3月11日（太平洋时辰）开云体育，《绝地求生》团队在GDC 2026的演讲中初度公布了他们为游戏制作的CPC（定制化玩家脚色）——“艾尔琳”。

在此次演讲中，他们初度公开了AI队友“艾尔琳”的时期已矣细节，所有功能均在玩家土产货电脑驱动，3060显卡即可已矣60帧运动体验，AI反馈蔓延停止在2秒以内。讲解了在竞技游戏中部署“有记念、懂战术、能聊天”的端侧AI是可行的，给出了齐备的时期旅途，并同步书记此功能瞻望2026年负责上线。

演讲停止后，围绕这套系统的时期选型、玩家体验和硬件适配，团队还与现场诱惑者伸开了问答交流。

以下为整理后的演讲具体内容：

各人好，我是辛克。今天我会为各人先容这《绝地求生》里的东说念主气脚色——艾尔琳。

在《绝地求生》中，最精彩的游戏转眼，常常是和队友一王人创造的。有队友在身边，你们不错一王人舒怀大笑、分享物质、制定战术。但或然候，组队玩法会出问题：好友并非随时都有空，只可采纳匹配队友。但就地匹配也存在问题，队友之间的游戏主义和跳伞落点都不雷同，团队很容易就散了，或然候还会遇到玩家半途掉线的情况。

伸开剩余91%

于是我们就有了一个想法：能不成用东说念主工智能队友来填补这个空缺？许多东说念主知说念NPC这个见地，也就丧祭玩家脚色。但要害问题是，玩家无法操控NPC，也不成演出这个脚色，是以许多游戏里的NPC施展都很死板。目下我们引入一个新的见地——CPC，即定制化玩家脚色，瞎想初志就是和玩家并肩走动、默契配合。这就是我们为这款吃鸡游戏打造的CPC脚色——艾尔琳，她就像一位能和你交流互动的游戏好友。

刚刚各人看到的是我和艾尔琳组队的画面，她就像真东说念主队友雷同和玩家配合默契，主要有四大中枢亮点：

第一，她的游戏水平在线，会力争和玩家保抓步履同步，就像着实的靠谱队友。第二，她能听从玩家的语音指示，只需说出一句话，艾尔琳就能融会并照作念。第三，她能懂游戏里的专属术语和俚语，无论是专科词汇、物质称呼，照旧队友间的闲话对话，她都能融会。第四，她的交流方式十分天然，能和玩家顺畅调换，会倾听、会复兴，甚而还会开点小打趣。

接下来我们深远讲讲，为了让艾尔琳的施展更靠拢真东说念主队友，我们遇到的四大中枢时期勤奋：及时决策智商、交互的安全性与意旨性均衡、交互的主动性，以及记念智商。

在教授具体时期细节前，我先明确一下艾尔琳的感知和步履范围。

第一，语音输入输出。玩家用天然语音和艾尔琳交流，我们通过语音转笔墨时期将玩家语音滚动为文本，艾尔琳再通过笔墨转语音时期作念出复兴。

第二，场景信息输入。艾尔琳并非径直识别游戏画面，而是承袭结构化的游戏数据，如位置、时辰、物质、敌情等信息，再将这些数据滚动为文本神色，通过这些神色来融会游戏场景。

第三，步履输出。艾尔琳不会像东说念主类玩家雷同使用键盘鼠标操作，而是通过语义化的步履指示完成操作，比如移动、射击、不雅察、交互等。

及时决策智商

在这款战场竞技游戏中，遭受敌东说念主后可能1秒就会就义，是以AI队友必须作念到反应敏捷、施展沉静。我们有一种基于规矩的模子，以游戏景色为输入、动作指示为输出，常常依托深度决策树构建。这种模子的上风是反应赶快、施展沉静可预测，但它不支抓对话和语音停止。浮浅来说，就是存在这样的采取：一侧是更智能、更具交互性的模子，另一侧是反应快、沉静性高的模子。

我们的处理决策是将这两套系统融会，汲取一号系统与二号系统的双层架构。一号系统负责生成所有动作指示，支抓AI的各样步履和决策；中枢瞎想想路是，二号系统冒昧修改一号系统的步履模式。这意味着玩家不错通过语音向AI下达指示，而AI依然能保抓敏捷的步履。这就像你碰到滚热的东西会坐窝缩回手雷同，是本能的反应，无需想考。我们的AI队友恰是依靠一号系统，已矣了这种即时反应。

我用一个例子教授具体责任旨趣。玩家发出指示前，一号系统自主驱动，凭据游戏及时景色寂然生成动作指示；随后玩家说出“随着我”，这一指示触发二号系统启动。二号系统融会指示后，生成“扈从玩家”的步履指示，同期修改一号系统的驱动逻辑。如斯一来，一号系统依旧保抓高速运算，而AI的步履模式则从“自主探索”切换为“扈从玩家”。此时出现敌东说念主并向AI队友开火，一号系统会坐窝作念出反应，检测到枪声后发起反击。这样，AI队友既能恪守语音指示，又能保抓敏捷的实战反应。

安全交互

下一个需要攻克的勤奋是交互的安全性与意旨性均衡。我们但愿AI队友能带来有趣有趣的体验，像着实好友雷同和玩家天然交流、开打趣，但同期必须阻毫不良、不安全的对话内容。这里有一个出奇颠倒的问题：语境的影响至关迫切。因为AI队友存在于游戏这个特定场景中，团结个词在游戏里和履行中可能含义统统不同。

比如玩家在游戏中说“我把那只狗处理了”，在履行中这句话带有暴力色调。庸碌的风控模子可能会作念出断绝的复兴，但在游戏语境中，这句话需要蚁合游戏场景解读。正因如斯，我们需要一套能融会游戏语境的安全风控机制，既不会误判游戏内的平日表述，又能精确阻扰履行中的不良用语。

接下来讲讲我们奈何瞎想这套兼顾安全与意旨的交互逻辑。中枢想路就是抓续测试、发现问题、迭代优化。我们通过里面测试主动发现问题，找出高风险话题或低互动性的对话样本，随后分析问题、优化模子，让AI的回复既安全又有趣有趣。许多瞎想师参与到骨子体验中，针对AI的回复给出修改意见，这些优化后的回复会成为AI的方法应付库。接下来我们会进行教唆词优化，更新模子的指示逻辑，让艾尔琳严格恪守方法应付库的内容回复。

由于安全性至关迫切，临了一说念关卡就是不良用语检测。这个检测会在两个要害见效，隐匿艾尔琳的听和说。率先在语音输入要害，玩家的语音被转笔墨后，我们会对转念后的文本进行不良用语检测，若发现违法内容，会径直屏蔽或替换，幸免艾尔琳作念出不妥复兴；其次在AI生成回复要害，在将文本转念为语音前，会再次进行检测，若回复中包含不良用语，会坐窝修正。这是我们的临了一说念风控防地，对输入和输出已矣双重检测。

交互的主动性

主动性这点出奇迫切。在游戏中，着实的队友会凭据战场风光主动调换，比如“发现敌东说念主”“物质未几了”“我们该迁徙了”。为此我们想考了很久：该奈何通过事件触发，让艾尔琳领有主动交互的智商？

我们的作念法有两点：第一，基于游戏内的事件触发，比如发现敌东说念主、开火、毒圈收缩等场景；第二，蚁合游戏骨子情况判断是否需要主动发言，因为过多的语音会漫步玩家的提防力。我们的主义很浮浅：在合适的时机，给出有匡助的语音教唆。

具体责任旨趣是，率先游戏内触发特定事件，艾尔琳发现玩家需要或体恤的物质，接着系统判断该情况具备主动发言的价值，随后艾尔琳就会主动提醒，比如“嘿，这边有倍镜”。还有一个迫切的点，玩家不错自界说触发要求，比如确立“找到医疗物质时提醒我”。

记念智商

临了一个挑战是记念智商。中枢主义是索求要害信息、保存并在后续场景中复用。如果莫得记念，AI队友每次对局都会像目生东说念主雷同，记不住你的名字、记不住你的叮嘱，体验会变得出奇倒霉。

接下来望望具体的已矣方式。对局过程中，玩家可能会说“我心爱刚枪，我们打得激进点”，同期游戏中还有精深诸如操作方法、对局停止的信息，这些都是记念的输入源。艾尔琳会抓续捕捉对话内容和对局信息，筛选出其中的要害部分，比如玩家的偏好、互动中的反馈，并将其提真金不怕火为粗略的摘抄存入记念模块。

我们确立了抓久化的记念存储区，会将有用的信息恒久保存，何况这份记念会跨对局见效，即便多局之后也不会丢失。同期还有记念注入机制，会将存储的记念信息及时注入AI的决策模子，让艾尔琳能蚁合记念作念出复兴，比如会说“难忘你心爱刚枪，我们冲往日”。

对于模子老到与评估

以上讲到的及时决策、安全交互、记念智商，都基于小话语模子已矣。这意味着我们需要抓续老到和优化这个模子。我们的全进程老到体系是这样的：率先从骨子对局中汇集数据，玩家和艾尔琳的着实对局过程中，我们会汇集玩家的着实指示，将这些数据加入数据集，随后基于新数据集对小话语模子进行微调老到。

老到完成后得到新版块模子，我们会从交互质地、安全合规、游戏各人为施展三个维度进行考证，考证通事后就会进行版块迭代，让模子的施展抓续优化。同期我们会针对薄弱要害补充更多数据，让模子的智商更全面。

今天我要点讲其中一个中枢要害：角落案例挖掘。主义是找出数据聚会未隐匿、但骨子对局中可能出现的场景。我们的老到数据集包含了精深预设场景，比如“赶赴象征点”，但无法隐匿玩家在着实对局中所有可能的表述。

骨子游戏中，玩家的指示会出奇白话化、各样化，在不同场景下会用不同的说法抒发团结需求，比如“往这个地方走”，这就是数据集未隐匿的角落案例。谎言语模子凭借通用融会智商，能很好地处理这类角落案例，但小话语模子的泛化智商有限，需要要点挖掘模子处理失败的角落案例并针对性优化。

具体的挖掘方法是：率先从着实对局中汇集精深玩家指示，随后进行分类标注，尝试将每个指示归到我们预设的类别中。其中一些角落案例无法归到现存的预设类别，这阐述我们的类别隐匿存在空缺，着实玩家的部分指示是我们此前未筹商到的。

随后我们会基于这些角落案例更新分类体系，比如新增“信息分享”这一类别，涵盖“有东说念主在这个点位落地”这类指示。之后针对新增类别补凑数据、优化模子，这些正本的角落案例就不再是模子的短板了。反复这个过程，分类体系会不停完善，模子的无理率会抓续下落，施展也会越来越好。

我们会将这些挖掘出的指示意图用于下一次的数据生成。基于这些指示意图，我们主要挖掘两类空缺：第一类是低隐匿度意图，即数据聚会该类意图的样本量不及，我们会针对性生成更各样本；第二类是低质地意图，即数据聚会已有有关样本，但模子的处理后果仍欠安，这种情况我们会核查数据质地，或补充更多优质示例。中枢想路很浮浅：找到薄弱的指示意图、补凑数据、优化模子。

我们奈何评估模子的优化后果？

主要体恤两个目的。第一个是动作决策准确率，即模子能否生成正确的步履指示，我们会将模子输出与大推理模子给出的参考谜底对比，以此考证准确率。第二个目的是交互调换质地，即对话的运动度和融会度，模子能否准确融会玩家的意图。这个目的我们融会过大推理模子进行自动评估。这两个目的的考证，我们均汲取着实玩家的预留测试集进行评估。

从测试停止来看，随着老到的鼓吹，模子的各技俩的抓续普及，我们的小话语模子施展一步步变好。天然谎言语模子的目的仍高于小话语模子，但二者的差距在不停减弱。

对于土产货驱动与上线规画

我想强调的最迫切的少量是：所有功能都能在玩家的个东说念主电脑上土产货驱动。玩家的游戏客户端、语音转笔墨、小话语模子、笔墨转语音，所有模块都在团结台成立上协同驱动。我们的最低建立要求为3060显卡，能在该建立下已矣60帧的运动体验，同期保证80%以上的交互反馈率。这一已矣难度极大，因为游戏自己仍是占用了精深的显卡和处理器资源，而我们能作念到这少量，离不开和英伟达的深度勾通。

从蔓延测试停止来看，我们对比了小话语模子在土产货显卡、云表管事器的蔓延，以及谎言语模子在云表的蔓延。在4090型号显卡的高端电脑上，小话语模子的蔓延极低，险些比云表谎言语模子快一倍，反馈时辰不到1秒；即即是在3060的最低建立电脑上，蔓延也能停止在2.5秒以内。而云表谎言语模子不仅蔓延远高于土产货小话语模子，施展也不够沉静。由此可见，土产货显卡驱动模子有两大中枢上风：速率快、施展稳。

临了要告诉各人的是，艾尔琳这款AI队友不再仅仅研发演示版块，我们行将把它负责带给玩家，四肢游戏内的可选功能上线。这意味着玩家能在着实的游戏体验中庸艾尔琳并肩走动，目下该功能已在寂然测试环境中驱动，负责上线时辰瞻望在2026年的某个时辰点。

我的分享就到这里，谢谢各人！临了再聊聊有关的落地想路，包括骨子运用后果、可能遇到的问题，还有更多惊喜等着各人。

以下为演讲停止后问答要害实录（为保证阅读体验，内容有所调整）：

Q： 你们先容的这套双系统架构（一号系统基于决策树驱动动作，二号系统基于谎言语模子负责分析和对一号系统的修改），让我理猜测形态学里对于东说念主类决策想维的双系统表面。想请示你们的研发是否从这个表面中得到了灵感？

A： 没错开云体育，我们确乎参考了这一范围的有关表面。其实一号、二号系统的这种架构模式在理会科学范围是相等常见的，我也为此研读了有关的文件辛劳。

Q： 对于AI系统，玩家的骨子体验是最迫切的。我想了解贵公司是否仍是针对这套系统开展了早期的玩家测试，哪怕仅仅里面的可用性测试？有莫得汇集过玩家与AI（艾尔琳）互动时的着实感受和反馈？

A： 这是个出奇好的问题。我之前在演讲中主要展示了模子的决策准确率、交互质地这类量化目的，但这些与玩家的着实体验之间确乎还存在一些各异。是以我们仍是在公司里面组织了精深的职工进行试玩，让各人体验AI队友艾尔琳，并汇集了许多反馈意见。基于这些反馈，我们对系统作念了不少优化纠正，公司里有许多东说念主都参与了多轮的试玩测试。

Q： 你们的游戏应该会面向不同话语的市集，目下主要适配了哪些话语？有关的模子是自研的照旧有勾通？因为作念多话语适配需要参预不少研发资源。

A：目下我们主要适配了三种话语：英语、韩语和汉文。

针对不同话语，我们作念了寂然的模子处理，所有的小话语模子都是单独老到、寂然部署的。顺带一提，我们还对模子作念了量化处理。因为我们要求游戏的最低驱动建立是8G显存，是以模子汲取的是4比特量化盘算推算的方式。

Q： 我想问一个偏运营层面的问题：你们是奈何养息AI队友的游戏战力的？在许多游戏中，如果AI太强会裁汰可玩性。你们是奈何幸免这个问题的？

A：对于这点各人统统不错宽解，在现时的先行体验版块中，艾尔琳的走动智商其实并不算强。想让AI在这款游戏中施展出色其实难度极高，因为这款游戏的竞技性自己就很强，何况许多玩家的游戏水平仍是出奇高了。天然，我们也在抓续开展有关策划，探索奈何让艾尔琳的游戏战力变得更强。

Q： 我想了解一下，在驱动AI队友的同期，游戏还要进行图形渲染，你们是奈何兼顾这两者的？是同期驱动照旧优先保险一方？另外，是否会凭据游戏驱动情况动态调整模子计谋，甚而跳过部分盘算推算来管制资源？

A：我光显你的问题。浮浅来说，如果玩家的成立显存有限，想要运动驱动AI队友，就需要适合裁汰游戏的画面画质；如果玩家显存实足大，那么即使开启高画质，也能平日驱动AI队友。

Q： 这样说你们是让AI模子和图形渲染共用团结块显卡的显存？

A： 是的，至少模子的驱动是基于团结块显卡的。从骨子体验数据来看，AI的反馈蔓延停止在2秒以内，玩家的体验就仍是相比精湛；如果能降到1秒以内，体验会更出色。这是保证体验的要害。

Q： 你们采纳使用小话语模子而非谎言语模子，主若是为了适配不同建立的玩家成立，照旧更多出于资本停止？如果参预实足资金，表面上也不错用谎言语模子来作念吧？

A：中枢原因其实是体验层面的蔓延问题。 如果AI的反馈蔓延达到5秒，玩家的体验会出奇倒霉。天然，资本和硬件适配的成分也有筹商。目下行业内语音交互时期的发展也印证了，小话语模子是相比合适的采纳。

Q： 那如果畴昔出现性能施展优异的端到端语音模子，能进一步裁汰蔓延，你们会筹商汲取吗？

A： 没错，如果汲取端到端的语音模子，确乎能灵验裁汰交互蔓延。是以我们也在抓续测试和评估，探索哪种类型的端到端语音模子最适配我们的游戏场景。目下还在策划阶段。或然候猜测畴昔的时期发展，还挺让东说念主期待的。后续我们也会连续鼓吹有关的时期研发和测试。

发布于：北京市