编辑｜游戏那点事｜西泽步

引言：填补游戏社交的最后一块死角。

近日，在GDC 2026的讲台上，来自光子工作室群的《和平精英》策划副总监薛冰与高级研究员Jiaxin Zhang，基于《和平精英》的AI队友系统，分享了团队在过去一年中对于AIGC技术的探索与运用。

作为一款拥有海量用户的大DAU产品，涵盖了战术竞技、搜打撤、团队竞技以及UGC等多种游玩模式的《和平精英》，日渐呈现出越来越强的社交属性，意在满足各类玩家的需求。许多玩家在对局中不仅关注竞技结果，也同样看重团队合作与社交互动带来的乐趣。

但是，在线竞技游戏的竞争本质可能是一道很高的门槛。对于刚接触游戏的新手玩家，或者那些更喜欢低压力社交环境的玩家来说，尤其如此。团队不想丢下这个庞大的玩家群体，因为他们是《和平精英》社区的重要组成部分。并不是他们不想社交，只是他们的需求还没有得到满足。

那么，如何在不改变现有游戏规则和玩法的前提下，为这部分玩家提供等同于真实团队的战术深度与社交满足感，同时又将社交压力降至最低？

传统上，团队依靠优化匹配机制和创建好友系统解决这个问题。而AI技术的发展，为他们提供了一个新的解决方案。通过大语言模型（LLMs）与强化学习的结合，团队从零构建出了一套能够听从指挥、自然交流并提供实质情绪价值的“AI队友”系统。

截至目前，“AI队友”系统已上线近一年。据团队在GDC上披露的数据，所有AI NPC相关模式已吸引超过1.1亿玩家体验，最高日活跃用户数达到1770万。在与AI队友组队游玩的过程中，玩家单局消息互动量达70轮次，玩家开麦交流率也超过了真人双排模式，达到了近75%的历史新高。

不过，在这些亮眼的数据背后，要让AI技术真正为游戏服务，团队还需要解决许多接地气的难题。比如，如何让AI模型听懂复杂的游戏“黑话”和战术指令？怎样保证AI在嘈杂、弱网的语音环境中依然能快速准确地响应？最重要的是，AI要怎么在玩家面前展现出真实的“活人感”？

在接下来的分享中，团队详细地解答了这些问题。（以下为游戏那点事整理的现场分享实录，以及精选的部分问答）

一、从工具到伙伴

大家好，我是来自腾讯光子工作室群的游戏设计师薛冰。为了还原最真实的玩家体验，我们将“绝地指挥”模式内AI队友的落地拆解为三个阶段。在这个过程中，我们的目标是将AI从一个单纯的智能工具，变成一个真正的伙伴。

在第一阶段，我们的目标是创造一个既有技巧又高度拟人的队友。技巧体现在他们玩游戏的方式上，拟人则体现在他们的交流方式上。

在这个阶段，AI队友完全理解游戏，玩家可以用自然的语音与他们交谈。AI会执行玩家要求的任务，还会提供情感支持。每个AI都有像活人一样的性格，拥有自己的声音、风格和背景故事。最终的体验，感觉就像和真实的人类队友打一场普通比赛一样，没有任何学习成本。

到了第二阶段，我们的目标是让AI感觉更加人性化，并提供真正的陪伴感。为此，我们主要进行了两项更新：

首先，我们赋予了AI记忆。它可以记住过去的比赛和对话。例如，它可能会说：“上次我们在这里赢得很漂亮。昨天那部电影怎么样？”或者说“我知道，这是你最喜欢的苹果。”你们玩得越多、聊得越多，这种羁绊就越深。

其次，我们打破了人类和AI之间的系统障碍。你可以将AI队友添加到你的好友列表中，并邀请他们加入游戏。你甚至可以在我们的官方队友App上与他们聊天。他们的行为举止和真实的人类朋友一模一样。

在第三阶段，我们专注于赋予个性化，希望每个AI队友都是完全独一无二的。

所以我们添加了动态特征系统和亲密度系统。有了动态特征，AI的核心性格保持不变，但随着你不断游玩和聊天，你将塑造他们的偏好。例如，你的AI可能会学会喜欢吃西瓜，而其他人的AI则更喜欢香蕉。每个人都能获得一个独一无二的专属队友。

亲密度系统则模拟了真实的人类关系：随着关系越来越近，你们会从陌生人变成普通朋友，再变成亲密知己，对话的主题和语音语调也会发生变化。在这个版本中，玩家终于可以用自己库存中的服装来打扮他们的AI了。

随着我们继续测试和改进，我们意识到我们建立了一个更大的系统——一个可复用的“大语言模型+AI机器人”框架。基于这一成功，我们将AI引入了更多场景：

比如智能战犬布鲁斯，在整合了大语言模型后，它就像一个真正的工作伙伴一样，能完美理解各项语音指令，自主搜索物资、与你并肩作战甚至救助倒地队友。

此外，丝路敦煌主题模式中的吉祥物“小马神”，也有一套实时感知和反馈系统，会观察你在比赛中所做的一切，包括击杀、被击倒或是找到顶级战利品，并生成即时互动反馈。

值得一提的还有“AI托管”功能，当玩家必须暂时离开时，临时托管AI能够帮助角色听从你小队队友的语音指令，保证团队的游戏进程不受干扰。

这些尝试的数据都让我们非常兴奋。

一个完全围绕沟通建立的模式，却吸引了我们最不擅长社交的玩家，这恰恰证明了我们最初的理论：单排玩家也想社交，他们的需求只是需要被满足。对于这些不擅长社交和团队活动的玩家，在尝试这种模式后，他们游玩的总场次数据也显著飙升。可见，AI队友功能成功地驱动了这部分核心受众的参与度。

目前，我们在《和平精英》中的AI探索已经取得了很好的效果，但这仅仅是个开始。我们希望AI队友能成为真正的伙伴。以下是关于双工自然对话的下一步计划。

未来，AI队友的能力将超越简单的问答，具备处理对话中断和情感共鸣方面的细节。它不仅仅会记住事实，还会理解玩家的感受，这会体现在它的声音和记忆处理中。AI队友会从你过去的比赛中学习，了解你的需求，提供实际的关怀和战术支持。最终，我们希望在玩家和AI之间建立更深层的联系。

我们还在通过将大语言模型与强化学习结合来构建策略组件，这保持了AI的实时感知能力。通过情境感知，AI整合了地图、统计数据和玩家命令，从逻辑上了解接下来的行动。通过逻辑链，不再有黑盒AI，AI会向玩家解释它为什么采取某一步动向。我们将打造具有不同游戏风格、协调性以及带有实时规划教练功能的AI。

同时，我们正在多个维度上扩展我们的AI角色和NPC。我们将继续探索这些功能的广度和深度，确保《和平精英》在游戏AI领域保持领先地位。我们正在创建并推出全新的AI角色，以满足玩家非常具体的社交和陪伴需求。最后，我们将UGC引入我们的AI，希望赋予玩家设计和创建属于他们自己的AI队友的能力。

我们非常兴奋地欢迎品牌代言人田曦薇的加入。在即将到来的一次大型更新中，华晨宇等特定角色，将由策略大语言模型、用于双工对话的情感系统以及深度记忆处理系统提供支持，提供更智能的互动和真正的陪伴感。

团队对AI与游戏玩法的融合学习永无止境。这就是我今天分享的全部内容，非常感谢大家的时间。接下来有请我的同事Jiaxin进行分享。

二、落地“活人感”

我是光子工作室群的高级研究员Jiaxin。

现在AI可谓是无处不在。无论是谷歌的模型、OpenAI、还是在金融、医疗等领域的专家模型，或者是像Cursor、Sora这些非常棒的工具，AI都已经不仅仅是实验性质的了。

近期在游戏领域，我们也看到了AI功能的涌现。比如在有些游戏里你可以和NPC聊天来影响故事走向，AI驱动的智能体可以规划自己的行动并影响游戏轨迹。

所以，问题不在于AI能否在游戏中发挥作用。真正的问题在于，我们如何利用AI来增强我们现有的游戏体验？这就是《和平精英》AI队友系统项目的起点。

正如先前所说，我们希望创造一个栩栩如生的AI队友，要具有功能性，也要有情感价值。在确立了总体设计感与玩家体验目标后，接下来的挑战是，如何在复杂的游戏环境中将这些构想真正落地。

因此，我们围绕“行为、语言、语音、养成”四大支柱进行了设计：它可以行动与合作，可以自然且结合语境地交谈，可以像真正的队友一样理解你的话并做出回应，以及它们可以建立长期的情感羁绊。

相比于其他游戏中AI扮演的盟友或助手，《和平精英》的AI队友能和你一起玩，和你聊天，记住你并和你一起成长。这就是助手与队友的区别所在。

在技术层面，我们的AI系统建立在标准的AI基础架构之上，如ASR（自动语音识别）、语言模型和TTS（文本转语音）。但为了把这些通用技术塞进千万级DAU的射击游戏里，我们踩过了无数的坑。

首先，我来介绍我们的AI队友如何在充满背景噪音的复杂场景中理解语音。这听起来很简单，但实际并非如此。

在真实的游戏场景中，会有大量的枪声、脚步声等背景噪音。我们必须在嘈杂环境中检测到有效的语音。而且，我们的玩家遍布全国，他们可能使用方言或者带有口音。此外，我们还必须让AI队友理解游戏玩家间的黑话缩写等等。

为了处理复杂场景下的玩家语音，我们提出了一个三阶段方案：首先使用VAD（语音活动检测）来确定玩家是否真的在说话；然后应用语音增强技术来消除噪音和回声。

最后，使用ASR将提取的语音转换为文本，以供后续的任务处理。通过这些改进，我们在嘈杂环境中实现了85%的句子准确率，并去除了约80%的输入噪音。

听懂了玩家的话之后，接下来就是基于大语言模型（LLMs）的语言能力处理。输入的文本总是伴随着噪音，而且指令的表达方式多种多样，我们必须准确识别玩家的意图。为此，我们将用户的输入路由到两个系统。

我们使用意图识别模型，来判断玩家输入的是指令还是日常对话。如果是一个指令，它会进入我们的指令解析模块，我们有定制训练的语言模型将用户输入转换为结构化格式。

如果是日常对话，我们的被动闲聊模型则将结合游戏内的信息和长期记忆，生成符合该AI角色风格的回复。

除了响应玩家，我们的AI队友还会主动发起对话，例如当玩家血量低时提醒打药的“事件驱动型”对话，或是静默驱动型闲聊。

因此，长期记忆至关重要。AI必须要记住每次重要的互动，不仅要在单局游戏内记住，还要能够跨越多局游戏。

我们的记忆生成过程分为三个阶段：第一是局内实时提取，提取对话中的重要信息，例如玩家的偏好；第二是赛后总结，总结玩家偏好的武器或常用命令；第三是每日记忆汇总，在每天结束时汇总多场比赛，生成玩家行为模式的每日总结。

拥有“大脑”后，AI还必须拥有可靠的“四肢”。AI队友的行为能力主要基于其强化学习，我们将AI的行为分为两类：一是自主行为，AI自己做决定，像真实玩家一样行动；二是指令跟随行为，即AI执行玩家发出的命令。

这又带来了两项关键挑战：AI的行为必须流畅合理；AI必须知道何时该跟随指令，有时也必须拒绝不合理的指令，并且要能平滑地过渡回自主行为。我们结合了大量专家规则来规范其行为，这使得AI在智能与稳定的游戏表现之间取得了平衡。

为了让AI能够顺利生成符合不同角色人设的语音，我们需要解决“游戏专属术语的准确发音、音色与情绪的准确表达，低延迟的实时语音交互”这三个问题。

最终，我们基于TTS（文本转语音）模型对AI队友的语音生成进行了定制训练，使每个AI队友都有自己独特的声音，增强了音色、语气和情感表达，使其听起来更加自然。

最后介绍的是我们的AI养成系统，旨在让玩家体验与AI队友建立人类般关系的乐趣。我们为此设计了两个机制：

第一，玩家通过与AI的互动可以提升好感度，这反映了他们关系的发展。第二，通过不同的对话主题，玩家可以为他们的AI队友解锁个性化标签，这些标签创造了更鲜明的养成结果，并增强了玩家的成就感。

展望未来，我们的AI队友还有四个有待改进的地方：

1.更好的上下文理解：当前模型有时会忽略上下文，导致回答显得不够连贯；

2.更强的泛化能力：定制化微调可能会导致灾难性遗忘，偶尔会降低AI的智能水平；

3.更丰富的个性表达：目前AI的个性主要反映在遣词造句上，我们希望它也能体现在回复的逻辑和内容中；

4.情感一致性：就像人类的情绪转换一样，AI队友的情绪状态也应该更连贯。

感谢大家聆听。

三、Q&A环节

Q：最高日活跃玩家高达1770万，庞大的GPU算力成本如何承担？未来是否有商业化计划？

A：首先，我们最关心的是玩家体验，希望所有玩家都能享受到AI陪伴的乐趣。其次，我们得到了公司内部不同工作室的很大支持，包括GPU算力支持，同时我们在算法工程优化、交互设计上做了大量降本实验，将其控制在了可承受的范围内。

该功能对所有玩家免费开放，团队当下的全部精力依然聚焦在AI体验的优化和能力升级上，暂未考虑进行相关的付费商业化设计。

Q：AI是否会盲目服从玩家指令？例如向它下达走入交火区“送死”的命令，它会听从还是拒绝？

A：为了保障用户体验，我们的AI队友确实会将玩家的指令放在极高的优先级。但是，我们在服务端也设立了专门的拒绝机制，AI会识别并拒绝玩家发出的明显不合理的指令。

不仅如此，AI偶尔还会根据当前的游戏局势，主动向玩家提出一些战术建议。我们一直在持续迭代这部分能力，希望未来的AI能提出更高级、更复杂的战略方案供用户判断，但总体原则依然是：玩家的个人意愿，永远高于AI的系统策略。

Q：目前AI推理都在云端进行，未来会考虑将一部分模型部署在端侧（本地设备）以降低云端成本和延迟吗？

A：目前所有的服务都是基于云端的，原因在于当前设备端侧的AI算力仍然十分有限，如果放在本地运行，我们无法向玩家保证一个高度稳定且良好的体验。

但这绝对是未来的重要演进方向，不仅是我们的AI队友项目，也是整个行业的发展趋势。至于延迟问题，目前云端的专门算法团队已经做了大量的优化工作，在当前的实际交互体验中，这已经不再是一个大问题。

Q：外部AI大模型技术的突飞猛进，给项目团队带来了怎样的影响？

A：最大的影响是强烈的紧迫感。AI时代的迭代速度太快了，我们每天都会面临新的AI能力和工具的发布，团队需要投入大量精力去不断筛选、验证，并思考它们是否能有效地与游戏玩法结合。

最直接的影响体现在AI的决策能力上，借助外部技术的进步，AI的自我思考和战场判断能力得到了比以往大得多的提升，这成为了我们推动AI队友产品迭代的重要技术支撑。

Q：如果未来AI队友在战术和情绪价值上提供完美体验，是否担心这会冲击《和平精英》现有的真人社交生态？

A：暂不担忧这个问题。一方面，目前的AI离真正达到完美“真人级”的体验仍有一定距离；另一方面，始终是玩家在做自主选择——他们是在体验《和平精英》的体系，去玩哪个模式、选择和真人玩还是和AI玩，说明该玩法正好匹配了他当下的诉求。

作为一个涵盖极广的生态，《和平精英》的目标是做好各种体验的提供方，AI玩法只是满足了特定群体的需求，并不会分流核心用户。对于高度拟真化可能带来的伦理边界问题，我们认为这些争议大概率会先在游戏外的通用AI应用中出现并被解决，目前在游戏内无需提前过度考量。