我们的大部分搜索流量从来都不是真人

作者：Oleg Sidorkin，Cinevva CTO

我们的自然搜索流量正在增长，而且今年以来一直如此。这部分是真的。但 7 月初，曲线突然跃升，与我们发布的任何内容都对不上。一次毫无缘由的跃升，值得花一个下午查清楚。

我们展开调查，发现一支带着 Google 引荐来源而来的无头 Chrome 集群。

曲线形态比峰值更重要

整个春季，虚假流量的占比在会话总数的三分之一到三分之二之间波动。这大致就是任何公开网站都会面对的背景噪声。

到了 6 月下旬，这一比例开始攀升，并持续走高。以 4 月第一周为基准，到 7 月中旬，真实会话增长了约 5.5 倍，而自动化会话增长了约 18.6 倍。

为什么它很难被发现

我们一直密切关注这些数字，任何无法解释的变化都会促使我们编写查询来调查。之所以这次需要深入挖掘，是因为仅凭我们的会话记录，确实无法区分这两类流量。

互动情况是根据每个会话的 last_activity_at 时间戳推断的。对于只访问一个页面的会话，该字段在首次写入后就不会再发生变化。

因此，一个加载单个页面后离开的机器人，与一个进入指南页面并阅读五分钟的人，写入的是完全相同的记录。跳出率、网站停留时间、互动情况，所有这些指标都来自一个对单页会话毫无信息量的字段。这种情况并不少见。大多数自建分析系统默认就是这样，而这也是我建议你首先检查的地方。

解决办法是不再从会话记录中推断，而是读取退出信标。它会从客户端报告真实的页面停留时间和滚动深度。有了证据而不是推断，这两组流量立刻就区分开了。

这一差距证明分类器描述的是一种真实现象，而不是把安静浏览的访客误判为机器人。

到底是什么暴露了自动化集群

用户代理是最糟糕的判断依据，因为它的修改成本最低。事实证明，最有效的信号是显卡。

数据中心里的无头浏览器没有 GPU，因此会回退到软件渲染，而 WebGL 会直接报告渲染器字符串。SwiftShader、llvmpipe、Mesa OffScreen。真实访客使用的是真实 GPU。

网络来源的帮助没有想象中那么大。这些会话中，大约每十个就有四个通过真正的消费级 ISP 出口。住宅代理现在很便宜，任何假设机器人都来自 AWS 的规则都会漏掉近一半。

其余证据来自客户端自报信息中不可能真实存在的组合。Chromium 用户代理始终以一个与其 AppleWebKit 标记匹配的 Safari 标记结尾，自 2013 年以来一直固定为 537.36，但这支集群却产生了诸如 Safari/537.35 和 .38 这样的错误。一个手机用户代理声称拥有 1600x1200 的屏幕。另一个变体声称屏幕是完美的 1600x1600 正方形。还有一个声称是 1200x3000，相当于一台纵向摆放、宽高比为 2.5:1 的桌面显示器，而这种产品根本没有厂商生产。

其中每一种都是某人的模拟器配置，而如果你不专门去查，它们就永远不会浮现出来。

每次被标记后，集群都会调整

最初的特征是 Linux Chrome、Google 引荐来源、America/New_York、1920x1080。我们写了一条规则。

随后，一个采用 800x600 分辨率和 UTC 时区的变体出现了。我们扩大了规则范围。

接着，一个中国流量群体出现了。它们使用中国移动和中国联通的住宅地址，并锁定特定浏览器版本，其中包括 2022 年 3 月发布的 Chrome 99，以及 Chrome DevTools 设备模拟的默认配置：一台 2015 年的 Nexus 5，运行 2018 年版微信。它们通过消费级 ISP 出口，因此我们所有基于网络的规则对它们都毫无用处。

之后又出现了一个美国变体，通过 Cox 和 Comcast 上网，使用完全合理的最新版 Chrome 146 用户代理，分辨率为 1920x1080。这个指纹没有任何明显错误，而且逐个会话来看，它与真实访客无法区分。

因此，我们构建的最后一个检测器不再查看单个会话。它按国家、用户代理、屏幕尺寸和流量来源，对过去 48 小时的数据进行分组，然后寻找至少包含 20 个匿名会话的集群，其中 95% 或更多的会话既没有阅读满三秒，也没有滚动哪怕一个像素。

真实访客不会如此紧密地聚集。二十个陌生人使用完全相同的浏览器和完全相同的分辨率，而且全都没有阅读任何内容就离开，这其实是一台拥有二十个地址的机器。集群中任何确实阅读或滚动过的访客都会继续被视为真人，而关联到真实账户的会话永远不会被标记。

审计也发现了相反的错误

在从数据中剔除虚假访客时，我们还发现了一些此前被我们排除的真实访客。

有了真实的阅读时长后，我们发现，在被归类为真人跳出的会话中，有 34.2% 的访客阅读了至少 30 秒，或者滚动超过了页面的一半。这些所谓的“失败”中，有三分之一其实意味着内容发挥了作用。从 Bing 进入网站的中国读者会在一篇指南上停留五分钟，却仍被记录为跳出。

数据同时在两个方向上出现偏差，而这两种错误又指向同一个错误结论。它们结合起来，会让你以为自己的流量规模很大但参与度很浅，而实际情况是流量更小、参与度更深。

我们付费购买的渠道反而最诚实

过去 30 天。在此期间，Google 自然搜索占全部会话的 63.7%。

增长领域的所有直觉都与此相反。你会认为付费渠道才是容易被欺诈的地方，而自然流量则是自己挣来的。我们的情况恰好颠倒了。

如果我们根据 7 月的数据重新分配预算，就会把资金从真正带来真人的渠道撤走，转而为一个爬虫制作更多内容。

为什么这值得花一个下午

数字本身只是数字。但位于它下游的，是我们接下来要写哪些页面、要投资哪个语言版本、某个推广活动能否通过评审，以及这个季度的表现是否好到足以让我们继续照旧行事。一个拥有廉价代理池的陌生人，就能影响所有这些决策。

如果你运营的是一个小型网站，在相信自己的增长曲线之前，先去检查 GPU 渲染器字符串和退出信标。

同时，请把我们的数字视为下限，而不是最终结论。这里的“真人”只意味着“尚未被发现”，这些规则来自我们碰巧观察到的指纹，而且我们仍然不知道是谁在运营这支集群，也不知道他们为什么盯上一个游戏创作网站。

相关内容：

• 固定成本陷阱 — 另一个最终被发现背后毫无缓冲机制的数字
• 为什么我们构建了自己的 WebGPU 引擎 — 同样是在讨论为何要掌控自己所依赖的技术层
• 指南 — 这次审计原本应该衡量的内容

作者：Oleg Sidorkin，Cinevva CTO

6 月 25 日，Epic CEO Tim Sweeney 称 Valve 的 Steam AI 披露要求“极其不负责任”。他的论点直截了当。你必须在 Steam 上发布游戏，才能让玩家把它加入愿望单；而一旦这么做，“你的产品就会被打上 AI 这枚猩红字，现在还有一个仇视者群体试图扼杀这款游戏。”他的结论是：这个标签让游戏开发者“获得成功机会的难度高得多、多得多、多得多”。

令人不安的是，数据印证了这种担忧。根据 Game Oracle 的数据，带有生成式 AI 披露信息的游戏，获得的评测数量比不带该信息的同类游戏少 53%。评测会为推荐引擎提供信号，因此差距会不断累积。评测越少，曝光就越少；曝光越少，玩家和新增评测也会进一步减少。

无人点破的矛盾

这件事之所以成为本月最值得关注的话题，而不只是一场口水战，原因就在这里。Sweeney 发表这番言论的八天前，他自己的公司刚刚推出了游戏引擎史上最高调的拥抱 AI 之举。在 6 月 17 日的 State of Unreal 活动上，Epic 公布了 Unreal Engine 6，并发布了带有实验性 MCP 服务器支持的 5.8 版本。这个插件可以把 Claude 和 Gemini 等 LLM 直接接入编辑器。也就是说，同一个人一边掌管着最大的游戏引擎，争相把 AI 放到游戏制作流程的核心位置；一边又抨击最大的商店平台，因为后者承认这些游戏在制作中使用了 AI。

你可以称之为虚伪，但它恰好勾勒出了真正的矛盾所在。在工具层面，AI 很受欢迎，因为它能为开发者节省时间，而且工作室之外没有人会看到它。在发行层面，AI 却会受到惩罚，因为商店平台会贴上标签，再由人群决定这个标签意味着什么。同一种技术得到截然相反的待遇，而两者之间的分界线，恰好就是商店平台的边界。

Sweeney 的解决方案瞄错了目标

他的主张是移除标签，但这只是在处理症状。这个标签之所以致命，只因为 Steam 是一道单一关卡，每个月都有数千款游戏要从这里经过。在这里，“使用 AI 制作”的标签会成为评测轰炸群体的协同行动目标，也会成为推荐算法默默读取的一项信号。即便去掉标签，这道关卡、人群和算法依然存在。惩罚只会转移到更难衡量的地方。

披露本身不是陷阱，瓶颈才是。任何强大到能让愿望单决定成败的单一商店平台，也同样强大到足以让一个标签决定游戏首发的命运。那些把全部发行渠道都建立在这道关卡上的开发者，如今才发现，这道关卡有自己的立场。

浏览器不会给游戏烙上猩红字

通过链接运行的游戏不需要填写披露表单，没有标签，也没有一群人守在某个单一商店平台上，在任何人真正游玩之前，就把它归类为“真正的游戏”或“AI 垃圾”。评判应当发生在该发生的地方，也就是实际游玩的前 30 秒，而不是发生在游戏尚未加载时就会被算法读取的元数据字段中。

需要说明的是，这种方式能解决什么、不能解决什么。厌恶 AI 美术的人，在浏览器标签页里仍然会厌恶它。这种态度会跟着游戏传播。不会跟着传播的，是把个人态度变成分类规则的制度化标签，是算法读取的复选框，也是评测轰炸群体在任何人按下“开始游戏”之前就围绕它展开协同行动的目标。去掉这些因素，问题就会回归到唯一公平的标准：它好玩吗？无论树木是由人类还是模型绘制，浏览器游戏都以同样的方式赢得受众。这正是租用发行渠道与拥有发行渠道之间的区别。

这对正在创作游戏的你意味着什么

Sweeney 说得没错：披露带来的惩罚确实存在，而且它将影响什么样的游戏能够被制作出来。但他错在认为，答案是说服全球最大的商店平台撤掉这个标签。你赢不了这场争论，只能等待下一项政策到来。真正的做法，是从一开始就不再依赖那道会印上标签的关卡。

我们正是围绕这一点打造了 Cinevva。游戏在浏览器中制作和游玩，通过链接分享，由是否好玩来决定价值，而不是由制作方式决定。那些围绕 AI 标签争论不休的工作室，争夺的只是商店里的货架空间。更有意思的押注是：商店将不再是唯一的货架。当你的游戏在浏览器标签页中打开时，猩红字便无处附着。

相关阅读：

• 52/52 的分裂 — 企业采用率与开发者抵触率恰好相同，而商店平台规则正是原因之一
• 如今人人都想成为 AI 游戏引擎 — Unreal Engine 6 刚刚进一步升级了这场工具层面的圈地竞赛
• AI 原生引擎正在交付 — 3 月时，编辑器中的 MCP 还只是初创公司的构想，如今它已经进入 Unreal
• 面向游戏创作者 — 将可玩的游戏发布为一个链接，无需经过商店平台关卡，也没有披露标签

作者：Oleg Sidorkin，Cinevva CTO

Bungie 在九年之后刚刚结束了 Destiny 2 的活跃开发，随之而来的是裁员，并把人员转移到 Marathon——这款游戏在上线第一个月就丢掉了一半以上的同时在线玩家。几周之前，OpenAI 在每天大约烧掉一百万美元、而生命周期总收入只有约两百万美元的情况下关停了 Sora。整个春天，工作室一家接一家地裁员。把这些事归进不同的标题很容易：长线服务疲劳、AI 炒作、经济疲软。它们其实是同一个失败穿了三套戏服。

三场崩塌，一个形状

每个故事都有相同的骨架。一个非常昂贵的东西背负着非常高的固定成本。受众发生转移。成本结构却没法跟着转。Destiny 2 需要数百人永远不停地产出内容，仅仅是为了原地不动。Sora 的成本随着每生成一段视频而增长，所以越受欢迎，失血越严重，而不是越轻。一个手里有一款旗舰产品在研、共 300 人的工作室，要负担一份不在乎旗舰是否顺利的工资单。当收入移动而成本没法跟上时，唯一剩下的杠杆就是裁人。这就是为什么这些故事每一个都以裁员收场。

问题从来不是产品

Bungie 的错误不在于 Destiny 2 失败了。它运营了九年，赢得了一批忠实受众。错误在于唯一的后续之作又是另一款九位数预算的长线服务游戏，所以当 Marathon 摇摇欲坠时，没有任何更小的东西可以退守。Sora 也不是个糟糕的演示。它是一个真正令人印象深刻的模型，却被绑在了一台惩罚自身成功的经济引擎上。两个案例里，他们交付的东西都奏效了。不奏效的是背后那个赌注的体量。一家把所有筹码都押在一款巨型作品上的工作室没有任何缓冲余地。第一个糟糕的季度同时也是最后一个。

唯一真正的防御是廉价的失手

这里是头条新闻略过的部分。能熬过低谷的工作室和工具，并不是那些更经常挑中赢家的。没有人能可靠地挑中赢家。它们是那些失手不会终结公司的。如果一款游戏对一个小团队来说只花掉几周，而不是让几百人花掉好几年，那么一次失败就是个寻常的周二，而不是一场葬礼。刚刚终结了 Destiny 2 开发的那套算术，假定每个赌注都是巨大的，因此每次损失都是致命的。把单次尝试的成本压得足够低，这套逻辑就会反转。你可以在大多数时候出错，而这是偶尔做对的唯一诚实方式。

这就是为什么固定成本陷阱是结构性的，而不是 Bungie 的问题或 OpenAI 的问题。任何需要数百人、或者算力增长速度快过收入增长速度的模式，在设计上就是脆弱的。它看上去很强大，直到受众发生转移的那一刻——而受众总是会转移。

如果你在做东西，这意味着什么

未来不是更少、更大、由千人团队抬着走的游戏。而是由小团队和个人做出多得多的游戏，在那里尝试一件事几乎不花钱。这不是乐观主义，这是经济规律所指的方向。离开 Destiny 的那批受众没有消失。它碎裂分散到了几十款游戏里，而下一波捕获他们的浪潮，会比任何长达十年的庞然大物更便宜、更快上线、更易于迭代。

这就是我们在 Cinevva 押下的赌注。在浏览器里做出、也在浏览器里游玩的游戏，在那里一次尝试的成本低到一次失手不会把整个工作室一起拖下水。刚刚终结 Destiny 2 开发的那套经济学，恰恰就是我们打造这个平台去绕开的那套经济学。巨头们正在以惨痛的方式学到：没有缓冲余地的规模只是风险敞口。最先把这一点内化的人，能在低谷中继续建造，而不是被低谷裁掉。

相关阅读：

• Bungie 结束 Destiny 2 开发 —— 关停、裁员，以及 Marathon 这场押注
• Sora 没了 —— 每天一百万美元对上两百万美元的生命周期总收入
• 游戏行业裁员持续至 2026 年 3 月 —— 更大范围的收缩
• 巨头的废墟 —— 崩塌另一侧的独立机会
• 面向游戏创作者 —— 发布可玩游戏、订阅资金池、按游玩时长分成

作者：Mariana Muntean，Cinevva CEO

每一个关于工作室关停游戏的故事都会被写成一场悲剧，对那些丢掉工作的人来说确实是。但底下还有第二个故事，那个没有任何新闻稿的故事。当 Bungie 结束 Destiny 2 的活跃开发时，它砍掉的不只是一个团队。它释放出了一批受众。数百万曾围绕一款游戏安排自己夜晚的玩家，正在慢慢地寻找下一款。这对游戏行业来说不是损失。这是一次再分配，而小团队能接住的，比他们以为的更多。

一次关停就是一次迁徙

当一款长线服务游戏走向收尾，它的玩家不会就此不玩游戏了。他们只是不玩那款游戏。Destiny 的社区并没有对和朋友一起玩失去兴趣。他们只是失去了在一个特定地方继续这么做的理由。在这之前的每一次大型关停都伴随着同样的事情。受众四散，而它会朝着任何感觉新鲜、有社交感、有活力的东西散去。巨头们花了十年把这些玩家拉进一个房间。现在门正在打开，玩家又回到了公开市场上。

被释放的玩家是你能触达的最便宜的受众

做游戏里最难的事不是把它做出来。是让任何人愿意去试一下。对大多数小工作室来说，最昂贵的成本项是注意力。一个刚从关停的长线服务游戏里出来的玩家，在一小段时间窗口内，正在主动挑选。他们有曾经花在那款游戏上的时间、一群想一起找个新家的朋友，以及没有当前的忠诚度。这是这一行里最罕见的组合：有动力、无依附、还成群结队地到来。你不必把他们从任何东西上撬走。巨头已经放手了。

巨头再也做不到的事

这里就是那个不对称。一家千人工作室没法去追逐一个碎裂的受众。它的成本结构，也就是我们写过的固定成本陷阱，只有在押中一款巨型爆款时才行得通。十二款面向十二个小众的怪游戏，养不起那么大一份工资单。所以受众碎裂的那一刻，恰恰是巨头最无力去服务它的那一刻。那道缺口就是独立开发者的机会。小团队能做出那些一个碎片中的碎片真正想要的、奇特、具体、有社交感的游戏，而且成本低到一个小众受众就绰绰有余。

如何在他们落地时正好就位

在对的时间出现在废墟里不是靠运气，是靠站位。它意味着频繁上线，而不是把所有筹码押在一次发布上。它意味着把游戏做得足够便宜，这样当迁徙开始时你手里就有一款准备好的，而不是在迁徙结束十八个月之后才有。它意味着在被释放的玩家已经身处的地方与他们相遇——在一个浏览器标签页里，用一款他们点一下就能玩、还能把朋友带进来的东西。

这就是我们在 Cinevva 正在搭建的东西。一个让小团队快速上线可玩游戏、通过 reels 而不是广告预算被发现、靠游玩时长而不是发布高峰来赚钱的地方。巨头们正在教整个行业一件事：规模是脆弱的。这个教训的另一面是，他们的受众正在被争夺，而准备好接住的人，正是那些从一开始就不需要受众规模庞大的人。

相关阅读：

• 固定成本陷阱 —— 巨头为什么一开始就是脆弱的
• Bungie 结束 Destiny 2 开发 —— 九年积累的受众重回市场
• 游戏行业裁员持续至 2026 年 3 月 —— 收缩的规模
• 面向游戏创作者 —— reels 发现、订阅资金池、按游玩时长分成

作者：Oleg Sidorkin，Cinevva CTO

两个月前我们写过浏览器渲染经历了史上最好的一个月，当时我们以为那只是一次尖峰。它不是。它是一个趋势的开端，而且这个趋势有方向。浏览器正在变成一个你拿来上线一款真正的游戏的地方，而不是一个你把一款小游戏移植过去的地方。

三月以来落地的东西

把清单过一遍。Babylon.js 9 交付了支持数千个动态光源的聚簇光照、体积光照，以及一次完整的 Gaussian splatting 大改。Three.js r184 加入了 HTMLTexture，它能把实时、可交互的 DOM 渲染成 3D 表面上的纹理。PlayCanvas v2.17 带来了 WebGPU 上由 GPU 驱动的 Gaussian splatting，配有 f16 球谐函数以及 GPU 排序和视锥剔除。Godot 4.7 beta 加入了 wasm64 网页导出，解除了过去 4 GB 的内存上限，同时还有真正的 HDR 输出和区域光。Chrome 146 交付了一个能在 OpenGL ES 3.1 和 Direct3D 11 上运行的 WebGPU 兼容模式，而 WebGPU 本身达到了 W3C 候选推荐标准。这其中任何一项都足以成就一个值得一提的季度。而它们全都在大约八周内落地了。

“够做个演示”变成了“够拿去上线”

到来的这些特性不是玩具。聚簇光照是你用来在不让帧率崩塌的前提下、用数千个动态光源照亮一个场景的方法。Gaussian splatting 是你用来把照片级真实的捕捉环境放进游戏、还保持可交互帧率的方法。由 GPU 驱动的排序和剔除，是一个会卡顿的技术演示和一款能稳住 60 帧的游戏之间的区别。这些都是原生引擎用来做 AAA 上线的技术，而它们现在能在一个标签页里运行。兼容模式那部分工作在另一个方向上同样重要。它意味着 WebGPU 能触达大多数玩家实际拥有的廉价和老旧硬件，而不只是配了高端 GPU 的开发者机器。

我们一直在这之上动手搭建

我们不是从一份新闻稿上读到这些的。我们过去这段时间一直在搭建一个在浏览器里运行的开放世界，跨越了六十多个 spike 实验，从丑陋的地形基线，到 GPU marching cubes 和流式 LOD。我们把这条轨迹写成了一个完整系列，以及一篇更长的关于方法论的文章。上面几乎每一个特性都对应着我们以惨痛方式撞上的一个问题。当聚簇光照落地到一个主流网页引擎里时，那就是我们自己一段可以删掉的代码。

异议已死，习惯未死

“你没法在浏览器里做一款真正的游戏”这句话在很长一段时间里都是对的，而它在大多数行业把目光投向另一边的 AI 时，悄悄不再成立了。那道曾经为“先上线一个原生客户端、网页版也许永远不做”辩护的技术天花板，已经被掀掉了。剩下的是习惯。引擎、工作室和工具链仍然建立在一个假设之上：浏览器是次一等的目标。

那个假设就是机会。我们打造 Cinevva 时押的赌注是：浏览器会成为上线和发现游戏的默认场所，而不是退而求其次的选择。渲染栈刚刚花了两个月把这个赌注证明出来。最先更新自己心智模型的工作室，将得到一个没有安装摩擦的分发面，以及一个一键之遥的受众。那些观望的，最终也会移植过来——在所有人都已经住在那里之后。

相关阅读：

• 浏览器渲染刚刚经历了史上最好的一个月 —— 我们一度以为是一次性的那次尖峰
• Babylon.js 9 发布 —— 聚簇光照和 Gaussian splatting
• Three.js r184 带来 HTMLTexture —— 实时 DOM 作为 3D 表面
• PlayCanvas v2.17 加入 GPU 驱动的 Gaussian splatting —— 大规模运行在 WebGPU 上的泼溅
• Godot 4.7 beta —— HDR 输出、区域光、wasm64 网页导出
• Chrome 146 加入 WebGPU 兼容模式 —— 面向老旧 GPU 的 WebGPU
• 在浏览器里做一个开放世界需要什么 —— 我们自己的轨迹

作者：Mariana Muntean，Cinevva CEO

GDC 2026 年的《游戏行业现状》调查把两个相同的数字放进了头条。52% 的游戏公司报告在生产中使用生成式 AI，与此同时 52% 的开发者说生成式 AI 正在对行业产生负面影响。一样的百分比，对未来截然相反的解读。

在这种对称之下，还有另一个较少被提及的分裂。只有 36% 的受访者说自己个人使用生成式 AI，而公司层面的采用率要高得多。管理层正在采购一大批个体开发者从不碰的工具。这道差距是一条线索，指向真正的争论身处何处。它不只是伦理。它关乎谁掌控管线，以及坐在键盘前的那个人是否认为 AI 真的能干自己的活。

留在手动状态的那份安心

许多回避 AI 的开发者并不天真。他们运行着一套大致是这样的心智模型：我的工作是一连串难题，没法缩减成一句聊天提示。一个独特的概念必须挺过建模这一关。一个模型必须挺过绑定。绑定必须挺过动画。动画必须挺过玩法手感和系统设计。在每一次交接处，品味和约束都很重要。一个能写出一段还不错的角色描述文字的 LLM，跟一个能正确形变的 mesh、一套动画师不会跟它较劲的 rig，或者一套读起来是有意为之而非含糊不清的机制，不是一回事。

对于今天大多数工具的工作方式来说，这套说法没错。通用模型在孤立任务上最强。它们的弱点在于，在没有你把碎片缝在一起的情况下，跨学科地守住一条创意主线。所以那种通过不依赖 AI 而感到“安全”的感觉，一部分是技术性的。如果你的工作就是概念美术、拓扑、蒙皮权重、状态机和镜头语言之间的胶水，那么很容易相信自动化在未来几年都会停留在浅水区。

Steam 和其他玩家仍在划线

同样的本能在分发那一侧也出现了。Steam 并不全面封禁使用生成式 AI 的游戏。Valve 确实要求在 AI 创作的内容交付给玩家时做出清晰披露，如果游戏在运行时实时生成内容，还会有额外的审查。商店页面也得站在权利和安全规则的正确一侧。这跟一个 mesh 拓扑问题不是一回事，但它是团队把 AI 当作有风险的另一个理由。一个大型 PC 商店把问题从“我们能做出这个吗？”变成了“我们能不能在这里上线它、而不引发一场标签之争或一次审核意外？”

其他守门人下手更狠。Games Workshop 在所有 Warhammer 相关产品上封禁了 AI 生成的作品。The Indie Game Awards 因为开发过程中使用了 AI 而撤掉了一项重要提名，即便粉丝们争辩说上线的游戏本身是干净的。社区版主因为看起来像 AI 的预告片工作而集体退出。Epic 的 Tim Sweeney 和 Valve 在公开场合争论过 Steam 式的标签是有帮助还是有害。重点不在于哪位高管是对的。重点在于分发方和 IP 所有者正在分化。一个完全保持手动的开发者把这场斗争里一整层都简化掉了。玩家构建版本里没有生成式素材，意味着要披露的更少，当某个论坛认定你的主视觉看起来是合成的时候要辩护的也更少。

我们在 AI 争议、信任与后 AI 经济里更多地写过信任和标签这一整套，也在 AI 生成内容政策里详细说明了我们在 Cinevva 上如何处理标签。

为什么那份安全感是不牢靠的

同一份调查显示情绪正在快速变化。对 AI 行业影响持净正面看法的比例下降了。负面看法上升了。裁员数字和工会支持告诉你人们并不平静。所以心理图景再次分裂。一些开发者觉得受到了保护，因为整套栈仍然很难。另一些觉得暴露在风险中，因为工作室无论如何都在采购效率，不管他们同不同意。

这两群人并不总是在谈论栈里同一层。高管们常常指的是“这个里程碑上我们能不能用更少做出更多？”艺术家和设计师们常常指的是“我的专长还会存在吗？”两个问题都是真实的。第一个奖励部分自动化。第二个惩罚任何曾假定自己那一隅管线太定制、碰不到的人。

什么才会真正改变这套算术

如果行业从一次性的生成器，转向相互连接的工作流——在那里一个概念、一套 rig 和一个可玩循环共享同一个上下文——那么“我安全是因为这太定制了”这套论点的适用范围就会变窄。不是因为品味消失了。而是因为各个步骤之间那些无聊的接缝不再吃掉你一半的日程。对纯手动工作流的威胁，不是一个无所不能的单一模型。而是更少的接缝。

那就是我们在 Cinevva 朝之搭建的赌注。浏览器里的 AI 辅助创作，相互喂养的工具，以及一条从半成品到玩家真正能运行和发现的成品之间的路径。不是为了让高管能在一张电子表格上替换掉团队。而是为了让一个小团队或一个单人开发者能掌控从点子到上线游戏的整条线，而不必假装一句提示就能替代一位主美。

那 52% 使用 AI 的人和那 52% 害怕它正在对行业做什么的人，都是在回应真实的信号。今天觉得跳过 AI 很安全的开发者，对复杂性有一套很有分量的论据。悬而未决的问题是：如果工具链不再在每一个学科边界处断裂，那套论据还能成立多久。

相关阅读：

• GDC 2026 数据透视 —— 参会人数、引擎市场份额，以及 AI 的分歧
• 现在人人都想做 AI 游戏引擎 —— 采用背后的平台竞赛
• 开源面临 AI 污染问题 —— 廉价 AI 生成的成本一面
• AI 争议、信任与后 AI 经济 —— Steam 数据、工作室反应与信任
• AI 生成内容政策 —— Cinevva 如何处理披露和过滤
• Vibe coding 是新的游戏 Jam —— 当实验变得便宜
• 面向游戏创作者 —— 发布可玩游戏、订阅资金池、按游玩时长分成

作者：Oleg Sidorkin，Cinevva CTO

当游戏行业整个三月都在 GDC 围绕 AI 争论时，浏览器渲染栈在四周内交付了五年的进展。没人开新闻发布会。没人发表激烈观点。五件各自独立的事情发生了，它们合在一起改变了“浏览器游戏”的含义。

Babylon.js 多年来一直在推动浏览器渲染向前。9.0 版本迈出了迄今最大的一步。

2026 年 3 月上线了什么

Babylon.js 9.0 带着聚簇光照发布，这是一种能在一个场景里处理数百个动态光源而不拖垮性能的渲染技术。直到现在，这都还是一项 AAA 引擎的特性。这次发布还包括带逼真光线散射的体积光照、用于做彩色玻璃和 LED 显示屏等效果的带纹理区域光，以及一个基于节点的粒子编辑器。所有这些都同时运行在 WebGPU 和 WebGL 2 上。

PlayCanvas v2.17 交付了 WebGPU 上由 GPU 驱动的 Gaussian Splatting 排序。Gaussian splatting，这项把摄影测量捕捉变成实时 3D 场景的技术，两年前还是一篇研究论文。如今它已经运行在一个浏览器引擎里，排序那一遍还有 GPU 加速。

Three.js r183 把它的 PostProcessing 模块重命名为 RenderPipeline。这听起来像是一处微小的 API 改动，但命名很重要。“后处理”是你给一个业余项目临时加上去的东西。“渲染管线”则是生产级基础设施。Three.js 团队在发出信号：这个库已经为严肃、结构化的渲染架构做好了准备。

Chrome 146 加入了 WebGPU 兼容模式，这意味着那些不支持完整 WebGPU 特性集的老旧 GPU，现在可以通过一条能力受限的路径使用 WebGPU。WebGPU 的装机量刚刚大幅扩张。

W3C 把 WebGPU 发布为候选推荐草案。这是它成为正式网页标准的正式一步。WebGPU 不再是实验性的了。它已经走上了标准轨道。

为什么这个月不一样

这几次发布中的任何一次都值得一提。五件事全都发生在同一个月，产生了一种复合效应。

五年前，“浏览器游戏”意味着一款 2D 休闲游戏，如果你有野心的话也许会加点 Canvas 效果。三年前，你可以靠仔细优化做出基础的 3D。一年前，WebGPU 开始在生产浏览器里落地，天花板开始抬升。

但 2026 年 3 月是原生渲染和浏览器渲染之间的差距从“显著”变为“快速收窄”的时刻。聚簇光照曾经是你需要 Unreal 或 Unity 才能做的东西。Gaussian splatting 曾经是你需要一个研究实验室才能做的东西。生产级质量的后处理管线曾经是你需要一个定制引擎才能做的东西。这三样如今都在任何人都能 npm install 的开源浏览器引擎里上线了。

Three.js Water Pro 运行在 WebGPU 上。这是一个浏览器。

我认为接下来会发生什么

从一开始我们就在 Cinevva 押注浏览器优先的游戏分发。论点一直是：渲染差距会缩小，因为网页平台比原生引擎迭代得更快。WebGPU 花的时间比我预期的要久，但这场收敛如今正在按计划发生。

实际的效果是分发。一款在浏览器里运行的游戏不需要下载、不需要安装，也不需要平台审批流程。它从一个 URL 加载。这一直是浏览器的优势，但只有当渲染质量好到开发者真的愿意选它时，它才有意义。

我们现在已经越过了那道门槛。不是对每一款游戏。不是对带光线追踪的开放世界 AAA。但对于越来越大的一类包含实时 3D、动态光照、粒子系统和摄影测量素材的游戏来说，浏览器是一个可行的目标。而且与原生平台不同，在另一端没有 30% 的平台抽成。

问题从来不是“浏览器会不会追上”。而是“什么时候”。2026 年 3 月给出了答案。

相关阅读：

• Babylon.js 9.0：聚簇光照和 gaussian splatting —— 完整的技术拆解
• Chrome 146 交付 WebGPU 兼容模式 —— 扩大 WebGPU 的装机量
• 网页游戏开发进入 WebGPU 时代 —— 我们是怎么走到这一步的
• 网页游戏引擎对比 —— Babylon.js、Three.js、PlayCanvas 以及其余
• 面向游戏开发者的 WebGPU 入门 —— 上手新 API
• 浏览器 3D 开放世界技术 —— 浏览器世界背后的渲染架构

作者：Oleg Sidorkin，Cinevva CTO

三月出现了三款游戏引擎，它们在架构上与 Unity/Unreal/Godot 这一谱系里的任何东西都不同。它们没有可视化编辑器。它们不为一个人点击穿过菜单而做优化。它们从根上就是为 AI agent 去读取、写入和控制游戏状态而打造的。

这不是“Unity 加一个 AI 标签页”。这是一个不同物种的引擎。

AI 已经在改变 3D 游戏开发的工作流。引擎这一层是下一个。

这三款引擎

nAIVE Engine 是开源的，用 Rust 编写，采用 WebGPU 渲染。亚秒级热重载：shader 在 200ms 以内，场景在 100ms 以内，脚本在 50ms 以内。场景、管线和材质都用 YAML 定义，这意味着 LLM 不必解析二进制格式就能读取和生成它们。它暴露了一个 MCP 命令接口，让 AI agent 能通过 JSON-RPC 控制引擎功能。它内置了一流的 Gaussian splatting 和用于自动化测试的无头渲染。整个架构都假定你的主要用户可能是一个 AI agent，而不是一个拿着鼠标的人。

Arcane Engine 是一款代码优先的 2D 引擎。Rust 核心，TypeScript 脚本。完全没有可视化编辑器。它的理念是：“代码即场景”。游戏状态是一个可查询的数据库，而不是一棵场景树。它包含一个用于 AI agent 交互的内置协议。采用 Apache 2.0 许可。

Mirror Engine 处于 alpha 阶段，它是多人优先的，带有一个实体组件系统。有趣的部分在于：它包含 AI 文本到 3D 生成，能在大约 60 秒内从文本提示生成 Gaussian splat。TypeScript 脚本，基于浏览器的“Mirror Lite”客户端。

这三款引擎不共享代码库或团队，但它们共享一个设计论点：通往游戏引擎的主要接口应该是结构化文本，而不是图形界面。

为什么这种架构很重要

传统游戏引擎是为坐在桌前的人演化出来的。你有一个视口。一个层级面板。一个检视器。一条时间轴。一切都围绕点击、拖拽和可视化地摆放对象来设计。那套工作流很强大。它对一个 AI agent 来说也是不可能用的。

当你的主要“用户”是一个 LLM 时，你需要不同的基本单元。用 YAML 取代二进制场景格式。用可查询的状态取代嵌套的场景树。用基于协议的命令取代鼠标点击。用无头运行取代窗口渲染。

这跟基础设施领域发生过的转变是同一种：当 DevOps 从图形控制面板转向基础设施即代码时。同样的事情正在游戏引擎里发生，只是晚了二十年。

nAIVE 的 MCP 接口是最清晰的例子。MCP（Model Context Protocol，模型上下文协议）正在成为 AI agent 与工具通信的标准方式。当一个引擎原生说 MCP 时，任何支持该协议的 AI agent 都能操纵场景、调整参数、运行测试，并在没有人参与的情况下迭代玩法。那不是挂在传统引擎上的一个特性。那是引擎与其用户之间一种根本不同的关系。

游戏开发中的 Gaussian splatting。nAIVE 和 Mirror 都把它当作一流的渲染基本单元。

更大的图景

这三款引擎不是唯一的信号。Meshy 的 Black Box 演示了在运行时由 AI 生成的游戏机制。OpenAI 在 GDC 上展示了一款用 Phaser 做的战术 RPG。“AI 生成出某样东西”和“那样东西作为一款可玩游戏运行起来”之间的工具层，每个月都在变薄。

在 Cinevva，我们一直在从另一个方向搭建这座桥。我们的引擎负责渲染、物理和实时交互，而 AI 负责素材生成。这个路子和 nAIVE 或 Arcane 不同，但底层的赌注是一样的：未来的游戏引擎需要把 AI 当作第一语言来说，而不只是把它作为一个插件加上去。

传统引擎厂商也明白这一点。Unity 在 GDC 上预览了 AI 游戏创作工具。Roblox 推出了 AI 驱动的 4D 模型创作。但在一个为人类设计的引擎里添加 AI 特性，和设计一个 AI 是主要接口的引擎之间，有一个有意义的区别。

我认为接下来会发生什么

这些引擎大多数都不会活下来。对一个新品类来说这很正常。但设计模式会留下来。基于 YAML 的场景定义、用于 agent 控制的 MCP 协议、可查询的游戏状态、无头运行。这些想法会在两年内被吸收进主流引擎。

赢下这个时代的引擎很可能还不存在。但架构层面的 DNA 此刻正在被写下，就在这三个项目和另外一小撮项目里。问题不是游戏引擎会不会变成 AI 原生的。而是这场转变是来自现有巨头内部，还是来自那些从第一天起就为 agent 而设计的新进入者。

相关阅读：

• 现在人人都想做 AI 游戏引擎 —— 铺好舞台的那场平台竞赛
• 前沿开源生成式 AI 模型 —— 这些引擎正在集成的模型
• 网页游戏引擎对比 —— 这些新引擎在更广阔生态中的位置
• 开源面临 AI 污染问题 —— AI 生成贡献的成本一面

作者：Oleg Sidorkin，Cinevva CTO

两周前，我写过 vibe coding 是新的游戏 jam。当时的论点是，AI 工具已经把点子和原型之间的门槛压平了。从那以后，证据已经从"大家在做原型"变成了"大家在卖游戏"。

这已经不再是一场 jam 了。它是一套生产方法论。

用 AI agent 做出完整的电子游戏。能够规模化的，正是这套多 agent 工作流。

三月上线了什么

Void Balls 由 BigDevSoon 用 10 天做出来。不是花 10 天拼凑一个 demo，而是花 10 天做出一款游戏：跨越 173 个脚本的 29,000 行 C#、88 个测试文件、五种敌人、15 张增益卡牌，还有 Boss 战。它的工作流是：8 个并行的 Claude Code agent，每个负责一个不同的领域。架构、实现、游戏平衡、测试，全部同时运行。美术来自 Replicate，音频来自 ElevenLabs。

Grumbulus 由两名开发者用两个晚上做出来。15,000 行原生 JavaScript，带程序化音频和视差渲染，全部通过 Claude Code 生成。没有框架，没有引擎，只有 AI 在写普通的 JS。

CODEX MORTIS 以自称"全球首款 100% 由 AI 开发的游戏"登陆 Steam 抢先体验。这是一款死灵题材的生存弹幕游戏，用三个月做成，动画和 shader 用 Claude Code，美术用 ChatGPT。纯 TypeScript，配 PIXI.js 和 bitECS，外面包了一层 Electron。它的 demo 吸引了 10,500 名玩家，平均单次游戏时长达 71 分钟。

Catvivors 以一款关于猫的《吸血鬼幸存者》式 roguelite 登陆 Steam 抢先体验。单人开发者，AI 研究员，用 Claude Code 做了整个游戏。

真正要紧的那个模式

单个游戏很有意思，但可复制的模式更有意思。

Void Balls 的工作流值得关注，因为它不是一个人在敲提示词。它是八个并行的 AI agent，每个都有特定角色，同时在同一份代码库上工作。这不是 vibe coding，而是被编排的 AI 劳动。架构 agent 定义结构。实现 agent 构建功能。平衡 agent 调整难度曲线。测试 agent 编写并运行测试套件。一个人指挥八个工人。

这才是能规模化的工作流。不是"让 Claude 做一款游戏"，而是"像管理一支开发团队那样去管理一队 Claude agent"。并行 agent 模式，正是你能在几天而不是几个月内从原型走到可上线产品的方法。

如今整条技术栈都已被验证：代码生成 + 美术生成 + 音频生成 + 游戏引擎 = 可上线产品。每一层都有一个称职的工具。Claude Code 负责代码库。Replicate 或 Midjourney 负责美术。ElevenLabs 负责音频。引擎随你挑。这些工具之间的整合还很粗糙，但它能跑通。

一小时内从零 vibe code 出一款 3D FPS。没有 Unity，没有 Unreal，没有引擎。

诚实的局限

我打算直说这个天花板，因为我觉得炒作已经跑在了现实前面。

CODEX MORTIS 平均 71 分钟的单次游戏时长，对一个 demo 来说很惊艳。但它没法告诉你第 7 天的留存如何，也没法告诉你人们会不会为完整版掏钱。目前上线的游戏大多是 roguelike、弹幕和自走棋。这些类型的程序化变化和机制深度，来自系统之间的相互作用，而不是来自手工打磨的内容。

还没出现的是：复杂的叙事游戏、有深度的策略游戏，以及任何关卡设计需要人类对节奏和情绪弧线有直觉判断的东西。AI 擅长处理的类型，正是最容易被系统化的那些。这并非巧合。

"能上线"和"值得买"是两回事。一款免费网页游戏和一款 15 美元的 Steam 游戏，质量门槛根本不在一个档次。我们还没看到能告诉你 AI 做的游戏是否撑得起一门生意（而不只是一次发布）的留存数据或营收数据。

我认为接下来会怎样

会有更多这样的游戏上线。随着 AI 模型变强、多 agent 工作流成熟，质量会提升。第一款真正的爆款——一款主要用 AI 工具做出、能维持一个玩家群体并产生真实营收的游戏——很可能会在 2026 年底之前出现。

但真正改变行业的，不是任何单独一款游戏，而是这套生产方法论如今已经存在这一事实。我们用三天、两个人做出了 A Breaker Belt。BigDevSoon 用 10 天、一个人加八个 agent 做出了 Void Balls。对越来越多的游戏品类来说，从点子到可上线游戏的时间线已经从几年压缩到了几周。

真正该留意的，不是 3A 大厂，而是那些以 20 美元卖出一款单人开发者如今一个月就能做完的游戏的中端发行商。

相关阅读：

• Vibe coding 是新的游戏 jam — 本文所承接的那则信号
• A Breaker Belt：贪吃蛇遇上打砖块，三天 vibe code 而成 — 我们自己用 AI 工作流的经历
• Agentic AI 代码工具 — Claude Code、Cursor 与多 agent 开发
• 游戏 Jam 与黑客松 — vibe coding 正在从中演化出来的那种形式

作者：Oleg Sidorkin，Cinevva CTO

NVIDIA 在 GDC 发布 DLSS 5，带着一个承诺：用生成式 AI 实时重建光照、材质和阴影，让游戏看起来照片级真实，又不损失性能。然后人们看到了它对角色面孔实际做了什么。

互联网把这叫作"yassifying"（一键变美）。来自《生化危机：安魂曲》的 Grace Ashcroft，从一个憔悴、饱经战火的幸存者，变成了一张被磨平、被同质化的脸，看起来像换了个角色。Leon 也遭了同样的待遇。这个 AI 判定原本的美术方向不够好，然后把它"修正"了。

NVIDIA 携《生化危机：安魂曲》发布 DLSS 5。这些视觉变化立刻引来强烈反弹。

NVIDIA 发布了什么，它实际做了什么

DLSS 1 到 4 都是超分（upscaling）技术。它们以更低分辨率渲染，再用 AI 把缺失的像素补上。艺术家们欣赏它们，因为它们尊重源图像。你的美术方向保持完整，AI 只是把它变得更锐利。

DLSS 5 则有根本不同。它是一套视频到视频的生成式 AI 系统，运行时无法访问游戏原始资产、几何体或场景数据。它接收渲染好的 2D 帧和运动矢量，然后生成一个带有"改进过"的光照、材质和细节的新帧。

关键词是"改进"。按谁的判断改进？AI 的判断。不是艺术家的。

NVIDIA 起初称它具备"3D 场景理解能力"。后来他们澄清，它只依据 2D 帧数据工作。这个区别很要紧。这套系统并不是在增强艺术家构建的东西，而是在解读一张平面图像，并生成它认为应该出现在那里的内容。当它遇到一张带有刻意瑕疵的脸——疤痕、污垢、压力纹、不对称——它倾向于把这些抹平，因为它的训练数据把这些和"质量更低"关联在了一起。

这就是创作控制权的问题

52% 的开发者在 GDC 上表示他们认为 AI 正在伤害这个行业，他们并非全都担心丢掉工作。其中许多人担心的，是当作品到达玩家手中时，失去对它长什么样的控制权。

DLSS 5 把这种担忧变得具体。如今有一个 AI 坐在渲染管线里，处在你完成的美术作品和玩家屏幕之间，并主动改写你的创作决定。你花了几周打磨的那张憔悴的脸被磨平。你精心平衡的那种阴郁光照被"修正"得更照片级真实。你选定的那种特定外观，被泛化成模型认为"好看"的样子。

Digital Foundry 先发布了一篇起初颇为正面的前瞻，随后又发了一篇题为《我们本该等等再做这期内容》的后续。就连倾向于为 NVIDIA 喝彩的科技媒体，也意识到这次发布有些不一样。

《博德之门 3》的开发商 Larian Studios，据报在粉丝反弹之后，于下一个项目里放弃了部分生成式渲染工具。当一家刚拿下年度最佳游戏的工作室转身离开免费的渲染技术，创作控制权这个论点就不再是空谈。

Digital Foundry 关于 DLSS 5 争论的后续："我们本该多花点时间。"

模式是一样的

本月早些时候，我写过开源世界的 AI 污染。模式是相同的。做出一个东西很便宜。做出一个好东西，成本还是一样。评估一个东西好不好，成本还是一样。

在开源里，是看起来合理、却引入了微妙 bug 的 AI 生成 PR。在渲染里，是看起来"更好"、却不是艺术家本意的 AI 生成帧。两种情况都涉及 AI 用统计平均出来的产物去越过人类的判断。两种情况都让别人付出了时间和创作控制权的代价。

区别在于，维护者可以拒掉一个糟糕的 PR。但如果 NVIDIA 和发行商已经同意启用 DLSS 5，艺术家就拒不掉它。玩家的 GPU 在实时改写他们的作品，而他们没有发言权。

我认为接下来会怎样

NVIDIA 会在 2026 年秋季推出 DLSS 5。包括 Capcom、Bethesda、Ubisoft 和 Warner Bros. 在内的主要发行商都已签约。技术会改进，"yassifying"会变得不那么明显。反弹会平息，因为人们会习惯。

但底层那个问题不会消失：当你把生成式 AI 加进渲染管线，谁对玩家最终看到的东西拥有终审权？此刻，答案是 NVIDIA 的训练数据。这应该让任何把游戏当作一种艺术形式来在乎的人感到不安。

这个区别，对我们如何看待整个行业的 AI 工具很重要。服务于创作者意图的 AI 是一个工具。越过创作者意图的 AI，则完全是另一回事。DLSS 1 到 4 是工具。DLSS 5 是第一个主流案例：AI 在硬件层面、不经询问地，把自己的审美判断塞进别人的艺术作品里。

相关阅读：

• 开源世界面临 AI 污染问题 — 同一个模式，不同的语境
• 数字里的 GDC 2026 — 关于开发者反对 AI 的调查数据
• AI 争议、信任与后 AI 经济 — 更宏观的信任问题
• 前沿开源生成式 AI 模型 — 驱动生成式渲染的那些模型

作者：Oleg Sidorkin，Cinevva CTO

Andrej Karpathy 在 2025 年 2 月造出了"vibe coding"这个词，用来形容一种构建软件的方式：描述你想要什么，让 AI 负责实现。一年后，柯林斯词典把它评为年度词汇。那个春天，这个词的搜索量暴涨了 6,700%。

对大多数软件来说，vibe coding 意味着更快的原型开发。对游戏开发来说，它意味着更具体的东西。"奇怪点子"和"可玩原型"之间的门槛塌了。

A Breaker Belt：贪吃蛇遇上打砖块，在 Cinevva Engine 上三天 vibe code 而成

真正改变的是什么

游戏 jam 之所以存在，是因为对大多数实验来说，游戏开发花的时间太长了。你有 48 小时、一个主题，以及你靠咖啡因和肾上腺素能撑住的那点能量。这个约束逼出创意。你做不了任何宏大的东西，于是你做点奇怪的东西。历史上一些最好的游戏，最初就是 jam 项目。

Vibe coding 做的事类似，但去掉了那种人为的时间压力。当描述一个机制、一种氛围或一种行为，能在几分钟而不是几天内换来一个能跑的原型，你就可以去试那些没人会立项的点子。做实验的经济账变了。

我们用三天做出了 A Breaker Belt。两个人，时断时续，没有 crunch。贪吃蛇遇上打砖块。50 波。23 种砖块。反应式音乐。AI 旁白。实时合成的音效。上线到了网页、移动端和 PC。这种规模通常要八九个人的团队做上好几个月。那种本会死在头脑风暴文档里的奇怪混搭，反倒在一个长周末里被做了出来。

这就是 vibe coding 对游戏真正做的事。它不会让好游戏自动诞生。它让实验变便宜。

趋势背后的数字

投资额告诉你行业有多认真。Cursor 在 D 轮融了 23 亿美元。Lovable 以 66 亿美元估值融了 3.3 亿美元。据估计，Y Combinator 2025 年冬季批次里有 25% 的创业公司，其代码库 95% 由 AI 生成。

具体到游戏开发，Three.js 如今是 vibe code 出来的网页游戏的首要库，每周 npm 下载量达 270 万次。Cinevva、Phaser 以及一长串还在增加的 AI 工具等平台，正在构建以"描述意图"为主要输入的开发环境。

Karpathy 本人已经转向了下一个概念。他把它叫作"agentic engineering"（代理式工程），在这种范式里，AI agent 自己写代码，而不是回应人类的提示。"这里头有门艺术、有科学、也有专门的本事，"他写道。这个领域，正跑得比词汇更快。

不变的是什么

那些局限是真实的，值得诚实面对。随着项目变大，上下文管理成了瓶颈。当你的项目复杂到完整上下文塞不进单个窗口时，AI 模型的表现会下降。你拿到的代码往往好到能跑，却没好到能维护。当东西出了问题，去调试一坨没人完全理解的 AI 生成的复杂性，本身就是一种特别的挑战。

还有品味的问题。AI 能很快生成一款机制上能玩的游戏。它没法告诉你这游戏好不好玩。难度曲线是否手感对。音乐是否配得上氛围。节奏是让你投入，还是慢慢把你看烦。那一层判断——把原型和值得一玩的游戏区分开来的那个东西——仍然需要一个在乎结果的人。

游戏 jam 之所以管用，是因为时间压力逼你对什么才重要做出艰难抉择。Vibe coding 去掉了时间压力，但没去掉做抉择的必要。最好的 vibe code 游戏，会出自那些知道自己想要什么的人，而不是那些接受随便返回来什么的人。

我认为接下来会怎样

更多本不该存在的游戏会存在。其中一些会很糟。其中一些会很出彩。这个比例也许不变，但数量会变。而在那个数量里，你会发现一些以前根本做不出来的游戏。还没有名字的类型。没人会出资的混搭。某个人因为工具终于不再碍事而独力做出来的个人项目。

这一直是更好的工具所许下的承诺。不是一切都变好，而是更多东西得以存在。那股游戏 jam 的劲头，那种"先试了再说"，不再被关在 48 小时的窗口里。现在是周二下午，你有了个点子。到周四，它就能玩了。

Cinevva 的引擎免费可用。你那个奇怪的游戏点子，也许离存在只有三天。

相关阅读：

• A Breaker Belt：贪吃蛇遇上打砖块，三天 vibe code 而成
• 我们没想到会做出一个电台
• Agentic AI 代码工具 — 面向游戏开发的 Claude Code、Cursor 和 GitHub Copilot
• 游戏 Jam 与黑客松 — 最初那种 48 小时的游戏创作形式
• 网页游戏引擎对比 — 与 AI 辅助工作流配合良好的引擎

作者：Oleg Sidorkin，Cinevva CTO

Steam 新品节不只是一场活动，它是一份数据集。2026 年 2 月，有超过 2,200 款游戏带着 demo、预告片和对愿望单的期待登场。结果出来了，它印证了独立开发者心里有数、却不总是公开说出口的某件事。

新品节奖励的是本来就已经有观众的游戏。如果你从零开始，光靠这个节庆改变不了这一点。

2026 年 2 月 Steam 新品节上的几款亮眼独立游戏

数字

presskit.gg 分析了这些数据，分层相当鲜明：

中位数游戏拿到了 460 个愿望单。这是在有 demo、有上线的商店页、且 Steam 在主动推广这场活动的情况下。在地球上最大的 PC 游戏平台上获得一周专门曝光，换来四百六十个愿望单。

势能会累积。默默无闻也会累积。

钻石层级的游戏几乎全都带着 10,000+ 已有愿望单进场。它们在节庆开始前就有了内容创作者的报道。它们的胶囊图在缩略图尺寸下也能瞬间传达信息。它们在登场之前就把营销功课做完了。

那些带着不到 1,000 愿望单进场的游戏呢？它们大多又多涨了几百。节庆放大了本就存在的东西，但它没法无中生有。

这个模式并非新品节独有。它在发现机制里到处都是。YouTube 推荐已经表现好的视频。Spotify 把已有播放量的歌曲推到前面。各处的商店算法都在用更多互动奖励互动。

如果你有势能，新品节是个乘数。如果你没有，它就是一张参与证书。

类型比你想的更重要

合作（Co-op）游戏全线超额发挥。内容创作者想在直播里和朋友一起玩。这种社交动态生成切片，切片生成观看，观看生成愿望单。社交游玩的循环喂养着社交媒体的循环。

生存和制作类游戏依然强劲，尽管从开发者一侧看这个类型已经很拥挤。玩家仍然想要这些游戏。供给还没超过需求。

叙事游戏和视觉小说则很吃力。新品节的形式对它们不利。浏览 demo 奖励的是快速的视觉清晰度。你得在看到胶囊图、也许再看十秒玩法的几秒钟之内，明白一款游戏是什么。剧情驱动的游戏需要缩略图给不了的语境。

Roguelike 仍有可能突围，但只能靠强烈的差异化。"这是一款带转折的 roguelike"，需要那个转折一眼就能看出来。

我们为什么密切关注这件事

这份数据对我们很要紧，因为 Cinevva 正是为它所揭示的那个问题而生。我们的以短片为先的发现机制展示的是真实玩法，而不是精修过的截图。你刷过一段段短片，看到某个看起来好玩的东西，就能立刻在浏览器里玩起来。

我们不是想取代 Steam，也不是想和新品节竞争。数据告诉我们，对那些本就有曝光度的游戏，这些平台运作得很好。我们在乎的问题是：另外那 2,000 款游戏会怎样？那些真正出色、却没带着既有观众进场的游戏？

那些游戏需要一条不依赖既有势能的发现之路。一个让玩家能偶然撞见一款他们在商店里永远找不到的游戏的地方，就因为他们看了它五秒钟，觉得有意思。那正是我们正在填补的缺口。

我们今年早些时候发布的 Steam 新品节策略指南讲的是战术层面。这篇文章讲的是结构性的结论。在 PC 游戏最大的平台上，发现机制正越来越变成一个赢家通吃的系统。如果这是唯一的系统，许多很棒的游戏会一直隐形。

相关阅读：

• Steam 新品节 2026 年 2 月数据
• Steam 新品节策略指南 — 让新品节为你所用的战术
• 合作游戏设计 — 合作游戏在节庆中持续超额发挥
• 如何在 itch.io 上发布你的游戏 — 面向小型游戏的另一条发现之路

作者：Oleg Sidorkin，Cinevva CTO

Rémi Verschelde 是让 Godot 持续运转的人之一。这不是副业，也不是爱好，而是一生的事业。早在大多数人听说 Godot 之前，他就在维护这个引擎，审阅贡献、合并补丁，确保这个数百万开发者赖以为生的东西真的能用。

上个月，他把 Godot 贡献管线正在发生的事形容为"耗人心力、令人灰心"。

原因是：AI 生成的 pull request。大量涌入。

Godot 此刻在 GitHub 上有 4,681 个开放的 pull request。新提交中越来越大的比例，出自这样一些人：他们敲了一段提示词，拿到一些代码，没弄懂它做什么就提交了。这些代码乍一看往往很合理。它能编译。变量名说得通。然后维护者花二十分钟才弄明白，它引入了一个微妙的 bug、破坏了某个边界情况，或者解决了一个根本不存在的问题。

花在拒掉糟糕 PR 上的时间，就是没花在审阅优秀 PR 上的时间。

讽刺不言自明

AI 工具本应让开发者更高效。这是它的卖点。这也是各家公司为了打造它们而融资数十亿美元的原因。在个人层面上，它们确实做到了。我每天都用 AI 工具。我们整个平台都在用 AI 做游戏创作、音乐生成、3D 模型等等。我不反对 AI。

但有一个系统层面的效应，没人会在投资人路演文档里讲。当 AI 让生成一份贡献变得轻而易举，提交的成本降到了零，而审阅的成本却原封不动，你就得到了一个污染问题。

提交这些 PR 的人并无恶意。他们中的大多数真心想做贡献。有人告诉他们，AI 工具能让他们不必有深厚专长就能为开源做贡献。而这些工具确实能让他们生成看起来像一份贡献的东西。只是它并不是。

Verschelde 承认，用 AI 去检测 AI 生成的 PR 会"讽刺得可怕"。他说得对。用 AI 检测去对抗 AI 产出，是一场没人能赢的军备竞赛。

这真正告诉我们什么

做出一个东西如今很便宜。做出一个好东西，成本还是一样。

这是到处都在浮现的教训，不只是在开源代码审阅里。它出现在游戏开发里，出现在音乐制作里，出现在内容创作里。AI 把地板降低了。最低限度可用的贡献、最低限度可玩的游戏、最低限度像样的博客文章，如今几秒钟就能生成。但天花板没有动。

那些本来就擅长自己手艺的人，如今更快了。"做出了一个东西"和"做出了一个值得别人花时间的东西"之间的差距，其实比从前更大了，因为平庸产出的数量爆炸式增长，而能评判质量的人数并没有变。

Godot 的贡献指南要求披露 AI 协助的情况。人们无视它。你可以把规则定得更严，但执行需要的，正是你想省下来的那份人工审阅时间。

真正的解法很无聊

Verschelde 最主要的诉求是资金。雇更多维护者。更多人来审阅工作。这不是一个技术解法，而是一个组织上的解法。而它很可能是唯一行得通的那个。

开源项目正在领到我们其余人都在学的同一课：AI 不会消除对人类判断的需要。它放大了这种需要。流进任何系统的 AI 生成内容越多，你就越需要那些能分辨"看起来对"和"确实对"之间区别的人。

我们在打造 Cinevva 的工具时一直在想这件事。目标从来不是把人类判断从游戏创作里移除。而是让有创意的人把判断力聚焦在真正要紧的事情上：这感觉对吗、这能用吗、有人会喜欢这个吗？苦活累活被接管。品味不被自动化。

Godot 会把这件事捋顺的。这个引擎太重要，社群太强大，不可能办不到。但他们正在应对的这个模式，不会消失。每一个开源项目、每一个创意平台、每一个接受公众贡献的系统，都将面对同一个问题：当生产一个东西几乎免费、而评估它却不免费时，你该怎么办？

相关阅读：

• Agentic AI 代码工具 — 负责任地使用 AI 编程工具
• 前沿开源生成式 AI 模型 — 驱动这场转变的开源模型
• AI 争议、信任与后 AI 经济 — 围绕创意工作中 AI 的更宏观的信任问题
• 网页游戏引擎对比 — Godot 与受此趋势影响的其他引擎

作者：Oleg Sidorkin，Cinevva CTO

2026 年 2 月，下面这些事在大约三周之内接连发生。

Unity 的 CEO 公开表示，他们将在 GDC 上演示"提示词到游戏"。Roblox 上线了一款 4D 创作工具，能从文本生成可交互对象。Moonlake AI 为他们的生成式游戏引擎开放了 beta，背后有来自 Nvidia、Jeff Dean 和 YouTube 联合创始人的 3,000 万美元支持。Phaser Editor v5 发布，AI 通过 MCP 被直接嵌进场景编辑器。还有至少半打我从没听说过的创业公司，带着某种版本的"描述一款游戏，我们帮你做出来"冒头出现在 Product Hunt 上。

Roblox 的 AI 副总裁谈他们的 Cube 基础模型和 4D 创作

这不是抱怨。这是对时机的一点观察。

两年前，当我们四处推介 Cinevva 在做的事情时，来自 Sequoia、Pear、Draper 等数十家机构的 VC 告诉我们，市场不存在。面向消费者的游戏创作？独立开发者不会为工具掏钱。你没法在不阉割能力的前提下简化游戏开发。一整套被打扮成市场分析的标准异议。

如今，游戏界最大的那些名字，正豪掷数亿美元，争相去做他们当初说行不通的那同一件事的各种变体。

这些工具不是同一回事

下面是要紧之处，也是大多数报道漏掉的。"AI 游戏创作"是一把伞，它盖住了几类根本不同的产品。

文本到 demo 工具生成的，是在一条推文里看起来很惊艳的东西。你敲一段提示词，得到一个能玩的东西，分享那个 GIF。产出是真的，但它是一个 demo。从那个 demo 走到一款有人愿意玩上一个小时的游戏，完全是另一个问题。Moonlake 和一些较新的创业公司活在这里。他们解决的是最初那点火花。

AI 副驾（copilot）工具坐在一个现有引擎里，帮你更快地工作。Phaser Editor v5 配 MCP 就是这样。Ziva 为 Godot 做的也是这件事。它们不取代开发过程，而是加速它。你仍然需要理解你在构建什么。AI 负责苦活累活。

平台原生 AI 创作是 Roblox 用 4D 在做的事。AI 被嵌进了运行时。对象不只是看起来对，而是行为也对，因为生成模型理解平台的物理和交互系统。代价是：你被锁死在那个平台上。

全栈 AI 游戏引擎试图处理从概念到上线的一切。这就是 Unity 为 GDC 许下的承诺。这也是我们在 Cinevva 多年来一直在做的事。描述你想要什么，对返回来的东西做迭代，发布到网页、移动端、桌面和 Steam。你提示出来的那款游戏，就是你发布的那款游戏。

Phaser Editor v5 通过 MCP 集成 AI，提供场景级别的辅助

demo 与上线之间的鸿沟

这个领域里的每个工具，都能生成一个能跑的东西。这部分很快就变简单了。难的是后面的一切。这游戏在手机上手感好吗？它处理得了边界情况吗？你能对音乐、难度曲线、节奏做迭代吗？你能从同一个项目把它发布到五个平台吗？AI 分得清是什么让一款游戏真正好玩，而不是什么让一张截图看着酷吗？

这些公告里，有一些会变成真正的产品。有一些会拿到一轮融资、生成漂亮的 demo，然后在"做出一款真游戏"这部分被证明比"生成一个原型"更难时，悄悄消失。

我认为真正在发生的事

我们在 Sand Hill Road 的会议室里拿不到的市场验证，如今正从行业自身传来。当 Unity 和 Roblox 把它们的路线图押在 AI 创作上，它们就是在印证我们一直朝之努力的方向：工具应当去适应有创意的人如何思考。

这场竞赛不在于谁先发公告，而在于谁能做出人们真正用来做出他们引以为傲的游戏的东西。今天就有成千上万的人在 Cinevva 上做这件事。A Breaker Belt 是两个人三天的成果。Cinevva Radio 有 362 首社群创作的曲目。这就是"承诺去建造未来"和"已经活在未来里"的区别。

竞争是好事。它意味着市场存在。这一点我们早就知道了。

相关阅读：

• 网页游戏引擎对比 — 传统引擎在网页输出上的对比
• 前沿开源生成式 AI 模型 — 驱动游戏生成的那些 AI 模型
• Agentic AI 代码工具 — 加速开发的 AI 副驾层
• A Breaker Belt — 一款用 AI 工具三天做成的游戏