【编者按】
过去几年，生成式AI的发展突飞猛进，不仅在算法、算力与数据层面不断刷新技术边界，也在重构众多社会的生产方式、就业结构与文化生态。
然而，随着AI进入更加真实的商业和物理环境，对模型的理解能力、反馈速度与输出结果提出了差异化的要求，仅仅依靠生成式AI一条路径似乎并不可行。因此，今年以来，海外出现一类主打决策输出、不生成文本的模型，业内多称“决策模型”，其中以Jev最受关注。而世纪华通旗下天游软件也早已沿着这条路径进行了探索，并在多款游戏中完成闭环验证。
近日，天游软件CEO纪敏接受了《每日经济新闻》记者专访，深度分享了天游软件将AI决策模型落地游戏业务的探索历程与实践思考。
本文转载自《每日经济新闻》，记者｜张梓桐 编辑｜李雨冰；原文标题：《“对话大模型解决不了游戏难题”专访天游软件CEO纪敏：AI要学会在游戏里“做决策”，而不只是生成内容》。本文有删节。
轻量化决策模型能否破局游戏交互瓶颈
作为A股头部游戏上市公司，世纪华通旗下拥有盛趣游戏、点点互动、天游软件等游戏主体。天游软件主要聚焦竞技网游、棋牌与休闲小游戏运营，代表作《街头篮球》已稳定运营20余年，是国内运营周期最长的竞技端游之一，沉淀了大量真人对战数据，也成为集团AI行为模型首选试验场景。
纪敏本人拥有多年AI创业经历。正是过往NLP创业经历，让他意识到单纯对话大模型很难解决游戏里的行为决策难题。
在纪敏看来，模型具备极高准确率，但商业场景容错率极低，极小概率偏差也有可能引发事故。而游戏的核心目标是维持玩家情绪体验，少量随机、出人意料的行为反而更贴近真人玩家，容错空间更大，是AI智能体落地的优质试验场。
不过，纪敏坦言，公司当前这条技术路线并非顶层预先规划的宏大方案，而是一线业务需求倒逼下逐步探索形成的。
今年起，天游团队启动多项AI工具测试，最初和行业多数团队一样，先用AI生成美术素材、文案对白，压缩内容生产周期。后续团队接触一支偏基础研究的科研团队，双方达成深度合作，业务侧完全开放游戏数据、底层引擎接口与真实对战场景，联合开发游戏行为智能体。项目初期规划方向为NPC（非玩家角色）对话、玩家数字分身，并拆分为语言交互与行为决策两条研发线，这套轻量化决策模型正是在攻克NPC行为拟人化的研发过程中衍生出来的。
谈及为何将落地场景优先锁定在非对称博弈、棋牌对战这类强交互玩法，纪敏告诉每经记者，传统游戏NPC高度依赖固定脚本，行为路径可预判，套路很容易被玩家摸透，长期游玩后趣味性快速衰减。项目初期曾使用0.5B模型，虽然模型参数不大，但在具体游戏场景中仍会出现不可接受的延迟。
“后续团队提出简化思路：模型只输出动作决策，舍弃自然语言生成环节，砍掉冗余的大模型语言链路。最终落地的模型支持本地部署，无需频繁调用云端大模型，依托对局数据持续对战训练即可不断提升AI对手博弈能力。”纪敏说。
正是这套轻量化决策模型落地棋牌游戏并上线灰度测试后，人机对局量直接增长至原来的四倍，玩家愿意反复和AI对手博弈，留存指标同步改善。据称，验证可行性后，团队快速把模型迁移到《2048》《神庙逃亡》等不同品类小游戏，数百KB规模的模型就能自主掌握游戏规则。
规模化落地仍存多重关卡
在纪敏看来，AI带来的变革不只是美术、文案的提效工具，更是人机交互底层逻辑的重塑。长远看，AI正在降低创意落地门槛——天游软件正在吸纳非AI学科背景人才，这类人才不懂代码，但借助AI工具，创意可以直接转化为游戏内角色的自主行为。
而这一切的起点，也源于天游软件自身面临的现实压力。作为老牌游戏厂商，天游软件旗下有多款长线运营产品，存量游戏增长放缓，单纯依靠新增皮肤、活动拉动收入的空间有限，寻找新增量的压力显著。
天游软件采用低成本、快速迭代模式推进AI项目。集团层面给予的支持，并非简单资金加码，而是战略定力、场景开放和机制弹性：让听得见炮火的人做判断，让真实玩家数据做验证。纪敏坦言，项目起步阶段算力资源紧张，团队规模也是逐步扩充的。项目启动时由业务端与外部科研团队共同参与，历时一年，整体团队扩充至20余人。业务团队和算法团队深度绑定，2—3天就能产出新版Demo，快速验证、快速淘汰无效思路，和传统游戏项目漫长的立项、评审流程形成明显对比。
纪敏同时强调，AI不是营销概念，项目所有投入都要锚定DAU（日活跃用户数）、LTV（生命周期价值）、对局时长等真实业务指标。“哪怕AI只带来1%的DAU提升，长线产品生命周期拉长带来的收益，就足以覆盖研发投入。一旦这套决策模型跑通，能够复用到世纪华通体系内多款海内外游戏，放大技术收益，未来也存在向行业输出技术方案的商业化可能。”纪敏说。
路径跑通只是第一步，更大的挑战在规模化落地。
纪敏提到，不同品类游戏对延迟的容忍度差异巨大，棋牌类对延迟容忍度较高，放到FPS射击游戏，同样的延迟就会严重破坏玩家操作体验，延迟优化是第一难题；其次是轻量化模型能力上限和效果之间的平衡；还有视频输入式视觉决策模型——理想状态下AI仅靠画面就能看懂游戏，无需调用游戏底层接口，团队已经在贪吃蛇小游戏中完成验证，但迁移到画面复杂的3D游戏场景稳定性不足。人才缺口同样明显，同时兼具游戏业务理解和强化学习能力的复合型人才稀缺，市场人力成本偏高，也是制约项目提速的因素。
这类模型能走多远，最终不取决于参数规模，而取决于场景的厚度——对局越多，数据越厚，判断越准。对天游软件和它背后的世纪华通而言，这条线今天还很短，但它指向的问题是长期的：当AI从“会生成”走向“会判断”，真正稀缺的不再是模型本身，而是能让判断持续变准的真实场景与真实数据。这也是为什么，它值得从游戏里先长出来。
