游戏行业的暗流：中国正用 AI 做脚手架，争夺游戏世界的话语权

文｜史中

一、萧瑟的风中，性价比成了这个世界吹不倒的真相

旧时代永远不会回来，无论它看上去有多美。

2026 年，已经到了秋风瑟瑟的季节。华尔街不再为AGI的故事鼓掌，AI褪去浪漫的华服，身上只挂着俩问题：这玩意儿能赚多少钱？这玩意儿成本是多少？

连OpenAI都开始算账了。

最新的GPT-6 Astra据说不再单纯堆参数，而是用"循环深度"让小模型反复琢磨来换推理能力。当然，省的是参数和显存，不是算力，Astra仍是OpenAI史上最贵的模型。但连最顶级的厂商都在架构上抠门，这本身就是信号。

真正把"性价比"做成标签的，还是DeepSeek这路从训练到推理全链路压成本的。

媒体报道，Astra使用了名为“循环深度”的技术，输出下一个Token前，完成多轮不以文字形式出现的计算

地主家也没有余粮了......

而真正让成本摊下来的，从来不是模型本身，而是围绕模型搭起来的那套工程体系。行业里管它叫"脚手架"：把模型能力接进真实业务流程、让人和 AI 能稳定配合的那一层。

话说，在所有行业里，最早把这笔账算明白、并且今年真的开始为"脚手架"而不是为单个模型买单的，是游戏。

二、为什么游戏产业最先买单？

不妨听听大佬怎么说。

英伟达 CEO 黄仁勋在 GTC 2026 上抛出一个断言。他说，AI 竞争的本质，已经演变成了词元（Token）生产效率的竞争。行业开始用“每美元词元产出”和“每瓦特词元产出”来衡量技术。

英伟达自己也从“卖显卡”转向了做“AI 工厂”，把算力从静态资产变成了持续运转的流水线。

逐渐可预期、可衡量、可规模化的AI，也在2026年加快钻进了各行各业，其中，游戏行业对AI的应用和探索走得非常前面。

截至2025年7月，Steam上披露使用了生成式AI的游戏已接近8000款，占整个Steam游戏库的7%；而仅看2025年的新发布游戏，这一比例已接近 20%。

这其实是有原因的，游戏从模型、贴图、动作、关卡到代码，100%都是数字资产，这天然就是黄仁勋所说的，可以用单位词元产出来衡量的劳动，游戏厂商们使用AI的账自然也算得更明白，更早。

另一方面，游戏制作又是一个实现难度大，工序繁琐，极度强调工程协作的事，在算得明白账之外，让AI真正在游戏生产中起到合适的作用更是一件难事。

之前几年，很多游戏厂商的动作，都是在为了用AI而用AI。

比如，用AI生成一个看似逼真的3D模型，但那只是一个由几百万个点云构成的“橡皮泥块”。它没有合理的网格拓扑，没有拆好的UV纹理，更没有骨骼绑定。

你把它拖进Unreal Engine或者Unity引擎里，角色一抬腿就会穿模爆缸。

而更要命的是，AI如果不能以合适的方式参与到游戏的生产中的话，甚至可能会带来更多的麻烦。

去年就有国外的游戏公司负责人表示，本想用 AI 把老游戏的2D背景放大到4K，再由美术师精修润色来缩短重制周期，结果AI输出的画面细节严重不足，最后只能让美术师参照原作重绘。

该厂商名为Revolution Software，因在制作中使用AI踩坑甚至接受采访时表示“人工智能是一个代价高昂的错误”

本以为使用AI是能够保证质量的前提下提升效率，但实际跑下来，游戏行业的从业者们却碰了一头的包，单点能力的质量没保住，想提升效率却没找到AI和人类配合的有效方式，对此很多业内人士一度灰心，觉得 AI + 游戏距离实战还有很远。

但今年，随着AI技术的进一步发展，以及从业者们进一步的摸索，事情开始发生了变化，大家找到了方向！不再聚焦于某个单点的能力去分散着使劲，而是构建一个AI与人类都能参与进来的生产系统，来保证AI能力被有效率、可控化的切实提升生产效率。

给你看个例子：

在3D资产生成这个领域里，获得了多家游戏厂商战略投资、母公司VAST 今年累计融资约50亿元的Tripo，核心产品Tripo Studio，它不仅能做概念生成和建模，还能把后面的贴图、分割、拓扑、绑定乃至动画导出全给串起来，生成的资产可以直接塞进游戏引擎，同时人类也可以针对生成的内容进行微调，不会再出现美术师们还得重新做一遍的人间惨案。

而这个思路，在今年德国的科隆游戏展上，被一家来自中国的公司做成了一套完整的范式，并且拿出了规模化的落地实践。

三、科隆的风向变了

在前几年旧金山的 GDC里，西方游戏大厂的高管们还在台上面带微笑地讨论光线追踪、叙事艺术，或者宏大的 AGI 愿景。

但今年在参加德国科隆游戏展和它的开发者大会（Gamescom Dev）的时候，我感受到的却是务实得有些残酷的现场氛围，大家讨论的全是具体的应用、具体的管线、具体的算力核算。

这种转变不是没有原因的，经过几十年发展，欧美大厂习惯了“大教堂模式”，数百到上千名高薪工程师和美术师，在一个项目里封闭开发5到6 年，砸进去两三亿美元，赌博式地推出一款单机大作。

然而在2026年，这种高成本、长周期、高暴雷风险的模式正在崩塌。大规模裁员潮、项目砍掉的消息接踵而至。

但反观中国游戏的发展，却是别样的态势。开发了《绝地潜兵 2》的 Arrowhead CEO 沙姆斯·乔尔贾尼（Shams Jorjani）甚至直白地感叹：

推开门看一眼，感觉全世界到处都是中国游戏，而且中国游戏的质量正在飞速进步，AI将会加快这一进程。

瑞典箭头工作室首席执行官沙姆斯·乔尔贾尼，上方言论是他在今年的科隆游戏展中接受媒体采访时所说

我这个外行之前一直想不通的是，欧美作为电子游戏的发源地，在技术水准、工业化效率上，按理来讲应该是拥有一定的身位优势的，再不济也不至于被中国厂商爆了产能。

你固然可以说中国人是有点子生产狂魔的基因在里面的，但这并不是一个足够有说服力的解释。

中国厂商迭代快，当然有GaaS、移动浪潮和团队规模这些积累了多年的底子。但这些解释的是"过去为什么快"，解释不了"接下来还能快多少"。

而在这次开发者大会上，听完了一系列演讲之后，我终于找到了这个问题的核心答案之一，那就是AI的应用！

从整个AI体系的搭建到设计，再到具体的产品功能，以腾讯为代表的中国头部厂商是真的围绕AI技术，搭建起了一套能流畅稳定运转的新式管线，这很可能会让他们的生产力在未来几年拉开更明显的差距。

这不止是我的看法，也是诸多业内人士的看法。

汤米·汤普森（Tommy Thompson）是 Gamescom Dev 的核心策展人。

他在参展后写的长文以及接受采访中感叹，看完了腾讯游戏展示的 AI 体系与实际落地案例，不得不承认一个事实，中国头部游戏企业在 AI 研发与工程化管线上，展现出了极其惊人的优势。在很多核心环节上，中国企业至少领先了西方同行 3 到 5 年。

事实上，这次开发者大会的 AI 议题，大体也是按"AI in Gameplay（游戏体验内的 AI）"与"AI in Production（生产管线内的 AI）"来分的。

这和腾讯游戏从2023年起对外一直使用的"AI in Game / AI for Game"框架高度一致。这个二分法本身在学界有雏形，但把它当作一套完整的业务框架来系统落地，腾讯是走得比较靠前的。

以及，这种划分不是什么优雅的文字游戏，而是脱胎于清醒的业务思考，游戏厂商追求的事情，本质上就是以较低的生产成本，去做出被玩家所买单和欢迎的游戏，这是厂商们能持续成功的最本质逻辑。

因此，AI 进游戏，要么去提升玩家的游戏体验，要么去极大地降低游戏的生产、时间等诸多制作成本。看似简单的二分法，其实是抓住了，游戏业务的本质。

那既然刚才咱们说到了 AI in Game 和 AI for Game，我就给你分别举一个我在现场看到的让我印象深刻的技术，你感受一下。

四、AI in Game：GIGA，一个会“拒绝”你的队友

GIGA 是腾讯游戏的智能体框架，全称叫做 General Instructable Game Agent ，简单来说，它就是一个让游戏里的 NPC 像人一样的驱动系统。可以让你一个人打游戏，也有一堆高智商高情商的队友的温暖感！

要理解 GIGA 的厉害之处，我们得先回忆一下传统游戏里的 NPC 是怎么工作的。在过去的单机或网游里，所谓的“高智能 NPC”，本质上不过是一套几千行代码构成的“有限状态机”或者“行为树”。

程序员预先写好了所有逻辑：如果玩家进入范围，就播放 A 语音；如果 NPC 血量低于 30%，就触发逃跑动作。这种 NPC 是没有记忆的，更没有真正的环境理解能力。一旦玩家做出了超出程序员预设范围的怪异操作，NPC 就会瞬间露出呆滞的原形。

GIGA 团队负责人杨敬文在gamescom dev 2026进行技术分享

而 GIGA 架构，本质上是给 NPC 换上了一个基于多模态大模型的“具身大脑”。它瞄准的是三个过去游戏界极难解决的问题：

长上下文具身记忆（Long-Term Embodied Memory）

GIGA 框架下的 NPC 未来可实现记住你此前做过的选择、用过的战术，甚至能记住你是一个喜欢冲锋陷阵的莽夫，还是一只喜欢苟在草丛里的老六。它会根据这些长效记忆，动态调整对你的态度与战术配合。

多模态空间感知（Multimodal Spatial Perception）

过去游戏里的 AI 能“看到”你，是因为后台代码直接把你的坐标传给了它，这其实是某种“作弊”。因为真实的人类队友不会通过这种方式理解别人。

而 GIGA 驱动的NPC，是真正像人类玩家一样，通过引擎渲染的画面帧去“看”地形、掩体和敌人位置。

当烟雾弹散开时，它同样会失去视线，必须依靠预判和对局势的记忆来制定策略。感知模式和人类一致，行为模式才有可能贴近人类嘛！

分层神经战术决策与真实协同

这个是最有技术含量的！

在战术竞技类游戏的实测中，GIGA驱动的NPC，不再是那个只会在后面递药包的机械保姆。

它能够根据战场的实时变化，动态做出火力压制、侧翼包抄、佯攻吸引等高阶决策。

科隆演讲中GIGA的两个FPS战场案例

之所以叫“分层”，是因为它采用“双脑架构”：上层由视觉语言等模型负责理解局势、做战术推理，下层由强化学习训练的技能库负责毫秒级的操作执行。

比如在现场演示的《和平精英》中的一幕：玩家在交火中下令"去找车"，GIGA 判断这条指令与当前的战斗优先级冲突，选择先解决眼前的敌人，而不是机械地服从。

这和传统行为树"血量低于30%就逃跑"的区别在于：它不是在执行预设的优先级规则，而是在理解局面之后做出判断，甚至可以拒绝你。

更让人舒服的是它的交互方式——配合此前已上线的 AI 队友语音系统，它能用带有呼吸感和情绪起伏的实时语音与你交流。

当你被敌人击倒时，它甚至会一边压制火力一边急促地喊你拉回掩体后面，那种临场沉浸感彻底撕碎了过去 NPC 的机械质感。

这不再是给游戏挂个 ChatGPT 聊天框那种浮于表面的噱头，而是从底层玩法上，将 NPC 从“背景板”变成了拥有灵魂和战术智商的“数字队友”。这无疑是给玩家们，提供了更进一步的游戏体验。

五、AI for Game：Motus，师傅们的“左膀右臂”

在传统 3D 游戏制作中，动画制作是出了名的“手艺活儿”。

一个新角色从设计图到能在游戏里自然跑跳，至少需要三步：

1）从零开始画原型；

2）师傅们花几天甚至更长的时间，在电脑前手动给角色模型埋骨骼、划定肌肉权重（这叫绑骨和蒙皮）；

3）找演员做动作捕捉，再由动画师逐帧修正那些穿模、滑步的瑕疵数据。

这个过程本身有很多重复性、机械式的工作，例如做中间帧、插帧、动捕清理等等，这些工作不需要专业人士的艺术判断，但又会实实在在地消耗人力和时间。

另一方面，游戏的动画制作也是一个高度依赖合理工作流和生产管线的环节，需要像建模师、绑定师、动画师等多个职能的师傅们通力配合，去完成这个整体性的工作。

因此，AI在这个环节的应用，要考量的就是两点，其一是能不能构建出一个能顺畅、稳定运转且保证质量的新式生产管线，另一个是能否解放师傅们的宝贵时间，提升生产效率，节约时间和人力成本。

而 Motus 厉害就厉害在，这两点它都能做到。

首先，它并没有妄图用一个通用大模型直接解决所有问题，而是精心构建了 5 个环环相扣的专项大模型，把整个动画制作流程串成了一个自动化闭环：

绑骨是一个模型；

蒙皮是一个模型；

通过输入文字让人物动起来是一个模型；

通过输入视频让人物动起来是一个模型；

最后还有一个动画插帧模型，让动作的过渡和衔接更自然流畅。

骨骼生成方面，不光支持人形角色，相对复杂的四足动物、怪兽等也是手拿把掐

每一个动画制作，并不一定完整需要这五个模型，但这五个模型组合在一起的 AI 制作管线，却涵盖了动画生成的绝大多数场景。

其次，在保证生产质量的前提下，Motus 极大地提升了生产效率，节省了开发所需要的人力和时间成本。

过去从原画到可用的绑定资产大约需要三周，现在可以压缩到一天以内；单个绑定蒙皮环节更是从数天压缩到了小时级。

腾讯游戏的技术团队还告诉我，在蒙皮这个环节上，Motus 的自动化率已经超过85%；一个复杂服装角色的绑定蒙皮，以前要以天为单位，现在压缩到1到4小时。

省下来的时间可以让团队做更多角色方案，从里面挑出最好的角色上线，大大提高了游戏的质量！

Motus AI团队负责人曾子骄在gamescom dev进行技术分享

而且，他们没有在画饼。

这套系统已经在腾讯内部包括《和平精英》在内的 90 多款真实大型项目中跑通并大规模部署。它不是 PPT 上的技术展望，而是每天都在产出真实数字资产的工业基础设施。

六、不变的真理，话语权握在先进生产力的人手里

在近年，游戏行业有个流行的说法叫作东升西降。

曾经一度横行世界的欧美3A大作们困于成本等问题，暴雷折戟者层出不穷，反观以中国为代表的游戏市场则一派生机勃勃的景象，单机游戏、服务型游戏、独立游戏在近年都展现出了良好的态势。

专业机构的数据研究也证实了这一点，《2025年全球游戏市场报告》中的数据显示，全球游戏市场的收入年增速为3.4%，而《2025年中国游戏产业报告》的数据则显示，中国游戏市场的收入年增速为7.68%，是全球平均增速的2.3倍。

这个前提下，中国游戏厂商的AI探索再处于领先身位的话，他们就能靠 AI for Game 的手段大幅压低数字资产的边际生产成本，提高供给效率；也能靠 AI in Game 赋予游戏玩家的独特差异化体验，提升产品竞争力，那么这种身位的领先，只会越来越明显。

并且，在游戏行业中，AI这轮技术变革与以往的技术变革有本质的不同。前几次的技术突破，更多是硬件性能上的突破，游戏主机的换代、显卡效果的提升，都意味着游戏的技术表现力能够再上一个台阶。

但即便如此，这些变革主要作用在"表现层"，是让同样的分工做出更好的画面。生产背后的协作方式，依然是建模、绑定、动画、程序各司其职、串行交接，技术本身并没有改变人和人之间怎么协作。

而AI技术，则是直接对游戏行业的生产方式进行了重构，这就回到了开头说的"脚手架"：在各个垂直行业内，人类的生产经验想要通过AI进行更加高效率、高质量的实现，需要以工程方式构建自己行业的脚手架。

谁先把这个脚手架做出来，谁就定义了人类具身经验进入人机配合的新型管道形态，也就定义了新时代的生产管线形态，自然也就拥有了这个时代最领先的生产力。

年初Anthropic才露峥嵘的时候，也有媒体、从业者给出了类似的判断

并且，游戏这个行业的生产管线与方式，还向来是壁垒一般的存在，具体画面质量、表现品质的追赶，可能还可以通过使用先进的引擎等方式去相对快速地解决，但管线与模式的追赶却是实打实的需要时间，作为后来者，之前中国游戏行业的角色往往是学习者和追随者。

而现在，AI技术的出现让原有的生产模式松动甚至失灵之后，以腾讯为代表的中国游戏厂商反而更有机会站在浪头。

在工业革命史上，谁定义了标准，谁就拥有了市场的定价权与规则制定权。

当攻守之势改变，中国游戏产业，用更先进的生产模式以更高的效率、质量源源不断地向全球玩家持续提供乐趣和优秀游戏产品的时候，或许整个行业的话语权，也将完成它的权力交接。

此时此刻，就是这场交接的起点。