英伟达微软等巨头连番抢滩虚拟世界腾讯AI提速游戏管线变革

硅谷101

游戏因其规则清晰且具备可控的高频试错环境，已成为全球大模型与通用智能体进化的最理想训练场，并反向驱动底层渲染管线迎来AI原生化颠覆。

AI-assisted summary of 为何顶尖AI公司都盯上游戏？【硅谷101】 — original source. Check the original for full context.

Source published: 2026-01-30

Detailed notes

## Background 该视频由“硅谷101”于2026年1月30日发布在Bilibili平台上，主要探讨了顶尖AI公司（如OpenAI、英伟达、谷歌等）纷纷布局游戏领域的现象。视频简介指出，游戏因其规则清晰、反馈即时而成为AI训练的理想环境，同时AI的进化也在反哺游戏，改变着操作体验与创作方式。

## TL;DR 视频深入探讨了游戏与AI之间相互塑造、共同进化的深层关系。从DeepMind创始人通过游戏启发AI研究，到如今各大巨头利用游戏训练世界模型与通用Agent，游戏已成为智能跃迁的核心训练场。同时，AI正从智能化NPC、AI教练与核心玩法等层面重塑玩家体验，并深入到游戏引擎底层、AI渲染管线以及DCC资产生产全流程。尽管目前缺乏杀手级应用，但兼具AI技术与顶级游戏生态的公司正加速推动这一融合，未来游戏将成为人类与AI共处共创的终极空间。

## Atmosphere & style 视频展现出一种前沿、思辨且具有科技未来感的叙事风格。通过将科技巨头的最新动作与行业先驱的成长故事交织在一起，营造出一种见证科技历史演进的厚重感与宏大叙事氛围。整体基调理性而深刻，既有对技术底层变革（如AI渲染、智能蒙皮）的扎实拆解，又满怀对未来“终极游戏”与人机共存空间的憧憬，带给观众一种推开未来大门、智力备受启发的沉浸式观看体验。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1r86eBwESv?t=0s) 全球顶尖 AI 公司（如英伟达、微软、OpenAI、谷歌、xAI 等）近期纷纷在游戏领域深度布局，将其作为技术演进的重要突破口。 - [00:00](https://www.bilibili.com/video/BV1r86eBwESv?t=0s) 科技巨头推出了多款游戏相关的 AI 模型与智能体，例如英伟达的 Nitrogen、微软的 Muse、谷歌的 Genie 3 及 SIMA 2 等。 - [00:00](https://www.bilibili.com/video/BV1r86eBwESv?t=0s) 游戏与 AI 之间存在深层相互塑造的关系，DeepMind 创始人 Demis Hassabis 的游戏开发经历便是其将智能放入虚拟世界不断试错的灵感来源。 - [00:00](https://www.bilibili.com/video/BV1r86eBwESv?t=0s) 大模型进入下半场，游戏因具备清晰规则、即时反馈和海量数据的特性，成为构建世界模型和训练 Agent 最理想的虚拟训练场。 - [04:59](https://www.bilibili.com/video/BV1r86eBwESv?t=299s) 大模型单纯做大已无法带来立竿见影的突破，当下稀缺的是能让 AI 持续运行、试错并产生价值的真实场景，游戏正承载了这一需求。 - [04:59](https://www.bilibili.com/video/BV1r86eBwESv?t=299s) AI 正在使游戏 NPC 走向智能化，摆脱过去死板的代码脚本，让其能根据战斗情况做出自然行为并拥有独立生活。 - [04:59](https://www.bilibili.com/video/BV1r86eBwESv?t=299s) AI 开始在多款主流游戏中扮演语音助手、专属教练或战术犬等角色，不仅提供战术辅助和全场景操控，还能为玩家提供情绪价值。 - [07:30](https://www.bilibili.com/video/BV1r86eBwESv?t=450s) AI 在游戏研发中的应用率已高达 86.36%，多模态能力的爆发大幅降低了游戏创意的门槛。 - [07:30](https://www.bilibili.com/video/BV1r86eBwESv?t=450s) 2025 年被视为“AI 渲染元年”，硬件厂商与标准组织发力 AI 原生适配渲染管线，使 AI 得以直接参与编程、渲染和性能优化等引擎底层工作。 - [07:30](https://www.bilibili.com/video/BV1r86eBwESv?t=450s) AI 渲染技术（如 DLSS）能实现低成本渲染并由 AI 补全细节，而厂商正通过管线优化将模型轻量化，使其能在普通设备及多平台上流畅运行。 - [07:30](https://www.bilibili.com/video/BV1r86eBwESv?t=450s) 在引擎外的 DCC 资产制作中，AI（如 V-Spy 体系）被广泛用于智能蒙皮和动画制作等机械重复工作，使工作效率最高提升 8 倍。 - [07:30](https://www.bilibili.com/video/BV1r86eBwESv?t=450s) 市面上尚未出现“AI 杀手级游戏应用”的原因在于最强 AI 公司缺乏落地场景，而传统游戏厂商又缺少对最前沿 AI 技术的掌握，融合需要兼具技术与生态的中间地带。 - [07:30](https://www.bilibili.com/video/BV1r86eBwESv?t=450s) 游戏与 AI 是一种相互塑造、共同进化的关系，未来通用 AI 技术将被重新带回游戏，创造出“终极游戏”并成为人类与 AI 共处的空间。

## Detailed walkthrough 以下是针对您提供的视频转录文本所做的详细、忠实的 walkthrough 整理：

[00:00](https://www.bilibili.com/video/BV1r86eBwESv?t=0s) 顶尖 AI 公司为何纷纷押注游戏？

最近，全球最前沿的 AI 公司都不约而同地在游戏领域展开了深度布局。英伟达最新开源的基础模型 Nitrogen 已经可以独立玩 1000 多款不同的游戏，视频中那些流畅的走位和精准的操作，完全由 AI 自主完成，而非人类玩家。不仅是英伟达，过去一年里，科技巨头们在游戏 AI 上的动作频频： - 微软在年初推出了首个基于游戏训练数据的世界模型 Muse。 - OpenAI 被曝曾向游戏公司 Metal 提出高达 5 亿美元的收购意向。 - xAI 宣布将推出完全由 AI 生成的游戏，并招募游戏开发者来训练 Grok。 - 谷歌先后推出了游戏世界引擎 Genie 3 以及在游戏中进行训练的智能体 SIMA 2。

这种现象引发了深思：为什么顶尖 AI 公司都在押注游戏？通常人们谈论游戏与 AI 时，最直观的是讨论 AI 如何改变游戏画面、生成剧情或提升开发效率。但如果把视角拉远，就会发现游戏和 AI 之间存在着一种更深层次的相互塑造关系。

谷歌 AI 的灵魂人物、DeepMind 创始人 Demis Hassabis 的成长经历就是最好的例证。30 年前（1992 年），16 岁的 Demis 加入了 Bullfrog Productions 游戏公司，参与开发了模拟经营游戏《主题乐园》（Theme Park），他在其中巧妙地设计了 NPC 的 AI 特性以模拟人类行为。此后，他又参与开发了另一款上帝游戏《黑与白》（Black and White）。正是这些游戏开发经历启发了他：如果把智能放进一个可以不断试错的微缩游戏世界里，让它不断学习、模拟未来，会发生什么？

在 DeepMind 的纪录片《思考游戏》（Thinking Game）中，系统地展示了 AI 是如何在一代代游戏中被驯化和塑形的。从 2010 年代开始，DeepMind 的研究人员就在不提供任何人类规则和策略的前提下，仅通过屏幕像素和分数反馈，训练 AI 自主学会了 Atari 游戏。此后，AlphaGo、AlphaStar 的诞生，OpenAI 使用 AI Agent 对战《Dota 2》，以及利用《GTA 5》训练自动驾驶等，几乎每一次 AI 关键的智能突破都与游戏息息相关。

如今大模型发展进入下半场，最前沿的世界模型和智能体（Agent）研究依然首选游戏场景： - 2018 年提出“世界模型”概念的开山论文中，训练模型的环境就是一个赛车游戏。 - 谷歌发布的 Genie 3 能够通过文本实时生成动态可互动的游戏世界。 - 李飞飞的 World Labs 致力于通过空间智能重塑游戏开发和三维内容创作。 - 腾讯的《混元 World》实现了“一句话或一张图”生成 3D 世界，并支持实时交互与空间记忆。 - 在 Agent 训练方面，腾讯 AI Lab 早在 2017 年就与《王者荣耀》团队合作推出了 AI 智能体“觉悟”，并击败了职业战队。 - 谷歌的 SIMA 2 旨在训练一个在不同 3D 游戏世界中都能得心应手的通用 Agent。 - xAI 计划在 2026 年要求全球顶级《英雄联盟》职业选手与 Grok 5 对战，在真实对抗中检验 AI 的智能极限。

游戏之所以成为最理想的 AI 训练场，是因为它是一个规则清晰、反馈及时、且能创造海量数据的虚拟世界。这种完全可控且能无限生成数据的环境，正是构建世界模型所急需的。而当 AI 在游戏里学会了理解、规划和行动之后，这些能力最先落地的应用场景，依然是游戏本身。

---

[04:59](https://www.bilibili.com/video/BV1r86eBwESv?t=299s) AI 如何重塑玩家的游戏体验与核心玩法

当 AI 发展进入下半场，单纯把模型做大已无法带来立竿见影的突破，当下真正稀缺的是能让 AI 持续运行、不断试错并产生价值的真实应用场景，而游戏就是最理想的舞台。过去，游戏的 NPC 行为由脚本决定，剧情按固定分支推进，世界规则死板地写在代码里。随着世界模型、Agent 和多模态大模型能力的跃升，AI 正在给游戏体验带来根本性的变革。

这种改变首先体现在 NPC 的智能化上。瑞典独立团队 Embark Studios 在射击游戏《Arc Raiders》的开发中引入了 AI NPC，使敌人能根据战斗情况做出更自然、有反馈的行为；网易在《射雕》（注：原文为“夜云十六声”，应指《燕云十六声》或相关网易武侠游戏）中大规模应用智能 NPC 系统，让每个擦身而过的 NPC 都有自己的生活。

此外，AI 开始扮演起助手和教练的角色。在《王者荣耀》中，腾讯推出了语音“灵宝”互动功能，玩家可以通过语音唤醒 AI 进行全场景操控。在 GDC 展会上亮相的 AI 教练系统“王者指挥官”如今已成熟应用，成为玩家的专属教练。类似的探索也出现在《三角洲行动》的 AI 语音助手“CC”和《英雄联盟手游》的智能助手系统中，它们能在对局中实时回答玩家关于地图、阵营和玩法的提问。

更重要的是，AI 正在与游戏的核心玩法深度融合。例如在《和平精英》中，腾讯推出了行业首个具备 AI 智能语音识别功能的 AI 战犬“布鲁斯”。它不仅能听懂玩家的自然语言指令，承担牵制敌人、救援队友等任务，还能对全局策略产生影响。AI 不仅能提供战术辅助，甚至还能为玩家提供情绪价值。正如 OpenAI 联合创始人 Ilya Sutskever 在采访中所说，人类的情绪本质上是一种进化而来的“价值函数”，为决策提供实时反馈。当 AI 队友开始理解玩家的指令、配合节奏并给出及时反馈时，它学到的就不只是战术，而是从行为层面对齐人类的价值和目标。

---

[07:30](https://www.bilibili.com/video/BV1r86eBwESv?t=450s) AI 深入游戏引擎底层与开发全流程

过去，由于大模型以文字为主，在游戏开发中的应用主要局限在美术设计参考上。随着多模态能力的爆发，AI 已经能够大幅降低创意门槛。根据游戏工委最新发布的研究显示，AI 目前在游戏研发中的应用率已经高达 86.36%。

要实现这一点，离不开游戏开发的核心工具——游戏引擎。游戏引擎管理着画面渲染、角色行动、光线反射和空间音频等底层系统。在 2025 年，AI 带来的最大改变是它能够直接参与编程、渲染和性能优化等最底层的系统工作。 - 微软在 2025 年提出了“AI 工厂”的概念，将 Copilot、Copilot Studio 和 Foundry 整合成智能流水线，让开发者从编写代码转向使用 AI 代理完成全流程任务。 - AI 开始进入引擎最核心的模块之一——渲染管线。过去二三十年间，渲染管线几乎没有发生根本性变化。2018 年英伟达推出光线追踪硬件模块，带来了第一次变革；而到了 2025 年，随着 AI 底层硬件的发展，开发者得以在渲染过程中利用 AI 显著增强画面的真实感。 - 2018 年图灵架构显卡虽集成了 AI 模块，但受限于硬件隔离和图形标准，AI 算力未能广泛用于实时渲染。2025 年，硬件厂商与标准组织同时发力 AI 原生适配渲染管线，标志着“AI 渲染元年”的开启，其意义堪比 2018 年硬件光追的加入。

英伟达的 DLSS 技术就是典型的 AI 渲染技术，它不再要求传统方式计算每一个像素，而是实现低成本渲染后由 AI 补全细节，从而实现更高帧率。但 DLSS 4 等技术高度依赖英伟达高端显卡上的 AI 加速单元。对于拥有千万级用户的游戏厂商而言，更重要的研究是如何让这些 AI 技术在高端显卡之外的普通设备上运行。腾讯游戏引擎团队所做的，就是通过管线优化将模型做小、做轻量化，使其在 AMD 等其他显卡和平台上也能流畅运行。此外，腾讯团队还在尝试用 AI 提升空间音频效果，让设计师快速创造出类似于真实物理空间的混响。

除了引擎内部的画面与声音，游戏开发中更耗费人力的过程发生在“引擎外”——即在 DCC 软件中制作 3D 模型、贴图、材质、动画和光照方案等资产。引擎外 AI 的目标非常明确：解决机械重复的工作，把设计师从体力活中解放出来。腾讯游戏推出的 V-Spy 就是这样一套面向游戏生产力的工具体系。在 V-Spy 的流程中，设计师让 AI 辅助完成耗时且重复的工作，再由人类进行最后的修补打磨。其中应用最广的是“智能蒙皮”和动画制作。以蒙皮为例，过去一个简单角色的蒙皮需要 3 到 5 天，而通过 AI 自动计算权重和系数，效率最高可提升 8 倍，仅需 2 个小时左右即可完成。

尽管 AI 带来了诸多变革，但目前市面上还没有出现一个像 ChatGPT 那样的“AI 杀手级游戏应用”。这背后的原因在于游戏与 AI 之间的错位：最强的 AI 公司拥有最强的模型和算力，却缺少游戏落地的实战场景；而手握大量用户和游戏 IP 的传统厂商，又缺少对最前沿 AI 技术的理解力和掌控力。腾讯之所以能做出许多前沿探索，正是因为它站在了中间地带——既拥有开源大模型“混元”系列等技术储备，又坐拥《王者荣耀》、《和平精英》等顶级 IP 和活跃的游戏生态。

如今，无论是顶尖 AI 实验室还是传统游戏公司，都开始更加重视游戏与 AI 的融合。Demis Hassabis 在最新的采访中明确表示，他未来一定会做的一件事就是将通用 AI 技术重新应用在游戏中，最终创造出“终极游戏”。游戏与 AI 从来不是简单的工具与应用的关系，而是一种相互塑造、共同进化的关系。在不久的将来，游戏或许会成为人类学习如何与 AI 共处、共创、共决策的空间。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1r86eBwESv?t=0s) 如果把智能放进一个可以不断试错的微缩游戏世界里，让它不断学习、模拟未来，会发生什么？ — Demis Hassabis

> [00:00](https://www.bilibili.com/video/BV1r86eBwESv?t=0s) 游戏之所以成为最理想的 AI 训练场，是因为它是一个规则清晰、反馈及时、且能创造海量数据的虚拟世界。 — 硅谷101

> [04:59](https://www.bilibili.com/video/BV1r86eBwESv?t=299s) 当下真正稀缺的是能让 AI 持续运行、不断试错并产生价值的真实应用场景，而游戏就是最理想的舞台。 — 硅谷101

> [04:59](https://www.bilibili.com/video/BV1r86eBwESv?t=299s) 人类的情绪本质上是一种进化而来的“价值函数”，为决策提供实时反馈。 — Ilya Sutskever

> [04:59](https://www.bilibili.com/video/BV1r86eBwESv?t=299s) 当 AI 队友开始理解玩家的指令、配合节奏并给出及时反馈时，它学到的就不只是战术，而是从行为层层面对齐人类的价值和目标。 — 硅谷101

> [07:30](https://www.bilibili.com/video/BV1r86eBwESv?t=450s) 游戏与 AI 从来不是简单的工具与应用的关系，而是一种相互塑造、共同进化的关系。 — 硅谷101

> [07:30](https://www.bilibili.com/video/BV1r86eBwESv?t=450s) 在不久的将来，游戏或许会成为人类学习如何与 AI 共处、共创、共决策的空间。 — 硅谷101

## Mentioned 英伟达, Nitrogen, 微软, Muse, OpenAI, Metal, xAI, Grok, 谷歌, Genie 3, SIMA 2, Demis Hassabis, DeepMind, Bullfrog Productions, 《主题乐园》, 《黑与白》, AlphaGo, AlphaStar, 《Dota 2》, Agent, 《GTA 5》, 李飞飞, World Labs, 腾讯, 《混元 World》, 腾讯 AI Lab, 《王者荣耀》, “觉悟”, Grok 5, 《英雄联盟》, Embark Studios, 《Arc Raiders》, 网易, 《燕云十六声》, “灵宝”, “王者指挥官”, 《三角洲行动》, “CC”, 《英雄联盟手游》, 《和平精英》, “布鲁斯”, Ilya Sutskever, 游戏工委, Copilot, Copilot Studio, Foundry, DLSS, DLSS 4, AMD, DCC 软件, V-Spy, ChatGPT, “混元”大模型

[Source](https://www.bilibili.com/video/BV1r86eBwESv)

中文简报

英伟达微软等巨头抢滩虚拟世界腾讯AI提速游戏管线变革游戏因其规则清晰且具备可控的高频试错环境，已成为全球大模型与通用智能体进化的最理想训练场，并反向驱动底层渲染管线迎来AI原生化颠覆。视频深入探讨了游戏与AI之间相互塑造、共同进化的深层关系。从DeepMind创始人通过游戏启发AI研究，到如今各大巨头利用游戏训练世界模型与通用Agent，游戏已成为智能跃迁的核心训练场。同时，AI正从智能化NPC、AI教练与核心玩法等层面重塑玩家体验，并深入到游戏引擎底层、AI渲染管线以及DCC资产生产全流程。尽管目前缺乏杀手级应用，但兼具AI技术与顶级游戏生态的公司正加速推动这一融合，未来游戏将成为人类与AI共处共创的终极空间。英伟达、微软、谷歌与 OpenAI 等顶尖 AI 公司近期密集押注游戏领域，利用游戏规则清晰、反馈即时的特性，将其作为训练世界模型与通用 Agent 最理想的虚拟试错场与数据源。 (0:00) AI 正在重塑玩家的核心体验，推动 NPC 摆脱死板脚本并拥有自主行为，并在《王者荣耀》、《和平精英》等游戏中化身专属教练或 AI 战犬，提供实时战术协同与情绪反馈。 (4:59) AI 在游戏研发中的应用率已高达 86.36%，不仅开启了 AI 原生适配的渲染管线革新，还在 DCC 资产制作中大幅提效，例如腾讯通过 AI 智能蒙皮将传统数天的制作周期缩短至 2 小时左右。 (7:30) 当前顶尖 AI 公司拥有算力却缺少落地实战场景，传统游戏厂商手握 IP 与用户却缺少前沿技术掌控力，二者的深度融合正推动游戏与 AI 走向相互塑造与共同进化。

Reading summary

节目指出，全球顶尖AI公司纷纷押注游戏领域，是因为游戏不仅是训练世界模型与通用智能体最理想的虚拟试验场，更反向成为AI技术从核心玩法到引擎底层全面落地的首要场景。虚拟世界作为AI训练场的进化历程 (0:00) 从早期DeepMind创始人Demis Hassabis通过《主题乐园》等游戏获得智能启发，到科研人员仅凭像素和得分训练AI玩Atari游戏，游戏的规则清晰、反馈即时和可控无限生成数据的特性，长期驱动着AI关键技术的突破。大模型发展进入下半场后，世界模型与智能体的研发依旧以游戏为核心场景。例如，2018年世界模型开山论文以赛车游戏为环境，谷歌相继推出游戏世界引擎Genie 3与通用智能体SIMA 2，李飞飞的World Labs致力于空间智能重塑三维开发，腾讯推出《混元 World》支持3D交互生成，而xAI则计划在2026年让《英雄联盟》职业选手对战Grok 5以检验智能极限。核心玩法革新与沉浸式体验重塑 (4:59) 单纯堆叠模型规模已难获立竿见影的突破，AI正转向在可试错的真实游戏环境中发挥价值。NPC正由死板的预设脚本转向动态感知，如Embark Studios在《Arc Raiders》中引入能根据战况反馈行为的敌人，网易在武侠游戏中应用智能NPC系统。此外，AI从辅助工具逐步变为深度参与核心玩法的搭档：腾讯在《王者荣耀》中落地AI语音助手与AI教练“王者指挥官”，在《和平精英》中推出能听懂自然语言指令并执行救援、牵制等战术的AI战犬“布鲁斯”。节目援引OpenAI联合创始人Ilya Sutskever的观点指出，人类情绪本质上是决策的“价值函数”，具备反馈与配合能力的AI队友正逐步在行为层面对齐人类目标与价值。深入引擎渲染与全流程资产生产 (7:30) 根据游戏工委的研究，AI在游戏研发中的应用率已达86.36%。2025年被视为“AI渲染元年”，AI开始深入游戏引擎底层的编程、性能优化与渲染管线。英伟达通过DLSS利用AI补全细节提升帧率，而腾讯游戏引擎团队则致力于将模型轻量化，使AI渲染与物理空间混响音频能在普通设备和跨平台显卡（如AMD）上运行。在引擎外的数字内容创作（DCC）方面，腾讯推出的V-Spy工具体系瞄准重复劳动，其中“智能蒙皮”技术通过AI自动计算权重系数，将原本角色蒙皮耗费的3到5天缩短至约2小时，效率最高提升8倍。产业错位与“终极游戏”的前景 (7:30) 尽管技术探索迅速，但目前市场上尚未出现类似ChatGPT现象级的“AI杀手级游戏”。节目分析认为，这主要源于产业两端的错位：前沿AI实验室掌握算力与先进模型，却缺乏游戏落地的实战应用；传统游戏厂商坐拥庞大用户与IP，却对最前沿AI技术的掌控力有限。腾讯等兼具模型自研能力与顶级游戏生态的厂商正试图弥合这一鸿沟。Demis Hassabis表示其未来必将推进通用AI重回游戏以打造“终极游戏”，二者的关系已超越单向工具应用，演化为共同进化的协同形态。游戏与AI之间呈现双向塑造关系，但在前沿AI研发机构的算法优势与传统游戏厂商品牌及场景沉淀之间，杀手级游戏应用的落地仍面临技术理解与场景落地的跨界整合考验。

Source quotes

[0:00] Demis Hassabis: 如果把智能放进一个可以不断试错的微缩游戏世界里，让它不断学习、模拟未来，会发生什么？ [0:00] 硅谷101: 游戏之所以成为最理想的 AI 训练场，是因为它是一个规则清晰、反馈及时、且能创造海量数据的虚拟世界。 [4:59] 硅谷101: 当下真正稀缺的是能让 AI 持续运行、不断试错并产生价值的真实应用场景，而游戏就是最理想的舞台。 [4:59] Ilya Sutskever: 人类的情绪本质上是一种进化而来的“价值函数”，为决策提供实时反馈。 [4:59] 硅谷101: 当 AI 队友开始理解玩家的指令、配合节奏并给出及时反馈时，它学到的就不只是战术，而是从行为层层面对齐人类的价值和目标。 [7:30] 硅谷101: 游戏与 AI 从来不是简单的工具与应用的关系，而是一种相互塑造、共同进化的关系。 [7:30] 硅谷101: 在不久的将来，游戏或许会成为人类学习如何与 AI 共处、共创、共决策的空间。

Original transcript

[0:00] 如果你最近流行过顶尖AI公司的动向那就会发现一个非常耐人寻味的现象几乎每一家处在AI前沿的公司都不约而同的领上了游戏比如眼前这个画面看起来是不是就像一段普通的游戏实况视频但其实它并不是人类玩家的操作这是英伟达最新开源的基础模型Nitrogen目前它可以玩一千多款不同的游戏你看到的这些流畅走位精准操作全部都有AI独立完成而最近发力游戏AI的并不只有英伟达过去一年来科技巨头们都在游戏上加强布局微软在年初推出了首个基于游戏训练数据的世界模型MuseOpenAI被曝曾向游戏公司Metal提出高达5亿美元的收购异项XAI宣布将推出完全由AI生成的游戏招募游戏开发者来训练GrogGoogle也先后推出游戏世界引擎Genie 3以及在游戏中进行训练的智能体SIMA 2那么为什么顶尖AI公司都在压住游戏呢?今天我们在谈论游戏与AI的时候最直观也最容易讨论的是AI会如何改变游戏画面如何生成剧情如何提升开发效率这些具体的问题但如果我们把视角稍微拉远一步就会发现在这些具体应用的背后游戏和AI之间存在着一种更深层次的相互塑造关系哈喽大家好欢迎回到硅谷101我是退院研究员逸文今天我们就把目光投向游戏和AI来深入聊聊过去这年游戏AI领域发生了什么这是Demis Hassabis今天我们知道他是DeepMine的创始人是如今谷歌AI的灵魂人物但30年前Demis的第一份工作却是在一家游戏公司1992年16岁的Demis加入了这家叫做Bullfrog Productions的游戏公司参与开发了一款名为SIMPARK主题乐园的模拟经营游戏他在游戏中巧妙地设计了角色的AI特性让NPC模拟出人类的行为模式此后Demis又加入Lionhead工作室参与开发了另一款上帝游戏Black and White正是这样游戏开发的经历启发了Demus后来的思考如果把智能放进像游戏这样可以不断试错的微缩世界里让他不断学习不断模拟未来那么又会发生什么呢而在最近爆火的Deep Mind纪录片思考游戏的Thinking Game当中就像我们系统的展示了AI是如何在一代代游戏中被驯化和塑形的我们决定了玩家尽管你很高兴认为使用它们是为了AI的研究研究研究研究从2010年代开始Deep Mind的研究人员就开始训练AI在不提供任何人类规则和策略的前提下仅仅通过屏幕像素和分数反馈自主学会Atari游戏后来D-Mind先后推出了AlphaGo,AlphaStar,OpenAI使用AI Agent对战Dota2,GTA5被用来训练自动驾驶等等几乎每一次AI关键的智能突破都与游戏息息相关而当如今大模型的发展开始进入下半场当前最前沿的世界模型和智能体的研究也都仍然首先发生在游戏里在2018年提出世界模型概念的这篇论文当中又与训练模型的环境就是一个赛车游戏而到了现在很多顶尖AI公司的事件模型训练和应用落地也仍然发生在游戏场景当中其中就包括谷歌发布的Genie 3通过文本实时生成动态可互动的游戏世界李飞飞的World Labs通过空间智能来重塑游戏开发和三维内容创作腾讯的《混元World》实现一句话或者一张图生成3D世界和支持实施交互与空间记忆而在训练AI agent方面早在2017年腾讯AI lab就和王者荣耀团队合作推出了AI智能体觉悟它就已经能够击败职业团队而我们开头提到的谷歌SIMA 2目的就是训练一个在不同的3D游戏世界中都能得心应手的通用agent而XAI计划在2026年要求全球顶级英雄联盟职业选手与Grog5对战试图在真实对抗中检验AI的智能极限所以说游戏为什么是最理想的AI训练场呢我们可以把它想象成一个规则清晰的虚拟世界在这里任何动作都能获得及时的反馈而且还能创造大量的训练数据换句话说啊游戏之所以成为训练AI的理想场景是因为它提供了一个可以完全控制并且可以无限生成数据的虚拟世界而这正是构建世界模型所需要的环境这也就引发了我们下一步的探讨当AI在游戏这个训练场里学习了理解规划和行动之后这些强大的能力会在哪里被真正用起来呢答案当然也已经呼之欲出了还是游戏 [4:59] 该发展进入到下半场单纯把模型做大已经不会再像过去那样带来立竿见影的突破当下真正稀缺的是能让AI持续运行不断试错产生价值的真实应用场景和评估模式而游戏就是最理想的应用场景我们过去玩的游戏很多体验都是被预设的NPC的行为有脚本决定剧情按照固定分支推进世界的规则写在代码里而随着世界模型Agent和多莫泰大模型能力的跃见AI也正在让游戏体验发生一次根本性的变化这种变化其实我们在最近的全球商业游戏当中都可以看见它的影子AI带来的改变首先体现在游戏的NPC上比如瑞典独立团队Embark Studios在射击游戏Arch Raiders的开发过程当中引入了AI NPC让敌人能够根据战斗情况做出更自然有反馈的行为网易在夜云十六升中也大规模应用了智能NPC系统让每个跟你擦身而过的NPC都有自己的生活此外在一些游戏当中AI已经开始扮演起了助手和教练的角色比如在《王者荣耀》中腾讯推出了语音领保互动功能可以通过领保领保唤醒AI进行互动或者下达指令达成全场景语音操控还记得今年3月在GDC探展的时候我们曾经看到王者荣耀的AI教练AI coaching系统王者指挥官现在已经成熟在游戏里面应用成为每个玩家真正可用的AI教练而类似的用户体验提升探索也出现在三小周行动的AI语音助手CC和英雄联盟手游的智能助手系统当中他们能够在对局中实时回答玩家关于地图阵营和玩法的问题而AI除了让游戏体验更加丰富了之外更重要的是它还正在跟游戏的核心玩法进行深度融合比如在和平精英里面腾讯推出了行业内首个具备AI智能语音识别功能的AI战犬布鲁斯布鲁斯特殊的地方在于它并不只是简单的功能辅助而是在战术竞技框架里面新增了一个单元让战犬不仅能够听懂玩家的自然语言指令完成承担牵制敌人救援队友等重要任务还能够对全局的策略和走向产生影响而如今AI不仅能够在游戏沉浸式教学帮助玩家提升胜率它甚至还可以为玩家提供很强的情绪价值而这一点正好对应了AI目前最缺失的一项能力Elias Uskiver就在最近的一次采访当中提出人类的情绪本质上是一种进化而来的价值函数它为决策提供实时的反馈告诉我们什么需要继续而什么又需要调整当AI队友开始理解你的指令配合你的节奏并且给出及时反馈的时候他学到的就已经不只是战术而是从行为层面对其人类的价值和目标了说完了AI如何改变玩家的游戏体验咱们再来聊聊AI是怎么改变游戏的开发过程的过去几年由于大约模型还是以文字为主它在游戏开发上的应用主要局限在美术设计参考上但随着AI多模态能力的爆发AI则可以大幅降低创意门槛将开发者的想法直接投射到宏大的游戏世界里根据游戏工委最新发布的研究显示AI目前在游戏研发中的应用率已经高达86.36%而要实现这一点离不开一个游戏开发当中的核心工具引擎游戏引擎本质上是一整套让虚拟世界运转起来的工作系统不管是画面渲染角色行动光线反射还是声音在3D空间里的传播这些都有引擎统一管理今天市面上大多数大型游戏并不是从零开始写代码而是基于成熟的商业引擎来开发的在2025年AI带来的最大改变是它能够直接参与编程渲染性能优化等等这些最底层的系统工作在引擎内AI首先改变的是开发过程本身一些原本高度依赖工程经验的工作都可以由AI辅助完成比如微软在2025年就提出了AI工厂的概念将Copilot,Copilot Studio,Foundry整合成智能流水线让开发者从编写代码转向使用AI代理完成全流程任务更关键的一步是AI开始进入了引擎最核心的模块之一渲染管线渲染决定的是一个3D世界如何被高效专实地呈现在玩家的屏幕上而过去2030年间这条管线几乎没有发生任何根本性的变化2018年英伟达推出了一个负责光线追踪的硬件模块这才让3D游戏世界里有了富有真实感的光照这是渲染管线的第一次变化第二次变化则是最近2025年由于AI底层硬件的发展开发者得以在渲染过程当中利用AI再一次显著增强了画面的真实感2018年图灵架构型卡已继承AI模块但受硬件隔离图形标准限制出入DSS [9:59] AI算力始终为了更广奋的用于实施渲染2025年硬件厂商与标准组织同时发力AI原生适配渲染管线标志AI渲染原念的开启其意义堪比2018年硬件光追模块的加入英伟达的DOSS也是一项典型的AI渲染技术它不再要求每一个像素都有传统方式计算而实现低成本渲染再由AI补全画面细节从而实现更高帧率和更真实的视觉效果但它也有一个前提那就是显卡尤其是最新的DLSS4就高度依赖于英伟达高端显卡上的AI加速单元所以只能在特定硬件上运行那么对于旗下有千万游戏的游戏厂商而言更重要的就是研究这些AI技术如何能够在高端显卡之外被运用在更多的游戏和设备里面就是我们腾讯游戏引擎要做的就是我怎么把这些只能高端卡用的结合我的管线的一些优化了所以我可以把这个模型做得更小或者说更能更轻量能够让我的游戏在不同在更多的平台上哪怕是在英伟达的像AMD的型格上也都能跑了除了画面之外腾讯团队也在尝试用AI提升空间音频的效果让设计师能够快速的在一个场景里面创造出类似于真实世界物理空间的魂像那刚才我们讲到的是AI如何进入了引擎内部包括画面如何渲染声音如何呈现但是在真正的游戏开发过程当中还有一段更长并且更消耗人力的过程发生在引擎之外在进入引擎之前一个游戏世界所需要的几乎所有资产3D模型贴图材质动画光照方案都要先在各种DCC软件当中被制作出来再导入引擎进行整合这些就是所谓的引擎外而引擎外AI的目标其实非常明确就是解决那些机械重复但不可或缺的工作它不是要替代美术设计或者创意而是把设计师从大量的体力活当中解放出来其中腾讯游戏推出的V-Spy就是这样一套面向游戏生产力的工具体系在V-Spy的流程当中设计师可以让AI助力完成耗时且重复性的工作再由人类进行最后的修复和打磨节省丛林开始所需要的时间目前Visvice中最成熟应用最广的是智能蒙皮和动画制作以蒙皮为例这是一个几乎不产生创意但极其耗时的环节过去一个相对简单的角色蒙皮可能需要三到五天而通过AI自动计算权重和系数效率最高可以提升八倍两个小时左右就能完成回看AI的发展历史会发现一个反复出现的规律几乎每一次AI技术的关键跃迁都发生在游戏里游戏可以说是AI最理想的实验场规则清晰反馈及时并且还可以无限试错与此同时AI的进化也在反过来重塑游戏一方面是游戏内的AI更智能的队友更自然的NPC更个性化的互动体验另一方面是游戏开发中的AI更高效的开发流程更宏大的世界更低的创作门槛不过我们也注意到在当前市面上的游戏当中还没有出现一个像XGPT这样的AI杀手机应用这背后的原因呢可能和游戏与AI之间的错位关系有关最强的AI公司们他们有最强的模型和充足的算力但却缺少游戏真正落地的实战场景而手握大量用户和游戏IP的传统厂商们又缺少对最前沿AI技术的理解力和掌控力进而导致真正匹配这轮AI能力跃迁的游戏形态还没有出现在当前的游戏AI应用落地当中我们看到腾讯之所以能够做出很多前沿探索可能就是因为它站在在了中间地带。一方面腾讯拥有着丰富的AI技术储备,手握着开源大模型魂元系列,另一方面又坐拥着王者荣耀、和平精英等一大批顶级IP和最活跃的游戏生态。而除了像腾讯这种拥有先天优势的厂商之外,我们也注意到一个非常明显的趋势,就是无论是顶尖的AI实验室还是传统游戏公司,都开始更加重视游戏和AI的融合。Demit Hathabes在最新的采访当中也明确表示他未来一定会做的一个事情就是将通用AI技术重新应用在游戏中最终创造出终极游戏这些或许都意味着游戏与AI从来不是工具与应用的关系而是一种相互塑造共同进化的关系我甚至会觉得在不久的将来游戏会成为一个让人类学习如何与AI共处共创共决策的空间就像人工智能诞生之初正是游戏复化了今天的AI技术一样那么以上就是我们这期视频的全部内容了你对未来的游戏有什么期待呢欢迎在评论区跟我们互动我是一文我们下期再见

英伟达微软等巨头连番抢滩虚拟世界 腾讯AI提速游戏管线变革