AI双轮驱动：激发内容供给活力，释放用户需 求潜能

传统游戏开发面临开发时间长、成本高等问题

传统游戏开发面临开发时间长、成本高等问题，从而或导致产品供给不能有效满足用户需求的变化。近十年来，随着玩家的游戏体验不断升级，游戏在玩法、画面和引擎 上有了提升，体量也不断膨胀。因此，上线一款游戏的平均时间不断拉长，拟投入成本不断上升。从游戏体量来看，1997年诺基亚上《贪吃蛇》存储不到5KB，目前3A游 戏大作普遍普通100GB；从开发时间来看，根据Unity，2022年平均上线一款游戏时间为218天，2023年上升到304天；从成本来看，2020年发布的《赛博朋克2077》开 发成本接近6亿美元，开发周期5年左右，后期还有膨胀的营销费用。

AI打破游戏开发“不可能三角”，以低成本维持高强度产出

AI游戏解决的核心痛点是传统游戏开发模式下，日益增长的开发成本、漫长的开发周期与玩家对内容消耗速度之间的矛盾，可从提效和创新两条路径重塑行业底层逻辑。 1、提效：AI赋能游戏从研发到测试再到发行等各环节，作为生产力工具助力行业降本增效，抬升利润率水平。 1）在研发美术环节，AI工具通过文生图、图生图等技术大幅降低美术成本和提高创作效率。比如《逆水寒》手游引入AI捏脸系统，将角色定制时间从传统数小时缩短至秒 级，场景设计效率提升70%，动画产能综合提效30%-300%。 2）在测试环节，AI技术通过自动化测试工具能显著提高测试覆盖率和效率。比如网易伏羲开发的Wuji框架结合演化策略与强化学习，能够探索游戏空间并发现隐藏BUG。 据官方数据，AI自动测试系统效率提升50%，大幅减少人工测试时间。 3）在发行运营环节，AI通过生成虚拟客服等强化游戏服务、降低营销素材制造成本等优化营销和运营环节，减少消耗。根据量子位，在使用AI 的工作室中，71%表示AI 帮助优化了交付和运营流程。

2、创新：加速行业创新，提高供给速度和质量，抢占市场先机，抬高游戏行业天花板。 1）AI缩短了从概念到原型的验证周期，使得游戏厂商能以更低成本、更快速度尝试新的玩法和品类，从 而在激烈的市场竞争中抢占先机。根据量子位，2023年68%的调查者认为使用AI开发游戏可加快原型设 计和概念设计速度，由此可极大地加速新产品的市场投放节奏。 2）AI游戏生产力倍增，游戏新品供给数量增长。25年12月，据Totally Human Media的调研数据， Steam平台上明确标注使用生成式AI技术的游戏已突破1万款，约占平台游戏总数的8%。自2024年1月 Valve正式明确AI游戏审核政策后，此类游戏数量在4个月内增长约2000款，显示开发者正加速接纳该技 术。26年1月，Steam在上架游戏是否需要披露AI标注时，不再关心开发团队在后台使用的效率型AI工具 （辅助编程或自动化开发软件等），披露重点放在玩家实际能够接触到的AI生成内容上。我们认为， Steam对AI游戏规则的调整，有望加深AI作为生产力工具在开发者方面的角色，鼓励在开发全流程更自 由探索和应用AI，优化工作流加速新品上市节奏。 3）AI嵌入游戏玩法，游戏质量提升。例如AI NPC、动态剧情，直接提升用户体验。

AI普及于游戏开发，2033年AI游戏市场有望达512.6亿美元

AI目前已成为国内外游戏驱动产业升级的重要工具之一 。根据《游戏企业AI技术应用调研报告》，AI在我国游戏研发中已经实现了高普及率，应用率达到了86.36%。其 中，AI技术在可自动化、重复性高、数据驱动的环节推广最广。例如，美术设计环节重复性强、产量需求大、有大量数据可供训练、相关工具和应用较为成熟，因此AI技 术在美术设计环节应用最广（84.2%）；在智能NPC和自动化测试等高度重复、高资源消耗的环节也有较高应用率（68.4%）。

根据Grand View Research，2024年，全球游戏人工智能市场规模估计为32.809亿美元，预计到2033年将达到512.593亿美元，2025年至2033年的复合年增长率为 36.1%。 预计市场增长将因人工智能技术在游戏行业的使用日益增多以及深度学习技术的进步而加速，这些进步改善了视觉效果和性能，允许用户进行个性化和适应性的 游戏体验，从而扩大了行业内的游戏平台。

AI游戏规模化的三大支柱，模型、算力与成本 的协同突破

多模态模型突破，打破AI游戏供给瓶颈

我们认为，传统游戏开发中，美术资源成本占比高，高质量的3D资产、纹理、动画和剧情文本高度依赖人工，导致开发周期长、成本高企。多模态技术是AI游戏从降本增 效工具向原生玩法创新跨越的核心驱动力，有望将部分前期概念设计、场景原型构建乃至动态分镜预览的过程，压缩至几分钟甚至几秒钟，提高行业生产力。图片与3D多模态模型（Image-to-3D）的进展，直接作用于传统游戏管线的工业化。 25年11月，腾讯混元正式推出混元3D Studio 1.1，并正式接入全新美术级3D生成大模型hunyuan 3D PolyGen 1.5，改善过去3D生成算法存在面数过高、布线紊乱等问 题，支持AI直接生成具备专业布线结构的原生四边形网格3D资产，适配游戏、动画、VR等专业制作流程的3D资产输出能力。

终端和边缘算力下沉，AI游戏规模化应用成为可能

算力的下沉是AI游戏从技术Demo走向大规模用户覆盖的关键一跃。随着移动互联网的发展，2025年移动游戏已占据我国游戏份额7层以上。复杂的AI推理严重依赖云端 服务器，带来高延迟、高成本及隐私安全等问题。我们认为，如果说模型突破解决了“能不能生成”的问题，那么终端与边缘算力的提升则决定了“能不能用得上、用得 好”，这使得实时AI交互（如智能NPC对话）、端侧AI生成（如个性化角色捏脸）等功能得以流畅运行，无需时刻联网。 随着手机、PC等终端设备的端侧性能跃升，大模型的本地化、低延迟部署成为现实，AI游戏在端侧运行也成为可能。 IDC预计，2026年中国新一代AI手机出货量将达到1.47亿台，同比增长31.6%，占据整体市场的53%。端云结合将成为主流服务模式：厂商更多调用外部云侧大模型，同 时将自身资源集中于端侧多模态模型的轻量化与深度推理能力建设，在保障数据安全的前提下，追求AI终端的个性化与定制化。 Gartner预测，AI PC全球出货量到25年末预计达7780万台，在全球PC市场份额达31%；26年出货量达1.43亿台，占PC市场的55%，并在29年成为常态。

初创公司探路AI原生游戏，大厂复制创新融入 AI于大DAU产品

初创探索玩法，大厂复制扩散，是游戏产业的典型创新路径

初创探索玩法，大厂复制扩散，是游戏产业的典型创新路径。游戏产业历史表明，新的游戏玩法往往并非由大型厂商率先提出，而是由独立开发者或小型团队率先探索。 当某一玩法被验证具备较强的用户吸引力后，大型游戏厂商凭借其研发能力、发行渠道与用户规模，将其复制并推向更大市场。这一模式在MOBA、休闲游戏等多个重要 游戏类型的发展过程中均有体现。

MOBA游戏→玩家自制玩法→大厂打造全球爆款。MOBA玩法最早源于玩家社区。2003年玩家利用《魔兽争霸3》的地图编辑器制作了自定义地图《Defense of the Ancients》 （DotA），形成了MOBA玩法框架，并被广泛认为是MOBA类型的重要起源。随后大型游戏厂商将这一玩法商业化，例如拳头游戏推出的《League of Legends》，最终形成 DAU数千万级的全球头部产品；随着智能手机的发展，MOBA游戏占领了手游市场，《王者荣耀》《英雄联盟》手游逐渐占领用户心智。

Angry Birds→移动休闲游戏爆发。2009年，芬兰游戏公司Rovio推出休闲游戏《Angry Birds》。该游戏凭借简单直观的触屏玩法迅速成为App Store最成功的移动游戏之 一，在发售6个月之后，《愤怒的小鸟》卖出了100万份，出人意料地登上了App Store付费榜的榜首，并逐渐发展为全球知名娱乐IP。其成功验证了移动休闲游戏的商业 模式，并吸引大量游戏厂商进入该赛道，推动移动游戏产业进入快速发展阶段。

初创公司：轻装上阵，定义“AI Native”新范式

在AI游戏领域也可能出现类似的发展路径：初创团队率先探索AI原生游戏形态，而大型厂商则在玩法成熟后将其融入高DAU产品体系，从而实现技术与商业模式的规模化 落地。初创团队凭借灵活的开发模式和较低的试错成本，更适合探索AI原生游戏形态；而头部游戏厂商则依托其用户规模、算力资源与平台生态，在成熟产品中逐步引入 AI能力，实现创新的规模化扩散。随着AI技术成熟度不断提升，未来AI玩法有望从实验性产品逐步融入主流游戏体系，成为推动游戏产业创新的重要力量。

在AI原生游戏领域，初创公司通常更具探索动力。例如，2019年编程爱好者Nick Walton推出AI Dungeon，AI Dungeon通过大模型实时生成剧情，使游戏内容可以动态变化， 成为最早的AI叙事游戏之一；2021年2月，该游戏月活用户数量达到150万，在Google Play上有100万次下载量。类似地，2023年12月，独立团队开发的Suck Up! 通过大模型 驱动NPC，使玩家可以与角色进行开放式对话。上线仅两周，Suck Up!在全网播放火速突破千万，Youtube单次最高播放达150万，这类产品展示了AI驱动游戏交互的新可能。