AI技术的狂飙突进，正给游戏行业带来前所未有的巨变。从NVIDIA推出ACE打造可自由对话的智能数字人，到Google DeepMind发布能听懂人话、跨游戏操作的通用智能体SIMA，技术的演进不断刷新着想象力。

当“AI颠覆游戏”的喧嚣渐趋理性，身处其中的从业者与创业者，究竟该如何看待AI？它对研发管线、玩法创新与资本融资的影响又有多大？我们如何在风口之上找到真正可持续的破局之道？资深游戏人许怡然提出了一些看法。

以下是他的自述：

导语：研究风口，才能站上风口。

AI都发展到这样的态势了，资本市场早就变了

大家好，今天讲讲我对游戏资本市场的一些观察与观点。

近两年，AI的发展对游戏业的影响特别大。AI发展到这样的态势了，从资本市场上看，有一个比较清晰的悲观现象，就是“钱都跑去投AI了”。没有AI概念的游戏已经很难拿到钱了，就算已经上市的，很赚钱的大公司，只要不喊出点真正有料的AI概念，也不怎么有人关注了。这种赛道关注度的大转换，从二级市场一路传导到早期投资，以及这些投资基金背后的金主，导致流向游戏行业的钱少了很多。

以下3类游戏项目还能吸引到投资人

市场发生了很大的变化，但个人感觉在现在这个形势下，有以下三类游戏项目可能相对有机会还能吸引到投资人：

第一种是极端靠左的项目，就是游戏感觉极好的天才制作人，自己会用AI，或者有最懂自己又会用AI的人配合，能用最少的人力和最快的时间做出来，能让玩家几秒中之内就尖叫出来的，极有特色的项目。实话说这种项目的主要成本就是烧token的钱，他们最需要的可能并不是钱，而是一些站在专业发行视角的，针对项目设计方向一些微调的辅导，以利于游戏更容易被玩家发现以及传播的辅助，大概率更容易直接被有资源的发行或平台公司看上。

第二种是极端往右的项目。就是类似爱马仕一样的，纯手工打造的精雕细琢的精品。就像我讲《给阿嫲的情书》的那篇文章说的，在AI导致娱乐快消品大泛滥的时代，吃惯了预制菜的人，反而会大幅提升“好好吃一顿精品大餐”的欲望。你如果拿得出来一个，远远高于其他游戏的，极致高品质的设定，也有机会征服那些，手里仍然有很多钱，想投资精品好游戏的大佬的青睐。

第三种就是要玩儿命跟AI扯上关系，说白了要让那些只想投资AI的热钱看上你才行，只是讲你做游戏用了AI根本没用的，你要真的跳过去变成AI公司才行，我建议大家重点去看General Intuition获大额融资和Deepmind投资EVE这两个案例。他们都是用游戏的数据去训练AI模型，甚至不是给游戏用的模型。最理想的情况就是我在讲“空间直觉”的那篇文章（《文章标题+超链接》）里说的：首先能让玩家愿意掏钱玩你的游戏，其次玩家在游戏的过程中恰巧帮你提供了高质量的训练数据，训练你背后的AI模型。原本这些AI模型公司，都是需要花费巨资，去雇人帮他们做人工标注的，现在你不但不用花钱，标注师还反过来给你钱，简直不要太合算了！

直面当前AI发展下，对游戏研发影响的真实现状

一年一度的ChinaJoy游戏展刚刚结束，最近跟不少游戏行业的人聊天，包括业内的打工人，创业者，投资人，游戏媒体等，用我的话总结就是：从GPT引领AI爆发到现在已经好几年了，总是听到有人喊“狼来了”，要来颠覆你们了，结果到今天为止，也没真的看到一只真正有威胁的狼跑出来。

首先一个现实情况就是：全世界仍然还没有产生一款游戏，借助AI实现的全新玩法，给玩家带来了有价值的全新体验，玩家愿意掏真金白银为AI生成的内容和玩法点赞掏钱。

降本增效方面，AI确定已经在编程方面被普遍使用，而且已经能够大幅提效，这提供的最关键价值是：以往策划的想法，必须想办法写成文档，画出示意图，找到参考资料，给到跟程序和美术，再辅以大量复杂的口头沟通，请他们帮忙实现，现在很多内容策划自己就能直接做出来了，就算不能达到直接完成成品上线的效果，但至少能相对准确的实现策划想要的效果，大幅降低了沟通成本，而且策划可以自己给自己编写大量好用的工具，大量原来需要程序帮忙做的策划编辑器之类的工具，策划都可以直接自己做了，简单的IAA小游戏和中重度IAP游戏中前置的导入玩法等，已经完全能够做到快速自动生成了，这些方面已经体现出质变的价值。

大家原来预期最早会被颠覆的美术方向，反而进展较慢，一方面因为玩家眼睛看得见，非常敏感，且普遍反感，大厂基本不敢用，再加上AI生成实际可用素材的能力仍然没有完全跨越最后一公里，所以美术方面实际提效效果一般。

——整体看下来，高品质游戏，长程乐趣的构建能力仍然没有突破。

做游戏怎么用好AI，我的一些观察与建议

但是学习AI、拥抱AI，仍然是不庸置疑的未来方向。

就算你并不想，也没能力彻底跳过去变成AI公司，但从我近期跟几家AI用的比较好的创业公司聊下来，总结的核心收获就是：一定要优先利用你对某一个品类的专业知识，设计出一套凝练了这个品类所有规则体系、模块，各模块之间联系和所有可调节参数的，白盒的数据结构；再让AI在这个框架下去吃该品类的训练数据，告诉它什么样的设计是好的，什么样的设计不好，才能逐渐让你的AI模型理解这个品类，从而有机会输出，在这个品类框架下的优质设计。

以我前面介绍过的Cosmic Lounge这家为例，他们蒸馏了所有能总结成网格之间互动规则的休闲手游玩法，形成了一套专门适用于这类游戏的数据结构，以它为基底，再让它学习大量休闲手游的设计案例，甚至直接看别人的游戏视频，都能正确的提炼和反推，这样调教出来的模型，就能快速输出高质量的，网格类休闲手游的玩法和关卡，并且能支持你在任意节点，中途打开编辑器，直接人工修改某一个玩法或关卡中的具体细节，并能保持产品的规整性、可读性、可修整性和可持续正反馈训练的效果，甚至能把玩家游玩的反馈数据自动回输，进行持续的优化训练，而不至于在AI生成的，人类根本看不懂的屎山里彻底失控。

好啦，今天就讲这么多，欢迎订阅收听我的播客节目“UV相对论”。顺便提醒一句：喜欢看文字稿的，我的每一篇视频的原稿在我的公众号里都会同时发布，感谢大家的转发和关注。咱们下期见！