从市场主导到制作人主导：国内外游戏逻辑的根本差异

当前国内游戏开发的主导逻辑是市场导向，而非制作人导向。具体表现为：哪类模型流水高、用户偏好什么，就快速复制并推什么内容。这种机制容易形成一个死循环——当某类游戏（如“打僵尸”或“无尽冬日”）初现爆款苗头时，大量同质化产品迅速跟进，导致市场被低门槛、高复用率的内容淹没。

相比之下，国外（尤其是以任天堂Switch、Steam为代表）的游戏生态更偏向制作人主导：开发者基于自身创意一次性推出原创内容，用户为“体验”买单，多采用买断制。这种模式对制作人的创意能力要求极高，但也保障了内容的多样性与独特性。

“你追求内心的平静，你玩塞尔达；你浮躁的时候，想再去炫耀的时候，你去玩网游，但是这个代价就更高。”

“在国内做游戏的分发渠道的优势……广告都是从抖音上、微信上能够看到的，这个是国外没有的。”

AI生成游戏：能一键生成，但难一键生成‘好玩’的

当前所谓“一键生成游戏”的说法存在严重误解。技术上，生成一个俄罗斯方块或推箱子确实不难，但“好玩”才是真正的技术与创意门槛。尤其对于商业化游戏而言，其质量需满足多重要求：画面表现符合当下审美、玩法设计具备深度、数值系统支撑长期体验、游戏时长达到十几至几百小时——这些远非一句指令或一段简单描述可达成。

我们发现，纯语言输入在描述复杂游戏机制时存在天然缺陷：语言是一维的，难以精准表达空间结构、动态交互等细节。为此，我们推出了“上传一段视频，生成一个游戏”的功能，相当于给AI装上“眼睛”，以二维视觉输入替代模糊语言描述。20秒视频所承载的信息量远超一句话，反而降低了创作门槛。

“语言它是一维的，从左往右去输入你的需求，但是语言很多地方，特别是游戏这些复杂的玩法，它是描绘不出来的。”

AI不是替代人，而是释放创意：从框架到商业化的阶梯式路径

我们平台设定了一定门槛：开发者需先通关我们设计的入门游戏（通关率约30%），证明其对游戏机制有基本理解。随后发放代币，引导其按六个等级逐步构建游戏——从一级框架游戏起步，逐步填充内容，最终实现复杂商业级作品。这一过程强调：即便在AI时代，创意落地仍需脚踏实地。

我们的核心理念是：AI不是降本增效，而是角色互换。过去做游戏依赖专业分工（程序员、美术、数值师），如今我们让“懂游戏、有想法”的非技术人员也能快速将灵感转化为可玩产品。真正决定游戏价值的，从来不是技术实现能力，而是创意与灵感本身。

“一个游戏好玩，除了它的专业技能以外，更多的核心还是这个游戏的创意跟灵感。”

游戏设计的底层逻辑：人多 vs 画质上限

在游戏开发路径的选择上，存在两种截然不同的价值取向：单机游戏追求画面与体验的上限，因此会明确标注最低配置要求；而网络多人游戏则刻意规避配置门槛——只要设备能打开网页，就能进入游戏。这种设计哲学直接决定了产品的用户广度：“红米就能跑”不是技术炫耀，而是市场策略的核心。正如直播间画面千篇一律却流量惊人，游戏的“火”往往不取决于画质，而在于能否触达足够多的用户基数。我们当前的工具主攻的正是这一“广覆盖”市场，目标是让哪怕没有技术背景的人，在尊重其创意的前提下也能生成可运行的游戏。做游戏有两种典型体验：一种是“我做了个能玩的游戏”，另一种是“我做了个能让亲友一起玩的网游”，后者带来的互动感与成就感更具传播力与商业潜力。因此，我们的产品路径是“先单机、后网游”，每一步都嵌入了可验证的乐趣或经济价值。

“红米就能跑，这就意味着人多，这是核心因素。” “我们现在的工具主攻的一定是这个市场。”

模型策略与生态构建：双轨并行的护城河

在大模型技术路线上，我们坚持“外部模型接入 + 自研模型训练”双轨并行：仅依赖外部模型会导致成本高企、缺乏差异化；而完全自建生态又不现实。因此，我们通过将通用大模型能力拆解为垂类适配模块，在用户无感知的前提下，自动调用最适合当前任务的模型组合。这既保证了效果最优，也构建了真正的技术护城河。国内国外的模型我们都持续接入并保持最新状态，但具体使用哪些模型——尤其是我们自研的差异化模型——属于核心商业机密，暂不便透露。

“AI本身它只是过程，不是目的。” “我们不是在做工具……我们是个生态。”

中美差距与行业本质：为什么美国没有对标者？

尽管中美在AI各领域常同步涌现对标公司，但目前尚无公开可证的、能全流程生成商业化AI游戏的美国企业。原因有三：其一，行业经验与模型能力的“双边人才”极度稀缺——游戏公司受KPI与营收压力制约，难以分心投入模型研发；而大模型公司（尤其是学院派）则普遍缺乏游戏垂类理解。我们选择从三年前开始系统性培养这类复合人才，甚至将现有团队转型为大模型专家，正是为突破这一瓶颈。其二，行业节奏差异：多数玩家追逐“卖token”的快路径，而我们选择“慢下来”，将模型与游戏深度耦合，只为产出真正可上线的产品。其三，游戏本质是艺术创作，而非标准化工业流程。就像迪士尼不做游戏，谷歌也不做——懂文化、懂玩法、懂用户动机，才是护城河。我们不与基座模型厂商竞争，因为我们关注的从来不是用户量，而是产出游戏的质量与独特性。当工具厂商还在比拼调用量时，我们已用一人团队实现了数百小时游玩时长的商业化游戏生成，未来目标是“一人一机一月上线”。

“游戏天生是千人千面的，它就不可能统一一个内容。” “我们比的不是技术……我们是把游戏里面的创作经验和模型技术结合在一起去做这件事情的。”

AI泡沫与商业化本质

当前AI领域存在明显的泡沫争议，有观点指出全球token生产量已远超消耗量，反映出资源分配失衡；尽管近期价格因短期情绪反弹创新高，但长期看，AI成本将逐步回归理性。商业化本身并非泡沫，真正构成泡沫的是非商业化的低质内容产出——无论是视频、图片还是游戏，若缺乏真实价值与用户需求，终将沦为“垃圾”，而垃圾堆积必然形成泡沫。当前AI服务价格多处于补贴阶段，目的是推动用户习惯养成与模式验证；随着市场成熟，成本与价格将向少数高价值场景集中，普通C端娱乐用途因边际效益递减，并非核心市场方向。

现在有几个说法，一个说认为 AI 现在的泡沫很大。

商业化不是泡沫，可能泡沫的是非商业化的内容，也就是说，我们创造出来的，不管是视频、图片还是游戏，都是垃圾，垃圾一定是泡沫。

AI应用重心从C端回流B端

AI的演进路径正从初期的C端爆发式渗透，逐步转向更聚焦、更高效的B端生产力工具定位。这一转变并非退潮，而是成熟——当基础认知普及后，价值将集中于能真正提升生产效率、解决复杂问题的场景。例如在游戏行业，AI若仅用于生成海量同质化内容，将难以持续；但若赋能开发流程（如程序化美术、动态叙事、自动化测试），则可显著降低门槛、释放创意。C端娱乐虽具传播广度，但承载能力有限，若缺乏商业闭环或用户粘性，终将难以支撑长期发展。

如果人人都拥有AI，简单的去做一件事情，还是那个问题啊，它的销售量它没有那么多呀，都是游戏都是视频，它没有地方去承载的。