世界模型是游戏行业的颠覆性生产力吗？在游戏行业应用的发展方向如何？我们认为，当前世界模型在游戏制作中应用仍处于早期，起到局部赋能作用，在预研、3D资产制作上提效较为明显，未来更可能作为单场景生成工具而非综合化游戏基座。

AI新技术会否重塑游戏产业链？谁将受益？我们判断，最直接面临冲击的是产业链中标准化程度较高的外包服务环节，主要包括美术资产制作、基础音频录制、部分代码编写等。利润池的迁移方向之一是游戏产业链上游的创意与管理环节。我们认为：

► 头部游戏厂商仍具备较强内容护城河。中长期来看善于利用AI赋能创作、挖掘AI潜能并持续巩固IP与玩法优势的公司有望在当前变革中拥有持续性优势。

► 聚合创作者与工具的“生态平台”有望通过拥抱AI、创新工具以掌控新的生产与分发入口，在变革中获得新增量。

► 中游引擎方由于管线数据构筑高壁垒，短期难被替代，但长期商业模式重构仍待验证。

► 中小厂商及工作室兼具创作门槛下降的平权机遇与同质化内容井喷的挑战。

游戏制作门槛降低与市场竞争加剧，潜在AI原生玩法带来的竞争，AI内容的版权问题，AI内容的用户接受程度较低。

随着Genie3等AI生成物理世界模型的亮相，市场掀起了一场关于“游戏行业将被颠覆”的热议。投资者与从业者都在追问：当AI能够实时生成互动场景时，传统的游戏引擎、编辑器，乃至游戏制作人本身，是否会被扫进历史的故纸堆？

我们本篇报告的核心观点是：市场高估了AI模型对游戏产业的短期颠覆力，同时低估了其作为“超级工具”的长期赋能价值。Genie3所代表的世界模型，本质上是高效率的内容生成工具，但它远未触及游戏作为“第九艺术”的灵魂——即玩法设计、数值平衡与长线运营。

首先，游戏是规则与体验的复合体，而非单纯的视觉场景堆砌。核心要素需要专业游戏制作人、策划与数值设计师基于对用户心理和行为的深刻洞察来完成。AI世界模型目前擅长的是“造景”，而非“造规则”，缺乏让用户长期沉浸的驱动力。

其次，从商业化路径来看，我们认为Genie3等世界模型AI技术未来需思考的是如何引导变现：

► To C方向：如果作为独立产品直接面向玩家，其本质就变成了“AI Native Game”。这类产品需要自身构建一套完整的商业化闭环。

► To B方向：我们认为未来世界模型大概率将作为“超级引擎插件”或“智能资产管线”，融入现有的Unreal、Unity等工业体系中。它将成为美术与策划的助手，将“场景”、“智能关卡白模”等从前需要数周的工作缩短至数小时。

我们认为市场不必为“颠覆”而焦虑：游戏制作的底层逻辑并未改变，技术降低内容创作的门槛，人的创意决定内容价值的天花板。Genie3打开了想象力的大门，但最终将其转化为可商业变现、可长线运营的优质产品的，依然是那些懂玩法、懂运营、懂人性的专业游戏人、游戏团队。

我们认为，当前世界模型在游戏制作中应用仍处于早期，起到局部赋能作用，在预研、3D资产制作上提效较为明显。

AI工具局部赋能，世界模型已有一定参与。在目前的游戏内容制作中，AI工具仍为局部性参与：制作人员在生产单一资产时会运用对应的AI工具，在AI生成后需人工的进一步调整确保资产质量。在当前阶段，在游戏制作中应用世界模型的工作流与应用其他AI工具较为类似，即在单任务中相比传统制作手段更高效生成内容，生成后需人工优化。

世界模型仍处于早期，实际应用案例较少。由于Genie3等模型暂时未开放API，且目前主流模型主要可导出形式为视频，与游戏引擎亦存在较明显的兼容性问题，世界模型的应用案例相对较少。

世界模型在玩法预研上兼具呈现效果与效率。在预研阶段，制作人需将创意构想中的游戏玩法、游戏题材、游戏场景快速呈现。传统的预研工具各有较明显的不足：PPT制作的预研展示效率高，但玩法的可交互性较差；而使用引擎制作的初步玩法虽在交互等层面呈现效果好，但有较高的时间成本。相比之下，对于预研阶段而言，世界模型的可交互性已能满足要求，亦能将创意展示生成时间缩短至单日内（单次生成耗时仅在5-10分钟），或能对传统工具实现一定替代。

世界模型能在3D资产制作上实现提效。在3D资产制作上，世界模型能较大幅度提升3D场景生成效率。传统的3D场景生成耗时可达多日-多周。而目前通过Marble已可以直接根据单图生成3D资产，再导入虚幻引擎（UE）等直接进行编辑，从生图到最终UE完成渲染，单次工作流最快仅需约15分钟。

我们认为整体来看，世界模型在游戏行业内的可应用性有望完善，更可能作为单场景生成工具而非综合化游戏基座。

世界模型技术框架、团队与视频模型较为接近，视频模型发展历程较有参考价值。我们认为，从技术框架和团队两个角度来看，世界模型与视频生成模型有较高的相似度。因此，已有较长时间的技术迭代和实际应用的视频模型的发展或能作为参考展望世界模型的发展。

从AI视频模型看，模型通过优化一致性、拓展功能实现用户扩展及变现提升。

► 生成参数：单次生成时长、清晰度在到达可用阈值后迭代较慢：在24-25年，各模型初步迭代能力后，均可实现单次10s、720P视频后，AI生成的视频片段已具备较好可用性。因迭代性价比，视频生成模型后续在此两个领域的突破相对较慢。

► 核心能力提升，丰富功能，适用更多任务：在AI视频模型进入可用阶段后，视频模型主要迭代方向为：1）进一步迭代底层模型，使得模型在高速动作、人物细节、文字生成等方面有较好的一致性；2）丰富功能：通过支持多种输入源，增加视频续写、智能分镜等功能，使视频生成模型应用更贴合专业视频制作工作流。两者结合下，视频生成模型逐渐由“可用”走向“好用”。模型走向能够在多专业任务中应用的全面提效工具。

对应到世界模型上，我们认为技术已达到可用阈值，但功能丰富度有待提升。

► 生成参数：单次生成时长、清晰度已达到阈值，进一步优化或面临较高成本。从Genie 1到Genie 3，世界模型在生成时长和清晰度上有显著提升。从Genie 3的生成案例来看，我们认为1分钟/720P的生成质量已达到了在游戏行业的可用阈值。

► 可控性与功能性：一致性有进一步提升空间，需进一步丰富功能拓展可用场景。尽管世界模型已能在简单交互下支持一致性，对于游戏等场景的制作，我们认为模型仍需进一步优化，我们认为主要优化方向包括：1）优化模型可用性：通过迭代基座模型进一步优化在大幅动作、环境细节等方面的生成质量。2）拓展功能：通过增加可导出的文件形式，优化可编辑性并将生成的环境直接用于游戏等领域的实际制作中。

► 商业化：模型将进一步提升可用性，随功能丰富性提升扩展应用领域，扩展游戏外可用性。目前多款世界模型仍在试用阶段，以Genie为例，模型仅支持Ultra会员使用，P/B端暂未开放API。我们认为，在世界模型关注度持续提升下，将世界模型开放给更多付费层级用户、开放API将能加速模型迭代。

数据是进一步迭代模型的重要支持，关注游戏公司的数据价值。我们关注到，由于游戏具有高质量的3D数据，已被广泛应用在多个世界模型训练中（Google Genie、腾讯混元世界等）。考虑到游戏公司在射击、MOBA等游戏品类具有高质量私有数据，我们认为部分公司或能利用自身数据训练针对游戏或具体游戏品类的垂类模型，实现在游戏领域的AI能力突破。

世界模型成为基座模型可见性低，技术难度与用户严需求下研发AI游戏引擎性价比较低。我们认为世界模型较难以低研发和推理成本实现对游戏引擎的替代。

► 从技术路径看，AI游戏引擎相比世界模型训练难度更高。Google DeepMind曾于2024年由现Genie负责人带队研发了AI游戏引擎GameNGen。从实际技术架构来看，该模型相比世界模型所需的数据结构更复杂，我们认为亦将对应更高的训练难度及训练成本。从后续的研发方向来看，团队并未进一步在AI游戏引擎研发上投入资源，而是将两部分技术分拆，分别研发了智能体Agent SIMA与世界模型Genie。

► 从玩家需求来看：长时序的绝对一致性，及对应的可编辑性还无法得到解决。在3A及高质量的RPG、射击等游戏中，用户会在单一场景进行数分钟的高速、大动幅交互，且几乎不能容忍交互中出现任何bug。世界模型预测下一帧的实现路径，我们认为难以做到在长时序上保持绝对一致性，若出现任何bug也很难像游戏引擎一样通过修复代码解决用户负向体验。

从远期看，我们认为各厂商会专精特定能力，使世界模型成为针对特定工作流的“超级工具”。我们认为，世界模型有可能实现可交互性大幅优化或画面精细度进一步提升，但由于模型本身上下文及其本质上的成本限制，模型很难在画质、交互性、一致性上同时满足玩家需求。我们因此认为，世界模型在未来发展中，各公司会根据实际用户使用情况，对应地完善模型，各世界模型公司因专精不同能力实现差异化，而在专精能力对应的任务中实现提效。

作为“辅助工具”的变现逻辑：目标客户是谁？付费逻辑是什么？

中小开发者/独立团队：降本诉求下的“工具替代”逻辑。对于这一客群，世界模型的核心价值在于降低3D内容制作的资金门槛。传统模式下，独立团队需将有限预算分配至程序、美术、策划等多个环节。AI生成场景的出现，理论上可将部分美术资产制作成本转化为工具订阅支出。

中大型厂商：双重价值驱动下的B端采购逻辑。中大型厂商的采购决策通常分为两条并行线：

一是提效降本逻辑，预算来自技术中台/美术中心。世界模型若能将数周工作量压缩至数天，其ROI模型具备说服力。采购决策核心指标为“单位成本节省”与“管线适配度”。

二是创意实验逻辑，预算来自研发中心/创意实验室。世界模型的低成本快速原型能力，可显著提升创意筛选效率。此部分采购决策更关注“创新溢价”，对价格的敏感度相对较低。

“应用创新”角度：关注世界模型驱动的AI原生游戏

世界模型或带来AI原生游戏升维。我们认为在世界模型的赋能下，未来或会出现由世界模型生成画面，AI Agent负责交互，并拥有更开放结局的AI原生游戏。

冲击方：标准化服务商的利润承压

我们认为，最直接面临冲击的是产业链中标准化程度较高的外包服务环节，主要包括美术资产制作、基础音频录制、部分代码编写等。

其核心逻辑在于：AI模型的核心能力是“低成本生成可用的数字资产”。对于需要大量重复劳动、创意附加值较低的外包业务，AI工具的替代效应较为明确。

赋能方：创意与管理的价值重估

利润池的迁移方向之一，是游戏产业链上游的创意与管理环节，包括创意策划、核心玩法设计、项目管理。

潜在整合者：平台方的利润扩张

我们认为，有三类公司可能在这一轮技术迭代中受益并潜在提升利润：

► 第一类是引擎公司。引擎是游戏开发的底层基础设施，天然具备工具链整合优势。

► 第二类是大型发行商。发行商掌握用户数据、分发渠道和资本优势。通过引入AI工具降低研发成本，发行商可以以更低的试错成本扶持更多项目，同时将更多利润留存于发行环节。

► 第三类是拥有垂类数据优势的内容厂商。在特定品类（如武侠、科幻、二次元）积累大量资产数据的企业，有机会训练出更适配细分市场的垂类模型，将数据优势转化为技术壁垒，从而向上游工具链延伸。

我们认为：1）头部游戏厂商仍具备较强内容护城河，中长期来看善于利用AI赋能创作、挖掘AI潜能并持续巩固IP与玩法优势的公司有望在当前变革中拥有持续性优势。2）聚合创作者与工具的“生态平台”有望通过拥抱AI、创新工具以掌控新的生产与分发入口，在变革中获得新增量。3）中游引擎方由于管线数据构筑高壁垒，短期难被替代，但长期商业模式重构仍待验证。4）中小厂商及工作室兼具创作门槛下降的平权机遇与同质化内容井喷的挑战，拥有独特用户社群或差异化玩法理解的厂商有希望放大优势。

拥有顶尖IP和玩法、叙事能力的头部游戏内容厂商：聚焦旗舰产品长线经营与数据积累，逐步跑通自有AI路径

我们认为头部游戏内容厂商的核心护城河仍然坚固，旗舰IP、深度玩法、沉浸式叙事和用户生态所构成的综合体验仍是AI无法复制的核心价值。我们判断，善于利用AI赋能创作、挖掘AI潜能并持续巩固IP与玩法优势的公司有望在当前变革中拥有持续性优势。

国外：聚焦长线运营与私有数据壁垒。资本市场对内容厂商的长期格局存在一定分歧。部分观点认为，AI技术平权将降低高质量3D场景的产出成本，大型游戏公司依靠重资本投入构建的美术产能壁垒或被部分削弱；另一部分观点则认为，借助AI工具，大型厂商漫长的开发周期与高昂的美术外包成本有望得到优化，从而迎来利润率的改善。

我们保持乐观的判断：顶级IP长线运营与私有高保真数据构成双重壁垒：

► 长线运营与玩法设计的不可替代性：真正决定产品生命周期的严谨数值体系、玩法循环及长期用户运营能力，仍是核心门槛。

► 高保真私有数据构筑防御壁垒：大型内容公司积累了大量独家高保真数据，包括专属角色资产及工程数据。我们判断，利用此类私有资产微调出的定制化垂类模型，有助于厂商在内容质感和IP调性上维持对中小开发团队的领先优势。

国内：技术发展路径务实，关注“软实力”（对游戏创意的洞察、内容IP积累与塑造）与“硬技术”（对物理世界与数据规律的模拟，构建技术平台）并举，护城河有望继续加深。同时，依托庞大的用户市场，中国厂商在AI队友、智能NPC、AI UGC等多个维度都逐步跑通商业模式。

长期来看，我们认为，尽管生成式AI降低了内容制作的门槛，但也加剧了内容的同质化竞争。真正的稀缺资源将从“生产能力”转向“拥有海量用户交互数据”和 “核心行业人才与算力池”。我们认为，一如腾讯在射击赛道、大DAU品类的用户行为数据沉淀，网易在MMORPG、开放世界等赛道的经验积累等将加深数据飞轮效应，使头部厂商在AI智能化程度上与第二梯队拉开代际差距。

聚合创作者与工具的“生态平台”：掌控新的生产与分发入口

在游戏内UGC生态的AI赋能方面，核心在于通过AI工具撬动用户端创造力，反哺内容生态。我们认为UGC生态系统内的AI工具升级有望改变玩家与游戏世界的互动方式以及UGC内容的生成流程，让游戏内容生产从“预制消费”向“动态共创”演进。

► 撬动用户创造力：AI赋能UGC的核心，在于通过AI工具将专业、繁琐的创作过程变得简单、有趣、即时反馈，从而释放了用户的创造力。让AI承担复杂的3D建模、地形生成、逻辑脚本编写等重体力劳动，让玩家能专注于更高层次的玩法设计、叙事构建和情感表达。

► 反哺内容生态：从创作者经济到共生生态。我们认为可关注内容供给的爆发式增长、内容消费侧的个性化满足，在此基础上形成更加健康的生态循环——“内容吸引用户，用户创造内容”。

中游工具/引擎方：市场态度相对中性，公司如何转型、融合？

国外：商业模式迎考，关注AI原生平台对长尾生态的分流。目前市场对传统3D引擎的长期竞争格局存在一定担忧；我们观察到，市场的担忧主要体现在两个维度：1）商业模式的直接冲击：传统引擎的商业模式高度依赖按研发人数收取的席位费。市场担忧，随着世界模型与AI大模型前端生成3D资产的能力逐步提升，游戏开发团队可能面临结构性缩编，进而导致引擎的直接授权收入受损。2）研发入口地位的动摇：市场认为，未来的游戏制作流程可能向“自然语言提示词直接生成”演进。若该模式成熟，开发者或将部分绕过传统引擎的节点编辑与渲染管线，导致传统引擎的工具使用时长受到挤压。

我们整体维持中性判断：管线数据构筑高壁垒，短期难被替代，但长期商业模式重构仍待验证：

► 一方面，我们认为市场高估了短期内引擎被全面替代的风险。正如前文所述，当前世界模型在解决长时序一致性及精确可编辑性上仍面临较高成本。传统引擎独有的“工程管线与资产数据”具备不可替代性。然而，我们提示，传统引擎的长期隐忧或在于长尾生态的分流。

► 另一方面，在商业模式上，虽然引擎公司正尝试向“平台 AI服务”转型，计划通过AI插件等服务来提升核心开发者的单用户价值，但我们认为，现阶段尚无法准确推演新增的AI增值服务收入能否有效对冲基础席位费下滑带来的减值风险。

公司态度与业务布局：当前海外引擎大厂现阶段均将AI定位为开发者的辅助工具。中大型研发团队对原生嵌入引擎的AI工具接受度较高，因其无需推倒现有的工业化管线。为进一步梳理双寡头的错位竞争与底层护城河，我们对其核心AI产品线及一线开发者反馈进行了横向对比：

综合上述布局，我们预期，海外引擎双寡头短期内或倾向于开放API，致力于成为各路AI模型在游戏制作链条上的集成终端，而非直接下场进行底层通用大模型的算力博弈。

小厂商/微型工作室：技术平权下，机遇与挑战并存

有利之处在于能够大幅度降低创作门槛，释放创意潜能。举例来说，重庆云威科技《挪车打螺丝》游戏即做到全流程AI渗透，游戏中超过80%的模型由AI生成，将原画到3D建模的周期从几周压缩至几天，游戏于2024年12月登顶微信小游戏全国人气榜。一如年初热度较高的游戏《互联网大厂模拟器》亦是开发者借助Google AI Studio（Gemini）通过Vibe coding方法完成，同时通过AI QA Agent进行通关率、平衡性等自动测试以试玩检验产品情况。

挑战在于游戏同质化加强、竞争加剧，模型技术可用性、稳定性仍有差距。一是同质化加剧、流量成本提升，大厂通过海量测试找到“爆款”素材的概率远超中小厂商，导致获客成本优势进一步向头部集中，形成强者恒强的局面。二是AI技术可用性仍存在差距，部分产品玩法有创意，但实际画面等仍有欠缺，且存在AI模型无法直接支撑需要稳定、长线运营的商业游戏产品的情况。

我们认为，对于中小厂商而言：短期重视执行力，具备强创意能力、并能与现有AI工具高效结合的“小而美”团队，其ROI将大幅提升；中长期重视生态位，拥有独特用户社群或差异化玩法理解的厂商有希望放大优势。游戏行业本质是创意驱动，大厂无法垄断所有灵感，这为中小厂商留下结构性机会。其核心优势不在于拼资源，而在于反应速度、迭代灵活性和垂直用户洞察。AI时代并未改变这一逻辑，而是进一步放大，将它推到更极致的地步。