摘要： Meshy.AI创始人胡渊鸣在访谈中分享了AI原生游戏的技术选型思路：bridged world model（AI+经典图形学混合）比纯神经网络方案更现实落地。

---

访谈来源B站红杉会《prompt》，共88分钟，以下内容基于Ai好记转录的图文笔记提炼，方便快速抓住技术要点。

---

1. 先说结论：纯神经网络做world model目前不现实

胡渊鸣直接给了数字对比：

• 纯diffusion/autoregressive world model，单帧推理需要 1000+ TFLOPs
• iPhone 17的NPU大约 30-40 TOPS，实际可用几TOPS
• 差了 两个数量级，摩尔定律拉不平

结构性问题是：纯pixel-based world model要花大量算力理解基础物理。比如相机旋转360度后人物还在原位——这种事对传统渲染引擎很简单，对纯神经网络来说要消耗巨量参数。

---

2. 解法：bridged world model

胡渊鸣提出的方案是混合模型：

• 经典图形学引擎 处理基础物理和渲染（相机运动、碰撞检测、光照）
• 生成式AI 负责交互差异性和内容生成（每次体验不同）

好处是：基础渲染走传统管线保证60FPS实时性，AI只在需要"生成差异性"的地方介入，算力需求大幅降低，手机端可落地。

他做了一个类比——现在做coding agent，也是让LLM生成代码（中间表示），再用最廉价的方式执行。不是让LLM直接解决所有问题。游戏里bridged world model是同样的思路：AI生成中间表示，经典引擎负责执行。

---

3. AI原生游戏的两个判定标准

条件一：去掉AI，这个游戏没法玩。 AI是核心机制，不是锦上添花。换成随机数生成器或预设脚本，体验崩塌。

条件二：AI的加入让游戏更好玩。 不是为了用AI而用AI。如果AI破坏了传统游戏已有的好玩要素，那是减分。

他举了《黑箱》——攻击技能和交互方式完全由AI生成。每次合成武器时，玩家期待一个"意料之外、情理之中"的结果。

---

4. AI给游戏带来的三个要素

要素	说明
意料之外	每次结果不同，带来惊喜感
情理之中	玩家有参与感和控制权，不是纯随机
降低门槛	大语言模型用自然语言训练，0-99岁都能直觉交互

第三点很关键。传统游戏需要玩家学复杂操作，AI原生游戏可以用自然语言描述意图。设计难点从"教会操作"变成了"设计好的交互反馈"。

---

5. 方法论：怎么做AI原生游戏

三步走：

第一步：分析历史上成功游戏的特性。 挑战感、心流、成就感、探索欲。

第二步：找到AI能"彻底打开限制"的环节。 不是所有环节都需要AI。找到没有AI时受限、有了AI后彻底突破的玩法。比如构建系统、武器合成、NPC交互。

第三步：目标是做出99分的游戏，不是1万个60分的。 游戏市场赢家通吃。AI应该用来做一款极致的产品。

“你生成1万个60分的游戏没有任何意义，因为大家永远会去玩1个90分的游戏。”

---

6. 技术背景创始人的产品转型

Meshy的转型来自一个用户反馈：

“你把这个软件卖给我们，我们不会付钱。但如果你把软件里的3D资产卖给我，我可能愿意付5块钱。”

团队意识到：用户不关心你用了什么技术，只关心能解决什么问题。 结合Stable Diffusion和ChatGPT的浪潮，转向AI生成3D模型。

结果：过去12个月营收增长14倍，近4000万美金ARR，月增20%。

胡渊鸣说技术型创始人最大的陷阱是"总觉得自己技术够好产品自然有人用"。需要不断和真实世界碰撞。

---

7. AI不可替代的能力

• 能替代的： 基于训练数据的所有任务。有数据集就能训练模型。
• 不能替代的： 探索全新事物的能力。没人做过的事没有训练数据，需要"灵光一闪"——逻辑推理、感性飞跃、直觉去预测未来。

他用了一个词：think out of the box。在已有范式下思考全新的对未来的想象，是现在的AI不具备的。