全AI技术3A游戏长这样？镜头如“万花筒”引群嘲，潜力大还是灾难？

【GameLook专稿，禁止转载！】

GameLook报道/近日，人工智能初创公司HyperWrite的首席执行官（CEO）马特·舒默（MattShumer）在X平台上发布了一段视频，并配以“AI游戏未来会超棒”（AI games will be amazing）的激昂文字。

然而，这段被CEO寄予厚望、视作骄傲成果的演示，在广大网友和业内人士眼中，却呈现出另一番景象：一个充斥着明显BUG、物理效果诡异、视觉观感极不自然的AI生成世界。

在HyperWrite公司CEO发布的这段演示视频中，观众以第一人称视角在一个3D环境中移动。然而，这个“世界”的构建显得相当粗糙。视频中的场景切换生硬，物体边缘模糊，纹理细节缺失且极不稳定。

更令观看者感到不适的是其严重缺乏逻辑的物理表现：角色可以轻易穿过墙壁和物体，移动感知如同在无摩擦的表面“漂移”，光影效果混乱，整个世界的连续性和稳定性几乎不存在。

尽管视频效果不尽如人意，该CEO仍然宣布，计划在一到两周内将相关项目开源。

马特·舒默在配文中表达了对这一成果的兴奋，并预告了即将到来的开源。但这条推文的评论区，迅速成为了大型“吐槽”现场。

一部分网友毫不客气地指出，这个演示的质量甚至不如上世纪90年代的电子游戏。

有评论讽刺道：“我们应该停止为这些人送钱了”“AI投资是什么洗钱的骗局吗？”

这些批评声音普遍认为，该视频所展示的“AI生成”水平，与公众对“AI游戏”的期待相去甚远，CEO的自豪显得有些“不合时宜”。

当然，也有另一部分观点认为，尽管视频效果“惨不忍睹”，但其背后的技术探索值得关注。支持者表示，这可能只是一个非常早期的技术原型（v0.1），其意义不在于当前的视觉呈现，而在于AI“试图”实时生成一个可交互的3D空间，以及最近几年以来，AI在想各领域的飞速进步。

不过在GameLook看来，HyperWrite的这段“翻车”视频，如同一面镜子，清晰地折射出当前AI大模型在模拟复杂虚拟世界时所面临的严峻技术瓶颈。

首先是“世界模型”的构建难题。当前的AI模型，无论是文本还是图像生成，大多是在2D层面或非连续性数据上取得突破。但一个“游戏世界”是一个连续、自洽、符合逻辑的3D空间。AI不仅要生成一帧一帧的图像，更要理解并维持这个空间的“一致性”——当玩家转身时，身后的场景必须与转身前保持逻辑一致。

而视频中频繁出现的场景错乱和物体“闪烁”，正是空间一致性缺失的直接体现。

其次，是对“代码环境”与“物理逻辑”的模拟。一个游戏不仅仅是视觉的堆砌，其核心是一个复杂的代码环境，包含了物理引擎、交互规则、AI行为逻辑等。目前的大模型并不真正“理解”牛顿定律。

HyperWrite演示中的“穿墙”和“漂移”，表明AI未能成功模拟最基本的碰撞检测和摩擦力。AI需要从“生成像素”跃升到“生成规则”，这是一道极难跨越的鸿沟。

此外，3D空间细节的处理能力依然孱弱。高精度的3D建模、复杂的光影追踪、细腻的纹理渲染，这些在传统游戏引擎（如Unreal或Unity）中已经成熟的技术，对于生成式AI而言仍是巨大的计算和算法挑战。AI生成的3D世界目前普遍存在“模糊”、“失真”和“缺乏细节”的问题。

即便AI算法层面未来取得了突破，要将“AI游戏”从概念变为流畅的玩家体验，硬件层面的制约同样不容忽视。AI游戏的运行逻辑，可能意味着对计算资源的“无底洞”式需求。

当前，生成一张高质量的AI图片尚需数秒乃至更久，而一个流畅的游戏体验至少需要每秒稳定渲染60帧（60 FPS）。这意味着AI模型必须在约16毫秒内完成一次“世界生成”或“场景迭代”的完整计算。

这种实时性的高并发计算需求，对现有的硬件提出了空前的挑战。

硬件能力的短板体现在三个方面：其一，是强大的算力。运行驱动整个游戏世界的大模型，需要极其庞大的VRAM（显存）和顶尖的GPU运算核心。

其二，是海量的存储空间。这些AI大模型本身动辄数十甚至上百GB，远超传统游戏的大小。

其三，是超高速的带宽。如果AI游戏依赖云端计算（这在早期几乎是必然的），那么玩家的每一个操作都需要被瞬时上传到云端，服务器计算出新的世界状态后再实时回传到玩家屏幕上，这对网络延迟和带宽的要求将远超现有的云游戏服务。

可以说，硬件能力、算力成本、存储技术和网络带宽，共同构成了决定AI游戏体验的“木桶短板”，任何一块的缺失都将使“实时生成”的体验大打折扣。

云游戏目前尚且都是小众选择

不过尽管HyperWrite的演示遭遇了群嘲，但业界对于AI游戏未来的探索并未停止。以微软的MUSE项目和腾讯的混元大模型为例，它们代表了AI在游戏领域更具现实意义的切入点。

例如，腾讯的混元模型在3D内容生成方面展现了潜力，能够根据文本或图片生成3D模型。微软的MUSE则在2D资产的快速生成与编辑上表现出色。这些进展，更类似于好莱坞电影技术从实体特效向计算机生成图像（CGI）的革新。

在CGI技术诞生之初（如电影《侏罗纪公园》），它并非用于“生成”整部电影，而是作为一种高效的工具，用来制作传统手段难以实现的“特效资产”（如恐龙）。

同理，AI在游戏领域的短期未来，更可能扮演“超级工具”或“开发副驾驶”的角色。AI可以帮助开发者快速生成海量的游戏资产（如建筑、道具、角色服装），或辅助进行代码编写和BUG修复，从而极大提升开发效率、降低成本，而不是一步到位地“实时生成整个游戏”。

从这个角度看，AI游戏的实现路径将是漫长且循序渐进的：首先是AI辅助资产制作，然后是更高级的“程序化内容生成”（PCG 2.0）——例如AI根据玩家行为动态调整关卡布局或生成支线任务。

至于如HyperWrite演示中那般，由AI实时“梦想”出一个完整、自洽、可交互的世界，则是一个更为遥远的终极目标。

而在GameLook看来，HyperWrite CEO的“翻车”事件，还最终指向了一个核心问题：AI游戏到底应该是什么样的？

当前AI生成的内容，在很大程度上依赖于“随机性”。它可以生成一万个不同的地牢，但很难保证其中任何一个地牢是“有趣”的。优秀的游戏体验（如《战神》的关卡设计或《最后生还者》的叙事节奏）来源于开发者精妙的“设计感”——一种对玩家情绪、挑战和奖励的精确把控。

AI目前尚不理解什么是“乐趣”，也无法进行真正意义上的“关卡设计”。这导致了目前AI生成内容普遍存在的“空洞感”和“重复性”。

HyperWrite CEO所展示的，或许是他眼中“AI游戏”的雏形，一个充满无限可能性的、由算法驱动的世界。但公众所看到的，却是一个缺乏灵魂、错误百出的技术演示。

马特·舒默承诺的开源，或许能为社区提供一个观察AI生成世界早期形态的窗口，但也再次提醒所有人：从一个Bug频出的“技术演示”到一个“超棒的”AI游戏，其间的距离，远比几行代码或几周时间要遥远得多。

这条赛道不仅需要算法的革新，更需要硬件的飞跃，以及对“游戏设计”这一核心艺术的深刻理解。