|
|
AI发展的如此迅猛，不由得让人对未来浮想联翩，很多人都在猜想未来的游戏行业会发生何种变化，大到行业变化、小到职业前景，我对此也很感兴趣，产生了一些浅薄的思考，仅以此篇来总结一下这些思考。
当然，我们无法得知这个世界的真实状态，只能借由各方的统计数据得以窥见一斑，因而我们的观点和结论在很多时候都是片面的、有失偏颇的、不完全准确的，所以对下文中的所有观点，应仅当参考，大家尽可以有不同的见解与我探讨。
本文所有观点不构成任何投资建议或者人生方向上的指导建议。
没有人知道未来会发生什么，但是可以明确的是，一切才刚刚开始。
一、行业篇
1.1 线上娱乐经济将迎来更为蓬勃的发展
他是人的，就得听戏，不听戏的他就不是人——《霸王别姬》
观点：线上娱乐经济会迎来相比于以往更蓬勃的发展。
线上娱乐包括直播、游戏、网络电影、在线小说、短视频等会比以往拥有更多的提升空间，它的诱因是多方面的，但总的来说可以归结为经济大环境变差和生育率降低两个主要因素的影响。当然，除了这两个基本因素，还有部分其他的理由，让我们从头开始盘。
1.1.1 线上基建的坚实基础
线上娱乐经济发展最容易被人忽略的点在于，线上基建基础。其实到了2025年，可能已经很难想象还有大量的国家，支付采用的是纸币，手里一张面值比较大的钱还需要找个店给破成小面值的，中国的互联网应用发展之迅速是远超世界的，甚至在一定程度上来说，中国手游的发展的核心理由之一是因为便捷的支付系统。
如果身处于类似于芬兰这样的效果，总人口只有600w不到，那么基本上就不会有什么国家愿意专门为芬兰去开发对应的线上产品。[1]
所以说，我们国内习以为常的互联网基建体系，比如大型设施如信号站、软件应用如视频软件或游戏软件，可能在很多国家哪怕是老牌发达主义国家都是难以想象的。
据《第56次中国互联网络发展状况统计报告》[2]指出，截至2025年6月，我国网民规模已达11.23亿人，互联网普及率达79.7%，这是线上娱乐发展的坚实用户基础。
同样，我国已建成全球规模最大的移动通信和光纤宽带网络，实现“县县通千兆、乡乡通5G、90%以上的行政村通5G”。截至2025年6月，5G基站总数达454.9w个。
综合来说，数字和互联网基建正在加速升级中，互联网的普及率在不断提升，设施无人化程度逐渐提高，同时数字内容也在蓬勃发展：
截至2025年6月，短视频用户规模已达10.68亿人，网络音乐、网络游戏、网络文学用户分别达7.24亿人，5.84亿人和5.13亿人。
如此强大的基建是线上娱乐发展的基础，也是我认为比较容易被人忽略的一点重要理由。
1.1.2 经济大环境变差引发的口红效应
经济大环境变差会引发口红效应（The Lipstick Effect）[3]，口红效应指出，在经济衰退期间，消费者会减少对奢侈品、房产、汽车等大宗商品的消费，转而购买那些价格相对低廉的愉悦品（indulgence goods），如口红，从而导致后者的销量逆势上升。
作为一个普通人，口红效应其实很好理解，比如你今年28岁，月入8k，原本凑了几十万的资金准备在准一线城市付一套首付。但受经济环境影响，企业收入不抵预期，准备裁员降薪，一旦付了首付未来可以说朝不保夕，根本无力还贷，要是生了场大病可以说原地返贫，于是你索性放弃了买房。那么结果是，虽然房子买不了，但是这些资金用于购买一些廉价的消费品是绰绰有余的。
所以在经济下行周期，廉价娱乐就有着更大的发展空间，买一张电影票大概需要30-60元，买一款中小型独立游戏大概需要6-80元，喝一杯奶茶的价格则大致在5-20元范围。可以说，只要还吃得起饭，这些廉价娱乐就仍然在可消费的范围内。
线上娱乐相比于线下娱乐天生的优势就是平均下来更便宜，首先线下娱乐一定会有一个门店，它就会产生一定的租赁成本和维护成本，线上娱乐虽然也有类似的维护成本如服务器等，但相对来说线上娱乐供给的范围更大，理论用户上限比线下娱乐来的更为宽泛，这就导致了线下娱乐要产生盈利，其价格相对于一般的线上娱乐要更高。
除了通过逻辑推断解释，中产消费品的逐年减少也可以解释，什么是中产消费品呢？就是以星巴克、哈根达斯、Gucci、劳力士、BBA等为代表的奢侈品或者品牌溢价高的产品。
房价的暴跌和大环境的变差使得很多中产正在返贫，未来的中国消费市场极有可能两极分化，要么是往下沉市场发展，要么是为顶级富豪服务，消费降级的浪潮中，中产消费品的生存空间将会越变越窄。未来不难预见的是各个中产奢侈品的转型或者退场，如Gucci2025年在中国市场遇冷[4]或钟薛糕的破产[5]等。
1.1.3 生育率降低的短期影响：房价的均值回归
据国家统计局2015-2024年数据，人口出生率总体呈现加速下降趋势，这与我们观测到的其他发达国家的情况类似，即一个国家在进入工业化社会后会不可逆的陷入生育率陷阱的情况。
近十年人口出生率变化趋势
生育率逐渐下降，直到2024年才有略微抬头，但这个抬头的理由主要是两方面：
- 2024年是生肖龙年，龙在我国文化中具有积极的象征意义。
- 疫情后的生育补偿，2022年希望生育但因疫情影响而未能生育的人，可能集中在2023年备孕，十月怀胎后在2024年完成生育。
但总体的下降趋势是不可阻挡的。
生育率的变化是缓慢的，但是这不代表它的影响也是缓慢的，事实上生育率的降低会很快的开始对环境造成影响。2025年7月23日北京市人民政府办公厅印发《北京市关于完善生育支持政策体系推动建设生育友好型社会的工作措施》[6]的各项通知，其中第三节：完善生育友好多元支持政策中提到了保障符合条件的公共租赁住房群体享有与购房群体在义务教育阶段入学同等权利。
这个条款很好理解，很多一线城市的小学或者初中是需要你在当地买房才能享有入学权利的，这也是学区房价值的基础，这个通知其实强调了，以后不需要买房，租房也能享受同等权利了。其理由也不难理解，如今很多中小学已经没有生源了，没有生源就意味着学区房的概念会被逐渐瓦解，毕竟学生都没有了，学区房还有什么意义呢？所以生育率对于房价影响最早的一个地方就是在学区房这件事上。
当然，房价本来就已经跌的很厉害了，任何事件导致房价下跌其实都会相互影响，加速房地产的去金融化。
所以房价的降低是由多个不同的事件共同推动的，最终结果就是房地产上下游产业受到极大的冲击，包括但不限于建材（如水泥、玻璃等）、住房设计、家电等。这些行业受到冲击的结果就是大量岗位的消失，从而加剧城市马太效应。
城市马太效应本质就是人口外流，向一线城市集中，这就导致了三四线城市的线下娱乐如电影院、KTV、网咖、猫咖、火锅店等会逐渐倒闭，这与当地人口数量是有着直接的正相关性的，一个100人人口的小村子只能养活一个小卖部，而一座人口20w以上的城市则可以养活一个CBD，而要养活更大的娱乐设施如游乐园、动物园等则需要更多的人口数量。
1.1.4 生育率降低&人口老龄化的长期影响：城市马太效应
城市马太效应的起效是极为缓慢的，但是它就像是飞轮效应所描述的一样，一旦转起来，就难以停止了。生育率降低同时也意味着老龄化的进一步加剧，中老年人因其对于未来的预期不足，所以老龄化比较严重的区域往往内需不足，消费疲软。这和前面提到的由于房地产崩溃而导致的上下游产业需求萎缩叠加到一起，一起推动着城市马太效应。
下图是中国60岁以上人口数据变化趋势，中国的人口形势其实相比于日本和韩国更为严峻一些，因为中国的总人口数量非常庞大而日本和韩国的则少得多，所以日韩的政策推行更快也更灵活。
深度老龄化社会是经济发展停滞的恶性循环中最关键的原初动力，也是未来的几十年发展历程中国要面临的最严峻的挑战之一，下图是中国2005年-2024年60岁以上人口变化趋势图。
近20年人口老龄化变化趋势
下图是全国居民人均支出情况，其中蓝色的线段表示人均支出的具体数额，可以看见，居民支出在逐步提升，但占本年收入的百分比是在逐渐下降的，其中2020年和2022年受疫情影响形成了两个坑，不过把这两个坑通过线性插值的方式填平，支出占收入的变化依然是呈现下降趋势，这张图很好的反映了人民对消费这件事变得更为谨慎了。
近10年全国居民人均支出情况
前面已经提到消费的长期萎靡不振会逐渐推动城市马太效应，但是这个过程非常漫长，时间跨度往往以五年为一个基准尺度。
城市马太效应示意图
所以有人说，人口减少了，社会就不会内卷了是错误的，其实日本和韩国是两个典型的案例，日本的人口只有1.3亿，韩国的人口只有5000w，然而这两个国家依然在疯狂内卷中。因为城市马太效应，日本有大量的人口集中在东京都市圈，而韩国更是全国一半的人口集中在首尔，所以内卷的本质一方面是文化因素，另外一方面其实是人口密度而非人口数量所致。
所以中国的未来不难预见，在没有强烈的政策干扰的情况下，大量的人口会向着几个一线城市聚集，这些人口会使得一线城市的人口外溢，扩展自己的周边区域，最终形成类似于首尔和东京的超大型都市圈，只不过中国的体量更庞大，一线城市以及人口数量更多，所以中国可能会形成多个超大型都市圈。
这又与线下娱乐有什么关联呢？因为在核心都市圈，内卷的程度可窥一斑，这进一步导致了娱乐时间的减少。并不是没有娱乐的需求，反而娱乐的需求是极为旺盛的，但是996会剥夺人们娱乐的时间，于是这就给了线上娱乐更多的增长空间。
1.1.5 社会的原子化对线下娱乐的影响
生育率降低的第三个影响实际上是社会的意识形态正在发生变革，其实老一辈人更强调的人生道理往往是遇事吃点亏，或者强调结婚。因为老一辈人的居住环境往往是村乡镇这样的环境，很多时候非常依靠亲戚和邻里之间的相互帮助以生存的，更早一点甚至是有宗族概念的。
从宗族概念到亲戚、邻居，再到三口之家，你会发现我们的世界正在被分割，正在变得越来越小，原来越原子化，直到开始进入现在的超单身时代，年轻一代的意识形态是强调自身的幸福而不是作为一颗螺丝钉融入整个集体。
聊个题外话，过去的社会其实是一个熟人社会，谁做了什么亏心事很容易在邻里之间传播开，人和人的相处存在着相互约束的道德压力，但在社会原子化的进程中，逐渐进入了一个被打散的社会，比如你打车喊了一个出租车司机，这很有可能你这辈子最后一次见到这个司机。
熟人社会的体系自然消散了，所以人的道德压力逐渐被松开了，于是旧道德社会的意识形态正在被一个个血淋淋的教训快速瓦解，就比如彭宇案，所以整个社会退化成了法制社会，更强调秩序而非正义。
下图为1953年-2020年内中国家庭户规模变化趋势，可以看见，中国的平均家庭户人口在减少中。
家庭户规模变化趋势
除了家庭户规模之外，中国的结婚登记对数也可以说明该问题：
近10年中国结婚登记数量变化趋势
除2023年由于2022年疫情影响带来的数量反弹之外，这十年间的总体结婚登记数量变化趋势是在减少的。这两张图可以说明中国社会正在原子化。
原子化的社会，日常交流的朋友会逐渐减少，这其实间接导致了线下很多活动的参与意愿的降低，因为很多事情还是两个人或者多个人一起去做会更有趣。这里指的是泛娱乐化，针对的是类似于网咖、猫咖、线下桌游店、剧本杀等娱乐设施。除此之外，亲子娱乐也会因为生育率的降低而逐渐减少。
社会的原子化并不是出于个人意愿的，而是由整个社会的变革所致，一方面年轻人向大城市聚集的过程中，会被迫原子化，一方面工作繁忙导致没有时间进行社交。
最终线下娱乐会受到一定的影响，但是至于受到了多少影响，只是目前我暂无合适的数据来表明这一点，但社会的原子化无疑会造成宅文化经济的发展，同时削弱线下娱乐的吸引力
1.2 未来的线下娱乐将会出现IP化潮流
观点：未来的线下娱乐会出现IP化潮流。
这个观点作为1.1观点的扩充，我希望谈及未来的线下娱乐，线下娱乐的基本形态有很多，比如餐饮、桌游、真人秀、集会、基于娱乐设施的娱乐等等。1.1观点提到的线下娱乐是以泛娱乐化为主的，也就是没有特定IP的娱乐内容，其实线下娱乐和网络游戏差不多，它们的持续运营的成本是很高的，线下娱乐肯定会有一个门店，这个门店就会产生很多的维护和租赁成本。
如果在经济下行阶段想要更多客户，无非就是两个路子：
- 第一是走低价策略，卷价格，往下沉市场发展，典型案例就是蜜雪冰城和华莱士
- 第二是走高价策略，卷服务，比如网咖可能会进一步优化店内环境：加入空气清新设备；摆放大型装饰品；提供更多便捷服务；聘请颜值高的妹子作为服务员等
无论是什么策略，其实都会拔高成本，于是这可能导致部分线下娱乐店铺的崩溃，比如2024年有大量的剧本杀店铺倒闭[7]，这种批量倒闭的主要理由，我认为是以下几方面：
- 之前剧本杀兴起主要是因为一时热度，很多人玩主要是追求一个新潮热门，并不是自身有多么热爱这种线下娱乐。
- 其次是受到了疫情的直接影响。
- 这种娱乐本身并不是适合所有人参与的，具有一定的排他性。
- 价格昂贵
所以，在这样的背景下，我觉得未来线下娱乐的真正方向在于IP化。
1.2.1 线下娱乐会作为知名IP的拓展
现在有很多的商品都开始走联动营销策略，最早我比较关注的联名活动是2017年小米推出的红米Note4X初音未来限量款手机。这种联动营销策略是我认为未来会出现更多线下娱乐IP化潮流的底层原因。
这和CBD里的很多奢侈品店铺是一样的，其实很多人都会好奇为什么商城里有很多奢侈品店，就比如德基、吾悦、万达广场之类的，但似乎店里从来没有几个客户。因为这些奢侈品店并不需要客户，它的本质是一个大型的广告牌。
所以线下娱乐的IP化潮流可以看作是更大型的联动营销策略潮流，由持有知名IP的公司与线下娱乐门店合作，门店本身可以作为一个大型的广告牌。
但并不是所有的泛娱乐化设施都具有这样的效果，因为这种营销策略必须与娱乐形式有良好的结合方式，最简单的结合方式就比如KFC和原神合作推出的“提瓦特享乐桶”或“惊喜魔术桶”等，也就是购买这样的套餐可以获得原神游戏内部的一些增值服务奖励。
为什么这样的营销策略可以成立，因为KFC的用户群体和原神的用户群体在画像上是重合的，而且KFC是以饮食为主，可能没有人会想着买件文化衫、或者买个周边、买个包啥的，但是饮食是人人都需要的。如果既能享用美食，又能在游戏里获取礼包，其针对目标客户的吸引力就会大大提升。
所以未来的线下娱乐IP化的本质是被动的，更多的还是由IP方的公司发起的联动营销策略，由IP方提供策略的详细细节和技术支持，由门店方来具体执行。
1.2.2 IP化内容相较于泛娱乐化内容能提供更多的社交契机
前面提到社会原子化不是出于个人意愿，被迫原子化的人仍然存在社交需求，因为这属于马斯洛需求层次理论中第三层所描述的，爱与归属。不然也不会出现“蟑螂圣经”了。
蟑螂圣经
这个up主表达的希望与一个陌生人交流的期望的原因有两点：
- 因工作压力和社交匮乏所致的孤独感
- 两人都玩明日方舟，明日方舟的IP创造了这样交流的契机
比如漫展就是一个非常典型的IP化娱乐活动，漫展是一个陌生人之间的集会，但是Cosplay通过扮演动漫里的角色拉近了陌生人之间的距离。
有了IP的加持，陌生人之间的交流就不会那么困难，因为和陌生人日常交流困难的主要理由可能是如下几点：
- 不善言谈
- 不知道对方是否和自己有共同的兴趣爱好
- 没有话题
在漫展上我们能交流其实主要是解决了第二和第三个问题，比如有人喜欢《文豪野犬》，然后出了太宰治的Cos，它就相当于把我喜欢文豪野犬这个信号挂在身上了，然后很自然的就拥有了一个共同的主题来交流和探讨。这是我认为线下娱乐会IP化的第二个核心理由。
但是相比于明日方舟这样的线上娱乐的手游产品，一些本身就是线下娱乐起家的IP化方向更值得探索和研究，其中之一就是IP化卡牌娱乐。
当然，这里指的是具有一定收藏价值的卡牌，部分线下娱乐也是以卡牌为形式的比如《三国杀》《小白世纪》《卡卡颂》，但是这些游戏的卡牌主要是为了构建规则，本身不会作为横向内容不断地扩充，于是单卡的收藏价值不强。
而具有收藏价值的卡牌包括但不限于《宝可梦PTCG》《游戏王TCG/OCG》《魔法风云会》（万智牌）等卡牌常青树了，这些卡牌游戏的生态体系历史悠久且极为完善，包括动画IP作品、线下实卡及线上游戏产品，它的线下娱乐形式也非常丰富
- 单纯的交流与动画有关的内容
- 现场进行卡牌对局
- 交换实体卡或以收藏为目的的卡牌交易等
综合来说是一种非常适合线下娱乐的形式，除了这些由来已久的IP化卡牌，近年来《英雄联盟》《原神》等也在尝试推出卡牌化产品《Legends of Runeterra》《原神TCG》。
1.3 单机游戏将会迎来井喷时期
观点：单机游戏将迎来井喷时期，包括独立游戏和3A游戏，游戏行业会从渠道向游戏朝着内容向游戏产生剧烈的演变，这个过程中会有很多小型或者中型团队加入这个行业。
这个情况也有多方面理由造成，让我们来细说。
1.3.1 涟漪效应
涟漪效应一词是为了描述一类现象而创造的词汇，它指的是当有一个产品或者行业营收火爆，很快就会吸引大量资本进入这个领域，但是有趣的是，如果一个行业有前景，但是没有企业在该领域产生实质性成功，那么就极少会有人愿意尝试去做这个行业。
注意，涟漪效应对有前景的行业描述有一个隐藏的前提是公司有能力做而不做的，像核聚变工程这样有前景但没有能力去做的项目并不符合涟漪效应的描述标准。
大部分人十分擅长从1走到100，但从0走到1这一步一定要有一个领袖级的产品走，因为从0到1要解决一个重大的问题即探索商业模式的问题，这个领袖级产品就像是一滴水，落到了湖面，泛起了阵阵涟漪，而那些涟漪就会后来入场的人。
最为直观的案例就是ChatGPT，实际上ChatGPT背后的核心技术Transformer，在2018年的时候就已经有了相关的技术论文，但是2018年恰逢AI行业在国内迎来第一波资本的泡沫，很多初创的AI公司倒闭，实际上不仅是业界，当时的学界也并不看好彼时的AI，彼时的AI界教父辛顿甚至呼吁大家放弃被称为现在深度学习基石之一的卷积神经网络。
初代GPT也还在探索的过程中，还在学界苦苦探索的NLPer们也只是在不断地追求更好的算法，后来的事情大家都知道了，2023年ChatGPT和StableDiffusion横空出世，甚至被人称为第四次工业革命，没有人想到只要扩大Transformer的规模就可以使其产生此等质变。
不仅是AI产业，游戏产业也是一样的，早期的MMORPG时代，大家都在做MMORPG，再到后来2013年兴起的MOBA时代，大家又都在做MOBA，2016年大逃杀玩法爆火，就诞生了一众吃鸡类游戏《无限法则》《和平精英》《荒野行动》等，2020年《原神》爆火，就诞生了一众的二游产品《战双帕弥什》《幻塔》《崩坏：星穹铁道》《鸣潮》等。
涟漪效应的底层逻辑，或者说它的本质矛盾，其实是以工业化的思维来进行创造性内容产品的制作所产生的内生性矛盾，也就是总有人觉得，只要用更好的技术、更华丽的画面、更复杂的特效去复刻那些玩法通过了验证的优秀作品，就可以重现与之对应甚至比它更好的成绩。涟漪效应呈现出的是一种急功近利的心态、一种偏向于投机的方式来处理创作性产业的思维。同时它也是渠道为王时代下老牌手游企业的路径依赖。
一个非常典型的案例就是2023年火爆的独立游戏《完蛋，我被美女包围了》，实际上2024年就有了众多仿制的作品，比如《恋爱单选题》《名利游戏》《美女，请别影响我学习》《开局五个亿》等等，如下表所示（数据截至时间为2025年3月17日）：
涟漪效应示意图
不难看出虽然部分作品仍然有较好的评价数量，但其总体影响力已经远不如第一款作品那么好，并且还在持续走低。
补充：我写关于这个点的时候，《捞女游戏》还没有发布，但是捞女游戏的成功主要是吃到了一波男女对立的流量，很难说是因为游戏本身做的有多好，想要复现这样的商业成功并不容易，但这个热点并没有完全消散，而且开了这个先河之后，未来也许会出现更多以隐喻社会不良现象为主的游戏。
那么进入3A游戏领域，2025年同样也有大量的作品立项，我想引用《黑神话·悟空》制作人冯骥在采访中所提到的一段话，主持人问黑神话悟空在2020年的第一支宣传片在B站有了超过5000w的播放量，你们怎么看待这件事，冯骥的回答是这样的：
当时第一反应就是，这件事，可能不见得是因为我们真的做的那么好，我们内部经常开玩笑说，也许国外一款95分的产品，也许我们国内出现一款75分的产品的时候，它只是因为承载了一些我们对这个国家，对这个民族朴素的热爱。然后随着这个软件工业的发展，会出现一些商业引擎，它已经附带了很多成熟的解决方案，在这个时候你只需要把它的表现做到你想要的，这是一个技术红利，所以这件事情其实，我们只是在一个合适的时间很幸运地承载力大家的期待。
其实在一定程度上这段话和前面捞女游戏是一样的，就是在一定程度上，开发商抓住了一个热点，游戏本身做的也非常不错，产生了爆炸式的能量。
这和《捞女游戏》《鬼谷八荒》《羊了个羊》的成功是如出一辙的，问题在哪？问题就是这让部分人确信，游戏能赚这么多钱是游戏自身的能量，而与时机、运气等没有关联，如果对游戏进行像素级的复制，或许就能达到对等的销量范畴。
就拿鬼谷八荒来说，这款游戏的确很棒，但是它的年销量区间应该是10w-50w这个数量级，然而实际上鬼谷八荒有300w以上的销量，这是非常可观且诱人的一笔收益，但这样的商业成功即便开发十个类似的作品可能也无法复现了。
如果抛开时代因素、运气因素、机遇因素，什么buff都没有，它们还能产生这样强大的能量吗？只能说很难，但黑神话悟空的爆火依然吸引了大量的人前往这个领域淘金，这或许就是涟漪效应又一次极为明显的体现吧，以下是能在互联网上找到的部分在研或者已经发售的国产类3A级项目（以下排名不分先后）：
当然，这只是其中的一部分，还有很多已经首曝或者已经上线的国产游戏我并没有列到表中，其中不乏十分优秀的作品比如《影之刃零》《归唐》等，但是同时也不乏争议比较大、褒贬不一的作品，甚至噱头大于实际，以及发了第一个首曝PV之后就没有任何官方消息的游戏，比如《明末·渊虚之羽》《致金庸》等。
所以不妨问出这个问题，是不是以上每款游戏都能达到黑神话悟空的3000w销量的级别？哪怕降低目标至黑神话的三十分之一，达到100w销量，有无可能完成？
不难预见的未来里，我们会经历一波国产3A烂作的洗礼，但在这个过程中，也会产生十分优秀的作品，所以综合来说，这是一个行业剧烈演变的时期。
我个人对《古剑》非常感兴趣，也很感叹烛龙工作室一路的坎坷与颠簸，可以说他们真的代表了老一辈国产游戏人的那种锲而不舍的精神，其实游戏科学给我也是一样的感觉，就别人做手游是因为手游赚钱，他们做手游是为了能继续做单机，Respect！所以如果有机会试玩demo我真的很想试试看！
古剑宣传图
1.3.2 技术红利
同样在冯骥的个人采访中，他还提到了一个技术红利的概念，其核心就是，我们正处于一个技术生态极为丰富的阶段，而且越来越完善和标准化。
在零几年的时候做游戏是真的开天辟地级别的，做一个游戏是从渲染API开始做的，几乎可以说做一个游戏相当于是先做一个游戏引擎，然后再开始做游戏内容。但是现在呢，我们有Unity、UE、Godot这样的主流通用引擎，也有Bevy、MonoGame、Raylib这样的低级游戏引擎。
就拿《黑神话·悟空》来举例，实际上游科在2020年发布的视频还是基于UE4的，然而在引入了UE5的Lumens全局光照和Nanite技术之后，整个画面有了质的飞跃。
简单来说，Nanite虚拟多边形技术可以精准的裁切所有的模型，使得摄像机拍不到的位置的模型全部被裁剪掉，只保留能看见的画面，这使得大量的算力可以集中于渲染当前画面的多边形，从而大大提升实时渲染中模型的面数，这在以前是难以想象的。
那么除了画面之外，游科的角色动画控制采用了MotionMatching技术，它很好地解决了大量动画下，动画状态机调试复杂的问题，略过了动画状态机，直接由MotionMatching来检索与输入行为最匹配的动作，和其他很多技术一样，MotionMatching是UE的一个官方插件，无需付费即可使用，这些都是技术红利的直观体现。综合来说，技术生态的发展大大降低了做游戏的门槛，允许更多人踏入这个行业，能够制作出从基建上来说高水准的游戏。
除了游戏引擎的蓬勃发展，各种开源技术库的也在野蛮生长，小到一个Unity或者UE的Shader效果，大到游戏引擎、网络框架、ECS框架等等。探讨编程的时候，我们经常会听到一个概念，叫组合优于继承，我认为这个概念已经开始脱离编程而来到了技术生态的范畴里。
就拿开发游戏引擎这件事来说，放到以前就是开天辟地级别的难度，但是随着现在进入一个高度模块化的时代，开发游戏引擎相较于之前的难度大大降低了。（相对来说）
因为很多东西不再需要我们自己去处理，比如渲染引擎，物理引擎等都已经有了很多框架可供选择了，无需自己手动开发，甚至有很多游戏引擎不是从这些底层框架开始，而是从一个既有的游戏引擎开始去封装一个界面和相对应的工具集。
为什么会谈到这件事呢，主要还是因为Unity之前的一波安装费风波促使很多老外尝试开发自己的引擎，不过虽说是开发引擎，但主流的做法就是基于一个现有的现代化的低级引擎，比如Bevy、Raylib、MonoGame、Pygame、Love2d、Phaser等，配合DearImGUI来开发界面。
这样的案例以前也有，比如风来之国的基于低级引擎Moai引擎自研的引擎Mock。而最近的一个案例是蔚蓝的开发者使用MonoGame+http://ImGUI.Net封装了一个叫做Murder的小型游戏引擎。
Murder
github.com/isadorasophia/murder
这个引擎也基于他研发的另外一个辅助插件Bang而支持了ECS模式。（因为MonoGame并不是一个原生的ECS引擎）
MurderEngine截图
综合来说，技术的发展让独立开发者或者小型团队拥有了更多的可能性，我们正在进入到一个高度模块化的组合时代。
以上是关于技术的大方向上的概念，除了引擎技术的发展、组合时代之外，对游戏开发影响最大的莫过于AI的赋能。
AI对游戏的效率赋能目前主要集中在资产的产出上，其影响范围比较广，包括但不限于原画、动作（使用AI动捕）、模型、大型场景设计&地编、音效、配音、QA工作等。从早期的美术创意、原画设计等层面到代码编写、剧情架构设计、创意领域等AI都切实的提供了赋能，并加快了制作进度。
同时部分公司也开始推出专门的研发工具去应对游戏中的资产产出需求，就比如腾讯旗下的VISVISE[8]，它是一种全链路AI创作解决方案，它的出现可能代表着未来游戏资产创作的结构重塑。
但是AI也存在着不可忽视的问题，首先如果基于类似于ComfyUI去搭建美术资产的生成管线，是需要一定的调试成本的，这个调试成本可能根据目标美术风格的不同而产生完全不同的结果，说白了就是AI并不是开箱即用的工具。
其次是在模型的生成或者类似的三维数据上一直表现不佳，可能会出现各种前后或者里外矛盾的结果。
以及AI在版权问题上一直处于一个漠视的态度，这可能是后续一个存在危机的点，最后就是AI生成的结果往往不能直接用于游戏中，还需要人工进行微调等。
目前的AI给我的感觉有点像是什么呢？有点像是漫威电影里的共生体比如毒液，它们很强，但不能单独存在，需要依附于一个宿主，它可以大大的加强宿主的能力，所以它不能取代人，但依然会对未来的就业形势产生巨大威胁。
所以未来的资产制作的形态可能是AI生成+人工微调的基本模式，甚至未来可能会导致游戏公司不再雇佣大量的美术员工，转而完全依赖于提供资产产出的外包服务商。
综合来说，AI是技术红利的一种体现，和前面的技术生态一起，降低了游戏整体的开发成本，使更多小型工作室和独立开发者有更多的开发选择和自由度。
1.3.3 游戏行业裁员潮
除了涟漪效应、技术红利之外，单机游戏井喷的第三个论据是游戏行业的裁员潮，据Obsidian Publish[9]在公共社交平台抓取的互联网数据，2023年各游戏产业相关公司一共裁撤了10466个人，而在2024年，这个数字增长到了14603，同比增长了40%左右。2025年目前裁员的相关数据是4392人，相对来说稳定了一些。
至于为什么裁撤了这么多人，AI只是其中一个不那么重要的原因，因为虽然AI有赋能效果，但是整个游戏的业务变化是需要大量的时间来摸索和尝试的，所以构建AI生产管线的过程不是一蹴而就的，不可能说23年AI火了，24年马上就裁了这么多人。
下图是裁员大年即2024年的裁员数量前六的排行：
2024年游戏相关公司裁员人数
综合来看，裁员人数最多的是微软，深究原因，主要是因为微软近年来在游戏这个领域屡遭失败，包括《光环：无限》《星空》的效益都未抵预期，Steam好评率数据全球为58%好评，中文则是57%好评率。
而Unity的裁员主要是两点，第一是安装费风波导致的用户信任崩塌，第二则是Unity公司捆绑了太多非核心业务。
这其实就是老生常谈的一个引擎开发商的商业模式问题了，Unity尝试过发展大量的不同的业务，包括以Unity大学为代表的线上培训课程、以PlasticSCM为代表的云服务产品、以及UPR广告业务等等，也曾尝试收购和投资很多不同的项目，在很长一段时间内都在过度扩张但并未带来太多实际的收益，而且这也导致Unity整体的功能负载增长进度极为缓慢，整个Unity引擎的官方体系其实和2021年没有太多区别，有小型的更新和优化，但除了Unity6追加了虚拟多边形技术之外整整五年时间能拿得出手的改进屈指可数。
资金链困难的情况下，Unity的裁员其实只是裁撤了大量与公司核心业务无关的部分。关于Unity的这件事，本质上是方向的不同，Unity和UE在商业模式上还是有着很大的区别的，因为UE引擎的很大一部分收入源自于公司旗下的游戏业务产品，就比如《堡垒之夜》，而Unity则没有试图用Unity引擎开发本家的游戏产品，其实在2022年Unity曾经发布过一个自研的平台类动作解密单机游戏《Gigaya》，但后来这个项目也被砍了。
还有其他公司的裁员情况我们就不一一分析了，2023年-2024年两年其实是很动荡的两年，不管是国内还是国外，裁员的公司不胜枚举，包括很多老牌的游戏厂商诸如动视暴雪、索尼、EA、育碧、拳头游戏、拥抱者集团、Epic等等。
这些裁撤下来的人大多还是会继续寻找一个新的公司生存，但是在这个过程中，也有可能导致部分开发者尝试离开公司，制作自己的游戏，所以未来我们会看到更多由2-3人组成的小团队所开发的独立游戏涌现。
1.3.4 政策扶持
单机游戏会迎来发展的第四点论据是政策上的利好。
在2025年3月，中共中央办公厅印发《提振消费专项行动方案》[10]明确将动漫、游戏、电竞及其周边衍生品等消费纳入政策支持范围，后2025年4月，国务院印发的关于《加快推进服务业扩大开放综合试点工作方案》[11]的批复中同意《工作方案》，并在第三点提及了
在已有试点地区基础上，将大连市、宁波市、厦门市、青岛市、深圳市、合肥市、福州市、西安市、苏州市等9个城市纳入试点范围。各试点地区要加强对《工作方案》实施的组织领导，进一步完善试点管理体制，优化协同联动、保障有力的工作机制，加强人才培养和高素质专业化管理队伍建设，推动试点任务落地落实，更好为全国服务业开放创新发展发挥引领作用。
而在《加快推进服务业扩大开放综合试点工作方案》[12]的任务清单中的第11条：
发展游戏出海业务，拓展应用场景，布局从IP打造到游戏制作、发行、海外运营的产业链条。
以上，游戏出海业务已被纳入国家级战略工程，目前的政策环境对于游戏的开发是一种利好。虽然在我本地（南京）暂无了解到相关政策，但在可预见的未来里，应该会看到各级政府出台的对游戏产业发展的利好措施，这些都是今年才有的新变化。
稳定的政策环境对于游戏产业来说真的太重要了，这是一剂对游戏产业的强心针。
而发展游戏出海业务则主要得益于黑神话悟空的示范效应，它不仅是赚取外汇的经济引擎，同时也是文化传播和传承的有利工具，值得作为榜样进行宣传和学习。
1.4 单机游戏行业的危机四伏
观点：未来是独立游戏和3A游戏大量倒闭、退场、换新的剧变时代。
刚提到了独立游戏和3A会进入一个井喷的时期，但是其核心理由并不是因为现在的单机行业发展到了一个什么样的状态，主要是涟漪效应、技术红利、裁员潮所致，如果认可这几个观点，其实不难推断，接下来能看见大量的新作品，但是其中也不乏粗制滥造的作品，或者确实用心做了，但是压根不好玩的作品，其中能够被玩家接受和认可的数量依然是非常少数的一部分。
这些游戏还有一个非常典型的特征，不管好不好玩，但画面一定会非常漂亮，画面效果和基建素质很高，这也是得益于技术红利。
1.4.1 技术红利的局限性
这个情景和很久以前RPGMaker刚出来的时候如出一辙，在RPGMaker出现的时代，因为其制作JRPG的便捷性以及不需要写代码的特点，涌现出了大量基于RPGMaker的作品，其中确实有非常优秀的游戏，就比如《野比大雄的生化危机》
《野比大雄的生化危机》
dic.pixiv.net/a/%E3%81%AE%E3%81%B3%E5%A4%AA%E3%81%AEBIOHAZARD
但绝大部分的作品都只能用垃圾来形容，其和现在的情况非常类似，都是属于受到技术红利而催生的一波作品潮，潮水退去，会带走大量的临时起意的团队。
这就是技术红利的局限性，有点像师夷长技以制夷的局限性，技术上的升级和强化可以加快游戏生产的效率，可以提高游戏画面和渲染效果，但是并不能根本性的解决如何迭代出一款好玩的游戏所需的经验体系。
典型案例就比如今年发布的《明末·渊虚之羽》，其好评率翻车的案例似乎在警示我们，单机游戏领域是一个需要沉淀和钻研的领域。
2025年被人称之为一个游戏大年，但是其中很多作品的评价并不如人意，比如《明末·渊虚之羽》《怪物猎人·荒野》《丝之歌》，哪怕其中部分好评的游戏比如《剑星》其在游戏性上也并没有太多亮点，玩家更津津乐道的还是第三人称视角和支持UGC的换装系统。
不过要严格强调一下，《怪物猎人·荒野》和《丝之歌》翻车的理由并不是没有能力把游戏做好，但是它们可以证明现在的玩家不是拿着一款形似或者徒有画面的游戏可以糊弄的。
**这也是为什么进入内容为王的时代，制作人的影响力会越来越重。我们能列举很多知名的海外制作人比如席德·梅尔、山姆·豪斯、宫本茂、小岛秀夫、宫崎英高、神谷英树、托德·霍华德，但是国内呢？为什么国内却没有几个能叫得出名字的制作人呢？**但是一旦进入以内容为主的单机游戏领域，比如《黑神话·悟空》，其制作人很快就会名声大噪。这和电影导演是一样的，国内有很多知名的电影导演，因为电影就是内容向的。
因为这些以内容为主的艺术创作型产品都非常依赖制作人或者导演&编剧等对创作这件事的钻研和沉淀，不是一蹴而就的。
不仅如此，现如今国产3A大作虽然越来越多，但大多数还是围绕着以Boss战为核心的类魂、类银的关卡章节推进式的游戏上，颇有一种把海外的罐头游戏生产线给国产化的意味，这对于过去国产单机游戏贫瘠的现状来说一定是有积极意义的，它会吸引资本给整个产业注入活力，但是如果徒有虚表而不能产生真正的收益，则一定会在未来迎来反噬。
1.4.2 赢家通吃和长尾理论
单机游戏行业危机的第二个基本论据是，游戏市场总是头部的产品占据了游戏行业绝大部分收入，而剩下的所有产品则占据小部分收入，这种赢家通吃的现象，也可以叫做超级明星经济（Superstar Economy）或者长尾理论（The Long Tail）[13]。这个观点本身并不新鲜了，实际上从2016年手游行业的爆火开始，这种现象就一直出现在手游领域。
长尾理论指出：小众产品的集合市场份额可以与大热门抗衡。然而，在游戏领域，实际情况是“头部长尾并存，但头部过于巨大”。长尾确实存在，无数 indie 游戏拥有自己的忠实粉丝，但它们占据的总玩家时间份额与头部巨头相比微不足道。
据2016年手游收入排行榜，第一名是腾讯的王者荣耀，年入51亿元而第十名则是球球大作战，年入2亿元，第10名到第100名的收入综合都没有第一名来的多。
这种现象的产生有一个用户心理学的佐证，即选择过载（Choice Overload）[14]，这个概念指出，当一个用户的选择过多时，会产生焦虑和决策疲劳，因而往往选择默认的、知名的或者被推荐的选项。
但是综合来说，这两个基本推论揭示了单机游戏行业的一个困境，即大部分的单机作品很难有在公众面前亮相的机会，随着未来独立游戏作品越来越多，这种现象会越来越明显。长尾理论是一个已经被证实的经济学理论，借此我们可以预言，未来会进入单机行业的井喷时期，但同时也加剧了游戏行业的内卷。
1.5 手游的发展将进入瓶颈期
观点：即手游的发展即将迎来一个不可逾越的瓶颈。
据《2025年1-6月中国游戏产业报告》[15]指出，中国二次元移动游戏市场实际销售收入同步下跌8%，已经处于持续两年的下跌中
中国二次元游戏2020-2025上半年销售变化趋势
这种跌幅有没有可能只是行业变化的正常波动？据此，我不希望从数据而是从逻辑层面来解释为什么手游会迎来一个难以突破的天花板。
1.5.1 手游的核心逻辑正逐渐从渠道为王走向内容为王
以前创业做游戏，大家都会问你，如果腾讯借鉴你的游戏，你该怎么办？但是现在这个问题似乎没有人问了，某种程度上来说，《原神》似乎证明了一件事，即抄袭论开始逐渐失效了。
所以不妨提出一个简单的问题，就是为什么抄袭论在过去是有效的？
答案其实很简单，因为过去是一个内容极度匮乏的年代。基本上很多不同的游戏品类，可能对于绝大部分人来说都是第一次接触，那个时候玩家对游戏产品的包容度和忍耐度是极高的，同时之前也没有接触过类似的作品，玩起来就是觉得很有意思，因为新奇，没玩过。游戏做的哪怕质量稍差，很多玩家也会玩的津津有味。
同样，不仅是游戏，过去也是一个信息匮乏的年代，只要是通过信息差来赚钱的人都还是混的不错的，这也是为什么过去会存在公知而现在没有了。
所以过去只要是借鉴或者换皮的国外的爆款网游，在好玩这件事上都不会出太大的问题，于是相比之下怎么让玩家知道这款游戏就成了决定一款游戏命运的关键了。这其实就是渠道为王的本质。所以过去换皮一款爆款作品再通过强大的宣发去赋能是非常有用的一套组合拳。
在网络游戏时代，渠道的主战场是网吧，因而也诞生了地推员这样的职业，如果你在2008年至2014年左右进入网吧，你大概率可以看到《征途》《斗战神》《大话西游》《梦幻西游》《天龙八部OL》《倩女幽魂》等一类游戏的广告，只不过后来这套逻辑的主战场从网络游戏和网吧过渡到了手机游戏和手机。
渠道在手机领域的演变也是类似的，谁掌握了流量的分发就掌握了游戏的生死，所以做手机要做手机系统本质上也是在试图垄断流量的分发，华为、小米、OPPO、Vivo都有自己的Android应用商店，在商店页面的推广位和Banner能为游戏带来巨大的流量和曝光度，这对于手机游戏来说是极为重要的。
但是如今呢，首先流量分发的基本逻辑已经被现如今的App格局改变了，现在人们的生活已经逐渐被几个超级App框住了，某种程度上，我们似乎永远也不用再打开应用商店了。
为了掌握流量，部分超级App开始诞生了自己的商店系统，比如支付宝和微信有小程序系统，美团、京东开始往软件里加入大量的额外功能。有点戏谑的是，这几个超级App没有一个是不支持小视频播放功能的，无论它原本的功能是什么。
甚至为什么会诞生外卖大战，因为类似于某团这样的外卖软件是平时用的比较多的高频软件，其软件曝光量是平台的另外一项资本，抢夺市占率的本质是抢夺流量分发的权利。
但是随着玩家体验的作品数量越来越多，对游戏的品质要求也越来越高，于是抄袭论开始逐渐失效了，同时也意味着渠道为王的时代已经悄然过去了，未来我们将面临的是内容为王的时代，它也意味着纯粹的换皮、借鉴已经很难再活得下去了。
为了获取流量，部分现代化的手游开始采用以IP和吸量为核心的营销策略，说白了就是买一个知名的动漫、电影IP，比如《猫和老鼠》《一拳超人》《哈利波特》《死神》《火影忍者》等等改编成手游，这样手游会自带原作粉丝的一部分流量。
其实购买IP的版权费本质上就是宣发成本的一种形态，知名IP的版权费极高而且甚至是订阅制的，但是花大量的资金到宣发成本上同时还要面临玩家对游戏审美的提高，也就是花在研发成本上的钱也不会少，这两个条件组合到一起，导致手游的回本压力增高。
手游成本变化示意图
所以渠道和流量为王的时代过去了并不是说它不重要了，反而渠道和流量依然重要，而且随着手游产品的不断增多，维持同等的曝光量在宣发上的成本只会变得更多，但相比之下，现在游戏的内容更为重要，以前是只看渠道，而现在主要看内容，次要看宣发。
1.5.2 社交价值公式的预言
此处引用我的文章中反复提及的一个概念，叫社交价值公式：
社交价值=社交信用×稀有度
社交价值公式认为部分商品拥有远超其使用价值的价值量，是因为其中包含了一定的社交价值，社交价值的构成由社交信用和稀有度决定。其中社交信用与一个产品的直接用户群规模呈正相关。简单来说就是，一款作品玩的人越多则社交信用越高，社交信用越高，则游戏内的增值服务就越能够产生价值。
因以下内容基于是社交价值公式的推论，所以需要额外解释一下，社交价值公式没有相关的论文或者主流理论推导，只是个人在大量的实践、探索和思考的过程中总结出的一个暂时未被推翻的规律。
这里提到的部分产品拥有远超其使用价值的价值量比较好理解，比如劳力士手表，任凭它再贵，它的使用价值也仅仅是用来看时间，其更偏重于炫耀或者传达出“用户很有钱”的信号。
这里的所谓炫耀只是一种为了便于理解的通俗解释，严格来说，任何穿衣打扮等日常行为都具有社交性，在没有社交需求的情况下，这些元素对日常生活的幅射是极低的。
用户之所以会购买一些没有额外加成的游戏元素，比如英雄联盟里的皮肤，其核心理由就是因为社交价值公式。反过来说，如果一款游戏极为冷门，也就是其社交信用很低，其中付费内容的价值就会极低。
理解社交价值公式是理解论据二的台阶，近年来手游领域的内卷已经非常夸张了，以一种朴素的思维来说，手游产品有两个基本策略：
- 寻找用户渠道最宽泛的赛道，与最热门的手游走买量竞争
- 寻找潜在用户较多的赛道，走差异化竞争
策略一就是已经知道某个方向很赚钱，比如二游类产品，现在就做一款二游去跟热门产品竞争，啃下一块市场。策略二就是，还不知道有没有其他可能会爆火的品类，尽量尝试做不同的品类，不要跟热门产品竞争。
实际上无论是走第一种策略还是第二种策略，都是非常强调差异化的，只不过差异化的程度不同而已，即便是做二游也是一样的，如果画面没有办法进行差异化，那么也会在玩法、剧情、题材上进行差异化设计，因为不可能直接抄袭一个雷同的产品，比如原神火了，按像素级复刻一个出来，那问题是已经体验过原神的用户为什么要玩这款复刻产品呢？前面提到渠道为王的时代已经过去了。
说白了，随着手游产品越来越多，产品的风格和品类越来越多，就会把现有的用户群分割的越来越细，圈子会越来越小，喜欢枪战的可能也分喜欢团队竞技的；喜欢吃鸡类的；喜欢搜打撤玩法的；喜欢生存类玩法的。产品越多，差异化就会做的越细致，就会进一步导致用户群的细分，所以现在如此之多的手游产品，像一个巨大的筛子，将整个用户群分割为了无数细小的组织和团体。
如果得到了这个推论，和前面提到的社交价值公式就对上了，不难发现，社交价值公式对社交信用的解释就是基于一款产品的用户群规模，市面上手游产品对用户群的分割会导致社交信用的降低，从而拔高手游产品寻找用户的所耗费的宣发成本，同时也会削弱在手游里充值的意愿。
差异化如何导致社交信用降低
所以像《王者荣耀》《原神》这样的现象级产品今后越来越难以出现了。不过话虽如此，头部手游的赚钱吸金能力依然断档式领先于头部的3A和单机游戏。
1.5.3 手游内容同质化&单机和3A游戏的破圈和崛起
前面我们提到了涟漪效应，前一节也讨论了差异化这个概念，
中国互联网进入直播时代之后，很多单机游戏开始快速进入中国玩家的视野，从2016年H1Z1到2017年的绝地求生，再到现在的永劫无间，黑神话悟空。可以说Steam平台的在各个高质量的作品和直播文化的影响下迅速进入大众视野，2018年-2023年可以说是Steam平台增长最快速的一段时间。
在这个过程中，很多原本是手游和网游的玩家可能会被单机游戏的品质所吸引而改变自己的游玩习惯，这就是一种破圈现象，截止到2025年2月，Steam中国用户已经成为Steam上所有国家里用户数量最多的群体，相比于2024年激增了20.88%，总占比达到恐怖的50.06%。
当然，这个数据是通过Steam的月统计来的，也就是查看将Steam设为简体中文的玩家的数量，这个数量和真实的中国用户数量不能完全等价，毕竟也有人尝试将Steam改为不同的语言，但这是关联度最高的数据，从中不难窥见中国区用户的快速增长。
但综合来说，中国用户在2020年-2025年的不断增长意味着越来越多的用户开始接触和接受单机游戏，忽略那些不再玩游戏的玩家，仍然会有一部分玩家持续的留在单机游戏中，说白了，单机游戏的收入能力虽然不如手游，但抢走的用户是实打实的。
以上是本文认为手游会迎来一个极难跨越的瓶颈期的三个理由。
1.6 游戏行业投资回暖
观点：未来针对游戏行业的投资可能会回暖。简单来说，针对游戏行业的投资比例相较于2022年至2024年期间会有明显的回暖，未来做3A游戏或AI+游戏的企业可能会拿到更多的投资。
除了下述我将提到的论据之外，观点1.1和观点1.3都可以作为该节的论据。但除了这两个观点之外，还是盘一下它的核心理由。
在开始聊这个观点之前，读者应该有一个底层逻辑：投资或者类似的金融属性比较强的概念都是带有投机性的，这意味着它的变化与长周期内的事务的关联较小而与近期发生的热点事件或信号等有较大的关联。
举个经典案例，如果对政策比较关注的人应该还记得，2023年12月22日，国家新闻出版署发布《网络游戏管理办法》（征求意见稿）[16]向社会公开征求意见，旨在取代旧的网络游戏管理办法，促进行业繁荣发展。这其实是一件好事也是使得网络游戏健康发展的必要措施。
但其中一些条款的很容易让人产生错误的预判，比如这份意见稿中的某些条款比如第四章<未成年人保护>的第三十九条【时段时长和消费要求】中第三点提及了：
严格执行向未成年人提供付费服务的限制性要求，合理限制不同年龄阶段未成年人在使用其服务中的消费数额，不得向未成年人提供与其民事行为能力不符的付费服务
同第四章第三十九条第五点提及了：
不得向未成年人提供随机抽取服务
同第四章第三十九条第六点提及了：
网络游戏直播不得出现未成年人打赏情况
这个征求意见稿一出来，当天腾讯&网易的股价应声大跌[17]，市值蒸发超5000亿。所以本质上，金融属性较强的行为往往受某种信心或者局部信号的影响会更强，这是我们理解1.6节观点的一个必要前提。
1.6.1 美联储降息&央行降准降息
在拜登任美国总统期间，为了应对美国的通胀，一直采取加息策略，这导致全球资本回流美国。特朗普上台后情况有所逆转，2025年4月，特朗普则要求现任美联储主席鲍威尔降息，这个事情一直从今年4月扯到了现在，而最终，美联储宣布2025年9月中旬将举行为期两天的会议来决定是否进行降息。所以现在的问题恐怕已经不是要不要降息，而是要降多少个百分点。
但至于具体数额，在美联储发布具体信息后我会修正该节的细节。
美国降息意味着全球资本的“涨潮”，这是投资的一个适宜的外部条件，因为对于有钱人来说，如果他们的钱一直放在钱包里，随着时代的推移相当于是在“自动减肥”，其购买力随着通胀的变高会越来越低。
但是个人消费力不足以消费掉大量的资本，于是在降息阶段，把钱投进股市债市或者投资某产品是非常常见的行为，所以美国降息是投资回暖的信号之一。除美国降息之外，央行也在2025年2月表示将择机降准降息[18]。
央广网北京3月6日消息 3月6日，在十四届全国人大三次会议经济主题记者会上，中国人民银行行长潘功胜表示，人民银行将根据国内外经济金融形势和金融市场运行情况，择机降准降息。
当然，美国和国内选择降息的目标都是一样的，就是刺激经济提振消费，国内的降准降息主要是针对房贷压力比较大的人，央行的降准降息可以给这些背负贷款的人稍稍缓一口气。但不论目标是针对谁，降息这件事的影响是全局的，对你我和资本都有影响，这也是投资回暖的一个重要信号。
1.6.2 游戏行业收入的持续增长
有了外部条件，那为什么资本会投入到游戏行业呢？这就需要数据来佐证了，首先撇开前面提到了二游收入在今年上半年的下滑，我们可以看一下近五年游戏行业的总体收入情况。据游戏工委发布的《2025年1-6月中国游戏产业报告》，2020年-2025年上半年游戏行业收入变化趋势如下：
中国游戏市场实际销售收入变化趋势
也就是说虽然二游在下滑，但其他品类比如页游、微信小游戏、单机游戏都在上涨，很多企业扭亏为盈，整体游戏市场规模同比增长14.08%，增速创下五年以来的新高，可以说形势一片大好，从宏观层面来说，游戏行业是这两年为数不多的投资风口。
二级市场上的投资者抢先捕捉到游戏行业增长的趋势。今年以来，集合游戏股的游戏ETF已经上涨超38%，大幅跑赢代表大盘的沪深300指数（7.3%）和其他众多行业，仅次于最热的创新药指数和通信设备指数。
除了游戏市场规模的实际创收增长之外，游戏版块成为投资热门还有以下几个核心理由：
首先是用户群在不断增长，在2008至2018年这十年间，游戏用户的主要画像还是以男性为主的，但据《第56次中国互联网络发展状况统计报告》所提及的女性用户增长，未来的游戏制作中也会有越来越多的产品是为女性专门研发的，这也是用户群扩张的一大有力证据。
女性游戏玩家数量迅速增长，推动游戏市场拓展与创新。随着网络游戏对女性用户需求的精准把握，以及女性玩家消费能力的提升，女性游戏市场规模持续扩大。截至2025年6月，女性在网络游戏用户中的占比为48.0%，较2024年底提升3.1个百分点，上升趋势明显；尤其在手机游戏领域，女性玩家已成为主力军之一。数据显示，2024年我国女性游戏市场规模同比增长124.1%，增速远超行业平均水平。越来越多的女性游戏融入战斗、冒险等元素，以满足女性玩家的多样化需求。
其次，AI技术的发展使得游戏行业如虎添翼，AI可以在资产制作效率和内容内容体验上为游戏赋能。
再次，除了前面的政策利好之外，对于游戏版号的审批也在逐渐放宽，据统计2025年上半年国产游戏发放版号共757个，海外进口游戏共发放版号55个，合计超过800个版号，创历年来的新高。
最后，各老牌游戏公司如腾讯和网易也在积极布局单机游戏市场发展，涌现出了如《归唐》《古剑》《影之刃零》等质量上乘的作品，这会给整个行业带来信心。
综合来说，未来游戏行业的投资回暖是一个宏观层面的趋势，一方面国家需要新的经济引擎来拉动内需，一方面用户有着庞大的娱乐需求，一方面技术和工业体系逐渐成熟，从各个角度来说，2025年可以说是真正意义上的中国游戏的元年。
1.7 行业篇总结
关于行业篇，我想说的就是以上几个观点，在1.1节开篇我引用了《霸王别姬》中的一句台词，初见这句台词我觉得有些莫名其妙，后来我逐渐明白，人是多巴胺驱动的生物，甚至可以说人类的文明是基于娱乐而产生的。有人喜欢数学，那么研究数学对他来说就是娱乐，喜欢文学、艺术、天文都是同理。只不过恰好有些东西能够对这个世界的进步产生推动作用，比如一个中世纪的数学家午后消遣所研究的数学问题或许对现如今的我们产生了举足轻重的意义。
快乐在这个时代太稀缺了，压力、焦虑、悲伤这些看似没有对我们造成直接的损害，但实际上它们无时无刻都在侵蚀着我们的内分泌系统，以至于最终会形成可怕的病症，所以快乐在这个时代是比任何养生方法或者药物都重要的东西。
正如很多在工作的年轻人熬夜，更多的还是追回被工作侵占的自由时间，因为娱乐的时间太少了，人毕竟不是机器，我们不该批评教育年轻人，而是反问为什么要996。
我希望以19世纪的英国银行家、自由党政治家、科学家约翰·拉伯克爵士在其著作《人生的乐趣》（The Pleasures of Life）中写的一段话作为行业篇的总结：
“Rest is not idleness, and to lie sometimes on the grass under trees on a summer's day, listening to the murmur of the water, or watching the clouds float across the sky, is by no means a waste of time.”（“休息并非无所事事，夏日里偶尔躺在绿树下的青草上，听着流水的潺潺声，或看着云朵飘过天空，这绝不是浪费时间。”）
希望大家都能尽量劳逸结合，张弛有度，注意身体健康、饮食规律并保持足够的休息。
二、就业篇
第二篇内容是关于游戏行业就业的相关情况，同样也基于AI技术的现状和现有数据对未来进行一定的揣测和猜想，以下提及的观点不一定会真实发生，更不能作为任何重大决策的依据，请大家保持个人的独立思考。
2.1 AI会缓慢加剧失业潮
观点：AI短期内对行业的影响没有那么显著，渗透不均匀且不统一，但长期内（10年以上的周期）仍会逐渐加剧失业潮。
其实AI带给我们的担忧一直以来都是存在的，小到认为AI会毁灭世界，大到AI可能让人们失业。抛开AI会毁灭世界的笑谈，AI的存在其实很有可能会继续加剧贫富分化。马斯克曾经发布过一封联名信要求政府禁止其他公司继续研究AI（Pause Giant Ai Experiments）[19]，理由是AI可能会毁灭人类，然而很快马斯克就宣布了X公司研究的大语言模型Grok。
其实这是一个囚徒困境[20]，如果要禁止研究AI，那么就一定要世界上所有的公司都禁止研究，否则小型公司就会跳过法律约束来抓住这种机会来发展自己，小公司会这么想，显然大公司也是这么想的，所以最终的结果就是，没有人会停止研究AI，所有公司都会推着AI向着这项技术的极限去逼近，即便这项技术的尽头真的是AI毁灭世界。
在资本主义社会，其实每一次科技的更新都在让整个社会的贫富差距极化，因为富人拥有更多的资源来更好的利用这些技术，就拿LLM来说，富人可以掌握和提供这些服务是因为可以聘请足量的低端工人进行数据标注；可以聘请AI专家进行模型研发；可以购买添加企业级训练设备来实践；有充足的资金可以为这些巨型AI的训练支付电费。
可以说富人拥有可以调动的资源也拥有更多有效的信息渠道，当科技发展到一定的程度，资本主义社会就会诞生巨型企业，整个社会就会进入赛博朋克时代，所以有人说赛博朋克的特征是高科技，低生活。实际上这只是赛博朋克的表征，而其真正的内涵在于因科技垄断而产生的极端贫富差距。
2.1.1 AI的影响的范围较广及对特定职业有很强的替代性
AI在静态资产产出层面已经表现出了足够的潜力，也切实地提高了部分游戏公司的制作效率，但是AI的潜力远不只是这样而已。大家一开始对于AI的理解往往是替代低端职业或者一些重复性劳作的职业，但似乎目前AI表现出来的结果和我们猜想的不一样。
聊聊大家都知道的，AI确实能够替代大量的低端产业，比如数据录入员（打字员）和文员、电话客服和基础技术支持、生产线质检员、会议记录、简单翻译或转录员等。
但除了以上的职业之外，实际上AI是能够对一些特定的中高端职业甚至专家职业造成影响的，比如AI对设计师、画师、软件工程师、金融或其他数据分析师、淘宝模特、初级医生、初级律师、企业咨询、培训教师等都产生了一定的影响。
总的来看，AI对行业的渗透并不是从规律从低端到高端，是依据其特性而完全不均匀的，它对低端和高端工作都有影响，AI暂时无法替代的反而是一些体力劳作行业。
AI对某一职业的驱逐其实会导致其他AI无法驱逐的行业更为内卷，因为这个世界并不是静态的，尤其是对于现在的年轻人来说，现在的就业市场格局会对他们的选择产生深远的影响。
2.1.2 人类无法与AI比拼学习效率
AI的存在加强了个人的工作效率，这使得原本2-3个人才能完成的工作可能只需要1个人来完成了，于是结果就是一个人获得了工作而另外的人失业了。
这个观点也不新鲜了，随着就会有人提出新的观点来反驳，他们认为，AI虽然夺走了人们的工作，但也创造了新的工作，比如AI标注师，数据科学家，其他人机协作场景。
我希望针对这个观点提出两个新的看法：
第一，虽然AI创造了新的岗位，但AI淘汰的岗位数量是远超其产生的新岗位的。
第二，也是我认为最最关键的一个点，AI如果没有能淘汰目前的岗位，是因为什么？有很多理由，比如缺乏良好的躯体因而暂时无法接触现实世界，比如外卖员、保安等职业或者一些其他的理由，我们忽略这部分岗位，现在的问题是，当我们拾起AI创造的新岗位时，你又怎么能保证这个岗位不会再次被AI淘汰呢？
人类学习某项技能是需要时间的，当AI淘汰岗位的速度超过人类学习的时间成本，甚至于越来越短时，AI所创造的新岗位就将失去意义。这些AI所创作的岗位会在AI迭代的过程中慢慢的消失，甚至这些岗位连正式的名字都不会有就消失了，这是最可怕的一件事。
所以我希望以此作为该2.1节所提出的观点的第一个论据，即AI是如何加速淘汰岗位以至于AI的存在必将加剧失业潮的发生。
2.1.3 AI会推动流动性陷阱与失业和企业收入降低的死亡螺旋
在第一篇中我们提到了老龄化降低的影响，并提到了一个点，即老龄化是社会经济发展停滞的原初动力，现在可以提出第二个原初动力了，那就是流动性陷阱（Liquidity Trap）[21]。首先我们可以先构建这个死亡螺旋的主体：
经济萧条的恶性循环
这个恶性循环或者叫死亡螺旋曾经发生在上世纪三十年代的美国和上世纪九十年代的日本，而这个恶性循环的开头往往是从减少消费和增加储蓄来的，但它真正的开头则是一些更为直观的原因，日本和美国都是因为房产的暴雷。在中国则叠加了更多不同的理由。
老龄化就是推动这个循环发生转动的主要动力，而AI技术的发展则是推动这个循环发生转动的次要动力，它影响的也许不是真正的收入，而是信心。
当人们看见路上开始出现AI驾驶的汽车，AI控制的送餐车，电话那边传来AI的语音，网络上大量的出现AI创作的作品，以及各类和AI相关的信息，我们会不会开始担心自己的未来？也许我们不会即刻受到AI的直接影响，但它潜移默化的增加了未来的不确定性，为了对抗这种不确定性，普通人最好的方式就是减少消费、增加储蓄。
于是这个齿轮就会缓缓转动，并慢慢自我加速并逐渐失控，直到将每个人卷入其中。
内需不足的原初动力
2.2 AIGC短期内对游戏行业的冲击有限
观点：AIGC对游戏行业如原画师、插画师的短期影响有限。
观点2.1节中，我们谈到了AI的发展对整个社会会产生潜移默化的影响，针对的是从低端到高端的所有行业，相对来说是一个全局化的影响，这种影响是宏观性质的，是非常缓慢的。但是当我们把视角聚焦到游戏行业的时候，重新观察AIGC对游戏行业的影响，你会发现AI对游戏行业的就业市场冲击似乎没有想象的那么夸张。
我编写了一个爬虫抓取了互联网上包括北京、上海、广州、深圳、重庆、南京等15个一线或准一线城市的前30个与原画师、插画师相关的热门招聘需求，共450个岗位。然后对其进行分析，和以往的分析不同的是，这次分析只关注于AI对于岗位的渗透率。
15个城市的热门原话插画师岗招聘需求
以上岗位数据都是2025年9月17日左右在线的有效数据并都源自于一线或准一线城市，所以数据量虽然不大，但分析结果有一定的佐证力度。
而分析方法很简单，在岗位的职业需求中，如果出现了以下AI相关的通用词汇，则AI通用需求+1
aigc, midjourney, comfyui, lora, sd, mj,
stable diffusion, stablediffusion, controlnet,
ai辅助, ai绘画, ai出图, ai作图, ai生成, ai设计,
ai美术, ai原画, ai插画, chatgpt, 文生 图, 即梦, 可灵...
如果出现了以MidJourney、AI作画、AI出图等则低阶AI需求+1，如果出现了以StableDiffusion、ComfyUI、LoRA、ControlNet则高阶需求+1。
最终分析结果为，包含通用需求的岗位共58个（占比12.88%），低阶需求16个（占比3.55%），高阶需求34个（占比7.55%）。以上分析结果说明：截至2025年下旬，AI作图并未对主流绘画行业产生致命性的冲击。
这其实是一件令我比较意外的事情，要知道AI原画插画已经是目前的AIGC体系之下最强的领域了，而且从2023年首次出现到今天已经过去了快两年的时间，而在编码领域、高精度模型、动画生成、剧本、策划等其他领域，AI大多还只能作为初级的辅助工具甚至玩具。
当然，还要解释这个分析结果是怎么避免幸存者偏差的，也就是为什么不是企业已经有了AI生产工具完全不需要人工了，所以这些使用AI的公司已经不再公开招聘了。这个其实很简单，因为目前的AIGC还远没有达到可以自己理解需求、完成需求的过程，最终的图还是需要人来约束的。
于是针对这个分析结果，我试图给出一定的解答。
2.2.1 AIGC的自由度和质量的矛盾
首先AI并不是开箱即用的，开箱即用是什么意思？举个很简单的案例，一台手机就是开箱即用的，只要充上电，连了Wifi就可以用了，但如果我给你的不是一台手机而是一堆手机零件，那么它就不是开箱即用的，当前AIGC的格局可以是否为开箱即用划分为商业工具和开源工具两大类。
目前的开源的AIGC是建立在StableDiffusion之上的，StableDiffusion是一套完整的体系或者架构，要完整的学习SD，我们需要了解的东西非常多：
- 首先你需要了解的是模型，也就是StableDiffusion的内核，不同的模型产出的效果都不一样，你也可以训练自己的模型。
- 其次你要了解的是DDPM（Denoising Diffusion Probabilistic Models）算法，即去噪扩散概率模型，这是上述模型的本质，为什么要了解这个算法呢？毕竟我们不需要自己训练模型，因为在使用SD的过程中，它开放了大量的可选参数，比如采样器、降噪步数等各类参数，如果不了解参数的含义，使用起来就会产生一定的障碍。
- 其次我们需要了解的是LoRA和ControlNet等控制模型，说白了就是原始模型过于自由，即便通过文本来约束想要生成的内容，它的产出依然过于自由，于是我们希望有更加精准的控制逻辑，去控制它的风格或生成对应的贴图如法线贴图、深度图、框线图等。
- 最终你需要了解和学习的是WebUI和ComfyUI，上述的模型如果没有UI界面要使用的话，就只能通过控制台来用了，但是WebUI和ComfyUI提供了总控面板，可以让用户更好的去设置参数和训练LoRA。
StableDiffusion为用户提供了最大的使用AI的自由度，所以想要更好的使用开源工具生成高质量的图片，就需要很多时间来进行学习。如果打算直接使用开箱即用的商业工具，生成图片的质量虽高，但牺牲了很多风格、细节控制上的自由度。
这是一个关于质量、自由度、成本之间的不可能三角，也就是说这三个词不可能同时出现。至少在2025年的现在的AI体系之下是这样的。
其中还有一个可能容易被我们忽略的细节是，学习ComfyUI需要我们掌握一定的AI工具常识，这通常是偏理工向的，而其企业级使用者则主要是美术画师，这也是一个核心矛盾。这就造成了一个类似于技术美术（Tech Artist）一样的岗位，但即便是真正的技术美术也没能真正解决这个问题，因为事实上很多公司招聘的技术美术还是以技术为主，也就是以渲染技术为核心，美术这块则通常是以审美能力、调参能力这样的不痛不痒的辅助技能为主，可以直接说的是，这个矛盾是永恒的，因为它触及了学习上的时间成本。
招聘是双向的，并不是说企业想招聘AI画师就能招聘的到，前提是人才市场上的确有这样的能人，但数量几何呢？这是目前我认为AIGC的无法对游戏行业形成冲击的障碍之一。
2.2.2 AI管线的构成成本
上面已经提到了学习成本，对于个人来说学习成本主要是时间成本，而对于企业来说，则主要是用工成本，花了大力气学会了相关AI技术的人，目标当然是更丰富的待遇。
但除了上述技能相关成本之外，还有什么其他成本呢？简单盘一下。
首先AIGC具有较高的运行成本，和LLM对算力和显存都有较大的需求，而以文生图、图生图为主的AI计算主要对算力有需求，对显存有需求但不是很多，说白了就是需要一张高算力的显卡，而设备成本是AI绘画的成本之一。
目前提供岗位的大多还是以中小型企业为主，而这些企业主要的工作目标还是以制作游戏为主，所以要花时间去搭建一个AI生产管线需要成本，大多还是偏向于让画师自己利用AI生成软件来提高自身作画的效率而不是构建一个通用的AI生产管线。
一方面研究AI生产管线需要是属于炼丹师的工作，一般中小型企业缺乏足够的资本去维持一个AI生产管线的训练和调参工作，包括训练所花费的硬件成本和用工成本都是天文数字，所以这通常是大厂才能去触碰的领域。
2.2.3 传统绘画流程和AI出图流程的差异
绘画和AI出图完全是两个截然不同的领域，实际上我们在使用AI的过程中也是需要大量的时间来测试、调整、然后出图的，甚至出图都不是随心所欲的，试图用AI来绘制一部漫画可能需要耗费大量的时间来出图。所以AI出图有点和炼丹有点像，都是在不断地调整参数并点击Generate按钮，然后改变参数之后再继续微调。
然而传统绘画则还是以草稿、线稿、底色、上色、P图精修的流程为主的，这两个流程是截然不同的，于是很难混到一起。所以AI绘画最利好的并不是画师，反而是不会画画的人。
所以最终的AI绘画的形态和我们预想的AI完成了大部分工作然后画师去精修一下还是不太一样的，但至于具体是怎样的，AI工具的不同，使用者的需求不同都会产生差异，这里不能一概而论。
2.2.4 AIGC仍然在迭代和发展中
目前AIGC的产业格局结构主要是以开源工具、商业工具为主，前文我们通过是否为开箱即用来作为两者的分水岭。现在我想提的一个新的论据就是，这两个主流的方向都还在不断地进化当中，开源工具这里，AI的模型生态日渐发展，LoRA模型层出不穷。商业工具这里，腾讯等大厂也在布局全产业链的AIGC解决方案，囊括了原画、模型、动画等各类游戏产业所需的主流内容。
不仅如此，学界也在积极探索除了LLM和DDPM之外的新型技术，整个AI的格局仍然是未定型的状态，在未来我们依然可能会遇到新的变革。
其实学界的发展是相对缓慢的，我们有时候会感觉到剧变是因为一项新技术出来之后，随之而来的就是吸引大批量的人才复现+优化的迭代流程，顺便提出几个新的落地方案跟现有的产业结合一下，这个期间很容易爆发大量的新闻和报道，于是你会感觉到技术日新月异。然而事实上近期最大的爆点还是2023年的LLM横空出世。
综合来说，当AI的产业格局未能定型的时候，招聘这件事就会显得有点无从谈起，甚至我们还没有形成一个专门的职位名称。
上述我抓取的数据里，只有三条关于画师的需求岗位写的明确是AI画师，其他的大部分还是原画师，只是附带了AI需求。
这是我认为AI短期内对游戏行业未能造成致命性冲击的第四个理由。
2.3 就业篇总结
总的来说，AI正在缓慢的改变我们的日常生活，它的影响是潜移默化的，它不会冲击性的爆发性的改变我们的日常生活，但是会逐渐让你离不开它，等到我们反应过来时，AI已经和手机、汽车一样成为了日常生活中随处可见的一项技术。
在就业这块，以目前AI的技术发展来看，它可以为整个行业进行初级的赋能，可以加速程序员的编写代码的效率，可以为画师提供辅助，可以加快迭代的速度但要它产生颠覆性的改变暂时还有一定的难度。
三、内容篇
第一篇和第二篇中的很多内容都谈到了AI，除了对行业的初级赋能，而AI究竟对游戏体验上能够产生何种效果，站在纯投资者的角度可能无法深入其中了解细节，所以在第三篇里，我想谈一谈AI对于游戏内容方面的赋能效果具体如何。
AI对游戏或者类似的行业的赋能主要有三种不同的形态：
- 通过AI来加速游戏资产包括但不限于美术素材、音乐素材、代码等内容的产出，这也是最直观最基本的赋能形态
- 通过AI对游戏体验进行赋能，尝试利用大语言模型来重塑游戏设计，这样的游戏可以被称之为AI+游戏，这也是很多人都在探索的一个方向。
- 通过AI来给予玩家能够生成更好的更有趣的内容，相当于使用AI对UGC进行赋能，打造一个Web2.0 Pro时代。
下文会着重于围绕第二点和第三点来阐述AI的具体影响表现，并据此给出对未来的预测。
对AI的认知之一：机器学习和统计学模型
但在聊AI的具体影响之前，我们需要对现代化的AI体系有一个简单的认知，目前的AI体系主要是建立在机器学习之上的，更准确的来说是机器学习这个大分类下的神经网络分支，神经网络和其他机器学习算法如集成学习、支持向量机、贝叶斯分类器等最大的不同在于它的结构是一个矩阵结构，这使得它的参数组可以调整大小，进而有了深度和深度学习这个概念。
如何简单的理解机器学习呢？
想象你现在是一个射击手，但你现在需要在没有任何视野的情况下进行打靶，靶子是常见的圆形靶，你可以决定的是朝什么方向和仰角进行射击，在你每次射击之后，旁边的人都会告诉你本次打靶得分是多少，如果脱靶则会告诉你脱靶。
现在你朝着靶子所在的大概方向开了一枪，记分员告诉你脱靶，然后你往右移动了一点又开了一枪，记分员告诉你你的分数是1分，你又往右移动了一点开了一枪，记分员告诉你脱靶，那么你大概可以猜到，你当前的瞄准位置处于靶子的顶端，接着你就可以往中心位置慢慢调整了，以至于最终打到10分。
这就是机器学习的基本原理，射击的位置叫做输入（Input），而得分叫做标签（Label），将射击位置和得分绑定，就是一个训练样本（Sample）。射击手根据输入和标签慢慢调整射击位置的这个过程叫做训练（Training）。
所以机器学习的本质是一个统计学模型。
对AI的认知之二：统计学模型的缺陷
统计学模型有什么问题？或者说，我们了解这个世界不也和AI一样吗？通过实践获得反馈，再根据反馈优化自己的行为。
这个问题其实很复杂，因为人类理解这个世界有的时候不光是靠实践来的，很多时候人类靠现有理论的推论去理解世界。
拿数学来说，数学其实起源于计数，说白了就是数数，从0开始往后数，长久的计数过程中我们发现数3个数和数5个数，与数8个数得到的结果是一样的，于是计数的流程被简化为了加法，有了加法就有了加法的逆运算减法，同时我们也发现，加4个3和加3个4的结果是一样的，于是加法衍生出了乘法，有了乘法就有了它的逆运算除法。
有了运算符号就诞生了等式的概念，因为我们发现一个数字加上2如果等于7的话，那么这个数字一定是5，于是就有了方程的概念，如果将方程中的一个数字也替换为另外一个未知数，我们就得到了函数，函数描述的是两个数字之间的变化关系，比如X变化时如何影响Y的变化，于是就产生了变化率的概念，这就是导数的本质，有了导数我们也就有了它的逆运算即积分。在研究积分的过程中发现了常识性数学的很多漏洞，为了打补丁于是产生了数学公理，数学的大厦就是这样一点点通过建立起来的，但是它很大程度上是基于逻辑演绎的，也就是人逐渐不再通过实践来理解数学。
所以我们从实践中获取数学的初级形态，再将其往后不断地推论，所以严格意义上来说有了基本公理之后就可以将数学理论往后不断地发展，这基于人类的逻辑演绎能力，但是统计学模型做不到这件事，而且是明确做不到这件事。
如果LLM具有这样的能力，那整个世界的格局都会发生变化，它会推着数学这门学科向它的极限前进甚至于到我们无法理解的地步。
但是LLM确实可以告诉你3+5=8或者3*4=12之类的，这是因为它的语料库中包含了大量类似的案例，看起来好像是正确的，但是和我们想象的完全不一样的是，LLM对于3+5等于8的理解是：3+5这个公式后面跟着的结果最有可能的是8而不是7或者9或者苹果、杯子之类的。
这就是统计学模型的最大缺陷：没有逻辑推演能力，这在一定程度上预示着LLM可能并不是通向AGI或者Strong AI最终答案[22]。
当然可能会有人说，你看人家AI之父辛顿就说大语言模型就是未来，LLM和人类的思维模式本来就不一样，通过和是否与人类相似来理解AI是错误的，这确实是有一个有趣的话题，但是我说实话，这些顶级专家的发言很大程度上是比较政治化的，辛顿之前还说过我们应该抛弃卷积神经网络，后来他研发了胶囊网络（CapsuleNetwork）[23]但是又不了了之了，然而事实上CNN仍然是目前最常用的图片数据特征提取器。Lecun作为顶级大佬也公开发言表示LLM很糟糕，一次计算都要把每个数字过一遍，巨费电。所以对待顶级大佬的发言我们只能作为参考，不能全盘听信。
对AI的认知之三：思维链和逻辑幻觉
在使用DeepSeek-R1模型或者Grok4的专家模式的时候，它们都有尝试将模型的思考过程展示出来，这个技术叫做思维链（Chain Of Thought）[24]，如果你观察思维链，很容易感觉AI的确有一定的思维能力，但其实这是一种幻觉。
思维链和StableDiffusion在设计哲学上有点类似，如果你深入理解AI会逐渐意识到这件事，就是AI在解决一个小问题上可以完成的很好，但是如果你让它解决一个大问题，就会变得十分不稳定。
早期AIGC的主要算法是生成式对抗网络（Generative Adversarial Networks）[25]也就是GAN，GAN最大的特点就在于它生成图片是一步到位，你看不到生成图片的中间过程，相当于解决一个大问题，最终表现十分不稳定，而StableDiffusion则是从噪声中逐渐还原出图，它是一步步生成的，相当于完成一个个小的任务。
思维链是一个道理，思维链的本质是让大语言模型将要解决的问题进行细化，分为多个流程而不是直接产出，这样产出的结果从结果上来看更加稳定，当然，这个性质只是我个人的观察结果，并没有相关论文和佐证支持，也很难从数学层面给予证明，但的确是一个非常常见的现象。
所以思维链本质上是一种模型优化的手段，但它容易让我们误以为AI有了思维能力。
3.1 AI对游戏体验的赋能存在局限性
观点：AI能够对游戏玩法产生一定的赋能效果，但作用相对有限。
首先因为市面上还没有开始大规模的出现AI+游戏，所以这个观点是基于游戏的基本性质和对AI的限制出发所产生的推论，所以请大家保持自身的独立思考。
3.1.1 部分游戏不依赖AI的赋能
其实很多游戏强调的人与人的对抗性乐趣，比如足球、篮球、围棋、象棋等等，再比如英雄联盟，王者荣耀、吃鸡类FPS游戏或类塔科夫FPS游戏，这些游戏的基本乐趣不在于逻辑真实感模拟而在于人与人之间的对抗。
换而言之，如果把对手换成AI，很多游戏一下子就变味了，不是说AI太弱智或者AI强的近乎神明，而是竞技这个概念是基于公平性的，正如拳赛的拳手之间较量一定是同等重量级，要更好的理解这个因素可以预设的极端一点，比如一个人与一只鸡或者蛐蛐进行格斗，那将毫无意思，让鸡和蛐蛐进行格斗也是一样，但是让鸡和鸡进行格斗或者蛐蛐和蛐蛐进行格斗，那就不一样了。
让柯洁或者李世石跟AlphaGo决战的时候，任凭人类再厉害，也抵不过AI可以无限的进化和优化下去，所以即便输了，虽然有其他层面的意义，但是在竞技性上并不会产生某种落败的羞耻感。
有人觉得一些依赖于决策或者更精细的操作的游戏AI是玩不过人类的，但实际并不是这样的，人类感知到AI的聪明程度有的时候会跟AI的决策频率有一定的关系，比如玩街霸6，选择一个困难AI来跟玩家对战，会明显感觉到AI的更聪明，事实上不是它在逻辑层面更聪明了，而是它的决策频率更高了，它可以把1秒钟拆成100段来进行细致入微的决策，这是人类做不到的。于是会感觉到它很聪明很强大，事实上只是人的反应速度跟不上PC而已。
另外一个比较直观的案例就是RTS类型游戏，其实早期RTS类型游戏是非常丰富的，但是后来玩家发现了这个点，人脑的多任务并行处理能力很差，可以微操一个角色但要同时处理多个单位的决策就会很难，这导致RTS其实是一个非常硬核的游戏类型。
但无论怎么说，问题的核心不在于AI太强了还是太弱了，而是竞技型游戏极为强调公平这个概念，只要使用了AI，公平就成了一个可量化的参数了。希望玩家的胜率维持在多少，就可以调整AI的难度到多少。
所以综合来说，现代化的AI体系，无论是传统状态机还是基于深度学习的各类模型，有无使用LLM，它们对于这种强调竞技性的游戏的赋能是极为有限的。
所以怎么让AI更像人也是游戏开发商研究的常见的一环，典型的案例就比如《王者荣耀》背后的AI研究团队基于用户的行为数据通过强化学习训练所创造的绝悟AI击败KPL职业选手[26]。当然，击败KPL选手并不是最终目的，只是测试AI的上限能力，当AI的极限能力能够超越人类职业选手的时候，那么它的强度就可以通过加入适当的难度调整来匹配任意阶段的玩家，在5v5的对战中悄无声息的加入AI可以降低匹配时间，以提高游戏整体的日活率。
3.1.2 LLM的长期记忆灾难
那么脱离一些竞技类游戏，自然会把目光放到一些可以利用AI来强化的游戏上，就比如开放世界这种本身就比较适合通过AI来赋能的游戏，通过大语言模型赋能游戏中AI的行为逻辑，让他们能够更为智能，这个方向是我认为最能够体现出AI赋能效果的点，最早的使用LLM的案例应该是斯坦福小镇[27]，虽然这个概念并不是一个具体的游戏而只是一次实验。
使用大语言模型针对Npc的行为逻辑进行强化的时候会遇到很多问题，但是其中最明显和突出的问题在于长时记忆问题。
大语言模型生成文本的时候，它会读取用户的问题和之前几轮对话的内容，然后根据前面所有的文本来输出下一个最有可能的字或者词，这个局部范围叫做上下文窗口（Context Window），这个窗口的扫描规模是有限的，它不可能无限度的扫描所有的文本，所以当对话的所涉及的Token量超过上下文窗口的限制，那些最早的对话内容就会因为窗口的限制而被挤出，看起来是大语言模型忘记了，但实际上它算是直接忽略了比较古早的文本。
为什么会有这个限制呢？为什么非要设定一个窗口范围呢？这与显存、算力、模型选择都有一定的关系，忽略加载LLM权重组的显存，正常运算一个LLM也依赖大量的显存配置，显存决定了上下文窗口的直接限制。
其次是算力，上下文窗口大小与算力成本是正相关的，而且影响是O(N2)复杂度，也就是说扩大10倍上下文窗口范围可能意味着百倍甚至更多的性能开销，用户输入的每个Token都会被转换为一个嵌入向量并与权重组中的每个数字进行计算并最终得到一次编码结果，而这个编码结果只是GPT模型输出一个字的过程，如果你在与LLM对话完成后说了一句谢谢，这种无关紧要的对话可能会成为LLM服务商的重大电费成本之一[28]。
为了解决长时记忆问题，目前来说最好的方式就是向量数据库（Vector Database）[29]，也就是将上下文记忆向量化后（也可以称为嵌入）外挂到一个特型数据库中，然后在大语言模型得到一个新的问题时先从向量数据库中查询相关记忆，然后再将信息整合后输出，这也是目前解决记忆问题的主要方法之一。
但向量数据库只是缓解了这个问题，它没有办法从根本上解决这个问题，这意味着目前以LLM为内核的AI系统存在一个明显的天花板，这使得它在一些对LLM的反馈能力要求更高的情感仿真产品如AI女友或者陪伴机器人的研发上会存在着很大的挑战，同时这对以逻辑真实感模拟的开放世界游戏也有一定的约束。
3.1.3 LLM无法产生真正的交互性学习
LLM和人类的学习系统有着天壤之别，最为核心的一点在于，LLM不具有真正的学习能力，大语言模型在完成训练并被部署开始，它的权重组就定型并且此后除了官方人员重新部署之外不会再发生额外的变化了，这与人类的不断重塑和产生新连接的生物神经网络是完全不同的。
这意味着虽然LLM在一定程度上可以产生记忆，但是这种记忆通常是以prompt的形式存在的，有一种前情提要的意思，它没有办法真正的改变LLM的权重组。
科幻电影中所看到的机器人其实是具有一定的学习能力的，就比如《机械公敌》里，机器人桑尼学会了眨眼睛这个动作，这种交互性学习能力或许才是未来AGI的一种标准特征。人类在与世界的交互中进行学习和成长，而目前的AI则主要是对文本进行统计学归纳和总结。
不管怎么说，LLM的长期记忆灾难和无法真正的产生交互性学习成为了当前LLM在强调逻辑仿真性的游戏中存在着无法忽视的短板，游戏开发者想要基于LLM创造出更优秀的游戏体验则必然要面临这两个问题，所以在尝试构建类似的游戏时应该试图规避掉这两个短板，尝试发挥LLM的长处。
3.1.4 自由输入和游戏设计目标的冲突
《Whisper From The Star》是蔡浩宇发布的一款AI+游戏，在游戏中，玩家尝试扮演一个引导者，通过语音输入来指导游戏主角进行解谜并最终完成游戏预设的任务。
https://store.steampowered.com/a ... pers_from_the_Star/
《Whisper From The Star》游戏截图
经过一段时间的体验，我逐渐发现了这个游戏的一个比较大的问题所在，但是这个问题与LLM没有任何关系，它本身是一个设计性问题。
首先这款游戏是存在一个切实要完成的目标的，但是玩家主要通过语音输入来间接控制主角，这看起来十分自由，但是游戏实际上并没有那么多的内容。
比如主角Stellar跟你说：“飞船的舱门被卡住了，你能想想办法帮我逃出去吗？”
我回复她的是：“你可以先尝试在飞船里四处看看有没有什么可用的工具比如火焰切割枪之类的”。
我以为她会带我展示一下这个飞船内部的结构然后罗列出所有可用的工具，没想到她直接走出了屏幕然后过了一段时间回来之后说了一系列手头的工具，说白了游戏可能没有制作任何相关的实际资产，而是通过文本代替了这些内容的演绎，也就是虽然LLM拔高了演算动画的随机性和交互性，但依然会受限于资产和实际内容的制作，除非游戏有能力实时的生成游戏所需的资产但这又需要极为夸张的算力。
这就导致了系统无法向你展示没有的东西，比如你不能教她怎么修好这艘飞船然后飞到外太空去，既然不能展示，于是整个系统还是会将你的游玩流程约束在既定的线路上，也就是当玩家的言论试图脱离游戏目标的时候，主角就会把话题引回主题上，而且你没有额外的输入手段，整个游戏的流程就是玩家说一句话，然后主角Stellar来接一段表演，如果玩家的回答是正确的就可以推进到下一个点，如果不正确，则主角会继续把话题引导至主题。
这给人感觉像是什么呢？就像是她在引导你去引导她一样。
个人感觉这其实是一个很矛盾的设计，给定了一个十分自由的输入方式，但最终又强制约束玩家的进行正常的游戏线路推进，这其实比给一个相对不那么自由的输入方式要来的更糟糕更出戏一些。
这个矛盾的本质上就是看似对游戏输入进行赋能，但是它并没有本质上改变线性解谜游戏的底层逻辑，仍然是按着一个既定的线路走，唯一提升的点在于，朝着某个线路前进的过程中的文本和实时演算画面现在是动态生成的（这具有一定的意义，因为这可以极大的适配不同玩家的游玩节奏）
但它没有办法让我去到这个星球不在规划路径内的地方去探索，不能让我引导主角走向失败。但是这个游戏给人的感觉很奇妙，有那么一瞬间你会感觉你来到了未来，但是回过头来想一下，它也只是把一个大语言模型给可视化了一样。
有一个我认为非常有趣的点，就是这个游戏非常适合练习英语听力和口语，真的，从来没有这么合适的一个练习形式，合适到我认为它可以作为一个AI创业方向，可以提供一个app和一组课程，可以让玩家扮演一个故事里的角色，像Whisper From The Star一样安排一个简短的小故事，一个日常的情景，玩家通过听和说与游戏进行交互，通关之后可以获得一定的分数。
3.1.5 AI+游戏总结
以上四点内容是我对目前AI+游戏的一个初步的理解，其中前三点理由是我认为目前AI对游戏赋能的局限性的关键点，我也了解了一下aicivilization[30]，但其实它和之前的斯坦福小镇没有太多本质区别，实际上也是某种对LLM的可视化，说白了就是并没有将LLM真正的结合到游戏，成为为游戏发力的一部分，是一种聊胜于无的结合。
这种粗糙的结合体验一段时间就会开始腻了，比如做一个游戏，里面有一个Npc，然后玩家可以问这个Npc任何问题，把玩家问的问题提交给LLM，之后获得一个回答，再用这个Npc的口吻说出来，大概就是这种感觉，也就是它跟游戏的玩法没有太大关系，我认为这不算是AI对游戏玩法的赋能，甚至有点无聊，综合来说噱头大于实际。
这个方向还需要进行更多的探索，我自己也在尝试构建基于LLM的模拟经营类游戏demo，届时我会将一部分的研究细节以文章的形式总结出来。
3.2 我们将迎来一个WEB2.0 PRO时代
猜想：AI可以强化现在的UGC体系并迎来一个内容生产蓬勃和繁荣的时代，我将其称之为WEB2.0 PRO时代
目前的互联网生态体系，或者说我们主要参与浏览的内容其实是以WEB2.0为核心的，也就是以UGC内容（User-Generated Content）为主，因为很多高品质的内容的创作和更新速度都是非常缓慢的，比如一部《流浪地球》可能要拍3-5年的时间，一部《鬼灭之刃无限城篇》可能要制作1-2年的时间。
这些内容的制作成本和其基建内容表现是正相关的，比如很多小说都非常有意思，但是如果把小说绘制成漫画，成本就会更高，而进一步制作为动画或者电影成本就会更高。
3.2.1 UGC创作门槛低
首先UGC基本上都是免费的，内容付费的UGC其实很难有活路，即便真的内容付费，往往也是以会员制或者订阅制为主，内容本身往往不单独计费。
而更主流的形态则是现在B站所呈现的，UP主提供免费的内容，由广告商来付费插入广告，这样的商业形态是与UGC结合的最好的。
但不管怎么说，UGC免费的性质使得用户对UGC内容的容忍度是较高的，比如很多B站鬼畜的制作水准就是个人水准，换个脸、P个图、扭曲一下，经常性出现抖动和抽搐但完全不妨碍用户观看，但是电影是没有办法这样的，电影里的所有细节都会被人用放大镜来看，因为电影是付费内容，属于高品质内容。
所以AI工具的最大的受益者反而是制作能力欠佳的但想象力丰富，能够提供优质灵感和想法的自媒体。综合来说这使得更多人可以参与到UGC，而AI的局限性也会被掩盖。
3.2.2 UGC的创作更自由，成本更低
如果我们要拍一部电影，则至少是90分钟起步了，毕竟微电影其实已经和UGC有点接近了。90分钟就一定要说一个正儿八经的故事，如果时间更短接近微电影或者MV这样的，则表达的内容区间就更自由了，所以UGC的创作范围相比于电影或者番剧之类的更宽泛，B站有大量的鬼畜音乐、鬼畜剧情，甚至是短视频合集、笑话集锦等。
有一些平台比如P站（pixiv.net）上有大量的AI生成图片，本质上是因为这些创作内容是不受限制的，AI绘图在P站的主流形态还是以图集为主，但是如果要约束到漫画领域，AI的出现就少多了，所以UGC创作的品类自由和风格自由可以尽可能地发挥AI的长处。
3.3 内容篇总结
AI+游戏目前还处于探索期，所以整体还没有太多可用的案例与材料，但我个人认为AI对游戏的赋能有限，具体如何发展我还会继续关注后续的AI+游戏产品，但UGC领域则已经发展的如火如荼了，未来可能会在发展中迭代出更多的AI工具。
四、全文总结
以上就是我想说的十大观点了，但是最终我还是要说，对于全文的所有内容，请大家仅当参考并保持个人的独立思考。未来该如何发展我觉得很难以一篇文章去概括的，更不要说我们所掌握的信息资源的不足。
如果文中有错别字或者其他错误请大家指出，如果对文章中的内容有所质疑也欢迎在评论区友好交流讨论，非常欢迎不同的观点。
这篇文章从今年的2月份开始断断续续的一直写到现在，因为翻阅资料和分析数据的过程非常繁琐，加之我的主要工作还是以《多洛可小镇》的开发工作为主，顺手打个广告：
https://store.steampowered.com/app/2285550/_/
所以花了很久的时间，希望这篇文章能够带给大家一些启发意义。文章中有一些观点是补充的，而有一些原先的观点则被删除了，总的来说花了很多心思，如果对文章内容感兴趣的欢迎来找我探讨。
我是王子饼干，我们未来再见。
参考
1. ^NYT发布世界年轻人不幸福报告
https://www.bilibili.com/video/BV1pm411k7qp/?spm_id_from=333.1387.upload.video_card.click&vd_source=710af404f64f78d9198941d008b12c06
2. ^《第56次中国互联网络发展状况统计报告》
https://www3.cnnic.cn/n4/2025/0721/c88-11328.html
3. ^1. Trejos, N. (2008, December 19). The Lipstick Effect, A Slight Silver Lining. The Washington Post, p. D01.
4. ^暴跌25%！Gucci突然“崩了”，更多门店或关闭
https://baijiahao.baidu.com/s?id=1839103629928489967&wfr=spider&for=pc
5. ^初代“雪糕刺客”，破产了
http://www.ce.cn/xwzx/gnsz/gdxw/202507/t20250728_2421906.shtml
6. ^北京市人民政府办公厅关于印发《北京市关于完善生育支持政策体系推动建设生育友好型社会的工作措施》的通知
https://www.beijing.gov.cn/zhengce/gfxwj/202507/t20250731_4162855.html
7. ^一年倒闭上千家！曾经红极一时的剧本杀，为什么不火了？
https://www.bilibili.com/video/BV1ci4y1p7oz/
8. ^腾讯游戏亮相科隆游戏展 AI全链路方案重塑游戏美术生产
https://it.gmw.cn/2025-08/22/content_38236663.htm
9. ^Obsidian Publish
https://publish.obsidian.md/vg-layoffs/Archive/2025
10. ^ 11.23亿网民如何共享数字发展成果？——透视第56次《中国互联网络发展状况统计报告》
https://www.gov.cn/yaowen/liebiao/202507/content_7033007.htm
11. ^ 国务院关于《加快推进服务业扩大开放综合试点工作方案》的批复
http://www.scio.gov.cn/zdgz/jj/202504/t20250414_890423.html
12. ^商务部印发《关于加快推进服务业扩大开放综合试点工作方案》的通知
https://www.gov.cn/zhengce/zhengceku/202504/content_7019915.htm
13. ^Brynjolfsson, E., Hu, Y., & Smith, M. D. (2006). From niches to riches: Anatomy of the long tail. Sloan Management Review, 47(4), 67–71.
14. ^Iyengar, S. S., & Lepper, M. R. (2000). When choice is demotivating: Can one desire too much of a good thing? Journal of Personality and Social Psychology, 79(6), 995–1006.
15. ^《2025年1-6月中国游戏产业报告》
16. ^国家新闻出版署有关负责人：《网络游戏管理办法》（征求意见稿） 旨在促进行业繁荣健康发展
https://www.nppa.gov.cn/xxfb/ywxx/202312/t20231223_823532.html
17. ^腾讯、网易市值蒸发5000亿港元 游戏充值限额影响厂商流水
https://cloud.tencent.com/developer/news/1277891
18. ^经济主题记者会丨央行：今年将择机降准降息
https://content-static.cctvnews.cctv.com/snow-book/index.html?item_id=4357593875768012995
19. ^Pause Giant AI Experiments: An Open Letter
https://futureoflife.org/open-letter/pause-giant-ai-experiments/
20. ^Prisoner's dilemma
https://en.wikipedia.org/wiki/Prisoner%27s_dilemma
21. ^Liquidity Trap
https://en.wikipedia.org/wiki/Liquidity_trap
22. ^Is LLM leading to AGI? Feifei Li, Yann LeCun vs Hinton, Ilya Sutskever
https://ai-engineering-trend.medium.com/is-llm-leading-to-agi-feifei-li-yann-lecun-vs-hinton-ilya-sutskever-b0ec160fc41f
23. ^Sabour, S., Frosst, N., & Hinton, G. E. (2017). Dynamic routing between capsules. arXiv preprint arXiv:1710.09829.
https://arxiv.org/abs/1710.09829
24. ^Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E., Le, Q., & Zhou, D. (2022). Chain-of-thought prompting elicits reasoning in large language models. arXiv preprint arXiv:2201.11903.
25. ^Goodfellow, I. J., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative adversarial nets. arXiv preprint arXiv:1406.2661.
26. ^腾讯 AI「绝悟」KPL 击败职业玩家联队，晋升王者荣耀电竞职业水平
https://cloud.tencent.com/developer/article/1480241
27. ^Park, J. S., O'Brien, J. C., Cai, C. J., Morris, M. R., Liang, P., & Bernstein, M. S. (2023). Generative agents: Interactive simulacra of human behavior. In Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology (UIST '23). ACM, New York, NY, USA, Article 2, 1–22.
https://doi.org/10.1145/3586183.3606763
28. ^Why We Don’t Say “Thanks” to LLMs (Yet)
https://medium.com/@mirtahmid/why-we-dont-say-thanks-to-llms-yet-2a568a5b40a7
29. ^Vector Database
https://www.pinecone.io/learn/vector-database/
30. ^Aivilization
https://game.aivilization.cn/
文/王子饼干
原文：https://zhuanlan.zhihu.com/p/1952749780125082541
|
|
发表于 
