关键字: [亚马逊云科技， 生成式AI， CodedSonnet， Ai 驱动游戏研发， 关卡难度预测， 机器翻译人工审校， Ai 美术素材产出， Ai 编程工具应用， 代理集群编程模式]

导读

白立斌在分享中介绍了麦吉泰文公司如何利用AI技术来辅助游戏研发的各个环节，包括:1)训练AI机器人预测关卡难度，提升玩家体验;2)采用机器翻译+人工审校模式，降低翻译成本;3)利用AI生成美术素材，节约人力;4)AI编程工具大幅提高开发效率，缩短迭代周期。他认为AI将彻底改变游戏研发模式，人类角色将从执行者转变为领导者，通过创意和调度AI来创造价值。

演讲精华

以下是小编为您整理的本次演讲的精华。

在这个不断变化的时代，人工智能(AI)技术的发展给游戏行业带来了前所未有的机遇和挑战。作为一家面向全球的休闲游戏公司，麦吉泰文公司一直在探索AI技术在游戏研发中的应用，以提高效率、降低成本并增强用户体验。

麦吉泰文公司成立于2013年，总部位于北京，在上海和旧金山也设有办公室。该公司拥有3款游戏，共计拥有6亿玩家。其中，Project Makeover这款游戏在全球拥有超过3亿玩家。这是一款三消游戏，玩家可以在游戏中装扮角色、装修房屋并组队PK。游戏每两周会推出一个新版本，包含一个全新的人物改造故事和60个关卡，节奏非常快。

快节奏的版本制作给策划、翻译、美术和研发带来了巨大挑战。为了应对这一挑战，麦吉泰文公司训练了一个AI机器人，用于预测关卡难度。这一举措旨在提升玩家体验并降低成本。

在提升玩家体验方面，策划精心设计的关卡如果难度过低，就会缺乏挑战性，付费转化率也不会很好;如果难度过高，玩家就会产生挫败感，导致流失。通过AI预测关卡难度并根据预测结果进行调整，可以为玩家带来更好的游戏体验。

在降低成本方面，传统的关卡测试做法是制作出大量关卡，然后通过人工反复验证和校准难度，最终筛选出合适的关卡进行上线。这一过程工作量巨大。有了AI机器人后，每次关卡制作出来，机器人会自动跑上千次预测难度，从而大幅减少人工工作量，加快关卡上线节奏。

去年，麦吉泰文公司与亚马逊云科技(亚马逊云科技)专家合作，共同构建了这个AI关卡机器人。具体步骤包括:首先，定位这个智能体会玩三消游戏并预测三消关卡的难度;其次，进行工程准备工作，使算法能够直接与游戏进行交互;第三，选择合适的算法和定制奖励机制，让算法学习游戏玩法;第四，扩大训练规模，让算法迭代调优并验证其有效性;最后，如果算法有效并达到验证标准，就会投入到业务场景中进行预测。

需要注意的是，由于游戏关卡会周期性迭代，模型也需要持续更新。为此，麦吉泰文公司分别部署了游戏集群和AI集群。游戏集群包括一个无头游戏客户端(仅包含游戏玩法逻辑，没有展示界面，支持通过API调用，每打一关只需几秒)和一个可视化游戏测试环境(提供关卡可视化回放录像功能，通过智能体操作日志获取录像，协助算法工程师迭代调优)。公司使用了亚马逊云科技的Elastic Kubernetes Service (EKS)来部署这两个集群。AI集群则采集线上高阶玩家的打关数据，通过模仿学习训练出一个基础模型，然后通过强化学习提升基础模型的打关能力，经过迭代调优达到预测准确率后部署智能体。在实际业务中，策划做出新关卡后，会自动通过打关机器人跑1000次预测难度，智能体不仅会返回难度预测数据，还会返回打关过程信息，如剩余障碍布局等，帮助策划优化关卡。

除了在游戏策划方面的应用，AI技术也为麦吉泰文公司的游戏翻译工作带来了助力。该公司的游戏需要翻译成12种语言，以往使用外包公司的做法成本高、节奏慢。从2-3年前，公司开始尝试使用大模型进行翻译。

经过实践发现，截止目前，人工翻译在语境和文化理解上仍优于AI。主要原因是麦吉泰文公司游戏每个章节的素人改造会有较多剧情对话，包含双关语、梗等，需要在不同文化背景下进行二次创作，而非直接翻译。与此同时，AI还缺乏对人类情感的判断能力，也缺乏深度文化理解，有时会出现幻觉。

为了在翻译质量、速度和成本之间达成平衡，麦吉泰文公司采用了MTPE(机器翻译+人工审校)模式。公司用大模型加术语库翻译了之前的游戏剧情，然后让几家专业翻译公司进行评估。经过几轮测试，结果显示AI加术语库的输出结果整体不通过率低于10%，费用则降低了约60%。目前，MTPE模式已在一款游戏上运用，并将很快推广到其他项目中。

在游戏美术方面，AI技术的应用也为麦吉泰文公司带来了可观的效益。该公司游戏中有大型复杂场景，在AIGC(AI生成内容)辅助下，制作成本节约了约50%。具体做法是:首先，训练一个废弃场景生成模型;然后，美术人员通过线稿加AIGC生成初始图像，完成度约70%;最后，美术人员对AIGC输出进行优化，修正不合理元素并提升细节质量。

虽然AIGC无法一步到位生成理想效果，但有了辅助，整体制作成本大幅降低。根据不同游戏风格和需求，麦吉泰文公司为项目组定制了各种AIGC工作流程，如场景制作、物品制作和人物制作等。

为了普及AIGC技术，麦吉泰文公司于2-3年前组建了一个由美术和技术人员组成的AIGC团队。该团队向业务方提供AI工具、工作流和培训，直接参与项目制作并获取业务方的认可。

该团队在运营过程中也遇到了一些问题。由于AI技术发展迅速，每周甚至每月都会有新的模型或产品出现，号称具有爆炸性能力，因此团队需要花费大量精力去跟踪并测试这些新技术和新模型。如果新模型或产品的实际使用效果与预期存在较大差距，美术人员的学习和使用意愿就会大大降低，不愿接受AIGC技术。

为解决这一问题，麦吉泰文公司补充了AI美术设计师，快速跟踪测试新模型和产品，严格验证效果，将表现良好的模型和产品集成到日常使用的工具中，降低使用门槛，保证效果。

AI技术的不断发展正在持续改变着游戏行业的工作模式。为提高效率，麦吉泰文公司甚至将内部定制的模型和工作流程直接开放给外包公司使用。

在游戏编码领域，AI技术的应用也初现端倪。2022年，GitHub推出CoPilot、Anthropic推出ConstitutionalAI等AI编程工具相继问世，并获得资本市场的青睐，反映出这些工具的规模应用潜力。

为普及AI编程，麦吉泰文公司于2022年4月面向全员发起了一场AI编程大赛。最终结果出乎意料，参赛的非程序员超过三分之二，且他们提交的几十个参赛作品完整性非常高。更令人惊讶的是，在全员投票中，一名完全没有技术背景的美术同学夺得了冠/军。这些结果表明，随着模型能力的提升，编程的门槛已经大幅降低。

为了方便研发人员使用AI编程工具，麦吉泰文公司还为他们提供了最新的Codex模型。研发人员通过VSCode插件调用这些模型，效率显著提高。

白立斌个人也使用AI编程快速开发了一个PDF英文资料双语阅读工具。传统做法需要下载PDF文件、打开软件上传、翻译，过程繁琐且对PDF支持不佳，翻译后的布局也没有段落级别的双语对照。而白立斌只用了十几个小时、几十美元的成本，就开发了一个飞书机器人，可直接解析PDF文件、提取文字图表、分段调用大模型翻译并生成双语对照网页，极大提高了工作效率。

此外，麦吉泰文公司还为团队购买了GitHub的CoPilot和Anthropic的ConstitutionalAI等AI编程工具。统计显示，最近一个月，团队平均每人每天使用AI生成上千行代码，AI代码的采纳率在70%左右。越来越多人直接使用Agent Request一步到位完成任务。

不过，AI编程也并非完美无缺。有时一个Agent Request会导致整个工程的大规模重构，使工程崩溃无法运行，靠人力基本无法修正，需要回滚到上一个检查点。另外，付费的高级推理模型如OpenAI的GPT-3每天使用也有限额，价格较高。

作为从业20多年的程序员，在过去半年使用AI编程工具后，白立斌感觉自己被AI“偷家”了。他回顾了编程的进化史:2000年前是传统IDE编程时代，程序员主要依赖手册学习;2000年左右进入现代IT编程阶段，程序员主要依赖论坛和搜索引擎寻找解决方案;2022年后，大模型推出，编程模式加快变化，程序员逐渐习惯向大模型询问解决方案，使用StackOverflow和搜索引擎的频率降低;2024年开始出现Agent编程，到2025年上半年较为成熟，程序员直接让Agent干活;最新的是Anthropic推出的后台Agent，可将Agent放到云端执行，不占用本地电脑资源。

斯蒂文·耶格对AI编程的未来做出了预测。他预计2025年下半年会出现Agent Cluster编程模式，即同时有多个Agent在云端并行异步工作，完成多个功能并修复Bug、写单元测试，但仍需人工拆解和分发任务。2026年会出现Agent Fleets，AI研发经理和架构师Agent带领一群编程Agent组成独立研发团队，直接交付结果，人类只需提出目标、监控全局、做决策和验收成果。这种由AI直接完成用户诉求的编程模式被称为“Webcoding”或“凭感觉编程”，意味着未来你可能都不需要懂代码。

如果这一预测成真，我们现有的编程技能是否能适应未来的变化，值得重新评估。

面对AI时代带来的剧烈变化，作为程序员需保持开放心态，积极尝试新工具和技术，保持对新知识的“贪婪”态度，并积极实践打造自己想要的AI Agent。

作为技术管理者，需鼓励团队高效使用AI编程工具，掌握任务分解和AI Agent管理技能，储备AI人才和技能，为团队提供AI基础设施并推动AI改造业务，成为公司AI落地的重要力量。

在公司层面推动AI，老板是第一推动者，需先与业务线负责人就AI理念和应用场景达成共识，选择高价值场景小规模验证后再大规模推广，同时谨慎处理涉及工作模式重大变化时的利益冲突。

想象未来某一天，你作为策划对AI说:“帮我分析关卡通过率数据和留存下降原因，重构这些关卡，把留存提高3个点”。你喝杯咖啡回来，AI已生成三套方案并预测了通关率、玩家行为和流失率，你只需决策是否上线A/B测试。更震撼的是，其中一套方案的障碍设计，可能连你这个经验老道的策划也没想到。

这一场景离我们还有多远?在不远的未来，游戏的研发产能和迭代周期都将极大提升。量变引发质变后，AI可能给游戏行业带来研发模式、业务增长乃至商业模式的全面变革。

人类角色也将发生变化。AI将从辅助创造的工具，进化为完全自主的代理，游戏从业者将从执行者转变为领导者，只需设定目标、做决策并验收AI成果。乐观地讲，人类定位将逐渐向产品经理甚至老板的方向靠拢。未来，每个人都将通过自己的创意和调度AI的能力去实现梦想。

总的来说，AI技术在游戏策划、翻译、美术和编码等环节的应用，为麦吉泰文公司通过在策划、翻译、美术和编码等环节应用AI，取得了提升用户体验、降低成本的成效，但也面临着工程挑战、AI局限性以及人员储备等诸多问题。

在构建AI关卡机器人的过程中，公司需要进行大量工程准备工作。首先需要分装部署一个无头的游戏客户端，仅包含游戏玩法逻辑，没有展示界面，支持通过API调用，每打一关只需几秒钟，从而极大降低训练时间。公司还部署了一个可视化游戏测试环境，提供关卡可视化回放录像功能，通过智能体操作日志获取录像，协助算法工程师迭代调优。公司使用亚马逊云科技的Elastic Kubernetes Service (EKS)来部署游戏集群和AI集群。

其次，公司需要选择合适的算法和定制奖励机制，让算法学习游戏玩法。第三，需要扩大训练规模，让算法迭代调优并验证有效性。最后，如果算法有效并达到验证标准，才能投入业务场景进行预测。

由于游戏关卡的周期性迭代，模型也需要持续更新。因此公司分别部署了游戏集群和AI集群，前者包括无头游戏客户端和可视化测试环境，后者则负责采集数据、训练模型、部署智能体。在实际业务中，策划做出新关卡后，会自动通过打关机器人跑1000次预测难度，智能体返回难度预测数据和打关过程信息，如剩余障碍布局等，帮助策划优化关卡。

在游戏翻译领域，尽管AI翻译成本低廉，但目前主流模型在语境和文化理解上仍无法完全取代人工。麦吉泰文公司游戏剧情对话中包含大量双关语、梗等元素，需要进行二次创作而非直接翻译，这是AI目前的短板所在。

美术制作方面，虽然AIGC技术大幅降低了成本，但其输出结果无法一步到位，仍需美术人员对不合理元素进行修正，对细节质量进行优化。为适应不同游戏风格和需求，公司为项目组定制了各种AIGC工作流程。

为普及AIGC技术，公司组建了美术和技术人员组成的AIGC团队，向业务方提供工具、流程和培训，并直接参与项目制作获取认可。但该团队也面临AI发展过快、新模型层出不穷的挑战，需要持续跟踪测试并集成高效模型，降低美术人员使用门槛。

在游戏编码领域，AI编程工具虽然提高了效率，但也存在一些缺陷。一个Agent Request有时会导致整个工程崩溃，需要回滚;付费的高级推理模型使用也有限额且价格较高。

面对AI给游戏行业带来的深刻变革，从业者需重新审视自身角色定位。未来，AI可能会从辅助创造的工具，进化为完全自主的代理，游戏从业者将从执行者转变为领导者，只需设定目标、做决策并验收AI成果，人类定位将逐渐向产品经理甚至老板的方向靠拢。

每个人都将通过自己的创意和调度AI的能力去实现梦想。想象有一天，你作为策划对AI说:“分析关卡数据和留存下降原因，重构关卡，将留存提高3个点”。你喝杯咖啡回来，AI已生成三套方案并预测了通关率、玩家行为和流失率，你只需决策是否上线测试。其中一套方案的障碍设计，甚至可能超出你这个经验老道的策划的想象。

这一场景离我们还有多远?在不远的未来，游戏的研发产能和迭代周期都将极大提升。量变引发质变后，AI可能给游戏行业带来研发模式、业务增长乃至商业模式的全面变革。

总之，AI技术在游戏行业的应用正在从点到面、由浅入深地展开。麦吉泰文公司通过在策划、翻译、美术和编码等环节应用AI，取得了提升用户体验、降低成本的成效，但也面临着工程挑战、AI局限性以及人员储备等诸多问题。

未来，AI将会深刻改变游戏行业乃至整个社会的工作模式，每个人都需要重新审视自身角色定位，通过创意和调度AI的能力去实现梦想。我们有理由相信，在不远的将来，AI将为游戏行业带来革命性的变革。

下面是一些演讲现场的精彩瞬间：

通过编写4，000行代码和调用大型语言模型，开发了一个飞书机器人，可以自动解析PDF文件，提取文字和图表，并生成双语网页以方便阅读。

统计显示，团队每人每天使用AI生成上千行代码，其中70%左右被采纳，并且越来越多人使用AgentIsQuest一步到位完成任务。

总结

在这场精彩的演讲中，白立斌先生分享了亚马逊云科技公司如何利用人工智能(AI)技术革新游戏研发流程。他首先介绍了公司背景和游戏产品特点，强调快节奏的版本迭代给研发团队带来了巨大挑战。接着，他详细阐述了AI在游戏策划、翻译和美术素材生产等环节的应用，展示了AI如何提高效率、降低成本。

白先生还分享了公司在AI编程方面的实践，包括举办AI编程大赛、采用CodedSonnet模型等，并预测AI编程将经历代理集群、代理舰队等阶段，最终实现“感觉编程”。他呼吁程序员保持开放心态，积极实践新技术;管理者则应鼓励团队使用AI工具，储备AI人才;公司层面需要高层推动，选择高价值场景先行验证。

最后，白先生畅想了AI在游戏研发中的未来角色，预计AI将从辅助工具逐步演变为自主代理，游戏从业者的定位也将发生转变。他认为，未来每个人都将通过创意和调度AI的能力来创造价值，实现梦想。这场演讲为我们描绘了AI驱动下游戏研发革命的前景，启发我们思考人机协作的新模式。

我们正处在Agentic AI爆发前夜。2025亚马逊云科技中国峰会提出，企业要从“成本优化”转向“创新驱动”，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。