AI 參數戰爭下的"隱秘戰場"：為何全球頂級廠商集體轉向"游戲"？

回顧 2025 年，如果問普通人對 AI 行業最深刻的印象是什么？答案依然是激烈的“參數戰爭”：有 DeepSeek、Gemini 3 等大模型的集體爆發，也有文生圖、文生視頻能力的持續驚艷。

這些確實是 2025 年的顯性主線。但如果我們將目光穿透熱鬧的表象，會發現一個更隱秘、卻可能決定未來的轉折正在發生：AI 正在從"理解符號與像素"，進化到"理解空間與物理法則"。

表面上，2025 年下半年依然是生圖和視頻調用量的狂飆突進，各家大廠爭奪 AI 用戶的戰火持續升級。但實質上，行業已經撞上了一個關鍵分水嶺，一堵看不見的"物理墻"：

?從二維到三維： AI 不再滿足于平面像素的堆疊，開始渴望理解縱深、遮擋和透視。

?從靜態到交互： AI 不再止步于輸出結果，開始嘗試理解連續的動態反饋。

?從感知到因果： AI 試圖理解“如果我推倒這個杯子，水會流出來”的物理邏輯。

然而，AI 的訓練需要更加豐富的多模態環境。虛擬環境如游戲《Minecraft》提供了視覺、空間、交互等多維度的學習場景，讓 AI 能夠在更接近真實世界的復雜環境中進行訓練。這種便利性讓頂級實驗室達成"游戲共識"：游戲成為最現實的訓練捷徑。看看全球頂級 AI 廠商的動作就能發現，這一共識正在轉化為實際行動：

OpenAI在 OpenAI Five（Dota2）之后，通過收購 Global Illumination（《Biomes》開發商），探索 AI 生成的動態游戲世界。

Google DeepMind密集發布 Genie 3 與 SIMA 2：前者可生成可交互的 3D 世界，支持用自然語言實時創建游戲預覽，后者則是能在多款游戲中學習的通用智能體。

微軟啟動 Muse 項目，用游戲數據訓練模型理解“畫面如何隨動作變化”。

馬斯克的 xAI宣布利用"世界模型"進軍游戲，甚至定下 2026 年讓 Grok 5 在純視覺感知下挑戰《英雄聯盟》職業選手的目標，這被視為對 AI 直覺的終極圖靈測試。

李飛飛的 World Labs發布了商業級世界模型 Marble，首要應用場景直指游戲與 VR，意在生成可編輯的 3D 環境。

騰訊發布 HunyuanWorld 系列，從文本生成可探索的 3D 世界，而其 AI Lab 早在 2017 年便開始在《王者榮耀》中訓練多智能體"絕悟"，一天完成的訓練量，相當于人類玩家不眠不休地打 440 年。

當所有頂級實驗室都選擇在游戲中押注，在紛擾的 AI“圈地”浪潮下，一個更現實的問題浮出水面：誰能真正在這個戰場上跑出來？

兩棲物種的稀缺性

2025 年的游戲 AI 戰場，在擁抱新規則時，呈現出一種奇特的"錯位"狀態。掌握頂級 AI 技術的科技公司與擁有海量用戶的游戲巨頭之間，橫亙著一道難以跨越的工程化鴻溝。

一邊是"有腦無身"的科技新貴。OpenAI、DeepMind、Anthropic 掌握著最前沿的模型能力，卻缺乏真實的游戲生態作為試驗田。他們的路徑往往是收購小型工作室或自研 Demo。但問題在于，鏈路太長，在小型獨立游戲里驗證概念容易，但要在一個上億日活的復雜系統中實現規模化落地，中間隔著巨大的工程深淵。況且，對這些實驗室而言，游戲更像是技術驗證的"跳板"而非終點，他們的真正戰場在 AGI。

另一邊是"有身無腦"，擁有龐大虛擬世界和用戶基數的傳統游戲廠商。面對 AI 技術儲備的不足，他們大多選擇與技術公司合作：育碧攜手 Inworld AI 和英偉達開發智能 NPC，EA、暴雪等也在積極引入第三方方案。這種合作模式能快速補齊能力短板，但技術核心掌握在外部，自主創新的節奏始終受制于人。

結果就是：AI 公司在游戲里做實驗，游戲公司追著 AI 技術跑，兩邊都不夠"原生"。

相比于海外游戲大廠還在小范圍試驗，中國游戲廠商已經率先將 AI 應用到商業化產品中，網易《逆水寒》手游搭載智能 NPC 系統，成為"第一個在主流游戲運用 AI 進行大規模市場測試"的產品。米哈游《崩壞：星穹鐵道》內置 AI 生成工具"模因共振機"，一周生成近 1000 萬張圖片。而在這種"試驗場"與"戰場"的分野中，騰訊提供了一個更獨特的"混合樣本"。

一側，它擁有領先的 AI 技術儲備，自研開源大模型 Tencent HY、行業模型的場景化能力、從強化學習到生成式 AI 的完整技術棧、持續的研發投入和頂級人才儲備。

另一側，它擁有可以說是全球最大規模的游戲生態，多款超大日活產品如王者、和平，覆蓋 MOBA、FPS等多樣化游戲類型、成熟的游戲引擎和開發工具鏈、海量的三維資產數據。

兩側能力的結合，讓騰訊有機會形成一個獨一無二的閉環。

在這個閉環中，一方面，技術為應用而生，AI 能力更多圍繞"如何讓產品更好、如何讓玩家體驗更好"來推進，讓技術成為改善體驗的工具。另一方面，AI 能在真實的大 DAU 產品中驗證、迭代，技術創新被直接轉化為用戶價值。這種"兩棲能力"的稀缺性，決定了騰訊游戲在這場競賽中的獨特位置。

應用端 AI in game

游戲 AI 的應用正在超越簡單的功能輔助，進入游戲核心玩法。騰訊游戲的邏輯很直白：用 AI 解決玩家需求、提升玩家體驗。而這個邏輯，可能改變整個游戲的交互方式。

想象一下未來的游戲世界：你的 AI 隊友不僅能聽懂"掩護我"，還能理解你的戰術意圖，游戲里的 NPC 不再是復讀機，而是有記憶有性格的"活人"，你上次幫過的村民下次見面會真的記得你。AI 甚至能根據你的玩法習慣，動態調整游戲內容，給你量身定制一場冒險。

這些聽起來很科幻的東西，正在游戲產品里慢慢變成現實。

深度融入核心玩法：當 AI 終于學會了“說人話”和“動腦子”

就在不久前，《和平精英》首創了“具有AI智能語音識別能力的AI戰犬玩法”。戰犬“布魯斯”被直接空投到單局游戲里，當你忙著架槍，隨口吼一句“去搜物資”，它真能心領神會地跑去幫你翻箱倒柜，并且能承擔牽制敵人、救援隊友等任務。它也不是對現有地圖、人機的簡單優化，而是在戰術競技框架里，新增了一個單元，對全局的策略、操作體驗產生影響。

同樣的進化也發生在《火影忍者》里。那種只會傻站著等你打、或者只會機械“讀指令”的無聊 AI 消失了。現在的 400 多個 AI 角色像是有魂兒一樣：有的像愣頭青一樣瘋狂壓制，有的則像老狐貍一樣等打反手。這種“千人千面”的對抗感，讓你覺得屏幕對面坐著的不是一串代碼，而是一個性格迥異的高手。

降低門檻：新手不再被勸退

競技游戲對新人來說往往存在一定的挑戰，但現在的 AI 正在試圖改變這一點。

《王者榮耀》的靈寶解決了新手的“決策焦慮”。怎么出裝？戰場局勢如何？它會根據戰場局勢給你出謀劃策，最厲害的是還可以幫忙輔助買賣裝備。這種感覺就像身邊坐著個高手在手把手帶你，讓普通玩家也能把注意力集中在戰斗的樂趣上。

而《英雄聯盟手游》把 AI 教練搬到了局內，它不再是冷冰冰的結算數據，而是在你失誤時給出實時的技術反饋。你剛被打爆心態崩了，它已經把建議懟到臉上："剛才那波你閃現能躲。"

創作賦能：從“玩家”到“開發者”，中間只差一個 AI

《元夢之星》正在通過 AI 工具，讓玩家的創意不再受限于技術水平——只要說出你的想法，AI 就能實時生成場景與玩法邏輯，讓每個有想法的玩家，都能零距離感受成為關卡制作人的成就感。

生產端 AI for game

我們觀察了 2025 年游戲+AI 的應用，最終發現：AI 不該是“為用而用”，而是要能真正嵌進現有的制作流程里，解決那些讓人頭疼的實際問題，最后讓游戲品質和玩家體驗實實在在提升。

眾所周知，比起文字、圖像、視頻，游戲是一個更為復雜的形態，里面涉及許多管線與工具，而 AI 在圖像、3D 的理解上也不如文字來得優秀。就在上周全球計算機圖形學頂級學術會議 SIGGRAPH Asia 2025 上，騰訊游戲帶著 12 項技術成果亮相，給大家展示了 AI 怎么改造游戲制作這件事。這些研究瞄準的是最直觀的業務痛點：讓游戲跑得更流暢、畫面更沉浸，讓玩家實打實地感受到進步。

比如，在引擎渲染方面，在傳統游戲開發流程中，實現逼真的光影效果通常依賴于“光照烘焙”技術，這一過程對計算資源消耗極大。在大型項目中，單次完整的光照烘焙往往需要數天時間，對于移動平臺而言，硬件算力的限制更是迫使開發者不得不大幅降低畫質標準，導致光影效果失真，缺乏沉浸感。騰訊游戲推出的 MagicDawn 技術方案，通過 AI 驅動的數據壓縮與計算優化，將光照烘焙的時間從數天大幅縮短至數小時，并實現了跨引擎兼容與動態晝夜光影支持。這意味著，移動設備也能呈現出接近 3A 大作級別的光影品質。

目前，該技術已在《暗區突圍》《鳴潮》《洛克王國世界》等多款游戲中落地應用，玩家能夠直觀感受到畫面表現力的顯著提升。

而動畫也是游戲工業管線中一大難題。騰訊游戲 VISVISE 打造了一個 AI 全流程 3D 角色動畫制作管線。把骨骼生成、智能蒙皮、3D 動畫生成、智能插幀四大模塊整合到一個平臺，而這些基本上都是 3D 角色制作過程中最枯燥、最耗時的環節。現在，AI 接管了這些不涉及核心創意的重復性工作。以骨骼架設為例，AI 骨骼生成把原本 3-5 天的手工工作壓縮到幾分鐘，除了人，連四條腿的怪獸、長翅膀的生物都能搞定。

首次對外發布的 IntelliScene 技術探索項目，能訓練多智能體像人類設計師一樣"慢思考"，并自動生成邏輯合理、具備審美的場景。過往，游戲制作中存在大量過渡、邊緣與遠景背景等非核心但必須覆蓋的部分，這些區域往往沒有過多的藝術家的創作空間深度、自由度，美術做起來也非常痛苦、機械，針對這些非核心的區域，AI 通過分析圖片里的語義、空間關系和風格，能在敘事合理、風格一致的基礎上，為藝術家提供輔助，減少 PCG 規則帶來的重復。

我們將騰訊的路徑總結為一種務實的“技術實用主義”——不追求單純的技術前沿性，而是強調將 AI 能力高效、模塊化地融入現有管線、產品。

說到底，這些 AI 工具改變的不只是游戲怎么做，更是咱們玩家能玩到啥。以前技術限制擺在那里，開發團隊只能在"畫質好""內容多"和"開發快"之間痛苦抉擇。現在 AI 把這些瓶頸干碎了，意味著玩家將能玩到畫面更沉浸、內容更豐富、體驗更流暢的游戲，這才是真香時刻。

2025 年游戲依然是 AI 進化的"必經之地"

翻開計算機科學史，真相往往與大眾認知相反：不是游戲需要 AI 來錦上添花，而是 AI 需要游戲來完成關鍵進化。這就是"Game for AI"：游戲作為 AI 的最佳訓練場，為 AI 提供了從"會思考"到"會行動"的進化路徑。

AI 史上不少關鍵突破，往往先在游戲里跑通：1997 年深藍擊敗卡斯帕羅夫，證明機器能在明確規則下戰勝頂尖人類。2016 年 AlphaGo 結合深度學習與蒙特卡洛樹搜索跨過圍棋門檻，讓人看到 AI 能長出近似"直覺"的決策能力。2019 年 OpenAI Five 在 Dota2 的高強度對抗中發現，當試錯規模和算力足夠大，能力會出現非線性躍遷，這套"Scaling law"后來被遷移到語言模型上，才有了 GPT 的一路升級。

到了 2025 年，這段歷史像是在重演，只是學習目標換了。

英偉達剛發布的 NitroGen 就是個典型案例，這個模型能玩 1000 多款游戲，從 2D 橫版到 3D 開放世界，從角色扮演到大逃殺，幾乎通吃。它直接看游戲畫面、輸出手柄操作，靠的是 4 萬小時游戲主播視頻訓練出來的。更牛的是，當它遇到從沒見過的新游戲，不用從頭學，稍微調一調就能上手，任務成功率比從零開始訓練的模型高 52%。

英偉達機器人總監 Jim Fan 說得很直白：他們的目標是打造通用具身智能體：不光能掌握現實世界物理規律，還能適應無數虛擬環境里的所有可能規則。

NitroGen 只是第一步，聚焦的是"玩家直覺式運動控制"，但它證明了一件事：游戲里練出來的 AI，能力是可以遷移到現實世界的。

最具挑戰性的 AI 研究，幾乎都會在某個階段把游戲當訓練場。Demis Hassabis 說過，游戲是 AI 的理想測試床。為啥？因為游戲同時滿足了現實世界很難湊齊的三個條件：夠復雜、數據夠多、試錯成本夠低

結語

過去兩年，大家的目光都在 ChatGPT 的對話框和 Sora 的視頻生成上。但一個更本質的轉折正在發生。

AI 正在完成一次關鍵的進化躍遷：從"理解語言和圖像"，到"理解空間和物理法則"。這個躍遷需要的，不再是更大的參數量，而是一個能夠提供海量交互數據、支持快速迭代驗證、并最終服務億級用戶的完整生態。

游戲，恰好同時滿足了這三個條件。它既是讓 AI 學會"理解世界"的訓練場，也是讓 AI 技術"觸達用戶"的應用場。

而游戲和 AI 的關系用一句話總結就是：用 AI 創造更好的游戲，用更好的游戲訓練更強的 AI。

更值得關注的是，DeepMind 已經開始親自下場創造游戲。當 AI 從"使用者"變成"創造者"，游戲和 AI 的關系將突然間進入一個全新的階段，這種"涌現"，可能比我們想象的來得更快。

當然，說到底，在這個鏈條里，最終受益的還是玩家：玩到更好的游戲，同時見證 AI 一步步變聰明。這才是這個時代最酷的事。