米哈游用游戏练出50小时不间断AI,下一步走向哪里?
把键盘鼠标交给AI,让它自己在游戏中跑图、解谜、战斗——这个听起来像“官方脚本”的画面,在2026年11月变成了现实。米哈游崩坏AI研发团队在arXiv发布了一篇名为Gamer的研究论文,推出一款面向长流程实时交互的通用视觉—语言—动作(VLA)基础模型。
论文的主力实验版本由80亿参数的Qwen3-VL基座进一步训练而来。它全程不读取任何底层接口,仅凭屏幕像素和任务指令做判断,整个执行过程中自主运行时间占比超过95%。团队给出的一组实测数据同样亮眼:在覆盖五个主线篇章、约50小时的《崩铁》长流程评估中,该模型展示了跨游戏的实时操作能力。更引人注目的是另一个基准——在40个未参与训练的小游戏任务中,经过三阶段训练后的任务成功率达到49.7%,而同期最强的通用对照模型仅有17.1%。
为什么游戏成了AI的训练场
VLA被认为是连接大模型与现实物理控制的关键一环。过去的AI玩游戏往往受限于短程决策,一旦任务链条拉长就会出现上下文爆炸或记忆丢失。Gamer的核心思路是把连续的游戏体验拆成可以被压缩和重用的记忆单元。
具体做法是两层设计。第一层叫“稀疏思考”:沿着确定路线前进时模型直接输出操作,只在遇到路线失败、目标切换或新交互提示时才生成推理。第二层叫“记忆摘要”:当短期上下文即将溢出时,模型将旧记录中的任务进度、关键地点、资源状态和后续计划自动总结成一段简短记忆,替换掉即将被丢弃的信息块。
这套机制让模型可以在长流程中保持方向感而不消耗过多算力。配合配套的Streaming-vLLM推理引擎,模型每200毫秒读取一次画面,随即安排随后的六个动作块(每个约33毫秒),实现30Hz的控制频率。
从虚拟操控到真实机器人的距离
Gamer的核心贡献在于证明了一个命题:如果一套VLA模型能够在高度复杂的虚拟环境中完成长时间自主操作,那么将其迁移到物理世界的具身智能场景,在理论上是可行的。
米哈游的做法本质上是在复用游戏引擎中的数据优势。持续预训练阶段,团队把不同游戏的录屏与玩家操作对齐——人物往前走场景怎样变化、鼠标往右移镜头怎么转向——这些对应关系被整理成统一的键鼠格式进入同一套训练流程。在线强化学习阶段,团队提出的TA-GRPO方法把长流程拆分为由记忆衔接的片段,比较不同尝试的表现,再利用环境可验证的结果更新模型。这种无需价值网络或过程奖励模型的训练方式,大幅降低了强化学习的工程复杂度。
但虚拟与现实的鸿沟并非一步跨越。首先是传感器层面的差异——游戏中的像素输入与摄像头采集的物理世界图像在信噪比、光线变化和分辨率上完全不同。其次是执行器的限制——键鼠信号可以直接映射为软件指令,但在现实中转化为机械臂运动、平衡控制和力反馈则需要额外的底层驱动系统。此外,游戏环境的可逆性远高于物理世界:AI在游戏中可以无限次重置和试错,而机器人在真实场景中的一次失误就可能造成不可逆的后果。
业内已有先例探索仿真环境训练到物理控制的可行性路径。部分头部机器人企业利用游戏引擎生成的仿真数据训练四足机器人的行走模式,以及深度学习公司在虚拟环境中训练策略后迁移到真实仓储控制系统。但这些案例主要聚焦于运动控制这一相对简单的子问题,尚未涉及Gamer所尝试的复杂长程决策链。
对游戏行业和机器人领域的影响
米哈游在游戏AI上的投入并非孤立行为。其崩坏AI研发团队的布局实际上覆盖了三个方向:AI NPC、游戏智能体(以Gamer为代表)以及研发自动化(内部Agent平台EchoX)。这三条线最终会汇聚到一个共同点——降低游戏开发和运营成本。
对于游戏公司而言,能够自主运行的游戏AI意味着测试成本的大幅下降。过去需要大量人工来覆盖任务分支和BUG场景,现在AI代理可以在数万小时的游戏时长内自动发现异常路径和逻辑漏洞。更重要的是,它可能催生全新的玩法形态:当非玩家角色不再只是预设动画的播放者,而是具备真正记忆和决策能力的个体时,开放世界的沉浸感会产生质的飞跃。
对于机器人行业来说,Gamer的价值不在于直接提供一套可用的操作系统,而在于展示了“高保真仿真环境训练加低门槛部署”的可能性。一个80亿参数的模型就能在《崩铁》这种开放世界中执行长达50小时的连贯任务,这暗示着中等规模的方案也可能在特定工业场景中发挥作用,比如流水线巡检和仓储分拣等结构化程度较高的环节。
当然,这种乐观预期也伴随着风险。最直接的挑战是算力成本。每200毫秒一次的画面采样和推理,50小时的连续运行意味着模型需要在稳定GPU集群上长时间不间断工作。对于中小公司来说,这可能构成新的技术壁垒。另外,如果类似工具被滥用于自动化刷号、代肝等灰色行为,也会给游戏厂商带来合规和用户管理的难题。
接下来关注什么
判断Gamer是否真的具备了向现实世界延伸的潜力,以下几个观察指标值得持续关注:
开源进度。论文团队目前尚未公布模型权重的许可证类型,完全封闭的代码会极大限制学术研究验证和行业应用迭代。
跨模态泛化表现。模型能否脱离《崩铁》,在另一款完全不同的开放世界游戏中同样维持高自主运行率。目前它在ViZDoom和我的世界中的初步结果更多展示的是CPT阶段的通用能力,而非完整的SFT加RL流程。
仿真环境逼真度提升。团队是否会继续扩大VRAM体系中的物理引擎精度,引入碰撞检测、重力模拟和环境扰动等更接近真实的变量。
行业合作动向。米哈游是否与其他机器人公司或研究机构开展联合实验,验证仿真到现实的迁移路径和瓶颈。
商业化落地时间表。内部EchoX平台和AI NPC产品何时正式推向市场并获得用户反馈,这将反映其AI技术的工程成熟度。
游戏从来不只是娱乐。当米哈游把键盘鼠标交给AI的那一刻,它实际上正在用最擅长的方式——打造高度可控且数据丰富的数字世界——来练习未来的事情。


