AI 给游戏产业带来新的生产技术，也引发了一场围绕游戏产业新价值链的争夺。

作者｜王博

" 一句话生成游戏 " 是 2026 ChinaJoy 最常见的口号之一。

在展馆、中国国际游戏开发者大会（CIGDC）以及同期举办的多场企业发布会上，AI 几乎进入了游戏产业的每一个角落：有人用自然语言生成代码和场景，有人让多个 Agent 分别承担策划、编程和美术工作，也有人把 Agent 放进游戏，让 NPC 获得记忆、动机和临场反应。

2026 ChinaJoy 现场，图片来源：「甲子光年」拍摄

但是，" 一句话生成游戏 " 也掩盖了一些问题。

它把游戏开发中最显眼的一刻 " 输入一句提示词，几分钟后得到一个可以运行的 Demo"。放大成了整个生产过程。代码和画面生成之后，UI 是否清晰、交互是否顺畅、玩法能否留住玩家，仍然需要大量打磨。版本管理、性能优化、测试和长期运营，也很难被压缩进一句提示词。

今年 ChinaJoy 主题是" 与AI同游 "，当 AI 把游戏开发时间压缩到几十个小时，AI 辅助制作的游戏数量在游戏平台呈现爆发式增长，游戏开发者、游戏引擎、游戏公司、游戏平台、游戏服务商、芯片厂商的价值都面临重估。

虽然大家都在谈论 AI，但是大家口中的 "AI+ 游戏 " 并非同一个概念。

游戏开发者希望找到不被 AI 替代的能力，游戏引擎希望成为 Agent 的工作底座，游戏公司希望降本增效、丰富游戏体验，游戏平台希望获得更多创作者和内容，游戏服务商希望通过 Agent 促进增长，芯片厂商则希望通过端侧算力和图形渲染打开新的终端体验。

AI给游戏产业带来新的生产技术，也引发了一场围绕游戏产业新价值链的争夺。

「甲子光年」在 2026 ChinaJoy 现场看到了四个正在发生的变化：

游戏开发者的时间被重新分配；

游戏引擎开始为 Agent 重新设计；

Agent 从 NPC 大脑走向世界系统；

游戏原型成本下降，长期运行成为新账单。

1. 游戏开发者的时间被重新分配

在 7 月 30 日举行的 2026 骁龙游戏技术赏上，TapTap 制造产品负责人天一提到，今年一些开发者用 48 小时完成的作品，已经可以达到过去 21 天的开发水平。

" 我们在今年上半年上线了 4000 多款 AI 制作的游戏，有 100 万人以上的玩家玩过这些游戏，" 天一说，" 对我而言，最惊喜的其实是看到 AI 对于游戏开发极大的助力。"

"21 天，看见游戏如何被创造 " 圆桌对话，图片来源：「甲子光年」拍摄

没有编程经验的美术和策划，可以借助 AI 完成代码；独立开发者可以调用多个 Agent，分别承担策划、程序、美术和测试任务；过去需要一支小团队才能验证的玩法，现在可能由一个人在几天内完成。

《积案拂尘》的开发者简律纯就是其中的代表。

简律纯一家 AI 大模型公司的工程师，游戏开发只是个人兴趣。在 2026 年 BOOOMJam 游戏创作挑战赛上，他开发《积案拂尘》获得了 " 骁龙最佳技术突破奖 "。

这是一款 AI 驱动的悬疑推理游戏。游戏中，玩家可以在游戏中向 AI 扮演的嫌疑人、调查人员等角色自由发问，从嫌疑人的口供，以及那些被遗漏的细节中，逐步拼凑出案件背后的真相。玩家甚至可以 DIY 故事线，自由掌控探案的流程。

图片来源：游戏《积案拂尘》

在 2026 骁龙游戏技术赏上，简律纯介绍，这款游戏的核心玩法原型只用了 3 个小时，参加比赛的版本在 5 天内完成。

" 对我们这种半路出家的游戏开发者来说，AI 其实带来了很多方便，可以让我们去做那些之前想都不敢想的一些事情。" 简律纯说。

AI 最擅长处理的是边界相对明确、结果能够迅速验证的任务。开发者描述角色规则、交互方式和玩法循环，模型可以快速生成代码，再根据报错进行修改。过去需要数天完成的功能模块，如今可能在几小时内跑起来。

但一款游戏能够运行，与玩家愿意玩下去，中间还有大量细节。

按钮应该放在哪里，信息层级是否清晰，玩家能否理解下一步操作，一段交互是否过于拖沓，画面和文字有没有破坏沉浸感，这些问题很难通过一次提示词解决。它们需要不断试玩、观察和调整，也高度依赖开发者的审美与经验。

此前在游戏创作挑战赛上，简律纯真正花在核心代码编写上的时间只占约 20%。剩下 80% 的时间，主要用于打磨 UI 界面和优化玩家体验。

在 ChinaJoy 现场，还有多位游戏行业从业者向「甲子光年」表达了相似观点：AI减少了大量编写代码的时间，节省出来的时间很快流向UI、交互、内容调整和玩家体验。

这意味着，AI 带来的变化并不只是缩短开发周期，也在改变游戏开发的时间结构。

当 AI 承担越来越多编写代码工作，原本为人类开发者设计的游戏工具，也开始暴露出新的局限。

2. 游戏引擎开始为 Agent 重新设计

传统游戏引擎首先是为人服务的。

开发者通过编辑器搭建场景，用脚本控制角色和交互，再由引擎处理渲染、物理、动画以及不同终端的适配。在这个过程中，项目文件、API、文档和编辑器界面，也都按照人类开发者的使用习惯设计。

AI 进入之后，这套体系暴露出一个问题：大模型可以读代码，却很难理解一款游戏的完整状态。

以游戏引擎 Unity 工程为例，其核心内容通常分散在 C、场景文件、资源文件和 YAML 配置中。YAML 文件更多是在记录某一时刻的状态，无法完整呈现开发者在编辑器中的操作逻辑。模型即使能够修改其中一部分文件，也未必知道这些变化会给整个项目带来什么影响。

因此，游戏引擎公司 Unity 中国做了一项更基础的改造：重新设计资产和工程的表达方式，为 AI 提供更容易理解和调用的数据结构。

7 月 28 日，Unity 中国在上海发布团结引擎 2.0，并推出游戏开发 AI Agent 团结 Codely。相比为编辑器增加一个 AI 对话框，这次更新更值得关注的地方是Unity 中国开始从底层改造引擎，让 AI 能够理解游戏工程、操作编辑器、运行测试并修复问题。

团结引擎 2.0 打通了自然语言、可视化节点和代码三种创作方式，并加入修改对比、版本追溯和权限控制等机制。AI 生成的内容可以被检查、审核和回滚，从个人使用的辅助工具，逐渐进入企业的正式开发流程。

建立在这套底层架构上，团结 Codely 可以完成需求理解、代码编写、场景搭建、测试运行、错误分析和问题修复。Unity 中国将这种工作方式称为 "Loop Engineering"：AI 的任务不止于输出一段代码，还要持续运行、验证和修正，最终交付可检查的结果。

这一区别很关键。

当前很多 AI Coding 工具已经能够读取代码库、修改文件和执行命令，但游戏开发是一个高度多模态、强状态依赖的过程。移动一盏灯、替换一个角色或者调整一次碰撞参数，可能涉及场景、脚本、资源和渲染管线的联动。AI 需要理解 " 游戏现在是什么样 "，也要理解 " 这次修改具体改变了什么 "。

但是当通用 Agent 已经能够读取代码库、运行命令并生成游戏场景，团结 Codely 作为垂类 Agent 核心优势是什么？

在 Unity 中国 CEO 张俊波告诉「甲子光年」，差异主要来自两个方面：一是行业 Know-how，二是数据的准确性和简洁性。

Unity 中国 CEO 张俊波，图片来源：Unity 中国

在他看来，通用大模型吸收了跨越不同版本的大量公开数据，其中包含重复、过时甚至相互冲突的内容。垂直模型能够把知识范围限制在 Unity 和团结引擎的具体场景中，提高 Agent 行为的可控性，同时减少上下文和 Token 消耗。

" 我们的目标是，能不能拿一个 300B 的模型，针对游戏场景，达到人家 2.8T 模型的水平。" 张俊波告诉「甲子光年」，垂类模型、自有 Know-how 以及 Agent 与工具之间更紧密的耦合，将成为团结 Codely 的主要差异。

类似变化也出现在其他游戏引擎中。

Epic Games 在 CIGDC 上介绍，虚幻引擎 5.8 已经原生集成 Model Context Protocol，并内置 MCP Server，让 Claude、GPT、Gemini 等模型通过工具集操作蓝图、材质和 Niagara。

不同厂商选择的具体路径存在差异，但共同方向已经出现：游戏引擎的使用者正在从人类开发者，扩大到人类开发者与 Agent。

当 Agent 能够理解并操作整个游戏工程，它的角色也开始从开发工具延伸到游戏运行。

AI 影响的不再只有游戏如何被做出来，也包括游戏中的角色如何行动，以及一个世界将如何变化。

3.Agent 从 NPC 大脑走向世界系统

今年更值得关注的变化，是 Agent 开始从局部对话功能向完整游戏机制扩展。

《积案拂尘》提供了一个具体样本。

游戏中的嫌疑人不会只按照固定脚本回答问题。每个角色背后都有一个 Agent，实时读取案件证据、时间线和其他人的口供，再结合自身性格生成回答。

有些角色会隐瞒关键信息，有些角色会试图误导玩家。它们需要理解自己知道什么、其他人说过什么，以及哪些信息可能暴露自己的处境。

AI 在这里承担的不只是对话功能，也直接构成了推理玩法。

如果所有嫌疑人的回答都被提前写好，玩家面对的仍是一套可以穷举的剧情树。Agent 进入之后，同一个问题可能得到不同回答，角色之间的信息也会相互影响。

简律纯认为，未来的游戏形态将从 " 导演剪辑版 " 走向 " 即兴演绎场 "。

传统游戏中的任务、彩蛋和剧情分支，大多由设计师提前安排。未来，一部分 NPC 可能拥有自己的记忆、习惯和目标。它们会根据玩家行为和游戏环境行动，玩家也会从控制一切的 " 上帝 "，变成动态世界中的一个变量。

在简律纯看来，AI 未来可能成为游戏的 " 物理引擎 2.0"。

物理引擎决定物体如何碰撞、移动和下落，AI 则可能决定角色如何思考、交流和行动。如果这一设想能够实现，游戏世界的运行规则将增加新的层次。

ChinaJoy 现场出现的另一款产品《AI 小镇：星原》，则进一步尝试把这种变化从单个 NPC 扩大到整个游戏世界。

《AI 小镇：星原》是一款由多智能体驱动的生活模拟游戏。玩家养成和引导生活在小镇中的角色，每个角色拥有自己的记忆、性格和生活目标。

《AI 小镇：星原》，图片来源：「甲子光年」拍摄

角色、事件、行为和物品均由 Agent 驱动，环境、规则和角色关系也会随着时间推演。即使玩家暂时离开，游戏世界仍会继续运行。玩家再次进入时，小镇可能已经发生变化。一些变化来自其他玩家的行为，另一些则来自角色之间的自主互动。

它还提供了一种 UGC 创作方式：玩家输入一句话，系统生成包含场景、物品、角色和互动的可玩小剧场。《AI 小镇：星原》的开发者告诉「甲子光年」，希望未来把这些用户创作进一步带入持续运行的小镇，让玩家同时成为世界的参与者和内容提供者。

《AI 小镇：星原》，图片来源：紫荆智能

《积案拂尘》让一个案件中的 NPC 开始即兴行动，《AI 小镇：星原》则试图让整个世界自行生长。

类似探索也开始进入更多商业项目。

在 CIGDC 的 "AI 技术重构游戏产业生态分论坛 " 上，腾讯游戏分享了《洛克王国：世界》中基于强化学习的 NPC 战斗设计。

传统行为树依赖开发者提前设置行动条件，复杂回合制卡牌游戏还要面对组合空间、非完全信息博弈和不同战斗场景。腾讯团队通过强化学习，让 NPC 在规则约束下形成均衡、激进、保守和天气队等不同战斗风格。

腾讯资深游戏 AI 工程师吕慧伟，图片来源：CIGDC

VAST 展示的世界模型 Project Eden，则尝试将底层状态推演与视觉渲染分开，让环境长期存在、场景可以复用，并支持多人并发交互。

从开放式对话、强化学习战斗，到多 Agent 社会和世界模型，AI 开始影响角色的语言、行为、关系和环境状态。

这也带来了比 "NPC 能不能自由聊天 " 更复杂的问题。

当角色的回答和行动无法被开发者逐条检查，内容安全如何保证？当每个玩家进入的剧情都不相同，游戏测试如何覆盖潜在分支？当多个 Agent 共同影响世界，开发者又如何避免规则冲突、角色性格漂移和剧情失控？

持续记忆也会带来新的设计难题。

一个角色记住多少内容、遗忘什么内容，哪些经历会改变性格，玩家是否可以修改或删除这些记忆，都可能影响游戏体验。Agent 之间形成关系后，单个角色的异常行为还可能沿着社会关系传播。

动态生成的内容越多，开发者能够提前控制的细节越少。一个可以持续产生事件的世界，也可能持续产生重复、无意义甚至互相矛盾的内容。

「甲子光年」认为，Agentic World 的核心挑战不只是生成更多故事，还包括让这些故事符合规则、保持一致，并具有足够的可玩性。开发者的工作会从提前写完所有内容，逐渐转向建立规则、角色和边界，再检查世界运行后出现的结果。

游戏开发开始带有更多 " 世界治理 " 的意味。

世界越动态，模型调用越持续，AI 游戏的成本也越容易从一次性开发投入，转向长期发生的推理、治理和运营支出。

4. 游戏原型成本下降，

长期运行成为新账单

使用 AI 来开发一款游戏，需要多少钱？

简律纯坦言，《积案拂尘》的纯开发成本，只花了十几元，" 就是调用了 DeepSeek 的的 API，也就一杯奶茶的钱。"

的确，AI 让游戏的纯开发成本降低，但只是游戏开发的起点。

《鬼谷八荒》制作人张三在 CIGDC 谈到 "AI 时代游戏开发者何以自处 " 时判断，未来 " 独立游戏 " 与 "3A 游戏 " 的概念可能会消失，开发团队会变得更小、变精，算力成本会上升到开发成本的 50% 以上。

《鬼谷八荒》曾创造国产游戏在 Steam 平台上的同时在线人数纪录。张三的判断来自一个做出过成功商业产品的开发者，也揭示了 AI 辅助游戏开发容易被忽视的另一面：人力投入可能下降，模型调用、算力、测试和维护成本却会沿着新的路径增长。

《鬼谷八荒》制作人张三，图片来源：「甲子光年」拍摄

张俊波也谈到了 AI 开发的另一面：代码生成得越快，维护成本未必越低。

他对「甲子光年」透露，Unity 中国内部已经有大量代码由 AI 生成，一些工程师甚至主要通过命令行和自然语言工作。但当代码出现 Corner Case，团队可能很难判断这段代码的设计逻辑，更难迅速定位责任人。对一个需要服务数百万开发者的商业引擎来说，这类问题会被进一步放大。

"AI 修复 Bug 比 Coding 还贵。"张俊波说。

这句话揭示了 AI 编程现阶段容易被忽略的成本。生成代码只占软件生命周期的一部分，后续还有测试、调试、审查、迭代和维护。游戏项目尤其如此：一款长期运营的游戏可能拥有数百万甚至数千万玩家，任何底层问题都可能演化成大规模事故。

当 Agent 进入游戏内部，模型输出会直接影响剧情、角色行为和玩家体验。幻觉也随之从一次错误回答，变成可能破坏游戏规则和叙事逻辑的系统风险。

为了控制这些风险，开发团队需要构建针对幻觉的对抗数据集，完善推理链的标注和验证流程，对 Agent 行为设置多层检查机制。

复杂项目还可能需要大模型工程师持续介入，处理角色一致性、异常输出和模型迭代带来的问题。这些工作很难像生成代码一样，在几分钟内完成。

开发成本下降后，推理成本则会在运营阶段持续发生。

《积案拂尘》上线后，这套拥有多个 Agent 交互高度智能化的系统，每天需要承受数十亿 Token 的运营开销，成本压力陡增。

十几元的 API 费用可以做出一个玩法原型，但当大量玩家同时进入游戏，模型调用便从一笔可以忽略的实验费用，变成需要长期承担的运营成本。

传统游戏的大部分内容在上线前完成，服务器主要负责同步玩家状态、处理游戏逻辑和保存数据。Agent 驱动的游戏则需要在玩家进入之后持续推理。

AI 游戏，尤其是拥有多个 Agent 实时交互的游戏的成本结构由此发生变化：前期编程和内容生产的部分投入下降，推理、数据、模型治理和长期运营的占比开始上升。

成本迁移并不代表整体成本增加，在不同的环节，AI 也在实现降本增效、促进增长。

比如在游戏运营环节，ThinkingAI 联合创始人兼 CTO 周津在 Agentic Growth 全球泛娱乐行业峰会上就展示了一条由 Agent 参与的游戏运营链路：Agent 发现一名玩家多次进入商城却没有购买后，会分析原因、生成目标人群、配置实验、执行触达并观察结果。

在这套流程中，人负责决定圈选哪些玩家、采用什么策略，以及用什么指标判断结果；数据校验、人群生成、实验配置和持续观察，则交给 Agent 完成。

Agent 进入真实业务流程，图片来源：ThinkingAI

如果 AI 只给出一个看起来合理的答案，它很难进入企业核心业务。企业需要知道数据来自哪里、采用了什么口径、经历了哪些步骤，以及结果能否被复核。

" 人要知道自己想要什么，也要说得清判断依据；Agent 负责连续执行，并把可复核的结果交回给人。每一轮都能被验证，经验才会变成方法，方法才会变成企业自己的能力。" 周津告诉「甲子光年」，"没有验证，就没有下一轮。"

硬件厂商也在寻找这一成本迁移中的位置。

目前，《积案拂尘》正在尝试将推理、分类等任务逐步迁移至端侧，借助高通骁龙 NPU 降低云端 Token 的消耗并提升整体响应速度。

AI 进入游戏开发和运行之后，芯片承担的任务也在增加。端侧推理、实时渲染和跨设备交互，可能成为新的硬件需求，也为芯片和终端厂商创造新的产品卖点。

今年 ChinaJoy 释放出的信号已经足够清晰：AI 没有消除游戏开发中的大量工作，而是在重新分配这些工作。

做出第一个可玩版本正在变得容易，让一款游戏稳定运行、持续更新并留住玩家，依然是一项不容易的工作。

" 一句话生成游戏 " 给出了一个足够吸引人的入口。至于它能否通向下一代真正成立的游戏，行业仍在寻找答案。

（封面图来源：「甲子光年」现场拍摄，经 AI 处理）

END.