文章来源：APPSO
图片来源：由无界AI生成前两天 Manus 闹得最凶的时候，一直有种声音：这么厉害吗？为什么国外没什么讨论呢？
国外网友也在讨论 AI，不过，是 AI 游戏：X 用户@levelsio，借助编程工具 Cursor 和 Grok 3 做了一款模拟飞行的游戏，所有编程工作都基于生成式 AI。
做游戏花了 3 小时，两周就挣了 6.7 万美元。
当然，这不是哄骗大家立刻丢下工作去做游戏，AI 游戏这块肥肉，早已经被不少大佬盯上。
AI 游戏赛道，越发拥挤
@levelsio 的事迹引来了马斯克，不仅是因为开发过程中用到了 Grok 3，还因为马斯克自己也盯上了这个赛道。
马斯克的 AI 初创公司 xAI 正在采取一条大胆的实验性道路，在公司内部成立了一个专门的 AI 游戏工作室。
在 Grok 3 发布直播中，也展示了 Grok 3 何实时编写简单游戏，比如俄罗斯方块。
马斯克自己也是个游戏迷，12 岁时就写过一款简单的射击游戏 Blastar，受到《太空侵略者》启发，后来卖了 500 美元。九十年代时，他加入过一家小游戏工作室，做过一些基础开发工作。
时光荏苒，已是巨头的马斯克，又开始想起初心了。
这次 xAI 通过设立工作室，邀请游戏行业的开发者加入，一起打造 「AI 生成的游戏」 。目前，xAI 的游戏工作室团队规模很小，大约 9 名成员，但他们的目标是创造 「前所未有的游戏深度与复杂性」Musk 还提到，他们正在 「尝试将照片级画质引入 AI 游戏」 。
xAI 的整体愿景是利用大型 AI 模型，自动生成游戏及游戏内容。
无独有偶，微软研究院最近发布的新成果，也和游戏有关。
微软的代表性项目是 Project 「Muse」，由微软研究院与 Xbox Game Studios 合作开发。
Muse 是一种 「世界与人类行为模型」，本质上是一个神经网络游戏模拟器。Muse 通过学习 3D 游戏世界和物理规则，可以 「基于 AI 生成符合游戏规则的玩法」 。
与 xAI 试图直接用 AI 生成游戏不同，微软的目标是用 AI 赋能游戏开发者，提高玩家体验。
作为辅助工具，而非直接的创意工具，还体现在微软和 Xbox 合作，重现经典老游戏的计划。
那些因时间与硬件进步而被遗忘的游戏，Muse 或许能帮助优化旧游戏，让它们能够适应任何设备，将来可以在任何一台 Xbox 设备上重现。
都是 AI，但两种路线
xAI 和 Muse 都在用人工智能，但思路却截然不同。
xAI 的目标是，将 AI 生成的游戏逻辑与高保真视觉效果相结合。这意味着生成式 AI 将在用户提示或 AI 推理的指导下处理游戏创作的许多方面，从代码到美术。
比如，xAI 设想游戏能够动态叙事，能够实时适应玩家的选择。由 AI 策划的挑战根据个人技能进行调整，还有根据玩家互动，而不断演变的虚拟世界。
这和马斯克对「游戏」的认识有紧密的关系。他设立游戏工作室的一大原因，是因为反感现实问题投射、进入游戏当中，他认为游戏就是为了娱乐，应该为了逃离世界。
xAI 策略是用 AI 颠覆传统游戏开发， 瞄准的寻求新鲜和体验感的玩家群体，而微软的重点则有所不同。
微软想要通过多方合作，以一种更具支持性和基础设施驱动的方式将 AI 整合到游戏中。
以 Muse 项目为例，这是微软研究院与 Xbox 合作开发，Ninja Theory 为 Muse 提供了数据。
训练自 Xbox 游戏 Bleeding Edge，Muse 使用了超过 10 亿帧的游戏画面数据及其对应的玩家输入，相当于 7 年以上的连续游戏数据。
这让 Muse 的物理一致性更为可靠，而且能理解 3D 世界与物理——这是 Muse 的重要突破，它能够从纯观察数据中学习 3D 游戏环境的丰富内部模型。
微软表示：「Muse 的突破性在于它对 3D 游戏世界的详细理解，包括物理规则以及游戏如何对玩家的行动做出反应」，这意味着 Muse 不仅仅是创建随机视觉效果，而是生成遵循游戏规则的帧。
例如，如果玩家在 Bleeding Edge 中按下跳跃和攻击按钮，Muse 可以生成一个可信的帧序列，显示角色在跳跃时进行攻击，跳跃和攻击效果的物理效果与真实游戏引擎匹配。
Muse 目前是一个研究原型，但微软已经开始想办法让它走入游戏制作的工作流当中。游戏设计师可以把它当作创意生成工具使用，通过 WHAM 演示界面，开发者可以输入 prompt 词，比如设计师可以输入一个场景和动作的描述，让 Muse 来生成一则预览小视频。
这样一来，不用写代码制作预览视频，就可以看到大概的效果，把脑中的想法可视化。
未来的游戏，到底在我手中还是在 AI 手中？
这种通过 AI 工具生成视觉素材的方式，有肉眼可见的好处：如今，3A 级别的游戏拥有大量资产，《荒野大镖客 2》拥有超过 1000 个独特的 NPC、60 小时的音乐等，制作成本接近 5 亿美元。
开发者可以将概念美术输入 AI，几秒钟内获得数十种变体创意，有效地提高效率。可以说，无论是面向开发者，还是直接面向玩家，未来游戏制作不可避免地会有生成式 AI 的一席之地。
早在 2018 年，研究人员在 1000 个人工设计的《DOOM》关卡上训练了一个生成对抗网络（GAN），之后 AI 能够自行设计新的可玩关卡。
同样，一个 GAN 原型在学习了现有的《超级马里奥》关卡后，能够生成新的关卡。这些关卡并非随机堆砌；AI 模型通过研究原始关卡，学习了什么是一个有效或有趣的关卡的规律，例如敌人的排列方式。
2020 年，NVIDIA 研究人员通过 GameGAN 进一步推进了这一技术，通过观看 50000 次《吃豆人》游戏回放，就生成了一个完全可玩的《吃豆人》克隆版——换句话说，AI 仅通过屏幕视觉和玩家输入，就推断出了游戏的关卡设计逻辑和规则。
那么问题来了：当你知道一款游戏里，包含大量 AI 生成的场景、规则、乃至台词对话，你还会想玩吗？
去年，动视暴雪的游戏《使命召唤：黑色行动 6》遭到玩家和粉丝的强烈批评。在加载页面的僵尸圣诞老人，出现了六根手指。
还有一些其它细节看上去，都让人生疑是不是用了 AI。包括《吉他英雄 3》也被发现了很重的 AI 生成痕迹。
这直接促使了动视暴雪的母公司在今年一月，修改了 AI 披露政策，要求开发者明确写清楚游戏制作中所使用到的 AI 工具。
暴雪的玩家显然是不买账的——就这？
但是另一边，是全 AI 制作的 fly.Pieter，狂赚六万刀，虽然广告是其主要收入来源，但购买高级机型也是需要氪金的。
这反映出一种新的价值博弈：玩家究竟是在为开发的过程付费，还是成品？如果只是对成品付费，那过程如何还重要吗？AI 是不是也可以？
那游戏开发的价值会发生改变吗？玩家又会如何重新为这种体验「定价」呢？
毕竟，「玩得开心」并不是一个按按计算器就能算出来的固定数值，它是独属于每个人的「心理价值」。
AI游戏
