最近挖掘新兴团队时，一家主攻AI UGC方向的AI游戏创业公司引起了陀螺的注意。

他们的在研产品是一款实现了AI捏卡功能的卡牌游戏：仅需输入几个关键词，游戏就可以自动生成卡面；并且，卡面所生成的技能还能自动适配提示词。而玩家既能使用他们DIY的卡牌进行快节奏的即时对战、多人Boss战和PVE战斗，同时也可以自由售卖、赠送或分享DIY内容。

这款游戏名为《星海自走牌》，由深圳游心雕龙工作室研发。该公司创办于2023年10月，创始人兼CEO太一曾工作于育碧、腾讯、Funplus，参与开发过Supercell合研产品。其余几名核心成员也大多来自腾讯、字节等大厂，擅长游戏原创玩法的研发。

据了解，《星海自走牌》只是他们深耕AI游戏的第一步。游心雕龙的长期愿景，是通过AI技术降低创作门槛，搭建一个创作成本为0的AI UGC游戏平台。

不久前，游戏陀螺和太一进行了一次深度对话。在他看来，AI大模型现阶段尚不理解游戏“为何好玩”，因而也无法真正做出好游戏。而对于方兴未艾的AI浪潮，太一认为，本次AI革命无法像PC和互联网革命一样一蹴而就，AI发展或将经历长达10年的技术爬坡。

以下为对话内容，为方便阅读稍有调整：

Part1：用AI做卡牌游戏

“大模型凡有突破，我们都能用到”

陀螺：你们做了多久？是因为什么契机入局AI游戏的？

太一：我们2023年10月正式离职，全职做到现在大概是15个月。其实最早我们单纯想做一款卡牌UGC游戏，但到了2022年年中的时候，AI绘画已经开始崛起了，加上后来ChatGPT横空出世，我们开始意识到AI与UGC游戏非常契合，它可以把DIY的门槛降到0。

陀螺：为什么首款游戏选择做卡牌？

太一：首先，卡牌对战类的自然量很多。其次，卡牌各个模块边界是最明显的、数量也有限，DIY门槛低，很适合用AI大模型去做。第三，卡牌对画风统一性要求比较低。最后，卡牌玩法的可拓展性极强，很多经典玩法都以卡牌为载体。还有一点，卡牌圈子本身就有很浓厚的DIY氛围。

陀螺：卡牌这个类型，能怎么放大AIGC的优势？

太一：你可以理解为，大模型技术凡有所突破，我们基本上都能用到。

首先，卡牌游戏对AI生成动图有需求，因为带动图的金卡、闪卡能卖出更好的价格。其次，卡牌能很好地利用AIGC工具的上限。比如我们目前在探索的AI生成代码，我们可以直接用生成的代码去实现玩家想要的游戏模式，以及直接生成DIY的卡牌效果。今后玩家提出的任何一个卡牌效果需求，AI coding都能生成，创作的上限非常高。

陀螺：游戏在哪些方面用了AI？

太一：目前我们的卡牌名字是文本生成的，卡图用的是Flux，然后我们自己训练的LORA，语音用的是Fish Audio——目前它提供的语音类型最多。除此之外，动图我们也在尝试，只是效果还不太理想。未来，生成3D模型的模态也有可能囊括其中。

陀螺：试过AI生成3D建模吗？

太一：现在几个生成3D的模型，Tripo3D、Rodin我们都试过，但还很不稳定，尤其是二次元风格的图片，生成的模型很丑，失败率也很高，还没有达到做UGC工具的程度。

陀螺：玩家会不会抵触AI生成的美术？

太一：国内玩家的情况是，如果看不出来他们不在意，但如果能一眼看出来就会抵制。所以AI美术只是我们的一个保底，正式上线前我们会把所有卡图修一遍，并做风格统一。

陀螺：开发过程中，你们遇到过什么技术难点？

太一：我们很早就想使用AI直接生成卡牌的脚本代码，但是运行起来很难做到100%成功，甚至90%以上都很难。因为这个算大模型能力的边缘部分，做得并不好。

另一方面，哪怕AI能生成好的coding，我们也要适配自动测试和自动平衡系统。这些都还挺难的，因为生成之后，我们还要跑一遍，确定没bug，再跑类似于强化学习的部分，跟现有的卡组套路对打。通过这种方式，最后出来的才是一个有平衡性的卡牌。这是一条很长的管线。

陀螺：你们考虑过朝AI情感NPC的方向做卡牌吗？

太一：考虑过。去年四五月份，就想着我们要捏卡牌里的一个角色，甚至能跟TA对话。但是能和角色对话互动的成本很高，而且本质上并不能提高卡牌游戏对玩家的吸引力。我们现在考虑的是主界面NPC，我们也做了一些Chatbot，可以跟它说想捏什么卡、让它来帮你捏。

我们不能既要又要，现阶段还是要专注一些。我觉得AI UGC能做非常多有意思的事，甚至比AI NPC的潜力还要大。在我看来，大部分游戏的AI NPC并不是核心付费点，只有当你做出类似于《原神》角色的质量时，才能比较好地卖角色，但太难了。

Part2：AI大模型本身就很UGC

线性游戏很适合用大模型搭底座进行生成

陀螺：为什么要基于AI游戏朝UGC方向做？

太一：如果你知道怎么做社区产品，其中一个方法论就是，当创作工具门槛低到一定程度时内容就会爆发，从而转成社区，并最终转成平台。

我们也看到了大模型的两个特点：一个是高泛化性，二个是强即时性。其实AI大模型本身就很UGC——UGC的意思是，不管用户提出什么需求，它都能及时完成生成工作。同时这个生成不一定是创作，也可能是消费，这就很适合做UGC。

其次，UGC平台还有一个优势在于，如果想要大模型端到端地生成好玩法，就得积攒大量数据让AI来训练，从而深层次地了解玩法和题材为什么吸引玩家。因此UGC平台所收集的数据，对于未来训练端到端的游戏生成大模型是非常有价值的。

同时，这些数据还能优化我们平台的推荐、匹配，并且革新传统匹配算法。传统的匹配算法都是基于ELO、隐藏分的，是非常浅层的匹配算法。如果未来能基于用户画像、AI对用户的深层理解进行匹配的话，用户体验会更好。

陀螺：《星海自走牌》只是这个UGC平台上的一款游戏？

太一：是的。我们一般称之为旗舰游戏，未来每个品类都会做一个或多个旗舰游戏。我们的思路类似于Minecraft、蛋仔、堡垒之夜，它们本身的主玩法就很吸引人，同时有少部分玩家会主动去创作。而我们创作内容的门槛非常低，玩家转化为创作者的比例应该更高，预期能达到60%以上。

陀螺：还有哪些品类使用AI创作比较有潜力？

太一：我现在想得比较透的还有跑酷、音乐、平台跳跃，这些偏线性的游戏生成相对容易。线性类型，控制关卡的节奏和元素，AI是比较好分而治之的。

此外还有模拟经营，比如大富翁类型也很有UGC的潜力。因为大富翁类型本质上是多人走格子加建造，可DIY的元素、模块和边界都非常清楚，如地图、道具、房子，等等。

还有一个我想得比较清楚的，是文明、三国志、信长之野望这类偏硬核的SLG。这类产品很适合用大模型重做一遍，让玩法、操作更加轻量化。其实这类游戏很值得带给泛用户，但是受限于制作方式，它们的机制过于复杂。AI很适合做一些“黑盒简化”的系统，比如伟人系统可以简化成事件+选项，但依然能保持原汁原味的体验。

《文明6》

陀螺：在这个UGC平台，AI放到不同品类里能分别起到什么作用？

太一：比如三消是一个很经典的玩法，它能适配各种各样的体验：加休闲、家园建造、生存；此外，三消的消除机制、玩法模式（如Rogue、PVP模式）、局内道具都是可以DIY的。

未来，如果数据足够，我们还会直接考虑用大模型端到端生成这些类型的游戏。举个例子，三消类型首先要保证生成的方块是可以消除的，而且如果要让玩家消得更爽，有连续消除的概率，那么方块分布应该是比较均匀的，每种颜色的数量差异不会特别大。这些玩法机制，我们都可以通过设置好奖励函数和潜空间约束的方式，让它更好玩。

当然前提是，我们需要给不同品类的产品打好底座，才能支持玩家做UGC。

Part3：大模型不理解何为“好玩”

AI距离真正生成游戏还很远

陀螺：除了AI UGC，在现有的AI技术下，AI游戏更倾向于哪些方向？

太一：我有一个朋友做的是用AI直接捏出NPC，他们是一款生存建造游戏，NPC能帮你干活，和你对话提供情绪价值。因为是像素风，所以美术能很好地捏出来，并且能生成一些适配的动画。我觉得这个方向不错，但因为是单机游戏，商业空间有限。

另外我认为现在AI NPC的能力已经可以革新一些玩法了。比如说骑砍类和CRPG，像在《骑马与砍杀》里招一个NPC，让他帮我招兵买马、打造武器。如果我们公司有足够的资源，我自己也想探索一下基于AI NPC的CRPG，类似《博德之门》《神界原罪》这种。但AI NPC有一个缺点，玩家规模起来之后非常消耗token，而且对服务器的压力很大。

陀螺：哪些类型的重度游戏可以用AI来实现一些功能或系统？

太一：我觉得有NPC强交互的游戏类型都很有潜力得到革新，如开放世界、生存建造会有比较大的突破。一些PVP+NPC的游戏类型，也有可能被革新：之前网易做过一款在几百个NPC之间伪装、跟NPC沟通获得信息的非对称对抗游戏，我觉得是有可能用AI NPC来革新的。

陀螺：你怎么看现在市面上的Muse、Oasis、Astrocade AI等游戏生成工具？

太一：微软Muse和Oasis是直接生成游戏的一帧帧画面，但我觉得基本是死路一条，他们花了那么多钱，却不可能有商业化出路。

而Astrocade是通过AI直接生成某个玩法关卡，但我也不太看好。虽然基于现在的大模型能力，可以生成图片和视频，但AI并不理解生成的游戏要素到底是什么意思——现在的大模型只能理解游戏的表皮，生成的东西看起来像游戏，但内核并不符合游戏设计原则。游戏要好玩，机制上和表现上需要符合一定的数学、心理学、人类学和社会学规律，但大模型目前并不能很好地掌握这些。

微软Muse

陀螺：所以目前的技术，距离真正的AI生成游戏还很远？

太一：这需要非常后期的AI技术，甚至接近于AGI（通用人工智能）实现的时代才有可能的。它相当于要求AI大模型非常深层次地了解游戏为什么好玩，以及如何保持画面的一致性，从而让它生成的游戏能够带来类似于3A大作的体验。

目前训练模型并没有把游戏为什么好玩这些信息输入进去，甚至连World Simulator这一级别都做不到。如果DeepSeekR1提供了基于强化学习的思路，把常识信息和生成图片所需的数据，embedding到同一个潜空间做强化学习，那么就有可能把AI生成图片带到一个新高度。到时候大模型就能够理解图片里到底有什么，各要素之间的相互关系，接着AI生成视频也会有一个飞跃。再之后，我觉得AI就可以真正地生成游戏了，并且懂得游戏。但我认为这个过程可能至少需要2~5年左右。

Part4：游戏行业裁员将继续

AI是为90后创业者量身定制的科技革命

陀螺：你们出于什么想法离开大厂，出来做一家AI游戏公司？

太一：我们在大厂待过，知道大厂的弊病，在大厂大家默认的一条出路就是创业。

恰好AI时代来了。我们是90后，我2015年刚毕业就创过一次业，那时候经验很少，社会资源也不足。但是这一波AI时代来临，年龄又合适，我觉得简直是为我们90后量身定制的一次科技革命，对我来说，一定要想办法抓住，哪怕最后没成，我也要融入这个浪潮。

陀螺：怎么感觉都是小团队在探索AI，大厂反而仅停留于用AI来降本增效？

太一：有两个深层次的原因。第一点，大厂都在追求极致的精品游戏，因为只有做到某个细分品类的前三，才能获得较大的商业回报。

第二点，为什么是小厂在探索？小厂没那么多资源，不可能去和大厂竞争精品游戏，所以只能探出一条全新的路，但是代价是风险确实很高。既然大模型时代带来了技术革新，就一定会伴生非常多新的机会，剩下就看我们这些小团队能不能抓住了。

陀螺：目前国内AI人才是不是还比较少？

太一：可以这么说，主要是因为现在对AI人才的定义还很模糊。AI技术还在疯狂迭代，基于它衍生的工具还没有固化，现在很难定义什么样的人算是AI人才。

比如说prompt engineer（提示工程师）以前很火，但DeepSeek R1对写提示词的要求并不是很大，那之前的这批prompt engineer不就没有用武之地了吗？所以说还很难定义什么样的人，才是社会所需的AI人才。但至少目前，科研人员以及能基于AI做出好产品、做出PMF产品的产品经理，算是AI行业急需的人才。

陀螺：很多人觉得最近AI正在加速发展，你怎么看？

太一：有一说一，确实是有一定加速的。但这个加速度，我觉得更多来自于社会对AI的关注，从而让AI发展有更强的势能。比如说更多研究者投入这个领域，更多AI应用者开始探索新应用，包括AI的渗透率正在慢慢提高。

但是涉及到AI技术的提升，我们永远也不要太乐观或过度高估技术能力的提升，可能到某个阶段它会遇到瓶颈。它永远是一个阶梯型的发展过程——比如说在推理模型出来之前，无论基于scaling law堆多少资源，都不会强于现在的推理模型。而现在推理模型又提出了Test-Time Scaling，给后训练带来了很大的可发掘空间，但一两年后会不会遇到瓶颈，我觉得很难说。

陀螺：在AI加速发展的势头中，游戏从业者是否会被加速淘汰？

太一：目前传统游戏行业，确实陷入了存量竞争，它们还没有被AI深度改造，从业者被裁员优化很正常。但是在游戏行业的边缘领域，AI会衍生出全新的公司，带来更多新岗位。现阶段游戏行业还会继续裁员，但等基于AI的新品类的商业模式成熟，游戏行业又会进入欣欣向荣的发展阶段。

陀螺：AI会改变从业者的就业岗位吗？

太一：可能会改变一些偏中间态的岗位，比如说TD、TA。但我觉得基于人创造性的岗位，比如资深创作者，原画、剧情策划，行业对他们的需求依然很大。

陀螺：对于游戏开发者，当下AI能带来哪些新机遇？

太一：用AI来降本增效只是比较浅层的理解。这波AI革命普及了智力资源，这些智力资源完全可以用来优化游戏创作，也就是人机协同创作。

AI拥有全网数据，在创作过程中，完全可以让AI来直接生成玩法，或者你有了一个好的玩法，让AI帮你推演，这些方式能让你产出的游戏设计案和玩法质量更高。未来到了某一个阶段，如果说我们训练出游戏行业的垂直AI Agent，它应该能提供更专业的、辅助服务。

Part5：AI革命是漫长的技术爬坡

创业公司需具备科研能力

陀螺：相比互联网行业的前几次浪潮，这次AI革命有何不同？

太一：这一波AI时代和前面几个时代有很多本质区别。PC、移动互联网的技术范式在几年时间内就成熟了，而这一波AI，10年内可能还会不断涌现新的技术。比如Transformer架构，可以优化的冗余部分太多了。

这波AI最本质的一个改变，是让大家看到了机器自我学习的潜力非常巨大。有些人说，这可以视作类似于文艺复兴级别的认知革命。AI所需的技术爬坡，我觉得这个坡是非常非常长的。接下来可能每年都会看到一些小的技术突破，但这些技术可能并不一定有商业前景。

陀螺：这个长达10年的爬坡，什么时候才能迎来临界点突破？

太一：首先一个临界点就是AGI的到来，我觉得AGI甚至要包括具身智能，它们能帮助我们做现实中的绝大部分工作。到了这种程度，那么这个AGI在虚拟空间里几乎是无所不能的，复杂系统应该都能生成出来。

复杂系统的定义是这样的：除了一步步地推理出来才能看到最终结果，你没有任何方法能推断出它未来是什么结果——最简单的复杂系统就是三体。说到复杂系统，我再补充一点，我觉得游戏本质上就是一个复杂系统。单机线性游戏可能好一些，但网络游戏绝对是复杂系统。所以说除了AGI，我不认为任何大模型有能力直接端到端地生成一个好游戏。

陀螺：在AI技术漫长的爬坡过程中，作为一线从业者你们如何跟上AI技术发展的步伐？

太一：首先我坚信，这个时代，一个有潜力的团队应该有一定的科研能力，至少会后训练。我预测未来大模型对后训练，可能会变成一个平台性质的支持，会有不同的团队基于一个好的基座大模型做不同的垂类模型。而想要做出这样的垂类模型，就必须有一定的后训练能力，因为你得在这个过程中试验哪些数据是好的，怎么去设计潜空间的约束，怎么embedding行业的知识，怎么设计奖励函数，等等。

其次，在这样一个技术爬坡时代，我觉得有潜力的团队要有一定的科研能力和产品能力，同时工程能力也不能差，所以对综合能力的要求非常高。你甚至可以理解为，未来模型即能力，团队需要有把控模型、训练模型的能力。

陀螺：创业公司有能力支撑这样一支科研团队吗？

太一：这个顾虑我也有过，所以就要看未来的大模型厂商怎么降低成本，怎么做对外接口了，我感觉未来做个后训练，应该和以前做个App一样简单。

我说的做科研，并不一定需要像Deepseek团队那样花那么多卡去做实验，其实有点接近于现在社会学的科研，比如喂了这个数据出来是这个效果，即使是这样也要有科研精神，要能做实验。

陀螺：这次大厂助推AI大众化，对普通人生活和社会生产会产生哪些影响？

太一：腾讯、阿里、百度接入DeepSeek，确实让大模型的渗透率提高了。但接入的这些产品形态还是老的，无非AI搜索和Chatbot，远没有发掘出这一波AI革命的真正潜力。但好处是让更多的人关注AI，无论是资本还是高层都更加重视AI，加速AI发展。

而未来，所有的行业都应该有自己的行业垂直大模型。比如未来会有一个AI医生，把所有医疗相关知识拿去训练，甚至有一定的动手和实践能力。当所有垂直行业都拥有这样的一个AI大模型，那么它对这个世界的变革将是根本性的。那一天到来的时候，人类只需要专注创作和追求幸福。但我时常在想，AI啥事都做了，还要人类干嘛？这是一个哲学问题，可能需要新的哲学发展。