Show Notes
这期节目，我们在外地连线录制，赶在时效性彻底失效之前，紧急聊了聊过去两周AI圈和游戏圈最炸裂的几个事件。从月之暗面突然放出的开源模型Kimi3，到Steam上AI游戏的真实生存报告，再到比亚迪杀入机器人赛道、长鑫上市震动全球存储芯片格局——我们在这一片喧嚣中，试图找到那些真正值得关注的信号。 Kimi3：国产开源模型的“核弹”，还是算力饥饿的猛兽？ 月之暗面发布的Kimi3模型，无疑是过去两周最重磅的消息。这款开源模型在编程和长程任务上的表现，让不少深度测试者给出了“介于Claude 5.5到5.6之间”的评价，几乎追平了目前最强闭源模型的水准。我们有朋友用Kimi3一句话生成了一个包含服务器端和多人在线的完整游戏，虽然bug不少，但整体可用度令人惊讶——要知道，同样的工作量如果用Claude来做，光是API费用就可能让人望而却步。 Anthropic的CEO在国会听证会上酸溜溜地暗示Kimi3可能“蒸馏”了他们尚未发布的模型，这番言论本身就成了一个反向认证：如果它真的很差，根本犯不着用这种话来贬低。事实上，多位实际用上的测试者反馈，Kimi3的表现绝不仅仅是简单的蒸馏，它有自己扎实的技术积累。 不过，Kimi3并非没有短板。由于算力极度紧缺，普通用户根本买不到服务——月之暗面的高级会员套餐几乎是瞬间售罄。即便是用上API的人也会发现，Kimi3在长程工作过程中会产生大量自我对话式的“废话token”（比如“我要努力工作了”“这一步需要重新思考”），这使得它的实际使用成本并不像表面标价那么便宜。但对于有能力自建算力的公司来说，开源就意味着无限可能——只要买得起硬件，就可以自己跑。 另一个有趣的动向是，Kimi3修改了其开源许可证：如果你通过部署该模型获得了超过一定金额的年收益，就需要公开声明使用了K3模型。这种“开源但不免费商用”的模式，或许会成为未来AI开源生态的一种新范式。 Steam AI游戏报告：残酷的现实与幸存者的秘密 一份关于Steam上AI标签游戏的深度报告让我们感触很深。报告的结论毫不留情：凡是打上AI标签的游戏，几乎都卖不动。具体来说：
定价陷阱：AI标签游戏绝对不能卖高价，否则必死；
头部效应极端：1%的游戏占据了90%以上的收入，绝大多数游戏收入为零或可忽略不计；
一次性产品：AI游戏几乎无法推出DLC，缺乏持续运营能力；
“垃圾”标签难以摆脱：AI游戏被认为是廉价、劣质的代名词，市场用脚投票。 但报告也推翻了一些固有认知：并非所有AI游戏都是劣质品。有些游戏可能只是用了少量AI生成的素材（比如一两张图），其余99%都是纯手工制作，但因为诚实地贴上了AI标签而被归入同一类别。这说明市场对AI的态度是复杂且带有偏见的。 我们从这份报告中推导出一个更深刻的结论：像AstroKid、K399这类纯AI生成游戏平台，前景堪忧。如果连Steam上那些认真制作的AI游戏都难以盈利，那么这些以“一句话生成游戏”为卖点的平台，凭什么吸引玩家？唯一的可能性是“创造即游玩”——用户享受创造过程本身的乐趣，就像在《我的世界》里搭房子一样，不为出售，只为自娱。这条路径或许可行，但商业模型完全不同。 AI对游戏行业的真实冲击：创意岗位最先沦陷 一组调研数据很有意思：52%的游戏公司已经在使用AI，但同时也有52%的游戏从业者认为AI对行业有害。这种“身体诚实、嘴上骂娘”的矛盾状态，揭示了一个深层焦虑。 最令人意外的是，AI替代的第一波岗位并不是程序员或重复性劳动，而是创意型工作——原画、叙事、剧情、内容策划。在过去，这些工作是项目组少数核心成员把控的“黑箱”，质量极不稳定，难以管理。AI的出现让创意生产变得“可及格化”：你可能找不到一个靠谱的编剧，但AI能稳定地产出60分水平的故事。这对于追求确定性、控制成本的商业公司来说，诱惑力巨大。 但代价是什么？当创意可以被批量生产，那些真正异想天开的、突破性的想法，它们的生长空间就会被挤压。正如一位同行所说，游戏行业本质上是一个创意行业，它需要的是“不一样的东西”，而这恰恰是AI做不到的。当商业理性压倒一切，行业可能会陷入一种平庸化的泥潭。 不过我们也觉得，玩家的眼睛是雪亮的。批量生产的及格线作品，就算不打AI标签，玩家也能一眼看出来。最终的市场选择会让那些真正用心做游戏的公司活下去，而那些只想用AI降本增效偷懒的，迟早会被淘汰。 开源时代的赢家：Taptap制造与心动网络的Agent策略 在AI生成游戏的浪潮中，什么样的商业模式才是正确的？我们觉得心动网络的思路值得点赞。 他们没有去做一个像K399那样的AI游戏生成平台，而是做了一个专门生产游戏的Agent。这个Agent让用户可以更方便地用自然语言描述自己的想法，然后自动生成游戏。这背后的逻辑是典型的互联网跑马圈地：先用免费的工具让用户用起来，用习惯了就不会自己去折腾别的管线了，商业化是后面的事。 更重要的是，心动网络拥有完整的生态闭环：Taptap发行平台、编辑推荐体系、自研团队。这意味着他们可以在某个品类上不断积累数据，把品类模型越练越好。就像Cosmic Lounge把休闲游戏规范化、C-Dance把视频模板化一样，如果Taptap制造的Agent在某个品类上被反复使用，背后的品类模型就能形成正反馈，变得越来越聪明。虽然目前还没做到这一步，但我们觉得这条路是对的。 大模型御三家的新动态与芯片战争 除了Kimi3，其他几家大厂的动作也值得一说。 OpenAI发布了Opus 5，实际体验下来跟Claude差别不大，更像是找了个理由把Claude的价格降了一半。但即便如此，多数人还是觉得Kimi3更好一点点——虽然只是一点点，但考虑到价格差距，Kimi3的性价比优势很明显。 Claude最近两周没有大更新，但身边越来越多的人觉得Claude 5.6用起来更爽，尤其是对不会编程的小白用户来说，体验非常好。Grok 4.5据说跟Kimi3水平差不多，而且巨便宜，但我们还没来得及仔细对比。 谷歌Gemini这波明显落后了，推出的Flash版没什么存在感，被大家吐槽得不轻。但他们新出了一款专为Gemini设计的TPU芯片，据说能提升五六倍甚至七八倍的推理效率，这个值得关注。 说到芯片，长鑫上市的消息震动了整个行业。市值一度超过工商银行成为A股第一，同时引发美股存储芯片板块大跌。这背后的逻辑很简单：中国人一旦开始玩命扩产，最终一定会把价格打成白菜价。光伏、光刻机都是前车之鉴，但存储芯片的玩家们似乎永远不长记性。 DeepSeek的野心：从模型到芯片，梁文锋的战略蓝图 DeepSeek最近也传出要做芯片的消息，我们对这件事非常期待。DeepSeek一直以来都以“贴近硬件”著称——当年DeepSeek时刻之所以能出现，一个重要原因就是他们绕过了CUDA，直接用汇编级别的方式做优化。如果他们把这种能力延伸到芯片设计上，想象空间很大。 梁文锋在一次投资人会议上的四小时讲话录音被泄露，随后他霸气宣布暂停所有参与泄密投资人的融资资格。我们认真看了那份讲话，确实干货满满。他说CUDA的护城河正在松动——用AI写一套替代CUDA的接口，分分钟就能搞定。他还说AI最终比拼的是结构性的成本优势，开源+便宜才能带动硬件生态。他甚至直言视频生成、3D、世界模型这些方向“跟智能上限无关”，坚决不做。这种纯粹以AGI为目标的愿景驱动，在今天的AI行业里确实少见。 他说中美AI只差一年，主要差在芯片上。他还说自己的公司没有KPI、不加班，全靠愿景驱动——这在今天的企业界简直是天方夜谭，但他做到了。 老程序员逆袭的时代？年轻人与AI的悖论 斯坦福数字经济实验室的一份报告揭示了令人震惊的趋势：22-25岁的美国软件工程师正在经历近十年最悲惨的时光，他们的薪资曲线从2023年的100分位降到了75分位；而41-45岁的程序员薪资却从同一起点涨到了125分位。里外里差了整整一倍。 为什么会这样？一组数据提供了线索：在工作中使用AI的比例，高管层高达40%-50%，而基层工作者只有20%左右。基层工作者的日常工作相对简单，用AI的意义不大；而高管的工作内容繁杂，AI能发挥的作用更大。这导致了经验丰富的老员工借助AI实现了效率跃升，而年轻人反而因为缺乏“当领导”的经验——不知道怎么给AI这个“下属”发号施令、怎么纠正它的错误——而没能充分利用AI工具。 这跟我们一年前的设想不谋而合：在AI时代，经验的价值可能会被重新评估。那些懂得如何管理、如何提出正确问题、如何判断AI输出质量的人，反而成了稀缺资源。 比亚迪造机器人：最合理的跨界 比亚迪入场做人形机器人的消息，让我们觉得既意外又合理。意外的是他们怎么才做，合理的是没有人比他们更适合做这件事。 比亚迪有自己的工厂，产线上本来就大量需要机器人，场景就在那里。不像某些公司造机器人是为了在春晚跳舞，比亚迪的机器人可以直接在自己的车间里干活，成本能摊薄，场景能验证。相比之下，小鹏的人形机器人虽然造型妖娆，但我们更看好比亚迪这种务实的路线。 匈牙利前外长入职比亚迪的新闻，乍一看像是AI生成的假新闻，但仔细想想，这不就是中国实力的一种体现吗？换成“匈牙利前外长入职福特”，你会觉得理所当然。中国企业在国际舞台上的角色正在发生变化。 生活在转折点 过去两周发生的事情太多了。放在两三个月前，我们绝对不会相信中国的开源模型能达到今天的高度——那时候我们还天天吹Claude多好用、Codex多强大。而现在，一切都变了。 最新的全球民调显示，喜欢中国的人数首次超过了喜欢美国的人数。微观层面也有很多迹象：澳大利亚的态度转变、匈牙利前外长加入比亚迪、长鑫上市震动全球……很多分叉
More from UV相对论
这一期我们继续聊《权力为什么只为某些人所拥有》这本书，进入了全书最“实操”也最颠覆常识的章节——第七章。如果说前面几章还在讲人际关系、资源交换这些相对温和的权力获取方式，那这一章就直接摊牌了：想要权力，你得会演。 为什么权力必须靠演？因为没人天生会当领导 你第一次从小员工升到小组长，不知道怎么当；从小组长升到经理，还是不知道；升到总监、VP，依然不知道。每一次晋升都是第一次，没人教过你那个位置上应该怎么做。 但你如果在还没升上去的时候不像个领导，没人会升你；升上去之后你露怯，也坐不稳。唯一的解法就是：先演出来。Fake it until you make it，这句话硅谷说烂了，但能做到的人不多。 美国总统选举的数据很直白：当选的人普遍更高、更帅——跟治理能力没关系，但跟“看起来像领导”有关系。泽连斯基从演员到总统，演着演着，大家就信了。这不是偶然。 古今中外都在说同一件事：表演是权力的基本功 这一章的理论部分横跨东西方，你会发现共识惊人。 马基雅维利在《君主论》里写：每个人都能看到你表面的样子，很少有人能感知你实际是什么样的人。君主必须看起来仁慈、守信、人道、正直和虔诚，但必须准备好随时做出相反的行为。最重要的是看起来有美德，而不是真的要有美德。 社会学家欧文·戈夫曼提出拟剧理论：所有的社会互动都是一种表演，每个人都有前台和后台。如果每个人都表里如一，那才吓人。 韩非子讲得更直接：明主之所导制其臣者，二柄而已。二柄者，刑德。领导者不仅要掌握赏罚，更要通过“术”让臣子摸不透你的真实意图。你一旦让别人知道你喜欢什么，底下的人就会投你所好——宋朝皇帝喜欢太湖石，沿路的桥都被凿了运石头。 李世民的表演段位更高：玄武门之变杀了两个哥哥、囚禁了自己父亲，这是大逆不道的事。但他没有掩盖，而是让史官如实记录。与其藏着掖着被人指脊梁骨，不如显得自己仁德、敢于直面历史。刘备摔孩子也是这个路数——演给赵云看的，换来的是鞠躬尽瘁。 普京的表演是另一种风格：习惯性迟到，动辄一小时两小时，所有人都得等着。迟到本身就是一种权力宣告——我比你重要，所以我有资格让你等。 六大表演原则：每一步都是反直觉的 这一章最实用的部分，是作者给出的六条具体行动指南。 原则一：表现出信心，即使你不知道自己在做什么。 年底做计划，一个人斩钉截铁说“绝对完成”，另一个人支支吾吾说“大概90%把握”。老板更喜欢哪个？答案是前者。因为信心不是来自你真的有把握，而是来自你敢不敢先把自己架上去。这种信心要细水长流地表达——不是只在关键时刻演，而是在日常每一次对话中积累“这人靠谱”的印象。活儿交给他放心，不是因为他的方案多完美，而是因为他从来不说“我不确定”。 原则二：留意你的观众。 和人交谈时放下手机、合上电脑、专注对视。你以为一边回邮件一边聊天显得你忙、显得你重要，但对方会觉得你只是个干活的——真正有权力的人是端杯茶看报纸的那个。 附赠一个极其实用的技巧：重复对方的话。不需要表达任何观点，只需用自己的语言复述对方的话。对方会觉得你特别懂他，产生强烈的共情感。同时这个方法强迫你必须专心听——你不专心，你怎么复述？ 原则三：表现出愤怒，而不是悲伤和悔恨。 这是最反直觉的一条。研究数据显示，人们会下意识地把爱发脾气的人和有权势的人划等号。因为你地位高，所以你有资格暴跳如雷。 悲伤和悔恨是弱势情绪，藏起来，回家关小黑屋自己消化。但在合适的时机，故意表现出愤怒——这能帮你建立专注和自信。吕星分享了一个亲身经历：小时候独自去英国留学，面对完全陌生的环境和语言，心里害怕极了。但他给自己注入了一种愤怒——“你们这帮资本主义国家，我来就是批判你们的”。靠着这种劲头，后背立起来了，整个人就不怂了。 具体场景：谈薪水的时候。与其支支吾吾说“希望能考虑一下”，不如适当表现出愤怒——“这个数字太低了”。你没说要走，但你的愤怒会让对方反思是不是真的给少了。 原则四：注意你的姿势和手势。 笔直站立，挺胸抬头，向前靠近半步制造压迫感，手势简短有力，直视对方的眼睛。权力姿势理论（Power Pose）已经被无数产品发布会验证过——上台的人永远身体打开、双脚一前一后、占据更多空间。 直视对方眼睛有难度的话，看他的鼻梁或眉心。盯着眼睛说话会让对方不自觉地说实话。吕星说，给人看塔罗的时候，对方不说实话，他就立刻聚焦对方的眼睛——百试百灵。 原则五：使用记忆来获得所需的情感。 当你需要表现出某种你没有感受到的情绪时，回忆一段曾经让你有过这种感受的经历。想表达愤怒，就想小时候被人欺负的场景；想表达自信，就想自己最得意的时刻。这是斯坦尼斯拉夫斯基表演体系里的“情感记忆”法，演员管这个叫方法派表演。 原则六：设置舞台和管理环境。 你的表演需要一个合适的环境来支撑。为什么律所都在最贵的写字楼里？因为客户不会为廉价办公桌付费。为什么每任美国总统都要重新装修椭圆办公室？因为那是他的主舞台。特朗普喜欢金色，就全换成金色；拜登换回来，特朗普回来再换回去——每一次装修都是一次权力宣示。 约人吃饭求人办事，你也会选一个合适的餐厅。道理一样。 进阶技巧：沉默、打断与质疑前提 除了六大原则，书中还补充了几个高阶操作。 拥抱沉默。 当你心慌、不确定、忘词的时候，不要急着开口。沉默几秒钟，台下的人可能会以为你在思考深刻的道理，甚至带头鼓掌。周总理接见斯诺的录像里，那种停顿的气场，看一眼就懂了什么叫掌握权力的人。 策略性打断。 在关键时候用一下就好，不要频繁使用。打断的目的是显示你的掌控力，用多了只会让人觉得你没教养。 质疑讨论的前提。 当大家都在争论选A还是选B的时候，你跳出来问“我们为什么要讨论这个问题”——瞬间升维，显得你高人一级。这招在辩论里叫“升维打击”，也是你跟AI对话时天天用的“第一性原理”。 丘吉尔的逐字稿。 看似随意的即兴发言，往往是提前写好逐字稿并背下来的结果。让AI帮你写出极具说服力的稿子，逐字背熟，然后在看似不经意的场合“随口”说出来。销售有话术本，电诈有剧本，都是同样的道理——下死功夫，但有效。 这一章的核心只有一句话：会演比会做更重要。不是让你放弃做事，而是告诉你，在权力的游戏里，做事只是入场券，表演才是晋级赛。下一期进入第八章——如何建立自己的声望。
2017年，Dean Takahashi采访了老许，写下乐游从鸡肉生意转向三A游戏发行的故事。九年后，提问的人换了位置。这次，老许邀请Dean重新看看中国与全球游戏行业：当年围绕免费游玩、服务型游戏的分歧，为什么又出现在AI上？ Dean Takahashi现任GamesBeat编辑总监，长期报道科技与游戏行业，著有《Opening the Xbox》和《The Xbox 360 Uncloaked》。这场对话里，他把期待放在能够带来意外的小团队身上；老许则继续追问：即使人人更容易做出游戏，掌握流量的平台会不会变得更强？ 投资者想要持续收入，玩家却未必需要另一款服务型游戏。 从《Warframe》聊起，两人回顾免费游玩如何改变游戏的受众和经营方式。Dean指出，成熟产品能让玩家不断回来，不代表每个挑战者都能复制这门生意。投资者期待稳定现金流，开发者希望尝试新创意，玩家又常常回到熟悉的系列。服务型游戏的成败，就发生在这些相互牵制的需求之间。 AI争议背后，还有过去几轮技术热潮留下的不信任。 老许带来ChinaJoy与Gamescom现场的反差：有人公开交流怎样用AI，有人急着证明自己没有使用AI。Dean把这场争论放回元宇宙、区块链等既往热潮里看——玩家担心的，包括资本的新故事能否真正带来更好的游戏。对话也谈到西方团队在代码安全、内部概念设计和新玩法上的尝试，呈现出比“支持或反对AI”更具体的变化。 “哺乳动物”为什么可能成为大厂的威胁？ Dean转述一位小公司CEO的比喻：大厂真正该担心的，是那些不断带来惊喜的“哺乳动物”。老许看到的机会，是设计师可以更快把想法做成原型，验证过去需要多人协作才能尝试的东西。崇祯题材的历史模拟游戏提供了一个有趣例子：AI忘记皇帝交代的事情，放进臣子敷衍皇帝的叙事里，反而可能成为玩家接受的体验。新工具的价值，也取决于设计者怎样使用它的局限。 玩AI的乐趣，能不能变成一种新游戏？ 老许发现，自己和朋友花了大量时间、Token做AI实验，没因此赚钱，却玩得很开心，甚至挤掉了打游戏的时间。Dean把这种体验拆成创造、发号施令和持续获得正反馈——这些本来就是游戏设计熟悉的东西。AI除了改变制作流程，也可能带来新的娱乐需求。两人还讨论了一个更远的设想：如果AI承担更多工作，人们会怎样使用多出来的时间，以及社会保障赶不上变化时可能出现的困难。 记者的价值，是把不同地方的视角带回来。 从为什么选择报道游戏，到采访黄仁勋、安迪·格鲁夫的往事，Dean谈到那些改变过行业方向的人，也谈到自己怎样形成判断。他希望GamesBeat能够连接更多地区的游戏社区，让当地的人讲述当地正在发生的事情。在他看来，走出去、听不同的人说话，才能发现一个行业习以为常的叙事之外，还有什么正在发生。 做游戏的门槛降低后，分发的门槛会不会更高？ 谈到未来五到十年，Dean期待AI和用户生成内容让更多“小人物”获得机会。老许提出另一面：当作品供给越来越多，决定谁能被看见的平台，是否反而拥有更大的权力？Dean借用《侏罗纪公园》里的比喻回应：生命会寻找出路，游戏和玩家也可能找到新的传播方式。创作能力的普及，能否进一步带来被看见和靠作品生存的机会，成为这场对话最后的悬念。 时间戳 00:03 九年后交换提问的位置：从乐游的鸡肉生意聊起 03:19 免费游玩曾经怎样划分东西方开发者的经验 06:30 重金投入服务型游戏，为什么复制不出同样的成功 09:13 乐趣、成瘾与注意力：增长压力怎样改变游戏 11:58 从元宇宙、区块链到AI，玩家为什么不信新故事 14:38 岗位在全球重新分布，游戏业的重心怎样变化 16:48 Xbox该先守住老系列，还是继续投资新IP 18:48 “我们是哺乳动物”：小公司为什么觉得大厂更该担心 20:35 AI忘了圣旨，为什么反而能成为游戏机制 24:07 生成角色、指挥机器人：AI怎样进入玩法本身 26:03 用视频展示设计意图，游戏原型的沟通方式变了 28:03 “游戏更好玩”：Dean为什么从科技报道走向游戏 30:13 如果AI承担更多工作，人们会把时间花在哪里 32:40 眼镜与生物计算：游戏之外，他还关注哪些技术 35:35 从快速判断到训练数据，游戏怎样反过来帮助AI 37:17 烧Token做实验，为什么会比打游戏还好玩 40:58 AI翻译能否让中外开发者更容易对话 43:02 本想当驻外记者，最后通过游戏走遍世界 45:27 从黄仁勋到安迪·格鲁夫：Dean记住了哪些转型故事 48:18 走出自己的泡沫，为什么需要不同地方的视角 50:21 “我希望小人物赢”：UGC与小团队的未来 52:04 人人都能做游戏后，平台会不会控制更多流量 54:07 下一本书写什么？先去和足够多的人交谈
科隆播片不只是在比谁的画面更大、IP更响。本期我们继续看一批新作，也把问题落到项目选择上：创作者要不要沿用前作玩法？知名授权能否支撑一个特定品类？小团队想做高规格单机，又怎样不把公司的资源一次押尽？ 从《以撒的结合》创作者的新作，到权游RTS、模拟器和《瘟疫传说》新作，我们聊到几种不同的经营思路：IP可以保留辨识度、但换一种玩法；细分品类未必需要追热点，也能靠长期迭代形成生意；而制作规模越大，越要看团队擅长什么、风险有没有缓冲。节目中也讨论了商业化提示是否出现得太早，以及老牌公司的IP怎样继续经营。下面涉及的判断是节目讨论，不等于对相关项目表现或公司经营数据的外部核验。 续IP，不等于重复玩法。 从《以撒的结合》创作者的新作谈起：辨识度可以延续，玩法也可以另找新鲜感。
本期来自一场论坛的第三场对谈，主题是“从玩游戏到造游戏”。老许与两位分别从三维生成工具和 AI 原生游戏世界出发的从业者，讨论 AI 进入游戏后，玩家能否不只消费预制内容，还能通过自己的选择影响接下来的体验。 老许先谈到几年前尝试将动画制作流程 AI 化的经历：技术当时还不足以满足 IP 内容对细节和质量的要求。讨论由此进入两个相连的问题：AI 能否真正进入游戏生产流程？它又能否让游戏世界根据玩家的行为继续演化？ 游戏经验与 AI 理解，需要在同一个产品里相遇 圆桌谈到两种常见的能力断层：懂 AI 的团队未必有判断“好不好玩”的经验；来自游戏行业的团队，也未必知道如何把 AI 的底层能力融入产品。AI 原生游戏要跨过这道坎，关键在于把技术能力转成玩家能感受到的体验。 三维生成工具，要进入完整的生产流程 从文字或图片生成模型只是起点。嘉宾还介绍了模型编辑、细节控制、拆分和场景生成等工作，并讨论通用模型与专业三维工具的关系：模型能否被修改、复用，能否接入游戏或工业流程，决定了它是否真正解决生产问题。 AI原生世界，让玩家的交互继续生成内容 一位嘉宾介绍了 AI 原生游戏世界的设想：玩家可以和 NPC 交谈、打断原有剧本，自己的选择也会影响后续内容。产品仍需要主线和边界，但内容不必全部预先写死，而是由预设设计与 AI 的泛化能力共同推进。 玩家行为，也可能成为新的训练数据 游戏里的数据不只是评分或“喜欢/不喜欢”。玩家走向哪里、在某个情节前停留还是离开，都可能暴露偏好。嘉宾设想，玩家在获得体验的同时，也为 AI 提供关于行为和因果关系的数据，让之后生成的内容更贴近个人需求。 模型进步之后，机会还要回到体验和经营 讨论最后转向未来预测：实时生成内容和空间智能可能继续发展，三维生成领域也会面对商业化筛选。嘉宾同时提醒，游戏市场的规模有限，AI 团队还需要找到更广的应用空间。以上属于现场嘉宾的判断与预测。 时间戳 01:55 老许回顾动画流程 AI 化：IP 粉丝对质量有多敏感 04:24 AI 原生游戏世界：交互会生成后续内容 06:47 三维生成从工具走向产品：团队如何经营 09:22 文本编辑、贴图和递归拆件，怎样进入制作流程 11:03 免费生成、下载收费：工具如何打开市场 13:17 从“AI产品”到“一款游戏”：先定义用户体验 15:31 NPC 可以被打断，开放世界从预制走向演化 17:11 玩家交互会改变内容，也可能成为模型反馈 18:51 GPT 接入 Blender 后，专业三维工具会被替代吗？ 20:18 通用模型能做桌椅，为什么人物建模仍有差异 22:06 从模型生成到游戏与工业流程：工具如何打通工作流 24:11 工业用户、UGC 与 PUGC，对可控性的需求不同 26:32 从单个模型到完整场景：物理属性如何进入生成 29:01 玩家边获得乐趣，边为 AI 产生数据 31:29 行为数据不只标记偏好，还试图解释偏好的原因 33:01 未来一年：实时生成内容可能改变消费方式 35:00 空间智能提升后，AI 能带来什么新体验？ 36:15 三维生成市场的商业化分化与筛选 38:03 游戏市场之外，AI 团队还要寻找多大的空间
一个月没聊AI，再回头看，连我们自己的工作方式都变了一轮。本期从内容制作、模型分工和复杂知识库的实际经验聊起：哪些任务值得用最强模型，哪些判断可以交给便宜模型？当这些能力越来越容易调用，专门做某个AI功能的创业公司，又靠什么守住生意？我们沿着这些问题，聊到个人助手、游戏制作和科研，最后把账算到算力投资、就业与公共财政。 性价比，要放进完整工作流里算。 老许分享了多平台内容制作的实践：一段访谈要出横版完整版、竖版切片，还要翻译、对口型，并适配不同平台的发布要求。模型能回答问题，只是其中一步；能否调用工具、持续完成任务、减少返工，才决定这条流程最终花多少钱。我们也讨论了客户端配套的工具环境与直接调用API的差别，以及为什么跑分和真实使用感受可能相距很远。 模型怎样分工，比单看谁最强更有用。 老许让Codex当监工，把执行任务交给不同模型，甚至让它们并行完成同一份工作。另一项四十多万字知识库的整理，则展示了复杂任务对统筹和推理能力的要求。节目中被称为“哑巴模型”的Jev，输出的是结构化判断与概率，可以承担筛选、分类和路由等环节。我们由此讨论：哪些工作需要深入思考，哪些只需要一次明确判断，以及分工怎样改变整个应用的成本。 功能有用，和生意能守住，是两道题。 一个新模型、一个个人助手，可能很快展示出价值，也可能很快遇到大厂补齐同类能力。我们从判断模型延伸到三维建模、世界模型和个人助手，追问私有数据、模型能力、用户关系分别能形成多高的门槛。Agent的落地还受到软件生态影响：邮件、日历和浏览器能否接入，平台愿不愿意开放，都会决定一个助手真正能帮用户做多少事。 游戏制作的门槛在变，作品仍要接受玩家检验。 从AI辅助制作MOD，到桌面宠物的改造和陪伴玩法，我们讨论了技术能力普及后，创意与手艺的价值如何重新分配。AI实时生成画面、充当渲染引擎，也带来了另一笔运行成本账。聊到《不问凡尘》时，我们把注意力放在制作方式、团队成本和玩法体验上：AI能帮助作品做到什么，最终仍要落到玩家愿不愿意玩。 AI参与研究，改变的可能还有研究过程。 节目从机器人演示聊到数学、复杂计算、“赛博果蝇”和蛋白质设计。我们关注的不只是某个结果有多惊人，也包括结果怎样被验证，以及研究过程中的工具积累、问题发现和成果溯源。如果AI可以更快完成部分研究工作，科学家怎样提出新问题、判断结果、继续探索，也会成为新的讨论焦点。 新增生产力，怎样变成企业回报和公共收入？ 后半段，我们把AI泡沫的乐观与悲观判断放在一起，看算力需求、芯片使用寿命、资本开支和回报预期之间的关系。话题随后转向就业与税收：如果劳动收入的结构改变，个税、企业税和公共支出会怎样调整？技术创造更多产出之后，这些收益通过什么路径进入社会分配，是节目留给下一轮讨论的问题。 时间戳 00:00 一个月没聊AI，为什么已经有恍如隔世的感觉 03:04 账号用不了以后，怎样重新搭起AI工作流 06:31 Codex当监工，把任务交给不同模型并行完成 09:11 跑分高与实际会干活，为什么可能是两种体验 12:12 客户端、API与工具环境：模型之外还有哪些差别 14:26 四十多万字知识库：复杂任务需要怎样的模型分工 18:30 能力变强以后，安全控制为什么更难 21:54 新模型宣传很猛，实测和知识时效能说明什么 24:23 订阅额度、更新与提速：用户实际感受到什么 27:36 匿名模型的惊艳宣传，接进API后还灵不灵 29:38 Jev不写长答案：只做判断的模型有什么用 32:48 游戏跳不跳、工具怎么选：快速判断适合哪些场景 35:03 把重复筛选交出去，AI应用怎样减少成本 37:44 三维建模与世界模型：垂直能力会不会被大模型吸收 40:05 个人助手先接什么生态？邮件、日历与日常软件 42:24 从功能复刻到平台开放，Agent的落地边界在哪里 45:46 AI辅助做MOD：技术门槛降低，创意怎样竞争 48:14 桌面宠物玩出新花样，陪伴应用还有哪些空间 50:42 AI当渲染引擎：实时画面背后的算力成本 52:35 本地部署的账：硬件投入、稳定性与API费用 54:38 《不问凡尘》：AI制作方式与游戏体验怎样结合 58:22 模型接上机器人：会演示与可靠干活还有多远 61:27 AI做数学：到达答案与打磨研究方法的争论 64:54 从复杂计算到“赛博果蝇”，科研工具带来哪些想象 67:12 蛋白质“水印”的讨论：设计成果怎样标记与溯源 69:33 AI泡沫两派意见：乐观与悲观分别在算哪笔账 72:56 旧算力还能用多久？芯片寿命与投资回报 75:31 AI创造新产出之后，资本与债务的关系怎样变化 79:35 就业和个税一起变，新增生产力如何进入公共财政 83:02 消费税与财富分配：政府的账还能怎样平 85:14 复杂知识库项目的下一步：等可体验的成果，再聊完整实践