如果你打开 GPT 询问这届游戏公司 CTO 有多不容易？也许会和我们一样，获得如下回答：

如图所示，「技术革新」当之无愧为 CTO 们绕不开的第一大挑战。而如果聚焦当下，AI 则是现阶段攻克这一挑战的主要方向。

因此，4 月 9 日，我们邀请了星合互娱 联合创始人&首席技术官 马飞、青瓷游戏 成都研发中心技术主管 刘昆、游戏茶馆 资深编辑 黑猫，与数数科技 CTO 兼联合创始人 周津 一起，在成都的茶馆里，围绕 AI 展开了首期《对话CTO》直播对谈。

以下文字来自本次对谈内容整理，我们希望通过这样的内容，帮助更多游戏开发者，更从容地应对 AI 技术革新带来的挑战。

---

阅读 Tips：

本篇核心：AI 时代，手艺怎么转化为生意？

观点前置 1. AI 到底是来砸饭碗的，还是来给游戏人续命的？

观点前置 2. AI 快速迭代，我们怎么跟上时代？

观点前置 3. 「AI+游戏」的最终形态可能是…？

文末有现场对谈·完整版音频live，不想看文字可扫码直接听；看现场视频回放.mp4，也可去文末。

 

 

AI 到底是来砸饭碗的，还是来给游戏人续命的？

 

在整个互联网的发展过程中，我们经常看到许多新颖的技术突然出现。而生成式 AI 应该是最吸引游戏行业从业者的技术之一。

之所以会有这样的结论，是因为游戏本质上是一种内容生产形式，而对于所有内容生产者而言，生产内容都是非常辛苦的一件事。

如果回归到「做内容」这件最本质的事情上，我们在乎的无非一是内容质量，二是内容产出效率。因此生成式 AI 对游戏这种内容生产型行业的影响将是巨大的。

以星合互娱内部普及生成式 AI 为例，一些用得好的同学，生产效率可以立竿见影地提升 10 倍——比如做一个高质量 2D 角色立绘，过往反反复复打磨需要 1-2 周时间，而在利用了生成式 AI 之后，有的同学一天就可以完成这样的工作。

在这种真实的实践中，我们可以看到 AI 所带来的生产力的爆发。但是当然，我们也会发现另外一些问题，比如有的同学在利用 AI 之后，生产效率并没有提升。这是因为新的工具对于部分同学来说需要花费大量的时间学习，很难做到灵活使用。

因此，AI 所带来的不仅仅是机会，也会是挑战。和写程序、写代码一样，如果一个工具易用性较差，难以上手，就会非常容易造成这种两极分化。生成式 AI 的潜力与弊端也是共生的。

对服务于游戏行业的数数与海艺 AI 而言，我们做所有事情的初衷就是想大幅降低上手门槛。也许我们无法让人人都拥有 10 倍工作效率，但是我们至少可以保底让每个人都可以提升至少 3-5 倍工作效率。

而如果说 AGI 是我们所有人共同追寻的终极目标，那么在当下，我们更应该将 AI 定位为工具或是助理，因为目前 AI 还远未达到 AGI 的程度。数数和海艺 AI 在做的，也正是在输入端将 AI 使用的门槛降低，让更多人可以通过 AI 去洞察，而整个过程仍是由人来推动，并非是一个完全自动化的过程。

人对于业务的理解和认知，以及人本身的核心能力，是最为关键的。AI 在当前更多还是起到辅助与帮助作用，我们需要把个人对于业务的理解注入到工具当中，以产生更强的连锁反应，但我们不可能脱离人实现整个业务流程的闭环。

虽然已经出现了「文生图」与「文生视频」，但是我们离「文生游戏」还十分遥远。这是因为假如我们要生成一个游戏，会需要很多的界面、工具以及交互。也许 AI 可以理解游戏的某一个画面，但是 AI 目前无法理解这个游戏的画面是否好玩，更无法去思考玩家玩到某一步有怎样的体会与感受，是否能够获得成就感。

基于此，AI 技术本身仍然有非常长远的路要走，在当下阶段，AI 仍在给游戏人续命的阶段，但想要被续上，则取决于个人的能力。

AI 快速迭代，我们怎么跟上时代？

我们会发现游戏行业是拥抱新技术最快的一个行业。在当下，游戏行业已经开始通过 AI 生成文本、图像、视频甚至音乐。像 AI 生成音乐也是一个非常成熟的板块，比如近期出现的 SUNO，效果也非常好，而对于游戏而言，配音配乐也是刚性需求。

不过基于过往与许多游戏行业从业者的沟通，我们发现，大厂对于 AI 的直接应用相对来说还是有限的，而许多中小型厂商已经开始大量使用 AI 制作小规模的游戏。

这是因为小规模游戏，可以用 AI 快速走量，直接面向玩家去验证。而大厂更加追求高品质，在当下更多还是将 AI 作为一个较为初级的工具来使用，即便用 AI 生成图片，后期也仍然需要大量高级美术人员优化，才能够在游戏中上线。

聚焦到游戏美术这一领域，我们会发现一款研发投入大的游戏，资金规模往往以千万为单位，其中一半的费用在美术相关制作模块。而不管是 3D 建筑还是场景，动作亦或是特效，其实其源头都是 2D  美术资产。而通过海艺 AI 工具去快速制作这些基础 2D 资产，比如角色场景、icon、banner 等等，是相对较为成熟的。

遵循我们惯常提到的二八原则，即将 20% 的工作精力放在前序输入和后续调优、决策上，80% 重复性的工作交给 AI 来做。如果我们可以对 AI 利用达到这种程度，将会极大的提升生产效率。

除此之外，在大语言模型领域，我们也可以通过 AI 来提升效率。我们会发现大语言模型具备非常强的总结能力。比如，在数据层面，一个报表出来之后，有些同学无法进行提炼、解读，在这种情况下，如果我们通过大语言模型应用来进行总结分析，我们就能够非常清晰地对报表进行解读，快速了解数据异常情况。当前，我们通过数数 TE 系统的 Tiki 智能助手就可以实现。

当我们谈到 AI 时，除了大模型和 AIGC，机器学习、数据挖掘甚至统计分析等领域也会受到这波浪潮的影响，进而引发人们对应用场景的思考。其中，一些典型的场景包括 LTV 预测和流失付费预测。从逻辑上讲，目前针对它的实现思路开始趋于和大模型一致，即希望借助当前更多的算力和数据量，通过 scaling law 的模式大力出奇迹。

以前，在进行预测时，我们可能需要专门的算法工程师来选择和生成特征。那么，是否可以采用一种大力出奇迹的方式，提供大量多维特征给模型，从而获得更好的结果；甚至，是否可以产生一些超出预期的点，就像大模型中出现的涌现现象一样，这也是大家正在探索的方向之一。

因此，对于游戏行业的从业者而言，我们需要对 AI 这样的新事物有足够的了解。只有我们学习、了解并运用好新工具，才有可能在下次浪潮来临时，更快地抓住机遇。

「AI+游戏」最终形态可能是…？

在当下，AI 大部分的魅力在于节省成本，这其中包含了可以节省大量精力、财力与时间成本。因此，许多游戏开发者可能抱有一个 AI 终极梦想——帮助他们去完成现在无法完成的事情。

举一个直观的例子，比如一个开发者想去开发一款游戏，这个游戏是一个骰子，每一个骰子的面都代表了一种玩法，而当玩家去投掷骰子出现某一种玩法之后，AI 可以根据投掷结果生成并执行程序，供玩家去体验。

这种方式已经脱离了当下的开发者专门去调试、制作玩法，也就是 AIG 真达到了真正 AIGC 的水平。

不过虽然，我们对 AI 有着高预期的愿景，但是 AI 的演化却与生物体的演化不同。

人演进的目的是为了生存，因此会逐渐对环境产生认知和判断，再不断地调整基因，最终完成演化。而人的好奇心和创意，比如有的人喜欢研究天文，有的人喜欢研究宇宙，这些是演进所附带衍生出来的产品。

但是 AI 演进的目的，则取决于人类需要 AI 来实现什么。所以从本质而言，AI 的演进目的与人类的演进目的并不相同。AI 会根据人类所设定的目标完成训练，最终完成进化。因此将 AI 作为「人类的副驾驶」是非常好的一个愿景。

放眼未来，如果各行各业都可以从各个维度上对 AI 进行深度应用，帮助我们去解决实实在在的问题，那才是真正意义上的能够为人类创造更大价值。

从这一维度上来说，数数和海艺 AI 的产品也是非常务实地期望能够在产品的每一个角落，留下大模型能力的痕迹，实实在在帮助使用产品的用户，提升他们解决业务问题的效率，通过先进技术，带给大家更多价值。

 

 

 

---

《对话 CTO》是数数科技所打造的聚焦游戏技术领域的直播访谈节目，旨在邀请游戏行业头部企业的 CTO 分享他们的技术实践、创新思维及行业经验，通过深入访谈，帮助从业者了解泛游戏行业技术发展前沿资讯，以期共同推动游戏行业技术创新和游戏数据中台迭代。

 

获取现场对谈的视频回放.mp4，请联系小莫

现场对谈音频·live，已上线于播客节目「游戏人爆到」当中，路上听、下班听、随时听，下方扫码即可。