# M8TId6mhhooxZJxHVc5cAwwXnJh

Source: https://dianchukeji.feishu.cn/docx/M8TId6mhhooxZJxHVc5cAwwXnJh


# 一、工作内容概述
# 二、GGS2026全球游戏峰会收获与思考
今天参加GGS2026全球游戏峰会（AI研发&中台专场），涵盖了游戏公司在AI爆发时代下的战略选择、从立项、研发、运营、数据分析迭代等各个方面深度应用AI的实践分享，同时也反映出AI时代下对组织文化、架构、工作流、人才提出了新的要求
## （一）总体判断：AI正在改变游戏公司的组织竞争方式
本次几场分享共同指向一个趋势：
**AI对游戏公司的影响，不只是个人工具提效，而是在重构游戏公司的产品孵化、研发协作、运营迭代、数据决策和组织知识沉淀方式，头部和腰部游戏公司已经进入****重构组织生产系统****的阶段**
游戏公司的竞争正在从“单个项目组能力”扩展至：
  - 是否有**高频创意验证机制**
  - 是否有**AI辅助研发工作流**
  - 是否有**统一数据与业务语言**
  - 是否有**运营/数据/研发高度协同能力**
  - 是否能**把项目经验沉淀成AI可调用资产**
  - 是否能**让组织持续学习，而不是每次从零开始**
## （二）买量驱动公司更容易吃到AI创意验证红利
冰川网络是一家买量和数据驱动特征很强的游戏公司，和三七类似。它们**不是单纯相信创意**，而是更相信：
**高频测试、数据反馈、快速筛选、放大赢家**
冰川网络副总在分享里提到：
他们今年建立了**“AI游戏超级个体小组”**，核心逻辑是**通过AI降低创意验证成本，用更低成本、更高频率验证更多产品机会**。过去一个想法要拉程序、策划、美术，可能要2—4周甚至更久，现在可以通过AI快速生成HTML5 Demo，并当天迭代多个版本
AI对买量型公司当前确实更有利，因为AI强化的是它们原本就擅长的**“流量—素材—数据—验证—放大”**系统。这不是说AI让创意本身更容易成功，而是AI让失败更便宜，让筛选更快，让潜在赢家更早被发现
  - ** AI降低的是试错成本，不是成功难度**
  - ** AI Demo不等于可上线(有商业化能力）产品**
  - ** 高频生成创意会快速内卷**
  - ** 长期优势仍然取决于用户理解、产品判断、商业化承接和数据闭环质量**

> :thinking_face:
**警惕：**
**快不是商业变现逻辑，满足用户“好玩”的需求才是核心。**如果所有买量公司都用AI提高创意验证效率，短期会形成效率红利；但长期来看很可能会变成新的军备竞赛。到那时，单纯“更快生成更多创意”会迅速失效，真正稀缺的会重新回到：**品类判断、产品手感、长期内容能力、商业化结构、数据闭环质量和组织决策质量**
但其中很值得借鉴学习的是**把产品探索拆成可验证假设，并形成稳定验证机制**
例如对养成、英勇之地、SLG类方向来说：
**用AI做机制推演、竞品结构拆解、生态风险模拟、版本方案生成、玩家反馈归因；人来判断核心体验和长期结构**
## （三）冰川网络**“AI游戏超级个体小组：**1人 + AI Agents”与战略研究部创新组高度相似
冰川网络的AI游戏超级个体小组也是**1人 + AI Agents**模式，不再是传统程序、美术、策划完整配置，不再按程序、美术、策划分工，每个人都是“游戏设计师”。
与战略研究部创新组相似的点不是都在用AI做小游戏，而是**组织实验假设相似**：
**所以创新组的****业务目标****应该是****借助AI完成高频原型验证，并通过试玩、上线测试，基于数据和复盘决定是否继续投入，进行快速迭代/创新**，**人才培养目标****是****把每个策划训练成一个具备产品判断、AI调度、原型验收、迭代复盘能力的AI游戏设计师**
## （四）AI对新产品和老产品的价值侧重点不同
### 对新产品：AI的核心价值是提高探索效率
新产品最大问题是方向不确定：
  - 玩法是否成立
  - 用户是否买账
  - 题材是否吸量
  - 商业化是否能承接
  - 核心体验是否有长期潜力
因此AI对新产品的价值主要是：
  - 降低创意验证成本
  - 提高原型验证密度
  - 更快生成Demo
  - 更快做素材/题材测试
  - 更快淘汰错误方向
  - 更早发现值得继续投入的机会
关键词是：
**孵化、探索、原型、试错、验证、概率提升**
盛趣美术负责人分享了AI在项目前期验证中的应用：**动态Demo快速生成**
用视频生成工具将静态图片转为动态Demo，策划可极低成本制作接近真实运行效果的演示片段
### 对老产品：AI的核心价值是提高运营和内容迭代效率
**AI在游戏行业最先产生稳定价值的，不只是发行运营和数据中台，也包括老产品长线内容迭代。**
老产品通常已有：
  - 明确用户群
  - 成熟商业化结构
  - 稳定版本节奏
  - 历史活动模板
  - 既有数据资产
  - 已知用户痛点
  - 可复用美术、数值、运营框架
因此AI在老产品里的价值更直接：
  - 活动方案初稿
  - 节日活动包装
  - 老活动复刻和变体
  - 运营文案和公告
  - 配置表检查
  - 玩家反馈归因
  - 活动数据复盘
  - 用户分层召回
  - 素材批量生成
  - 异常预警
  - 减少运营事故
关键词是：
**降本、提效、复用、监控、复盘、减少事故、发现结构性问题、提高内容的质量、匹配度及供给效率**

> [嵌入电子表格: BSwIsrb1ihG5yAtJLr6c...]

## （五）AI研发提效当前处于“局部效率提升—流程重构探索”的阶段
4399、盛趣等公司的分享了AI工作流对游戏开发提效的实践：
  - 策划文档Markdown化
  - 配置表辅助
  - AI评审策划文档
  - PSD/PUI自动化
  - 规范驱动开发
  - 小型功能开发
  - 原型验证
AI工作流对局部效率的提升极为明显，真正需要突破的是**专用工作流能力**，全流程同样面临模型能力不足及上下文限制问题
## （六）运营中台和数据中台的收益更直观
相较研发提效，三七和巨人的分享体现出：
**AI在运营、发行、数据分析、用户触达、活动复盘、异常监控上的价值更容易验证**
三七的运营中台逻辑是：
  - 统一流量接入
  - 定义目标用户
  - 组合运营策略
  - 组件化执行
  - A/B测试
  - 效果分析
  - 持续迭代
这类场景闭环短，指标明确，能够快速观察：
  - 触达效率是否提升
  - 配置时间是否减少
  - 运营事故是否下降
  - 用户是否被正确触达
  - 成本是否下降
  - 回流率、转化率、留存是否改善
巨人网络的数据中台则体现出另一种价值：
**AI和数据不是替代产品判断，而是降低错误判断、错误配置、错误迭代的概率**
尤其对**老产品**、**成熟项目**、**长期运营项目**来说，AI + 数据中台能让活动复盘、版本归因、玩家反馈分析、异常检测更快进入业务决策链路
冰川强调**AI提高验证频率**，巨人强调**数据进入工作流后才能降低方向判断和迭代成本**。两者结合后，完整链路应该是：
**AI发现机会 → AI辅助生成原型 → 人判断核心体验 → 数据验证用户反馈 → AI辅助复盘 → 人决定是否继续投入**
## （七）AI友好型组织与AI友好型架构会成为新能力
三七/B站和4399的分享都在强调：
**未来好的组织和工程体系，不仅要人可理解，还要AI可理解、可调用、可验证**
把组织知识变成AI可读、可调用、可验证、可复用的资产，包括：统一术语、清晰命名、接口契约、元数据声明、结构化文档、规范化目录、统一埋点、权限边界、可追溯来源、测试和验收机制、memory/知识库沉淀

> :thinking_face:
**小结：**
头部和腰部游戏公司已经进入**重构组织生产系统**的阶段。游戏公司间的竞争正在从**项目组能力****扩展至****AI化的验证系统、研发系统、运营系统和组织学习系统能力**
当前AI的确定性价值体现：
提升用户触达、活动配置、数据复盘、事故预防和运营决策效率
方向、框架、用户和商业化模型相对确定，AI可以直接降低版本生产、活动设计、素材制作、配置检查、反馈归因和复盘的成本，让现有产品用**更低成本**、**更少事故**、**更快节奏**、**更准判断**维持长线生命力
战略价值高，但市场验证链路长，不确定性高
# 一、工作内容概述
# 二、GGS2026全球游戏峰会收获与思考
今天参加GGS2026全球游戏峰会（AI研发&中台专场），涵盖了游戏公司在AI爆发时代下的战略选择、从立项、研发、运营、数据分析迭代等各个方面深度应用AI的实践分享，同时也反映出AI时代下对组织文化、架构、工作流、人才提出了新的要求
## （一）总体判断：AI正在改变游戏公司的组织竞争方式
本次几场分享共同指向一个趋势：
**AI对游戏公司的影响，不只是个人工具提效，而是在重构游戏公司的产品孵化、研发协作、运营迭代、数据决策和组织知识沉淀方式，头部和腰部游戏公司已经进入****重构组织生产系统****的阶段**
游戏公司的竞争正在从“单个项目组能力”扩展至：
- 是否有**高频创意验证机制**
- 是否有**AI辅助研发工作流**
- 是否有**统一数据与业务语言**
- 是否有**运营/数据/研发高度协同能力**
- 是否能**把项目经验沉淀成AI可调用资产**
- 是否能**让组织持续学习，而不是每次从零开始**
## （二）买量驱动公司更容易吃到AI创意验证红利
冰川网络是一家买量和数据驱动特征很强的游戏公司，和三七类似。它们**不是单纯相信创意**，而是更相信：
**高频测试、数据反馈、快速筛选、放大赢家**
冰川网络副总在分享里提到：
他们今年建立了**“AI游戏超级个体小组”**，核心逻辑是**通过AI降低创意验证成本，用更低成本、更高频率验证更多产品机会**。过去一个想法要拉程序、策划、美术，可能要2—4周甚至更久，现在可以通过AI快速生成HTML5 Demo，并当天迭代多个版本
AI对买量型公司当前确实更有利，因为AI强化的是它们原本就擅长的**“流量—素材—数据—验证—放大”**系统。这不是说AI让创意本身更容易成功，而是AI让失败更便宜，让筛选更快，让潜在赢家更早被发现
- ** AI降低的是试错成本，不是成功难度**
- ** AI Demo不等于可上线(有商业化能力）产品**
- ** 高频生成创意会快速内卷**
- ** 长期优势仍然取决于用户理解、产品判断、商业化承接和数据闭环质量**

> :thinking_face:
**警惕：**
**快不是商业变现逻辑，满足用户“好玩”的需求才是核心。**如果所有买量公司都用AI提高创意验证效率，短期会形成效率红利；但长期来看很可能会变成新的军备竞赛。到那时，单纯“更快生成更多创意”会迅速失效，真正稀缺的会重新回到：**品类判断、产品手感、长期内容能力、商业化结构、数据闭环质量和组织决策质量**
但其中很值得借鉴学习的是**把产品探索拆成可验证假设，并形成稳定验证机制**
例如对养成、英勇之地、SLG类方向来说：
**用AI做机制推演、竞品结构拆解、生态风险模拟、版本方案生成、玩家反馈归因；人来判断核心体验和长期结构**
## （三）冰川网络**“AI游戏超级个体小组：**1人 + AI Agents”与战略研究部创新组高度相似
冰川网络的AI游戏超级个体小组也是**1人 + AI Agents**模式，不再是传统程序、美术、策划完整配置，不再按程序、美术、策划分工，每个人都是“游戏设计师”。
与战略研究部创新组相似的点不是都在用AI做小游戏，而是**组织实验假设相似**：
**所以创新组的****业务目标****应该是****借助AI完成高频原型验证，并通过试玩、上线测试，基于数据和复盘决定是否继续投入，进行快速迭代/创新**，**人才培养目标****是****把每个策划训练成一个具备产品判断、AI调度、原型验收、迭代复盘能力的AI游戏设计师**
## （四）AI对新产品和老产品的价值侧重点不同
### 对新产品：AI的核心价值是提高探索效率
新产品最大问题是方向不确定：
- 玩法是否成立
- 用户是否买账
- 题材是否吸量
- 商业化是否能承接
- 核心体验是否有长期潜力
因此AI对新产品的价值主要是：
- 降低创意验证成本
- 提高原型验证密度
- 更快生成Demo
- 更快做素材/题材测试
- 更快淘汰错误方向
- 更早发现值得继续投入的机会
关键词是：
**孵化、探索、原型、试错、验证、概率提升**
盛趣美术负责人分享了AI在项目前期验证中的应用：**动态Demo快速生成**
用视频生成工具将静态图片转为动态Demo，策划可极低成本制作接近真实运行效果的演示片段
### 对老产品：AI的核心价值是提高运营和内容迭代效率
**AI在游戏行业最先产生稳定价值的，不只是发行运营和数据中台，也包括老产品长线内容迭代。**
老产品通常已有：
- 明确用户群
- 成熟商业化结构
- 稳定版本节奏
- 历史活动模板
- 既有数据资产
- 已知用户痛点
- 可复用美术、数值、运营框架
因此AI在老产品里的价值更直接：
- 活动方案初稿
- 节日活动包装
- 老活动复刻和变体
- 运营文案和公告
- 配置表检查
- 玩家反馈归因
- 活动数据复盘
- 用户分层召回
- 素材批量生成
- 异常预警
- 减少运营事故
关键词是：
**降本、提效、复用、监控、复盘、减少事故、发现结构性问题、提高内容的质量、匹配度及供给效率**

> [嵌入电子表格: BSwIsrb1ihG5yAtJLr6c...]

## （五）AI研发提效当前处于“局部效率提升—流程重构探索”的阶段
4399、盛趣等公司的分享了AI工作流对游戏开发提效的实践：
- 策划文档Markdown化
- 配置表辅助
- AI评审策划文档
- PSD/PUI自动化
- 规范驱动开发
- 小型功能开发
- 原型验证
AI工作流对局部效率的提升极为明显，真正需要突破的是**专用工作流能力**，全流程同样面临模型能力不足及上下文限制问题
## （六）运营中台和数据中台的收益更直观
相较研发提效，三七和巨人的分享体现出：
**AI在运营、发行、数据分析、用户触达、活动复盘、异常监控上的价值更容易验证**
三七的运营中台逻辑是：
- 统一流量接入
- 定义目标用户
- 组合运营策略
- 组件化执行
- A/B测试
- 效果分析
- 持续迭代
这类场景闭环短，指标明确，能够快速观察：
- 触达效率是否提升
- 配置时间是否减少
- 运营事故是否下降
- 用户是否被正确触达
- 成本是否下降
- 回流率、转化率、留存是否改善
巨人网络的数据中台则体现出另一种价值：
**AI和数据不是替代产品判断，而是降低错误判断、错误配置、错误迭代的概率**
尤其对**老产品**、**成熟项目**、**长期运营项目**来说，AI + 数据中台能让活动复盘、版本归因、玩家反馈分析、异常检测更快进入业务决策链路
冰川强调**AI提高验证频率**，巨人强调**数据进入工作流后才能降低方向判断和迭代成本**。两者结合后，完整链路应该是：
**AI发现机会 → AI辅助生成原型 → 人判断核心体验 → 数据验证用户反馈 → AI辅助复盘 → 人决定是否继续投入**
## （七）AI友好型组织与AI友好型架构会成为新能力
三七/B站和4399的分享都在强调：
**未来好的组织和工程体系，不仅要人可理解，还要AI可理解、可调用、可验证**
把组织知识变成AI可读、可调用、可验证、可复用的资产，包括：统一术语、清晰命名、接口契约、元数据声明、结构化文档、规范化目录、统一埋点、权限边界、可追溯来源、测试和验收机制、memory/知识库沉淀

> :thinking_face:
**小结：**
头部和腰部游戏公司已经进入**重构组织生产系统**的阶段。游戏公司间的竞争正在从**项目组能力****扩展至****AI化的验证系统、研发系统、运营系统和组织学习系统能力**
当前AI的确定性价值体现：
提升用户触达、活动配置、数据复盘、事故预防和运营决策效率
方向、框架、用户和商业化模型相对确定，AI可以直接降低版本生产、活动设计、素材制作、配置检查、反馈归因和复盘的成本，让现有产品用**更低成本**、**更少事故**、**更快节奏**、**更准判断**维持长线生命力
战略价值高，但市场验证链路长，不确定性高