？答案是肯定的。而且这正是我们押注的核心：通用模型懂"图"，但不懂"游戏素材"——这是两件事。

早期版本里，用户要花很多轮Prompt才能让美术风格在不同资产之间保持一致；现在几轮自然语言交互之后，就能为一整套游戏锁定统一的美术规范。早期版本里，一段行走动画的连贯性要反复调十几次；现在通过自然语言交互，2-3轮就能锁定。

背后是同一个机制：数据飞轮。用户在Meowa上每一次"选这个、不选那个"，都是在给模型打偏好标签——我们用这些真实数据持续做RLHF。通用生图模型拿不到这些数据，所以它们永远更懂"一张好看的图"，Meowa会越来越懂"一套能直接用的游戏素材"。

茶馆君：行业里有个判断，AI在游戏行业目前是"工具层渗透很深，体验层渗透很浅"。喵吉托的经历是不是刚好验证了这个判断？

李驰：判断对了一半。"工具层渗透深"是事实，但"体验层渗透浅"——这是结果，不是投入水平。

体验层从来不缺钱也不缺人。米哈游官宣三年1000亿all in大模型，刘伟公开说过要做"千人千面"的游戏体验；据我所知，几乎每家游戏大厂内部都有AI原生游戏或AI NPC项目在跑。投入是真的到位了——但效果暂时没显现，这才是问题真正的样子。

机制上的解释是：工具层路径清晰、收益可预期，所以渗透得快；体验层的可探索空间要广得多，路径还没被验证，绝大多数尝试都浅尝辄止，没人真正走到底。这不是"投入不够"的问题，是"探索还不够深"的问题。

要让AI游戏真正出圈，行业需要的不是更多预算，是更多愿意把这条路走到底的人。

茶馆君：你们过去做AI原生游戏时，遇到的最大不确定性是什么？玩家更容易接受哪类AI游戏？

李驰：做AI原生游戏最大的不确定性，是这是一片完全的无人之地——没有人知道AI原生游戏到底应该长什么样。大厂和创业公司都尝试过，但很少有人留下足够清晰的信号告诉行业"应该往这个方向走"。我们看到不少公司在初步探索后选择了放弃或转型。到今天为止，AI游戏领域还没有出现属于自己的"冰蛙时刻"：一个有潜力成为现象级产品的雏形。

但正因为没人做成过，每个方向才都值得去探索。我们相信AI一定能为玩家带来独特而有趣的体验，未来某种AI玩法也会成为下一个DOTA。我们不奢望喵呜岛就是那个DOTA——但如果它能成为那个AOS，成为一个早期的雏形，让后来者在我们的工作基础上做出更好的AI游戏，把这个行业往前推动一点点，我们就心满意足了。

经过《喵呜岛》《萌爪大乱斗》这些尝试后，我们看到，真正让玩家沉迷的是自由的交互、涌现式的沙盒、以及"我能对这个世界产生真实持久影响"的感觉。玩家想要的不是和AI聊天、也不是和AI对战，而是——这个世界因我而不同。

所以喵呜岛走向了更深度的UGC。我们做了一套AI实时生成资产的技术，玩家可以用AI生成自己的宠物、建筑、整座小岛。每个人的喵呜岛都独一无二，没有第二份。这种"世界属于我"的感觉，才是情感连接真正生长出来的土壤。

茶馆君：如果Meowa继续增长，你们会把它做成一个单点像素美术工具，还是扩展成完整的AI游戏开发工具链？《喵呜岛》这类AI原生游戏在喵吉托未来的位置会是什么？

李驰：大家现在看到的美术功能，只是Meowa露出水面的一角。Meowa从一开始的定位就不是单点工具，而是AI游戏创作平台。目前我们已经开放了策划、美术和音乐音效三条管线：策划Agent可以帮创作者把模糊的灵感推演成可开发的GDD；美术覆盖像素、高清、UI、动画、地图、Spine等等；音乐音效包括场景音乐、战斗音乐和各类游戏音效。

可能大家现在看到最多的还是像素美术，因为它是第一个被验证的切入口——只有先证明AI做的东西可以真正Game Ready，后面的能力才有意义。

Meowa.ai 产品截图

接下来我们在研发的是端到端的游戏生成链和测试管线，让整个流程更连贯。但这些能力的上线节奏会很谨慎，我们不会为了完整而牺牲每个环节的质量。

至于《喵呜岛》，它是这套平台跑出来的第一款AI原生游戏，也凝结了过去三年我对AI游戏的全部理解。它既是我们平台能力的最佳证明，也是我们献给AI原生游戏行业的一份见面礼。我们想用它证明一件事：AI不会局限于辅助工具，它可以从根本上改变游戏的生产方式和体验方式——希望它能在AI游戏的历史上，留下自己的一席之地。

结语

AI游戏还没有自己的"冰蛙时刻"。从单点验证到完整的创作平台，从工具能力到玩家体验，中间还有很多环节需要跑通。

但我相信Meowa会是最终答案的一部分。