前两天在 Manus 闹得最厉害的时候，一直存在着这样一种声音：它真的有那么厉害吗？为什么在国外没有什么相关的讨论呢？

国外网友在讨论 AI ，并且是在讨论 AI 游戏。其中，X 用户@levelsio 借助编程工具 Cursor 和 Grok 3 制作了一款模拟飞行的游戏，这款游戏的所有编程工作都是基于生成式 AI 来完成的。

做游戏花了 3 小时，两周就挣了 6.7 万美元。

当然，这并非是哄骗大家即刻就丢下工作去进行游戏。AI 游戏这块有着丰厚利益的领域，早就已经被众多大佬给盯上了。

AI 游戏赛道，越发拥挤

@levelsio 的事迹吸引了马斯克。这不仅是因为在开发过程中使用了 Grok 3，而且是因为马斯克自己也对这个赛道产生了兴趣并盯上了它。

马斯克的 AI 初创公司 xAI 正踏上一条大胆且具实验性的道路，并且在公司内部设立了一个专门用于 AI 游戏的工作室。

在 Grok 3 的发布直播里，展示了 Grok 3 编写简单游戏的方式，比如实时编写俄罗斯方块。

马斯克是个游戏迷。他在 12 岁时写过一款简单的射击游戏 Blastar。这款游戏是受《太空侵略者》启发而创作的。后来，他把这款游戏卖了 500 美元。九十年代，他加入了一家小游戏工作室。在那里，他做过一些基础开发工作。

时光荏苒，已是巨头的马斯克，又开始想起初心了。

这次 xAI 设立了工作室，并且邀请游戏行业的开发者加入，共同打造“AI 生成的游戏”。目前，xAI 的游戏工作室团队规模较为小，大概有 9 名成员。然而，他们的目标是创造出“前所未有的游戏深度与复杂性”。Musk 还提及，他们正在“尝试把照片级画质引入 AI 游戏”。

xAI 的整体愿景在于利用大型 AI 模型，以此来自动生成游戏以及游戏内容。

无独有偶，微软研究院最近发布的新成果，也和游戏有关。

微软的代表性项目为 Project「Muse」，此项目是由微软研究院与 Xbox Game Studios 一同进行合作开发的。

Muse 是一种被称作“世界与人类行为模型”的东西，它本质上是一个神经网络游戏模拟器。Muse 能够学习 3D 游戏世界以及物理规则，从而可以依据 AI 生成符合游戏规则的玩法。

xAI 试图通过直接用 AI 来生成游戏，而微软的目标则是借助 AI 去赋能游戏开发者，以此来提升玩家体验。

微软和 Xbox 合作的计划体现了它是辅助工具而非直接的创意工具，该计划还重现了经典老游戏。

那些游戏因时间和硬件的进步而被遗忘了，Muse 或许能够对旧游戏进行优化，使它们具备适应任何设备的能力，将来能够在任何一台 Xbox 设备上重新展现出来。

都是 AI，但两种路线

xAI 和 Muse 都在用人工智能，但思路却截然不同。

xAI 的目标在于把 AI 生成的游戏逻辑和高保真视觉效果融合在一起。这也就表示生成式 AI 会在用户提示或者 AI 推理的引领下，对游戏创作的诸多方面进行处理，涵盖从代码到美术。

比如，xAI 设想游戏能够进行动态叙事，并且能够实时根据玩家的选择进行适应。AI 策划的挑战会依据个人技能进行调整，同时还有根据玩家互动而不断演变的虚拟世界。

这与马斯克对“游戏”的认知有着密切的关联。他设立游戏工作室，其中一个重要原因是他反感现实问题被投射到游戏中，然后进入游戏。他觉得游戏的本质就是为了娱乐，就应该是用来逃离世界的。

xAI 的策略是通过 AI 来对传统游戏开发进行颠覆。它瞄准的是那些追求新鲜以及想要获得体验感的玩家群体。而微软的重点与 xAI 有所不同。

微软希望通过多方面的合作，以一种更具支持性的方式并且依靠基础设施来驱动，将 AI 整合到游戏当中。

以 Muse 项目为例，微软研究院与 Xbox 进行了合作开发。Ninja Theory 为 Muse 提供了数据。

Muse 训练自 Xbox 游戏 Bleeding Edge，它使用了超过 10 亿帧的游戏画面数据，还使用了对应的玩家输入，这些数据相当于 7 年以上的连续游戏数据。

这使得 Muse 的物理一致性更加可靠，它能够理解 3D 世界与物理，这是 Muse 的一个重要突破。Muse 能够从纯观察数据中学习 3D 游戏环境的丰富内部模型。

微软称：“Muse 的突破性体现为它对 3D 游戏世界有着详细的理解。这种理解涵盖了物理规则，还包含了游戏对玩家行动的反应方式。”这表明 Muse 并非仅仅是创建随机的视觉效果，而是能够生成符合游戏规则的帧。

如果玩家在 Bleeding Edge 里按下跳跃按钮和攻击按钮，那么 Muse 能够生成一个可信的帧序列，这个序列会显示角色在跳跃的同时进行攻击，并且跳跃和攻击效果的物理效果与真实的游戏引擎相匹配。

Muse 当下是一个研究原型。微软已着手思考让它融入游戏制作工作流的办法。游戏设计师能够将其当作创意生成工具来使用。借助 WHAM 演示界面，开发者可以输入 prompt 词。例如，设计师可以输入一个场景和动作的描述，让 Muse 生成一则预览小视频。

这样一来，无需编写代码来制作预览视频，就能够看到大致的效果，将脑海中的想法转化为可见的形式。

未来的游戏，到底在我手中还是在 AI 手中？

这种方式是通过 AI 工具来生成视觉素材，它有很明显的好处。如今，3A 级别游戏拥有很多资产，比如《荒野大镖客 2》，它拥有超过 1000 个独特的 NPC，还有 60 小时的音乐等，其制作成本接近 5 亿美元。

开发者能够把概念美术输入给 AI，在几秒钟的时间里就能获得几十种不同的变体创意，这样做能够有效地提升效率。可以说，不管是对于开发者而言，还是直接针对玩家来说，在未来的游戏制作过程中，生成式 AI 必然会占有一席之地。

2018 年的时候，研究人员在 1000 个人工设计的《DOOM》关卡上对一个生成对抗网络（GAN）进行了训练。之后，AI 具备了自行设计新的可玩关卡的能力。

一个 GAN 原型学习了现有的《超级马里奥》关卡后，能够生成新的关卡。这些新关卡不是随机堆砌的。AI 模型通过对原始关卡的研究，学习到了什么是一个有效或有趣的关卡的规律，比如敌人的排列方式。

2020 年，NVIDIA 的研究人员借助 GameGAN 推动了该技术的发展。他们观看了 50000 次《吃豆人》的游戏回放。以此为基础，生成了一个完全可以玩的《吃豆人》克隆版。也就是说，AI 仅仅凭借屏幕上的视觉以及玩家的输入，就推断出了游戏的关卡设计逻辑和规则。

那么问题出现了：当你知晓在一款游戏中，有着数量众多的由 AI 生成的场景、规则，甚至还有台词对话时，你还会有想要玩这款游戏的想法吗？

去年，动视暴雪的《使命召唤：黑色行动 6》这款游戏遭到了玩家和粉丝的强烈批评。在加载页面中，有一个僵尸圣诞老人，这个僵尸圣诞老人出现了六根手指。

还有一些其它细节，从表面上看，都让人怀疑是否使用了 AI。其中《吉他英雄 3》也被发现存在很重的 AI 生成的痕迹。

动视暴雪的母公司在今年一月被直接促使，对 AI 披露政策进行了修改，要求开发者要明确写出在游戏制作中所使用的 AI 工具。

暴雪的玩家显然是不买账的——就这？

但是在另一边，有 fly.Pieter 是全 AI 制作的。它狂赚了六万刀。广告是它的主要收入来源。购买高级机型也是需要花费金钱的。

这反映出一种新的价值博弈：玩家到底是在为开发的过程进行付费呢，还是在为成品付费呢？倘若只是对成品付费，那么过程还重要吗？AI 是否也可以这样呢？

游戏开发的价值是否会发生改变呢？玩家又会怎样重新给这种体验赋予价格呢？

毕竟，“玩得开心”不是一个能通过按计算器算出来的固定数值。它是专属于每个人的一种“心理价值”。