爆火一个月了，你的工作接入DeepSeek了吗？

自从DeepSeek-R1模型发布爆火后，已了一月有余。在太平洋对岸，经历Grok 3和Claude 3.7接连发布，DeepSeek依然是Github上讨论度最火的大模型之一；在国内，政府机构或是民营企业，无论规模大小大家都争先恐后地接入DeepSeek。现在言必谈及DeepSeek，甚至还成了上级布置的任务。

行动力还体现在真金白银上。

本周，阿里巴巴宣布未来三年将投入3800亿元用于AI和云技术基础设施，以巩固阿里云作为全球领先的云服务提供商的领先地位。创下了国内私企在该领域有史以来最大规模投资纪录。

3800亿元，意味着阿里要把过去四年净利润全投入AI和云计算领域，令人咂舌。相信后续腾讯、百度等互联网巨头，会陆续公布资本支出。

在AI已有广泛应用的游戏行业，DeepSeek自然大有用武之地。游戏茶馆近期交流中了解到，不仅大厂已接入DeepSeek，一些小型团队也私有化部署了DeepSeek模型。同时一线从业者已深入使用包括DeepSeek在内的多种AI工具。

01 一线从业者篇

我虽是文案策划，但对AI工具生产力的感知还是从绘图工具萌发的。

日常工作中，我需要与美术概念组对接，将我构想的游戏世界观、剧情氛围传达给美术同学。由于我没有系统学习过美术，只能粗糙地手绘示意简图。沟通中存在专业壁垒，多少有些不便。

2023年AI绘图工具成熟后，我就开始使用MidJourney、Stable Diffusion等工具绘制概念图，如地图上哪该有个房子，哪里设置有树，剧情动线是什么样的，美观且清晰，提高了与美术的沟通效率。

后来我接触了Kimi、豆包等大语言模型，在撰写角色剧情或者某种类型故事时，使用AI工具查找对标作品。不过前述AI工具在古文翻译等方面表现不佳，无法满足我的需求。

年后我开始使用DeepSeek，发现它确实更能理解我的需求，更准确、更深入地查找资料。翻译古文、外文，译文自然流畅，明显优于此前的AI工具。我的一些朋友在撰写剧本卡壳时，会寻求DeepSeek的帮助，扩宽思路，汲取灵感。

虽然大众都认为DeepSeek写作能力很强，文笔很好。可站在专业层面来看，DeepSeek输出的剧情内容无法直接用。如果你细读DeepSeek生成的内容，就不难发现常常言之无物，整体节奏亦存在问题。

剧本的立意、框架、台词和情节设计，如造房子一样，每个环节都需要整体的深度思考。因此我不认为DeepSeek现在能创作出可靠的剧本。

DeepSeek更像是一位知识丰富的知心朋友，能站在我的立场，向我提出框架式的建议。在我心情低落时，DeepSeek告诉我与其让情绪泛滥，不如做出行动，更具意义。这是DeepSeek让我觉得最惊艳的地方。

DeepSeek近来确实很火。我们很久之前就关注过他们，主要觉得他们的模式比较有意思——背靠量化基金，不融资，没有商业化压力，当时就感觉他们在创新方面可能是潜力最大的。

DeepSeek对游戏中的AI技术影响最大的有两方面：一方面它有望推动所有大模型推理成本大幅下降，这有利于所有AI应用；另一方面作为国产性能强大的大模型，其开源特性，极大降低了国产AI应用对海外大语言模型的依赖，显著减少了“断供”的风险。

还有个惊喜就是DeepSeek的写作能力。ChatGPT o1刚出来时，我们得到的信息是强化学习主要强化数学或代码能力，在写作方面的进展应该不会太快。但没想到DeepSeek-R1的文笔非常优秀，执行游戏剧情的局部细化、对话优化等任务时，常有奇效。

当然它写长篇内容仍然局限很大，很难保持前后各方面的一致性。可能已有团队尝试用R1做长篇写作的智能体（Agent）了，类似代码领域Cursor（AI 驱动的代码编辑器，确保代码前后一致）的做法，很期待这样的工具面世。

过去一年AI技术突飞猛进，在游戏开发的降本增效和玩法增强方面都有显著突破。

AIGC技术不仅在文生图、文生视频领域取得长足进步，就连我们公认最难的文生3D模型领域也进展显著，切实促进游戏开发降本增效。国产的Rodin和Tripo等AI模型，在三维结构还原方面提升明显，离实际生产应用越来越近，或许在某些对3D模型要求不苛刻的场景已可以实用。

玩法增强方面，当前主要应用还是NPC智能对话和AI陪伴功能。目前个人感觉，游戏仍受限于必须使用低成本推理方案，导致处理对话的长期一致性和NPC的长期记忆方面仍有较大难度。随着成本和时延持续下降，这块的进步应该会越来越明显，可能很快就会迎来游戏智能化的”ChatGPT时刻”，让游戏拟真度和沉浸感大幅提升。

我们是一支小型研发团队，我主要负责技术方面的工作，如内部的技术栈和工作流的搭建。

春节期间，我一边与DeepSeek聊游戏设计，一边观察它的思维链。甚至DeepSeek帮我设计出一套基于《基地》心理史学理论，使用类《王权》游戏机制的文字游戏。我和它一直沉浸其中，推演了一把胡逼古巴导弹危机，非常有意思。

节后开工第一件事，就是完成了DeepSeek的本地化部署。我们用一张RTX 4090跑DeepSeek 32B版本，输出速度令我满意。

DeepSeek及其他大模型本地化部署后，使得工作流运行更加顺畅。如策划搭建的智能体，可以方便投喂本地资料；程序的多步骤、长流程的代码工作流，也因本地化部署更加高效。

DeepSeek带来的意外之喜不止于此。

一日偶然间，技术讨论群里一位开发者使用DeepSeek理解Cocos的一个模块设计，恰好这个模块就是我写的。当我目睹DeepSeek用既准确又文艺的手法，讲解此模块设计时，我不由得感叹：DeepSeek怎么比我自己更理解这段代码啊？！

身为团队的技术负责人，我时常需要拓展能力范围。面对陌生领域，熟用AI工具，可节约大量学习时间。

以前在Cocos工作时，我接触硬件底层更多一些，技术较为专精。现在作为团队的技术负责人，我不仅需要把工作流搭建起来，还要让策划、美术用起来满意。这就要求我扩宽知识面，熟悉游戏开发各方面技术。

对于以前不熟悉的技术栈，那么我就借助DeepSeek和Copilot这样的AI工具，去快速学习和实现需要的功能。具体怎么实现，AI能快速告诉我，节约了我大量阅读文档和源码的时间。

更为重要的是，在AI工具的协助下，当我面对陌生的技术领域时，不再有畏难心理，都可以大胆尝试。

最近还尝试了一个比较有挑战的事情，让DeepSeek这种强大的推理模型在理解我们完整代码库的基础之上，深入协助研发工作。

最开始我尝试过用Cherry Studio、Page Assist和AnythingLLM等现成的AI前端工具，搭建代码知识库的AI工作流，但效果很不尽如人意。主要问题是工作流可定制能力不足以及对代码知识库的嵌入（embedding）训练质量很差。但目前已我实现了一套比较满意的嵌入训练方法和知识库调用工作流，相信未来可以给项目研发提供不小的助力。

不夸张地说，AI大模型将我们团队从重复的体力劳动中解放出来，让我们把精力投入到更具价值的工作上。

为了保障流畅的游戏体验，我们团队每周需要巡检服务器，避免小问题积累，酿成运营事故。一开始我们采用人工巡检的笨方式，但由于每个组员判读数据标准不一，巡检中难免错判、漏判。随着游戏功能模块增多，系统越来越复杂，人工巡检劳神费力，不再可行。

后来我们利用AI大模型搭建了一整套自动巡检的工作流。

首先在飞书上创建巡检多维表格，通过自研RPA（机器人流程自动化）工具，自动截图服务器各项数据，录入飞书。再调用多模态AI模型，让AI模型识别图中数据，并根据预设的提示词进行数据判断，回传多维表格。

如果录得数据超过阈值，会触发自动报警，并将异常项发至工作群内。

AI工作流巡检判定标准统一，比人工方案更为高效、准确。我们团队近乎零成本地实现自动巡检。