涌现的力量。

整理/林致

前天（10月16日），葡萄君参加了上海市徐汇区文化和旅游局，联合铼三实验室主办的 AI + GAME 研讨会。会上，AutoGame 创始人张昊阳带来了一场题为《Generative Sandbox：AI驱动的无限玩法循环》的分享。

张昊阳曾经在腾讯《和平精英》项目组负责 AIGC 预研，也做过 UGC 编辑器设计和 AI 工具的建设，也是世界首款Stanford Town 游戏《伊甸岛》的制作人。据了解，不少投资机构都对他关注颇多。目前，AutoGame 已经经过了三轮融资，正在融第四轮，现有股东包括奇绩创坛、九合创投、璀璨资本和陈悦天。

AutoGame开发的游戏《麦琪的花园》，目前在Steam上有一万人添加了愿望单。此前的测试中，有 83% 的玩家认可 AI 陪伴的玩法，玩家平均游玩时长超过传统的沙盒游戏 50%，社区 UGC 内容是他们当时预期的 4 倍左右。

分享一开场，张昊阳就抛出了一个问题：你有没有想过，虚拟世界里，游戏里的生物能否自主进化？这并非科幻设想，而是他团队正在尝试实现的可能——让游戏不只是被设计好的内容，而是像一个文明一样自我发展。

在他的分享中，你会看到一个玩家小的举动如何引发村庄经济危机，随后 NPC 们自发联合起来反抗黑市商人，甚至形成了意想不到的阶级斗争剧情。

玩家互动、NPC 行为、道具生成乃至整个虚拟经济的自我演化机制，每一环节都可以根据玩家行为不断生成新的内容。一个看似简单的任务或道具，可能触发连锁反应，形成完全出乎预料的故事和生态。这种设计让玩家的选择真正改变游戏世界，而不只是沿着固定剧情前进。

此外，张昊阳分享了从生成、探索、反馈到再生成的核心循环，以及“底座型游戏”和“黄金三角”设计哲学。它们不仅会改变玩家体验，也可能重塑整个游戏产业的生产方式。

以下为分享内容整理，为便于阅读，内容有所调整。

各位好，我是张昊阳，AutoGame 的创始人。在开始之前我想先问大家一个问题，大家有没有看过今年《黑镜》第七季的《Plaything》？

在这一集里，主角玩了一个看似简单的电子版游戏：玩家饲养虚拟的生物会自主分化，繁衍数量呈指数级上升。一开始很有趣，充满惊喜和新鲜感，但是让我震惊的是，在不需要任何预设的前提下，这些电子宠物会有自己的繁衍规则，形成自己的生态系统，并展现出了类似于生命的特征。一个问题出现在我脑海里：虚拟世界是否有可能产生自主进化的能力？

这是一个科幻的故事，但是它却触及了一个深刻的可能性。当 AI 有了涌现的能力，有些事件能够发展成一个自主进化的能力体系。

今天我想告诉大家的是，这不是一个话题，这是我们正在探索的一个现实。

作为一个游戏制作人，在过去的十年里，我一直在思考一个事情，为什么我们花三年的时间去做一款游戏，玩家却用三小时就通关了？传统的游戏逻辑是这样的，策划设计游戏的地图，编写游戏的任务，制作游戏的道具，玩家进入游戏以后去消费那些内容，内容消费完了，游戏生命周期也就结束了。

这就像是一场永无止境的军备竞赛。我们不停地做加法，但从未问过一个根本问题：能不能让游戏成为一个自我生长的生命体？能不能通过 AI 涌现，让游戏世界自己进化成一个文明？

简单介绍一下我自己，我曾经在腾讯《和平精英》项目组负责 AIGC 预研，也做过 UGC 编辑器设计和 AI 工具的建设，也是世界首款 Stanford Town 游戏《伊甸岛》的制作人。

过去的两年，我们一直在做一个实验：我们如何用 AI 去重新定义游戏的玩法。今天我想跟大家分享的就是，我们在这个实验过程中的一些发现实践和对未来的思考。

让我先分享一个残酷的数据。一个 3A 游戏通常需要 200~500 人的团队，3~5 年的开发周期和数亿美元的投入，而玩家通常会用 50~100 小时通关主线，休闲的玩家则会更短，然后，大部分人就把游戏卸载了。

当然我们也有很多延长生命周期的办法，比如说推出新赛季，发布付费 DLC，举办一些社区活动，还有开放 MOD 的支持。但是本质上，这些东西都是在延缓死亡，而不是在创造生命。

我记得在做《和平精英》的游戏编辑器的时候，我们投入了大量的游戏资源，希望玩家能够利用这些资源去创造内容。结果我们发现，真正能熟练使用编辑器的玩家不到 3%，而真正产出高质量内容的不到 0.5%。

编程门槛、美术门槛和设计门槛，每一个都把我们 99% 玩家挡在了门外，我们一直说要释放玩家的创造力，但是我们给他的工具需要专业培训才能使用——这就像说我给你一套木工的工具，你可以自由创作，但是你得先学会怎么用电锯，怎么用凿子、刨子。

我认为，这里的本质问题就是加法思维的局限了。

回头看，传统游戏的开发思维，是当游戏能够给玩家提供更多的地图、任务、以及道具系统的时候，它就会是一个很好的东西。但是这个公式它有个问题，内容永远是有限的，但玩家的消耗速度在指数级增长。

因此我们要做的不是加法，而是改变游戏内容的生产方式。

过去两年里， AI 爆发让我们看到另一种可能性，传统游戏逻辑是，开发者决定一切内容给玩家消费，随后这个内容就枯竭了，游戏从而走向死亡。

而我们理解的生成式游戏的一个逻辑，是开发者只负责去定义规则，经由AI涌现的系统，最终游戏会发展出自我进化的能力。

这两种模式的关键区别在于：我们作为一个游戏的开发者，不再是制作游戏的内容本身，而是创造一定的初始规则；游戏世界本身也将通过 AI 涌现去生成游戏内容，演化生态。这样的话，游戏的价值就不在于它发行的时候有多少内容，而是能够像一个文明一样不断地自我发展。

相信听到这里，许多听众可能已经有了一个雏形，但是在深入探讨 AI 的行为之前，我想先往前去梳理游戏产业的过去。

过去的 30 年里，我认为游戏产业经历了三个时代。

从1980年代到2015年前后，叫“渠道为王”时代。任天堂的权利金制度严格把控卡带的市场。与此同时，中国又有像硬核联盟这样的厂商去掌控手机游戏分发渠道。产品的成果完全依附于渠道的流通。

而到了第二个时代，“内容为王”时代，也就是2015年到我们现在的2025年。数字分发的渠道变得越来越扁平化，大家的竞争焦点回归到产品本身，像《原神》和《明日方舟》这种精品游戏绕开了传统渠道，产生了巨大的价值。

我认为这时候游戏也面临三大不可持续的危机：第一个危机是经济的危机，3A 成本太高，高达两三亿美元，周期很长，可能是 5~7 年开发时间。

第二个是创意危机。我们游戏行业目前已经是一个人才密集型行业，它需要人才长期的驱动，但是人才有一天灵感枯竭呢？比如说我们还有一些玩家因为内容同质化的问题，已经对开放世界感到倦怠。

最后就是一个消费的危机。现在的玩家就像“内容蝗虫”，他们正在快速地消耗内容。我们认为，最终内容是不可持续的。

而AI到来的时代，我们称之为“数据为王”时代。当传统人力驱动的生产关系，已经没有办法去满足海量的内容和个性化需求的时候，我们认为需要一场范式革命来改变生产关系。真正的壁垒，不再是我们开发的代码和内容，而是数据飞轮。

现在市场上的 AI 游戏其实还没有完全能够满足这一点。现在的 AI 游戏大多是这样的：做一个传统游戏加一个 AI 的聊天功能；或者做一个 AI 的聊天功能，把它包装成游戏，但是其实还停留在内容为王的阶段。

真正的区别在哪里？我认为是构建数据驱动的AI游戏生态，这个是从“内容为王”到“数据为王”的一个跃迁。

全球的 AI 游戏市场，预计从 2023 年到 2032 年，复合增长率将达到 23.3%，而同时大模型的 Token 价格在过去的两年内下降了 90% 以上，但是目前大多数游戏厂商它其实还停留在 AI NPC 的聊天的阶段，这意味着什么？

这意味着我们的技术成熟了，成本降下来了，但是真正的玩法创新还没有出现。怎么去实现，是不是带来了大创新，这需要我们去改变游戏的设计思维。

首先，不再是我要制作 1000 个任务，而是我要设计一套任务生成的规则系统。

其次，是从固定世界到生长世界。不再是这个世界拥有 100 个 NPC，每个 NPC 有固定的对话，而是这个世界它有一个生产规则，NPC 会根据玩家行为和环境去改变。

最后，是从静态的设计到了动态的文明，不再是我将设计一个固定的世界，而是我设定了一个起点和规则，让它自己进化。

AI与游戏结合的过程，我认为会分成 4 个阶段。这会是一个循序渐进，由浅入深的重构游戏产业的过程。

1.0阶段，我们称之为AI Novel时代。大概是从 2022 年底到 2024 年中的阶段，这个阶段代表作品是《AI Dungeon》。这个时代的大部分产品的局限性是很明显的，游戏当中的模态还比较单一，世界一致性很弱。

2.0阶段，就是AI NPC时代。在这个阶段，游戏中的 NPC 变成了有灵魂的数字生命，开始具备记忆的能力、思考的能力和规范的能力，能够自主去社交。

3.0阶段，我们认为是AI UGC时代。在这个阶段当中，Coding Agent 将创作的门槛降低到自然语言，玩家直接能够进行游戏内容的创作。这极大地鼓励了玩家创作，并提升了内容质量，也缩短了制作游戏内容的周期。像《Minecraft》和《Roblox》这样的产品，其实在他们的游戏社区中已经有人率先尝试跟 AI 去结合。

第四个阶段，AIGC 时代，它还没有到来。在这个阶段，游戏世界将变成永远演进、永不终止的一个生命。该阶段游戏的主体形态会变成像管家一样的东西，它会成为《头号玩家》的“绿洲”，有自身的经济体系，有自己的社会。

基于这样的一个框架，我们做了一款产品叫《麦琪的花园》。我们所设计的一个核心循环，是“生成 → 探索 → 反馈 → 再生成”。

传统随机玩法往往是一次性生成的，每一次生成都是独立的，系统不会关心玩家做什么，从而就没有学习和进化。

而生成式的玩法是有记忆的，是学习型的，每一次生成都会基于玩家的历史行为，系统会记住玩家的选择偏好，内容也会随着玩家交互去进化。玩家每一个选择，都会成为下一个阶段再生成的养料，从而形成一个自我强化的定向循环。

接下来我们用我们的游戏去给大家讲解这个核心循环，首先是从生成开始，它是玩法创作的一个核心。

传统的任务设置存在一些问题，他们的任务往往是有一套固定的顺序，线性推进，也有一些散布在世界各地的固定触发条件的支线任务。还有一些是重复性的内容，单纯是为了延长玩家游戏时间的一些日常内容，那么问题在哪里？

所有的玩家体验都是一样的，但任务之间的关联性也可能会缺乏一些因果关系。玩家之间的选择，也不会真正去影响更多的走向和最后的结果。

但我们认为，生成式的任务是不一样的。在我们的游戏当中，我们设计了一套任务生成的系统，AI 会实时分析玩家的状态，包括他的资源，他的社会关系，还有他的位置，结合他的目标和世界的当前的状态，动态地生成任务。

举一个实际的例子，比如说你在探险的时候遇到了一个铁匠的 NPC，他想请你去收集矿石。这是一个简单的收集任务，你完成了，随后这个铁匠用你的矿石去制造一把新的武器。

消息传开后，商人来到这个村庄，开始在村庄里做生意，村庄的经济变得繁荣。他的财富也引发了附近的盗匪的注意。系统自动生成了一个盗匪威胁。它不是游戏最开始预设，而是一个新生成的东西，它有自己的目标和信念，到第四个阶段就变成了玩家来自己选择。

你是选择保卫村庄，对抗盗匪？还是去和盗匪谈判，共享利益？甚至你可以选择去帮助这个盗匪去背叛村庄。

每一个选择都会触发不同的后续的任务，而且这并不是游戏策划预先编好的剧本。策划只是设计了 NPC 的基础的 AI 逻辑，比如说铁匠还想做生意，商人想赚钱。

传统的游戏当中，NPC 基本上就是一个任务的贩卖机，它会站在固定的位置说固定的对话，等待玩家来参与，而玩家离开之后他们就冻结了。

在我们的NPC哲学当中，他们是有生命的存在。这个设计是源自我在《和平精英》时期做的项目。在《伊甸岛》这款游戏中，我们做了一个 AI 剧本杀的游戏玩法，只不过跟斯坦福小镇的配置不一样，我们实现了 AI 对实时对环境感知的能力。

比如说 NPC 走到了河边想要过河，他发现过不去，会看到旁边有桥。但随后他会发现这个桥是断的，这时候 AI 会实时响应，并查询游戏当中有哪些物品能够组合起来修复这个桥。

同时我们也会引入一些新的机制，比如说是一些暴风雪的天气，进一步干扰环境。NPC 需要在限定的条件下生存和协作，这样会增加我们游戏的可能性。

你会发现这里有几种不同的玩家。创作型玩家，他会在这个过程中去扮演编剧，通过他的游戏行为，间接地改变环境，创造一个剧本。也有一些玩家，会以特定的身份参与这个游戏。每一个玩家的选择都会创造一些千变万化的故事。

一个玩家在游戏当中创造了两个 NPC，NPC-A 是一个温和的法师，NPC-B是一个火辣的战士。玩家最开始的时候特别喜欢 B，经常和 B 一起冒险，而忽略了 A。

结果几天之后玩家就发现 A 开始和村里人产生更多的交流，并且和一个 NPC-C 建立了亲密的关系。当玩家再尝试去和 A 互动的时候，A 的态度非常冷淡，他甚至会说“你不是更喜欢和 B 在一起吗？”

NPC 会吃醋，但这些都完全是系统自动生成的。我们并没有去写玩家的冷落 A 之后，会发生什么的剧本，但AI 根据玩家和 NPC 的互动以及 NPC 的性格（比如说会受伤、比较傲娇等等性格），展现出了新的关系和新的表现。随后，系统自动生成了嫉妒和疏远的剧情。

玩家告诉我们，这是他们在现有的游戏产品当中体验不到的，是他感受到最真实的一个情感时刻。

右边也截取我们游戏的社区评论，有个玩家在少年时期看过一部国漫叫《大英雄狄青》，他在我们的游戏当中完成了与大英雄的告别仪式，而且他真正认为这个角色是有生命的，有自己的思考——这是让我们非常感动的一件事情。

我们再说说关乎游戏性的游戏道具。道具生成是我们投入精力最多的一个系统，也是我们认为玩法创新的核心亮点。

传统的道具遵循着一系列的系统设计，比如传统道具可能是铁剑攻击力 +10，钢剑攻击力 +20……总之是非常粗暴的一个数值逻辑。开发者就算预设 1000 件道具，让玩家去逐一收集，它们之间的区别也并不大。

我们认为道具生成的哲学，是每一个道具它都要有独立的故事，同时它甚至能够驱动叙事，推进世界的变化。

我们有三个原则。第一个是语义驱动生成，第二个是属性要跟叙事相关，第三个是它要产生一个虚拟的经济生态。

举个例子，在游戏当中可能会出现一个旱灾的剧情。农田经历了一场旱灾，庄稼枯萎的时候，系统可以识别到你可能需要一些帮助。它也会识别到当前的情境是旱灾，农业缺水，生成的道具可能就会是节水型的道具，给你耗水量减 50%，但是你的产量不变。第二种就是耐旱的作物种子，比如说干旱的环境当中也能生长。第三种可能就像这种祈雨仪式的材料。

第二个原则，就是我们的属性要跟叙事结合。比如说那把铁匠亲手打造的剑，数值属性可能是攻击力 +12，耐久度 +20%。而它的叙事属性则是由村庄的铁匠亲手打造，在装备之后，铁匠的好感度会上升。

也有一些社会效应。熟悉铁匠的人会说“这是谁谁的手艺，他已经很信得过你了。”铁匠的竞争对手会说“不过如此。”如果你背叛铁匠，他有可能会要求你归还这把剑。如果你把剑损坏了，铁匠可能会主动帮你去修复。所以它不仅仅是一个装备，而是你跟 NPC 之间关系的见证。

第三个是虚拟经济生态。游戏的道具生成和应用系统是绑定的，它会形成一个动态供需的关系。比如说我们游戏当中的草药的波动。

发展初期，草药是一个常见的物品，它的价格很低，这个时候系统的一些事件或者玩家的行为会触发像瘟疫爆发这样的天灾，草药的价格随之激增，价格上涨，玩家会大量采购草药，市场就饱和了。

市场饱和之后，价格会回归自然规律：即便价格非常高，也依然存在需求，一些 NPC 商人因此破产，另一些则会囤积药草等待下一次危机。关键在于，道具的价值并不是固定的，它受玩家行为影响，会间接作用于游戏经济系统，而经济系统的变化又会触发新的任务和新的运行逻辑。

接下来我给大家播放一段游戏的实机演示，展示我们的一些道具。这段素材来自最近一轮公测中玩家的行为。通过后台调研，我们的 AI 生成了一个新道具，战斗中可以使用。这个道具的攻击弧线是像香蕉一样的。

这套系统的神奇之处在于，玩家不需要学习任何编辑器，只要与 AI 进行交互即可。我们的 NPC 或 AI 会理解情境，生成合适内容。更重要的是，这类道具的申请并不是外挂，而是完全融入游戏世界的有机内容。

说完生成系统，我们再谈探索。探索并不仅仅是玩家对游戏内容的体验，更是一种对规则的验证和发现。在深度游戏中，真正的探索不是沿着设计者预设路线前进，而是测试游戏的性能与边界。

比如玩家会提出各种问题：如果我背叛 NPC 会怎样？如果我在关键战斗节点不出手会怎样？如果我故意制造经济危机会怎样？系统会根据玩家的极端行为做出响应，比如当你背叛所有人，你可能就会成为所有人的“公敌”。

我们记录的并不只是“玩家选择了 A 还是 B”，而是更深层的数据，例如行为频率、资源偏好、社交模式等。这些数据会形成玩家画像，让系统逐渐理解你是什么类型的玩家、你偏好什么样的挑战。

如果你是喜欢战斗的玩家，系统可能生成一个新的 NPC——一个专门追杀你的赏金猎人。如果你只喜欢种田，那系统会推给你完全不同的路线，你可能会吸引投资者，逐步发展成农业帝国。如果你刻意制造经济崩溃，系统可能会推动剧情走向革命甚至战争。

我们希望玩家像“科学家”一样玩游戏：提出假设——“如果我这样做会怎样？”——再采取行动，做出 A 或 B 的选择，观察系统的反应。系统也会对你的极端行为做出反馈，玩家在反复试验中逐渐摸索出游戏规律。而这些规律并不是静态的，它们会在游戏运行中不断动态变化。

这种探索机制意味着：当玩家完成一次尝试后，系统不会归零重置，而是进入学习阶段，把你的行为数据视为养料，用于推动系统进化，并进一步生成更贴合你风格的内容。

通过这些维度，系统会形成一个清晰的玩家画像，理解你偏好的挑战类型和内容类型，并生成“对你来说有趣的”生成体验。

这就进入了反馈循环的第四阶段：在上一轮反馈基础上进入更深一层探索。

以往的肉鸽游戏中，玩家死亡后往往一切归零，世界是同质化循环的。但在我们的系统中，每一轮生成都会在上一轮基础上学习与成长。

比如你喜欢推理，他就会给你更多的推理和探索内容，当然也会偶尔故意制造一些意外，避免内容过于单调。NPC 的行为也会进化，他们会根据你的互动模式去调整。如果你总是爽快答应请求，NPC 可能会更依赖你；如果你总是拒绝，他们就会学会不再来找你。

当这四个环节形成正向循环之后，生成的内容会越来越符合玩家偏好，玩家的探索能力会越来越强，反馈也会越来越丰富，生成内容的质量也会越来越高。游戏就会变成一个永远在线、持续发展的系统。

我也想过很多技术上的实现方式，但技术本身并不是目的。作为游戏制作人，我更关心的是怎么让它更好玩。

过去两年里，我们总结了三个关键原则：

第一，“有意义的生成”和“无意义的生成”。生成的价值不在于生成多少，而在于过程是否独特、有意义、能吸引人。

第二，涌现性。我们不去假设所有可能的玩法，而是设计规则，让 AI 和玩家在对抗中自然涌现新的内容。

第三，“记忆和成长”。只要系统有记忆，世界就能成长；如果没有记忆，那所有内容都只是随机指令，不是真正的生成。

比如我们可以做一个能无限刷钱的系统，技术上很容易，但没有意义。玩家很快会发现那只是数据游戏，和游戏世界没有真正的连接，道具也没有个性，价值感就会消失，最后只会变成一个通货膨胀的系统。

相反，如果每一件道具都有独特的来源，比如在某个情景下获得，拥有特殊属性，不只是数值，还可能带有特殊机制，甚至是游戏本来没有的效果，再加上独特的叙事意义，那么即便这种道具只有十件，玩家也会产生不一样的理解。

第二个原则是涌现性。听起来可能有点玄乎，但其实很好理解。它是复杂系统的核心特点——简单的规则可以产生复杂的行为。

我认为《康威生命游戏》是最经典的例子。它的规则极其简单，关于细胞生死只有四条，但却能演化出无限复杂的模式。

在游戏设计中，涌现性意味着我们不需要预设所有的文化形态，我们只需要设计好规则，玩家与 AI 的交互就会自然涌现出我们在设计阶段根本没想到的内容。

我们在测试中遇到一个典型案例。当时有位玩家创造了一个 NPC ——黑市商人。他的性格设定是贪婪、不择手段、收购一切，同时冷漠，只关心自己的利益。玩家开始实验，故意让村庄陷入经济危机，村民开始贫困，被迫出售家当。黑市商人开始大量囤货，等待价格上涨，最后高价卖回给村民。

结果，系统生成的一部分村民开始反抗。一些 NPC 自发联合起来对抗黑市商人，最终形成了一个我们从来没有设计过的阶级斗争剧情。这就是我们所说的“涌现性”。

我们只设计了基本规则和 NPC 的反应逻辑，而他们的社交关系和剧情走向，都是在系统内部自然涌现出来的。所以我们的结论是：不要去预测所有可能性，而是设计好规则，让玩法自己冒出来。

接下来的原则是“记忆和成长”。肉鸽游戏的一个常见陷阱在于：每次重开都是新局，缺乏延续性。很多游戏中，玩家死亡后世界归零，虽然每次可能都有进步，但世界本身是静止的。久而久之，玩家会感觉自己只是在不断重复，而不是在真正成长，最终会觉得无聊。

我们的解决方案是“让世界拥有记忆”。世界会记住玩家做过的一切：你拯救过的村庄会在地图上留下痕迹；你帮助过的 NPC，即使你离开很久，也会记得你的选择；如果你曾经毁灭过某个派系，那将永久影响世界格局。NPC 会记得你每一次对话、每一个承诺、每一次背叛，并根据这些记忆调整对你的态度和行为。

随着时间推移，系统会生成具有历史延续性的内容：新任务会引用过去事件；新增 NPC 可能与旧 NPC 有关联。整个世界本身在成长，而不是随机重制。

在设计原则之外，作为游戏制作人，我们最关心的并不是技术本身，而是玩家与游戏之间的情感理解。

传统游戏建立情感连接的方式，通常依靠精心编写的剧情和大量市场曝光的角色形象，来制造情绪高潮。这种方式确实有效，但也存在限制：所有玩家的体验往往是相似的，剧情难免公式化、套路化。就像看电影，大家会在同一时刻流泪，也能大致猜到后续发展。

但在深层互动型的游戏中，我们希望每个玩家的体验是有限但独特的——因为系统会为每个玩家演化出不同的故事。

有一个典型的设计案例，展示了 AI 如何超越产品原本的设计。

在前面的视频里我们提到过，在某次玩家测试中，有位玩家通过自己的描述生成了一个 AI 角色“发明家”。这个角色有非常鲜明的性格特征，而系统在后续任务中会依据这个角色设定，为玩家提供原本预设之外的强力道具。

整个过程大致分为三步：首先，玩家通过对话系统，向“板板”表达协助测试的意愿。AI 理解了这个交互，开始构建两人的合作关系。随后，当系统为“板板”生成专属任务时，同时也生成了游戏中原本不存在的道具。紧接着是第三步，游戏内的法杖原本攻击轨迹单一，会消耗魔力。而“板板”制造的武器：不消耗魔力、可以连发、攻击轨迹是曲线型的。通过这个武器的特殊效果，玩家甚至可以轻松无伤击败游戏中的 boss。

重要的是，这不是我们预先编写的道具或剧情。是系统根据 NPC 的“发明家”设定、玩家与 NPC 的互动历史、当前游戏情境和玩家需求，自动生成的、超越游戏原有设计的内容。

从商业角度来看，这种系统也带来了明显的价值反馈。

我们留存率是普通沙盒游戏的 3~5 倍，因为内容是独特的，玩家不愿轻易卸载游戏，总想着再试试边界。他们在游戏中建立了情感连接，甚至创造了属于自己的小世界。

社区活跃度也显著提升。我们拥有类似于 2000 年代论坛氛围的社区环境，玩家主动分享自己的故事，形成自发口碑传播，内容几乎全部来自玩家自创。

付费意愿也更强，这并不是因为玩家必须买，而是他们愿意支持一个能提供情感连接的产品。

从数据的验证来看，我们有 83% 的玩家认可 AI 陪伴的一些玩法，玩家平均游玩时长超过传统的沙盒游戏 50%，社区 UGC 内容是我们当时预期的 4 倍左右。

在这个话题的最后，我们想分析一个更宏观的设计哲学，我称之为“底座型游戏”的概念。

传统的游戏更像是水泥建筑，开发者前期把结构全部搭好，空间是固定的、不可改变的，玩家只能在预设的范围内活动。时间久了，系统会老化、崩塌。

而底座型游戏更像是一个摇篮，开发者提供的是基础的物理规则、初始的种群和进化的方法，系统可以自主生成内容，自主发展生态文化，自主形成社会关系。

AI 则负责记录这些复杂性的涌现，并持续推动这种演化，形成一种稳定的自循环。每个玩家进入同一个世界，都会走出不同的成长路径。

这样的突破性游戏需要产品、数据和模型三者紧密结合，形成一个协同进化的系统，我称之为“黄金三角”。我认为它不仅适用于游戏，对所有 AI 产品也都成立。

在 AI 时代，传统商业的壁垒正在迅速被侵蚀。代码可以复制，idea 可以复制，功能可以通过调用 AI 或者 API 的方式被快速复刻，先发优势变得越来越脆弱。那么真正的壁垒是什么？我认为是可以持续产生、并不断自我强化的数据飞轮。如果没有这样的壁垒，会发生什么？

我举两个失败的模式作为反例。

有一些 AI 创业公司做所谓的私域大模型的产品，但缺乏一个用户高频使用的产品载体，模型能力无法真正传递给用户，也无法产生新的数据，就像造了一个高功率的引擎，却没有车身，永远在空转。

另一种模式是只有模型和一个很浅的上层产品，没有数据回流的通路。比如早期 AI 工具型产品流行的时候，有人做过 ChatPDF 的工具，用户上传自己的 PDF 文件，AI 阅读并概括，但整个过程不会沉淀任何专有数据。早期迭代的 GPT-4 就提供了 PDF 阅读的能力，一下子就干死了很多做浅层工具 AI 创业的 的人。当底层模型升级，这些工具型产品的价值就会被迅速稀释掉，壁垒就像沙滩上的堡垒。

所以真正有效的新产品模式，比如我们刚才提到的《麦琪的花园》这类产品，它一定是产品、数据和模型三者共同构成的闭环。

如果你能创造一个 UGC 的内容模式，让玩家利用 AI 能力在游戏里不断产生新的代码数据、交互数据和玩法数据，我们就能利用这些数据让模型越来越聪明、越来越了解玩家，而且这套能力只能作用于你这款游戏，因为在设计过程中你不仅在做 AI，还在同步搭建面向 AI 系统的数据接口，最终模型精调时它只会适配于你的产品生态。

这个，就是我所说的壁垒。

数据飞轮的运转机制，可以更详细地解释为：从产品设计开始，我们精心打造一个基础产品，去吸引更高层次的用户，让他们在更深入的交互中持续创造内容，从而产生大量在公开领域无法获得的高质量数据。模型通过这些数据进行训练，就会得到更好的燃料，反过来让产品产生更多定制化的能力，提供更智能、更个性化的体验，形成产品核心竞争力。

更好的体验又会吸引更多用户，带来更多数据，让飞轮加速运转。玩家的每一次行为，都是对我们游戏的贡献。就像玩家在游玩时，系统有一个 24 小时不间断的数据流，去帮助 AI 背后的“世界之魂”理解这个世界的运行逻辑。

我们的游戏是一个真正的 AI UGC 沙盒游戏，核心玩法包括收集、战斗、建造等独立升级路径，核心差异在于深度集成的 AI NPC 系统和无代码的 AI UGC 系统。

我们的目标不是做一款“有 AI 功能的游戏”，而是做一款“AI 本身就是核心玩法的游戏”。

目前为止，我们在 Steam 上的愿望单已经超过一万，仍在持续增长。测试阶段玩家的留存率高于行业平均水平，社区自发创作的内容数量是我们预期的四倍。

刚才提到几个关键数据：玩家来自 23 个不同国家，覆盖 75% 以上的主流文化圈；在核心循环方面，70% 的玩家认为这款游戏的自由度“非常高”。

从商业价值来看，我们认为这代表的是一种全新的生命周期模式。传统游戏的生命周期是：发行→快速增长→达到峰值→逐渐下滑→进入衰退。而生成式沙盒游戏在发行和增长之后，会在达到临界点时形成一个自我演化的生态，进而形成持续繁荣的能力。

它的关键在于内容生产的边界和成本完全不同。我们不需要持续投入大量人力去制造内容，而是搭建一套AI驱动的系统，让内容能够自主生成、自主演化。

在结束之前我想讲一个关于蚂蚁的故事。

1986 年，科学家兰顿提出了一个极简模型，简单到难以置信。想象一个无限大的黑白格子世界，只有一只蚂蚁在上面移动，它的规则只有两条：如果蚂蚁站在白色格子上，就把格子翻成黑的、右转并前进；如果站在黑色格子上，就翻成白的、左转并前进。不断重复，就这么简单。

在前一万步里，你几乎看不出任何规律，它像是在随机乱走，呈现出各种混乱的图案。但神奇的是，当你继续往下看，某一刻它突然开始沿着一条笔直的线路前进，这条线路被称为“高速公路”。

而且这条高速公路会以固定的节奏一直延伸下去，蚂蚁每 104 步就重复一次动作，仿佛进入了某种秩序状态。惊人之处在于：没有人设计过这条高速公路，规则里也没有任何关于构建秩序的描述。

这个现象说明，复杂的、有意义的行为并不需要复杂的设定，它可以完全从简单的原则中自己涌现出来。我们因此意识到一个深刻的道理：简单规则+足够的时间与资源=复杂但有意义的模式。

我们无法预测蚂蚁在第一百万步时的位置，但我们知道它会持续创造新的结构。甚至就算你换一套类似但不同的规则，最终它还是会走向某种“高速公路”。

这就是涌现的力量。

把这个故事放回我们今天的主题——我们是否也能允许游戏系统自己生长？我们是否能接受“预测不了全部结果”，但仍然相信系统会走向有意义的方向？

回到游戏设计的本质，我认为它从来不是内容的堆砌，而是规则的设计。围棋只有黑白落子，变化却无穷无尽；国际象棋只有几种棋子，却可以玩一辈子。我们的游戏也是如此：我们不需要预设每一个剧情，而是设计一套规则，让玩家、AI、世界在这套规则中彼此理解、反馈与进化，然后让无数独特的故事自然涌现。

不可预测，不代表没有意义。

虽然我们无法在设计之初精确推算出“第一百万步的走向”，但我们知道系统不是随机的，也不是混乱的，它有自己的逻辑与秩序。真正深刻的游戏体验正是在于——你无法预测它会讲出什么故事，但你知道，每个故事都值得被讲述。

最后回到我们开场提出的问题：虚拟生命如果拥有了自我繁衍和自我进化的能力，它是否构建出了一种“文明”？

在那个剧集中，那些电子宠物在既定的规则中发展出复杂的生态，形成自组织系统，持续进化，并反过来影响现实世界——这不正是文明的特征吗？

同样地，我们或许不是在做 AI 游戏，而是在孕育一个新的文明。这个文明会在规则中生长出我们预料之外的复杂性，它永远不会“完成”，因为它永远在生长。

这，就是我们所认为的——AI 时代游戏的未来。

游戏葡萄招聘内容编辑，