生成式游戏正在从生成素材走向生成规则、玩法和可以运行的游戏世界

第一层台阶：从生成素材到生成“会动的画面”

素材生成早已不新鲜，真正引起行业讨论的是“画面能随玩家输入实时变化”。公开资料显示，Google Research 与 DeepMind 在2024年8月发布的 GameNGen，用扩散模型在单个 TPU 上以约20 FPS 实时模拟 DOOM，训练数据来自强化学习智能体自己玩游戏录下的画面。同年10月，Decart 与 Etched 发布的 Oasis 基于 Minecraft 游戏视频训练，按键鼠输入逐帧生成，约20 FPS、360p；它是第三方研究项目，与 Mojang 和微软无关。

这类模型的共同点是：它们“记住”了一个已有游戏看起来应该怎样变化，而不是重新设计了一个游戏。规则藏在画面里，没有被写成可以检查和修改的东西。

第二层台阶：从模拟已有游戏到生成可探索的新世界

2024年12月的 Genie 2 可以从单张图片生成可键鼠操控的3D环境，定位是具身智能体的训练与评测，仅限研究预览。2025年8月的 Genie 3 则可以从文字生成可实时导航的世界，据其发布说明为24 FPS、720p，一致性维持数分钟，还支持“可提示的世界事件”，比如改天气、加物体。

值得注意的是官方自己列出的局限：动作空间有限、多智能体交互较弱、文字渲染差、时长只有几分钟。2026年1月推出的实验原型 Project Genie 面向美国18岁以上的 Google AI Ultra 订阅用户，单次生成限60秒，官方也提示它可能不遵循提示词或物理规律、控制存在延迟。

同一方向上还有腾讯混元开源的 Hunyuan-GameCraft，从单张场景图加动作信号生成可交互游戏视频。微软发表在 Nature 上的 Muse（WHAM）基于《Bleeding Edge》的玩家数据训练，可以同时生成画面和手柄动作，但官方把它定位为“玩法构思”工具，而不是直接产出可发售游戏的系统。

第三层台阶：生成带功能的物体，开始碰到规则

对游戏生成来说，更接近“规则”的进展反而来自UGC平台。Roblox 在2025年3月开源了文本生成3D网格的 Cube 3D，2026年2月又公布了“4D生成”：生成的不只是外形，而是能开的车、能飞的飞机，做法是用 schema 把物体拆成部件并绑定脚本。公开资料里提到的单款游戏测试数据属于 Roblox 自报，不宜推广到整个平台。

2026年4月，Roblox Assistant 加入了 Planning Mode，可以规划、构建、测试并自我修正。2026年6月，Unreal Engine 5.8 推出实验性 MCP 插件，可以把外部大模型接入编辑器。这两条动态说明，平台方开始把生成能力接到引擎和脚本上，而不是只输出一段视频。

放到一场体育比赛上，差距在哪里

把以上能力逐项对照“生成一场可以运行的3v3足球比赛”，可以看到哪些已有公开进展、哪些仍是空白。表中的比赛需求是以模拟场景为例的拆解。

最关键的一行是“计分与胜负”。视频式世界模型生成的是下一帧画面，比分如果只是画面上的一个数字，模型并不保证它在三分钟后仍然正确。体育比赛恰恰要求规则是硬约束：球过了门线就必须得分，时间到就必须终场。这也是为什么像下一代体育游戏引擎这样的讨论，都会把规则引擎、物理引擎和运行时单独拆出来，而不是寄希望于一个模型全包。

行业情绪并不一致，这本身也是一条信息

GDC 2026 的行业调查显示，52%的从业者认为生成式AI对行业有负面影响，前两年这一比例分别为30%和18%，只有约7%认为是正面的。技术演示越来越多，但一线开发者的疑虑也在上升。对乐鱼体育这样的体育游戏创作平台来说，这意味着“能生成”不足以说服人，必须把生成结果做成可验证、可修改、可追溯的东西。

看到一个“AI生成游戏”演示时，可以先问这五个问题

1. 规则是显式写出来的，还是只存在于画面里？能不能改一条规则再跑一次？
2. 同样的输入重复十次，关键结果是否一致？
3. 画面里同时有几个能独立行动的角色？它们之间有没有真实碰撞？
4. 演示持续了多久？比分、位置这类状态在结尾是否仍然正确？
5. 生成之后有没有自动测试，能不能说明比赛一定会结束？

乐鱼体育在评估自己的生成流程时也用同一套问题。五个问题都能给出肯定答案，才算接近“生成一场可运行的比赛”。按这五条去看，现有公开成果大多还停留在第一、二层台阶，而这正是为什么一个文字大模型无法单独完成体育游戏生成的现实背景。