一款沙盒生存游戏，加了一个“和篝火旁的旅人聊天”功能。旅人可以回答任何问题，包括宇宙的年龄和怎样煮意大利面。玩家聊了二十分钟，回到游戏里，发现背包一件东西都没有变，任务也没有推进，旅人对刚才说过的所有内容毫无后续。这是一个很完整的聊天机器人，却不是一个 AI-native 游戏。两者的差别，比看上去大得多。
从“开发侧工具”到“运行时组件”
过去几年，生成式 AI 大多出现在开发阶段：写文案、出贴图、生成模型、辅助调试。这些产物进入游戏时已经被人审过、被打包、被冻结，运行时不再有模型。arXiv 2607.00527 的综述与路线图，把趋势概括为生成式 AI 正在从开发侧工具变成运行时组件：玩家进入游戏之后，模型仍在参与内容与行为的产生。一旦模型在运行时，就不再只是“效果好不好”的问题，而是“它会不会破坏游戏”的问题。
六七项要求，本质是同一件事
该综述提出 AI-native 游戏需要：可控生成、被验证的状态转移、持久记忆、经济的推理成本、多模态落地（Grounding）、因果推理，以及面向运行时内容的安全系统。把这些拆开看很零碎，合起来看是同一个主题：模型的输出必须是游戏的一部分，而不是游戏旁边的一段文字。可控生成保证输出符合规则；被验证的状态转移保证输出真的改变了世界，而且改得合法；持久记忆与因果推理保证后果会延续；经济的推理成本保证这一切能在玩家每天玩的时长里跑得起；多模态落地保证模型理解的是这个游戏里的东西；安全系统保证生成内容不越界。
难点在哪里
综述里点出的困难很具体：运行时生成难以控制，尤其当输出必须与游戏状态、规则保持一致；开放式语义输入常常超出现有游戏系统的表示能力，玩家说的话，比游戏状态机能表达的要多；持久记忆、世界状态追踪与长期后果管理仍然脆弱。举个假想的例子：玩家对 NPC 说“我把桥烧了”，聊天机器人版本会回应一句“真可惜”，AI-native 版本需要把桥的状态改成已烧毁，重新计算路径，让另一侧的商队路线断掉，并且在十小时后仍然如此。这就是为什么玩法核心与模型不能分开设计，也是长期记忆在 NPC 系统中如此重要的原因。
核心玩法里，AI 是不可拿掉的一环
一个简单的判断法：把模型拿掉，游戏还剩多少？聊天机器人版本拿掉之后，游戏几乎完整，只是少了个闲聊角落；AI-native 游戏拿掉之后，核心循环会断掉，比如玩家的自然语言决定了任务怎样展开，或者 AI Agent 承担了世界里某个角色的持续行为。金沙娱乐在游戏大模型方向的研究思路，也倾向于把模型放进“状态、规则、模拟”的闭环里，而不是当作外置的对话窗口，相关的输入理解部分可参考多模态游戏理解。
一份自查清单
如果你在评估一个产品或自己的设计，可以逐项回答：
- 生成的内容是否经过规则或状态校验，才进入游戏世界？
- 模型的输出是否会引起可追踪的状态变化，而不仅是一段文字？
- 十小时之后，这次交互的后果是否仍然存在，并且前后一致？
- 单个玩家每小时的推理成本是否在可承受范围，哪些请求走了本地或缓存？
- 模型是否知道自己在“这个游戏”里，而不是任何游戏？
- 玩家的行为改变是否能推出合理的因果链，而不是随机的反应？
- 对运行时产生的内容，是否有过滤、回滚与举报的通道？
七项里只满足一两项，多半仍然是“接了个聊天机器人”；能满足五六项，才接近综述所指的方向。想了解规则约束怎样做，可以继续看可控生成那一篇。
