前几天我把自己用 AI 做的小游戏发给一个泰国朋友看，他是懂游戏的人。我跟他说，这个东西跟传统 GTO bot 不太一样，它不是一个冷冰冰追求数学最优的程序，更像一张“会成长的牌桌”。它会记住玩家，会分析玩家打法，会根据玩家的习惯调整策略，甚至每个 bot 都有不同的格。
他看完以后说了一句很直接的话：“手工游戏的行业崩塌了啊。”
这句话挺，但我觉得它只说对了一半。
AI 确实会冲击传统游戏生产方式。过去做一个小游戏，哪怕是一个很轻的版本，也要一群人配合很久。现在一个人拿着 AI 工具，几天就可以把一个能玩的原型做出来，而且还能不断改逻辑、加数据、做后台、接 API、做分析面板。代码行业会被 AI 解决一大部分，游戏行业也一样。
但这不代表游戏行业会消失。
真正消失的，是那种“靠堆人力做重复劳动”的游戏生产方式。真正变重要的，是谁能更快定义一个有趣的场景，谁能把玩法、社交、数据、AI 和经济系统组织起来。
我越来越觉得，未来的游戏开发者不一定像过去那样，是一个坐在那里一行一行写代码的人。未来的游戏开发者更像“头”：他搭桌子，定规则，放玩家进来，也放 Agent 进来，然后观察这个系统怎么自己长出来。
这里面最关键的变化，不是生产效率，而是生产关系。
过去的游戏大多是这样：开发者生产内容，玩家消费内容。开发者做关卡、做角色、做数值、做剧情，玩家进来体验，体验完走人。这个结构里，玩家主要是消费者。
AI 进来以后，这个关系开始变了。玩家不只是玩家，他可以训练自己的 Agent；Agent 不只是 NPC，它可以替玩家上桌、观察、复盘、执行策略；游戏不只是固定内容，而是一个不断被数据驱动、被玩家行为改变的系统。
所以我这次做小游戏，的感受不是“AI 写代码真快”。快当然快，但那只是层。真正让我的是，我发现游戏可以不再只是一个 ，而是一种新的关系。
人类玩家挑战 AI。
AI 分析人类玩家。
玩家训练自己的 Agent。
Agent 代表玩家进入游戏。
游戏再根据这些行为生成新的策略、排名、复盘和社交关系。
这时候游戏就不是“我做一堆内容给你玩”，而是“我搭一个场，让人和 Agent 在里面不断”。
这也是我觉得 Web3 和 AI 的区别所在。
AI 解决的是生产效率。以前十个人做的事情，现在一个人加 AI 也许就能做。以前一个游戏原型要几个月，现在可能几天就能跑起来。AI 让内容、代码、美术、音效、测试、运营的边际成本大幅下降。
但 Web3 解决的不是效率问题，它更接近生产关系问题。谁是参与者？谁贡献了价值？谁拥有关系？谁能从长期增长里分到收益？
所以现在很多 Web3 项目只讲 token，我觉得是不够的。只发 token，没有真实的生产关系，最后还是空气。但如果一个游戏真的形成了玩家、Agent、数据、战绩、训练、复盘、社群之间的长期关系，那么 token 才可能成为一种权益表达，而不是单纯的炒作工具。
简单说，AI 让游戏更容易被生产出来；Web3 让参与游戏的人有机会成为这个系统的一部分。
一个解决“怎么做得更快”，一个解决“做出来以后，谁和谁产生关系，谁为这个关系负责，谁从这个关系里受益”。
这两件事合在一起，才是未来真正有意思的地方。
其实李飞飞参与的 Astrocade 也在说明这个方向。Astrocade 的官方介绍是让用户用自然语言创建可玩的游戏和互动体验，核心不是让少数专业团队做游戏，而是让更多普通人可以把一个想法直接变成能玩的东西。它的页面也写得很清楚：通过生成式 AI，让任何人都可以用文本提示成为游戏设计者，并生成互动世界、动画、音乐、音效和玩法机制。�
这说明什么？
说明游戏行业的道门槛正在被拆掉。以前你有一个游戏想法，最多只能跟朋友吹一下；现在你可能真的能把它做出来。游戏创作会从“少数专业团队的生产能力”，变成“大量普通人的表达能力”。
但是，能生成小游戏，不等于能做出一个长期有生命力的游戏。
这里面还有第二道门槛：系统设计。
一个游戏刚开始靠新鲜感，长期靠关系。用户为什么回来？为什么愿意挑战？为什么愿意训练自己的 Agent？为什么愿意让朋友加入？为什么一个小游戏能变成一个持续运行的世界？
这些不是单靠 AI 生成画面、生成代码就能完成的。
我这个小游戏现在让我感兴趣的点，也不是它画面多精美，或者规则多复杂，而是它开始有了几个新的可能。
，它不是纯 GTO。纯 GTO 是数学上正确，但对普通玩家来说太冷。我们现在做的是 GTO baseline 叠加个、剥削、协作、适应、防 tilt。换句话说，它不是一个完美对手，而是一张会成长的桌子。
第二，它不只是跟人打。它会读玩家的数据，分析玩家的 VPIP、PFR、AggFreq、fold 频率、check-raise 和 showdown 行为。你以为你只是在“随便跟一手”，系统已经开始画你的牌桌画像。
第三，它可以反过来训练人。我们加了 AI 解码功能，把 AI 为什么这么打、它看到了你什么漏洞、准备从哪里剥削你，直接提示给玩家。输牌不只是输，输完还能知道自己哪里被看穿。
第四，它开始支持 Agent 参与。我的泰国朋友已经在 WhatsApp 里让自己的 Agent 上桌，Agent 一边打，一边汇报战况：第几手、筹码多少、最近几手怎么弃牌、怎么下注、怎么输赢。人类不一定每一手都要亲自操作，Agent 可以成为头、玩家、陪练，甚至未来成为一个长期成长的牌桌身份。
这件事很有意思。
过去我们说游戏，讲的是“人怎么玩游戏”。
现在我们开始要问，“Agent 怎么进入游戏”。
再往后，可能还要问，“人怎么训练 Agent 去参与游戏”。
这就不是传统小游戏的逻辑了。
传统小游戏更多是流量生意：做一个简单爽点，买量，留存，广告，内购，然后不断。它当然还会存在，但 AI 时代会出现另一类小游戏：它不一定大，但它是活的；不一定重，但它有关系；不一定一开始就钱，但它能沉淀玩家、Agent、数据和社群。
我越来越觉得，未来的游戏分两类。
一类是更大的大作。全视频，更丝滑，更沉浸，更接近电影和虚拟世界。李飞飞的 World Labs 这类“空间智能”方向，也是在往可生成、可交互、可理解的 3D 世界走。World Labs 官方说自己在做能够感知、生成、推理并与 3D 世界互动的基础模型；这类能力未来会影响游戏、、机器人、AR/VR 等很多场景。�
另一类是更小但更活的游戏。它可能就是一个牌桌、一个画布、一个房间、一个任务场，但里面有、有 Agent、有数据、有社交、有挑战、有长期关系。这类东西不靠一次内容取胜，而靠系统自己生长。
我反而更看好第二类。
因为大作永远需要巨头投入，而“小而活”的游戏，会给普通创业者和个人开发者机会。AI 把生产门槛降下来以后，关键就变成：你有没有一个足够 sharp 的场景，能不能让用户愿意进来，能不能让人和 Agent 之间产生新的关系。
这也是为什么我说，小游戏不一定小。
如果只是看画面，它可能很小。
如果看关系，它可能很大。
一个小游戏，表面上只是；往深处看，它可以是 AI 陪练，是玩家画像系统，是 Agent 行为训练场，是社交挑战场，也是一个经济系统的雏形。
人类在里面不是单纯消费内容，而是在训练、挑战、贡献数据、形成关系。Agent 也不再只是后台工具，而是开始成为玩家的延伸。
这时候，游戏就从“产品”变成了“协作系统”。
所以我不太认同“游戏行业会被空间模型打死”这种说法。空间模型会改变游戏的表达方式，AI 会改变游戏的生产效率，Web3 会改变游戏的生产关系。但游戏本身不会死，
真正会死的，只靠重复素材和短期流量的产品。
未来的游戏行业，可能不是更少人做游戏，而是更多人都能做游戏。只是能做出来的人会变多，能让它活下去的人依然很少。
这就是新的竞争。
不是谁会写代码。
不是谁会生成图片。
不是谁会发 token。
放在同一个系统里。
这件事如果做成了，游戏就不是游戏了。
它会变成一个入口：
AI 通过游戏理解人类，
Agent 通过游戏学习参与世界，
而 Web3 让这些参与关系可以被记录、被确认、被分配。
所以我现在越来越觉得，自己不是在做一个小游戏。
我是在用一个最小的牌桌，测试未来产品的一种新形态。
AI 负责生产力，Web3 负责生产关系，游戏负责让人愿意进来。
这三件事结合起来，可能才是下一代消费级应用真正的起点。
全部评论