
AI之于游戏
成本极度降低,
迭代速度加快
实现的成本极度降低,迭代速度加快
AI在游戏行业的瓶颈
连续动态
AI当前只能截帧,连续动态只能靠日志/多截几帧,成本高
时间、token效率错误的方向狂奔
AI不会评审程序员的prompt,可能会在错误的方向狂奔
浪费时间、浪费token审美
游戏设计理论?
目前AI的能力还没达到这个层级发挥作用的阶段樱井政博运行时性能
AI的默认实现方式欠考虑运行时性能
游戏需要每帧tick · 每帧时间预算 = 1000 ÷ fps
我的尝试
未来真的还需要写代码吗?

未来AI直接写机器码,编程语言直接消失?
游戏之于AI
World Model
世界模型
Self-Supervised Learning from Images
with a Joint-Embedding Predictive Architecture

游戏任务的特点
设计需要游戏理论Plan / Design
评价依赖审美甚至玩家个人经历
就像读书:
同样的文章,有的读者会勾起回忆而感激涕零,其他人却可能完全无感;
甚至同一个读者,在不同的人生阶段读,会有不同的感触。
AI之于人类
电力 + 算力 ⇒ 智能

知识的广度更加重要
Attention is All You Need!
懂得原理更加重要,
细节的熟知会贬值

审美或许更加重要
Taste is all you need.
“微软最大的问题,
就是没有品味。”
“知道要做什么”、“知道做的思路”,
比“知道如何做”更重要。


将人类从繁重的劳动里
解放出来!
乌托邦指日可待?
机器人女仆梦想成真?

我对CodeAgent
数据的思考
我对游戏界已经有了很深的理解
我对AI界仍需更多了解
人类也需要上下文输入
对于游戏任务
训练方想要
什么样的数据?
什么样的数据才能最有效地提高模型能力?
长程 · 复杂
如何提高bench效率?
游戏任务长程、复杂,单次rollout成本非常高



审美与游戏设计理论
没有统一度量尺度
不稳定!
Arena

side by side 比较输出,人类选更好的
噪声大!
不保序!



保序映射
f : (X, ≼) → (ℝ, ≤)
∀ x, y ∈ X,
x ≼ y ⇒ f(x) ≤ f(y)
原来的先后关系,映射后仍被保留。
循环胜负本身不是偏序;
单一分数无法保留全部严格胜负关系。
我觉得:
关键在于命名!
用AI领域的话来说,就是Label
There are only two hard things in Computer Science: cache invalidation and naming things.
-- Phil Karlton
西方游戏理论
西方有一套电影化工业化的
日本游戏理论
日本有一套明星制作人的
大陆游戏理论
大陆有一套专注经济收益的
古法时代 · 游戏开发成本高、不开源
如何获取
优质监督数据?
数量少
古法游戏项目相比其他数据集,数量上是凤毛麟角
差异性
年代 / 平台 / 付费方式
质量不稳定
真实工业界的代码,
也不一定优质
数量少
古法游戏项目相比其他数据集,数量上是凤毛麟角
GPT-6 Astra
>10万亿 tokens
另有 >10亿张图像
Claude Sonnet 5.5
>10万亿 tokens
另有 >10亿张图像
训练规模为官方披露下界。游戏数按 Gamalytic 的 Steam 份数估算:含免费获取,非全球付费销量;重制版等独立条目分别计数。单位不同,不作倍率比较。
GPT-6 摘要 §1.3 · Claude 摘要 §1.3 · Gamalytic 分布 / 排行 / 估算口径 · 查询:2026-10-17
年代差异

平台差异







未来可能会有VR/AR?
甚至完全沉浸式VRMMORPG?
刀剑神域 · Link Start设计导向、最佳实现方式
不同年代、不同平台、不同付费方式
可能完全不同!

街机用专用硬件,
一台机器=一个游戏


早期主机游戏受卡带容量限制,
也会提高难度,从而让玩家觉得
耐玩、物有所值
质量不稳定
真实工业界的代码,也不一定优质
- 有的项目写得杂乱无章,不讲设计模式
- 有的是实习生乱写的
- 很多赶排期的临时做法
- 不同公司的风格差异

我们真的需要监督数据吗?
游戏制作方式可能迎来变革
许愿型prompt
“我想做一个游戏……”
古法数据,不需要了
未来真的还需要写代码吗?




























































