AI更擅長的是透過遠距離的聯絡，找到戲劇衝突。大家都學過事物的聯絡是廣泛的，矛盾推動是事物發展的關鍵。AI能夠掌握這種能力，其實比普通人更強，這是一件很重要的事情。就像Geoffrey Hinton在一個訪談中提到，堆肥和原子彈之間的關係，大部分真人肯定是回答不出來的，而AI可以發現這種聯絡——堆肥是將肥料堆積在一起，經過發酵和發熱，微生物繁殖加速，促進肥料發酵，形成內部鏈式反應：細菌繁殖越快，發酵越快，產生更多細菌。原子彈的原理類似，透過裂變釋放中子，中子撞擊其他原子引發更多裂變。這種類比雖然非常遙遠，但揭示了兩件事情之間的關聯。

我們認識到，構建一個新的模擬世界，其實並不需要依賴傳統的3D重資產，而是可以透過概念模擬來實現。最初我們在研究斯坦福小鎮時就產生了這種感覺。斯坦福小鎮是一個龐大的模擬器，擁有完整的模擬體系，但其實如果將其中的角色互動和動態化元素拆分成碎片化的內容，會更容易管理和操作。從區域性狀態的角度來看，這種方式更加高效。即使在這樣區域性化的環境中，AI的模擬能力也比傳統的元宇宙或3D技術要強至少10到100倍。傳統的元宇宙構建需要定義所有結構、元素的規則，以及物件之間的關係和連線，這非常複雜。但在AI驅動的模擬世界中，透過語言概念就可以完成上述所有任務。

因此，透過AI模擬3D世界然後再回到最終的呈現，似乎有些捨近求遠。在許多場景下，3D結構的顯示錶達並沒有那麼重要。實際上，AI在模擬社會互動和物理現象方面已經展現出強大的能力，例如Genesis引擎可以透過簡單的語言描述生成精確的物理模擬。這表明，AI在模擬世界中的應用比傳統的3D技術更加高效和靈活。

最後是從上面兩點引申過來一個點，在remix或simulation中，如何真正用好這些能力。如果從模型本身的能力積累角度出發，在當前這一代產品中，應用層能夠做的事情其實相對有限。因此，資產的積累，尤其是內容資產的積累，就顯得尤為重要。

按照前面的邏輯，你會發現，距離越遠的資產創造的價值越大。因此，在這樣的體系中，你應該儘可能地構造和積累遠距離的多個輸入，並進行組合，以最大化模型的能力。這可能是這一代產品真正有用的部分。如果模型在這一代上沒有繼續突破，我相信這種基於內容資產積累的效應仍然是一個主導的範疇。當然，如果未來模型取得更大的突破，全自動的或一些Agent可能會成為最有用的部分。但在當前這一代模型尚未達到那種階段時，前面提到的網路效應和資料優勢仍然是決定系統上限的決定性因素。

分享人：海辛 獨立AI創作者

五源小酒館：作為生成模型和Coding工具深度使用者，你對這兩類產品有哪些與大眾不一樣的觀察？

海辛：大眾常將兩者割裂看待，但我的跨界使用發現了三重悖論：首先是生成模型的“精確模糊性”：它越追求畫面真實，反而越需要抽象指令（如用“90年代富士膠片褪色感”替代“亮度-10”）。這說明AI在解構傳統美學正規化，創作者必須掌握“詩意引數化”能力。

其次是Coding工具的“反工程師友好”趨勢：新一代工具如ComfyUI開始用節點取代程式碼行，看似降低門檻，實則要求更系統的流程圖思維。這預示創作將進入“模組化敘事”時代，故事板=程式碼，分鏡=函式。GitHub Copilot讓新人快速產出“可用但笨拙”的程式碼，反而倒逼他們更早關注架構思維而非語法細節，類似書法中“先練大字再精小楷”的路徑顛覆。  

最後是開源社群的隱性美學革命：CivitAI上熱門模型的資料顯示，獲贊最多的不是高精度模型，而是允許10%隨機噪點的版本——人類在透過技術缺陷尋找“人造真實”，這顛覆了傳統技術演進邏輯。

五源小酒館：你對2025年最大的期待是什麼？

海辛：最大的期待是：希望能隨時隨地用上不會掉線的滿血deepseek。

陳睿釗：我覺得應該選擇最小的玩法，把AI的優勢在最小迴圈內展現出來，不要讓AI做重型玩法的附庸。GDC的遊戲設計者們不止一次發表過複合玩法帶來底層矛盾的觀點，我也持一樣的看法：現階段我們對AI遊戲設計的理論還不完善，直接在現有的重型玩法上進行修改融合，融的越多，矛盾越多，遊戲無趣的風險越大。

我會認為，AI遊戲時代的遊戲製作人們，野心也應限制在“給遊戲帶來10%的創新”範圍內——“10%”以遊戲內的互動形式為標準。超過這個限度，一方面遊戲設計的難度會指數級上升，另一方面玩家沒有形成共識，我們會面臨“面對假想中的體驗市場”的困境，這在商業遊戲上是不妥的。

喬海鑫：從快速驗證或快速"失敗"的角度上說，小遊戲比大世界能更快為團隊提供反饋。大世界也是由很多玩法切片組合而成的，在想要搞個大的之前，最好是先把一個小箱庭做明白。現在應該還沒有一個完全基於LLM去搭建的大世界，有不少大世界試過輕量結合LLM做一些玩法，比如網易的燕雲十六聲讓玩家們去跟AI NPC聊天結交江湖好友，他們在對話節奏控制與OOC上做的挺好的，但大部分玩家在初期嚐鮮後還是會更享受在打打殺殺與世界探索裡獲得正反饋。視覺輸入資料的速度是閱讀的幾百萬倍，在RPG模式中我們作為角色對虛擬世界的理解大部分時候也是透過視覺，如果設計者在大世界的高速互動中忽然將玩家限制在一段聊天互動裡，很可能會讓玩家覺得“無聊”。

除了在大世界的NPC對話中應用LLM，我們也設想過整個世界是基於LLM執行的，即LLM組成的系統作為世界的後端。我們嘗試搭建過有劇情故事且完全依賴多智慧體autonomous system的沙盒，這裡的挑戰是當沙盒過於開放（即有過多行為函式需要智慧體去選擇+過多屬性/數值需要被影響反饋）的時候，今天的AI智慧體很難選擇到合理的行為去執行，且很難與其他智慧體互相配合完成世界線的推動。這背後反應出的技術問題非常多，比如我們給AI的“決策空間”應該有多大（tool using的範圍），對連貫性的要求有多高，如果資料量過大、資料結構過於複雜的時候token成本怎麼辦等等，期待模型的進步可以配合工程去解決這些問題。

曹瀟文：首先這個問題我想修正為“是選擇大Scope還是小Scope來切入遊戲”？這個其實是一個經典的風險和投入匹配的問題，高風險的探索用更小成本的探索來尋找MVP當然是沒有問題的。然而，小世界固然適合玩法快速迭代，但可能陷入玩法不足以填充AI的湧現性的問題。大世界遊戲本身成熟的內容生態和玩家基礎，反而更適合作為AI的試驗場。

但其實技術不成熟時選擇切入點的關鍵其實並不在於總投入的大小，而在於建立風險隔離機制。與其爭論大世界還是小遊戲，不如思考如何將AI創新模組與遊戲核心系統解耦。

製作一個可玩性高的大世界遊戲，其業務形態和生產風險本身其實是傳統而成熟的，這部分的風險應當被隔離在AI探索之外。另一方面，有一個可玩性高，內容豐富的大世界遊戲，才足以支撐AI智慧的生長探索，就像生物實驗室需要先有培養皿才能做病毒實驗。

綜上，一個權衡的開發策略其實應當是在構建成熟的大世界框架基礎上，優先選擇特定模組進行AI實驗，同時藉助玩家反饋持續最佳化技術實現路徑。這樣既保留了商業產品的可行性，又為技術創新提供了真實的應用場景。關鍵在於用大世界的區域性創新驗證小技術的突破潛力，而非用不成熟的技術支撐大世界的整體構建。

陳睿釗：第一是玩法（互動），第二是敘事，這兩個是AI技術帶來新體驗的關鍵領域。對於遊戲設計師來說，AI的意義就是，“我們終於可以在遊戲中融入溼件智慧了，現在看看，把我的腦子裝進遊戲裡陪玩家玩，我能做到些什麼”。我們現在可以往遊戲裡塞進一個不錯的遊戲設計師，讓它解決那些本質上就非常開放的互動——典型例子是對話，實際上能做到的還有更多。

喬海鑫：視覺應該是已經成功落地的，很多遊戲公司已經在用AI輔助製作遊戲資產和美宣素材了，但視覺上完全生成式的遊戲（比如用影片模型去做的遊戲）可能還有點遙遠吧。

玩法與敘事確實還看不清。今天商業化內容遊戲的製作預算都很高，動輒上億美元，玩家對角色人設與敘事的敏感度也很高，很難想象大模型會完全接管劇情策劃，但輔助創意產出確實是有意義的。而對於獨立遊戲創作者來說，敘事即自我表達，如果都交給AI去做那為什麼要做遊戲呢？

除了玩法/敘事/視覺，我倒是覺得AI coding在遊戲製作裡有幫大忙，我們所有同事現在都在用AI寫程式碼參與制作，效率比以前高出太多。

曹瀟文：這三個部分其實不太容易完全解耦，遊戲與AI的結合肯定還是一個全方位考量的方案，其最終目的還是新的產品能不能提供有意義的體驗。但如果強行拆開來，帶有一定預設來看的話，視覺和敘事應該是相對比較早被實現的。

視覺向目前是更多關聯到生產正規化的改變，不管是從降低美術創作門檻的角度，還是從資產生產的降本增效的角度。敘事的話，它因為大語言模型本身的特性是最早被探索的一個方向，各種chatbot也是很早就應運而生了。這兩者在開發端雖然我們還沒能讓AI完全取代人力workflow，但在一些靈感獲得或者copilot環節上都已經可以落地了。

玩法向比較多的還是圍繞agent來做創新設計。把agent抽象理解成實現了一定程度思維和心智的個體系統，然後玩家去和各種定位的agent進行互動。我們自己押注的就是針對玩法的突破，因為我們認為玩法對於遊戲來說是更本質的核心，當然針對它的改動需要與另外兩者，甚至更多因素的協調。其改變會更困難和複雜，但也會更根本和吸引注意力。

陳睿釗：AI和“體驗革新”深刻繫結，有兩種玩家是AI遊戲受眾天生聖體，一是對遊戲創新體驗深感興趣的獨立遊戲玩家群體、主播玩家群體，二是對某品類遊戲投入很多時間的硬核玩家。

在沒有形成體驗共識的當下，破圈關鍵在於適時開展社群型開發。我們即將完成的是一件體驗創新的革命壯舉，而非僅是對傳統元素的拆解再重組。因此要和玩家開展深度交流，讓遊戲和玩家一起成長，在遊戲上市前就佔領玩家對AI遊戲的體驗認知高地。

喬海鑫：如果把LLM看做是使用者與一個遊戲系統互動的媒介，它提供的一個價值應該是讓互動內容"與我有關"，基於使用者更開放的輸入/想象給出更個性化的內容，而不是完全被策劃設計好的有限選擇。從這個角度說，值得切入的使用者應該是更希望自己被聽見被看見的使用者，對內容有自己的審美，對情緒價值與自我表達有更多的訴求。這些使用者在遊戲中更具象的表現是容易在虛擬世界中與紙片人建立情感羈絆，對故事有更好的理解與共情能力，例如二遊或乙遊的使用者。

在研發產品時，我們常與這些使用者交流，並參考許多OC圈的玩法。我們經常會聊到說，使用者能捏自己的虛擬角色很好，如果虛擬角色能進一步擴列，有自己的朋友和生活，會不會更有意思呢？如果使用者內向，不願意代表自己的OC溝通，缺乏互動和分享的平臺，那麼大模型提供的個性化內容生成和自動化社交代理的意義就顯現出來了。我相信AI遊戲不止是透過更好看的圖形化表現去包裝大模型、讓使用者跟大模型有更好的互動，而是應該在一個系統裡讓大模型起到穿針引線的作用，更好地服務使用者的體驗目標。

我覺得如何破圈要看產品在共情的需求是不是下一代人共有的需求，會不會與時代共振，這個可能有點玄學。Roblox今天有4個億的MAU，他們在創業前10年都想不到這件事會發生，但事實證明小朋友今天就是需要這樣的一個遊樂場。不同型別的遊戲都有自己的受眾群體，如果是遊戲+AI的嘗試，那就先服務好自己品類所面向的使用者，考慮這個品類是不是有可能用AI創造更好的體驗。如果想做大DAU，那就去看看年輕人有什麼相似的集體訴求，想怎麼陪伴一代人成長。有很多已經存在的需求還沒有變大破圈並不是因為有這個需求的人群基數小，而是現有體驗裡的摩擦可能太多。

曹瀟文：應對這兩者的邏輯會不太一樣。就前者而言，是對於新鮮事物、技術感興趣的遊戲玩家。這些人應該具備相對充沛的遊戲閱歷，能夠以遊戲這個媒介本身的標準來衡量作品的優劣。同時也勇於和樂於去嘗試新正規化，看到AI這樣的關鍵詞出現會有點小興奮。

對於破圈到大眾玩家來說，需要的東西更多是在傳播層面。如何塑造出一個意義的高點，基於一個廣泛存在的需求讓你的產品成為一種社交貨幣（例如Remini）。AI幫助下的UGC為遊戲使用者提供了表達機會，結合不同遊戲的特性，讓使用者可以傳播帶有強烈情感（搞怪、感人、恐怖等）的內容會是一個點。

陳睿釗：AI NPC適用於玩法聚焦於角色的遊戲。角色僅僅起敘事意義時，我們並不需要能臨場發揮的聰明孩子。如果可以在NPC身上根據互動獲得反饋，我們可以獲得更好的“世界感”。一個類似的案例是“環境敘事”，透過散佈在環境中的景觀、物件向玩家傳遞“我身處的世界是真實存在的”這種體驗。

喬海鑫：基於玩家-角色的關係大體可以分成三種：AI是你的遊戲陪玩/隊友（e.g. 永劫無間的AI隊友），AI是NPC（e.g. 燕雲十六聲裡可以攻略的江湖友人），AI是棋盤上的棋子（e.g. 斯坦福小鎮）。沒有哪種更好，我認為要看玩法與關係的匹配。AI存在的意義一定是讓玩家擁有更好的沉浸感，例如在未來的單機RPG遊戲裡AI隊友會變得非常常見，他們可以有更個性化的演出（e.g. 自定義音色或對話風格），甚至可以與你並肩作戰，就像是BioShock Infinite裡的伊麗莎白。

曹瀟文：“最佳”AI NPC，我覺得就是實現一個滿足產品場景下功能性需求（不知疲倦，不出戲等等）的“人”。Ta會是一個“規則約束下的混沌體”，是三個維度共同影響下的三體系統：對於底層規則的穩定認知能力，根據情況的靈活策略判斷能力，以及因為“缺陷”導致的不可預測性。

舉個例子，這個AI NPC知道了虛擬世界中蘊含的規則，例如結構力學等物理法則，以及一些基礎的工程學知識；然後Ta決定利用這些規則，收集了一些材料，製作了一個陷阱準備困住一隻野豬並燒死它；結果因為野豬在最後一刻逃走，Ta氣得把手裡的火把胡亂甩出去，把自己的房子給燒沒了，Ta又急得哇哇大哭起來。

這個目標簡而言之是塑造一個有智慧、會成長，但也有缺陷，有“靈魂”的虛擬角色。這樣的AI NPC幫助遊戲體驗提升的大前提，還是要符合對應的產品需求，畢竟不同的遊戲中對於NPC的需求還是存在很大差別的。但總體概括而言，Ta最大的意義是可以覆蓋更多更廣泛的遊戲情境。尤其是在規則驅動的沙盒遊戲中，會大量設計者自身預料之外的情況。這種情況下只有神經網路的湧現可以對齊規則交織產生的湧現。

我覺得值得一提的是，可控的混沌會比絕對理性更重要。完全理性的AI NPC會導向“超人類對手”，在一些特定場景下是有意義的，但容易削弱遊戲樂趣和扮演樂趣。就如同《克拉拉與太陽》中的克拉拉，可能比《2001太空漫遊》裡的出“故障”前的HAL要更討人喜歡。

陳睿釗：UGC生態的好處在於降低遊戲創作需要的門檻，讓更多能力並非六邊形的創作者走入遊戲創作領域，發揮其個人長板；傳統遊戲開發模式則可以協調多名開發者，取眾人之長做大水桶。我認為這標誌著兩類不同的遊戲開發理念，將會深刻影響遊戲市場結構。

UGC生態的另一個好處是將遊戲與社群捆綁在一起，將個人開發者與玩家緊密相連。UGC生態為個人開發者連結眾多使用者，個人開發者發揮自己的能力長板，一切價值都在於共贏，且贏在未來。

喬海鑫：AI技術的成熟過程本身就是內容創作的民主化過程，UGC生態一定會更加彭勃。遊戲的mod會更容易製作，玩家可以很快創造出他們喜歡的遊戲的mod，甚至可以讓AI教自己怎麼去部署。內容遊戲的二創也會更豐富，玩家在長草期會擁有非常多優質代餐。像堡壘之夜或蛋仔這些在遊戲內部搭建UGC生態的形式未來也會更豐富。在以上能力的基礎上，傳統遊戲的開發者會更像是創世神，透過優秀的作品將一群又一群使用者聚集在一起，又透過AI加持的UGC創作能力讓這個世界開枝散葉，擁有更豐富的生態系統。

UGC遊戲平臺與開發工具可能也會有新形態。Roblox Studio是給人類玩家設計的UGC遊戲引擎，也許我們很快會見到面向AI Agent設計的Roblox Studio，所有的函式、配表與資產的設計都是為了讓Agent更好地學習理解和呼叫。可能從這一層解構才會在表現層實現一千萬個智慧體在共同經營一個虛擬文明。

曹瀟文：如果說相對於Netflix網劇和好萊塢電影，可以把使用者製作的長短影片認作是影視媒介裡的UGC，而在遊戲媒介中，UGC主要體現在玩家在Roblox和UEFN等平臺上建立的玩法。與文字、圖畫和影片相比，遊戲的UGC實現更為困難，主要因為遊戲製作的高複雜性和高門檻。

AI在降低遊戲UGC門檻方面具有重要意義，同時UGC也將改變遊戲的生產模式和權力結構。過去由公司或專業團隊製作的遊戲將轉變為PGC，而PGC又會進一步轉化為UGC。

當然這不意味著所有新增出來的UGC產能都能獲得使用者，內容生態會形成新的平衡。因為遊戲相比於其他的幾種媒介，對於使用者的時間精力的承諾要求會更高，頭部的集中效應會更強。生態樣式可能會是更少數的專業/公司級別頭部產品，和更大量的使用者生產的遊戲的兩頭分化。頭部遊戲產品會更多地去做規則/框架搭建的工作，更“平臺化”，讓一部分使用者從純內容消費者向內容生產者發展。

權力重構的核心點會是控制與開放的博弈，平臺化的產品需要權衡“讓玩家自由發揮”與“防止生態崩壞”。未來的權力結構可能是三層——平臺提供規則引擎、AI工具以及一些核心IP，開發者維護核心玩法和內容，玩家成為UGC內容供應者乃至分支遊戲開發者。這些現象其實在目前的市場中已經出現了一些對標，未來的發展是上述情況會進一步的加劇。

陳睿釗：最好還是訂閱制，其次是內容交易。訂閱制遊戲可以針對高粘性玩家收費。如果是AI遊戲，那麼體驗最佳化的目標更清晰，積累的資料更多，持續建立壁壘的能力更強。並且對於AI本身的投入直接等同於對遊戲內容的投入，能夠更有效地轉化為ARPU。相關案例是，LoveyDovey針對女性向陪聊戀愛玩法實行訂閱收費，創造了非常不錯的成績，體驗也拉開同類產品一大截。目前還沒有能夠躋身頂流的訂閱制AI遊戲，這是我們最在意的方向之一。

內容交易門類下，買斷制AI遊戲也有不少嘗試。可以看到很多玩法優秀的AI單機遊戲以巧思取勝，第一個銷量過萬的AI獨立遊戲很快就會出現。另外也能看到聯機AI遊戲，希望從社交戰場分一杯羹，但這個方向AI並非核心競爭力，前途未卜。

廣告制收費的模型下，有很多使用了AIGC技術的遊戲，比以往小遊戲質量更好、傳播效應更強；另外也有一些玩法有趣的小型AI遊戲透過流量變現。AI製造社交傳播要素非常容易，所以還有相當多空間可以探索。

喬海鑫：AI遊戲的商業化還是要看遊戲的玩法與型別，與AI的關係不大。大家此前最糾結的Token成本在過去每半年下降一個數量級，最近甚至已經被Deepseek壓縮到極低，不再是盈利路上的絆腳石。MMO最早出現的時候伺服器成本也很貴，但最終遊戲還是會變成free-to-play。商業化還是要基於遊戲的核心體驗與它的爽點去設計。