对话超参数：从600个AI到一个“西部世界”的未来，AI原生游戏的苦与乐

作者｜董道力
邮箱｜dongdaoli@pingwest.com

如果你最近留意过 AI 游戏这个赛道，大概会有一种似曾相识的疲惫感。

过去一年里，"AI 游戏"几乎成了 AI 陪伴和 AI 文字游戏的代名词。无论是能和你谈恋爱的虚拟角色，还是让大模型实时生成剧情的互动小说，它们的玩法内核高度一致：本质上都是把大模型的对话与生成能力做一层产品化包装。

AI 负责把话说得更漂亮、把剧情续得更顺，玩家则负责不停地输入。换句话说，模型能力的天花板，几乎就是这类产品体验的天花板——抽掉那层对话皮，下面往往没有一个真正"成立"的游戏。

而《遥远行星：建造师》想往前再走一步。

它是一款太空跑商游戏，你穿梭于 150 多颗星球之间，从一名新手商人做起，经营店铺、打通商路、组建商会，最终成为搅动整个星系格局的大老板。

游戏的经济系统由 AI 驱动，供需与价格并非固定数值，而是由 600 多名 NPC 的立场、关系与选择共同塑造。这 600 多名 NPC 各自拥有独立的身份背景、长期目标与行动逻辑，会根据你的行为、市场变化与阵营关系持续做出选择，而这些决策会真实影响贸易环境、势力结构与世界走向。

换句话说，这个游戏世界会“记仇”。

它的野心不在于"用了 AI"，而在于做一个玩家与 AI NPC 共生、能够自我运转的动态世界。用制作人刘寒的话说，这个方向的终局是"西部世界"：一个有人、有组织、有物理环境、也有运转规则的小镇。AI 在这里不是给传统玩法锦上添花的工具，而是世界能否"活"起来的底层引擎——把它抽掉，游戏还在，但那个会生长、会反噬、会因果相连的世界就没了。

支持游戏底层AI玩法落地的超参数科技，成立于 2019 年，核心团队脱胎于围棋 AI"绝艺"和《王者荣耀》AI"绝悟"，长期为大型商业游戏提供游戏 AI 服务。

如今它亲自下场，押注的正是"AI 原生游戏"这条大厂因缺乏成功先例而难以立项、却恰好属于独立团队的窄路。

但理想和落地之间，隔着一整套工程难题。600 多个 AI NPC 如何同时在线运转而不崩？大模型的输出成本怎么控制，才能让一款卖三十几块钱的游戏"运营上不亏"？为什么是通义千问而不是 DeepSeek？

带着这些问题，我们和超参数科技的VP 季兴，以及《遥远行星：建造师》制作人刘寒聊了聊，关于一款 AI 原生游戏从的诞生，以及游戏中对AI能力的取舍。

硅星人：先问刘寒老师，这款游戏的内核，究竟是一款太空跑商游戏，还是一款 AI 游戏？换句话说，如果抽掉 AI 部分，比如 AI 议价、AI 生成世界，它还能成立吗？

刘寒： 我们做这款游戏时，最初的目标并不是"要做一款 AIGC 游戏"，而是想构建一个玩家与 AI NPC 共生且动态运转的世界。这是我们的初心，它并没有完全落在"AI 建设"上，而是落在"动态运转的世界"上。

动态运转世界这件事的终局是什么？我们认为应该就是"西部世界"。我加入超参数之前做过《我的侠客》，也是类似的动态世界类型。在抵达终局之前，要做这样一个动态运转的世界，首先得有一个世界，而这个世界要有足够多的自运转要素，才能让事件具有一定的不可逆性。所以才有了这个项目。

回到你的问题，这款游戏拿掉 AI 还算不算游戏？我觉得它仍是个游戏，但它就不再是我们想要的那个动态运转的世界了。

硅星人：那为什么会选择"太空跑商"这个方向，而不是当下更热门的 AI 陪伴或 AI 文字游戏？

刘寒： 这又回到世界构建上。如果我们认为"西部世界"是终局，那它本质就是一个小镇——美剧里的西部世界就是个小镇，但这个小镇包含了完整的要素：有人、有组织、有人类意志的创造物、有物理环境、还有运转规则。

比如盗贼进入小镇，警察要出警，这显然是人类设计出来的运转规则，它让事情有了这样的运转方式；但如果把规则改成"盗贼进来之前，警察每天在路边巡逻"，整件事就会以另一种方式运转。所以我们认为，首先要构建一个有大量 NPC、也有组织的世界。

我们讲太空跑商，真正参考的原型其实是《太阁立志传》，一款很古早的光荣的游戏。因为我们看到那个游戏里有很多 NPC、很多组织，它们能够自运转，并能以当时机能的方式模拟出一个个事件。

所以在太空跑商这个框架里，我们看到了五层想要的东西：人、组织、人类意志的创造物、物理环境，以及运转规则。我们认为其中的语言层和机制层可以彼此产生互动，让玩家既得到那些"可预期的确定性"，也撞上"不确定的意外"，这是我们的动机。

至于为什么不用 AI 陪伴或剧情互动，这类方向若写得好，能大幅增强大语言模型生成信息所带来的满足感和新鲜感，只是它不是我们选择的路线。

硅星人： 如果把这款游戏拆解开来，哪些部分是真正由 AI 驱动的，哪些仍然依靠传统的策划和数值系统来兜底？

刘寒： 我先把 AI 扩展为广义上的 AI。我们认为大模型、条件机、行为树都属于广义上的 AI，它们都能模拟出人类所看到的某些逻辑——因为我们的观点是，所有 AI 的本质都是在模拟人类的逻辑。

所以回到你的问题，目前游戏里其实条件机有、行为树有、大模型也有，很难拆得那么开。但有一点是确定的：游戏总要有一些可预期的东西，规则也好、机制也好，都是由创作者确定的。

我们最近在做 MOD，在 MOD 开放之前，这里面大部分创作仍然由我们的策划完成，策划把机制和预期定下来，玩家则在这些机制和预期之内，涌现出自己想要的东西。

我觉得玩家其实已经玩出了很多我们原本没有预期到的东西。现在这款游戏更偏沙盒，我们定下规则，玩家在规则之内创造出自己想要的东西。

硅星人：接下来想请教季兴老师。您主要负责 AI 技术落地，对超参数而言，这个项目更像是一次技术案例的落地验证，还是想真正探索 AI 游戏商业化的可能性？

季兴： AI+游戏这个方向我们一直在尝试。最早 2020 年我们做过一款 AI 微信小游戏《轮到你了·揭秘篇》，2023 年做了一个叫"活的长安城"的 Demo，到今年，我们和寒哥一起合作了《遥远行星：建造师》。

对我们来说，它更偏向一次"试错型"的技术落地。之前那些 AI 原生游戏更偏雏形，而这次我们想真正面向玩家做一次开放性测试。在此基础上，我们对 AI 侧的成本做了一定控制：第一，如何把它控制在一个小规模的成本下试错；第二，暂时没有把AI完全做成本地化部署。只有在拿到大量用户反馈之后，我们才能更好地决定后续 AI 侧优化的方向。

硅星人： 接下来问一个比较开放的问题。最近"AI 原生游戏"这个定义其实比较混乱，你们是怎么区分"AI 游戏"和"用了 AI 的游戏"的？

季兴： 因为我是 AI 侧的，我的定义可能更严格一些。首先，游戏的核心玩法要和 AI 紧密结合，甚至可以说：如果脱离 AI，玩法就不成立，这样我们才称之为 AI 原生游戏。

《遥远行星：建造师》刚好属于这一类——它的动态沙盒、AI NPC 的决策与记忆、AI NPC 之间的社会关系网，都是 AI 所在，如果把这些抽掉，整个玩法就不完整。

如果是"用了 AI 的游戏"，定义会更宽泛。比如在已有的商业化游戏中，用 AI 去优化玩家的体验或行为，或者用 AI 做产能上的提升。但这些 AI 应用本身，我理解它不太改变整个玩法的上限和方向。

硅星人： 接下来问一些细节。先问刘寒老师，游戏中的自由对话和议价系统，你们如何防止玩家通过语言操控 AI、甚至"破解"AI？有没有防护措施？

刘寒： 有一些防护措施，比如数值上的边界。但在这件事上我们并不纠结，我们认为玩家欺骗 AI 本身就是一种乐趣。总体观点是，我们需要设置边界，但这个边界不是一道牢不可破的墙。玩家可以适度地去欺骗 AI，关键是要在其中习得乐趣，也就是"我到底该怎么骗 AI、怎么跟 AI 交互"。

硅星人： 你们之间在游戏设计上有过争议吗？比如刘寒老师认为用户体验就应该这么设计，但季兴老师觉得 AI 落地不了，有这样的时刻吗？

季兴： 我觉得，相比"游戏制作人"和"AI 开发者"之间的分歧，更大的考量因素在于，在游戏+AI 的落地过程中，"自由度"与"游戏可控性"之间的权衡。

这在以往很多案例里都碰到过。一旦加入 AI，无论是行为侧还是交互侧，都会在一定程度上给玩家带来一些"失控"的元素。但我们又想通过这种多样化的 AI 行为表现，给玩家创造更丰富的体验。所以这中间需要反复对齐、反复推敲。

核心是两点。第一，AI 的边界行为有哪些；第二，在边界之内，我们能用 AI 给玩家提供怎样多样化的体验。我理解这在 AI 和游戏的研发过程中是有一定矛盾和冲突的，内部需要多磨合。

刘寒： 我觉得这个问题在游戏上其实可以统一来讲，就是究竟是"AI 无用论"还是"AI 万能论"。当一个新工具交给游戏开发者时，很容易出现一种情况：因为有 AI 团队在，我们就把需求一股脑抛过去，"AI 团队帮我解决一下"，于是默认 AI 万能；但也可能一开始觉得 AI 万能，过段时间发现这也不行、那也不行，很快又落入 AI 无用论。

我自己觉得，游戏与 AI 结合这件事，终究要回答两个问题：第一，游戏开发者要的是什么；第二，AI 工具的边界是什么。这两个问题被回答清楚之后，游戏和 AI 的结合就会更顺畅。

硅星人： 季兴老师，AI 落地时肯定会面临这样的问题：对话模型可能被玩家拿去当编程工具，套你们的算力。你们在落地时做了哪些技术上的防护？

季兴： 这个肯定有。最基础的，是涉及敏感词汇的防护，这是最底层的。再往上，是针对"逃离游戏基本设定"的防护——比如游戏的世界观、基本逻辑，包括对话的自然性，至少要让玩家与 AI 的对话是连续、自然的，而且不脱离整个游戏世界观的设定。我们用大语言模型里的一些技术，把整个 AI 对话限制在一定范围内。

我们整个 AI 对话虽然基于一套大语言模型，但底层仍需要刘寒老师这边提供的游戏世界观、物理逻辑、设计逻辑。我们通过类似 RAG 的方式，把世界观限定在一定范围内，同时也会有一些"后兜底"逻辑来保证这些机制的完整性。

硅星人： 有没有某个游戏创意或功能，因为 AI 技术落地不了而取消的具体例子？

刘寒： 讲个很有意思的事。去年年初我们就在做剧情生成，现在也还在做，但这个剧情生成我们来回磨了一年多，当然现在做得也还不算好。一开始策划抛出的需求是："这个故事是这样的，我希望中间发生某件事，故事就要随之变化。"AI 同学就问："你希望发生的变化是什么样的变化？"策划说："我不知道，如果我知道就自己写出来了，我就觉得这个故事应该会发生一个变化，AI 应该顺其自然把故事推出来。"当时大家对 AI 的理解大概就是这样。

比如，剧情是 A 要去找 B 朝拜，策划希望朝拜过程中 A 突然把 B 杀掉，原本的故事接下来就应该转换成新的样子。AI 同学问"你希望转成什么样的新样子"，策划说"我不知道，我只想知道这个故事该怎么发展，让 AI 自己去推就行"。

但站在今天的视角看，这显然有问题：你让 AI 去推一个没有预期的东西，AI 最后只会"过拟合"，并不会给你想要的东西。让 AI 做"脚手架"这件事，是去年一个非常典型的例子。后来我们也意识到了脚手架的重要性：所谓的故事其实是有框架、有结构的，涌现也是在一定规则和范式下的涌现。

硅星人： 接下来这个偏游戏设计，问刘寒老师。既然已经有了自由发言，为什么还要设计"快速议价""灵感发言"？你们是如何在交流负担和游戏自由度之间做平衡的？

刘寒： 这个问题很有意思，我们在这件事上摇摆过两次。最早所有对话（与NPC议价对话，与NPC普通对话）都有"灵感发言"，用了大概小半年时间。上线前那天我们把灵感发言砍掉了，先砍掉的是跟 NPC 交互的部分，但没有把议价部分的灵感发言拿掉。

为什么？第一，我们有个观点：讲话这件事其实很累。从能量消耗看，大脑是高耗能单元，肢体是低耗能单元，所以讲话蛮累的。但讲话所获得的多巴胺反馈又是最多的，别的地方的反馈可能都不如你说一句话、别人回一句"对，你说得对"来得多。所以它是一个"高耗能带来高反馈"的地方。

议价里之所以保留灵感发言，是因为玩家最开始接触到的就是议价这个场景。这个场景太过功利化，你要的就是让他顺着路径获得正反馈，所以我们尽量节能，不让他费脑子。同时也是借此传递给新手用户一件事：这是一个可以自由发言的游戏。

这里我们还做了一些小设计：最开始点完灵感发言会直接发送出去，后来改成点完先进入底部对话框，玩家可以二次编辑再点发送。这都是在潜在地告诉用户，这句话是"你"说的，灵感发言只是帮你而已。另外，议价部分的规则收敛比较强，我们要求你必须讲真实的事情、不能造假，这就迫使玩家从环境信息里抽取真实信息来完成。即便如此，一开始这部分仍给玩家带来不小压力，玩家会觉得"付出不少，为什么不能随便口胡就拿分"，后来我们也对难度做了一些调整。

然后说第二部分：为什么我们把跟 NPC 交互（比如夸赞、抬杠等）里的灵感发言拿掉？很有意思的是，当我们给玩家提供灵感发言时，发现玩家其实不太愿意思考，因为 AI 输出语言的逻辑性、结构性比绝大多数人讲出来的话都好。这带来两个问题：第一，玩家发言压力变小了，觉得"反正有 AI 帮我发言"；第二，对话中的惊喜感变少了，因为 AI 给的灵感发言过于四平八稳，很难和 NPC 之间擦出惊喜的火花。我们一直在玩家群里测试，把灵感发言拿掉之后，整个玩家群里关于"NPC 对话"的分享大幅增加，因为这时玩家的发言是欠缺逻辑的，恰好能让大模型输出那些很离谱但又很有意思的内容。

当然我们最近也在解决"发言成本太高"的问题，比如做语音输入，戴个麦克风就能说，不用打字。还有润色功能，你输入两个字，它会自动帮你扩展成更长的一句话。

但我们始终认为，对话这件事需要玩家亲自输入一些东西。这件事当下可能让玩家觉得有点负担，但只要他愿意玩，就会觉得有乐趣。

硅星人： 我看到对话有轮数限制，根据好感度控制在 3 到 5 轮，这个数字是怎么来的？

刘寒： 直觉。最开始是五轮，五轮自己测的时候觉得好累，就改成了三轮，纯凭直觉。

硅星人： 问一下季兴老师，这款游戏目前用的是什么底层模型？

季兴： 我们用的是通义千问。一来我们要做一些定制化的微调，它作为开源模型比较适合。二来它对中文环境的适配性较好，同时我们在性能和成本方面也做了考量。

硅星人： 你觉得千问和豆包最大的差别在哪？开源闭源、生成速度，还是成本？

季兴： 更多还是从成本侧考量。毕竟我们面向的是一个公开的商业化游戏环境，而且这是我们第一次商业化游戏上线，所以对成本的考量会更多一些。

硅星人： 我之前问过一些其他做 AI 游戏的，他们也大多用千问。千问是不是对 AI 游戏开发者的支持更好一些？

季兴： 它至少在中文环境下，作为一个能做商业化应用的开源模型，是一个比较好的选择，所以大部分开发者会先选它。

硅星人： 那为什么不用 DeepSeek 呢？

季兴： DeepSeek 我们之前也试过，但综合整体耗时、开源性、更新迭代以及最终的成本侧，最后还是选择了千问。

刘寒： 我们有个观点：做游戏，用大模型不追求最新，追求确定。如果我们只是使用大模型的非结构化输出，比如文本的优美程度，那用最新模型当然更好，文本会更优，但其实也不见得，比如 DeepSeek V3 的文本可能比 V4 还更优美一点。

我们认为关键是模型和应用场景之间的关联性。回到这个游戏，我们很在意的一点是：里面有很多"判分"——比如我向 NPC 索取一个东西、跟他打了一段文字，这段判分逻辑是什么，需要大模型来判分。我们发现，每一次模型更新都会带来判分的摇摆。所以如果你的游戏真的把大模型用在很多结构化输出里，尤其是要输出很多数值、或者要和世界状态去耦合，那么使用开源模型会让这件事具有更高的确定性。至少出问题时，你能知道到底是模型出了问题，还是你的设计出了问题。

而很多时候用 API，API 背后都有大量路由，会路由到不同的小模型上。那种情况下问题定位会非常难。你不知道是信息给得有问题、提示词给得有问题，还是这次路由到的地方不一样，根本没法定位。这是我对模型使用的一点补充。

硅星人： 如果想做到盈亏平衡或盈利，这款游戏卖多少钱比较合适？现在三十几块钱肯定是亏本的吧？

刘寒： 首先，三十几块钱不是亏本的，是不亏的。如果指的是研发成本，那肯定亏，但如果指运营成本，我们是不亏的，甚至是赚的。这件事的关键在于：大模型与游戏的应用需要做非常多工程化设计。工程化会带来两件事：第一，让你的 Token 应用可控、边界清晰；第二，能解决模型与游戏状态、数据机制之间的耦合。

举个最简单的例子，为什么这样的应用是可控的？大模型成本分为输入成本和输出成本，输出成本显著大于输入成本，而输出部分与玩家的感知是正相关的。如果我们有大量输出但玩家感受不到，那这个输出就是无效的——输出的东西要被玩家消费才有价值。所以这里有非常多可控化的工作要做，比如：如果玩家什么都不做、只是挂机，那模型就不应该转，因为模型空转对玩家来说没有任何体验。

季兴： 这也得益于 Knit 平台在整个工程化过程中做的调优工作，也体现在它整个模型路由的功能上。

硅星人： 再问一个偏游戏设计的问题。这款游戏是一个世界状态，整个世界的物价、每个 NPC 的记忆等等，如何保存？用状态机、数据表，还是依赖大量提示词？我看你们一个存档体积好像很大。

刘寒： 我们用了一个比较粗糙但有效的方法，存在用户电脑上。传统游戏其实只要记当前的世界状态就够了，但我们做的是全量存储：游戏按天结算，每天结算时，所有 NPC 做过的事情，我们都记在对应人物的记忆体下面。游戏体积之所以那么大，是因为我们做了玩家的记忆体、场景的记忆体、组织的记忆体，并把这些记忆体进行交叉匹配。

举个例子，我跟你议价时，可以加载和议价相关的记忆，我跟你索取时，可以加载和索取相关的信息，比如我们俩是不是同一个种族。再比如游戏里有个"重选大老板"的机制，重选时我可以加载你这个人之前在公司里的业绩。所以我们做的，就是把所有数据都记录下来，然后在不同使用场景里进行不同的调用。

硅星人： 自由模式好像限制在 30 年，这是出于技术上的考虑，再多可能就漂移了？还是出于成本，或者觉得这样游戏性更高？

刘寒： 两个原因。第一是技术问题：现在 30 年下来，存档已经快一点几个 G，如果再往后拉，存档会越来越长，上下文大概率会崩掉。

第二是游戏设计上的考虑：我们过去做过类似的游戏，发现很多游戏到最后会偏向"垃圾时间"，所以给世界设置一个 deadline 可能是个有趣的设计。我们认为世界不应该无穷无尽，而应该有终止的时候，然后你可以选择再重新来一次，这样会更有意思。

硅星人： 游戏里有全局存档和局内存档，其中有一种叫"星际孤品"，为什么这样设计？

刘寒： 基本是游戏性设计，有两个原因。第一是游戏性：你第一局拿到某样东西后，第二局可以选择用不同的东西开局，开局的趣味性会变高，有点像组 Build，也有点像 Roguelike——每 30 年是构建一次人生，不同的选择带来不同体验。比如游戏里有个道具，打到人时百分之百可以进入处决，玩家拿了它，我大概就知道你想玩海盗、不想好好经商了。所以它代表着一种体验预期。

第二是技术问题：局内存档太大了，大部分游戏平台的云存档支持不了。所以我们做了全局和局内的拆分，全局存档可以放到云端，你换一台电脑也能接着玩。

硅星人： 在自由模式中你们如何约束和引导玩家？我看有一个世界性的"预言书"，那些是随机生成的还是固定的？

刘寒： 是随机生成的。预言这个东西，也是我们做到最后才总结出来的。我们发现世界的变化需要一些引导，但如果引导过头、又或者让玩家自己去探索故事线，其实很难探索出来。所以我们做了一个类似"预言"的东西：每一次预言都随机抓取世界上的一些信息，给你三个选项确认下来。玩家有选择权，但又不至于要自己去找选择对象——对象我已经给你了，你可以选择改变或不改变，从而构建出一条属于自己的故事线。

目前这个版本的预言还偏离散。下个版本我们会让它更具叙事性：比如你第一张预言卡抽到的是农业，那下一张大概率还会给你农业的故事，三张卡里大概率还有一张农业的卡。这样如果你有兴趣，就可以继续顺着农业摸下去，随着预言的推进改变某个势力或种族的命运。

硅星人： 接下来问季兴老师。超参数用了一个叫 Knit，这个引擎在游戏中具体解决了什么问题？如何把大模型、NPC 决策这些连在一起？

季兴： 我先澄清一下，它可能不叫引擎，更像是一个平台。Knit 的完整定位是一个面向商业化的 Agent 智能体解决方案。它是我们在和寒哥共建《遥远行星：建造师》的过程中沉淀出来的。在AI原生游戏开发的过程中有很多重复性工作，我们索性把这个平台沉淀出来，未来也能提供给外部使用。它是一个智能体开发、运营一体化的平台。

它具体解决三件事：第一是"编排"。对于一个 NPC，怎么把模型、记忆、关系状态组织成一致且稳定的行为；

第二是"部署"，几百个 AI NPC 背后的服务怎么接入游戏，扛住线上真实玩家的流量；

第三是"运营"。上线之后怎么监控游戏的线上状态、持续调优迭代。这三件事在市面上都能找到现有工具，但在一个真实项目里，必须在同一个地方把它们串起来、跑起来，这就是我们强调"一体化"的原因。

硅星人： 最近大家比较关注 Agent 集群，游戏里六百多个 NPC 同时运行。这六百多个 AI NPC 同时运行最大的难点在哪？

季兴： Knit 在《遥远行星：建造师》里的工作原理，是把几套割裂的系统抽象成一条节点化的决策链路。在我们的架构里，Agent 的决策本质上是一条多节点的工作流：游戏状态、数值系统是变量，系统任务是可执行的 action，而 Agent 的决策就是把这些节点串联起来的主线。换句话说，游戏里的各种定义都可以收敛成一个个数据节点，在统一链路里衔接、协同运转。

真正比较难的是"模型网关"这一层，我们内部叫"模型路由"。链路里有几个关键节点需要大模型来判断决策。难点不是"能不能调用模型"，而是把模型调用做得足够可靠、可控：节点决策时到底用哪些模型？怎样才算失败？是返回结构异常、内容异常,还是超时？有没有 fallback 模型,如何降级与重试？这些是更工程化、更细粒度的问题。

硅星人： 超参数服务了很多游戏公司。在 AI NPC、AI 队友、AI 内容生成等众多模块中，您觉得哪个最接近商业化，哪个被高估了？

季兴： 我最早是从《王者荣耀》里的 AI 开始做起的，做这类商业化应用至今已经过去十年。所以最成熟的一定是游戏中"做行为"的AI，比如 AI Bot、AI 队友、AI NPC 这一类——它依托现有成熟的游戏，商业模式已经被验证。在过往很多 PVP 场景的案例里，我们的 AI 服务能给客户带来明显提升，比如 DAU 提升 最高达15%、留存提升 6%，在匹配时间、玩家活跃度等各方面都能给游戏产品带来明显的指标变化。这一块是最成熟、被反复验证过的。

至于哪个被高估，我换个角度回答：可能被高估的不是某一个方向，而是一种预期。在大模型这波席卷之下，有些人会认为"只要接入足够强的大模型，就能自动产出更多优质内容"。但 AI 内容生成——尤其是真正进入玩法循环的内容生成——它的不可控性和成本问题都还需要时间解决，目前还处在比较早的探索期。

即便我们从"活的长安城"一直探索到今天的《遥远行星：建造师》，我也觉得动态内容生成这条路是通的、价值是存在的，但它需要的不单纯是一个更强的模型，而是一套围绕模型的工程体系——包括记忆、行为的收敛、内容安全、成本控制。所以方向没有被高估，被低估的，可能是实现它的难度。

硅星人：像 Fable 这种最近刚出、能力特别强的模型——随着通用大模型能力越来越强，你们这种可以称为"垂直游戏 AI 公司"的壁垒会在哪里？

季兴： 我觉得首先是行业经验。作为专业化的"AI+游戏"解决方案提供商，第一方面是在服务游戏侧的经验上，如何把 AI 能力充分发挥出来，给玩家制造定向的游戏体验，这是经验层面的横向壁垒；第二方面是工程的部署和应用，因为这显著关系到最终的实施成本架构。

到了商业化层面，最终看的是投入产出比。我们在这个过程中积累了大量对外、对内的实施平台，一些内部的模型训练平台，以及一些优化算法，能够显著降低我们在训练阶段和部署阶段的成本，让整个商业化可控运行。

刘寒： 对我们来说，壁垒还是在于对用户的理解。作为游戏团队，体验的创造和对用户的理解一直是最重要的。新的大模型能否解决这件事？一定有帮助。但人终究是不同的个体，而且每个个体在时间上又存在不可逆性。所以游戏开发者最重要的，还是明确你想创造的体验，以及你的用户想要的是什么。

硅星人： 如果现在您来招人，您觉得 AI 游戏方面最缺哪类人才？

刘寒： 我觉得有两类人才比较缺。第一类，AI Native 挺重要的，他需要在日常生活中真的使用 AI 去解决很多问题。为什么这个特征重要？因为当一个人开始用 AI 解决日常问题，就意味着他对这个工具的边界和使用方式有了一定经验。

第二类，他对自己想做的事情能有非常清晰的描述。大模型什么都能干，但过去我们做设计时，常常把"任务"和"目标"混为一谈：很多时候我们聊的是"这件事怎么做"，而不是"这件事的目标和期望体验是什么"。未来，"怎么做"这件事 AI 能帮你做很多，对人的要求就更多变成了"你要的是什么"——你能不能把目标体验清晰地描述出来，我觉得这里比较有挑战。

所以如果我们招人，会关注两个点：第一，他在生活中大量使用 AI，了解 AI 工具的边界和使用方法；第二，他对生活有洞察，能清晰描述出自己想要的体验、想创造怎样的世界。

硅星人： 季兴老师，如果您来招聘，觉得目前最缺哪类技术人才和落地人才？

季兴： 对我们来说，更缺的是既懂游戏又懂 AI 的人，内部会把这类人才归为"AI 策划"。一来这样的人在市面上确实稀缺，就像刘寒老师说的，需要的能力更复杂、更多元；二来 AI 在游戏中的应用，本质上是对传统策划过往工作经验和思路的一种冲击。所以内部也急需这样的人才。最近也有一些同学正在尝试——当我们想把 AI 技术更好地融入游戏、给玩家创造更新的体验时，他们能够给出更好的建议。我理解，对 AI 团队来说，更希望有这样的人才能和游戏方做好衔接。

硅星人： 当剧情、NPC 关系、经济结构都由 AI 动态生成时，所谓的"制作人"还剩下什么？未来游戏策划的工作会变成什么样？

刘寒： 我觉得还是要回到那个核心。当游戏里很多内容是随着玩家游玩过程不断生长出来的时候，这种生成并不是没有方向性的。就像"我们希望用大模型做什么"这个问题，需要由制作人或策划来回答。

未来玩家"消费者"和"创作者"的身份会越来越模糊，他既是消费者，又可能在游戏里创作，因为大模型能在各方面辅助他。但在这之前，仍然需要有人想清楚：这款游戏的游玩体验目标和预期是什么样子？这个预期还是要由游戏开发团队或设计团队在一开始想清楚。

硅星人： 最后一个开放性问题。你们觉得 AI 原生游戏什么时候能拿到 TGA 这类游戏大奖？一年后、两年后还是三年后？

刘寒： 这个问题我最近也在跟朋友聊。我觉得，可能今天我们还在聊"AI Native"这件事，但到明年、后年，我们可能就不再聊这个话题了——因为 AI 对生活、对体验的渗透变得非常迅速。

去年我们还在聊：一个游戏只要有对话，就觉得它是 AI Native。但今天你会发现，在 Steam 创意工坊的 UGC 环境下，几乎所有有"人"的游戏，创作者都给它做了一个"NPC 对话"的 MOD——《杀戮尖塔》可以对话，《星露谷物语》也能对话。这件事在今天已经变成了普世需求，玩家觉得"和一个 NPC 对话"是很自然而然的事。

但我觉得到明年、后年，Agent 这个范式会慢慢走进游戏空间。我们可能不再满足于"每个 NPC 能对话"，而是希望每个 NPC 能基于自己的人生理想或目标，在开放环境中做出属于他的选择。这可能是未来会出现的东西。

回到大奖这个问题，我换个方式回答：我觉得未来一定会有一款游戏含有极高的 AI 要素，这是游戏行业发展必然会走到的那一步。当然也有可能是 TGA 或某个比赛专门鼓励使用 AI，于是开了一个新赛道叫"AI Native 赛道"，那里面一定会出现很多高强度使用 AI 的游戏。但我认为，在更大的全局奖、所谓"最佳游戏奖"里，一定会出现这样一款游戏：每个 NPC 都能对话，而且每个 NPC 都能自我驱动、自我行为。