未来或许依旧是专业的人做专业的事。
任何人都可以用 AI 做自己想做的东西。游戏团队以前难搞定的中台，也如此。
过去一个数据中台，10-15 人，1-2 年，才能勉强搭中台，现在可以压缩到 1-3 个资深人员配上大模型，外加一周时间就能搞定，往后也只要 1-2 人便能每天一个版本地迭代。
所以有个论调叫：SaaS 已死，人人都能随手搓软件……但实际情况如何呢？
至少，我问 SaaS 起家、做了游戏数据中台十年的数数科技，他们早没了 FOMO，在花几年实际用了 AI 后，在和上千家游戏厂商聊完后，他们想明白了两件事：
第一件事，现在爆发的是应用，引擎还无法替代。游戏厂商要经营好，要的是「即插即用」，就像开发游戏用引擎一样，稳定性强，还要越用越好。软件不关键，那些支撑软件的底层框架才是中台的关键。
第二件事，每个游戏厂商都知道要转型成 AI 组织，但 AI 型组织是什么模样，又该如何运转呢？现在没人知道答案，那数数科技要跑到整个行业前面探路。
如果要提出有前瞻的 idea，那整个企业的部门结构和成员职能都要变，不止要跑得快，最好还要够聪明。
前不久联想的副总裁总结过「企业用 AI」的三个难处：不知道怎么结合？不知道安不安全？不知道要烧多少 Token 才能用好？所以，当浪潮褪去，回归理性，专业的事依旧需要专业的人来做。
于是这家做数据服务的公司，决定转身向 AI 服务走去。如果做成，游戏厂商能不用任何调教便能用上企业级 Agent 平台，往长远来说，大家还能顺利往 AI 型组织转型。
其实十年前，数数科技便擅长做前瞻的事，他们曾在所有人还没理解数据多重要时，说要做一个 SaaS，让数据像自来水一样随拧随用。
十年后的现在，这家曾融资 6 个亿，做到游戏行业数据分析 Top 1 的公司又在做相似的事。在所有人把 AI 当玩具，没理解 AI 能给企业带来什么影响时，他们要做 AaaS，Agentic as a Service，让游戏厂商有个能和团队协作的超级大脑。
今年 4 月底，为了表达这种决心，他们将公司名从 ThinkingData 改成 ThinkingAI，然后推出了 AI 时代的新中台：Agentic Engine。他们似乎想用 Al 解决除了核心创作之外的，那 50% 让游戏公司焦虑的事情。
01
仍然难以自建的底层框架
新产品的界面像 AI 对话框，说想法就能拿结果——这些结果包括不限于，传统的数据看板，项目日报，以及做完任务回来汇报的 AI 日志。
Agentic Engine 已经不算数据中台：每一个人，每天来工位的第一件事，就是打开 Agentic Engine，问变化，看项目进度，然后和 Agent 一起规划工作。
一家游戏厂商的所有人都可以被这个平台链接起来。
Agentic Engine 的底层是来自 ThinkingAI 的数据底座，迭代了十余年。
调数据，速度够快，覆盖面也广。一组数据提出来做成看板只要两三秒，一套看板能同时调行为数据和社区舆情，通常做一次分析就能调取实时数据、历史数据，综合地找出问题所在。
如今的数据底座，还足够懂业务。现在问它要「付费用户数」「关卡通过率」，Agent 的专业知识也够硬，知道指的是什么数据，能准确调用对应表。
一切数据都会流向这里。Agentic Engine 会像团队的第二大脑一样，有常规的行为和付费数据、社区舆情这样的非结构数据，还有团队日常的讨论和会议信息。这些事情意味着，Agent 有全域的信息去做出判断。
闭环执行是这个中台面向未来的功能。传统中台只到拿数据这一步，Agentic Engine 要将分析和执行也涵盖进来，再返结果。现阶段，它还在和人一起摸索流程，场景也还只有运营。后续，它还会增加 AB test、投放等场景，全面覆盖。
「主要是安全，所有数据和模型都是私有化部署，」CTO 周津说，他们已经改成能扛住企业级 Agent 的框架，「每个人装上 Agent 已经不是难事，但企业要即插即用地用好 Agent 还很难。」
现在企业建 Agent 中台难用，是因为 AI 做的多是短链业务，人人能验证 idea，快速拿结果，但也因为短链，不够稳定，游戏厂商需要的是能支撑长期经营的长链——稳定、可靠、可治理。
举个例子，如果拆开 ThinkingAI 的 Agentic Engine，它是典型的企业需要的长链。
最上层的 Agent，很接近人人可实现的软件层。如果只有这一层，那 Agentic Engine 可以被随便替代，现在一个 14 岁小孩都知道怎么配置：接上 LLM 大脑，外置记忆库存数据，再接 CLI 开各种软件的访问权限。
所以往下，Agentic Engine 下面有两层技术搭长链。
中层是他们服务游戏行业十余年的 Thinking Engine，能搭看板 BI，能做多种业务分析。上层的 Agent 会优先在这里调内容分析，如果用户看不明白，还能调看板去查，而这里有跑了多年的业务系统能接住 AI 的思考。
再到最底层。当中层解决不了问题，Agent 还可以探到最底层的数据仓库去查——这个迭代十余年架构，又做了数据规范后的仓库，能帮 Agent 兜底，让它少胡说，多查证。
这条长链是未来做成闭环执行的基础，也是游戏厂商难自建出即插即用的 Agent 的原因。
时间回到两三年前，当时还叫数数科技的 ThinkingAI 已经做了近十年游戏数据中台，鹰角、点点、三七都是他们的客户，但 AI 的出现，让他们有了新的方向。
最早，ThinkingAI 想搭出游戏厂商和 AI 链接的最后一公里。他们梳理十年的游戏行业经验，搭 workflow，做行业 prompt 库，让 AI 接进来就能理解行业信息，能进行工作对话，保证做事够专业，不给假消息。
传统数据中台做 AI 并不容易。「国内项目都是做长线，数据表命名不规范，加上会不断出新功能，也很难标准化，这就让 AI 查表的准确率不够。」于是周津想到「AI 糖」，像给小奖励一样，在数据中台的每个模块都加小型的 AI 模块，让游戏团队先尝尝和 AI 协作的甜头。
几个月后，他们换 AI Native 的思路，完全基于 AI 优势做舆情数据项目。过去市场和运营看社区靠人肉看，现在大语言模型本就是处理文本的高手，能看得懂黑话，懂口语表达，可以帮游戏厂商抓取社区对产品的态度和修改意见。
转折来自今年春节出现的 OpenClaw，全自动化的框架加上 vibe coding，任何人都可以做成自己的软件，哪怕是 ThinkingAI 花大力气做的 AI Native 舆情项目也能轻松解决。
看着媒体每天报道的「SaaS 已死」，他们想到的唯一的解法是全身心地投入其中。那段时间，周津和几位高管在终端搭建了自己的 Agent 分身，将知识库和工作信息全部同步过去，和团队一起摸索了和 Agent 相处的方式。
不到一个月，这家公司确定了新方向：与其盯着游戏厂商的需求出解决方案，不如跑到行业前面去，搭建一个属于 AI 时代的工作流。这也是 Agentic Engine 诞生的源点。
而 AI 时代工作流的第一个变化便是，上一个时代的诉求止步于拿数据，但下一个时代，需要拿到准确的分析和执行结果。
ThinkingAI（数数科技） 联合创始人兼 CTO 周津
02
AI 对企业更远的价值
ThinkingAI 经常将自己过去的价值总结为「十年服务游戏产业的经验」，而他们最近在忙的，是将这一切「蒸馏」成 Skill。
举个例子，如果付费差，我要下钻分析，查异常数据，然后排查异常的维度，那有了数据异常之后我又该怎么做运营？当运营结束之后，我又要怎么看回执数据，来判断运营效果如何？
这一轮问题研究 & 解决下来，便是一个 Skill。每一个 Skill 本质上都在告诉 Agent，没必要浪费时间慢慢探索思路，有一条最短路径给你走，这能帮游戏团队降低不少 Token 消耗。
提炼 AI Skill 并不难。ThinkingAI 一直有「客户成功」团队，他们会到一线和签约厂商对接，设计埋点方案，为大家写 SQL 解决业务问题。这些人积累很多，有打不完的弹药。
难的是把效果调好。一开始他们看 Agent 回答的准确率，现在则更多看 Agent 给的思路，对一线业务有没有帮助。这也是 ThinkingAI 应对数据治理困难的办法：现阶段没必要苛求绝对正确，不如先让它以超级助手的定位来启发人。
如今 ThinkingAI 已经做了上百个 Skills，等 Agentic Engine 上线时，团队会先筛出质量最高的 50-100 个首发。
「行业经验就是业务上的 ROI，MCP 加 Skill 的调用和封装，其实就是把最高效、最快速、最短捷的一个路径告诉了 Agent。」周津说。
周津在大会上说，Agentic Engine 其实有第四个支柱：「用好 Agent」。
一家游戏厂商最关注的问题，就是Agent 能否可观测、可诊断、可优化。这也是 ThinkingAI 现在做的事情。「我们现在搭 Agent 就是一步步标注它的问题，优化流程。不是让大家用上就行，而是能让大家逐步地用好这个东西。」
现阶段，Token 浪费是常见现象。一个招呼、一句夸赞，上万 Token 就被浪费了。而搭建一个流程本就是要不断报错，解决，改流程，重新测试，遇到 BUG 的话可能一天会烧掉一周 60% 的配额。
「我们在帮行业探路。」周津说。ThinkingAI 最近测 Agent 的方式是算 ROI，开日志审计每一批 Token 产出的结果，哪些有意义，哪些没意义，然后想办法约束或者改流程，省掉无意义的 Token 开支。
最终拿到游戏厂商手里的 Agent，会是做好测试，能高效率、高质量、低 Token 消耗的 Agent。而这个调试经验，还能帮游戏厂商去优化属于自己的 Skills，像滚雪球一样，把 Agent 越用越好。
过去与他们签下合作的游戏厂商，很多都是看重 ThinkingAI 团队本身，像 Habby、九九互动等团队的人都提到过这一点：他们相信 ThinkingAI 的人会和自己一起前进，知晓业务需求，再回去迭代自己，跟着产业成长。
过去如此，AI 时代也如此，无论是「蒸馏 Skill」「用好 Agent」，还是他们在北美宣布和 MiniMax 深度合作，都来自这个逻辑，殊途同归。
ThinkingAI 说自己要做的是游戏产业企业级的 Agent，但其实它的最大价值不止于此。
企业 AI 要创造价值，要解决更高维度的组织 AI 能力。这也是 ThinkingAI 积累了十年后，下一步要做的事情：怎么走到行业前面去，帮大家提前找到 AI 时代的组织协作？
大众认知里，数据中台的价值是拿数据。数据拿到手后都是人的工作，分析，再交给其他团队处理。因为以前拿数据是漫长且困难的过程，ThinkingAI 过去做的工作便是缩短拿到数据的过程。
如今到了 AI 时代，过去游戏厂商要拼尽全力才能获得的结果到手后，下一步该追求什么？ThinkingAI 现在给的答案是闭环执行，是用好 Agent 后，只要一句话便能「一步到位」地拿到执行与反馈。
而当每一个人都能用好 Agent，整个团队都能用好 Agent，会有怎样更大的价值被创造出来？这会是 Agentic Engine 正式上线后，游戏行业和 ThinkingAI 一起验证的方向。
03
动态地跟上时代
其实理论上，ThinkingAI 的一切都能在未来被足够强大的 AI 复刻，过去的经验和想法，既然可以沉淀成架构和 Skills，那就代表它可被 AI 执行。一劳永逸？不存在了，AI 已经大幅拉低了这个复刻的门槛，一切只是时间问题。
不过，AI 时代也有个看似自我安慰，但其实很有道理的理论：今日之我，并非昨日之我。AI 复刻的永远是过去的积累，但任何个人和企业，都会在每一天获得新的想法，然后成长。
ThinkingAI 现在学会的是替行业提问，学会不满足，这是他们设立 Agentic Engine 平台的立命所在，也是他们今年考虑组织转型的原因。
如果将过去所做都视为静态地沉淀经验，那么摆在面前的未来，便是要动态地不断求索。
怎么动态地向前呢？ThinkingAI 的答案是，自己要先知道怎么和 AI 协作，而且他们已经实践了很长一段时间。
CTO 周津在采访间隙指着电脑下方的插件说，他用 Agent 给自己搭了个「外脑」，链接自己所有的知识库和飞书信息。他和媒体对谈时会用豆包 ASR 收录会议，这边按自己的想法回答，那边再由 Agent 自动为他分析回答，然后补充与问题相关但他没提及的信息。
市场部负责人建了自己的 Agent 分身，把大部分能标准化、流程化的工作都交给它来负责。上至一个阶段的品牌定义是什么，它在海内外的变形是什么，下至品牌对外输出的内容该以什么标准撰写……这个 Agent 可以审校部门大部分成员的工作。
前不久的员工大会，AI 项目负责人的 Agent 和 CTO 的 Agent 对齐演讲方案，两「人」四句话敲定了方向，给各自的本体同步结果。「以前动不动开三四个小时的例会慢慢会消失，Agent 快速对齐信息，充分透明了，整个组织才会产生高效的决策。」
ThinkingAI 的几位高管已经运转起小型的 AI 组织，从「人到人」转向「人 -Agent-Agent- 人」：Agent 像组织的血管一样快速流通，向人输出结果，而人则要不断迭代自己的认知，向组织注入源源不断的 idea。
这家公司正在迎接 AI 时代的组织进化，走到产业前方，摸索前路，然后让这个进化融入到产品中，再带动游戏厂商理解并消化企业与 AI 的相处方式。
「肯定会有人会落下，但不是 AI 把人替换掉。」市场负责人说，「但是会用 AI 的团队，比不会用 AI 的团队有更强的竞争力。」
游戏葡萄招聘商务经理，
点击「阅读原文」可了解详情
推荐阅读
游戏行业书籍推荐：
点击下方名片，关注公众号
（星标可第一时间收到推送和完整封面）
登录后才可以发布评论哦
打开小程序可以发布评论哦