回顾2025年，如果问普通人对AI行业最深刻的印象是什么？答案依然是激烈的“参数战争”：有DeepSeek、Gemini 3等大模型的集体爆发，也有文生图、文生视频能力的持续惊艳。

这些确实是2025年的显性主线。但如果我们将目光穿透热闹的表象，会发现一个更隐秘、却可能决定未来的转折正在发生：AI正在从“理解符号与像素”，进化到“理解空间与物理法则”。

表面上，2025年下半年依然是生图和视频调用量的狂飙突进，各家大厂争夺AI用户的战火持续升级。但实质上，行业已经撞上了一个关键分水岭，一堵看不见的“物理墙”：

从二维到三维：AI不再满足于平面像素的堆叠，开始渴望理解纵深、遮挡和透视。

从静态到交互：AI不再止步于输出结果，开始尝试理解连续的动态反馈。

从感知到因果：AI试图理解“如果我推倒这个杯子，水会流出来”的物理逻辑。

然而，AI的训练需要更加丰富的多模态环境。虚拟环境如游戏《Minecraft》提供了视觉、空间、交互等多维度的学习场景，让AI能够在更接近真实世界的复杂环境中进行训练。这种便利性让顶级实验室达成“游戏共识”：游戏成为最现实的训练捷径。看看全球顶级AI厂商的动作就能发现，这一共识正在转化为实际行动：

OpenAI在OpenAI Five（Dota2）之后，通过收购Global Illumination（《Biomes》开发商），探索AI生成的动态游戏世界。

Google DeepMind密集发布Genie 3与SIMA 2：前者可生成可交互的3D世界，支持用自然语言实时创建游戏预览，后者则是能在多款游戏中学习的通用智能体。

微软启动Muse项目，用游戏数据训练模型理解“画面如何随动作变化”。

马斯克的xAI宣布利用“世界模型”进军游戏，甚至定下2026年让Grok 5在纯视觉感知下挑战《英雄联盟》职业选手的目标，这被视为对AI直觉的终极图灵测试。

李飞飞的World Labs发布了商业级世界模型Marble，首要应用场景直指游戏与VR，意在生成可编辑的3D环境。

腾讯发布HunyuanWorld系列，作为首个开源的可漫游可仿真3D场景生成模型，其支持文生/图生3D世界，生成场景可360°沉浸式漫游并导出3D mesh资产，能无缝接入主流游戏引擎；而其AI Lab早在2017年便开始在《王者荣耀》中训练多智能体“绝悟”，一天完成的训练量，相当于人类玩家不眠不休地打440年。

当所有顶级实验室都选择在游戏中押注，在纷扰的AI“圈地”浪潮下，一个更现实的问题浮出水面：谁能真正在这个战场上跑出来？

一、两栖物种的稀缺性

2025年的游戏AI战场，在拥抱新规则时，呈现出一种奇特的“错位”状态。掌握顶级AI技术的科技公司与拥有海量用户的游戏巨头之间，横亘着一道难以跨越的工程化鸿沟。

一边是“有脑无身”的科技新贵。OpenAI、DeepMind、Anthropic掌握着最前沿的模型能力，却缺乏真实的游戏生态作为试验田。他们的路径往往是收购小型工作室或自研Demo。但问题在于，链路太长，在小型独立游戏里验证概念容易，但要在一个上亿日活的复杂系统中实现规模化落地，中间隔着巨大的工程深渊。况且，对这些实验室而言，游戏更像是技术验证的“跳板”而非终点，他们的真正战场在AGI。

另一边是“有身无脑”，拥有庞大虚拟世界和用户基数的传统游戏厂商。面对AI技术储备的不足，他们大多选择与技术公司合作：育碧携手Inworld AI和英伟达开发智能NPC，EA、暴雪等也在积极引入第三方方案。这种合作模式能快速补齐能力短板，但技术核心掌握在外部，自主创新的节奏始终受制于人。

结果就是：AI公司在游戏里做实验，游戏公司追着AI技术跑，两边都不够“原生”。

相比于海外游戏大厂还在小范围试验，中国游戏厂商已经率先将AI应用到商业化产品中。网易《逆水寒》手游搭载智能NPC系统，成为“第一个在主流游戏运用AI进行大规模市场测试”的产品；米哈游《崩坏：星穹铁道》内置AI生成工具“模因共振机”，一周生成近1000万张图片；三七互娱则构建起以自研“小七”大模型为核心的全链路AI赋能生态，年产生多模态素材超两百万条，提效幅度超80%，AI本地化翻译覆盖85%游戏，准确率达95%。而在这种“试验场”与“战场”的分野中，腾讯提供了一个更独特的“混合样本”。

一侧，它拥有领先的AI技术储备，自研开源大模型Tencent HY、行业模型的场景化能力、从强化学习到生成式AI的完整技术栈、持续的研发投入和顶级人才储备。

另一侧，它拥有可以说是全球最大规模的游戏生态，多款超大日活产品如王者、和平，覆盖MOBA、FPS等多样化游戏类型、成熟的游戏引擎和开发工具链、海量的三维资产数据。

两侧能力的结合，让腾讯有机会形成一个独一无二的闭环。在这个闭环中，一方面，技术为应用而生，AI能力更多围绕“如何让产品更好、如何让玩家体验更好”来推进，让技术成为改善体验的工具。另一方面，AI能在真实的大DAU产品中验证、迭代，技术创新被直接转化为用户价值。这种“两栖能力”的稀缺性，决定了腾讯游戏在这场竞赛中的独特位置。

二、应用端：AI in Game，重塑交互体验

游戏AI的应用正在超越简单的功能辅助，进入游戏核心玩法。腾讯游戏的逻辑很直白：用AI解决玩家需求、提升玩家体验。而这个逻辑，可能改变整个游戏的交互方式。

想象一下未来的游戏世界：你的AI队友不仅能听懂“掩护我”，还能理解你的战术意图，游戏里的NPC不再是复读机，而是有记忆有性格的“活人”，你上次帮过的村民下次见面会真的记得你。AI甚至能根据你的玩法习惯，动态调整游戏内容，给你量身定制一场冒险。这些听起来很科幻的东西，正在游戏产品里慢慢变成现实。

（一）深度融入核心玩法：当AI终于学会了“说人话”和“动脑子”

就在不久前，《和平精英》首创了“具有AI智能语音识别能力的AI战犬玩法”。战犬“布鲁斯”被直接空投到单局游戏里，当你忙着架枪，随口吼一句“去搜物资”，它真能心领神会地跑去帮你翻箱倒柜，并且能承担牵制敌人、救援队友等任务。它也不是对现有地图、人机的简单优化，而是在战术竞技框架里，新增了一个单元，对全局的策略、操作体验产生影响。

同样的进化也发生在《火影忍者》里。那种只会傻站着等你打、或者只会机械“读指令”的无聊AI消失了。现在的400多个AI角色像是有魂儿一样：有的像愣头青一样疯狂压制，有的则像老狐狸一样等打反手。这种“千人千面”的对抗感，让你觉得屏幕对面坐着的不是一串代码，而是一个性格迥异的高手。

（二）降低门槛：新手不再被劝退

竞技游戏对新人来说往往存在一定的挑战，但现在的AI正在试图改变这一点。

《王者荣耀》的灵宝解决了新手的“决策焦虑”。怎么出装？战场局势如何？它会根据战场局势给你出谋划策，最厉害的是还可以帮忙辅助买卖装备。这种感觉就像身边坐着个高手在手把手带你，让普通玩家也能把注意力集中在战斗的乐趣上。

《元梦之星》正在通过AI工具，让玩家的创意不再受限于技术水平——只要说出你的想法，AI就能实时生成场景与玩法逻辑，让每个有想法的玩家，都能零距离感受成为关卡制作人的成就感。

三、生产端：AI for Game，革新制作管线

我们观察了2025年游戏+AI的应用，最终发现：AI不该是“为用而用”，而是要能真正嵌进现有的制作流程里，解决那些让人头疼的实际问题，最后让游戏品质和玩家体验实实在在提升。

众所周知，比起文字、图像、视频，游戏是一个更为复杂的形态，里面涉及许多管线与工具，而AI在图像、3D的理解上也不如文字来得优秀。就在12月举办的全球计算机图形学顶级学术会议SIGGRAPH Asia 2025上，腾讯游戏带来9篇入选论文及3场专题分享，集中展示了AI改造游戏制作的核心成果。这些研究瞄准的是最直观的业务痛点：让游戏跑得更流畅、画面更沉浸，让玩家实打实地感受到进步。

比如，在引擎渲染方面，传统游戏开发中实现逼真光影依赖的“光照烘焙”技术，对计算资源消耗极大，大型项目单次完整烘焙往往需要数天时间；移动平台则因硬件限制被迫降低画质，导致光影失真。腾讯游戏推出的MagicDawn跨引擎光照解决方案，通过AI驱动的数据压缩与计算优化，将光照烘焙时间从数天大幅缩短至数小时，还实现了动态昼夜光影支持。这意味着移动设备也能呈现接近3A大作级别的光影品质，目前该技术已在《暗区突围》《鸣潮》《洛克王国世界》等多款游戏落地应用，玩家可直观感受到画面表现力的显著提升。

而动画也是游戏工业管线中的一大难题。腾讯游戏VISVISE团队打造的业界首个AI全流程3D角色动画制作管线，整合了骨骼生成、智能蒙皮、3D动画生成、智能插帧四大模块，接管了3D角色制作中最枯燥耗时的重复性工作。以骨骼架设为例，AI将原本3-5天的手工工作压缩到几分钟，除人类角色外，还能适配四条腿的怪兽、长翅膀的生物等特殊形态。目前该方案已应用于近100个游戏项目，包括《和平精英》《王者荣耀》等，使生产效率提升8倍以上。

在场景生成领域，腾讯发布的Imaginarium系统（原IntelliScene技术探索项目），能理解文字指令并像设计师一样“慢思考”，自动生成符合美术风格、布局合理的3D场景，尤其适合构建开放世界游戏中的非核心区域，让美术团队更专注于核心创意设计。该系统通过推理场景逻辑和叙事意图，解决了传统制作中过渡、边缘、远景等非核心区域美术工作机械重复的痛点，在保证叙事合理、风格一致的基础上为艺术家提供有效辅助。

我们将腾讯的路径总结为一种务实的“技术实用主义”——不追求单纯的技术前沿性，而是强调将AI能力高效、模块化地融入现有管线、产品。说到底，这些AI工具改变的不只是游戏怎么做，更是玩家能玩到啥。以前技术限制摆在那里，开发团队只能在“画质好”“内容多”和“开发快”之间痛苦抉择。现在AI打破了这些瓶颈，意味着玩家将能玩到画面更沉浸、内容更丰富、体验更流畅的游戏，这才是真香时刻。

四、2025年：游戏仍是AI进化的“必经之地”

翻开计算机科学史，真相往往与大众认知相反：不是游戏需要AI来锦上添花，而是AI需要游戏来完成关键进化。这就是“Game for AI”：游戏作为AI的最佳训练场，为AI提供了从“会思考”到“会行动”的进化路径。

AI史上不少关键突破，往往先在游戏里跑通：1997年深蓝击败卡斯帕罗夫，证明机器能在明确规则下战胜顶尖人类；2016年AlphaGo结合深度学习与蒙特卡洛树搜索跨过围棋门槛，让人看到AI能长出近似“直觉”的决策能力；2019年OpenAI Five在Dota2的高强度对抗中发现，当试错规模和算力足够大，能力会出现非线性跃迁，这套“Scaling law”后来被迁移到语言模型上，才有了GPT的一路升级。

到了2025年，这段历史像是在重演，只是学习目标换了。英伟达联合斯坦福、加州理工等机构研发的NitroGen模型，就是典型案例——这是一款经训练可玩转1000余款游戏的开源基础模型，覆盖2D横版、3D开放世界、角色扮演、大逃杀等多种品类。它直接通过分析游戏画面输出手柄操作，训练数据源自4万小时带手柄操作画面的游戏主播实机演示视频。更值得关注的是，其具备强大的跨领域适应能力，面对从未接触过的新游戏，无需从头学习，经微调即可上手，任务成功率比从零开始训练的模型高52%。

英伟达机器人总监Jim Fan直言，该模型的目标是打造通用具身智能体——既能掌握现实世界物理规律，又能适应无数虚拟环境的所有可能规则。NitroGen的底层架构GROOT N1.5最初为机器人技术设计，其在游戏领域的应用成果有望反哺机器人技术，助力解决复杂环境下的作业难题。尽管目前NitroGen聚焦于“玩家直觉式运动控制”，但它已充分证明：游戏里练出来的AI，能力可以迁移到现实世界。

最具挑战性的AI研究，几乎都会在某个阶段把游戏当训练场。Demis Hassabis说过，游戏是AI的理想测试床。为啥？因为游戏同时满足了现实世界很难凑齐的三个条件：够复杂、数据够多、试错成本够低。

结语

过去两年，大家的目光都在ChatGPT的对话框和Sora的视频生成上。但一个更本质的转折正在发生：AI正在完成一次关键的进化跃迁，从“理解语言和图像”，到“理解空间和物理法则”。这个跃迁需要的，不再是更大的参数量，而是一个能够提供海量交互数据、支持快速迭代验证、并最终服务亿级用户的完整生态。

游戏，恰好同时满足了这三个条件。它既是让AI学会“理解世界”的训练场，也是让AI技术“触达用户”的应用场。而游戏和AI的关系用一句话总结就是：用AI创造更好的游戏，用更好的游戏训练更强的AI。

更值得关注的是，DeepMind已经开始亲自下场创造游戏。当AI从“使用者”变成“创造者”，游戏和AI的关系将突然间进入一个全新的阶段，这种“涌现”，可能比我们想象的来得更快。

当然，说到底，在这个链条里，最终受益的还是玩家：玩到更好的游戏，同时见证AI一步步变聪明。这才是这个时代最酷的事。