铼三实验室一直以来对AI+游戏很感兴趣，也想以更长期主义的视角去追踪和研究，因此铼三的实习生Steven数月前对这个方向做了一些内部的覆盖研究。
没想到这篇内部文档，近期开始在多个AI交流群里被反复传播，甚至听闻此篇文章在一些头部大厂内部也成为了被集中分享研读的资料。这的确意料之外，但大家如果觉得有价值，我们也感到很开心。因此决定将这篇内部的调研报告整理成文，期待大家可以一起留言讨论和交流。
在调研始前的一些思考
写在前面：该研究完成于2025年5月20日，所有在本篇报告中提及的信息都基于该日期前产生，分析内容仅供参考！
以下是笔者关注AI+游戏大方向一直以来逐渐形成的主观思考和判断，均产生于本调研行为之前。
1.AI Native Game是伪命题。
基于神经网络原理的大模型的推理本质 和 基于数学建模逻辑的传统游戏机制 完全互斥。
在当下，AI带给游戏的东西都没有实际价值；所有AI在传统游戏内容上增加的添头，如AI NPC、AI判官、AI生图、讲故事等等，达到的上限和想象力带来的体验端的提升并没有高于传统的游戏设计与制作的能量。换句话说，所有在游戏里的AI，都不足以成为传统游戏元素的替代品。
2.关于AI+游戏UGC，应该think differently.
用短视频平台UGC的思路不太适合做AI+游戏UGC。
短视频UGC的偶然演化论：
抖音体系的成功无法刻意复刻。抖音的成功，是在像musical.ly这样的小受众群体（海外青少年）且娱乐性纯粹的小玩具产品出现时，遇见推荐算法技术+移动设备的硬件技术均日渐成熟的节点，结合被动推荐的产品机制（用户体验端）+中国大陆用户特有的移动端人机交互习惯综合构成的偶然结果。
如果倒果为因，以UGC为平台目标刻意效仿则难以复刻。通过其他的小垂类场景抓人性特点，等待下一代的人机交互范式出现后，在第一时间抢走用户的注意力，才有可能复刻现有的抖音体系。
生产原材料论：
短视频平台UGC模式的原材料与实际产出的本身与短视频平台产品体系没有什么关系。抖音是一个内容推荐平台，它本身（以及剪映本身）产品如何，与用户做内容生产用的原材料没有关联。换句话说，短视频平台生态完全不参与原材料的采集与原始加工。
游戏UGC大相径庭——游戏内容的生产往往是一个完整的从0到1的过程，这个生态和原材料以及UGC内容本身息息相关；原材料的生产加工与UGC生态的运营直接挂钩。
于是游戏UGC平台产出的质量和产品本身的能力边界直接挂钩。在这个逻辑下，UGC就要换一种思路去做，拓展产品定位，扩大「泛游戏idea」的应用影响力，也是在扩大产品本身的原材料产出部分的应用场景。
b.产品的发展形态随着游戏化程度的加深，一切元宇宙工具即会找到真正的用武之地。本质发展逻辑是曾经所谓「元宇宙平台」产出的UGC内容有了新的使用场景与消费形式。
结合「生产原材料论」的第3条，等AI+游戏的定位和市场更加成熟以后，元宇宙工具内的UGC内容才会获得变现机会。
3.AI+游戏形式的情感陪伴应该同样建立于成熟的游戏机制之上，否则只能给用户提供短效多巴胺。
靠数值和视听效果构建的游戏性，会随着时间流逝逐渐走向自我消解，同时拉高用户的多巴胺阈值，让用户越来越难被审美层的内容打动，形成所谓的审美疲劳和「电子阳痿」。
*本调研报告验证了部分笔者的主观观点，也得出了许多新的灵感。
调研分析方法论
因为现存AI+游戏方向的产品处于非常前沿的程度，整体的行业缺乏标准和成功案例，所以传统的商业分析，如SWOT分析等等可能并不适用。
同时，本调研报告主要关注于生成式人工智能技术在游戏形式的产品中的前景与落地情况，对于那些与AI本身无较多关联的、传统的游戏设计维度的分析，可能会一笔带过，不做赘述。
笔者在这里从以下几个维度构建创新方法论：
1.AI游戏产品的「核心价值」
a.技术应用突破性维度
AI能力边界：明确游戏中AI的应用场景（如AI NPC、动态玩法、美术、剧情生成、个性化体验），评估技术成熟度（如GenAI的稳定性、实时latency等）。
与传统游戏的差异点：是否实现传统游戏无法达到的体验，真正地赋能游戏玩法。
b.用户的兴趣与付费维度
用户对于AI内容的需求，接受度，以及是否愿意为AI特性付费。
核心体验风险点：AI的不可控性是否会造成游戏体验的减分（如剧情逻辑混乱、难度失衡）。
2.技术可行性分析
a.技术栈评估
AI大模型的选择与配置：相关预训练、微调、MCP等。
工程化落地：实时交互的技术端痛点、多模态AI的协同性。
b.数据与训练
数据闭环设计：数据的source，以及玩家行为数据如何反哺AI模型迭代。
道德伦理角度：用户数据隐私保护、AI生成内容的合规性。
3.用户认知与行为实验
a.产品认知门槛
用户是否理解“AI游戏”概念？是否需要教育成本？
玩家对AI的信任阈值：是否接受AI驱动的游戏体验？
b.长线体验监测
AI生成的“新鲜感”衰减曲线（用户对AI的惊喜感能持续多久？）。
4.市场与商业化预判
建立风险清单
最小可行性验证（如产品处于早期阶段）
5.长期主义视角：产品给AI+游戏带来的启发
这个维度主要分析一下产品给整个行业的发展做出了哪些推动，带来了哪些启发（因为每一款产品都是非常独特且创新的）。
AI Native
AI Native Game，即「AI原生游戏」，一般被认为是那些由生成式大模型完全或部分定义游戏核心玩法的产品；同时，在本报告内，那些生成式大模型可能并不干扰游戏核心玩法本身，但会在游戏进程中实时生图、文、动画、音频等游戏演出资产的游戏，也被划为此品类中。为了方便后续分析，前者可以被称为「AI-driven gameplay(AI驱动玩法)」游戏，后者被称为「AI演出」游戏。
在这个品类下，本报告一共选取了 10 款AI原生游戏，其中的 7 款为「AI驱动玩法」游戏，3 款为「AI演出」游戏。
在看过所有的游戏之后，笔者的结论是：
不论是「AI驱动玩法」还是「AI演出」，那些拥有良好阶段性/持续性关卡目标、但缺乏游戏总体主线的游戏，反而能在整体体验上展现出优势；相对而言，更偏向传统的非AI游戏玩法和框架的产品，在加入大模型之后则会更缺乏可玩性，亦或是使AI本身的作用成为鸡肋。
同时，对于关注用户内容本身为主的产品，在AI驱动玩法下可能会有更大的潜力。
AI驱动
AI2U: With You ‘Til The End
基本信息
网址：https://store.steampowered.com/app/2880730/_AI2U___AI/
开发团队：AlterStaff
融资情况：天使轮 – 元璟资本、五源资本（可能）
团队关键成员：创始人：大谷，《漫展模拟器》制作人，NYU Game Center 讲师。
介绍：一觉醒来，你发觉自己身处一位可爱女生的家中，而她热切地希望你能留在她身边！在这里，你将体验主题故事、解谜挑战，以及与不同独特AI NPC的互动。哪怕有时候会自相矛盾，她们也会用尽百般手段来“保护”你。来一场浪漫的邂逅吧。不过，你若是试图逃跑，可要做好迎接混乱的心理准备哟！
目标用户和市场：男性二次元，解谜类玩家，泛恐怖类玩家，AI爱好者
发布日期：2025.1.24（EA版本）
市场表现：17.2k份，9.99美元（2025.5.19）
主要玩法
第一人称密室逃脱，靠和AI的自然语言对话来收集线索，然后利用这些线索来进行游戏内的机制解谜；游戏流程为关卡制，每一关的目标均为逃离。
一句话
游戏体验的割裂验证了AI驱动游戏玩法的体验层不可控，上限低于同类型的传统游戏——《米塔》作为相似品类和受众的传统游戏产品，其在发售后半年内的市场表现为330万份。
核心价值
1.技术应用突破性
a.游戏中的AI能力边界
通过玩家的输入内容，AI用人设回答玩家，设置与玩家的好感值，并判断是否应该给出线索。
通过玩家的行为以及输入内容，判断玩家的关卡进程，以及失败逻辑。
b.与传统游戏的差异点
部分的玩家的关卡进程、关键节点的逻辑判定和数值由AI做决策。
2.用户对AI的兴趣与付费
AI女友给新玩家带来的新鲜感是比较强烈的，但不能引起玩家的长期兴趣。
付费模式和买断式游戏一样，商业模式本身可能和AI没有太多关系。
技术可行性
1.技术栈
在大模型端应该没有做过多微调和预训练，AI行为主要由Prompt和背景设定驱动，然后通过结构化输出传递到游戏前端表现。
前端的交互形式是纯粹的自然语言交互，无需其他前端工程化落地。
用户认知与行为
1.产品认知门槛
对于和AI对话过的用户，尤其是那些和带人设的大模型交互过的，几乎没有认知门槛。
大模型回答的不确定性对于游戏核心体验的干扰明显存在。和前身《病娇AI猫娘女友》相比，游戏已经从机制上做了很多优化调整——在前者的体验中，整个机制都是由大模型对话内容驱动，而游戏的成功与失败也是100%由模型通过和玩家的对话过程中推理出的逻辑判定；在 AI2U 中，游戏的成功变成了由严谨的硬机制判定，如通过一些解谜游戏和收集关键道具等玩法进行条件检测，来判定玩家是否通过某个关键节点。
但因为AI在核心体验中的参与度仍然不低，对于一些关键线索，如任务路线的指引、道具的功能等，仍然需要玩家通过巧思来和大模型进行自然语言交互，否则推进游戏会变得十分困难。
这样一来，整体gameplay的体验变得黑箱，大模型延迟和幻觉也会更容易破坏玩家心流。
2.长线体验监测
从目前的EA来看，每一关的解谜体验是固定的，复玩性较低。而游戏的长线体验（如有）也是靠不断出新的关卡内容来维持。在这个维度上生成式AI没有带来长线体验的提升帮助。
用户和AI交互的兴趣曲线和传统的chatbot交互形式接近；而又因为游戏进程需要AI驱动，一旦用户对AI失去兴趣，游戏本身也会失去大部分游戏性。
市场与商业化
1.目标市场
先锋用户：男性为主的二次元爱好者，同时具有AI Chatbot的良好使用经验。
大众市场：难以吸引女性群体。
2.商业模式
买断制，所以不太用担心用户留存+AI新鲜感衰减的问题。
3.风险预判与可行性验证
风险清单
长期主义启发
AI2U提供啦最最基础的AI驱动玩法类游戏的范式，具像化了AI参与gamepaly的实际体验。
相似的产品：AI Space Escape
https://arxiv.org/abs/2412.06394
lmgame.org/
一个试验性的开源项目，由UCSD、UC伯克利等机构联合组建的Game Arena团队在Roblox平台上打造。
玩法同样是AI密室逃脱，但设定是科幻外太空。
Game Arena是一个专门在Roblox平台上制作开源的AI游戏项目的团队。
第三方资料：
https://zhuanlan.zhihu.com/p/23287786054
可能长相和玩法一点也不相似但AI驱动游戏玩法的形式相似的产品：Suck Up!
同样是靠AI驱动玩法为主，结合传统游戏框架的产品。
Suck Up!
基本信息
网址：https://www.playsuckup.com/
开发团队：Proxima Enterprises
融资情况：种子轮 – LVP
团队关键成员：创始人：Ran Mo，前EA中台Lead PM.
介绍：《Suck Up!》是一款AI原生独立游戏，玩家扮演吸血鬼，与AI驱动的城镇居民互动，通过各种手段进入他们的家并完成吸血鬼的任务。核心特色是AI驱动的NPC行为和对话，以及玩家自定义AI角色的能力。
目标用户和市场：喜欢模拟/角色扮演游戏、对AI驱动的互动体验感兴趣的玩家
发布日期：2024年1月13日（EA阶段）
一句话
一款以AI驱动NPC互动和对话为核心玩法的吸血鬼主题独立游戏，玩家可自定义AI角色，但商业模式和用户反馈存在争议。
核心价值
a.技术应用突破
能力边界：基于LLM的AI智能体驱动NPC实时对话和行为。支持玩家深度自定义AI角色性格和反应。AI能够理解玩家的自然语言输入，并生成相应的行为和对话，使得NPC具有一定的“自主性”。
与传统游戏的差异点：突破传统脚本限制，NPC具备更高自由度和不可预测性互动。玩家可以真正影响NPC的行为和游戏进程。传统的NPC行为和对话是预设的，而 Suck Up! 中NPC的行为和对话是动态生成的，使得游戏更有沉浸感和重玩性。
b.用户的兴趣与付费：
用户需求接受度：对AI驱动的开放式互动体验有浓厚兴趣，喜欢自定义角色的玩家接受度高。玩家对与AI的自由互动和探索多样化结局有较高需求。
核心体验风险点：AI互动消耗Token，商业模式（按Token/时间付费）引发用户争议。AI对话有时可能重复，导致新鲜感衰减。部分用户可能对游戏中的某些交互（如身体接触）感到不适，尤其是在AI失控的情况下。
技术可行性、用户认知与行为、市场与商业化、风险预判与可行性验证均和 AI2U 类似。
Bside
基本信息
网址：https://www.bside.zone/
https://store.steampowered.com/app/3649950/Bside/
开发团队：Kotoko ai
融资情况：种子轮 – 红杉资本
团队关键成员：创始人：乔海鑫Patrick，前真格基金投资经理、Yahaha CEO助理。
介绍：Bside是一款围绕你的原创虚拟角色Biibit的多人社交模拟养成游戏。创建有独一无二人设的Biibit，为Biibit们创建一个个有丰富背景设定且能够自主运行的小世界（e.g. 咖啡店，魔法小镇，你就读的高中），并让Biibit们在其中生活！即使没有你的操作，Biibit们也会基于自己的人设与环境去互动、成长甚至交朋友。此外，Biibit会随时发朋友圈分享他们的生活日常，在你的桌面上扮演桌宠，甚至带你认识其他Biibit背后的玩家！
目标用户和市场：二次元+养成类玩家，重度PC玩家，Discord类产品用户，主发海外。
发布日期：暂未发布
是否有公开Demo：否，6月新品节发布
主要玩法
围绕OC养成玩法，伴随AI+轻量级《模拟人生》体验，长线体验可能主要应用于社交和陪伴场景。
一句话
因为是社交玩法，用户增长和留存是最大风险和挑战，但也从某种程度上通过AI驱动的社交生态规避了AI原生gameplay的缺陷。
核心价值
1.技术应用突破性
a.游戏中的AI能力边界
AI NPC，以及可能的AI角色立绘。
可能的由AI构建+驱动的动态游戏世界，类斯坦福小镇。
类桌宠玩法部分应该有适当的屏幕内容检测和AI推理互动功能。
通过描述，自己的OC角色可能还会由AI驱动来帮助玩家进行交友。
b.与传统游戏的差异点
定位偏游戏化社交平台性质，可能没有明确的大目标和游戏循环。
角色、内容和故事线（如果有）都是由AI根据用户自定义输入来生成。
2.用户对AI的兴趣与付费
养成和社交两大部分有潜力让用户拥抱AI——每个用户都有独一无二的OC养成体验，同时用AI赋能社交。
这两大部分也可能是最能打开付费口子的地方。
技术可行性
1.技术栈
开发者团队应该消耗了不少在模型预训练和微调上的资源。
2.数据与训练
数据source和闭环设计暂时未知。
关于AI权限问题，桌宠模式对于用户PC的数据监控可能会成为一个隐私泄露隐患。
用户认知与行为
1.认知门槛：可能较低，养成+类模拟人生的内容较为符合常识。关于角色自主行动和社交的环节，具体要看AI是如何赋能NPC的，目前还需要更多信息。
2.长线体验：游戏的大后期可能会聚焦于社交和陪伴两个维度，均非常吃游戏的机制设计，比如玩家之间的社交形式和活动有哪些，桌宠在陪伴过程中能做哪些事情。
照着Discord的模式发展，让产品成为好玩的“挂机游戏+社交体验”。理想的生态是用户使用该产品进行游戏上的社交、语音，共同和平台内的各个游戏玩法交互（就像Discord上的小游戏一样），形成一个桌面端二次元（也许）玩家社群。
做社交游戏的思路是有潜力的，因为从长期来看，用户粘性由社群和社交关系决定，上限较高。而AI在这个部分可能的赋能在于帮助用户做社交行为，这也是现在一些交友平台融入AI技术的应用场景。结合游戏的体验，或许可以在产品端更加抓住核心游戏用户群体的兴趣。
市场与商业化
1.目标市场
先锋用户：欧美用户为主，因为他们有良好的PC端社交和人机交互习惯；二次元玩家，养成/模拟类玩家。
大众市场：画风的接受度较高，同时玩法门槛较低，有吸引更多品类玩家的可能性。但从PC端社交这点出发，在中国市场吸引非核心PC玩家的难度可能较高。
2.商业化模式
暂时未知，需要更多信息。
3.风险预判与可行性验证
风险清单
长期主义启发
围绕社交做玩法和体验是一个双刃剑——就像那些依靠大DAU的商业手游一样，用户的增长和投放成本是一个迈不开的坎，同时现在因为短视频平台的存在，用户的注意力也越来越难抢，而一旦留存和粘性不够强，商业模式就会崩塌。
作为AI原生游戏，因为有大模型的存在，或许可以依靠陪伴式玩法来分担DAU需求。不管前期的投入和用户增长应该怎么做，如果能把模型能力和核心玩法有机结合，在下个时代抢夺用户注意力的阶段，AI赋能社交+养成陪伴的长尾效应可能会逐渐有所体现。
Whisper from the Star
基本信息
网址：https://wfts.anuttacon.com/
开发团队：Anuttacon
融资情况：未融资（可能）
团队关键成员：创始人：蔡浩宇，米哈游创始人。研究合伙人：童欣，前微软研究合伙人，网络图形组负责人。用户生态总裁：王宇阳，前B站副总裁，直播业务Lead.
介绍：Whispers from the Star 讲述了一位名叫Stella的天体物理学大学生，她在一艘宇宙飞船上遇到意外，坠落在一个名为Gaia的外星行星上，玩家透过通讯设备跟Stella联络，以文本、语音和视频消息跟Stella进行实时开放式沟通，每一句说话都会影响Stella的行动和命运，决定她的生死。
目标用户和市场：可能的男性用户，可能的跑团玩家，追求高自由度和AI创新体验的玩家，AI爱好者
发布日期：暂未发布
是否有公开Demo：否，封闭测试中
主要玩法
语音和自然语言输入来和Stella对话，给她逃生的建议，成功逃生则为游戏成功。所有故事线都由玩家和AI的对话动态产生。
一句话
Whispers from the Star 用极限的视听效果和沉浸感构建，从某种程度上对冲AI驱动玩法的体验痛点，但其商业模式并不清晰，无法判断用这个思路做游戏的前景。
核心价值
1.技术应用突破性
a.游戏中的AI能力边界
通过玩家的输入内容，AI NPC带着背景和人物设定和玩家对话，并产生数值层面的变化。
游戏没有固定剧情，所有叙事和事件会由玩家的输入内容靠AI实时生成。
b.与传统游戏的差异点
游戏没有固定剧情，所有叙事和事件会由玩家的输入内容动态实时生成。
2.用户对AI的兴趣与付费
因为游戏的演出效果好，玩家对AI的新鲜感可能会普遍高于类似 AI2U 这样的游戏，但其本质也是一个随时间流逝，内容逐渐呈现，玩家的审美阈值逐渐爬升，兴趣逐渐衰减的过程。
玩家可能能接受的付费形式依旧会是买断制。但因其定位是移动端，订阅制或许也是可行选择。
技术可行性
1.技术栈
前端交互采用了成熟的多模态技术，支持玩家通过文字、语音或视频与AI角色Stella交互。
大模型大概率有预训练的过程，因为Anuttacon团队中的LLM专家有许多来自预训练领域。
为了处理AI的记忆问题（如对话连贯性），团队开发了专门的内存系统来管理AI角色的长期记忆。
2.数据与训练
暂时未知。
用户认知与行为
1.产品认知门槛
游戏的前端界面模拟了玩家和Stella视频通话的样子，并在手机端竖屏操作，整体比较符合直觉，体验下来就像在和真人对话。
AI驱动的Stella的回答和逻辑稳定性暂时未知，但基于经验主义的结论，依然有不小的可能出现幻觉和不可控结果。
2.长线体验监测
Whisper from the Star 有两个维度充满亮点：
为解决AI响应延迟，游戏设计了“星际通讯延迟”的叙事化处理，减少玩家等待焦虑。
像跑团一样，游戏的故事和流程均为基于已有信息实时延展，玩家对于不可控结果的产生容忍度更高。
市场与商业化
1.目标市场
先锋用户：可能的男性用户和跑团玩家，追求高自由度和AI创新体验的玩家，对AI驱动的动态叙事和智能NPC高度感兴趣的科技爱好者。
大众市场：基于游戏的交互形式和移动端操作，有潜力成为陪伴式玩法产品，从而获取更多AI泛娱乐用户。
2.商业化模式
暂时未知。
3.风险预判与可行性验证
风险清单
长期主义启发
仅从实机演示效果来看，Whisper from the Star 可以说是所有AI NPC类游戏里的演出效果最佳作品，没有之一。其带来的启发是，或许用极限的视听效果和沉浸感构建，可以对冲AI驱动玩法的体验痛点——但从中短期的ROI角度出发，以目前的大模型技术来看可能并不值得。
但是，其给出的规则层面的启发是更具价值的：通过“星际通讯延迟”的形式规避大模型latency的问题，是一个非常优秀的用对游戏化规训AI的案例——这背后的设计哲学值得所有AI游戏学习。
第三方资料
https://ep.ycwb.com/epaper/xkb/resfile/2025-03-19/A16/xkb20250319A16.pdf
https://www.36kr.com/p/3249256674402561
福尔摩斯：暗夜追踪者
基本信息
网址：https://store.steampowered.com/app/3561740/__AI/
开发团队：上海美酷瑞 Gamercury AI
融资情况：未知
团队关键成员：
创始人：朱笑靖，前盛大游戏VP，主导过《热血传奇手游版》《永恒之塔》《盗墓笔记》《仙剑奇侠传四》的研发和/或发行。
吴昀贇，前B站游戏事业部负责人，主导过《FGO》《碧蓝航线》的研发和/或发行。
介绍：一款由最新AI大模型技术打造的，拥有全新交互体验的沉浸式悬疑推理游戏。化身福尔摩斯的你，将与AI扮演的数十个人物角色斗智斗勇，找出线索，破解谜题。游戏内没有任何剧情选项，所有的线索都将由你——远近闻名的大侦探亲自通过攀谈、审讯、情绪引导、探索、解谜等手段来获得。
目标用户和市场：福尔摩斯粉丝，推理游戏玩家，跑团玩家，追求高自由度和AI创新体验的玩家，AI爱好者
发布日期：暂未发布
是否有公开Demo：否
主要玩法
其实和 Whisper from the Star 几乎一样，靠自然语言和游戏中的NPC交流；游戏没有固定的剧情，一切事件均由玩家的行为动态产生。
一句话
同样，通过视听效果和沉浸感构建的思路，从某种程度上对冲AI驱动玩法的体验痛点，但不一定能通过传统分销模式让玩家掏的钱cover高质量AI演出的成本。
核心价值
基本同 Whisper from the Star.
技术可行性
1.技术栈
主要采用多模态技术，也同 Whisper from the Star，处理玩家的多种形式的输入，并体现在游戏内NPC的演出效果上。
至于预训练和长线记忆等技术栈情况暂时未知。
2.数据与训练
暂时未知。
用户认知与行为
1.产品认知门槛
产品整体包装比较贴合侦探推理游戏，在游戏维度上比较符合玩家认知。
对于玩家与AI交互产生的具体影响，目前还看不到实际效果。依然基于经验主义的结论，有不小的可能出现幻觉和不可控结果。
2.长线体验监测
如果游戏内能如 Whisper from the Star 的“星际通讯延迟”机制那样，用设定和规则同大模型特性有机结合，可以塑造更持久的新鲜感。
同样地，像跑团一样，游戏的故事和流程均为基于已有信息实时延展，玩家对于不可控结果的产生容忍度更高。
市场与商业化
1.目标市场
先锋用户：硬核福尔摩斯粉丝，跑团玩家，追求高自由度和AI创新体验的推理游戏玩家，对AI驱动的动态叙事和智能NPC高度感兴趣的科技爱好者。
大众市场：对悬疑解谜有兴趣的泛游戏玩家，接受AI新技术的用户。愿意为沉浸式体验付费的PC/Mac用户。
2.商业化模式
游戏本体是否付费未明确，但有内购（购买token礼包）以支持AI算力消耗。
可能的模式包括买断制附加AI算力消耗的付费，或者基础游戏免费但AI交互能力有限，高级交互需付费。
3.风险预判与可行性验证
风险清单
长期主义启发
综合来看Bside、《福尔摩斯：暗夜追踪者》和Whisper from the Star，笔者有一个大胆的猜测：
这三款游戏相对AI2U 都看起来更promising。有前景的AI驱动玩法的原生游戏的样子，要么像 Bside 那样，围绕社交、陪伴这种和玩家本身相关的内容打造gameplay，而非靠虚拟世界里的内容；
要么像后两者那样，怼上强大的视听体验，对冲AI在gameplay中的尬点，并把AI和设定与规则有机结合；靠高视听体验+围绕AI特性展开的规则带来的相对长线的兴趣，让玩家买账。本质有点像传统3A游戏，花钱去买占用大脑带宽的体验。
总结来说，要么做到「AI Gameplay+」，不管这个加号后面跟的是社交还是陪伴，还是别的模式，只要这个模式和用户自己的内容相关；要么做到极致的AI Gameplay，而不是一半一半，就像后两者那样。否则就会变成AI2U 的框架。
而在商业角度上，Bside 需要有一些更新颖的思路；后两者的特性可能更加依赖一些传统的模式来分销。
第三方资料
https://mp.weixin.qq.com/s/F-b2lIPNGQJYkLtK-VBaQw
Jeopardy！
基本信息
网址：https://www.volleygames.com/skills/jeopardy
开发团队：Volley Games
团队关键成员：创始人：Max Child 和 James Wilsterman，哈佛本科毕业生，毕业后一起做过一段时间手机游戏。
融资情况：C轮 – Lightspeed Venture、M12 Ventures、Amazon、Advancit Capital、Y Combinator等
介绍：一款AI赋能的基于智能语音家电设备的语音互动游戏。同名的电视问答节目最早于1964年播出，曾获43座艾美奖，目前每周观众数达到2000万人，在美国有着相当广泛的群众普及度。
原版电视游戏采取“逆问答”的玩法，回答者不是像常规智力问答那般根据问题给出回答，而是通过线索提示反推问题是什么。比如，当节目给出线索“爱因斯坦因为这个理论而出名”的时候，回答者应该反推出原本的问题“什么是‘相对论’？”
而Volley的设计思路就是将电视节目的形式几乎原样照搬，并融入AI能力，打造“语音控制游戏”。比如，玩家完全无需遥控器，只需说话就可操作游戏——当玩家猜到正解时，也只需向电视喊出正确答案，游戏就会用AI识别玩家给出的答案正确与否。其它玩法，则和原版电视节目几乎如出一辙。
目标用户和市场：欧美玩家（因为语音智能家电、真人秀和客厅游戏文化更普及），语音互动游戏爱好者，老少咸宜
发布日期：2025.1.2（Amazon Fire TV版本）
市场表现：未公布，但 Volley Games 旗下总产品MAU达500万，总覆盖家庭数达3000万
一句话
虽然因为真人秀和客厅游戏文化在国内普及程度十分有限，Jeopardy! 的定位可能不适用于国内，但其展现出的因地制宜的AI互动娱乐的落地形式一定程度上提供了面对特定垂直群体的设计灵感。
技术可行性
1.技术栈
目前Volley所掌握的AI处理技术栈在模态上较为单一，根据该公司的介绍，他们的能力主要包括语音识别、自然语言处理、LLM内容生成和语音合成这四大类别。
不过Volley也表示，它们将秉持“将LLM和AI放在游戏中心”的发展策略，并在获得资金后尝试此前未挑战过的领域，如尝试AI图像生成等。此外，Volley也在尝试利用GPT-4o等大语言模型构建智能体，用更具性格特色的虚拟角色向玩家进行提问，以进一步提升答题体验的沉浸感。
2.数据与训练
基于海量非结构化文本语料训练以及通用LLM，可能针对教育/知识领域微调。
数据的广度和深度直接影响AI生成题目的质量和多样性。
用户认知与行为
1.产品认知门槛
目标用户对经典 Jeopardy! 规则熟悉度高，认知门槛较低。
用户需要对AI生成内容的局限性有一定的了解，并可能需要人工审核。
2.长线体验监测
AI自动出题提升题库多样性，有助于延长用户兴趣。
AI准确性和实用性是用户长期体验关键。
持续的新题目和游戏模式更新是维持长线用户粘性的重要因素。
长期主义启发
Volley Games 的理念是“语音是消费者与人工智能互动的最佳方式”，但基于实践情况可能还是因为欧美的语音智能家电、真人秀和客厅游戏文化更加成熟。AI+游戏的形式的一大潜力可能在于其如何赋能特定群体的当下火热娱乐文化。
同时，结合数据智能，Jeopardy! 可以更精准地评估用户的知识水平和学习进度，实现个性化学习路径，为AI+教育也提供了重要参考。
第三方资料
http://www.gamelook.com.cn/2024/07/549032/
AI演出
inZOI
基本信息
网址：https://store.steampowered.com/app/2456740/inZOI/
https://playinzoi.com/
开发团队：KRAFTON
融资情况：已上市
团队关键成员：创始人：张炳圭，Neowiz、First Snow及Bluehole Studio创始人。
介绍：「每段人生都是一則故事。」通过控制并观察’Zois’，你可以创造出一段属于你的，独一无二的人生。 利用 inZOI 易用的工具，可以自定义角色，建造房屋，在沉浸式的模拟体验中，过上梦想中的生活，体验生活中那些丰富而细腻的情感吧！
目标用户和市场：模拟经营类玩家，模拟人生玩家，休闲玩家
发布日期：2025.3.28（EA版本）
市场表现：60.6万份（2025.5.19）
主要玩法
几乎和《模拟人生》一致，但有AI NPC和AI美术内容：
核心机制：玩家扮演“造物主”，自定义Zois角色，控制其生活轨迹（职业、社交、技能等），同时进行房屋建造、城市环境修改（天气、植被等）。 城市生态由AI驱动，NPC行为动态响应玩家和环境变化。
AI功能应用：AI驱动Zoi的角色行为决策、社区事件发生、图像生成（如墙画纹理）。 支持玩家通过文本生成服饰纹理、道具图案；上传2D图片转3D物件；上传视频自定义动作。AI功能采用KRAFTON自研模型，本地部署（0.5B），不依赖外网API
此外，inZOI 内还有一个高自由度的角色/建筑自定义与社区分享平台（Canvas）。
一句话
精致版「斯坦福AI小镇」，AI仿真驱动的次世代生活模拟沙盒，强调高度自由自定义与社区共建；EA阶段销量可圈可点，但实际的游戏性尚待完善。
核心价值
1.技术应用突破性
游戏中的AI能力边界
用AI的推理结果操控游戏内NPC做出更加合理的决策。一个例子（GDC 2025）：
①角色和妻子定了晚上6点的餐厅，而在晚上5点半时感到饥饿；
传统的 utility AI 框架（《模拟人生》）：角色立刻去冰箱找吃的，填饱肚子，然后到了餐厅什么也吃不下，妻子暴怒。
LLM驱动的AI框架（inZOI）：大模型认为因为半小时之后就要去餐厅约会了，所以选择忍忍，并把输出的决策通过结构化方式转换成NPC在前端内容的行为逻辑。更符合现实直觉。
②每一个NPC都可以配置独特的提示词，玩家自定义其习性。NPC会根据该配置进行每日思考与总结（写日记特性）
来源：笔者于 GDC 2025 KRAFTON 分享Session中记录的PPT
AI的实时生图和2D转3D功能，玩家可以上传照片导入游戏内一件转成3D物品，亦或是替换游戏内的3D贴图：
b.与传统游戏的差异点
真正意义上地使NPC脱离传统决策树和逻辑判断的“图灵机式”表现，使角色表现更加真实。
AI辅助的个性化内容生成（纹理、物件）极大提升自定义自由度。
2.用户的兴趣和付费维度
高自由度沙盒建造、个性化角色定制、模拟现实/理想生活体验吸引核心用户。同时，游戏通过AI技术提供的自定义游戏内容的功能吸引AI创作爱好者。
当前付费模式和买断式游戏一样，但游戏里的GenAI部分有潜力往UGC方向的创新商业模式探索，如玩家自制游戏内资产，以及更高级的付费AI功能。
技术可行性
1.技术栈
游戏运用自研引擎技术，在游戏内本地部署了一个5亿参数的LLM，处理游戏内的所有AI生成式内容。
支持面部/全身动作捕捉。
因为大模型是本地客户端集成，使用无版权风险数据训练。但游戏依赖高性能硬件，对显卡和内存要求较高。
2.数据与训练
AI模型使用公司自有及无版权数据训练。
推断游戏大量使用行为采样和自动化决策参数调整。
数据的多样性和丰富性是AI模拟和内容生成质量的关键。
用户认知与行为
1.产品认知门槛
类Sims基础玩法门槛较低，但高画质及本地部署模型对硬件配置要求高，存在技术门槛。
AI自定义功能易用性高，无需专业技术。
玩家需要适应AI驱动的模拟世界的不确定性。
2.长线体验监测
a.目前观察下来的极度影响玩家对游戏的长期兴趣的因素并不是AI，还是游戏本身。
EA阶段的游戏内容过少，而模拟人生like游戏非常依赖高自由度和大系统的构建，因为该品类本身缺乏游戏目标，需要丰富多样的内容塑造高质量体验。
因为本身游戏的系统体量小，导致AI的能力也被大大限制。虽然像前面「游戏中的AI能力边界」部分讲得很fancy，但大模型的推理结果再好，也要依靠前端的内容来展现；换句话说，游戏本身的系统设计决定了AI在gameplay里的体验上限。
b.同时因为本地部署模型太吃电脑配置，持续性的卡顿体验也会严重影响玩家后期感受。
c.社区共建和分享功能也是重要的长线驱动力，但前提还是游戏内容品质足够。
市场与商业化
1.目标市场
先锋用户：模拟人生系列核心玩家，对AI生活模拟有兴趣的硬核玩家，AI内容创作者。
大众市场：泛模拟经营爱好者，对高画质开放世界有兴趣的玩家。云游戏平台（如GeForce NOW）支持扩大低配用户群。
2.商业化模式
Early Access买断制，后期计划推出DLC和增值内容。可能的商业化路径包括创意内容市场分成、虚拟物品销售、广告植入（游戏内已大量存在品牌广告）。
3.风险预判与可行性验证
风险清单
长期主义启发
虽然自「斯坦福AI小镇」的概念诞生后，各个大厂都在争先效仿，但可以说只有KRAFTON最终愿意持续烧钱把这个概念拓展并落地成游戏，且还是一款大作。
KRAFTON在GDC 2025上几乎分享了他们的所有技术细节，其技术栈落地流程提供了一个供AI NPC和系统行为逻辑的构建范式。
inZOI 本身是很难回本的：《模拟人生》的高度不容小觑，且现如今的市场对于这种杀时间但缺乏主要目标的游戏并不欢迎——当下的玩家时间着实宝贵。
但 inZOI 的picture一定是好玩的体验：宏大的、符合直觉的系统框架和绝美的交互体验共同保证游戏的下限。如果不考虑商业化问题，完全体的 inZOI 会是美如画的艺术品。
inZOI 的商业化问题在于其高品质的内容受限于买断制游戏本身的商品定位。不管其天花板在何处，inZOI 提供了许多AI+游戏的拓展方向。
麦琪的花园
基本信息
网址：https://store.steampowered.com/app/2990190/
开发团队：AutoGame
团队关键成员：创始人：张昊阳，前《和平精英》AI负责人，《伊甸岛》（腾讯内部项目）制作人。
融资情况：天使轮 – 奇绩创坛、九合创投
介绍：欢迎来到麦琪的花园，世界首款AI沙盒冒险游戏！在这里，你将从零开始建设自己的营地，并创造专属于你的AI伙伴。 每一次与伙伴的互动，都将塑造你们之间独一无二的特殊关系。即刻踏入未知的世界，享受自由探索的旅程吧——
目标用户和市场：二次元玩家，沙盒玩家，星露谷玩家，像素风爱好者，轻量战斗游戏玩家
发布日期：暂未发布
是否有公开Demo：否，有阶段性封闭测试
主要玩法
二次元像素风开放世界沙盒生存建造+战斗玩法，同时可以管理自己的小队，培养与AI NPC的关系。
一句话
以图片/文本创建自定义AI伙伴并进行深度互动的AI驱动像素风沙盒冒险游戏，创新性强，早期市场反馈积极。
核心价值
1.技术应用突破性
a.游戏中的AI能力边界
实现通过图片或描述高精度生成AI NPC（立绘、故事、性格）。
生成式AI部分最大的亮点是AI NPC的所有动画序列帧均可由AI实时生成，且因为是像素风，效果瑕不掩瑜，基本不会破坏心流体验。
笔者于2024年11月试玩，当时表现十分惊异——因为极少能有游戏把AI实时生成的动画可以做到很好地应用于玩家体验当中。
AI驱动NPC实时生成对话、语音、行为和情绪表现。
多模态生成（立绘、道具、地图规划）。
AI能够理解玩家的输入，并生成符合玩家期望的AI伙伴。
b.与传统游戏的差异点
AI驱动的NPC不再是固定脚本，而是拥有记忆和自主行为的“智能生命体”。
玩家可以真正意义上“共创”游戏内容，与AI伙伴形成独特、动态的关系。
传统的游戏NPC行为和对话是预设的，而《麦琪的花园》中玩家可以创建自己的AI伙伴，并与之进行深度互动。
2.用户对AI的兴趣与付费
a.用户需求接受度：沙盒玩家、二次元爱好者和AI聊天用户群体高度重合，AI伙伴的强陪伴感和个性化互动是核心吸引力。
UGC创建AI伙伴满足用户二次创作和个性化表达需求。
玩家对与AI伙伴的深度互动和共同创造故事有较高需求。
b.付费模式和买断式游戏一样，商业模式本身可能和AI没有太多关系。
技术可行性
1.技术栈
a.采用UE引擎的像素管线，结合自研AI内容生成、动作、语音模块。
b.融合大语言模型和扩散模型（Diffusion Model）。
可能与开源GameGPT、ChatHaruhi等类项目有关联。
技术团队具备AnimateDiff等开源项目经验。
2.数据与训练
主要采用团队内部原画师自画内容训练AI模型，成本可控。
用户认知与行为
1.产品认知门槛
开放世界沙盒冒险+AI伙伴玩法易于理解。
部分高级自定义功能如角色生成需要简单学习。
2.长线体验监测
AI伙伴互动深度高，用户愿意反复试验生成角色和剧情，相比于传统同类游戏的优势是AI带来了更强的内容复玩性。
用户对AI伙伴的喜爱和社区互动是长线留存基础。
后续关于AI内容的持续更新可能是推动延长游戏生命周期的重要一环。
市场与商业化
1.目标市场
先锋用户：AI游戏爱好者、深度二次元用户（OC圈、同人/虚拟主播粉）、沙盒模组爱好者。
大众市场：泛沙盒玩家、对模拟经营和休闲建造感兴趣的用户，愿意尝试和探索AI辅助游戏创作和互动的潜力的人群。
2.商业化模式
传统买断制游戏模式，大概率为本体+DLC形式。
3.风险预判与可行性验证
风险清单
长期主义启发
创始人张昊阳的核心理论是“AI应成为游戏底层技术，回归‘好玩’本质”，而《麦琪的花园》让笔者看到了GenAI在内容层面上和游戏性有机结合的可能性。其二次元与像素风结合的实际效果，以及AI生图和逐帧动画的稳定性，证明了在这个维度上，赋能玩家用AI创造自定义且能给游戏体验加分的游戏内容是有前景的。
但既然其被归类于「AI演出」品类里，还是因为这些AI内容其实并没有与游戏本身的规则和玩法交叉——其更像是从一个审美角度出发，去吸引那些拥抱AI、对AI生图和不确定性的内容有足够接受度的玩家。
笔者反倒觉得，《麦琪的花园》的“沙盒”程度，远没有 inZOI 高。inZOI 从游戏规则上更像是给出了一个沙盘，让玩家自由体验“属于自己的人生”；《麦琪的花园》有着极高的自由度，但游戏整体叙事目标更加清晰，主要玩法十分明确，而这些因素使其更像是一款传统游戏。也正因如此，里面的AI内容会更偏服务于其传统游戏框架中的要素，如NPC立绘、动画、技能属性设定等等。
这样的话，如果说 inZOI 里的传统游戏框架为其提供了下限，那么在《麦琪的花园》里可能正好反过来——其传统游戏框架提供的是上限。
第三方资料
https://news.qq.com/rain/a/20250225A08OTE00
AI演出体验可能相似的产品：Circle Mountain Circle Sea – 圈圈圆圆圈圈
Circle Mountain Circle Sea
基本信息
网址：https://store.steampowered.com/app/3573470/
开发团队：喵吉托工作室
融资情况：天使轮 – 奇绩创坛
团队关键成员：创始人：李驰，前字节游戏强化学习研究员。
介绍：打造你的圆圈农场，培育繁荣的栖息地，让古怪可爱的动物伙伴安居其中，成为终极牧场设计师！通过肉鸽类游戏机制掌握战略性棋盘布局，将荒芜的土地转变为一个充满奇思妙想的农场。
目标用户和市场：休闲游戏玩家、模拟经营玩家、对轻度Roguelite和策略布局感兴趣的玩家
发布日期：暂未发布
是否有公开Demo：是
主要玩法
玩家放置不同圆形生态拼块，通过堆叠、链接和组合创建生态网络，管理牧场，应对随机挑战。同时，可以通过AI创建独特的拼块生物或物品，自定义外观和设定（Demo里暂时无法体验）。
AI+游戏思路
大致和《麦琪的花园》在AI结合游戏的思路上类似：游戏的核心玩法偏传统游戏的形式，通过GenAI来丰富演出部分的内容，增加复玩性和UGC潜力。但这一切都是围绕于游戏本身的核心玩法框架与大游戏目标实现——游戏框架为GenAI内容提供了具有明确上限的潜力。
AI+游戏方向调研报告（中）
写在前面
本期重点讨论AI+游戏中的UGC方向。
关于AI+游戏UGC，应该think differently.
1.用短视频平台UGC的思路不太适合做AI+游戏UGC。
a.短视频UGC的偶然演化论：
抖音体系的成功无法刻意复刻。抖音的成功，是在像musical.ly这样的小受众群体（海外青少年）且娱乐性纯粹的小玩具产品出现时，遇见推荐算法技术+移动设备的硬件技术均日渐成熟的节点，结合被动推荐的产品机制（用户体验端）+中国大陆用户特有的移动端人机交互习惯综合构成的偶然结果。
如果倒果为因，以UGC为平台目标刻意效仿则难以复刻。通过其他的小垂类场景抓人性特点，等待下一代的人机交互范式出现后，在第一时间抢走用户的注意力，才有可能复刻现有的抖音体系。
b.生产原材料论：
短视频平台UGC模式的原材料与实际产出的本身与短视频平台产品体系没有什么关系。抖音是一个内容推荐平台，它本身（以及剪映本身）产品如何，与用户做内容生产用的原材料没有关联。换句话说，短视频平台生态完全不参与原材料的采集与原始加工。
游戏UGC大相径庭——游戏内容的生产往往是一个完整的从0到1的过程，这个生态和原材料以及UGC内容本身息息相关；原材料的生产加工与UGC生态的运营直接挂钩。
于是游戏UGC平台产出的质量和产品本身的能力边界直接挂钩。在这个逻辑下，UGC就要换一种思路去做，拓展产品定位，扩大「泛游戏idea」的应用影响力，也是在扩大产品本身的原材料产出部分的应用场景。
2.AI游戏UGC的价值在于创造 Scaling 的产品的消费级内容体验。
a.有价值的AI UGC ≠ 单纯的 user-generated AI content，而是要抓准体验钩子、围绕游戏内核。
结合「生产原材料论」，AI游戏UGC的核心环节应该在于「游戏」而非「生成」——元宇宙叙事下的游戏UGC平台的错误产品路径，是从内容的「生成」环节开始做文章，推导至游戏化体验作为终点。但产品的「生成」环节的价值兑现，是完全与游戏化体验这个终点挂钩的，而在这个产品链路下，具体的游戏化体验又无法单独被塑造。于是游戏UGC平台陷入了一个比上（专业游戏生产引擎工具）不足，比下（短平快的泛娱乐UGC体验）又失去获客和留存竞争力。
如果从一个完整的体验终点的设想开始，倒过来推导至「生成」环节，UGC部分才能真正抓准体验钩子、围绕游戏内核。如果是这样的话，产品的核心环节还是做一个「好游戏」。
b.一个可能非常反直觉的非共识：“AI感”对玩家的UGC体验而言很重要。
某 AI CRPG 制作人的理念：我们的游戏内容有 50% 其实都是由 AI 实时生成，但因为我们把延迟、内容品质做得很好，玩家感受不到 AI 的存在。
效果恰恰相反：这样做到不如好好打磨一个传统叙事 CRPG。AI 真正的意义在此刻失去了价值。如果 CRPG 本身做得还不够有竞争力，AI 更加无法在其中赋能。
相反，AI 游戏体验一定要包含“AI感”，让玩家感受到 AI 的存在很重要；不光如此，还要让玩家直观上手，和 AI 交互，和 AI 共塑游戏体验，并时时刻刻让其明白，自己在做一些伟大的事。
Character AI带来的UGC范式
传统游戏+UGC一般而言有两种形式：一些早期的采用支持拓展三方模组功能引擎框架的游戏，如《上古卷轴5》，形成了巨大的模组社区，其极大推动了游戏本体的曝光、二创和生命力；二是一些游戏本体的框架本身就支持玩家进行高自由度的自定义内容创作，无需借助外部工具，如 Minecraft、《蛋仔派对》，从而形成围绕游戏本体内容框架的UGC社区。
借助生成式AI的力量，以及 Character.ai 的产品启发，当下涌现出了结合AI内容和游戏框架打造UGC生态的概念。在传统的游戏UGC中，玩家的创作内容使用的相关资产一般是游戏内官方提供的预设素材，亦或是玩家自己借助三方工具制作的资产；在AI游戏UGC中，AI可以通过实时生成UGC所需物料，并通过相关整合使其更贴合游戏平台本身的特性，创造更便捷统一的体验。也有一些产品的想法更为激进，如下面要介绍的 NYXverse.AI，在其愿景下AI还会实时生成自定义的交互式玩法。
AI游戏UGC是一条艰难的路线，尤其是现如今在笔者的观察下，许多想做内容社区的产品都绕不开一个执念——打造游戏界的抖音（or Tik Tok）。结合「短视频UGC的偶然演化论」与「生产原材料论」，以这个思路去做游戏产品很难最大化发挥游戏与AI的价值。
但这些产品目前展现出的设计思路和技术栈应用依然给AI+游戏方向的实践带来巨大的价值和灵感。
NYXverse.AI
基本信息
网址：
https://store.steampowered.com/app/3391170/NYXverseAI
https://space.bilibili.com/1366838005
开发团队：2033科技，一家大模型2C应用的人工智能公司，致力于打造AIGC内容平台，降低用户使用门槛，辅助用户进行IP原创和二创，满足用户和IP的深度交互，用户可以在平台上高度自由创造“AI Agent+环境+情节+时间”的3D世界，快速将喜欢的角色带到眼前，以3D的形式呈现，方便分享转发给同好，是年轻用户的兴趣内容平台。
融资情况：天使轮 – 商汤科技、东方国资
团队关键成员：创始人：马宇驰，大鱼智行联合创始人，三角兽科技创始人，人工智能领域连续创业者，商汤科技人工智能顾问、招商证券(国际)人工智能顾问。团队成员多有AI（NLP、LLM）及游戏（完美世界、Gaia Interactive）背景。
介绍：NYXverse是UGC内容平台，由用户创造上传和定制自己喜欢的角色，目前平台上已经有数千个IP的Agent，支持用户自己上传VRM文件，降低用户形象创作门槛，同时支持用户从名字到基础人设、背景故事和对话风格的高度自由定制。
目标用户和市场：UGC内容创作者、对AI生成3D内容和虚拟社交感兴趣的用户。
发布日期：2025.1.28（EA版本）、计划6/7月发布移动端
市场表现：数百份（2025.5.21）
主要玩法
核心机制：用户通过自然语言描述或上传素材，AI辅助生成3D虚拟角色和场景。与AI Agents进行文本、语音、肢体动作等多模态互动。AI与用户共同推进故事剧情，创作互动小说或电影剧本。AI角色具备行为/情感模型，能自主响应环境。
UGC生成机制：用户是内容的核心创作者，AI是强大的辅助工具。支持针对IP进行二次创作。平台提供角色、世界和行为三大AI模型支持用户内容生成。用户通过简单的文本输入即可生成复杂的3D场景和角色（理念是这样，目前版本还无法达到）。
一句话
AI驱动3D版类 Character.ai 平台，支持文本生成3D世界与AI Agents，聚焦内容创作与社交，但技术栈维度有一定风险。
核心价值
1.技术应用突破性
a.AI能力边界
自研角色、世界和行为三大模型，实现文本生成3D世界和AI Agents。支持AI生成3D道具。
支持复杂角色个性连贯性、自主环境响应和动态剧情生成。
底层使用70-100B基模型训练垂直模型，能够根据用户输入生成高质量的3D内容。
目前版本只有密室逃脱玩法（类似 AI2U）和一些简单的恋爱故事玩法。根据创始人的说法，这些玩法都是用户自创的。“平台技术栈具备了理解和创建玩法的能力，具体怎么玩由用户自定义。”
b.与传统游戏的差异
极大降低3D内容创作门槛，使非专业用户能快速构建3D虚拟世界和角色。
AI与用户共创剧情，提供更具互动性和个性化的叙事体验。
传统的3D内容创作需要专业的技能和工具，而NYXverse通过AI技术使任何人都可以轻松创建3D内容。
2.用户的兴趣与付费维度
目标是满足用户对个性化内容创作、虚拟社交和沉浸式体验的需求。用户对这个方向的内容创作会存在较高需求。
目前内购的会员付费模式主要围绕增强用户UGC创作的品质和深度体现，如自定义角色容量、音色定制；同时还包括产品内和AI的交互体验，如亲密度解锁等。
据创始人自述，在EA阶段的月卡购买比例是10%（而这些用户的前提是先购买游戏本体）
技术可行性
1.技术栈
a.基于AI大模型能力，自研三大模型。采用70-100B基模型训练垂直模型，并计划突破到更小规模的个人模型。支持多模态互动。
采用“多模态模型+Unity”的技术框架，目标是让用户能生成各种场景，让虚拟角色（Agent）在这些场景里自由互动。
b.目前来看这部分是产品的最高风险项。
当下3D的生成方向稳定程度与平均品质还不足以达到稳定优质的实时生成体验；这部分可能会有AI做地编的逻辑，人工对齐和打标已有预设或UGC资产，AI用资产库实时生成地图。
同时，当前多模态能力能否达到实时生成游戏玩法，笔者表示存疑。目前具体还不了解其团队在这个维度的底层技术壁垒。
马宇驰：“要实现这个目标特别难，主要有三个挑战：
3D生成难题：现在的技术还没办法同时生成一个3D空间和符合预期的角色，只能靠整合多种技术来解决。
-
交互实现困难：让3D角色在空间里自然走动，和物品互动很难。普通游戏是用固定的坐标点控制角色行动，我们做的是用户能自由创作的平台，得让虚拟角色像真人一样，理解空间和物品功能，根据不同情况互动。比如知道冰箱用来放食物，沙发可以坐，还能边坐沙发边看电视。
故事合理难：生成天马行空的故事容易，但让故事既符合角色性格，又和3D空间合理匹配很难。要避免出现卧室钓鱼、客厅开吉普车这样不合理的情节。
让虚拟角色像人一样，知道自己在什么地方，明白周围东西有什么用，比如饿了会找吃的，按正常作息活动，听起来有趣，开发起来却非常复杂，需要游戏和算法工程师一起想新办法。现在Steam上的0.7版本虽然还有不足，但已经为以后的产品打好了技术基础。”
2.数据与训练
暂时未知。
用户认知与行为
1.产品认知门槛
文本生成3D概念对非技术用户有一定认知门槛。
AI Agents互动符合自然语言交流习惯。
用户需要学习如何使用自然语言描述来创建和控制3D内容与自定义玩法。
2.长线体验监测
UGC内容生态、社交互动、AI共同创作剧情是长线吸引力来源。当前EA阶段平均用户停留时长79分钟，体现一定用户留存。
用户对AI生成内容的新鲜感可能会随着时间推移而降低，而这个降低的斜率则由3D GenAI质量和稳定性决定；亦或是需要不断有新的内容和功能来吸引用户。
市场与商业化
1.目标市场
先锋用户：二次元文化爱好者、UGC内容创作者、对AI工具和虚拟社交感兴趣的年轻人。
大众市场：泛娱乐用户、寻求虚拟陪伴和互动体验的用户。
后续产品聚焦手机端，主要目标应该会是更下沉的群体。
2.商业化模式
当前EA版本付费购买（1.99美元）。
未来主打移动端，主要可能靠包括订阅、增值服务、内容分成、IP衍生等多元变现路径。
马宇驰：“会保留月/季/年卡付费选项，基于技术栈的升级，加入高级能力包和普通能力包区分，实现更丰富的游戏玩法和粉丝玩法付费，比如冰箱可以打开购买食品、角色可以定制礼物等。在流量增长的同时，会同时与明星、MCN、网文作家等合作，借鉴传统的文娱内容付费和粉丝经济，重点是让用户玩得开心尽兴。”
3.风险预判与可行性验证
a.风险清单
长期主义启发
因为 Character.ai 是文字驱动玩法，所以不用考虑游戏框架和执行逻辑；NYXverse 想做到自由的UGC玩法难度会更大，因为其更依靠游戏化体验搭建内容，而非单纯的文字和图片。
现在的多模态技术如果无法做到实时生成体验稳定的游戏玩法，这种高维的类 Character.ai 模式的平台在构建用户的长线兴趣和变现上就会有风险。
回到笔者的假设——AI游戏UGC内容受限于平台本身能力边界。Character.ai 受限的是chatbot和生图大模型的能力边界，其本质是一样的。
第三方资料
https://www.sohu.com/a/883825452_122063396
https://news.qq.com/rain/a/20250428A08KU900
相似产品：RPGGO
RPGGO
基本信息
网址：https://www.rpggo.ai/
开发团队：北京幻世生成科技
融资情况：无公开信息
介绍：一家专注于垂类生成式 AI Native 产品的科技创业公司，产品面向海外用户，力图用算法创造游戏及开放世界领域的全新体验，为更好的创建开放世界构建世界书基底。
RPGGO 由顶尖的前互联网头部企业高管及算法技术专家成立，团队成员有海内外亿级 C 端产品经验，致力于创造崭新的下一代体验。我们期望与更多对新一代基于生成式 AI 的开放世界产品有展望和理想的成员共同创造、成长。期待你与我们一同带着热爱与梦想创造价值，开拓出崭新的时代。
目标用户和市场：UGC内容创作者、对AI生成内容和虚拟社交感兴趣的用户、RPG玩家
发布日期：大概是2024.11左右
市场表现：大概是暂时没有收入（无付费渠道）
AI+游戏思路
类似于 NYXverse.AI，属于从 Character.ai 出发，向着更游戏化和多元交互的UGC产品形式拓展；只不过 RPGGO 选择的方向是2D像素风为主的生成式内容。从这个维度来说，成本会更可控，效果稳定性也会相对而言更好；牺牲掉的东西可能是体验上的沉浸感。
目前产品拥有一定的用户数，玩法包括传统对话式RPG、跑团和角色扮演文字冒险（这部分几乎就是传统的 Character.ai 式交互）。目前产品体验下来的内容也要远比 NYXverse 多。
同时，在技术栈方面，更加关注NPC的行为逻辑与游戏世界中的交互功能构建，团队的自研引擎名字为“Zagii Engine.”
第三方资料
https://www.163.com/dy/article/IMI08LI8051282JL.html
https://www.jazzyear.com/article_info.html?id=1212
Astrocade AI
基本信息
网址：https://www.astrocade.com/
开发团队：Astrocade AI
团队关键成员：创始人：Amir Sadeghian，AI独角兽公司 Aibee 创始研发总监。CTO：Ali Sadeghian，前谷歌AI部门研究员。
首席策略官：Feifei Li，谷歌云前首席AI科学家，World Labs创始人。
融资情况：种子轮 – AME Cloud Ventures、NVIDIA Ventures、Venture Reality Fund、Unity前CEO John Riccitiello、谷歌董事长Eric Schmidt、Roblox 创始人David Baszucki等，1200万美元
介绍：核心业务目标是打造一个类似AI驱动的Roblox平台——游戏界的Tik Tok。
目标用户和市场：UGC内容创作者、对AI生成内容和虚拟社交感兴趣的用户、小型开发团队、寻求快速原型制作的用户
发布日期：2024.7.24
市场表现：大概是暂时没有收入（无付费渠道）
主要玩法
用户输入自然语言描述游戏规则、世界观、美术风格等，平台AI自动生成完整游戏（美术、动画、音乐、玩法）。玩家可在平台内游玩、分享、修改其他用户创作的游戏。
一句话
AI应用泡沫产物。
核心价值
目前的产品品质和体验都非常粗糙，AI只能通过用户描述生成一些相关联资产，并在一个2D横版场景中按照一定规则搭建。游戏中没有核心玩法，只有一些非常基础的角色操作与交互。
平台想打造一种抖音类的产品体验，获得了Roblox投资可以视为是其对本身产品缺乏移动端体验的弥补。
长期主义启发
当下市面上的确缺一个移动端Roblox产品的存在，但以Roblox的财报结果来看，这个赛道显然距离爆发节点还有一段距离。同时，产品框架依旧没能脱离出「生产原材料论」，即用短视频UGC的逻辑做游戏UGC是错误的方向。
仅从该产品包装效果和实际品质做对比来看，大概率是以吹估值泡沫为主的产品。
第三方资料
http://www.gamelook.com.cn/2024/06/546570/
Character.ai
基本信息
网址：https://character.ai/
开发团队：Character.ai
融资情况：A轮 – Andreessen Horowitz，1.5亿美金
团队关键成员：联合创始人：Noam Shazeer，Google AI研究员，参与了Transformer架构的构建。
联合创始人：Daniel De Freitas，主导了Google的LaMDA 试验性聊天机器人项目的设计与研发。
介绍：一个AI驱动的对话平台，用户可以创建个性化虚拟角色（AI Chatbots）并与之互动。平台提供丰富的社区创建角色，支持多用户同时与AI角色聊天。
目标用户和市场：寻求AI陪伴、角色扮演、个性化互动和内容创作的广泛C端用户
发布日期：2022.9
市场表现：后期因为同类产品太多，用户粘性逐渐下降。巅峰时期（2023年底）用户日均使用时长29分钟，活跃用户超2小时。iOS/Android累计下载量超500万次，付费订阅转化率12%
主要玩法
用户自定义AI角色（姓名、性格、背景故事）
支持文本/语音对话及多用户群组聊天
社区共享角色库为核心内容来源
一句话
当下消费端聊天机器人玩具的祖师爷，为LLM+娱乐方向提供了最最基础的产品结构。
核心价值、技术可行性、用户认知与行为、市场与商业化在此不多赘述。
长期主义启发
Noam：“角色扮演是人的天性。”
作为聊天机器人，它有着比 ChatGPT 更丰富的使用场景，呈现了一个 AI-Native 时代的全民应用的愿景。它允许用户设计自己的个性化 AI Chatbot 并与之互动，用户可以通过 Chatbot 和名人进行互动，也可以虚构形象进行角色扮演，甚至也有人通过 Character.AI 进行心理疗愈。
Character.ai 的价值是为后人铺的路——在算力成本骤降之后，类 Character.ai 产品如泉涌般，占据了AI+娱乐方向的主流消费模式。
第三方资料
Character.AI：AI Agents 平台下的大模型“民主化”梦想
相似产品：星野
星野
基本信息
网址：https://www.xingyeai.com/
开发团队：MiniMax
目标用户和市场：面向喜爱AI陪伴、虚拟角色社交及AIGC创作的广大C端用户，包括对深度角色扮演、情感链接有需求的年轻群体。
差异化
相比纯文本Chatbot，星野凭借图像与声音模型，将AI角色演出与社交深度融合，显著增强沉浸感。
同时，星野的整体产品交互更趋向于商业化游戏逻辑，在体验层刺激用户对产品内容上瘾。
相似产品：Talkie
Talkie
基本信息
网址：https://www.talkie-ai.com/
开发团队：Minimax
差异化
Talkie是一个出海产品，其成功主要胜在IP矩阵和KOL传播上。Talkie从2024年12月开始海量增长，因为其市场团队精准定位了欧美用户的一些抽象文化——如对一些猎奇角色和设定进行二创。针对于此，Talkie运营出了许多深受用户喜爱的原创IP角色，并靠欧美KOL矩阵广泛传播。
第三方资料
https://www.leiphone.com/category/yanxishe/QVWEaN5YOpn9XmJQ.html
“酒馆”like
“酒馆”即 SillyTavern, 一个起源于2023年的一个开源 AI 文字冒险项目并由其演化而来。
随着 AI 能力边界的不断拓展，token 成本的不断降低，以及前端架构的逐渐成熟，“酒馆”展现出了一套愈发成熟的游戏化 AI Chatbot 玩具的体系，包括《元仔世界》也借鉴其中。他们相比于最早期的 C.AI, 多了更多规则框架和演出模式，让整体的 AI 游戏化体验更可控、符合预期、贴合游戏的核心循环。
这个模式也给更复杂的 AI 游戏系统带来了启示——C.AI 展示了 AI 能怎么玩角色扮演的边界，而“酒馆”展现了角色扮演游戏能怎样玩AI，从哪里作为这个AI游戏系统的起点会更有拓展性。
SillyTavern
https://github.com/SillyTavern/SillyTavern
核心定位：开源AI角色扮演前端平台
1.技术起源
基于 TavernAI 1.2.8 深度重构的分支项目，由开发者 Cohee 与 RossAscends 于 2023 年 2 月发起，目前已成为独立生态。
定位为轻量化前端界面，需连接后端大语言模型（LLM）才能运行，自身不包含AI推理能力。
2.设计哲学
用户主权优先：不收集用户数据、无跟踪代码，支持完全离线部署。
极客友好：提供底层API控制权，允许高级用户定制提示词（Prompt）、调整生成参数（如temperature/top_p）。
核心功能架构
多模态交互支持
角色扮演系统
1.角色卡（Character Cards）：
采用 .png 或 .webp 格式存储角色元数据（姓名、人格设定、初始对话），支持社区共享。
高级控制：通过“作者注释”（Author’s Note）强制角色行为逻辑，或利用“世界书”（WorldInfo）构建连贯剧情宇宙。
2.多角色交互：
群聊模式：用户可创建多AI角色房间，观察角色间自主对话或参与互动。
动态情感系统：扩展插件可实时检测对话情绪，触发角色表情变化。
开发者级工具链
扩展框架（Extensions）：
支持实时摘要、D&D骰子、图片理解等 50+ 插件。
API 生态整合
通过 secrets.json 管理第三方API密钥，支持 OpenRouter 等聚合平台。
提供 WebSocket 接口供开发者二次开发。
技术部署与生态
跨平台支持
社区生态数据
1.开发者规模：200+ 贡献者，月均代码提交超 100 次。
2.资源仓库：
角色卡库：CharHub 收录 15,000+ 用户生成角色。
插件市场：GitHub Wiki 提供扩展开发文档。
典型应用场景
虚拟伴侣系统：结合 TTS 与情感插件构建高拟真对话。
协作创作：作家利用“世界书”功能维持长篇故事一致性。
AI研究沙盒：通过提示词工程测试LLM行为边界。
长期主义启发
从小酒馆like的爆火中，笔者尝试窥探未来 AI 游戏发展的两个趋势：
1.游戏本体的底层系统设计会越来越像「游戏编辑器」。
把 AI 看做一个执行策划，用技术策划的思路做「工具」。
或是把 AI 看做一个 DM，用设计“机制本”的思路做游戏系统。
2.大模型越来越趋近于依赖本地部署的运行。
延迟最低，成本最低，体验+商业模式均可控。
只要合理设计好游戏系统和 AI 的角色定位，其实不太需要太强的算力。
有点像 2D 到 3D 游戏变革期间对硬件的要求升级，恰好同样也是显卡
构建 AI 在游戏中的 Scaling
我们在开头提到，AI游戏UGC的价值在于创造 Scaling 的产品的消费级内容体验。在本篇研报中笔者想特地探讨的两款充满独特思路的UGC产品分别是我们在上一期见过的 Bside 以及一个相对名不见经传的AI“修仙模拟器”。在笔者看来，这两款产品分别从两个角度出发，并构建了非常有意思的UGC逻辑，并很可能产生不同方向的 Scaling 体验；而至于这个体验有没有达到消费级水平，还要结合许多其他因素综合考量。但我们从中 UGC 的构建环节获取的启发已经弥足珍贵。
第一篇研报的完成时间为2025年5月20日（笔者实际上手体验产品以前），以下对于 Bside 的分析补充完成与2025年7月15日（笔者实际上手体验产品以后）。
Bside – 对比 上一篇研报 调研版本
Bside
基本信息
网址：https://www.bside.zone/
https://store.steampowered.com/app/3649950/Bside/
开发团队：Kotoko ai
融资情况：种子轮 – 红杉资本
团队关键成员：创始人：乔海鑫Patrick，前真格基金投资经理、Yahaha CEO助理。
介绍：Bside是一款围绕你的原创虚拟角色Biibit的多人社交模拟养成游戏。创建有独一无二人设的Biibit，为Biibit们创建一个个有丰富背景设定且能够自主运行的小世界（e.g. 咖啡店，魔法小镇，你就读的高中），并让Biibit们在其中生活！即使没有你的操作，Biibit们也会基于自己的人设与环境去互动、成长甚至交朋友。此外，Biibit会随时发朋友圈分享他们的生活日常，在你的桌面上扮演桌宠，甚至带你认识其他Biibit背后的玩家！
目标用户和市场：二次元+养成类玩家，重度PC玩家，Discord类产品用户，主发海外。
发布日期：暂未发布
是否有公开Demo：是
主要玩法（补充）
围绕OC养成玩法，伴随AI+轻量级《模拟人生》体验，核心玩法驱动在于AI原生社交玩法——玩家们的OC互相由AI驱动互动、成长、探索世界。
核心价值（补充）
1.游戏中的AI能力边界
自己的OC角色会由AI驱动来帮助玩家进行交友。OC角色会基于自己、对方的性格和特点，由AI驱动来自主进行活动，如打招呼、聊天、跳舞。目前功能还比较少，后面会逐步放开。
2.与传统游戏的差异点
由用户指令+AI自主驱动结合玩家们的OC属性实时生成。
用户认知门槛
玩家可以通过类《模拟人生》式点击交互或自然语言交互来操纵OC和其他玩家的OC进行社交活动。
目标先锋用户
青少年用户，集中在12-18岁，有普遍更高的虚拟世界社交需求与玩法创新驱动。
长期主义启发（补充）
从青少年社群做起是一个好的切入点。青少年具有更强的虚拟世界探索需求，更强的从众和追随潮流的心理，同时身上也存在许多和成年用户相似的产品使用习惯共性。从青少年开始挖掘，逐步探索人性和AI社交范式，拓展到更泛化的消费群体中，就像早期抖音那般。
Scaling的展现
传统的游戏玩法的驱动无非在于两点：游戏性和内容。游戏性通过通人性的、令人上瘾的反馈机制和游戏循环使玩家持续进行游玩体验；内容通过讲好一个故事、精美的视听效果、亦或是两者一起，通过互动形式让玩家进行娱乐消费。
我们已经在前几篇研报中论述过了，传统的游戏框架+AI以及AI驱动的视听效果都不足以产生 Scaling 的效果。那么，如果无法设计出新颖的游戏框架以及视听效果的呈现形式（受限于硬件设备的发展），从产品定位和商业逻辑或许可以找到新的出路。
Bside 为我们提供了启示。Bside 从头到尾都没有强调其游戏玩法和游戏循环，而是以AI驱动的社交玩法为起点，并围绕其来打造适当的游戏机制。选择类《模拟人生》的体验不是其终点，而是在打造适配AI的吸引人的社交玩法的途中一步一步拓展（或将会拓展）出的游戏形态。而社交不是一个写死的、固定的体验，其围绕活生生的人以及他们的内容展开，AI赋能的 Scaling 或许会在其中有所体现。
《修仙模拟器》
https://xiuxian.mob-ai.cn
玩法主要是带一定数值的文字冒险，不在此展开探讨。
主要探讨其角色创建后的「历史回顾」功能。
Scaling的展现
因为游戏本身的演出形式是完全纯粹的文字小说，而文字的特点在于其极度灵活、极易留存，并且可作为内容与IP资产的一般载体。这样一来，玩家在游戏中实时游玩的过程中，因为每一次决策都是由玩家做出，LLM来进行推理和演出的实时生成，而又因为演出载体是文字形式，玩家便可一边游玩，一边自然而然地生成UGC。
所有游玩的演出内容都成为了玩家自己在不知足不觉中生成的资产，并在产品前端以网络修仙小说的形式呈现，供玩家自己回顾，亦或是别人阅读。而网络修仙小说的特点是啥？流水账、无需深度、短平快体验。LLM当下的能力完全可以handle。
在这个过程中，AI的价值必不可少：在玩家和游戏世界的交互过程中……
驱动游戏内容体验；
构写玩家自己的UGC。
产品的核心价值：玩家不需要特别思考自己要转化什么东西，这是由AI和游戏引导共同构建的丝滑体验。这是笔者强调的，AI UGC能力去抓准体验钩子、围绕游戏内核的展现。
在《修仙模拟器》的案例中，产品取巧的点在于选取了文字这样一个便捷的载体。那么，如果我们想要构建一个更高逼格、更能直击人心的AI UGC体验，或许可以从文字载体的两个受限继续探索，在产品维度进一步突破：
文字，或者说自然语言的信息熵上限不够高。自然语言顶多可以从表层抽象一步，很难继续抽象成更底层的概念性逻辑（Language is the World）；
视觉小说在体验层的维度过低——从游戏机制框架层面讲，互动性、涌现性、发散性都不够强，而这一点也会进一步约束我们想要达到的AI Scaling体验。
那么，究竟什么样的框架和演出形式，是既能拥有足够高的信息熵属性，又能满足适合人类沉浸游玩的“高维体验”？我们将在下一期继续探讨。
AI+游戏方向调研报告（下）
本研报立足于笔者对 AI+游戏市场的持续调研，结合此前涉及的几大方向与开发实践，尝试给出一份阶段性的总结与思考。
本文将主要围绕两个大方向进行探讨，AI与游戏能如何互补：
AI能给游戏带来什么？
在之前的研报中，笔者探讨过当下AI的本性和游戏的底层原理是难以兼容的，但主要是以游戏框架为主体，在传统游戏产品闭环内塞AI，来验证AI存在的价值。在这层条件下，笔者认为AI实际价值甚微，无法真正撼动游戏多年形成的产品范式。
不过，如果能找到一个方向去突破传统游戏产品的框架，且往这个方向前进的必要条件是AI，则有可能找到一条路径来成为有价值的AI游戏范式。
当然，我们坚决不能忘记做游戏产品的一切的大前提——游戏本身要有趣、好玩。如果这条路径走到c.最后，游戏失去了原本的趣味性，那么一切在这个闭环内的价值都将化为灰烬。
游戏能给AI带来什么？
谈论到这个话题，我们会发现很多更有趣的内容。当我们在谈论AI的时候，AI究竟是什么，核心价值体现在哪？在这个过程中，我们往往只强调“AI 如何赋能游戏”。但换个角度思考：游戏本身也能为 AI 的价值释放与进化提供独特土壤。笔者认为主要有两点值得关注：
AI的模仿能力。AI 并不能真正理解抽象概念，但它具备强大的学习、效仿与执行能力。游戏中高度结构化的元素（角色、规则、叙事、交互）为 AI 提供了天然的“可模仿素材”。当 AI 学会在游戏语境中模仿这些要素，它就能够以更自然、更具沉浸感的方式与玩家建立交流，从而让虚拟交互更接近真实人性。
AI的生成能力。AI 与人类沟通的唯一方式，是通过其生成的内容——无论是文字、图像、视频还是代码。这些内容的价值取决于它们是否能被人类进一步生产、加工与消费。而游戏作为一种信息密度最大、交互沉浸感最强、体验上限最高的媒介，恰好是放大 AI 生成能力的最佳场景。如果能在游戏中找到合适的结合点，推动 AI 内容与玩法的规模化（scale up），那么这种全新的交互体验不仅可能成为现象级产品，也将是 AI 生成能力真正“释放给人类”的最佳路径。
AI+游戏之间的「两个协议」
搞好AI+游戏方向产品，最核心就是在构建「两个协议」：
神经网络 与 规则沙盘 之间的 数学建模协议，以及：
虚拟世界 与 现实生活 之间的 内容转化协议。
1.什么是「数学建模协议」？即AI如何被“规则收束”。用“AI跑团”做例子解释。
a.“AI跑团”思路或许可取，但一定是 DND 框架。为啥？因为 DND 有模块化的基础规则。
所有 DND 跑团本都是基于 发散编剧 + 规则收束 的过程：玩家和主持人提出发散性的情节，但最终一切必须回归到规则体系来判定。这也是为什么 DND 框架历久弥新：它提供了高度模块化的基础规则，使得故事可以无限展开，却不会失控。
所以《博德之门》和《神界原罪》都好玩，因为有足够强大、具有承载力的规则框架在先，其次是吊的批爆的世界观，最后是每一作的微观角色塑造和故事线。
AI或许会有足够的潜力，在用户和游戏系统的指导下，构建无限有趣的后两者内容。
b.在 AI 驱动的场景中，神经网络的本性是发散的，可能带来无限的灵感与随机性；但如果缺乏一个数学化的规则沙盘来收束，这种发散往往会失去可玩性，甚至破坏体验。 因此，「数学建模协议」的意义在于：通过建模的方式让 AI 的发散能力在规则框架下发挥到极致，从而让 AI 生成的内容不只是灵感的堆叠，而是可以转化为 稳定、好玩的玩法体验。用数学建模的思路去构建规则沙盘，其意义在于能够收束发散的神经网络的本性，在这个沙盘下发挥AI最优美的能力。用这个思路去做游戏，不管游戏本身靠不靠谱，定位清不清晰，从体验上讲或许真正能够超越传统游戏框架的好玩。
2.什么是「内容转化协议」？虚拟与现实的双向映射。本篇研报后面会提到的“暖星谷梦游记”会是一个相关案例。
这一层协议是为了最大化发挥AI的另一个相比于传统产品的优越性——与用户之间的链接。一切「情感陪伴」类AI产品的核心根本——让虚拟世界不仅仅是封闭的幻想空间，而能与玩家的现实生活建立映射关系。
如果玩家能在虚拟世界中找到现实中的某种投射，并且该投射对应的现实本体是玩家在乎的（例如情感关系、个人创造、社会身份），那么他们极有可能对虚拟内容产生长期的沉迷与投入。这也是为什么 OC（原创角色）文化 能够自发兴盛：玩家在虚拟角色中投射了真实的情感与自我表达。同样，虚拟世界的社交属性也依赖于这种映射。
在这层协议中，AI 的角色极为关键。它需要具备生成稳定且有效的“生活化符号” 的能力——即能将日常生活中的体验、关系、情绪，转译为游戏化的事件与表达。但这一切仍然依赖于前一层「数学建模协议」的构建是否足够健壮：只有当底层规则收束足够稳固时，AI 的符号表达才不会流于幻觉或失真，而能真正成为玩家愿意相信与依赖的虚拟世界。
优先级排序：规则沙盘 ＞ 数学建模协议 ＞ 内容转化协议 ＞ 游戏定位（短平快体验，玩法，交互形式等）
有了以上的产品思路，判断一个AI游戏是否有潜力就很容易了。我们一起来看看吧。
「数学建模协议」的反例与正例
Whisper from the Star – 对比 调研报告（上） 版本
Whisper from the Star
基本信息
网址：https://wfts.anuttacon.com/
开发团队：Anuttacon
融资情况：未融资（可能）
团队关键成员：创始人：蔡浩宇，米哈游创始人。研究合伙人：童欣，前微软研究合伙人，网络图形组负责人。用户生态总裁：王宇阳，前B站副总裁，直播业务Lead.
介绍：Whispers from the Star 讲述了一位名叫Stella的天体物理学大学生，她在一艘宇宙飞船上遇到意外，坠落在一个名为Gaia的外星行星上，玩家透过通讯设备跟Stella联络，以文本、语音和视频消息跟Stella进行实时开放式沟通，每一句说话都会影响Stella的行动和命运，决定她的生死。
目标用户：可能的男性用户，可能的跑团玩家，追求高自由度和AI创新体验的玩家，AI爱好者。
发布日期：2025.8.15
市场表现：约3w份（2025.9.9）
主要玩法（补充）
语音和自然语言输入来和Stella对话，给她逃生的建议，成功逃生则为游戏成功。大的设定和剧情走向有固定环节，细节和具体内容由玩家和AI的对话动态产生。
一句话（补充）
Whispers from the Star 在视听体验和图形学技术的基础模块上下了一定功夫，但缺失游戏框架与规则，本质更像是一个大号PGC版本的C.AI voice chat玩具。
核心价值（补充）
1.技术应用突破性
a.游戏中的AI能力边界
通过玩家的输入内容，AI NPC带着背景和人物设定和玩家对话，并产生数值层面的变化。
游戏没有固定剧情，所有叙事和事件会由玩家的输入内容靠AI实时生成。
b.与传统游戏的差异点
游戏有固定的场景和一些预设事件（如一开始Stella逃出舱门），但具体的内容演出均由AI实时生成（因为都是语言的形式，所以没有特殊限制。）
2.用户对AI的兴趣与付费
因为游戏的演出效果好，玩家对AI的新鲜感可能会普遍高于类似 AI2U 这样的游戏，但其本质也是一个随时间流逝，内容逐渐呈现，玩家的审美阈值逐渐爬升，兴趣逐渐衰减的过程。
目前游戏主要以付费买断的分销模式为主。但根据其研发、算力成本来看，估计很难走向成熟的商业化。
用户认知与行为（补充）
1.产品认知门槛
游戏的前端界面模拟了玩家和Stella视频通话的样子，并在手机端竖屏操作，整体比较符合直觉，体验下来就像在和真人对话。
AI驱动的Stella的回答和逻辑稳定性暂时未知，但基于经验主义的结论，依然有不小的可能出现幻觉和不可控结果。我曾让Stella帮我review代码：
2.长线体验监测
a.Whisper from the Star 有两个维度充满亮点：
为解决AI响应延迟，游戏设计了“星际通讯延迟”的叙事化处理，减少玩家等待焦虑。
像跑团一样，游戏的故事和流程均为基于已有信息实时延展，玩家对于不可控结果的产生容忍度更高。
长期主义启发（补充）
以 Whispers from the Star（WFS）为例，可以清晰看到当下 AI+游戏设计的一大矛盾：
传统的开放世界：其核心逻辑是“宏观开放、微观精细”。每个子系统（战斗、经济、社交等）往往被精心雕琢，虽然框架上给予玩家高度自由，但底层依旧由规则驱动，因而形成了稳定的“涌现沙盘”。
WFS 的设计：在微观层面给予了极大开放度——AI 能够实时生成角色对话与反馈，看似自由。但在宏观层面上，整个世界却极度收窄：玩家只能对话，NPC 也只能回应。这样的设定缺乏“底层规则”的承载，使得世界观显得单薄。
换言之，WFS 在微观表现出 AI 的强大潜力，但在宏观框架上却停留在“对话生成”的层面，而没有真正构建出一个由规则驱动的游戏沙盘。
无限体验的悖论
许多 AI 游戏的愿景是“无限体验”，即宏观完全由 AI 驱动。但问题在于：
要承载「无限体验」，必须先有一个 严谨、强逻辑性的规则驱动沙盘 作为前端框架。
而开放世界的“大框架”本身就极具挑战性；如果再要在此基础上实现 AI 与规则的有机融合，必然需要更深层的“协议”设计。
在当前阶段，大多数 AI 游戏之所以仍停留在 AI 叙事，是因为自然语言生成不依赖复杂规则，也能快速产出内容；但这也意味着它们很难突破“对话生成器”的局限，距离真正的“无限体验”仍有巨大差距。
未来可能的方向
一个更有前景的路径或许是反其道而行：
在宏观上，由 AI 提供驱动与调度，确保体验具备开放性与生成性；
在微观上，依托严谨的规则驱动沙盘，保证子系统的稳定与可玩性。
只有在这样的“「宏观」AI驱动+「微观」规则驱动”的架构下，AI 游戏才能真正突破单一叙事的桎梏，迈向完整的涌现沙盘。
昭阳传
基本信息
网址：https://store.steampowered.com/app/3705720/_/
开发团队：元象科技XVerse
融资情况：A+轮 – 腾讯、高瓴创投、红杉中国、淡马锡等
团队关键成员：创始人：姚星，前腾讯副总裁和腾讯AI Lab创始人。
介绍：游戏提供了类似AVG的体验，玩家作为穿越主角被卷入了异界的皇权争斗之中。比较特别的是，游戏内所有角色和剧情均由AI生成，目前官方已在Steam上线了Demo试玩版本。
目标用户和市场：可能的男性用户，可能的跑团玩家，追求高自由度和AI创新体验的玩家，AI爱好者。
发布日期：暂未发布
是否有公开Demo：是，Demo采用了近似视觉小说的形式，玩家仅需根据指引进行操作，即可通关游戏。
主要玩法
目前为互动式小说玩法，玩家通过点击相应位置和根据剧情发展做出决策来影响游戏进程。
一句话
能大致看出在一个“剧本大纲”游戏化小说体下，AI未来能够自由发挥的走向，不过目前制作技术和水准非常粗糙，AI在当下存在的意义不明，产品还很缺乏循环核心。
核心价值
1.技术应用突破性
a.游戏中的AI能力边界
游戏内所有角色均由AI智能体扮演，场景、剧情包括互动选项也是由AI即时生成。
AI角色在与玩家互动之后会产生相应记忆，并结合自身状态在每回合进行自我决策。(Demo不太看得出来）
Demo部分游戏有固定剧本，但每一次事件和角色说话是AI实时生成体验。
①笔者推断，游戏后面的方向是把游戏循环内的基础元素明确定义好并处理好耦合关系，如事件、角色、地点、数值的概念在整个游戏系统里的定位搞清楚后，让AI在每一次玩家游玩游戏的时候自由发挥，演化独特的属于玩家自己的游戏剧情和故事走向。
②但是目前体验latency非常严重，影响体验。
b.与传统游戏的差异点
游戏内所有角色均由AI智能体扮演，剧情包括互动选项也是由AI即时生成。据介绍，AI角色在与玩家互动之后会产生相应记忆，并结合自身状态在每回合进行自我决策。也就是说，玩家每次进入游戏，即便是同一件事也可能会产生不同的剧情体验。
2.用户对AI的兴趣与付费
AI在体验上负分过多，且在当前Demo版本定位迷失，暂时还缺乏必然性。
游戏中的人物表现目前也均为静态，语音出戏，很难在角色和情感陪伴上吸引玩家付费。
技术可行性
1.技术栈
应该用不到后端预训练和微调模型的地步，只有前端提示词工程和一些基础模块的整合，如AI语音。
2.数据与训练
暂时未知。
用户认知与行为
1.产品认知门槛
目前没有用户创造UGC的部分，游戏核心交互非常简单，仅为点击式互动，对游戏本身的认知没有门槛，但用户可能感受不到AI的存在（或者感受到的都是负向体验）。
2.长线体验监测
AI语音生硬（甚至都不像是AI）；所有图都是AI生成，并有出现6根手指的情况。
产品目前上手感受到的所有AI部分都在体验上成为减分项，同时因为latency造成的心流破坏，用户对AI内容会逐渐失去兴趣。
市场与商业化
1.目标市场
先锋用户：可能的男性用户和跑团玩家，追求高自由度和AI创新体验的玩家，对AI驱动的动态叙事和智能NPC高度感兴趣的科技爱好者。
大众市场：橙光游戏爱好者——如果游戏系统框架足够solid，有一定UGC潜力（让玩家自己写剧本）。
2.商业化模式
暂时未知，大概率买断+DLC。
3.风险预判与可行性验证
风险清单：
长期主义启发
《昭阳传》的Demo表现不尽人意，但笔者可以勉强看出制作组想要构建一个有生命的架空剧情世界的方向。如果能够定义好这些互相耦合的系统之间互相影响的底层规则，以及用很好的游戏化方式解决AI交互痛点，或许可以成为一个良好的AI原生剧情游戏范式。
Engram印格
基本信息
网址：大家好！我们是独游《Engram印格》制作组 – 小红书
开发团队：sitoka工作室
融资情况：天使轮 – 元气资本
团队关键成员：创始人：丁盛豪，前米哈游云游戏负责人。
介绍：《Engram印格》是一款由AI驱动的CRPG冒险游戏，在游戏中，你将体验到：在妹妹米亚的生命倒计时结束前，是要坚决寻找治愈她的办法，还是选择与她度过最后的快乐时光？一切由你决定。与多个由 AI 驱动的NPC进行交流沟通。随着你与NPC的羁绊不断加深，关系不断递进，你还能进一步改变NPC对你的态度，开启不同支线故事，甚至可能改变NPC的性格，从而影响NPC的命运。超复杂网状叙事展开，你做出的任何决定、说出的任何一句话都有可能发生链式反应！独属于你一个人的冒险，绝不可能复刻在另一个玩家的游戏体验当中。
目标用户和市场：叙事解密游戏爱好者，可能的跑团玩家，AI爱好者
发布日期：暂未发布
是否有公开Demo：否，预计9月发EA
主要玩法
CRPG，点击式交互冒险解谜剧情演绎。
一句话
传统CRPG+AI，虽然目前或许CRPG部分还不能足够吸引人，但在游戏中能看到AI和游戏玩法有机结合的底层逻辑。
核心价值
1.技术应用突破性
a.游戏中的AI能力边界
通过玩家的输入内容，AI NPC带着背景和人物设定与玩家对话，对话的结果会影响后续事件的发展。
AI可以根据玩家的输入来决定游戏后续一些剧情节点的走向如何，但NPC目前对话内容受限还比较多，无法非常发散地交流。
其实印格有一点像有一定前端架构的 WFS. 都是要达成某个单一目的（解救某人），在每一个宏观节点上是预设事件，但微观叙事由AI驱动。
b.与传统游戏的差异点
游戏有固定剧情和流程框架，但具体的一些任务和事件分支会由玩家和AI的对话和玩家决策来由AI进行实时演化。
2.用户对AI的兴趣与付费
如果游戏关键NPC塑造得足够吸引人，在CRPG的框架下玩家或许会更愿意去接触AI驱动的这些NPC。
游戏比较依赖角色和剧情的塑造，可能和AI的关系不大，还是要CRPG部分做得好才可以。
技术可行性
1.技术栈
不确定有没有模型的后端技术栈。
前端部分，需要AI理解受影响的事件模块，以及一定的内存和记忆系统（也有可能在后端）。
2.数据与训练
暂时未知。
用户认知与行为
1.产品认知门槛
大部分情况下难以判断NPC的输出是AI还是预设内容，但这不一定是坏事。
当聊天框出现时，玩家可以很本能地理解和AI NPC对话的需求。
2.长线体验监测
需要强吸引人的剧情线和CRPG世界观来让玩家持续心流，而这个维度在本产品中可能和AI关系不大。
AI具体能怎样在长线持续体验优势，还是需要取决于游戏的事件系统与剧情模块的概念。
市场与商业化
1.目标市场
先锋用户：可能的跑团玩家，追求高自由度和AI创新体验的玩家，对AI驱动的动态叙事和智能NPC高度感兴趣的科技爱好者。
大众市场：泛RPG玩家。
2.商业化模式
大概率买断制。
3.风险预判与可行性验证
风险清单
长期主义启发
和《昭阳传》相似，游戏框架已经大概体现出了一个有生命的CRPG方向。同样，如果能够定义好这些互相耦合的系统之间互相影响的底层规则，以及用很好的游戏化方式解决AI交互痛点，往游戏塞AI的意义就更明显了。
内容转化协议」的有价值案例 – 恺英AI产品矩阵
《暖星谷梦游记》
暖星谷梦游记-恺英网络2025年度AI科技与IP生态发布会，AI篇章，发布首创”智能玩偶+虚拟游戏”模式的治愈系AI潮玩_哔哩哔哩_bilibili
https://mp.weixin.qq.com/s/OQfe1Y1zdoxVe-RtMhsBGg?scene=1
以目前披露的信息量来看，笔者暂时还不了解具体的交互机制和游戏化部分，但该产品体现了一个核心理念：虚实结合。
1.对于潮玩本身的形态，笔者并不感冒——其承载的文化和符号属性比较虚，不足以构建用户的现实内容在虚拟世界的映射；就像泡泡玛特，消费者追逐这些IP商品的心理和我们在游戏机制和现实内容的循环构建不太相关。
2.但对于这个玩偶所展现出的现实功能，如下面海报里的角色养成、生活管家、长期记忆等，这些模块如果有合理的机制设计，是会和用户的现实内容强绑定的。
随便举几个例子（但不一定会被恺英做出来）：
萌宠可以督促用户健康饮食，当用户在APP上上传自己的健康餐食照片，就会完成打卡任务，和萌宠增加友好度，萌宠也会升级进化。
用户告诉萌宠自己的一日工作安排，萌宠会陪伴并关注用户的进度，可能还会根据用户设置的日程来提醒用户。用户通过可能一系列的游戏化机制来完成任务和互动，萌宠又能刷好感度和升级。
在陪伴的过程中，随着萌宠和用户越来越熟悉，可以持续性地推动和用户的交互进程，这些进程会随着AI驱动+用户源源不断的现实内容来无限形成独一无二的体验。
虚实结合才是这里塑造持续优质情感陪伴的最重要一环，而萌宠潮玩只是一种载体，或许也可以不需要物理设备——同样地，在 EVE 里也可以看出这个理念。
《EVE》
EVE-恺英网络2025年度AI科技与IP生态发布会，AI篇章，发布全球首款3D AI智能陪伴应用。_哔哩哔哩_bilibili
EVE 的首测之后火了一段时间，主要可能是因为卡兹克的这篇软文：https://mp.weixin.qq.com/s/vqVJspo85Sn-gG_r_SRz2w?scene=1
EVE 的游戏内容本身可能和《恋与深空》云云相近，但其「虚实结合」的体现就在于这些游戏环节可以通过AI属性来和玩家的现实世界相关联。
游戏为玩家提供配置自身信息的选项，以便让AI角色更好地了解玩家，和玩家的现实世界内容耦合交互。
这样一来，在《恋与深空》需要无限通过版本更新和运营来维护用户粘性的时候，在 EVE 内只需要搭建好和虚拟角色交互的沙盘规则，以及更重要的「内容转化协议」，玩家就可以玩这个游戏玩一辈子，直到对男人失去兴趣。
这就是AI在这类产品里的真正赋能。
回到AI的重点——Scaling
AI 的根本价值不只在于生成，而在于 Scaling。所谓 Scaling，就是 升维：从加法到乘法，从乘法到指数，从局部的量变到整体的质变。
在游戏史上，我们已经多次见证过这种升维：
2D 到 3D —— 不只是画面提升，而是催生了全新的玩法与交互形式（如双摇杆操作、空间解谜、开放世界探索）。
规则与技术结合的升维 —— 如 Roguelike/肉鸽，将概率与规则结合，形成了指数级变化的关卡与体验。
游戏中的 Scaling 逻辑
在 AI+游戏的语境下，Scaling 体现为两个关键点：
1.Gameplay as (Meta) Language：一个好的游戏规则框架，本质上就是一门 高信息熵的元语言。
就像自然语言有语法与句法，游戏的底层规则也可以被抽象为逻辑语法。
当规则足够清晰且高度抽象时，它们不仅能承载复杂的玩法，还能成为 AI 与玩家对齐的语义桥梁。
一旦实现这一点，AI 生成的内容将不再是“表面平铺”的碎片，而是能够通过规则语法生成 更高维度的内容表达（事件链、叙事循环、系统性体验）。
2.AI Game as a Content Platform：AI 游戏不应只被视作“产品”，而应被设计为 内容平台。
平台的前提是先构建一个 Large Gameplay Model（类似 LLM，但面向游戏规则与交互）。
在这个模型之上，AI 不仅生成对话或素材，而是能不断拼接、演化、扩展新的“规则+内容”单元。
这种机制下，AI 游戏可以成为一个 持续生长的系统，而非一次性消耗的体验。
如果说得更加中二一点——我们所处的世界是可观测的「碳基宇宙」，那么在笔者看来， AI 游戏的 Scaling 逻辑，正是在构建一个对于我们而言降维的「硅基宇宙」（我们，就如同三体人看待我们那般，观测着AI游戏世界）
在讨论硅基宇宙时，一个核心问题是 “稳定性”。
碳基宇宙 之所以能维持长期稳定，根源在于人类的主观体验与进化机制：疼痛、衰老、死亡等“负面体验”最终都服务于 种族繁衍这一元规则（meta rule）。这些机制不仅收敛了个体行为，也在群体层面构建了稳定性。
硅基宇宙 却缺乏这些“天然的收敛约束”。AI 本身没有痛苦、寿命或繁衍冲动，若不加设计，极易陷入无约束的发散。因此，硅基宇宙必须通过 基础机制的设定 + 持续的监控与运营活动 来维持整体稳定。
如何构建硅基宇宙的meta元素？笔者在这里引入了 LS类（Learnable System 类）来进一步拆解AI游戏世界的底层规则概念。
在解释“LS 类（Learnable System 类）”之前，可以借用一个更为人熟知的案例：蛋白质折叠问题。
蛋白质的三维结构极其复杂，理论上存在数量天文级的可能折叠状态，但自然界的蛋白质却总能快速收敛到稳定构象。这意味着其背后存在某种能量景观（energy landscape）：不同构象对应不同能量水平，而最终折叠会趋向能量最低的状态。
DeepMind 的 AlphaFold 正是利用机器学习的方法，发现并利用了这一隐含规律。它并不直接穷举所有可能，而是通过对能量景观这一可压缩结构的建模，实现了对蛋白质折叠路径与最终结果的预测。这是一个从 高维复杂现象 → 低维可学习模型 的过程。
LS 类（Learnable System 类） 可以被理解为这一思想在更广泛复杂系统中的延展：
它指的是一类系统景观（system landscape），其内部存在“可压缩、可模拟、可学习”的结构。
部分现象低熵、容易建模；部分现象高熵、难以预测，成为谜题。
这样的系统既保证了复杂性，又保留了足够的规律性，使得 AI 可以在其中学习和演化。
将这一思想应用到 硅基宇宙：
宇宙中的自然法则不必是对物理真实的复刻，而是设计为 LS 类系统，即一组可被 AI 学习与模拟的压缩建模结构。
在这个框架中，AI 的角色类似于 AlphaFold：通过观测和学习这些结构，不断建立模型，并在虚拟宇宙中推动新的规则与玩法生成。
这样，硅基宇宙既能保持复杂性与新颖性，又能避免因完全无序而导致的失控。借鉴 “LS 类（Learnable System 类）” 的视角，将硅基宇宙理解为一个 嵌套的可学习系统族（system of systems）。其特点在于：
自然规律并非“真实自然”的复刻，而是 压缩后的数据映射结构，是 AI 可习得的模型空间。
在这个“系统景观”中，复杂性呈现梯度：
一部分现象低熵、易建模；
另一部分高熵、难以建模，成为谜题或挑战。
这意味着硅基宇宙的“自然法则”本质上是 可学习、可压缩、可模拟的结构，而非静态的物理真理。
图灵机驱动的游戏沙盘
硅基宇宙的底层设计不应直接给出“固定规则”，而应构建一套 规则生成器（Rule Generator）。
游戏设计师提供离散规则的初始集合；
AI 通过经典神经网络的建模能力与“系统观测”，逐步习得这些规则，并在此基础上生成新的玩法机制。 换言之，硅基宇宙的演化动力并非“规则本身”，而是规则生成的图灵机框架。
硅基宇宙的层级结构
这一框架的目标是：在缺乏“碳基收敛机制”的硅基宇宙中，通过 规则生成与系统层级的嵌套设计，为 AI 与玩家共同构建的虚拟世界提供稳定性、可观测性与演化潜力。
一旦有了这样一个健壮的、闭环的 infra 框架，笔者坚信，越来越清晰的AI游戏化产品范式将会逐渐浮出水面。让我们一同期待未来的AI游戏化产品能够逐步验证并完善笔者提出的这一AI游戏世界的构建路径。
