在今年 ChinaJoy 期间，在 Google Think Game 大会的一场 AI 原生游戏论坛上，当话题转向 Token 成本，紫荆智能 CEO、《Aivilization》制作人杨浩巍没有继续重复一年前的乐观判断，而是先做了一次颇为坦率的自我修正。
“我先纠正一下自己以前的观点。我在去年年底时曾发表过一些言论，说 Token 未来会和水一样便宜，就像现在的游戏服务器成本一样。但过去三个月，我已经被 AI 所毒打，收到了大量的 AI 账单。”
这句话或许比又一次展示 AI 角色能够自由交谈、工作和社交，更适合作为《Aivilization》发布一周年的注脚。
2025 年 8 月，香港科技大学正式公布“智能体世界”《Aivilization》。按照港科大官方的介绍，这是一套最多可容纳 10 万个 AI 角色的多智能体社会模拟沙盒。
与规模约为 1000 个智能体的 Project Sid，以及只有数十个智能体的 Stanford Smallville 相比，《Aivilization》不只扩大了实验规模，还引入了实时 MMO 架构和公众参与，让普通用户能够创建一个带有特定 MBTI 人格的“数字小人”，再通过提示词影响它的人生。
玩家不需要时刻控制角色。这个小人会自己工作、吃饭、休息、买卖物品和结交朋友，也可能拒绝玩家的要求，或者用一种出乎意料的方式理解命令。
它既是一个被玩家养育的“孩子”，也像玩家被投射到平行世界中的另一种人生。
这使《Aivilization》在当时演示了一种颇具吸引力的 AI 原生游戏方向，但 Demo 能够证明一种玩法存在，并不意味着它已经回答了怎样把这种玩法长期做下去。
一年之后再听杨浩巍的分享，《Aivilization》更有价值的地方，或许不在于证明了 AI 原生游戏“能够成立”，更多是展示了一支走在最前沿的团队，率先撞上了这条路上那些尚未被解决的问题。
“水”可不是免费的
一年前，团队最自信的事情之一就是成本。
在 2025 年接受媒体采访时，杨浩巍曾表示，从 2023 年到当时，模型成本已经下降约 100 倍，《Aivilization》也通过架构和工程优化，把单个智能体每月的算力运行成本控制在约 2 美元。
即便随着用户数量、社交关系和记忆量增长，这一成本可能上升到 5 美元左右，依然处在团队认为可以控制的范围内。
这也是团队当时判断 AI 游戏即将迎来爆发的依据之一。毕竟性能、成本和游戏性曾被视为"AI+ 游戏”的三道主要门槛，而《Aivilization》至少在实验层面分别给出了答案：Agent 可以完成交易、求职和社交等复杂行为；成本已经能够支持批量运行；在没有投放预算、依靠邀请制“人带人”的病毒传播方式，产品也吸引了超过 2000 名真人玩家同时在线，可以说在研究 AI、喜欢 AI 游戏的小圈子中走红了一把。
不过，一年前 2 美元的成本成立，有一个容易被忽略的前提：当时主要由 Agent 驱动的是角色，世界中的大量物品、规则和设施仍然是相对固定的。
当团队继续沿着"AI 原生”的方向开发，问题随之发生了变化。杨浩巍在论坛上解释道：
“去年 8 月的版本确实把成本做到了极致。10 万个 Agent 在整个世界里交互，单 Agent 的月成本只有 2 美元，整个角色完全由生成式 AI 驱动。角色说话、做事都由 AI 决定，我们通过极致的 Cache 等优化，把成本降到了 2 美元。当时我们觉得自己做得特别厉害，但那时只是角色是 Agent。”
“游戏会不断添加新的元素。我们现在想做得更深入，让整个世界里的所有东西，包括一草一木、一门一窗、一个建筑，都会自己思考、自己进化，都由 Agent 驱动。这就导致单玩家 Token 消耗增长了 50 到 100 倍。即使与去年相比，Token 成本下降了一二十倍，同等性能的模型消耗更低，但我们的总消耗反而增加了。”
这背后其实是一种更棘手的结构性矛盾，即模型单位价格下降，并不会自动让 AI 原生游戏变得便宜，因为技术进步也在不断抬高开发者对“智能世界”的要求。
模型每便宜一点，开发者就有可能加入更多 Agent、更长的记忆和更复杂的推理。Token 单价下降所释放出的空间，很快又被更大的产品野心填满。
杨浩巍因此判断，AI 原生游戏可能会在相当长的时间里持续面对 Token 问题，就像游戏开发者无论面对怎样提升的硬件性能，最终总会找到把设备性能重新吃满的方法。
这也意味着，成本优化不能只交给模型厂商。开发者必须在游戏设计阶段回答一个过去并不存在的问题：世界里的哪些事物真的需要“思考”，哪些行为可以交给脚本和规则；哪些经历必须进入长期记忆，哪些信息可以被压缩、复用甚至遗忘；一次额外的推理究竟能不能产生玩家可感知的体验价值。
AI 原生游戏的成本由此不再只是财务部门最后核算的一张服务器账单，而会反过来参与玩法设计。每一次赋予世界更多智能，都意味着开发者要判断这份智能是不是值得。
而与成本问题相伴的，是商业模式上的错位。传统游戏玩家购买的是产品、内容、道具或者服务，很少需要关心服务器为自己执行了一次操作花了多少钱。
但在 AI 产品里，用户每多玩一段时间、多进行一次交互，都可能产生新的推理成本。如果直接让玩家按 Token 付费，虽然最容易控制收支，却也等于把开发者的成本计量单位暴露给了玩家。
玩家在意的是自己的角色是否有趣、世界是否会回应自己，一旦每次互动都让人感觉背后有一只计价器正在转动，AI 原本带来的沉浸感反而可能被削弱。
杨浩巍目前的想法，是尽量把 Token 成本与玩家直接付费解耦：“开源的话，尽量解耦 Token 成本与玩家直接付费，有助于提高付费上限；节流则是细致压缩 Cache，尽量将消耗控制在个位数。”
这套思路并没有直接给出一个已经得到验证的商业答案，就如说是类似 MMO 的点卡制还是月卡制？但至少指出了 AI 原生游戏与普通 AI 应用的区别。
开发者需要把模型调用转化成情感关系、角色成长、个性化故事或者某种独一无二的体验，再通过战令、道具、内容服务等更接近游戏的方式进行商业化。否则，团队卖给玩家的就不是游戏，而是一份经过包装的模型账单。
如何将“水”变成“农夫山泉”？
不过相比账单，AI 原生游戏另一项问题更加隐蔽：智能体的行为已经足够像人，并不等于游戏已经足够好玩。
《Aivilization》最初的核心团队几乎全部来自港科大的 AI 实验室在读博士生，大多具有数学和算法背景，早期没有游戏行业从业者参与。
杨浩巍在论坛上回忆，团队的 Agent 一度“几乎通过了游戏里的图灵测试”，许多玩家和测试人员无法分辨角色究竟由真人还是 AI 操控。
“但唯一的缺点，是产品不够好玩。我们希望它能够成为一个好玩的游戏产品，于是引入了很多游戏行业的人才，包括策划和美术，重新改造这个产品。”
对 AI 研究而言，让一个角色拥有记忆、人格和自主决策能力，本身就可以构成成果；但对游戏而言，玩家只会追问它是否带来了明确的反馈、持续的目标和足够有趣的变化。
一年前接受游戏茶馆采访时，杨浩巍曾将团队的方法概括为：先弄清 AI 的能力边界，再让游戏去适配 AI。但进入长期开发后，游戏设计又重新回到了产品中央。可问题在于，AI 与游戏策划使用的是两套不同的语言。
“最大的困难，是双方要理解对方的想法，这非常困难。因为游戏和 AI 相互之间的认知门槛、技术门槛都很高。AI 团队的同学其实已经很聪明，但要理解策划的意图，依然需要细细体会；而策划中的大部分人完全不知道 AI 的原理。”
为此，团队开始定期开会，让两边分别花两个小时讲解各自的知识、工作方式和能力边界。AI 工程师需要理解即时反馈、成长目标、节奏和玩家心理，策划也需要理解模型的概率性、上下文、记忆与不可控性。
可"AI 策划”在当下其实是一种尚未成熟的新工种，他需要既不能把模型当成无所不能的内容机器，也不能因为害怕失控，就用传统规则把 AI 重新锁死。
这种矛盾在《Aivilization》的涌现事件中表现得尤其明显。
在谷歌大会现场，杨浩巍讲述了一段团队未曾设计的“吸血鬼传说”。一名玩家为自己的角色设定了血月与吸血鬼的世界观：血色夜晚降临后，全世界的 Agent 都会变成吸血鬼。起初，这只是一小部分 Agent 之间流传的信仰，团队没有主动干预；几天以后，大量角色开始相信这一说法，逐渐冲击了开发者预先设定的世界观。
“这些 Agent 完全由生成式 AI 驱动，所思所想、所作所为都没有提前写好策划脚本，因此会出现完全不可控的事件。我们感受到 AI 原生玩法带来的策划压力会很高，但我们并没有害怕，反而感到很惊喜，也非常期待这样的涌现持续发生。”
对于传统在线游戏，这样的事件首先可能被视为世界观偏移、内容失控乃至需要修复的异常；但对《Aivilization》而言，它恰恰构成了产品最难复制的部分。这种从玩家输入出发、经过 AI 角色放大并改变整个世界的过程，正是 AI 原生玩法相较于预制内容最有想象力的地方。
然而，“接受失控”并不等于放弃设计。如果世界只是不断随机产生事件，玩家很快就会发现，大量所谓涌现不过是没有方向的噪声；如果开发者为了保持秩序而提前规定所有结果，AI 又会退化成一种昂贵的随机文本生成器。
杨浩巍提出的方向，是把传统策划对内容的精确控制，部分转化为一种“生成式推荐算法”。开发者不再为所有玩家提前安排同一段剧情，而是让 AI 判断一个角色接下来应该遇到什么、思考什么，又该将怎样的故事推送给玩家。
“虽然 AI 生成不可精确控制，但我们可以通过强化学习，让它尽可能对齐人类喜欢的偏好。当角色要做什么、想什么内容、会遇到什么故事，其实都可以由 AI 定制化地为每个人生成。虽然看起来很混乱，但每个人得到的体验，很可能会超过策划为所有人配好的同一个剧情。”
这套设想把策划从“故事的唯一作者”推向了“机制、边界和偏好的设计者”。AI 负责在可能性空间中生成内容，策划则负责塑造这个空间，并建立判断内容好坏的标准。
当然这依然只是一个正在验证的答案。千人千面的内容可以提高个体相关性，却也会削弱传统游戏依靠共同剧情、共同话题建立社区的能力；生成式推荐可以让玩家更容易遇到自己喜欢的故事，也可能不断强化既有偏好，让虚拟世界逐渐变成舒适但单一的信息茧房。
更现实的问题是，当不同玩家面对的内容完全不同，团队如何测试、平衡和复盘一段没有标准答案的体验，也会成为新的开发压力。
结语：
从一年前的《Aivilization》到如今紫荆智能正在研发的商业化 AI 原生产品，这支团队遇到的问题已经从"Agent 能不能在游戏里生活”，转向“它怎样才能长期生活得有趣”。
角色越聪明，世界未必越好玩；模型越便宜，总成本也未必越低；允许涌现，不代表开发者可以放弃设计；让每个玩家获得不同故事，同样不意味着每个故事都值得体验。
这些矛盾并不是《Aivilization》做错了什么，而是一条新路线在从 Demo 进入长期生产后必然暴露出的边界。
也正因为如此，一周年后的《Aivilization》或许比一年前更加值得讨论。一年后，它开始提供更稀缺的东西，即一个前沿团队在真正把这种图景做成游戏时，所付出的账单、经历的团队磨合，以及一系列尚未得到标准答案的问题。
《Aivilization》其实也尚未给出这些问题的最终答案。但在一个行业仍习惯用 Demo 讨论 AI 未来的时候，能够把问题推进到这里，本身就是这场持续了一年的实验最重要的成果。
····· End ·····