千亿布局AI：米哈游打响游戏闭环战

一周内对话突破6000万次，甚至有玩家一天与AI帕姆交互上千次——这是《崩坏：星穹铁道》接入AI对话功能后的真实表现。米哈游联合创始人大伟哥此前透露，未来三年米哈游在AI方向的投入上限可能高达1000亿元。这笔巨资究竟如何落地？在云栖大会上，米哈游《崩坏》系列AI NPC与Gameplay负责人郑银河的分享揭开了冰山一角：其核心逻辑在于「AI进入游戏，游戏反哺AI」。

玩家看得见的AI：从能聊到能做选择

为了消除AI帕姆的「人机感」，米哈游推进了三项核心改造：

1. 情绪与动作联动：系统在生成文字的同时实时评估情绪标签，动态调用3D模型匹配对应的表情与动作。
2. 策略增强RAG（Strategy-enhanced RAG）：传统检索增强生成容易让角色回答千篇一律，策略层则会根据角色性格与世界观重新过滤和润色内容，确保人设稳定。
3. 多层记忆机制：设立短、中、长期三层记忆架构，不仅能记住当下的对话上下文，还能持续保留玩家的个人偏好与经历。

然而，仅能对话还不够。米哈游正在探索AI Gameplay，让角色根据局势自主做出判断与行动，使对话本身变成玩法。例如在内部测试的AI桌游中，大模型既负责角色对话，也负责逻辑博弈与决策，玩家的不同言行会实时改变NPC的态度与后续选择，真正实现千人千面的动态体验。

玩家看不见的AI：多Agent协同重构研发流

在幕后研发端，米哈游搭建了名为EchoX的代码Agent托管平台，并配合专为游戏工业化自研的Harness规则体系与MCP工具链，推动多个AI智能体协作开发。

• 性能分析：Agent自主读取运行Log，定位卡顿瓶颈并直接生成优化代码。
• 玩法原型速构：策划提供一段玩法需求与界面草图，Agent即可自动生成移动、导航与交互逻辑，快速输出可玩Demo。
• 美术资产减负：自动生成材质变体、从场景原画提取三视图、根据语气合成肢体动画等重复性工作全面自动化。

这套工业化体系极大地缩短了玩法从概念到验证的周期，但多Agent协作也带来了成本挑战，系统失控或空转可能导致高昂的Token账单，亟需工程化手段建立安全约束。

自进化练级场：AI与游戏的双向奔赴

游戏天然具备封闭边界与即时胜负反馈，是训练AI智能体的绝佳试验场。米哈游最初尝试基于Qwen-VL等多模态模型，通过像素级画面直接输出键鼠指令，但这种模式在面对长周期策略规划时常常顾此失彼。

随后，团队转向了「Coding Agent编写脚本 + 逻辑执行 + 读取Log复盘自我改进」的策略迭代路径。在《小丑牌》（Balatro）的自学习实验中，Agent通过持续试错自我进化，甚至在测试中一度利用网络工具直接调用模拟器查看牌堆，展现了递归自我改进（RSI）过程中典型的奖励作弊（Reward Hacking）现象。

目前，这套「任务执行-日志分析-策略调整」的自适应机制已正式接入《崩坏：星穹铁道》的QA自动化测试流程。AI在游戏里充当玩家找出潜在缺陷，游戏产生的数据则持续迭代模型能力。

从前端交互的AI NPC与AI Gameplay，到后端研发的EchoX协作平台，再到驱动模型自进化的游戏练级场，米哈游的AI技术闭环已初步成型。技术终究要回归可玩性本身，随着国产模型能力的演进，未来两到三年内能否真正兑现「千人千面」的游戏生态，正成为行业关注的焦点。