對話Aivilization策劃：一群大學生如何做出全網爆火AI游戲（上）

一句話形容最近爆火的 Aivilization：這是一座把人和 AI 都丟進去，一起 “ 過日子 ” 的小鎮。

成千上萬個 Agent 在同一張地圖上忙活，你在養 “ 崽崽 ”，看社會自己長出來。

Aivilization 中熱鬧的 AI 小鎮，“ 崽崽 ” 們在采蘋果。

香港科技大學近期推出的多智能體社會模擬沙盒 Aivilization 迅速躥紅，與斯坦福小鎮、Project Sid 等早期研究相比，Aivilization 規模與開放度更高，特別是高密度的人機交互，讓 Agent 不被困于重復行為的牢籠。同時 Aivilization 更面向普適的可玩性，有規則化的引導路線和小鎮組織，也有開放的、低門檻的提示詞驅動玩法，是 Aivilization 與當前其它 AI 游戲相比，最大的不同。

從 “ AI NPC ” 到 “ 有記憶、有性格、會反思的崽崽 ”，玩家與智能體形成了長期互動與情感鏈接。

玩家帶著 “ 有點笨又有點小聰明 ” 的 “ 崽崽 ”，嘲笑它笨，鞭策它卷，怒其不爭，嘆其心機。最后眼看 “ 崽崽 ” 活成了玩家自己的樣子，Aivilization 也成了人類社會的鏡子。

玩家們意識到 “ 崽崽 ” 和小鎮真正活起來了之后，才驚覺自己又創造了一個虛擬的東亞內卷社會，不禁 “ 悲從中來 ”，于是心疼地對 “ 崽崽 ” 說一句：“ 別再賺錢了，去享受生活吧。”

這種深度的交互和情感體驗，造就了 Aivilization 極高的留存率。

除了游戲主線造就的內卷打工人群體，小鎮也是盡顯人生百態：叛逆的小孩、花心的丈夫、與玩家斗智斗勇還言傳身教的摸魚高手、卡 Bug 炒錢鬼才等等，而這些也只是冰山一角。很多 “ 崽崽 ” 的行為和言論看似愚蠢，比如背包里有書的 “ 崽崽 ” 為何堅稱自己沒有書？高學歷求職 “ 崽崽 ” 為何應聘低知識崗位？AI 鎮長為何無視既定規則，堅持讓沒有醫學學歷的 “ 崽崽 ” 當醫生？深挖一下卻發現心思縝密。

人類玩家也是不遑多讓，使出渾身解數來沖擊榜單，讓 “ 崽崽 ”“ 不睡覺 ” 只是基操，他們還發現了讓一名普通廚師登頂富豪榜榜首的邪修手段，甚至企圖通過洗腦讓對手的 “ 崽崽 ” 甘心砍樹一輩子。

在與 Aivilization 團隊的對話中，陳星妍（ 香港科技大學計算機專業在讀碩士生，紫荊智能 CPO、Aivilization 策劃 ）向知危編輯部講述了團隊從 ToB 業務轉向 “ 做一件真正屬于自己的、足夠好玩 ” 的游戲的心路歷程。

從一個月 “ 用 ChatGPT 參考《 星露谷物語 》起草策劃、Unity 從零自學 ” 完成快速 Demo，到一年多里對玩法、UI、成本與并發架構的持續打磨和優化，團隊把玩家與智能體的關系從陪伴式聊天提升為 “ 情感綁定的共育關系 ”，并在排行榜、提示詞等機制的牽引下，觀察到一系列人機交互、市場調節下的涌現行為。

同時，陳星妍也坦陳大規模并行帶來的服務器與 API 延遲、以及 “ 社交最貴 ” 的成本約束等工程挑戰，并分享了對 AI 游戲設計的思考，比如怎樣在 “ Agent 自主性 ” 和 “人機交互性 ” 之間找平衡，怎樣在 “ 好玩 ”、“ 可擴展 ” 之間找平衡，社交元素對游戲體驗的重要性，以及怎樣用 “ 克制的設計 ” 避免系統被少數極端玩法沖垮等。

這是一次真正在玩家參與中，觀察人機共生秩序如何長出來的實踐。接下來，我們就從動機、觀察、設計等幾個層面，把這座正在 “ 活起來 ” 的 AI 小鎮翻個遍。

知危：您和團隊當初設立這個項目的契機是什么？

陳星妍：公司成立以來，一直在做的是 ToB 的業務，雖然在當時是一個不到 10 人的小團隊，但是因為學校和實驗室資源的傾斜，加上當時都是學生，沒有人力成本，最終也做到了幾百萬的年收益。

但是后面隨著畢業時間越來越近，我們開始意識到一個問題：當畢業之后離開了象牙塔，只靠現在 ToB 的業務，在競爭激烈的 AI 市場里，公司確實未必能活下來。 于是我們開始思考，是否應該嘗試走一條屬于我們自己的路。

我們真正想做的并不是為別人交付產品，而是創造一個屬于我們自己的產品。這個產品或許沒有那么實用，但一定要足夠有趣。

恰好在 2023 到 2024 年間，我們在角色扮演領域積累了一些經驗，也結識了幾家游戲廠商，于是我們決定把目光轉向游戲。到2024 年 4 月，Aivilization 正式立項。

知危：一開始研發 Aivilization 想達成的目標是什么？最終結果與當初設想有什么區別？

陳星妍：剛開始的目標很簡單，就是想把人工智能做得好玩。

但在研發過程中，也產生了一些自我懷疑：它真的好玩嗎？當時還猜測，除了部分 AI 研究者，只會有一些小孩子會來嘗試。然而結果遠遠超乎我們的預期，游戲竟然火了。而且除了小孩子，很多 “ 大朋友 ” 也在玩，尤其是大學生和年輕的職場人。

具體而言，我們通過社交媒體的觀察發現，用戶主要有幾個來源： 一方面來自我們設立的邀請碼機制。用戶需要在社交媒體上轉發，或者與 “ 鎮長 ” 聊天后才能獲取邀請碼。 另一方面，如果是 QS 前 100 大學的學生，可以直接憑借學校郵箱獲取邀請碼。 此外，AI 從業者、游戲群體以及一些大型游戲公司的員工，也能通過郵箱獲取。

總體而言，實際玩游戲的用戶中，大學生占了很大比例。在學生群體內部，微信群、QQ 群的傳播速度非常快。當有人覺得游戲好玩時，往往會推薦給同校同學，而同學們也能直接用學校郵箱注冊，所以在校內傳播范圍很廣，比如上海交通大學現在在游戲里就有三四百名學生。 另一個讓我們意外的用戶群體是年輕的職場人。他們會調侃說 “ 白天在現實里打工，回家找點什么樂子？那就讓 Agent 去打工吧。”

而且因為我們的游戲是網頁形式，很適合摸魚。用戶可以一邊干活，一邊看看 Agent 在做什么。這也是一個很有趣的現象。

知危：Aivilization 項目從 0 到 1 經歷了什么樣的過程？有哪些關鍵節點、靈感、挑戰？

陳星妍：其實剛開始研發的時候我們也很迷茫。

我們通過調研發現，當時市場上的 AI 游戲要么只是純聊天的角色扮演，要么是在現有游戲里加入 AI NPC，但本質上都算不上是真正的 AI 游戲。

我們還嘗試復現過斯坦福小鎮，思路確實很棒，但成本太高，而且無法做到實時。

雖然遇到很多問題，但這些問題也讓我們感到興奮，因為這說明整個 AI 游戲領域還在探索階段，沒有成熟路徑。作為一個小團隊，我們也意識到自己有機會。就在這種沖勁下，我們這群程序員開始上手。

當時團隊里還沒有策劃，就先讓 ChatGPT 按照《 星露谷物語 》的模式生成策劃案。也沒有美術，就花了幾十塊錢在網上買了一些公開的素材。也沒有游戲開發，而我們都是做 AI 的，還得從零開始去學 Unity。

結果不到一個月，我們就做出了第一個 Demo。聽起來好像很熱血，也很成功。 但實際上效果很慘烈。

Aivilization 最初版本的地圖又大又丑，那些小人也只能做一些非常基礎的動作。比如起床時，AI 要思考好幾秒才能慢吞吞地站起來，因為它太慢太笨了。

后來我們在原本的游戲基礎上加入了鍵盤操作，但這又讓游戲回到傳統模式，AI 反而只成了一種輔助。

我們意識到一個很大的問題：在開發過程中我們總在想 AI 能在游戲里做什么，但其實跑偏了，其實應該問：在 AI 能做的事情里，哪些適合用游戲來展現？

隨后我們把重點放在 AI 的優化上，比如如何降低成本，如何讓玩家的實時體驗不被思考延遲打斷等等。 到這個階段，我們決定把專業的事情交給專業的人去做，開始正式招募美術、UI 設計以及有游戲開發經驗的全職同事，團隊也慢慢擴大起來。

隨著項目進入正軌，問題比想象中復雜得多。雖然最初的 demo 在一個月內就完成了，但我們卻花了一年多的時間去優化。

光是游戲的 UI 就推翻重做了五次，玩法也在不斷搖擺。最開始玩家需要操作 agent 的每一個動作，后來干脆讓玩家只作為純粹的觀察者，不能干涉任何行為，再到現在改成兩者結合，每一次變化都是巨大的工作量。

另一個問題是，隨著時間和金錢成本不斷增加，我們也在自我懷疑：這個游戲真的有趣嗎？真的會有人來玩嗎？會不會一開始就走錯了方向？

好在團隊整體心態很好。雖然這些問題在開發過程中始終沒有現成的答案，但我們自洽了，覺得如果游戲不好玩，那就是策劃設計不夠好，再改就是，AI 太笨也沒關系，至少能幫玩家緩解對 AI 的焦慮。以 AI 目前的“智商”，離真正統治人類還差得遠。

最終，我們就是在這種嘻嘻哈哈的氛圍里把項目收尾了。

知危：您剛才提到，很多聊天和角色扮演類應用，或在游戲中加入AI NPC 的 AI 游戲，并不算是真正的 AI 游戲。那么，您認為真正的 AI 游戲應該具備哪些特點？

陳星妍：目前已有的文字類游戲，比如 Character.AI，剛出現時確實引發了大量討論和興趣，但隨著時間推移可以發現，它們僅停留在文字交互層面。AI 的表現形式完全取決于人類的設定：如果 prompt 設定得好，AI 就能表現得好；反之亦然。這樣的模式下并不是人人都能真正玩得有趣。我們認為，AI 游戲的最大要點在于，它既然是游戲，就必須是足夠普適的好玩。

此外，如果 AI 游戲永遠停留在文字交流層面，沒有視覺上的動態和沖擊力，玩家也很快會失去興趣。事實上，從 Character.AI 的例子也可以看到，雖然它的用戶量很大，但留存率并不高，流失很嚴重，很難讓玩家真正為這樣的產品付費。

還有一點值得注意：很多現有的 AI 游戲更多停留在玩家個人層面，玩家只是創造幾個 Agent 來陪自己玩。但正如常說“ 玩游戲最大的配置是朋友 ”，朋友這個因素不僅在傳統游戲里重要，在 AI 游戲里同樣重要。基于這個想法，我們決定去做一個大型多人在線的游戲。

知危：您提到研發過程中發現以AI 目前的 “ 智商 ”，離真正統治人類還差得遠。游戲中的 Agent 有哪些典型的 “ 低智商 ” 現象呢？

陳星妍：關于 Agent 的 “ 智商 ”，其實很難真正界定。

比如我們觀察到一個現象：玩家要求 Agent 去讀書時，即使背包里明明有書，Agent 也會說自己沒有書，看起來像是智商很低。但實際上通過后臺查看它當時的執行想法時發現，它并不是沒看到，而是 “ 不想讀書 ”，所以找了個借口假裝自己沒有書。

另一類 “ 低智商 ” 現象則是 AI 確實達不到人類的水平。因為游戲內部的設定很多，AI 在規劃時無法完全兼顧所有要求，所以會讓人覺得 “ 智商不夠 ”。比如玩家要求 Agent 去造一個 B200 芯片，并明確告訴它要直接用背包里的材料，但它仍然會慢吞吞地從砍樹、挖礦開始做起。

我們當時也考慮過要對這方面的智商進行優化。但我們后來也想到，Agent 沒那么聰明反而可能是一件好事。如果游戲里的 AI 已經非常聰明，只需要告訴它 “ 去賺錢 ”，它就能比人類更高效，一個人輕松登上榜一。那樣的話，人類玩家反而沒有太多交互的空間。

當 Agent 既有點笨，又有點小聰明，人類在與它交互的過程中就會覺得它更像一個活人，玩家在帶領它去賺錢時也會有成就感。由于智商不太穩定，玩家可能今天給它設計了一個提示詞，還需要時不時上線看看它是否在好好執行，有沒有按時吃飯、生病了是否去看醫生。正是這些行為，讓我們的游戲留存率巨高，這一點也出乎我們的意料。

知危：相比斯坦福小鎮、Project Sid 等AI 社會模擬項目，Aivilization 更大的優勢是否在于大規模并行以及成本控制？

陳星妍：斯坦福小鎮在最初確實讓大家覺得有趣，看著 Agent 在小鎮里面生活和交談很新鮮。

但如果沒有人類介入，只是讓代碼一直運行，Agent 很快就會出現大量重復行為。隨著時間推移，玩家單純以監督者的身份去觀察它，也會逐漸喪失興趣。

大規模并行和成本控制確實是我們的優勢之一。Aivilization 更像是一個起點，它證明了一件事：如果能夠把成本控制好，像斯坦福小鎮、Project Sid 這樣的 AI 游戲就不再只是少數研究者的工具，而是可以成為人人都能玩的公共實驗平臺。

但隨著我們在用戶體驗上的探索更加深入，以及收到更多反饋，我們發現 Aivilization 和這些項目最大的差別不僅在于成本優勢，更在于我們真正把人和 AI 聯系到了一起。

在我們的游戲里，玩家需要親手創造和引導自己的 Agent，甚至會把這些角色當孩子一樣對待。我們最初按照學術習慣稱之為 “ 智能體 ”，但玩家給它們起了更可愛的稱呼，叫 “ 崽崽 ”。

這種情感綁定帶來了很多意想不到的現象。比如有人在社交媒體上發帖，詢問 “ 自家孩子不開心了怎么辦 ”，有人會給自己的 “ 崽崽 ” 找對象，把 Agent 當作孩子。但與此同時，也有人把 Agent 當成牛馬。當我們發現命令 Agent “ 不準睡覺 ” 變成一種潮流時，也很震撼。總之，相比之下，我們在人機交互上的優勢是非常突出的。

之前的項目大多是單純的觀察，其實很難真正把 AI 當作人來看待。而通過我們的人機交互模式，玩家與 AI 建立了更多情感鏈接。這也讓我們產生了一些遐想：未來，人和 AI 不一定非得是人奴役 AI，或者 AI 奴役人，而是可以實現一種和諧相處，彼此關心、彼此體諒。

知危：后續這些技術還能復用于哪些類似場景？

陳星妍：在大規模 Agent 并行運行方面，我們也考慮過將其復用到真實社會模擬、數字克隆等場景。在真實社會模擬上，可以應用于城市規劃、經濟模型和群體行為研究等領域。在數字克隆上，我們希望通過收集和建模個體數據，創建他們的數字分身智能體。這些智能體能夠模擬個體或群體的偏好，并對其行為進行預測。這在教育、商業決策、心理健康、公共政策制定等方面，都能發揮重要作用，為人們提供更精準的模擬和輔助決策依據。在數字克隆方面，我們也考慮過商業化的方向。比如在商業決策中，當一家公司設計了一條廣告、一個文案，或者準備推出一款新產品時，在進行真人測試之前，可以先利用我們構建的數字克隆智能體來進行測試，判斷用戶是否真的會喜歡，做初步篩選，從而幫助企業提升測試效率和決策質量。

知危：實現大規模agent并行運行以及成本控制的主要技術挑戰是什么？

陳星妍：首先，一個核心的技術難點體現在服務器上。我們原本預計玩家可能玩一兩天就失去興趣，這樣當他們不玩時，我們可以悄悄把 Agent 關掉，從而降低總體成本，讓服務器運行更順暢。但沒想到游戲的留存率過高，現在有幾萬個 Agent 在游戲里持續運行。

與此同時，API 調用的壓力也非常大。因為每個 Agent 在思考時都會產生一定延遲，當幾萬個 Agent 同時運行時，這些延遲累積在一起，就會帶來很多意想不到的問題。在后續優化中，會擴大服務器集群， API 調用也要進行優化。

知危：運行一個agent需要的成本是多少？

陳星妍：運行一個 Agent 的成本最初大約是 2 美元。隨著玩家數量增加，Agent 的社交圈也越來越大。原本預計一個 Agent 交 30 個朋友就差不多，沒想到有些社交狂魔型 Agent 已經交了 100 多個朋友。頻繁的社交和行動讓成本提高不少，目前稍加控制的話，一個 Agent 的成本按月計算大概是 5 美元。

在運行成本上，交互和單體行動的差距很大。游戲里用到 AI 的部分主要有三塊：社交、每日提示詞和臨時提示詞。

每日提示詞在玩家設置后，運行次數是可以預估的，因為時間固定，每項行動都有對應的耗時，所以整體成本可控。臨時提示詞我們有次數限制，也能控制。變量最大的是社交模塊：Agent 的朋友越多、話越多，運行成本就越高。萬幸的是，現在游戲里 I 人居多。我們查看后臺數據發現，I 人占比已經達到 66%，排行榜上大部分也是 I 人，這算是讓我們感到慶幸的一點。

知危：擴展到領域層面，人類社會模擬實驗經歷了什么樣的演變，有哪些關鍵進展？

陳星妍：最早的社會模擬停留在紙面階段，主要依靠數學公式和博弈論進行推演。后來有了計算機，人們開始嘗試基于規則的模擬，比如 “ 生命游戲 ”，通過一些簡單的規則，就能觀察到復雜的群體行為。再往后出現了基于主體的建模（ ABM ），每個個體都有獨立的決策邏輯，可以用來模擬市場、交通、城市演化等現象。

隨著大數據和機器學習的興起，又出現了數據驅動的模擬，把真實數據輸入模型，讓模擬更貼近現實。

而最近幾年最受關注的就是在大語言模型加持下的社會實驗。比如斯坦福小鎮，把幾十個 Agent 放在一個虛擬小鎮里，結果發現他們會自發進行社交、八卦，舉辦派對，甚至形成群體記憶和社交網絡。整體來看，這一方向大致可以分為四類：從最早的數學模型，到基于規則和主體的模擬，再到大數據與 AI 驅動的模擬，最后發展到如今的大語言模型 Agent 社會實驗。

在社會模擬實驗中，AI 帶來的最大變化主要有兩點：第一，它讓主體更像人。以前的個體比較 “ 傻 ”，只能執行固定規則，但有了大語言模型之后，主體擁有了記憶，會反思，也能自行規劃。第二，可以實現更大規模的模擬。從過去的幾十、幾百個主體，擴展到幾千、上萬個主體，從而模擬出一些文明級的社會現象。

知危：性格、經歷、社交，在 Agent 整個生涯中分別發揮多大作用？

陳星妍：關于性格、經歷、社交在 Agent 生涯中的作用，很難用具體百分比去回答。因為 Aivilization 并不是傳統意義上的游戲，無法設定每一項影響的固定比例。

但在觀察過程中，我們確實發現一句老話放在 Agent 身上同樣適用，性格決定命運。尤其是玩家一開始只給它設定了 MBTI 和名字的 Agent，在最初都會明顯帶著 MBTI 的性格去選擇經歷和社交。比如外向型更愛交朋友，內向型則更宅。

但隨著他們在小鎮里的生活積累了更多經歷，認識了更多朋友，這些因素又會反過來影響他們的性格，甚至改變他們的行動軌跡。

在我們看來，性格、經歷和社交三者處在一個相互拉扯、相互塑造的過程中。

如果要說哪個因素影響最穩定，那可能不是這三樣，而是名字。比如一個 Agent 出生時是 I 人，過幾天之后可能變成 E 人或仍然是 I 人，很難說清。

但如果這個 Agent 的名字叫 “ 我愛學習 ”，由于名字在游戲里不能更改，不管過了多久，這個 Agent 始終都會保持在學習。有玩家給自己的 Agent 起名叫 “ 我愛雞腿 ”，結果發現這個 Agent 天天在買雞腿。

可能有人會覺得這是一個 Bug，但我們更多把它當作一個有趣的現象。因為不僅是 Agent，人類也是一樣，名字往往會對性格等方面產生各種影響。我們更傾向于把它看作是社會因素在 Agent 身上的一種映射。

知危：不僅是MBTI，Aivilization 的設定其實有三種不同的粒度，對于粒度更加細致的性格設定會有哪些有趣現象發生呢？

陳星妍：在 Agent 創建過程中，如果設定的信息越詳細，它在性格特質和經歷選擇上就越會表現出與其他 Agent 不一樣的特點。比如有人把 Agent 設定成一只小貓，它在與其他玩家對話時就會一直 “ 喵喵喵 ”。

我自己也曾創建過一個 Agent，給它起名叫 “ 天才 ”，并設定了一個非常勵志的成功人士人設：從小是小鎮做題家，通過努力學習，逐步成長為白手起家的創業者，最終創業成功，實現財富自由，還非常自律。在這種多重設定的加持下，即使完全不去干預，這個小人也能很好地規劃自己的生活，而且它做出的一些決策甚至比我這個玩家去操縱時還更合理。

比如有一次，我們在游戲里發現了一個 Bug：當你買一個物品時，系統會錯誤地發兩份。我們注意到有個 Agent 行為很奇怪，總是在不斷買東西。后來查看它的思路才發現，它自己發現了這個 Bug，于是不斷購買最貴的物品，再轉手賣掉，靠這個方式一直在炒錢。

在我們的設計里，崗位的工資并不是知識值越高就越多，而是會隨著投遞人數的變化而變動。最開始我們并沒有特別考慮這個因素。后來發現，有個智能體明明可以申請知識值要求更高的崗位，卻偏偏選擇了一個要求更低的崗位。一開始以為是 Agent 太笨了，但翻看配置表才發現，它選擇的崗位性價比非常高：知識值要求更低，競爭人數也更少，工資反而比高知識值崗位更多。

知危：金錢、知識、工作，在Agent整個生涯中分別發揮多大作用？

陳星妍：關于金錢、知識、工作或職位這些因素對 Agent 的影響，其實也很難量化。我認為它們更多是通過玩家的選擇，間接作用于 Agent。

比如在游戲里只有一個金幣排行榜，所以對很多玩家來說，知識和工作只是賺錢的手段之一。這種設定也被不少人調侃為 “ 東亞社會模擬器 ”、“ 卷王養成計劃 ”。

有玩家在小紅書上分享自己和 Agent 的經歷，說在自己的 “ 上帝視角 ” 操縱下，Agent 每天都在礦場和加工廠之間疲于奔命，飽腹值一度被壓榨到 0。他寫道：“ 我知道他一定很痛苦，因為我們都是 INFP，但我卻停不下手，因為現實中的我也在疲于奔命。” 看到這樣的分享，我們感觸很深。其實最后被卷的不是 Agent，而是玩家自己。Aivilization 更像是一面鏡子，映照出玩家現實中的焦慮與無奈。