騰訊搞AI，真不是臨時抱佛腳。

文/九蓮寶燈

最近，葡萄君與多位騰訊游戲不同領域的人士交流發現：

在游戲AI領域發展得最為風生水起的騰訊游戲，似乎也遇到了挑戰。為了解決這些挑戰，他們甚至都開始在外面找幫手了。

是，大家都知道他們近年來的成績——比如IEG的公共技術線團隊，他們在去年就曾發布過游戲創作全鏈路AI解決方案，上個月的GDC上，他們還進一步推出了AI驅動的游戲引擎技術解決方案。

他們也的確在繼續增加對AI的投入。上個月發布2025年度財報時，騰訊總裁劉熾平就明確提到，AI能夠帶動游戲生產端的升級，給行業帶來確定性機會。

這種情況下，到底還能有什么難題，能難住騰訊？如果他們都覺得這是一個挑戰，又有誰能幫得上忙？

在我看來，騰訊游戲目前會在AI領域面臨的挑戰，不僅和他們如今獨特的發展方向有關，也關系到如今游戲公司想要進一步提升技術的根本問題。而他們找到的這群幫手，在未來，或許也會幫助到更多的游戲廠商。

01

騰訊關心的AI，到底什么樣？

為什么說騰訊游戲在AI領域的發展方向有些獨特？

在騰訊游戲公共技術負責人陳冬看來，AI在游戲開發中的作用，應該是拓展創作邊界、提升工藝水平，而非取代人類的創造力。騰訊游戲應用AI的核心原則，始終圍繞改善游戲開發、運營和玩家體驗——通過減少過程中的重復性工作，并提升內容質量。

對騰訊游戲而言，AI永遠是一種工具，而非最終目標。像行業里大家都在重點投入的大語言模型或者2D文生圖，他們其實也在推進。畢竟2D生成技術在美術創作和敘事輔助上確實能起到關鍵作用，所以在騰訊現在的不少工具箱里，都能找到相關的功能。

但比較特別的是，除了這些熱點，騰訊游戲還分出了相當大的精力，去關注一個更加底層的方向：計算機圖形學。

如果說游戲開發是一棟建筑，圖形學很大程度上就是地基。但這個地基并非毫無變化。

對于現在的頭部研發團隊來說，研究圖形學早就不只是意味著「如何把畫面做真」，而是面對越來越大的游戲世界和更復雜的玩家交互，怎么才能在不同的設備上，同時保證畫面好看、運行流暢，還要控制得住開發成本和周期。

尤其是在以前，計算機圖形學的發展一直是「硬件定義能力，軟件追趕硬件」，這就讓這個問題變得更加復雜。

好在，現在AI改變了這個邏輯：算法開始主導畫質和開發效率的提升。騰訊發現了這個機會，他們希望把AI技術和圖形學做深度的結合，不只是做幾個輔助工具，而是從最底層去重構傳統管線。

在這種邏輯下，騰訊在把AI落進具體的3D制作管線時，也把重點放在了兩個方向。

首先是3D資產的生產。

3D這個說法或許比較籠統，它既包括靜態的建模渲染，也涵蓋骨骼綁定、蒙皮、動畫生成等。但說白了，3D生成是支撐游戲內一切交互的底座。它不僅僅關乎畫面好不好看，更決定了游戲世界能不能運轉起來、規模能做多大。

IEG公共技術線團隊告訴我，在具體落地時，他們選了一個很實在的切入點：模型蒙皮和UV展開。原因很簡單，這類工作流程標準化程度高，最適合讓AI來跑通初期的流程。從實際效果來看，AI輔助顯著提升了該環節的處理效率，讓團隊得以將精力集中在更具創意價值的工作上。

正是在解決這些具體痛點的基礎上，他們一步步搭出了VISVISE這個游戲創作全鏈路AI解決方案。目前它主要是給現有的美術管線提升生產質量，但在長期的規劃里，他們還要去承接像智能NPC、世界模型等更核心的AI交互功能。

其次是實時AI渲染。在這一領域，MagicDawn團隊利用“AI+圖形學”的融合，希望用算法重新定義渲染的效率和畫質邊界。團隊認為，他們所面對的挑戰，是如何在支持動態晝夜變化等復雜場景時，解決海量光照數據帶來的巨大存儲與計算開銷，這正是傳統預渲染方案難以承受的。要應對這種對性能和畫質同時提出的高要求，就必須依靠AI渲染技術在底層進行優化和創新。

在這個領域，MagicDawn團隊也已經做出了不少成績。

舉兩個比較直觀的實際案例：比如他們在游戲里落地了一套動態神經全局光照方案，在保證效果的同時，把龐大的光照計算成本直接降了一個數量級；

再比如針對大家常吐槽的「游戲包體太大」，他們測試了神經貼圖壓縮技術。在肉眼看不出畫質損失的情況下，能把貼圖壓縮70%以上。靠著內部真實的研發測試，這套技術現在已經能應用到旗艦項目里。

如今，MagicDawn團隊正在重點研究的課題，是通過類似RenderFormer這樣的神經渲染架構，重構游戲渲染方式。未來，我們或許不需要再去死磕復雜的幾何運算和光柵化等傳統圖形學流程，開發者只要輸入少量的基礎場景信息，AI就能直接把高質量的畫面「畫」出來。

從MagicDawn在渲染領域的實踐可以看出，AI正在深度融入游戲開發的核心環節。而放眼整個游戲行業，AI的終極遠景或許是構建一個高度智能的「可交互世界模型」，但這需要多條技術路線的共同突破。

在騰訊杰出科學家，騰訊游戲 ARC 負責人單瀛看來，目前整個業界依然面臨著3個繞不開的「卡脖子」難題：

騰訊杰出科學家，騰訊游戲 ARC 負責人 單瀛

第一個難題，是超大規模開放世界的高效渲染。現在的3A游戲場景動輒幾十上百平方公里，但傳統的「光柵化+光追」本質上還是「看見多少就算多少」。場景一旦鋪開，計算量可能是呈指數級飆升的。想打破這個瓶頸，或許只能跳出現有框架另尋出路。

第二個難題，是AIGC 3D的工業化落地。雖然當下AI生成3D熱度很高，但離全流程接入游戲管線，可能還差著最難的「最后一公里」。學術界的模型跑分也許很漂亮，但工業界看重的實用環節，這些模型還不能直接上手用。

第三個難題，是底層技術的換道超車。AI改寫了底層邏輯，也就讓前人積累的技術壁壘不再具備絕對優勢。如果國內團隊能在AI原生渲染、AI引擎或世界模型這些新賽道率先破局，我們或許就有機會在這一新興賽道上與全球頂尖團隊同臺競技，并有望實現領跑。

想要解決這些難題，除了面臨技術挑戰，還考驗團隊的人才數量和深度——換言之，騰訊不僅自己需要足夠多的人才，甚至可能需要去別的地方「搬救兵」，才能在接下來成功破局。

02

成果和人才，騰訊全都要

不過，這類人才的招募一直是個硬骨頭。

計算機圖形學本就是游戲研發的底座，而在如今的AI趨勢下，圖形學又成了銜接AI生成能力與游戲實際落地的橋梁。行業對相關人才的要求和需求都在變大。

圖形學還是一個要求極高的交叉學科。從業者不僅要懂數學、算法、GPU架構，還得有美術審美。落實到具體工作上，他們不僅要掌握傳統的渲染管線和物理模擬，隨著技術的融合，現在還得懂機器學習，能把前沿的AI算法轉化成可控的工程生產力。

這也同時意味著，這類人才的培養周期極長。目前國內能夠對口產出的，基本只有少數幾所高校的重點實驗室。數量本就不多，還要面對影視、互聯網等其他行業的跨行業搶人。

目前來看，騰訊顯然也注意到了這一點。他們的選擇，是直接深入學校，展開產學研合作解決問題。

以騰訊IEG 2026年的招聘計劃為例，今年他們開放了4000個校招及實習崗位，并提高了內部轉化錄用率。新人入職后不僅會得到專項培養，也有機會直接參與核心游戲項目和頂尖學術交流。

從具體的崗位分布來看，這輪招聘也反映了技術趨勢帶來的變化：他們大幅增加了人工智能、游戲引擎、大數據等底層技術崗位的名額。

據騰訊相關人士透露，今年，IEG技術類崗位總體擴招了30%以上，其中游戲引擎崗位的擴招幅度達到67%。此外，產品類崗位擴招超過50%，美術類崗位擴招超過80%。值得關注的是，與游戲AI直接相關的崗位需求同樣提升了80%以上。

這或許也是他們最近選擇與浙江大學續約，持續通過學術界交流來探索前瞻技術的原因：在推進具體科研項目的同時，直接在校企合作中完成技術攻關和人才培養，為接下來的技術長跑做儲備。

其實早在2019年底，騰訊就曾與浙大簽過為期五年的合作協議，并且確實出了不少成績。五年間，雙方不僅聯合產出了30多篇論文和20多件專利，其中還包括10多篇代表圖形學最高水平的頂會文章。

更值得關注的是其應用價值，據騰訊透露，這一期合作的論文轉化率與業務落地率遠超行業平均水平，許多技術已經直接鋪到了內部的工作室。

正如騰訊集團全球招聘副總裁陳雙華所說，這種行之有效的合作模式，一方面取決于高校深厚扎實的學生功底和前沿視野，另一方面也來源于業務提供的真實的產業場景及工程命題。這些研究沒有停留在紙面上，而是真正走入了我們的游戲生產管線，推動了生產質量和玩家體驗的提升。

騰訊集團 全球招聘副總裁 陳雙華

比如，騰訊光子工作室群與浙大入選全球計算機圖形學頂會SIGGRAPH 2025的一項叫AlignTex的成果。簡單來說，它解決了一件事：把平面的2D原畫，自動變成3D模型的貼圖。

過去，這是個非常耗時的手工活。因為2D和3D視角不同，直接貼圖經常會錯位或者產生接縫缺損。而這項新技術的核心，是讓AI真正去理解3D模型的幾何結構，這意味著，美術只需輸入幾張原畫，就能快速拿到完整的3D紋理，直接省去了大量重復勞動。

浙江大學在科研和人才培養上的經驗，也給騰訊提供了更多支持。

雙方成立了「浙江大學—騰訊-智能圖形與互動娛樂創新技術聯合實驗室」，重點研究計算機圖形學和AI技術。這種校企合作的方式，一方面是為了解決企業遇到的技術問題，另一方面也是在具體的項目實戰中，培養圖形學與AI領域的對口人才。

按照目前的規劃，接下來五年里，雙方預計還會推進40個研究課題，相關的科研成果也會持續發表在一些頂級學術會議上。在解決業務需求的同時，這項合作也在逐步擴大騰訊在學術界和行業里的影響力。

浙江大學計算機科學與技術學院副院長 許威威、騰訊杰出科學家 騰訊游戲ARC負責人 單瀛，正式簽署“智能圖形與互動娛樂聯合實驗室”合作協議。

除了產出成果，騰訊同樣看中的，還有浙大的年輕人才。騰訊相關人士表示，浙江大學一直在騰訊游戲校招的簡歷投遞量和實際入職人數中穩居第一。

游戲技術本身非常看重工程落地和快速迭代，但在常規教學中，學生很難接觸到真正的開發環境。通過校企實驗室和碩博聯合培養，高校學生能直接使用來自于真實業務的脫敏數據，并得到一線研發團隊的指導。這種方式能讓學生在沒畢業時就能對接產業痛點，也變相縮短了科研成果走向玩家體驗的周期。

這次騰訊游戲與浙大的合作，也打通了內部的「青云計劃」，為優秀的科研人才提供了更實際的支撐。

青云計劃是騰訊面向全球頂尖學子的人才專項，聚焦大語言模型、NLP、多模態、視覺、語音、智能體、強化學習、搜索、推薦、模型應用等核心技術領域。

例如真實的業務參與度。騰訊開放了核心的技術崗位，新人加入后不僅能盡早接觸關鍵業務，實習生也有機會在指導下，去獨立負責核心項目的產業轉化。

這也意味著，科研人才們能接觸到工業級底層資源。高校實驗室通常受限于數據和算力，而騰訊這次會直接開放內部3D模型、動畫數據，以及充足的大模型訓練算力。

此外，聯合實驗室還會推行「雙導師制」，學生在3到6個月的實地實習中，會由行業技術專家進行一對一指導。相配套的薪酬體系也以實際產出為核心標準，上不封頂。

在這一套模式下，目前加入光子工作室群旗下光子技術發展部的年輕學生們，已經產出了多篇SIGGRAPH論文，并成功將技術推向了實際落地。

不僅如此，為了把這種前置培養模式鋪得更廣，騰訊還同步推出了遠程課題實踐、前沿技術沙龍和游戲算法大賽等多個專項計劃：

過去四年，他們不僅向全球高校開放了圖形學、游戲引擎和AIGC領域開放了超400項遠程課題，騰訊的技術專家也會定期把工業界剛跑通的圖形學與AI實踐帶進高校。

在導師輔導下，學生能借此提前參與到這些產業導向的項目中，打破純學術視角的局限，提前接觸真實的業務痛點。

游戲算法大賽的邏輯也相同。這類比賽會聚焦3D運動重建或高性能AI渲染等主題，官方通過提供脫敏數據和工具鏈，讓有學術潛力的年輕人，可以直接在真實工程環境里實戰檢驗自身能力。

有了這么一套產學研合作的框架，我們再來看騰訊面臨的那三個卡脖子難題，很快就能找到解決思路：

想在渲染技術上取得實質性突破，離不開扎實的數學底子，這是高校的強項；想把理論變成游戲里正常運轉的功能，需要企業提供真實的測試環境，和高校一起調整算法；至于底層技術的換道超車，歸根結底也需要不斷有新人補充進來。

另外，這樣做還能一舉多得。騰訊如果真能把高校的研究能力、企業的工程經驗和有潛力的年輕人才結合在一起，除了能解決當下問題，或許還能讓他們在更長的時間里，不斷保持領先。

面向對引擎圖形學、AIGC感興趣的同學，過去四年累計發布超 400 項課題，超 200 位企業導師參與指導，課題學員可遠程開展實踐，研究安排更靈活。

03

產學研合作，未來的必要項

把騰訊這一系列的動作串聯起來看，我們能得出幾個有意思的觀察：

第一，騰訊并不是這兩年AI全網爆火之后，才開始臨時抱佛腳。從他們早前在圖形學底層的積累，再到內部團隊已經實際跑通的這些應用來看，他們對前沿技術的布局，是一件一直在長期推進的事。

第二，他們對AI的投入是成體系的。騰訊似乎并沒有僅僅把AI當成一個拿來局部提效的輔助工具，而是把它往3D資產生產、實時渲染這些最核心的底層去靠，試圖從根子上去重構傳統的開發管線。如果往更遠的地方推測，他們最終瞄準的，可能就是一套能自己演化的「可交互世界模型」。

第三，未來的游戲產業和前沿技術的綁定可能會越來越緊密，單靠企業在工程領域的經驗，或許已經很難打破技術天花板。

而像騰訊跟浙江大學這樣的校企聯動，不僅能更好地將理論轉化成實際生產力，順帶還能給行業培養一批懂實操的人才。

在我看來，隨著以后游戲會越來越復雜，「產學研」合作很有可能成為行業未來的更多大廠們探索技術的常規路徑。

游戲葡萄招聘商務經理，

| |

| |

游戲行業書籍推薦

（星標可第一時間收到推送和完整封面）