谷歌推出AI游戏创作平台Playground，一句话做游戏实际体验如何？

10 月 7 日，谷歌推出实验性 AI 游戏创作平台 Google Playground ， 并宣布 与 Unity 宣布建立战略合作伙伴 关系，代号 Unity Spark 。

与传统游戏开发工具不同， Playground 试图将游戏制作的过程压缩成一场对话。用户不需要掌握编程、美术或游戏引擎等专业技能，只需通过自然语言描述自己想要的玩法、画面和交互方式， AI 便能够生成一款可以在浏览器中运行的游戏。

如果对生成结果不满意，用户还可以继续通过对话调整内容。

从提出创意到实际游玩，原本复杂的开发过程，似乎正在变成一件只需要动动嘴、敲敲键盘就能完成的事。

但游戏能够被快速生成，是否就意味着创作者能够真正掌控自己的作品？

当 AI 开始参与玩法设计、美术制作乃至后续迭代，过去游戏开发中需要解决的问题，又会以怎样的形式重新出现？

为了弄清楚这些问题，笔者实际体验了 Playground 。

几句话做出一款游戏，究竟是什么体验？

进入Playground的创作页面后，用户只需要描述自己的游戏创意，就可以开始制作。

平台采用了较为直观的交互界面：左侧是与AI交流的对话窗口，右侧则是游戏的生成与预览区域。用户可以通过不断补充提示词，调整游戏的玩法、画面以及交互逻辑。

整个过程不需要接触代码，甚至不需要理解游戏引擎的基本操作。

换句话说，你只要会打字，就能够制作游戏。

经过多次尝试，笔者发现，Playground已经能够在相当短的时间内，将一个模糊的游戏创意转化为可以实际游玩的作品。

尤其是在一些成熟玩法的复现上，模型展现出了相当不错的能力。

当用户要求其制作某些热门游戏的类似玩法时，AI往往能够快速理解其基本规则，并完成相应的交互设计。部分游戏在数值和玩法循环上甚至表现得还算成熟，至少能够让人产生继续玩下去的欲望。

让AI自由发挥写的随机事件，并没有指定要求商店等等

但这种便利性，显然不意味着AI已经具备了完整的游戏开发能力。

在多次测试中，Playground暴露出的几个问题同样明显。

首先是美术风格的控制问题。在一次测试中，笔者原本只是希望Playground参考一张概念图的画风，保留游戏原有的国风设计。然而，AI却提取了参考图中的部分视觉元素，并据此生成了与原本设定相悖的西洋风格。

这意味着，AI虽然能够识别参考图中的视觉信息，却未必能够准确区分创作者想要借鉴的表现形式与需要保留的设计内容。一次简单的美术调整，反而可能改变原本已经确定的创作方向。

最终版本

其 次是版本控制的问题。至少从笔者目前的体验来看，Playground尚缺少类似Git那样可预期、可精确控制的版本回退能力。一次看似简单的修改，有时反而会影响此前已经完成的内容。

还是上次的那个修改，AI最终给到的版本，已经和之前截图的版本没有多大关系了。

更麻烦的是，这类偏移并不总能通过一次额外提示快速修正。当风格判断本身出现误差后，创作者往往需要再花数轮对话去纠偏，而每一次新的修改，又可能进一步影响已经生成完成的内容。

Playground经过三轮提示词调整后生成的游戏界面

最后，则是AI对于玩法需求的理解仍存在偏差。

在面对较为复杂的机制时，模型有时能够理解用户想要的表面效果，却未必能够准确把握其背后的设计意图。为了让游戏按照预期运行，使用者往往需要反复调整提示词，甚至重新解释已经提出过的要求。

这也意味着，目前Playground最擅长的，仍然是快速实现一个相对成熟的游戏玩法，而不是帮助开发者完成复杂、精细且长期稳定的内容迭代。

不过，相比部分同类产品，Playground最突出的优势，或许并不完全在于生成质量，而是它足够快，并且真正做到了“开盖即玩”。

做游戏的过程，本身就是在玩游戏。

Playground甚至会鼓励用户在等待游戏生成时，先去体验其他创作者发布的作品。

这种设计让游戏开发不再只是一个等待最终成果的过程。用户既可以亲自制作内容，也可以随时进入其他人的游戏，将创作与游玩变成同一种娱乐活动。

与此同时，Playground还大幅简化了作品的发布流程。

生成完成后，用户可以直接分享自己的作品，或者将其发布至平台社区。Playground也会为游戏生成相应的展示封面，降低用户发布内容的门槛。

不过，笔者观察到，部分游戏的展示封面与实际内容存在一定落差，甚至呈现出类似部分游戏买量广告中“货不对板”的情况。

当生成门槛和发布门槛同时降低，大量内容能够迅速进入平台，但这些作品的实际质量，仍然需要玩家亲自体验才能判断。

从商业模式来看，Playground也并非完全没有门槛。

目前Playground面向美国18岁以上用户开放，游戏游玩免费，但免费用户的创作权限仍在分批开放。订阅Google One AI计划，则可以获得即时创作权限及更充裕的生成额度。

换句话说，谷歌不仅在尝试降低游戏创作门槛，也在为自身的AI订阅服务寻找新的应用场景。

从AI生成内容，到用户创作、社区分享，再到更多用户进入平台，Playground已经显露出构建创作与消费闭环的意图。

对于谷歌而言，这或许比单纯推出一个AI游戏生成工具更有价值。

真正的重头戏，是还未正式开放的Unity Spark

不过，如果说Playground目前更接近面向普通用户的娱乐型创作工具，那么谷歌与Unity此次合作更值得关注的部分，其实还在后面。

双方还公布了另一款AI游戏开发工具——Unity Spark。

与Playground强调快速生成、快速游玩的产品定位不同，Unity Spark希望进一步拓展AI辅助游戏开发的能力边界。

根据官方披露的信息，Unity Spark将支持更加复杂的游戏机制、高保真3D画面，以及Unity运行时提供的技术能力。

这意味着，用户不再只能依靠简单的文字描述，生成一些相对轻量化的网页游戏，而是有机会在此基础上进一步完善交互机制、场景与视觉表现。

恐怖生存资源管理射击游戏

Unity官方已经展示了多款使用Spark制作的游戏，包括科幻射击游戏《Space Corridor》等作品。

相比Playground目前呈现出的轻量化内容，这些展示作品在画面完成度、场景复杂度和游戏表现形式上，都提供了更进一步的想象空间。

值得注意的是，Unity Spark并不只是依靠AI凭空生成游戏资产。

按照Unity的介绍，Spark将直接连接Unity Asset Store，让使用者能够调用由专业创作者制作的美术资源 ，等等 。

这也回应了目前AI游戏创作工具面临的一个重要问题：与其要求生成模型独立完成所有开发环节，是否可以让AI承担组织、调用和实现的工作，同时保留传统游戏开发工具与成熟资产体系的优势？

对于本就拥有庞大开发者生态和资产商店的Unity而言，这是一条更有现实基础的路线。

Unity CEO Matt Bromberg在介绍Spark时，也强调这项产品并不是为了让AI一次性复刻出一款已经存在的游戏，而是希望用户能够借助新技术，创造、打磨并分享真正属于自己的互动体验。

当然，目前Unity Spark仍处于测试阶段，后续还将开放封闭测试。其实际表现能否达到官方展示的水平，尤其是在复杂玩法、长期迭代和工程稳定性方面的能力，仍有待进一步验证。

但从Playground到Unity Spark，谷歌与Unity已经给出了一个相当清晰的产品方向：

前者让更多普通用户愿意尝试制作游戏，后者则尝试让这些创意进一步成长为更完整的作品。

从腾讯到Meta，所有人都想抢下AI游戏创作的入口

谷歌显然不是第一个尝试这件事的厂商。

早在今年5月，腾讯就在SPARK 2026腾讯游戏发布会上公布了AI游戏创作平台“代号Craft”，并开启首测招募。

该平台同样强调自然语言交互，允许用户通过文字描述生成游戏场景、角色以及基础玩法框架，同时提供AIGC工具链和大量预制美术资源，试图降低2D、3D游戏的开发门槛。

此外，Rosebud AI、Seele、Loopit等不同规模的创业公司，也在尝试以各自的方式降低游戏制作门槛。

不过，如果只把这些产品看作游戏开发工具，或许还低估了科技巨头们的野心。

因为部分厂商真正希望改变的，未必只是游戏制作方式，而是游戏的生产与消费关系。

今年5月，美国AI游戏创 作平台Astrocade宣布获得5600万美元新融资。与传统游戏引擎不同，Astrocade从一开始就强调创作、发布与游玩的结合，希望让普通用户像发布短视频一样，快速制作并分享可供他人体验的互动内容。

Meta则在9月公布了Horizon Create和Horizon Studio两款AI创作工具。按照官方规划，这些工具生成的游戏未来可以直接进入Facebook、Instagram和Horizon等平台，借助现有社交网络触达用户。

不难发现，这些厂商争夺的已经不只是游戏开发者，也包括过去只负责消费游戏的普通玩家。

在这种模式下，游戏可能不再只是一款 需要数月甚至数年开发的独立产品，也可以成为一种生产周期更短、能够快速传播的互动内容。

回到Playground本身，这种趋势 已经初现端倪。用户可以通过对话制作游戏，也可以在等待生成时体验他人的作品，随后将自己的游戏发布到社区中。

结语

从 Playground 的实际表现来看， AI 已经能够把模糊的创意变成可玩的游戏。但当创作者试图进一步调整玩法、统一美术风格，甚至只是保留此前已经完成的内容时，新的问题又会随之出现。

这或许也是当前 AI 游戏创作工具最值得关注的矛盾： 生成游戏正在变得越来越简单，但如何持续打磨和完善一款游戏，仍然考验着开发者的能力。

在对开发社区的持续观察中，笔者发现，一些过去需要投入大量时间的开发环节，如今已经能够借助 AI 工具加快完成。对于独立开发者而言，这意味着他们有机会以更低的成本验证创意，把更多精力放在游戏本身。

不少从业者也表示，在使用 AI 辅助开发的过程中，省去了许多重复性工作，重新找回了最初制作游戏的快乐。与此同时，也有人担忧 AI 会冲击现有行业生态，甚至发现，即便借助 AI 完成了一款游戏，也未必能够吸引玩家。

或许，真正值得注意的，并不是 AI 将会取代多少人，而是 AI 正在让游戏开发中的工程管理和设计问题更早地暴露出来。

AI 当然可以帮助策划和制作人迅速生成可玩的 Demo ，复现相对成熟的玩法范式。但在创新这件事上， AI 未必能够帮助策划走得更远。恰恰相反，如果过度依赖模型提供的现成方案，反而可能陷入不断重复已有设计思路的「回音壁」。

当一个想法能够被迅速实现，创作者就更需要判断：这个玩法是否真正有趣？不同机制之间能否形成合理的循环？游戏又该如何在一次次修改中保持完整？

—— 创意，一直不是最重要的。

重要的，是将创意转化为清晰玩法，并把不同机制组织成完整游戏系统的能力。

往期 推荐