回顾 2025 年，如果问普通人对 AI 行业最深刻的印象是什么？答案依然是激烈的“参数战争”：有 DeepSeek、Gemini 3 等大模型的集体爆发，也有文生图、文生视频能力的持续惊艳。

这些确实是 2025 年的显性主线。但如果我们将目光穿透热闹的表象，会发现一个更隐秘、却可能决定未来的转折正在发生：AI 正在从"理解符号与像素"，进化到"理解空间与物理法则"。

表面上，2025 年下半年依然是生图和视频调用量的狂飙突进，各家大厂争夺 AI 用户的战火持续升级。但实质上，行业已经撞上了一个关键分水岭，一堵看不见的"物理墙"：

• 从二维到三维： AI 不再满足于平面像素的堆叠，开始渴望理解纵深、遮挡和透视。

• 从静态到交互： AI 不再止步于输出结果，开始尝试理解连续的动态反馈。

• 从感知到因果： AI 试图理解“如果我推倒这个杯子，水会流出来”的物理逻辑。

然而，AI 的训练需要更加丰富的多模态环境。虚拟环境如游戏《Minecraft》提供了视觉、空间、交互等多维度的学习场景，让 AI 能够在更接近真实世界的复杂环境中进行训练。这种便利性让顶级实验室达成"游戏共识"：游戏成为最现实的训练捷径。看看全球顶级 AI 厂商的动作就能发现，这一共识正在转化为实际行动：

• OpenAI 在 OpenAI Five（Dota2）之后，通过收购 Global Illumination（《Biomes》开发商），探索 AI 生成的动态游戏世界。

• Google DeepMind 密集发布 Genie 3 与 SIMA 2：前者可生成可交互的 3D 世界，支持用自然语言实时创建游戏预览，后者则是能在多款游戏中学习的通用智能体。

• 微软启动 Muse 项目，用游戏数据训练模型理解“画面如何随动作变化”。

• 马斯克的 xAI 宣布利用"世界模型"进军游戏，甚至定下 2026 年让 Grok 5 在纯视觉感知下挑战《英雄联盟》职业选手的目标，这被视为对 AI 直觉的终极图灵测试。

• 李飞飞的 World Labs 发布了商业级世界模型 Marble，首要应用场景直指游戏与 VR，意在生成可编辑的 3D 环境。

• 腾讯发布 HunyuanWorld 系列，从文本生成可探索的 3D 世界，而其 AI Lab 早在 2017 年便开始在《王者荣耀》中训练多智能体"绝悟"，一天完成的训练量，相当于人类玩家不眠不休地打 440 年。

当所有顶级实验室都选择在游戏中押注，在纷扰的 AI“圈地”浪潮下，一个更现实的问题浮出水面：谁能真正在这个战场上跑出来？

两栖物种的稀缺性

2025 年的游戏 AI 战场，在拥抱新规则时，呈现出一种奇特的"错位"状态。掌握顶级 AI 技术的科技公司与拥有海量用户的游戏巨头之间，横亘着一道难以跨越的工程化鸿沟。

一边是"有脑无身"的科技新贵。OpenAI、DeepMind、Anthropic 掌握着最前沿的模型能力，却缺乏真实的游戏生态作为试验田。他们的路径往往是收购小型工作室或自研 Demo。但问题在于，链路太长，在小型独立游戏里验证概念容易，但要在一个上亿日活的复杂系统中实现规模化落地，中间隔着巨大的工程深渊。况且，对这些实验室而言，游戏更像是技术验证的"跳板"而非终点，他们的真正战场在 AGI。

另一边是"有身无脑"，拥有庞大虚拟世界和用户基数的传统游戏厂商。面对 AI 技术储备的不足，他们大多选择与技术公司合作：育碧携手 Inworld AI 和英伟达开发智能 NPC，EA、暴雪等也在积极引入第三方方案。这种合作模式能快速补齐能力短板，但技术核心掌握在外部，自主创新的节奏始终受制于人。

结果就是：AI 公司在游戏里做实验，游戏公司追着 AI 技术跑，两边都不够"原生"。

相比于海外游戏大厂还在小范围试验，中国游戏厂商已经率先将 AI 应用到商业化产品中，网易《逆水寒》手游搭载智能 NPC 系统，成为"第一个在主流游戏运用 AI 进行大规模市场测试"的产品。米哈游《崩坏：星穹铁道》内置 AI 生成工具"模因共振机"，一周生成近 1000 万张图片。而在这种"试验场"与"战场"的分野中，腾讯提供了一个更独特的"混合样本"。

一侧，它拥有领先的 AI 技术储备，自研开源大模型 Tencent HY、行业模型的场景化能力、从强化学习到生成式 AI 的完整技术栈、持续的研发投入和顶级人才储备。

另一侧，它拥有可以说是全球最大规模的游戏生态，多款超大日活产品如王者、和平，覆盖 MOBA、FPS等多样化游戏类型、成熟的游戏引擎和开发工具链、海量的三维资产数据。

两侧能力的结合，让腾讯有机会形成一个独一无二的闭环。

在这个闭环中，一方面，技术为应用而生，AI 能力更多围绕"如何让产品更好、如何让玩家体验更好"来推进，让技术成为改善体验的工具。另一方面，AI 能在真实的大 DAU 产品中验证、迭代，技术创新被直接转化为用户价值。这种"两栖能力"的稀缺性，决定了腾讯游戏在这场竞赛中的独特位置。

应用端 AI in game

游戏 AI 的应用正在超越简单的功能辅助，进入游戏核心玩法。腾讯游戏的逻辑很直白：用 AI 解决玩家需求、提升玩家体验。而这个逻辑，可能改变整个游戏的交互方式。

想象一下未来的游戏世界：你的 AI 队友不仅能听懂"掩护我"，还能理解你的战术意图，游戏里的 NPC 不再是复读机，而是有记忆有性格的"活人"，你上次帮过的村民下次见面会真的记得你。AI 甚至能根据你的玩法习惯，动态调整游戏内容，给你量身定制一场冒险。

这些听起来很科幻的东西，正在游戏产品里慢慢变成现实。

• 深度融入核心玩法：当 AI 终于学会了“说人话”和“动脑子”

就在不久前，《和平精英》首创了“具有AI智能语音识别能力的AI战犬玩法”。战犬“布鲁斯”被直接空投到单局游戏里，当你忙着架枪，随口吼一句“去搜物资”，它真能心领神会地跑去帮你翻箱倒柜，并且能承担牵制敌人、救援队友等任务。它也不是对现有地图、人机的简单优化，而是在战术竞技框架里，新增了一个单元，对全局的策略、操作体验产生影响。

同样的进化也发生在《火影忍者》里。那种只会傻站着等你打、或者只会机械“读指令”的无聊 AI 消失了。现在的 400 多个 AI 角色像是有魂儿一样：有的像愣头青一样疯狂压制，有的则像老狐狸一样等打反手。这种“千人千面”的对抗感，让你觉得屏幕对面坐着的不是一串代码，而是一个性格迥异的高手。

• 降低门槛：新手不再被劝退

竞技游戏对新人来说往往存在一定的挑战，但现在的 AI 正在试图改变这一点。

《王者荣耀》的灵宝解决了新手的“决策焦虑”。怎么出装？战场局势如何？它会根据战场局势给你出谋划策，最厉害的是还可以帮忙辅助买卖装备。这种感觉就像身边坐着个高手在手把手带你，让普通玩家也能把注意力集中在战斗的乐趣上。

而《英雄联盟手游》把 AI 教练搬到了局内，它不再是冷冰冰的结算数据，而是在你失误时给出实时的技术反馈。你刚被打爆心态崩了，它已经把建议怼到脸上："刚才那波你闪现能躲。"

• 创作赋能：从“玩家”到“开发者”，中间只差一个 AI

《元梦之星》正在通过 AI 工具，让玩家的创意不再受限于技术水平——只要说出你的想法，AI 就能实时生成场景与玩法逻辑，让每个有想法的玩家，都能零距离感受成为关卡制作人的成就感。

生产端 AI for game

我们观察了 2025 年游戏+AI 的应用，最终发现：AI 不该是“为用而用”，而是要能真正嵌进现有的制作流程里，解决那些让人头疼的实际问题，最后让游戏品质和玩家体验实实在在提升。

众所周知，比起文字、图像、视频，游戏是一个更为复杂的形态，里面涉及许多管线与工具，而 AI 在图像、3D 的理解上也不如文字来得优秀。就在上周全球计算机图形学顶级学术会议 SIGGRAPH Asia 2025 上，腾讯游戏带着 12 项技术成果亮相，给大家展示了 AI 怎么改造游戏制作这件事。这些研究瞄准的是最直观的业务痛点：让游戏跑得更流畅、画面更沉浸，让玩家实打实地感受到进步。

比如，在引擎渲染方面，在传统游戏开发流程中，实现逼真的光影效果通常依赖于“光照烘焙”技术，这一过程对计算资源消耗极大。在大型项目中，单次完整的光照烘焙往往需要数天时间，对于移动平台而言，硬件算力的限制更是迫使开发者不得不大幅降低画质标准，导致光影效果失真，缺乏沉浸感。腾讯游戏推出的 MagicDawn 技术方案，通过 AI 驱动的数据压缩与计算优化，将光照烘焙的时间从数天大幅缩短至数小时，并实现了跨引擎兼容与动态昼夜光影支持。这意味着，移动设备也能呈现出接近 3A 大作级别的光影品质。

目前，该技术已在《暗区突围》《鸣潮》《洛克王国世界》等多款游戏中落地应用，玩家能够直观感受到画面表现力的显著提升。

而动画也是游戏工业管线中一大难题。腾讯游戏 VISVISE 打造了一个 AI 全流程 3D 角色动画制作管线。把骨骼生成、智能蒙皮、3D 动画生成、智能插帧四大模块整合到一个平台，而这些基本上都是 3D 角色制作过程中最枯燥、最耗时的环节。现在，AI 接管了这些不涉及核心创意的重复性工作。以骨骼架设为例，AI 骨骼生成把原本 3-5 天的手工工作压缩到几分钟，除了人，连四条腿的怪兽、长翅膀的生物都能搞定。

首次对外发布的 IntelliScene 技术探索项目，能训练多智能体像人类设计师一样"慢思考"，并自动生成逻辑合理、具备审美的场景。过往，游戏制作中存在大量过渡、边缘与远景背景等非核心但必须覆盖的部分，这些区域往往没有过多的艺术家的创作空间深度、自由度，美术做起来也非常痛苦、机械，针对这些非核心的区域，AI 通过分析图片里的语义、空间关系和风格，能在叙事合理、风格一致的基础上，为艺术家提供辅助，减少 PCG 规则带来的重复。

我们将腾讯的路径总结为一种务实的“技术实用主义”——不追求单纯的技术前沿性，而是强调将 AI 能力高效、模块化地融入现有管线、产品。

说到底，这些 AI 工具改变的不只是游戏怎么做，更是咱们玩家能玩到啥。以前技术限制摆在那里，开发团队只能在"画质好""内容多"和"开发快"之间痛苦抉择。现在 AI 把这些瓶颈干碎了，意味着玩家将能玩到画面更沉浸、内容更丰富、体验更流畅的游戏，这才是真香时刻。

2025 年游戏依然是 AI 进化的"必经之地"

翻开计算机科学史，真相往往与大众认知相反：不是游戏需要 AI 来锦上添花，而是 AI 需要游戏来完成关键进化。这就是"Game for AI"：游戏作为 AI 的最佳训练场，为 AI 提供了从"会思考"到"会行动"的进化路径。

AI 史上不少关键突破，往往先在游戏里跑通：1997 年深蓝击败卡斯帕罗夫，证明机器能在明确规则下战胜顶尖人类。2016 年 AlphaGo 结合深度学习与蒙特卡洛树搜索跨过围棋门槛，让人看到 AI 能长出近似"直觉"的决策能力。2019 年 OpenAI Five 在 Dota2 的高强度对抗中发现，当试错规模和算力足够大，能力会出现非线性跃迁，这套"Scaling law"后来被迁移到语言模型上，才有了 GPT 的一路升级。

到了 2025 年，这段历史像是在重演，只是学习目标换了。

英伟达刚发布的 NitroGen 就是个典型案例，这个模型能玩 1000 多款游戏，从 2D 横版到 3D 开放世界，从角色扮演到大逃杀，几乎通吃。它直接看游戏画面、输出手柄操作，靠的是 4 万小时游戏主播视频训练出来的。更牛的是，当它遇到从没见过的新游戏，不用从头学，稍微调一调就能上手，任务成功率比从零开始训练的模型高 52%。

英伟达机器人总监 Jim Fan 说得很直白：他们的目标是打造通用具身智能体：不光能掌握现实世界物理规律，还能适应无数虚拟环境里的所有可能规则。

NitroGen 只是第一步，聚焦的是"玩家直觉式运动控制"，但它证明了一件事：游戏里练出来的 AI，能力是可以迁移到现实世界的。

最具挑战性的 AI 研究，几乎都会在某个阶段把游戏当训练场。Demis Hassabis 说过，游戏是 AI 的理想测试床。为啥？因为游戏同时满足了现实世界很难凑齐的三个条件：够复杂、数据够多、试错成本够低。

结语

过去两年，大家的目光都在 ChatGPT 的对话框和 Sora 的视频生成上。但一个更本质的转折正在发生。

AI 正在完成一次关键的进化跃迁：从"理解语言和图像"，到"理解空间和物理法则"。这个跃迁需要的，不再是更大的参数量，而是一个能够提供海量交互数据、支持快速迭代验证、并最终服务亿级用户的完整生态。

游戏，恰好同时满足了这三个条件。它既是让 AI 学会"理解世界"的训练场，也是让 AI 技术"触达用户"的应用场。

而游戏和 AI 的关系用一句话总结就是：用 AI 创造更好的游戏，用更好的游戏训练更强的 AI。

更值得关注的是，DeepMind 已经开始亲自下场创造游戏。当 AI 从"使用者"变成"创造者"，游戏和 AI 的关系将突然间进入一个全新的阶段，这种"涌现"，可能比我们想象的来得更快。

当然，说到底，在这个链条里，最终受益的还是玩家：玩到更好的游戏，同时见证 AI 一步步变聪明。这才是这个时代最酷的事。