团队减员90%、游戏靠AI续命成功！总监详解：“不用AI就会被市场淘汰”！ | 游戏观点 | 游戏报道

【游戏新闻专稿，禁止转载！】

游戏新闻报道/今年3月底的时候，德国知名手游公司InnoGames曾介绍了其老产品《Sunrise Village》通过AI技术续命的故事，最近，打造了这套系统的工程总监Thomas Lehr接受外媒dof采访时，谈到了研发AI系统的背景原因、对团队的影响，以及如何在游戏研发中正确使用AI。

Lehr表示，虽然欧美游戏圈对AI的态度普遍消极，但这已经是趋势，不用AI的游戏工作室将会被市场淘汰。他还透露，AI极大提升了这款经营模拟游戏的研发效率，团队从原来的25人，减到了如今的3人，但并没有任何一个人被裁员。

以下是Gamelook整理编译的内容：

这一决策并非战略转向，而是一场别无选择的赌局

别再用“双赢”的说辞粉饰局面了。《Sunrise Village》的发展已经触及天花板。Lehr坦言，原文中取自SensorTower平台的营收数据低于实际数值，统计口径遗漏了直销渠道与网页端收入。但即便采用真实营收数据，也无法改变核心结构性难题：一款多年业绩停滞的游戏，却仍维持25人团队规模，且找不到重回增长的可行路径。

当时摆在面前有三条出路：1）精简核心留守团队；2）业务外包；3）借助AI。Lehr很快否决了前两种方案。缺少配套工具支撑的极小团队只会让游戏缓慢衰败；团队无法产出足量内容留住玩家，最终结局只是换一种更漫长的方式走向停运。2018年，太Space Ape曾向行业兜售“轻量化长线运营”这套理念，但这套模式终究没能经受住市场长期考验。

外包模式会带来额外管理成本，还会丧失项目自主把控权，这是InnoGames不愿接受的代价。唯有AI这条路径，不用被动接受业绩持续下滑的局面。

核心结论一：如果你手握一款业绩停滞的游戏，只有在排除掉所有常规保守方案后，AI才会成为值得考量的选择。绝大多数游戏工作室都走不到这一步，他们跳过前期方案筛选，直接拿出AI项目计划书空谈方案。

25人变成3人，但没有人被裁员

如今仅有三人负责运营《Sunrise Village》，其余22人并未离职，而是转岗负责一款新作《Cozy Coast》。尽管文章给出的暗示与此相反，但现实中这款游戏的营收并未持平，仍在持续下滑，只是跌幅远小于引入AI技术之前。

谈及AI对营收变化曲线带来的实际影响，Thomas Lehr表示：“至少它大幅放缓了营收下滑的速度。”

《Sunrise Village》并非一则依靠AI实现增长的案例。该游戏下载量减半，收入下滑五分之一，但它却是一段实现盈利的故事：项目团队规模从25人缩减至3人，游戏由严重亏损转为盈利，正是这份盈利，让InnoGames有资金投入开发新游戏。

这才是InnoGames真实的发展状况：一款增长乏力的游戏裁掉九成人员，此举只是放缓了原本持续下滑的态势，并未扭转颓势，这和“AI拯救了这款游戏”完全是两码事。真相是：AI只是让这款游戏以更低成本多撑了一段时间，同时腾出22名员工去开发具备增长潜力的新项目。两种说法都属实，但后者才是更明智的商业决策。

真正的突破口源于一次流程记录调研

在引入任何AI技术之前，InnoGamesAI专项小组的一名工程师与《日出村落》项目团队一同办公，实地观察团队的真实工作流程。其中价值最高的发现是：游戏设计师需要在Confluence手动录入设计规范，导出至Excel表格，再转换成CSV或JSON格式文件，最后导入Unity引擎。每一次内容版本更新，都要耗费数天人工操作，且极易出现失误。

这就是全部核心思路：实地摸清一套工作流程，一小时内搭建一款定制工具，大幅压缩耗时。全程没有AI实验室、没有平台全面推广、也没有季度AI战略备忘录。AI改变的是搭建自动化流程的成本，而非团队实现自动化的诉求。

核心启示二：如果你运营一家游戏工作室，不知该从何处落地AI应用，别再走马观花试用各类AI工具，先去观察自家团队的实际工作。工作瓶颈极少出现在创意环节，几乎都是枯燥繁琐的数据整理工作。以往没人愿意解决这类问题，是因为改造工作需要工程师投入三周时间，而团队根本抽不出人手。

他们刻意坚持使用GPT-4o长达一年半之久

这是Lehr提出的最反直觉的观点，值得细细琢磨。据他本人描述，GPT-4o其实已是过时模型，但因更换模型意味着要从零重新测试整套生产流程，InnoGames依旧选择继续使用它。不同大模型，即便是同一厂商推出的不同版本，运行表现也存在明显差异，更换模型会让耗费数月才搭建完成的稳定流程面临失效风险。他们最终放弃GPT-4o，仅仅是因为OpenAI官方停止维护该模型，而非出现了性能更优的替代模型。

反观InnoGames在代码开发模型上的使用策略：只要Anthropic推出新版模型，他们会第一时间切换使用。二者差异的根源在于：代码产出会由人工逐一审核后再交付使用，能够容忍模型输出的波动偏差；而一套要处理上万份素材、半自动化运行的内容生产流程，完全无法承受输出不稳定的问题。简言之，当一套工作流程无需人工逐环节校验时，稳定性远比模型性能更重要。

核心要点三：不要一味追逐大模型排行榜榜首产品、频繁更换工具，而要梳理自身工作流程中哪些环节可以承受模型输出偏差，哪些环节不能。

技能退化真实存在，Lehr对此并未回避

Thomas坦言，包括他自己在内的工程师，正逐渐丧失手写特定编程语言代码的能力。他的观点是：若退化的并非核心关键技能，便无需担忧。掌握Rust语法与具备系统架构设计能力是两种完全不同的技能。从业者的工作重心从砌砖般的基础编码，转变为整栋建筑的架构规划。他相信，愿意提升自身层级的从业者最终会从中获益。

但对于这种转变带来的代价，他无法给出清晰的解答。他提到当下普遍存在实实在在的AI倦怠问题：产出内容越多，需要做出的决策就越多，同时还要在多个并行运行的智能代理间频繁切换工作思路；即便AI承担了代码录入工作，员工一天结束后依旧身心俱疲，甚至疲惫感正是源于AI的辅助。

核心要点六：首席技术官应当主动规划，明确放任哪些技能退化、深耕巩固哪些核心技能，因为AI会默认替企业做出取舍，而它的选择往往存在偏差。

关于这84%数据的客观解读

我向他追问了外媒GI发布的84.2%调研数据，业内从业者认为，在游戏开发的任何阶段，都无法接受使用任何由AI生成的内容。我直接询问他，如果业内始终保持这种态度，西方游戏行业的发展将会走向何方。

他的回答十分直白：不采用AI技术的游戏工作室终将被市场淘汰，仅此而已。AI生成的内容并非天然更优质，但能合理运用这项技术的工作室，会在成本与迭代速度上全面甩开同行；而一款精工细作的作品若迟迟无法面世，市场根本不会给予其认可。

核心要点五：抵制AI技术背后真正的关键是企业生存问题。这并非一场围绕内容真实性展开的文化论战，而是一场比拼开发速度与成本的行业竞争，如今绝大多数抵制AI的企业，都不具备打赢这场竞争的实力。

结语

InnoGames能公开探讨这类话题，实属难得。绝大多数游戏工作室要么向投资人夸大AI的价值，要么对玩家隐瞒相关应用，或是对这项技术一知半解，只能停留在营销话术层面泛泛而谈。Lehr却并未采取上述任何一种做法。他当众修正了对外公布的数据，坦诚说明技术落地中尚未完善的环节，还讲述了一个他至今仍在设法解决的人力耗竭难题。

这才是行业该有的基准态度：不炒作噱头，不刻意回避。客观如实阐述这项技术在真实开发流程、专业团队实操中的实际作用，以及随之产生的利弊取舍，并非所有权衡结果都对AI有利。