一周内三家巨头出手:AI把游戏拆成三段重做

一周内三家巨头出手:AI把游戏拆成三段重做

2026-10-15 21:59:33 0点赞 0收藏 0评论

10月14日,微软宣布成立一个新部门,叫 Xbox Labs,专门研究怎么用 AI 去改老游戏。

往前一天,英伟达给 DLSS 5 的新模型定了推送日期:10月16日,性能是 9 月首发版的两倍,4K 下显存占用降低 20%。再往前一周的 10月8日,谷歌上线了 Playground,口号是"一句话生成游戏",合作方是 Unity。

三件事都在说 AI 进游戏。但把位置摆出来看,一家在渲染,一家在改造,一家在生成,彼此不挨着。这条分界线本身,比三家公司各自的进展更值得看。

一周内三家巨头出手:AI把游戏拆成三段重做

三家动手的位置,隔着一段距离

先看微软。Xbox Labs 被定位成一支小规模研究队伍,成员是资深游戏开发者、AI 工程师和相关领域的科学家,方向写得很具体:AI 辅助的游戏模组开发、复古游戏跨平台移植、跨 IP 内容融合。

抽象的方向落到已经发生过的事上就清楚了。近几个月,独立模组制作者借助 AI 辅助的反编译与重编译工具,把《光环》完整搬进了浏览器里跑,给《使命召唤》加了一套原生的滑板玩法,甚至把不同游戏的源代码融到了一起。这些工作过去的门槛是一整支专业开发团队,现在一个创作者能推得动。

微软过去对自家游戏 IP 管得很严,老游戏想在新硬件上运行,走的是官方向下兼容计划那条路。这次专门组队跟进 AI 模组技术,等于把过去被视作"地下实验"的玩家创作收进了自己的技术体系。官方说法是会采用公开开发模式,过程中沉淀的工具逐步向全行业开放。

英伟达做的是另一件事。DLSS 5 引入的 3D 引导神经渲染,用 AI 给游戏场景补出逼真的光照和材质。这次更新的模型规模缩减 24%,参数量降到约 1.18 亿​,与 3 月首次技术演示相比累计性能提升 10 倍​。《NBA 2K27》首发搭载,帧率最高提升到原来的 1.4 倍​;11月5日会支持《霍格沃茨之遗》,10月23日 RTX Remix 这个模组平台也会拿到新模型。

谷歌的 Playground 面向美国地区 18 岁以上用户,浏览器打开 playground.google 就能玩。游玩没有限制,创作要排队:免费用户进候补名单,Google One AI 会员直接解锁权限。

三家位置差得很远。而差在哪里,恰好能解释另一个问题:为什么同样是 AI 进游戏,有的环节已经能交付,有的还卡在原地。

渲染和翻译,为什么先跑通了

DLSS 5 干的事,一句话说清,是让 AI 根据画面里已有的信息,把缺的那些像素推出来。

它的输入和输出是明确的。一帧画面里,几何、运动矢量、深度这些信息是现成的,缺的是光照与材质的细节。神经渲染模型的任务,是在这些约束下算出最合理的像素值。它训练得起来,靠的是一个前提:离线渲染可以慢慢算出一张接近完美的参考帧,模型每次输出都能跟这张标准答案比对,错了就修。有标准答案,这件事就能收敛。

RTX Remix 上那两个社区项目也能说明它在补什么。《辐射 4》那个项目增强了头盔反射、材质细节和阴影,《镜之边缘》那个改善了接触阴影、环境光遮蔽和光照响应。全是原来没有、补上去更好的细节,好坏可以对比着看。

微软放出去的反编译与重编译,判据更硬。编译能不能过、跑起来崩不崩,是自动给出的是或否。AI 在这里可以放心试错:生成一版、编译、跑不动、回头改,试错成本低、结果可验证,方向就清楚。WebGPU 在浏览器的支持率现在接近 90%,老游戏搬进网页跑才有地方落,这道门槛从一支团队降到了一个人。

最难的那一段,实测里全是破绽

谷歌 Playground 的生成能力,是三种里最像魔法的,也是实测里最不经看的。

有媒体在平台上按热门榜玩了三款。一款无限赛车,低多边形的海岸公路,转向发飘,按下方向键以后车身横向移动不容易控制,路又是一条直线拉到底;一款 45 度俯视角的战术射击,方向指引本身就是乱的,角色又小,还会被光标挡住;一款模拟经营,整个流程卡在十分钟里,操作别扭到要反复选中角色、再反复取消自己的动作。玩超过五分钟都是一种折磨,这是那位作者写在实测里的原话。

转头去试生成侧。输入"粗野主义画风的大楼贪吃蛇",选 2D 还是 3D,平台把设计方案铺开,先出美术素材、挑一版再往下走也行。出来的东西玩法完整,能吃豆变长,随机障碍和道具都在。

往上加难度,情况就变了。同一位作者想做一款 Roguelike 动作游戏:第一版敌人没有平台概念,直接浮空漫游,主角连攻击动画都没有;第二版动画有了,敌人还是没什么行为逻辑;前后改了 五版​、花掉 两个小时​,才出来一个勉强能看的 Demo。到这一步,关卡还是没有设计过,敌人威胁不到玩家,强化能力的触发频率高到玩家很容易无敌,场景里到处是 bug,随便滑铲一下就能卡进地底。

还有个细节挺扎眼:平台的游戏缩略图由另一个模型自动生成,比实际画面好看得多。

症结在于游戏设计没有标准答案。手感、难度曲线、关卡节奏,是几十个变量互相咬合的结果,好不好还要真人玩过才算数。模型能做出一个能运行的东西,但"能运行"和"好玩"之间隔着的那一段,恰恰站着那个缺席的裁判。它不知道往哪个方向改是对的,只能等你告诉它。

两个最容易想歪的地方

"一句话生成游戏,等于人人都能做游戏了。"

这话有一半站得住。贪吃蛇这类玩法,现在确实一次就能出可玩版本,不用学引擎也不用写代码。可那位作者往复杂里走了一趟就撞上了墙:五版改完、两个小时过去,Demo 还是到处是 bug,连吸引人点进去的缩略图都得靠另一个模型美化。卡住他的地方不在敲代码,在没人告诉他下一版该往哪儿改。

至于"AI 要取代游戏开发者了",这个判断放错了位置。微软招的是资深游戏开发者加 AI 工程师,人没少要,只是要的是另一种人。被工具削掉的是重复的翻译与移植工作,不是判断什么好玩这件事。越靠近设计,AI 越插不上手。

把尺子拿开一点看

三个环节的差别,不在技术难度,在有没有一个便宜又可靠的结果判据。渲染有,画面对比和帧率就是;编译有,能不能跑就是;游戏设计没有,好坏要靠人来玩、人来吵、人来定。

这条线也不只属于游戏。产出能被自动检验的地方,AI 进去得快,替代的往往就是那部分工作;结果只能靠人感受和判断的地方,它会先停在"帮你做出版本一"的位置。

对做游戏的人来说,这个判断有直接的用处。手上那些重复、能编译、能跑测试的活,这一两年最值得交给工具;需要反复试玩才知道好不好的部分,正在变成更难被替代的能力。

对普通玩家来说,变化会来得更早也更具体:商店页上那些漂亮截图和缩略图,越来越不代表游戏本身长什么样。分辨的办法很土,翻评论区找玩过的人,或者干脆等试玩。

如果你也有个搁了很久的游戏点子,这周可以自己去 playground.google 试一把,顺手记一下第几版才开始像样——那个数字比任何一场发布会都更能说明,现在的 AI 到底走到了哪儿。

作者提示含AI生成内容。作者声明本文无利益相关,欢迎值友理性交流,和谐讨论~

展开 收起
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

相关文章推荐

更多精彩文章
更多精彩文章
京东京享红包
距结束::
领京东现金红包 天天领3次 最高26888元
红包按钮
最新文章 热门文章
0
扫一下,分享更方便,购买更轻松