對話GameSkill陳迪：把世界冠軍變成AI教練，塞進你的電腦里

作者 ｜ Yoky
郵箱 ｜ yokyliu@pingwest.com

當所有人都在卷大模型、卷算力，有人反其道而行之：用8B小模型端側推理，按局收費，1塊錢一次。

AI成為主流技術敘事之后，我們見證了太多以技術為第一性原理、卻遠離商業本質的公司。它們試圖創造一個新場景，再為這個場景設計商業模式，最終都在為如何變現而發愁。但真正的機會也許恰恰相反：不是創造需求，而是在用戶本來就愿意付費的場景里，提供一個更好的解決方案。

玩家愿意為“變強”付費嗎？答案是肯定的。陪練、代練、私教、UP主教學，這個市場一直存在，只是太貴、太慢、太不穩定。幾百塊請教練太貴，看視頻學習太慢，代練治標不治本。這恰恰是GameSkill看到的機會：用AI把幾百塊的教練變成1塊錢一局的即時反饋，把需要預約、等待、碰運氣的服務變成隨時隨地、穩定輸出的職業級分析。

這家公司所有看似“技術妥協”的決策背后，并不是單純的技術考量，而是對市場、用戶、成本的精準判斷。通過鏈接算力-端側芯片，數據-在戰隊經驗，算法-游戲場景，實現AI對游戲場景的深度挖掘，端側推理把邊際成本壓到足夠低，讓“1塊錢一局”成為可能，按局付費則精準匹配了真實需求，而不是強推月卡年卡。這不是一個設計上癮機制的產品，這是一個找對了場景、降低了門檻、提高了效率的AI應用。

硅星人與GameSkill創始人陳迪聊了聊，如何把世界冠軍的經驗塞進AI里、塞進玩家的電腦里，以及更重要的，如何在用戶本來就愿意付費的那個時刻，遞上一個他們買得起、用得上的工具。

把世界冠軍“塞進”AI里

1、硅星人：請簡單介紹一下你們的產品。目前市場上也有AI游戲陪玩或助手，比如逗逗AI，如何用一句話解釋你們的核心區別？

陳迪：簡單說，我們做的是“專業訓練工具”，市面上那些更像是“娛樂陪伴產品”，服務的需求和場景完全不同。

陪玩類產品主要服務于普通玩家，讓大家玩得更開心這非常有意義，但我們專注解決的是另一個層面的問題：如何在高水平競技中持續進步，并穩定地贏下去。

比如：陣容搭配為什么被克制？殘局中的走位和決策哪里出了問題？根據對手的歷史打法，我們該怎么提前布置戰術？這些都是戰術層面、策略層面的布局，快速分析對手錄像，甚至協助研發全新戰術。就像圍棋AI能下出人類想不到的棋步一樣，當AI充分理解我們的戰術體系后，它也能提供新的策略思路。

2、硅星人：這次GameSkill和天祿俱樂部的合作，具體包含了哪些內容？為什么要與頂級俱樂部合作，是共同打造“AI教練模型”么？

陳迪：首先在數據層面，天祿作為國內頂級的FPS俱樂部，向我們開放了他們多年積累的核心資料，包括比賽錄像、復盤分析、戰術討論等等。這些不只是原始視頻，而是帶有教練完整思考過程的標注數據，用他們自己的話說，這相當于把“源代碼”開放給了我們。

我們的技術團隊會定期去天祿基地，跟教練、分析師一起工作，理解他們是怎么分析比賽、做戰術決策的；反過來，天祿的教練也會參與我們AI模型的訓練過程，確保AI學到的是真正專業的東西。

在實際應用中，AI已經在幾個關鍵環節發揮作用了。比如在賽后復盤，以前教練可能要花2-3小時看錄像，現在AI能快速定位關鍵回合，自動標記重要決策點，效率提升非常明顯。在戰術分析上，AI能幫教練分析對手的戰術偏好，比如他們習慣在什么情境下用什么戰術，再給出針對性的應對建議。未來我們還計劃為每個選手配備AI助理教練，提供一對一的個性化訓練建議。

這些環節最終會形成一個從日常訓練、實戰對抗到賽后復盤、戰術研究的完整閉環，AI將全程參與到選手的成長過程中。

3、硅星人：基于剛才的合作，這款“AI電競教練”的核心功能有哪些？真的可以像職業教練一樣指導選手么？能不能用一些具體的場景來描述一下？

陳迪：比如你在打CS，正要peek一個轉角，我們的AI會在耳機里實時提醒你：“小心，這個位置可能有人”，或者說“現在可以丟顆閃光彈了”。這些判斷都來自天祿教練團隊的經驗，相當于把一個頂級教練的思維“搬”到了AI里。關鍵是響應速度極快，能在毫秒內給出建議，基本是實時的，不像云端AI那樣受網絡延遲影響。

比賽結束后，AI還會自動幫你復盤，直接告訴你：“這局輸在第三和第七回合，問題出在道具使用和殘局決策上。”以前像沈總他們復盤要花兩三個小時從頭看錄像，現在AI能快速定位關鍵失誤點，大大提升了效率。

對職業選手來說，AI教練的價值還在于能發現很多人眼容易忽略的細節。比如訓練賽中，它會分析畫面中每個人的走位和道具使用，有時能指出一些我們教練組也沒注意到的戰術漏洞。雖然目前還不能完全替代真人教練，但已經成為一個非常有力的輔助工具。

簡單來說，我們想做的是把世界冠軍級別的戰術理解，通過AI開放給每一個玩家。用天祿教練的思維過程去訓練模型，讓普通玩家也能享受到專業級的實時指導和賽后復盤，這就是我們產品的核心。

端側模型，如何實現職業智能？

4、硅星人：要實現這種“職業級”的游戲理解，技術上具體是怎么做到的？您提到AI是直接“看懂畫面”，這背后的模型是如何訓練的？是需要識別每一個像素，還是有更高效的方法？

陳迪：我們訓練AI的方式，其實很像培養一個真正的游戲高手，是一個循序漸進的過程。

第一層，是讓AI“看得懂游戲”。我們在互聯網上抓取海量的CS比賽視頻和解說，讓AI學習最基礎的信息：畫面上的人是誰、拿著什么武器、正在哪個點位活動。這一步相當于讓AI“看錄像入門”，建立對游戲的基本認知。

第二層，是讓AI“看得懂門道”。公開視頻的解說不一定專業，所以我們自建了一個30人的高手標注團隊。他們不會只說“他去了A點”，而是會解讀背后的意圖，比如“他這個前壓走位是為了搶占地圖的控制權，為團隊爭取信息優勢”。這讓AI的理解從“操作層面”提升到了“戰術意圖層面”。

第三層，也是最核心的，是賦予AI“職業級的理解”。這就是我們和天祿合作的關鍵。教練和分析師看比賽的維度完全不同，他們關注的是：道具配合為什么被壓制？殘局中的選位反映出怎樣的決策邏輯？對手的數據顯示出哪些習慣性打法？

我們將教練復盤時的講解、戰術筆記和深度分析，作為最高質量的數據“喂”給AI，我們會逐步讓AI學會FPS的各類游戲，也會與MOBA和其他游戲項目的俱樂部持續拓展合作，做不同游戲領域的專業教練。

5、硅星人：有些方案是先用一個模型“看”畫面，再用一個語言模型“分析”文字報告，像兩個“翻譯”在工作。你們是采用語言模型理解的形式，還是讓AI“端到端”地直接理解畫面？

陳迪：我們用了Qwen的VLM模型，本身能夠理解視頻畫面，普通計算機視覺模型可能只會說：“畫面上有5個人，3個在A點，2個在B點。”而我們的模型要能判斷出：“對方是3A2B的防守陣型，根據歷史習慣，A點三人很可能前壓，我們應該準備反制戰術。”我們正在摸索訓練專門能夠理解游戲的VLM。

除了前期三層數據的特供，我們還用了一個關鍵技術：思維鏈。這讓AI不只給結論，還會展示推理過程。比如它會一步步分析：“對方經濟不好 → 這局很可能ECO → 裝備會劣勢 → 我們可以強攻A點 → 但要小心他們集中防守”。這樣教練能看清AI的思考邏輯，而不是面對一個“黑箱”。

你剛才提到的轉譯方案：先用CV模型轉文字，再交給語言模型分析，確實是一種更輕量的做法。但我們沒選，因為它會丟失大量細節。

比如選手的微操、身法控制、走位節奏……這些轉成文字后可能只剩一句“他移動了”，但對職業對抗來說，細微差別往往決定成敗。所以我們堅持用端到端的多模態模型直接理解視頻信號，雖然訓練成本高，但效果更貼近真實比賽的理解需求。

6、硅星人：為什么這個功能必須在玩家自己的電腦上完成？把復雜的計算放在云端，對你們來說不是更簡單嗎？ 選擇端側，是不是就是為了實現“零延遲”的實時指導體驗？

陳迪：很多人可能沒意識到，玩家的游戲設備本身就有大量閑置算力。一臺游戲本，運行CS等電競游戲時GPU占用率通常不到70%（根據分辨率和圖像質量設置），NPU更是完全沒有被利用。這意味著大約一半的端側算力是空閑的，還有CPU內置的核心顯卡也是完全沒有沒有用到。我們的策略，就是將這些已經被用戶付費購買的閑置資源利用起來，在本地完成AI推理。

同時，我們正與英特爾等芯片廠商深度合作。隨著NPU等專用AI芯片的算力每年翻倍，我們的模型能力也能隨之快速進化：在這樣分別在不懂的處理單元分配算例的方式，我們今年能跑8B模型，明年或許就能支撐14B甚至30B。產品會隨著用戶硬件的換代而加速升級。

您覺得云端方案對我們更簡單？其實恰恰相反。云端成本是個“無底洞”：用戶使用有波峰波谷，我們必須為峰值準備大量GPU，谷時期資源又閑置。最關鍵的是，用戶越多，云端成本越高，這是一個不可持續的成本模型。

普遍意義上來說，云端的適配更加簡單，因為單一一套模型就可以適配不同的機型，但是局限于算力峰谷與延遲速度，云端產品更多還是局限在休閑類游戲的范疇，而端側模型及算力匹配是目前更適合電競游戲的最優解。

我們其實是在順應一個明確的行業趨勢。現在所有大廠都在推AIPC和AI能力的手機，就是因為大家認識到：未來一定是云端協同的。實時、高頻的任務在端側處理；復雜、低頻的分析在云端進行。

7、一個不可避免的疑問是：一個“小模型”會不會顯得“太笨”？ 你們如何在模型的“實時響應速度”和“職業級的分析智能”之間做權衡？是通過專門的優化技術，還是有別的秘訣？

陳迪：這確實是一個關鍵問題，這我們不是在“速度”和“智能”之間妥協，而是讓小模型變得極其聰明。

首先，“小”不等于“笨”。 就像經驗豐富的冠軍教練，不需要龐大團隊就能精準判斷。經過三層數據定向訓練，我們的8B專家模型在CS領域的分析能力，很可能超過更大的通用模型。

我們采用了類似于DeepSeek的知識蒸餾方案，先在云端用巨大算力訓練出“老教授”模型，再讓它把核心經驗提煉傳授給端側的“年輕教練”，并最終通過一個8B級別的模型達到性能、延遲、算力、準確度的思維平衡。

最關鍵的是“任務分層”架構。 我們根據場景智能分配算力：實時指導(走位、道具)，端側輕量模型負責，毫秒內響應；賽后復盤(決策分析)：云端或本地服務器的大模型深度分析；戰術研發(模擬對手、推演陣型):俱樂部專用推理設備完成。

通過專業化的專家模型、知識蒸餾優化、場景化任務分層，我們在現有設備上同時實現了職業級智能和實時響應。

1塊錢1局，買一次“我能贏”的信心

8、硅星人：在明確了產品形態后，你們都覆蓋了哪些用戶？除了廣大的普通玩家，游戲主播也常常是很關鍵的受眾群體，是否會為他們開發差異化的功能？

陳迪：我們產品的商業模式本質上是分層服務，根據不同人群的核心需求來提供價值。

從職業端切入是我們的起點，但產品設計本身具備很強的擴展性。對于大主播這類內容創作者，我們發現他們面臨一個共性痛點：很多人游戲水平很高，但未必擅長實時解說或內容制作。我們的AI可以成為他們的“智能制作助理”：在直播時實時提煉戰術要點，讓解說更專業流暢；在制作教學視頻時快速標記關鍵決策點，大幅提升內容質量。這相當于把他們專業的游戲理解，通過技術更高效地轉化為優質的節目效果。

至于廣大玩家，我們通過C端產品提供個性化服務。基礎版側重賽后分析和訓練建議，高級版則提供實時對戰指導。這種分層設計讓用戶可以根據自身需求和預算靈活選擇。

9、硅星人：談到商業化，面向最終用戶時，你們在考慮哪些可能的收費模式？是采用訂閱制、按使用時長或局數付費，還是一次性買斷？哪些因素會影響你們最終的定價策略？

陳迪：在面向最終用戶的商業化路徑上，我們設計了按使用濃度付費的模式，核心是“訂閱制 + 按需付費”的組合。

基礎版：采用月費訂閱制，定價在20元左右。它主要提供賽后分析報告、數據統計和個性化訓練建議這類非實時、算力要求不高的深度分析服務。

高級版：采用按局付費的模式，每局約1-2元。它解鎖的是實時教練指導功能，在戰斗中提供關鍵的戰術提示和決策支持。

大部分日常對局，玩家可能只需基礎版。但在關鍵的晉級賽或重要的戰隊賽中，那種“絕不能輸”的心態會讓他們非常愿意花一兩塊錢，購買一個 “保障” 。這就像買保險，平時不需要，但關鍵時刻的存在感極具價值。

同時，按局付費賦予了用戶極大的成本控制靈活性。玩家可以根據自己的實際需求和預算，自由選擇在哪些對局中啟用高級功能，避免了強制訂閱可能帶來的浪費。

在定價策略上，我們會綜合考慮硬件成本攤薄、市場競爭態勢、以及不同地區用戶的付費能力。未來也可能引入年費優惠或與硬件廠商（如購買指定型號游戲本贈送會員）進行捆綁銷售，進一步降低用戶的決策門檻。

10、硅星人：在市場推廣上，除了天祿帶來的職業背書，你們還有哪些具體的獲客策略？是否會與硬件廠商、直播平臺或內容創作者合作？是否有出海的時間表？

陳迪：我們的市場策略很明確：與生態伙伴深度綁定，實現精準觸達。與英特爾等芯片廠商的合作不僅是技術聯合，也是雙方的需求，他們需要能體現AI PC價值的“殺手級應用”，而我們的產品正好填補這一空白。

具體合作包括：預裝合作：在主流游戲本中預裝我們的軟件，用戶開箱即用；聯合營銷：在新品發布時，共同宣傳“在這臺AI PC上，能獲得職業級教練實時指導”，并共同推動產品落地。

這一渠道的優勢在于精準且高效——購買游戲本的本身就是我們的目標用戶，設備性能也完全滿足需求，大大降低了我們的獲客成本。

當然出海是必然選擇，但我們采取分階段推進的策略。首站瞄準東南亞市場，因為該區域電競氛圍活躍，CS玩家基礎良好，且專業訓練工具市場尚屬藍海。在歐美，玩家更強調個人風格，產品就不能以“指導者”姿態出現，而應成為“數據分析伙伴”，從“你應該這樣打”轉變為“數據顯示，這種情況下的主流選擇是A，你的選擇B成功率為X%”，以更中立的方式提供價值。我們也將很快推出手機版的AI游戲教練，覆蓋主流的手機電競游戲用戶。

點個“愛心”，再走 吧