腾讯网易扑向AI背后，只剩 1-2 年的转型窗口

谁能最先用好 AI？这个转型的时间窗口比想象中的紧迫。

前两周拜访一家游戏公司，他们给出的时间是，「1-2 年」。注意，这个时间窗口是说，一家游戏厂商完成基础的 AI 建设，拥有在 AI 时代运转的组织。

不少人动手很快。今年春节 OpenClaw 出现后，有老板下达指令，下面的中层&基层要将自己的工作总结，蒸馏出 Skill，喂给公司的 Agent 跑结果。

还有公司尝试更激进。比如，企业中高层用 AI 搭自己的分身，一步步消灭例会「这种落后的信息传递」，让 Agent 和 Agent对接工作，人只负责验收。

过往在 AI 颇低调的腾讯开始大规模做宣发，网易也在闷头研究 AI Skills。

一些游戏公司已经用上的 Agent 中台

换句话说，两年内，游戏公司之间的模式与效率，或许要彻底拉开差距。

不过，没想好就着急跟风，和之前花钱找人上门装龙虾一样，钱砸了，水花不见一滴。

黄仁勋有句话很重要：不同组织的架构肯定不同，人想法不同，要做的东西也不同。所以不能一味地照搬别人的架构，要学习思想。

拜访几家公司后，我觉得，如果提炼这些 AI 组织的底层共性，那应当是：蒸馏自身，探索未来。

1

蒸馏自身：确定人的价值

有人会问，这个蒸馏有什么不一样吗？不还是把人炼化成 Skill 再替掉人吗？别急，还真不是，如果以为蒸馏本质只是炼化，那是因为你只看到了「结果」。

如果把做游戏厂商看作一台机器，那老时代的中基层是在 cosplay 螺丝钉。

过去这台机器痛在「零部件」不稳定，量产质量没保障，「结果」本身就难求。这是自然，五谷杂粮，谁都没法保证。现在 AI 来了，机器自然想换上真正的零部件，先蒸馏人，再做机器流程。

至于代价：当任何人都能用 AI 做出高质量结果时，「结果」变得廉价，大家的产出都无限接近。你账单算爽了，市场却不买单，那这将效率拉到了极致的量产，又有什么竞争力呢？

所以，大家究竟要拼的是 AI ，还是拼人？

至少，我现在拜访出的答案是：依旧是人。而且正因为 AI 带来的结果贬值，反而把人的价值，从执行，拽回了最能体现「人」的判断。

不同于力大砖飞的人海战术，未来有关人的竞争力是，一个人是否能输出更好的 idea，以及一家企业是否具备承接这些 idea 的组织架构。

从这个角度看，我们正经历的不是机器换人的逼杀，而是，当人不再有资格做机器，人终于要面对如何做人的命题。

不妨聊两个真实的行业故事。

某中厂 AI 负责人向我描述过这样的焦虑：在今年春节 OpenClaw 出现后，「任何策划都能随意用上 AI ，实现想法。」一个人突然发现，自己花近 10 年积累才能做的东西，一夜间能被任何人做出来。

几乎同一时刻，为游戏行业做 SaaS 中台（软件服务）的一位三方也陷入焦虑。以往他们百余人花近十年完善的中台，如今任何游戏团队都能用 Agent 手搓。最近主流论调也是「SaaS 已死」。

「那我们还能做什么。」这是二者面对 AI 时代冲击的「职业濒死时刻」，也是许多人在当下被 AI 强行摁下重新审视自我的阶段。

不过，焦虑没维持太久，两个不同的故事走向了同一个出口。

那位中厂的 AI 负责人发现一件事：每一个策划+ AI 永远只是超级个体，它始终没法和他人一起变成超级企业——这件事没人会。而他过去「服务业务用好AI」的经验，也让他有了如何搭出 AI 组织的下一步意识。

那家SaaS公司的发现是另一个方向：通用大模型谁都有，但在垂类行业用好却不容易，没专业认知吃不下来。他们做了十年，没有第二家企业有这个案例广度。这意味着，这家企业有机会去做整个游戏行业接入 AI 的标准。

这种转变的底层逻辑是什么？没错，其实是回到了那些很久没人关心的东西：「我们到底在想什么」。

两个案例，最初会问「还能做什么」，是因为过往的企业，教训大家关注「结果」。我们复盘，写履历，都要讲明白那些成功且数据好的结果。而当 AI 来了之后，即便是创造出 AI 未涉足的新东西，AI 下一秒依旧能量产。这直接导致「结果」贬值。

「想什么」呢？对应的是「认知」，也就是你每个结果背后藏着的东西：一两个失败试错，三五场讨论，十余个不成形的方案，几十种脑暴方向，上百份参考的资料，以及你所做出的每一个选择与思考。这所有组合在一起便认知，也是「提出好问题」的能力。

而认知最妙的地方是「成长」——你不管有没有 AI，人都仰仗认知，提出好问题，再一次次拿出超预期的结果。那对结果贬值的时代来说，哪个人有好认知，能提出好问题，便手握超越市场的答案。

这也正是「蒸馏自身」最容易被忽略的地方。

大家都以为蒸馏只是把工作 SOP 写出来，不对，提效和人机替换，是最短视的 AI 用法。蒸馏最大的价值是，挖出过去被隐藏的人的想法，找到每一个人靠什么一次次突破困难。

所以蒸馏到最后，也是 AI 时代会拉开差距的地方：确定人的价值。

2

探索未来：学会与 Agent 共事

说完蒸馏完自身，再聊聊探索未来。也就是，大家正着急做的转型是什么呢？

这个答案在其他行业有不少参考，我找到了 Anthropic 所发布的白皮书，以及英伟达CEO 黄仁勋的采访。他们恰好覆盖两类企业，全新的 AI 原生企业，和转型 AI 的传统企业。

那高效的 AI 组织会是什么形态？

英伟达为代表的是，完全透明+极致协同。黄仁勋说，自己不搞信息差那套管理，他日常会持续在大家面前推理，任何人都有机会介入说：「我不同意这个部分」。

英伟达的管理层不是管人的人，他们全是各领域的专家。黄仁勋一人直接对 30-60 人的下属团队，遇到问题时所有人一起开会，从多方面一起思考架构。

这家公司高效、扁平、透明，并且由一群人集体探索，他们像一块芯片一样极致地协作运转。

黄仁勋称他们的协作模式为：集体路径搜索法

Anthropic 年轻，它代表的是，超级个体+快速成长。每一个人都是博学家，有跨部门知识，然后和 AI 一起完成快速的成长、沉淀，以及复盘修改。

Anthropic 在白皮书里说，他们增长营销团队仅一人，他同时负责创意、文本、设计、投放，还能不依靠工程师地用 vibe coding 独自做设计软件插件，然后和 AI 搭建了一条自动迭代创意的工作流。

一言蔽之，人为决策可以慢一点，好一点，但信息要以光速在企业内流动。

刘润写「中层可能即将消失」，聊的也是 AI 组织的形态问题：人海战术成为历史，企业要像搭精密的计算机一样，让 AI 畅通无阻——每一个模块要足够强大，每个模块的链接也要走最短路径。

不过，别人的理论清晰，自己实践是另一码事，所以游戏行业怎么做呢？

过去两三个月，我走访几家游戏厂商，想看看这里的 AI 组织转型走到哪一步。有趣的观察是，游戏行业正经历系统性的重塑，现在出现了 3 种做法：

全面覆盖、打通隔阂、超级工具。

1.全面覆盖，所有人一起探索 AI 的价值。

一个组织自下而上，是否都在起跑线上，至关重要。

今年腾讯游戏去 GDC 有 21 个 AI 议题，研究方向涵盖游戏从生到死的所有流程。公司出动了几乎所有工作室群，以及旗下各种类型的项目去研究。

为什么要这么大费周章地展现这件事？企业不是只要把 Agent 接进来解决问题不就好了吗？

并不是。游戏行业最大的问题就是太成熟，成熟=惯性，往后引入新技术容易浮于表面。那最好的解决办法，就是全面融合。腾讯担 token 要烧的成本，每个团队让 AI 覆盖系统所有环节，每个人负责弄明白 AI 在自己岗位的作用。

营销圈有个词，叫「市场教化」：市场还没有成熟认知的时候，一家企业站出来做老大哥，挑担，不计成本地去探索，教大家该怎么用。腾讯的 AI 策略就是这个。

对外的无私，其他企业学不来，至少对内是可以参考的。

这两天不就盛传一段宣讲视频，米哈游的崩坏 IP 内有人试着组了几个 Agent 协同工作，AI 开工，员工回去睡觉，一觉回来发现 Agent 用 13 个小时烧了 200 万人民币的 Token。

乐得像个段子，但这便是企业要为每个人支付的探索成本。

不让任何人被落下，这是第一步。

2.打通隔阂，所有部门都能一起协同做事。

第二步，则要将一切连起来。

高度协同，也是 AI 组织的特征之一——当信息传递任务被 AI 取代，金字塔结构就会出现漏洞，解决它的办法便是换成符合 AI 运转的架构。

也就是，打破隔阂，模糊边界，不让任何人任何部门独立作战。

一家中厂拉来自己所有中台部门，坐一块，他们要把公司所有系统连在一起，然后在上面架上统一的大语言模型入口。每个人上班的第一件事，便是进入这个入口，和任何部门都能无缝衔接。

岗位同样如此。每一个人都要学会跨部门的能力。某负责人告诉我，现在他手下的产品经理想到某个点子，不许敲文档，自己 vibe coding 出 demo ，试了不错，再和别人沟通。

理想情况是，架构内所有节点都是 Agent 做信息传输和对接，架构的末端的人只做三件事，输入 Idea，体验结果，优化 Agent。这件事已经有公司做出雏形了。

3.超级工具，未来人和 Agent 的协作平台。

有认知，有协同，最后，我们还需要一套工具让所有人像芯片一样运转起来。

什么意思？如果没有平台撑着，AI 永远只是个不靠谱的情感陪聊。

不知道你有没有看过卡帕西做的 AI 知识库。传统知识库像图书馆，入口查资料，调对应文档。卡帕西的知识库也存文档，但它会让 AI 将知识提炼成专属的 wiki 百科，而且在用户每次查询or讨论后，知识库会再把人的思考沉淀进去。循环往复。

如果抽象卡帕西的知识库，再代入企业 Agent 中台呢？

打个比方，一个长线游戏会有它的专属知识库，有用户行为数据，有社区讨论，还会将整个团队的群组信息、会议记录全部吃进去消化。过去人肉的经验判断，未来会变成全部有据可依，且不断学习的 AI 秘书。

所以，超级工具的方向是明确的：底层扎实，数据底层接得住 AI 的查询和分析。中层积累专业知识。上层开放，不像传统软件闷头更版本，超级工具永远有一个接口，去接更聪明的大脑。

这样，企业和 AI 的长线合作，是越用越专业，越用越强。这也是超级工具于 AI 组织的价值：不止要智能，还要 AI 时代该有的积累&成长速度。

总之，这三个做法背后，游戏行业的转型是一场渐进又着急的重塑。没人知道方向，但每个人都要扑上去，相比抢下某个产品类型，这是会影响到 3-5 年后更远的企业未来。

3

学习如何重新做回「人」

说来，我开始去研究 AI 和游戏行业的关系，是因为春节收到了一位朋友发来的焦虑信息。

OpenClaw 出来，他看到了塌缩——过去靠经验和信息差的竞争力，AI 一夜之间全能做了。他发现，只要把自己的知识库梳理出来，给到权限，AI 几乎是一个更完美高效的自己，完全可以取代任何人。

最近的确有不少打击人的新闻。五一期间热议的判决案例，一公司觉得主管干的事 AI 也能干，要降薪，协商不成，给人开了。最后法院判了非法裁员，要赔偿。但，大家能看到大势。

「那，我，我们的竞争力是什么？」朋友发消息叹气。

那晚，他没睡着。

我相信很多人也在 Agent 出来后的那几周失眠。

我能理解。我也不过中人之资，以前做市场和媒体，想学一个技能，没个一年拿不下来——我不大灵的脑子就像拿纸勺擓金鱼一样，漏多，得少，而 AI 绝不会有这个弱点，它的学习速度肯定也远胜我。

但收到朋友的消息，我好像没那么焦虑。

思来想去，或许因为我有个工作毛病：我永远不喜欢自己写的东西。哪怕 AI 到了能轻易出与我一个水准的内容，我依旧会觉得不对，还可以更好，或者可以再想多一些。

哪怕 AI 真能成为百分百的分身，它只能接近你搭建它的那一刻，所出的认知也只来自过去的你。但人是不知足的，过去的数据追不上下一秒的念头。就像现在的游戏市场，跟风做爆火的类型多半没好下场。

如果觉得恐慌的话，大概率是你过去被琐事和重复劳作困住太久了。一旦 AI 真解放了你，只要你对这一行依旧有想法，有所求，你就突然会觉得自己想法变多了起来，有好多想尝试的想法出现。

当然，你不可能苛求所有人立刻完成转变。AI 以前的行业，必然有大量人在做无意义的消耗，即便不是去填机械的人力空缺，也容易陷入疲于执行老板想法的困境。

而且，这种情况大概率还要持续 3-5 年，无论是老板短期内的人效替换，还是每个人的重新自我审视，都是要时间才能消化的进程。

但至少，我们获得了一个面向未来的思路：机器做了人，那之前做太久机器的人，才有机会去做真正的人。

之前看晚点对米未的喜剧综艺解读，里面有句话：你们要 yes and，不要 no but。这也是我对人与 AI 关系的感知。

之前我们老觉得 AI 不聪明，不能用，老对它说 no but。现在 AI 聪明了，和人一样牛了，那我们就可以说 yes and 了。AI 负责 yes ，你来提 and 。