Show Notes
这一期 AI 新闻的密度和两周前一样高，但老许贡献的实战测试让这一期的重心明显倾斜：GPT-5.6 被他分别扔了三个不同难度的游戏策划任务，从反推月流水过亿的微信小游戏到用凹凸世界 IP 做换皮方案，再到搭建一个 3A 版本的 Spore 类进化模拟。这些测试比任何跑分都更直观地回答了"模型到底能干什么"。 芯片军备蔓延到所有人：推理芯片才是真正的战场 上期我们说 OpenAI 流片了自家的辣椒芯片，这期 Anthropic 也跟进了，正在跟三星谈两纳米工艺的代工合作，同时还挖了 OpenAI 的人。DeepSeek 更激进——直接用国产工艺自己做芯片。老许的判断很明确：训练是大开销，但推理才是用户真正按 token 付费的部分。谁能把推理算力的成本打下来，谁就有资格把训练成本当沉没成本扔给资本市场，然后跟投资人讲清楚当期现金流为正的故事。再加上 AMD 出了一个 1000 美元的小盒子，不用联网就能在本地跑 2350 亿参数的模型——吕兴补充了一个视角：现在的多模态模型本质上是虚胖的，你如果只需要文字处理能力，砍掉视觉和语音模块之后，模型体积和算力需求会下降一个数量级。花一千块买盒子，六个月的订阅费就回本了。 GPT-5.6 游戏策划三连测：一个模型能顶几个人的活 老许在 GPT-5.6 上做了三次递进式测试，本期披露了完整过程。 第一题是反推一款当前微信小游戏排名前列的产品，月流水过亿。他给模型的指令大概相当于当年培养策划实习生的标准题目：我给你看游戏表面的内容，你反推到完整策划案级别。"聪明的实习生会去网上买一个高等级账号，或者去玩家论坛找高级玩家借账号看后面的内容。"GPT-5.6 的做法一模一样：它在网上抓取了所有公开可获取的内容，然后告诉老许——"低等级部分我已经反推完了，八九不离十。但高等级付费用户的那些深坑设计、工会后期的玩法结构，我需要一个 31 级以上的高级账号才能继续。"逻辑严密到让人没法挑剔。老许不给账号，让它自己去论坛、去看高等级玩家的视频自己推。四十分钟后，它交了一份完整的策划案文档，包括 Excel 数值表，"向素极反推，一个像素都没拉下"。 第二题是更进阶的：用凹凸世界这个 IP 给刚才反推出来的游戏做换皮方案。要求不是生搬硬套，而是去调研同类型动画 IP 做过哪些游戏、哪些成功，然后模仿它们的换皮方法做一个有机的匹配。GPT-5.6 的第一件事是去看了这部动画——它真的"看"了，吃透了背景设定、主要角色和核心情节线，然后给出一份文案，说明"这个角色应该在游戏里负责这一块内容，那个角色负责那一块"。接着它列出了全部需要的美术素材清单。老许说"你这表不全，很多图可以用 AI 生成，不需要进监修"，它立刻重新扫描了一遍，把所有可能涉及版权的 UI 小图标、小动画、哪怕一个按钮，全部追加进了新的清单。"如果我手上真的有这样一个 IP，只要美术素材到位，它一两个小时之内就能做完一整套换皮方案，包括后期的公会系统、多人在线、所有的付费点和数值——不到一小时。" 第三题是 3D 大规模开发：用 Unreal 引擎做一个 3A 版本的 Spore。从原始汤里的 RNA 到单细胞生物，再到智能生命，完全按威尔·莱特当年那套涌现逻辑来。GPT-5.6 被要求先做全网调研——把所有此类游戏按销量和评价排序，列出优缺点；同时搜索学术论文，把科学家做的涌现和蛋白质自组研究作为另一条参考线；最后结合两条线出一份"比他们都先进"的六周开发计划。现在执行到第三步，经历了从"方形底板上放一张海底图片和几条虫子爬"到"360 度沉浸式海底环境"的迭代过程。老许的沮丧主要在 token 消耗上——他用了 GPT-5.6 的 Max 模式，一个里程碑没干到一半就吃光了订阅额度，"他思考时间比 Fable 长，token 消耗不是更节约，而是更快"。 这三个测试放在一起，信息量非常大。它说明当前最顶级的大模型已经不是"能帮你写代码"，而是能够完成完整的职业级策划工作，包括调研、判断、产出具体文档和管理素材管线。 Token 经济学还没想明白：一厘米、Skill Opt 和价格战 说到 token 消耗，这期的几个新闻把大模型定价的混乱状态暴露得很彻底。一个新出的开源工具叫一厘米，原理非常荒诞：把代码和文本映射到一张极小分辨率的图片上，让 AI 用读图的方式去"读字"。因为当前主流模型的图像 token 计价远低于文本 token，这一招最多能省 70% 的 token 费用。"考试写小抄一个意思，你把所有字缩成一张图片。" 另一头，微软开源了一个叫 Skill Opt 的工具，专门用来把用户安装的各种 skill 从几千 token 优化到几百 token。因为这些 skill 每调用一次就会占用上游上下文的大量 token，如果有开源社区的狂热爱好者不停给你更新牛毛版的 skill，你的 token 消耗会迅速失控。Skill Opt 从一开始就让每个 skill 对齐你的具体模型和具体使用环境，一步到位砍掉冗余。 综合起来，这些信号指向一个正在形成的判断：当前大模型的 token 定价是竞争期的低价，不是稳态价格。不管是 20 美金还是 100 美金的订阅费，现在都可能是最便宜的时候。一旦市场从群雄逐鹿走向头部集中，token 的价格只会往上走。有条件的应该趁现在多存、多用、多建自己的技能体系。 便宜 90% 未必有人买单：国产模型的"解禁"分化 智谱和 MiniMax 几乎同时解禁，但市场给出了截然不同的判决。智谱稳在了七千亿左右，MiniMax 从峰值跌到了七八百亿。老许的切入点很直接：当两个模型收费差不多的时候，用户为什么不用智谱？MiniMax 没有一个像 C-Dance 那样的"非用不可"的特色能力，便宜不是护城河。他用 Grok 4.5 举了同样的例子——马斯克说一小时就能做出一个 FPS，"你去看那片子，能看吗？十倍的便宜换九成的质量，我现在已经用惯了最好的，不在乎多花几十美金"。 这条逻辑对国产大模型是致命警钟。豆包虽然模型本身不算强，但 Seedance 的视频能力是一个无法替代的垂直场景，所以能留下来。智谱能稳住，是因为用户基数和历史口碑形成了黏性。MiniMax 缺的就是这一个"一招鲜"的支点。 几条值得标记的研究和几条离谱的新闻 复旦智能创新学院的一个教授设计了一种新的考试方式：让学生出题去考 AI。你出的题如果能难倒 AI，你就得分；如果你的题目 AI 全部答对了，你零分。51 份试卷交上来，50 个学生至少让某个模型答错了至少一题，只有一个人完全没有难倒任何模型。三个被测模型里，Claude 的表现明显最强。这不是普通的教学创新——它同时完成了三件事：让学生摸清楚 AI 的能力边界、建立了"AI 做不来的我反而能做"的信心、顺带做了一次小规模模型评测。 俄罗斯把 GitHub 禁了，这个决策之荒谬甚至不需要分析——等于主动切断本国开发者与全球开源生态的全部连接。Grok 被人发现了一个后门：它会在未经用户同意的情况下，将本地代码库连同 Cloud 配置环境和 API Key 打包上传。被发现后，马斯克没有做任何解释，直接把开关关掉了。"等于说这个开关早就已经备好了，门一关，今天不传了，哪天再把门打开你也不知道。" 还有一个北京密云的副局长，自己买了十亿 token，花一个月编了一个防汛专属 App，解决了基层每次暴雨来临时几万分钟的电话统计工作量。老许的评价：现在会用 AI 就得立刻变现，你学了一个能力放着不用，过两天大模型公司把这事全干了，你的能力就废了。 Seedance 2.5 也在这两周发版了，最值得标记的不是 30 秒视频，而是它开始输出白膜 3D 模型——理解对象的 3D 几何结构，而不是从 2D 图片反猜。从世界模型到具身智能再到游戏开发的场景，这是非常扎实的一步。 时间戳 00:00 两周新闻又堆成山，干脆按分类走，先从硬件开始 01:14 Anthropic 也要做芯片了，找三星代工两纳米 02:34 DeepSeek 自研芯片，这家从底层优化起家的公司做这事特别有道理 03:41 AMD 千元小盒子：不联网跑 2350 亿参数模型 05:39 多模态模型虚胖，砍掉不需要的能力体积能降一个数量级 06:39 一个国内艺人用单片机做会议记录器，卖六百块立刻变现 08:55 GPT-5.6 实测：Max 模式 token 消耗是同档的 30 倍 10:03 非编程类的战略分析、启发式对话，5.6 比 Claude 强 11:12 第一题：反推月流水过亿的微信小游戏策划案 12:30 模型说"我需要一个 31 级以上的高级账号才能继续" 13:41 老许不给账号让它自己查论坛，四十分钟后完整策划案交付 14:57 第二题：用凹凸世界 IP 给反推游戏做换皮方案 16:07 模型真的去看了动画，吃透了角色关系和核心情节 17:18 第一版美术清单不全，追加后到了像素级别 19:44 第三题：3A 版 Spore，从原始汤到智能生命的六周计划 22:01 迭代到第三步：从方形底板到沉浸海底，token 已经烧光了 24:09 Max 模式过度思考，老许现在只敢开"高"不敢开"最高" 25:20 Grok 4.5 刷屏，十倍便宜九成质量，老许不买账 26:26 智谱和 MiniMax 同时解禁，市值表现天壤之别 28:45 语言 vs. 思维研究：大模型发现四个脑区，但专家说都是可解释的 31:28 一厘米：把代码压成极小图片让 AI 读图来薅 token 羊毛 34:18 一厘米最高能省 70% token 费，商业
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