" 一切都很棒，但我只有一个问题，我们这些游戏从业者到底什么时候才能在生产里用上这些模型和产品？"
在 GDC 上，Google Gemini 团队的一场分享结束后，一名游戏设计师在会场外拉住 Gemini 的研究员问出开头这个问题。在今年的旧金山，从全球聚集到 GDC（全球游戏开发者大会）上的人们关注的话题前所未有的被 AI 占据。近一周的活动里，100 多场是以 AI 为主题的，数万人在莫斯康尼中心的各个角落参与着这些讨论，"AI 科技公司 " 和 " 游戏大厂 " 是这里绝对的主角。
Google 推出的世界模型 Genie 3 足够惊艳，视频模型 Veo 3 以及接下来的 Veo 4 都让人联想到对游戏的冲击，然而在过去一年，人们已经见惯了这些吓人的 demo，他们更关心的问题变成：AI 究竟如何真正应用到行业里。
这也是 AI 发展到今天，所有人对它的期待：在耗费了巨大的算力、资源和金钱之后，人们好奇 AI 在行业里究竟带来了什么真实而具体的回报。
情绪和需求都在变化。这也是为什么 OpenClaw 会在国内掀起龙虾热——这个产品第一次让你在最熟悉的聊天软件里直接操控 AI，AI 可以接触你的一切工作环境和资源来替你干活。人们哪怕冒着安全风险也想用它，就是在急迫寻找 AI 给自己真的产生价值的方法。
在硅谷，各类应用公司近期继续估值飙升，而 Anthropic 和 OpenAI 这些模型厂商也开始把应用做到具体行业里，SaaS 软件们开始感受到压力。这一切的焦虑都意味着行业进入了 AI 应用的下半场。
这些变化也在影响着游戏行业。在今年的 GDC 上，Google 等模型大厂在秀肌肉，腾讯等深耕游戏的公司也展示了更全面的 AI 与游戏结合的技术方案，人们在提供不同的解法，游戏行业正在以自己的方式和节奏面对这些挑战。
最 AI 的一届 GDC
今年 GDC 是最 "AI" 的一届 GDC。除了各类分享中 AI 主题占比超高之外，参与者的构成也在发生变化，诸如 Google、阿里和字节等拥有自己大模型的厂商也密集在这个游戏大会里亮相。
其中最有代表性的可能当属 Google。走入会议的主会场，你随处可见 Google 的招牌，多个展台也设在最核心的区域，让你避不开。而在大会的 AI 圆桌论坛，以及单独的分享环节里，也都能看到 Deepmind 研究员的身影，Google cloud 以及 Google play 也伺机而动参与其中。
但在和一些参会者交流中，人们对这些来自 Google 的 AI 展示感到有些不过瘾。也许是对受众的定位不同，Google 在分享里依然偏 demo 和理论，比如在 DeepMind 参与的一场分享里，主讲人还在聊世界模型和 agent 的定义，demo 也是已经 " 震撼 " 过大家的 Genie3 生成的可操控游戏世界的 demo。
同样的，NVIDIA 在 GDC 上也宣布了一系列更新，比如借助 RTX GPU 和 NVIDIA DGX Spark 来加速并简化 AI 视频生成工作流；微软介绍了包括 Project Helix 等在内的产品进展，希望继续吸引更多开发者；Meta 围绕 Meta Horizon OS 做了一系列分享，并展示了在 Unity 编辑器里加入 AI 的实际操作。
这些厂商的策略清晰：游戏行业里的人们需要 AI，而它要为此提供工具，卖铲子赚钱。所以无论是前沿模型 demo，还是一些基本的 AI 应用展示，本质都是用来推广它本就存在的工具。
另外一类分享也一如既往吸引大量关注：每年 GDC，明星游戏的开发团队们都会难得分享游戏幕后的开发细节。比如战地 6 分享了游戏体感的打磨过程，三角洲讲的是游戏里的皮肤设计经验，恋与深空也展示了主角人物设计过程，双人成行的设计师则把他们在一款游戏里打造两个不同风格世界的过程展示了一遍。
这些分享细致入微，游戏产业的工业化程度以及产业链之成熟也显露无疑：它有着最手工作坊般的链路，也有最强大的公司来展示它未来的样子，提供着最具体的工具。
但在今天这个节点，这两类分享对于广大焦虑的从业者来说，已经无法解近渴。人们想要看到此时此刻在真实的复杂管线里，最前沿的 AI 应用到了什么程度。
在 Google 的多个分享里，腾讯是一个被反复提到的名字。今年 GDC 腾讯的 AI 相关分享超过 20 场，它体系化、规模化地介绍了在整个管线里的 AI 应用和实践案例。Google 的分享者认为，腾讯目前已有超过 40 款游戏落地了 AI 应用，且未来规模将持续扩大，它探索的方向值得整个行业借鉴。
要解决在游戏行业最真实的 AI 应用问题，科技大厂们不停提供的想象力启发很重要，但最终要让改变发生，可能还得靠那些自己也拥有 AI 能力的游戏公司们。
Demo 已足够，请给我看 AI 改变游戏的最真实例子
在本届 GDC 的 100 多场 AI 主题分享里，这些真正在各个环节引入 AI 并进行系统化改造的游戏公司也有不少演讲。如诸多展会和行业大会一样，GDC 排队情况直接反映了人们的期待程度。而这些最真实的分享被从业者们 " 用脚投票 "，几乎每一场的入场队伍都排的很长。
在主题分享《让引擎听懂你说话 : 大模型赋能的下一代游戏场景生成框架》中，腾讯游戏 AI 引擎团队介绍了一个 " 言出法随 " 的由模型驱动的内容生成管线。
开发者可以通过自然语言甚至语音的提示交互，实现实时的游戏场景生成与编辑。从游戏世界生成到游戏里生物群系的实时编辑，现场不仅展示了这个管线做到的效果，还难得公布了里面从模型架构到框架核心的诸多细节，最重要的是这是一个已经在内部真实项目中应用的工具。
" 在 10 平方公里的场景生成上，时间做到 10 秒以内。植被的参数微调响应时间在 0.5 秒以内，地形的重新生成需求，完成时间在 3 秒左右。" 相比传统的方式，它达到了数量级的提高。
这种大型项目里最真实的经验和最细节的展示，一直是 GDC 的分享环节最大的魅力所在。
除了研发环节的提效，AI 的引入也在改变用户体验。
在腾讯游戏魔方工作室的《异人之下 : 基于实时 AI 生成技术的功夫动作系统》分享中，不少观众频频拿出手机拍摄其中的技术拆解：
屏幕上，左边是传统管线生成的一组功夫打斗画面，里面的动作、碰撞、武器的效果和人物的反应看起来已足够精致。而接下来在屏幕右侧，展示了一组由 AI 实时生成的同一场景的画面。你会发现，无论是人物的转身过程、武器碰撞后的反应还是诸如脚步动作步数等非常细节的动效，AI 完胜。
这是《异人之下》真实在使用的基于 AI 的实时功夫动作系统的展示，也就是你在游戏里的操作带来的人物打斗反应和效果完全由 AI 实时生成。
这也是全球首个在动作游戏中落地的实时 AI 武术动作系统。AI 可以比传统依赖数学建模的方式更好理解和还原出动作细节。而且，这些效果还是在手机 CPU 算力有限的激烈实时交互场景下，在 1 毫秒以内瞬间完成的。
这样的分享相比于那些来自科技大厂的酷炫 demo，更有实战意义。与直接展示一个通用模型的 " 像游戏一样 " 的能力相比，在游戏复杂环境里真实把 AI 引入生产环节，思路是完全不同的。
你不能再无限堆资源来做一个巨型模型，你需要把工作管线和模型结合，在严苛条件里找到最优解。
这考验的是对拥有海量用户的大型游戏的长期开发及经营维护能力。
这也是让 AI 进入游戏管线真正困难和充满挑战的地方。当你习惯了科技大厂展示的基于强大通用模型的 demo 后，可能会觉得游戏被 AI 改造是顺理成章甚至容易的事情。但真实情况却是，这些 " 粗暴 " 的路径走不通。
很多时候，人们对于模型大厂会在游戏上 " 颠覆一切 " 的期待也是一厢情愿的。在这次 GDC 上，Google DeepMind 旗下 Inception 产品负责人 Alexandre Moufarek 直言，由于内存限制，Genie 3 生成的虚拟世界在维持大约一分钟以后就会出现崩溃，它更像是一个能对用户反应做出预测的生成式视频。
仔细来看，至今的很多 AI+ 游戏的尝试其实都是把游戏的某个环节抽离出来，单独 "AI 化 "，比如 Genie3，其实是把游戏环境抽出来展示，比如大量一键生成类以及对话类的产品，只是把 NPC 给单独拿出来做成一个互动点。
但当你想在复杂而完整的游戏生产里真正利用 AI，这些操作都是失灵的。
在腾讯的多个 AI 应用案例里，它的出发点都是游戏生产和交互里的真实问题，因此它不再迷信模型的 " 大 "，而是注重更精确的模型训练，结合更扎实的工程能力。比如在《异人之下》的案例里，发挥作用的是一个花了大量精力建立数据集、结合真实游戏环境设计模型架构，最终在参数上实现轻量化的小模型。它解决的问题虽然具体，却给游戏行业长期的 " 滑步 "、穿模等老难题带来新的解法。
在光子《和平精英》的 AI 队友这个全新的系统里，这种根据自己真实需求训练模型，同时结合更强的工程来系统化解决问题的思路，体现的更加淋漓尽致。
让 NPC 和玩家真正的自然沟通，是所有游戏玩家都幻想过的场景。但实现它，尤其是在一款大规模且已经成熟运营许久的游戏里实现它，是一个非常复杂的系统工程。你需要找到最合适的模型策略，做最完备的工程化适配，在一个已经足够复杂的系统里重构关键部分的框架和工程链路。
看看《和平精英》做的事情就知道这事有多复杂：在模型上，它用了多模型协同，同时为了让 AI 队友能理解游戏内的 " 黑话 "（如 " 舔个包 "、" 喝个可乐 "），重新把这些模型训成了新的专属模型，并且还需要为这个模型配上一整套从语音到 3D 环境感知到行为输出的全链路架构。在工程上，既要满足毫秒级实时处理，又要应对诸如方言识别等语言环境状况，还要避免上线后流量涌入可能带来的服务器 " 爆炸 " 问题，才能给到玩家良好的游戏体验。
这些 Ai 落地的复杂工作，最终带来完全不同的游戏体验，也直接收获了玩家的认可。腾讯也在 GDC 上第一次公布相关最新数据表现，官方 PPT 显示，该玩法累计触达玩家高达约 1.1 亿，最高日活跃玩家数约 1770 万，AI 队友模式中的麦克风开启率（Mic-on rate）接近 75%，单局消息互动轮次高达 70 轮。
对腾讯游戏来说，他们的游戏 AI 更多是以优化玩家体验和 " 解放 " 开发者为核心，而这些复杂而系统化的投入也得到了回报。
每次技术革新，都会重塑标准
" 我没想到他们会如此全方位的分享把 AI 用于游戏上的工作。" 来自知名 AI 机构艾伦研究所（Allen Institue for AI）一名资深研究员在听完腾讯游戏的多个分享后说。
" 我和很多顶尖的公司也都交流过，但我不理解为什么他们都没有更多跟大家分享。这些经验在今天非常重要。"
腾讯游戏天美工作室的《超大游戏工程中的 AI 应用瓶颈与解决方案》分享现场，会场座无虚席，且几乎每张 PPT 都会吸引人们举起手机拍照。
技术人员细致的介绍了一个已经用在生产中的，迭代研发了许久的 AI 系统，它被叫做 " 可微分 AI"（Differentiable AI）。它受数学的可微概念启发——曲线是由无数小直线拼出的近似图形，那么大型任务是不是也可以拆分为足够小的 " 专家 "，一方面更好完成具体任务，同时通过一整个系统让 AI 的连续长时间工作更加稳定。整个系统把数据做到可微，建立一个全知且精准的召回机制，把过程做到可微，进而揭开传统 AI 的黑箱，确保透明度与可验证性。
你能看到那些 AI 领域最重要的技术在这个系统里的集成，甚至是在一些实验室里仍然在概念里的探索，已经成为这个真实系统里落地的机制。
这种系统性的真实经验实在宝贵，而能做这样的激进而全面的尝试，首先需要拥有大量长线运营的产品，并对玩家的需求有全面理解，可以持续通过真实玩家反馈来推动 AI 迭代。
此外，任何新技术想要融入游戏生产里，都需要强大的配套工程和对整个基础设施的把控能力，如何将 token 成本控制在极低范围，考验的也是综合能力。
" 一个合理的期待，就是接下来腾讯把这些能力公开提供给更多的人。" 来自艾伦研究所的研究员说。" 这自然会吸引更多人，腾讯能成为游戏行业领先的 AI 玩家。"
游戏是一个复杂庞大自成一体的产业，但如果换个角度，从今天 AI 作为一种潜力巨大的通用技术革命的视角来看，游戏可以被视作 AI 最重要的一个应用领域。
游戏本就是一个数字化的世界，它的一切资产天然都是 AI 可以处理与学习的，这也就意味着它们也是 AI 可以再次生成的。同时游戏的最大魅力诞生于人与机器的交互过程，以大模型为主的这一轮 AI 变革，创造出的正是交互的新可能，一个更好的意图理解加上更丰富的各种模态，正是游戏体验改变的核心。
因此，游戏很可能是率先把 AI 这个技术的所有潜能，兑现到现实产业中的那个 " 应用 "。
而对于游戏产业来说，也很久没有出现过这样彻底的管线变革机会了。
从整个产业的发展演变历程来看，每一次这种底层的重构机会，都随之带来洗牌和重新制定标准的机会。那个最先行动，最系统尝试，同时最积极和真诚的公开分享的平台，往往会成为新的标准制定者。
这届 GDC 上，腾讯游戏展现出了成为这个新的标准 " 制定者 " 的潜力。
变化，已经开始了。
