鷺羽 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

不講武德！游戲圈這回真是被AI抄家了。（doge）

這兩天，一個(gè)ID名為「快遞員」的神秘游戲賬號(hào)引起全網(wǎng)圍觀。

51小時(shí)高強(qiáng)度排位，勝率一度逼近93%，直接碾壓式登頂韓服LOL。

相關(guān)詞條更是直沖熱搜第一，網(wǎng)友們紛紛吃瓜：這逆天操作，莫不是老馬的Grok在提前備戰(zhàn)S16？！

（咳咳）玩梗歸玩梗，雖然關(guān)于其AI身份尚無(wú)定論，但這場(chǎng)全網(wǎng)圍觀足以證明：AI+游戲已經(jīng)吊足了所有人的胃口。

事實(shí)上，不止馬斯克，全球瞄準(zhǔn)這一賽道的游戲廠商還真不少。

在國(guó)內(nèi)就有這樣一支先遣隊(duì)，早已將AI Agent大規(guī)模商業(yè)化部署，落地在多種類型的游戲產(chǎn)品中。

或許你早已在多個(gè)爆款游戲中領(lǐng)略過他們的手筆，他們就是超參數(shù)科技。

而最近，超參數(shù)科技又剛剛推出了一款全新的游戲智能體——COTA。

據(jù)官方描述，這是一款真正具備通用游戲潛力的Agent產(chǎn)品，從名字就能看出，它強(qiáng)調(diào)認(rèn)知（Cognition）、執(zhí)行（Operation）、策略（Tactics）和輔助（Assistance）：

不僅操作堪比職業(yè)選手、決策比肩教練級(jí)，推理鏈路還全程清晰可見。

并且這一切，完全由大模型原生驅(qū)動(dòng)。

效果be like：

視頻鏈接：https://mp.weixin.qq.com/s/uxlaijDSQQQmAlfEXjYgxg

（無(wú)獎(jiǎng)競(jìng)猜：這是人類還是AI操作的？）

Anyway話不多說，先開一局游戲玩玩。

職業(yè)級(jí)水準(zhǔn)的實(shí)機(jī)性能表現(xiàn)

目前COTA可以在官方自研的FPS（第一人稱射擊）游戲Demo中進(jìn)行體驗(yàn)。

之所以選擇FPS作為Agent落地的第一站，是因?yàn)樵擃愋陀螒蛉蒎e(cuò)率極低，零點(diǎn)幾秒的延遲或一個(gè)錯(cuò)誤的決策就會(huì)導(dǎo)致當(dāng)前角色“死亡”。

此外，長(zhǎng)期處于高頻對(duì)抗博弈，要求AI必須在每一幀內(nèi)不斷識(shí)別敵人、判斷地形、規(guī)劃路徑并進(jìn)行射擊反饋。

這里有三種游戲類型選擇：

• 單人模式：和4個(gè)AI一起組隊(duì)對(duì)抗5個(gè)AI；
• 觀戰(zhàn)模式：AI 5V5對(duì)抗；
• 多人模式：自定義房間，可自由選擇單人/觀戰(zhàn)模式。

游戲分為進(jìn)攻方和防守方兩隊(duì)，每隊(duì)5人，一旦進(jìn)攻方殲滅敵軍或者成功引爆炸彈，則算進(jìn)攻方勝利，反之若防守方殲滅對(duì)方或拆除炸彈，則算守方獲勝。

都說知己知彼百戰(zhàn)不殆，所以我們先進(jìn)觀戰(zhàn)模式，看看AI都是怎么玩的～

點(diǎn)擊鼠標(biāo)左右鍵可進(jìn)行視角切換，包括雙方所有角色的第一視角和自由視角。

自由視角下，點(diǎn)擊O鍵可同時(shí)查看雙方隊(duì)伍的簡(jiǎn)易思維鏈（Chain of Thought，以下簡(jiǎn)稱CoT），再點(diǎn)擊一次即可開啟詳細(xì)CoT過程。

角色視角下，可查看當(dāng)前角色所在隊(duì)伍的Commander下發(fā)給該角色的團(tuán)隊(duì)?wèi)?zhàn)略以及個(gè)人任務(wù)，同樣雙擊O鍵查看詳細(xì)CoT內(nèi)容。

每個(gè)詳細(xì)CoT推導(dǎo)過程的右下角都設(shè)置有暫停和播放按鍵。

以守方Apple為視角，團(tuán)隊(duì)Commander首先根據(jù)A、B兩個(gè)據(jù)點(diǎn)的不同地勢(shì)情況，合理分配人員。

• A點(diǎn)三人控夾角，B點(diǎn)兩人守高臺(tái)，保持視野聯(lián)動(dòng)。

比賽正式開始，Apple聽從Commander的單人指令，前往B點(diǎn)架槍防守。

通過查看Apple的CoT可知，該Agent先對(duì)指令內(nèi)容進(jìn)行拆解，結(jié)合當(dāng)前坐標(biāo)和目標(biāo)點(diǎn)坐標(biāo)，以及附近地圖環(huán)境，規(guī)劃出合理的轉(zhuǎn)移路徑。

移動(dòng)時(shí)，輸出的決策也相當(dāng)全面，始終強(qiáng)調(diào)動(dòng)作的連續(xù)性與擬人性，既模擬真實(shí)玩家的操作過程，又可以避免暴露自己的位置。

視頻鏈接：https://mp.weixin.qq.com/s/uxlaijDSQQQmAlfEXjYgxg

移動(dòng)過程中，Agent也會(huì)時(shí)感知當(dāng)前頁(yè)面，接收并向隊(duì)伍反饋實(shí)時(shí)信息。

視頻鏈接：https://mp.weixin.qq.com/s/uxlaijDSQQQmAlfEXjYgxg

除了推理可視化外，在急停拉槍、掩體博弈、投擲物封煙、下包拆包等一系列復(fù)雜動(dòng)作上，Agent也表現(xiàn)得相當(dāng)流暢自然。

視頻鏈接：https://mp.weixin.qq.com/s/uxlaijDSQQQmAlfEXjYgxg

在團(tuán)隊(duì)配合時(shí)，Agent也會(huì)有意識(shí)配合完成集火包抄，掩護(hù)隊(duì)友完成單點(diǎn)突破。

視頻鏈接：https://mp.weixin.qq.com/s/uxlaijDSQQQmAlfEXjYgxg

而在單人模式中，我們的感受是：AI好強(qiáng)，全程帶我飛。

視頻鏈接：https://mp.weixin.qq.com/s/uxlaijDSQQQmAlfEXjYgxg

作為攻方，幾乎可以無(wú)腦跟AI指令，就算技術(shù)很菜，隊(duì)友也會(huì)在前面開路，直接躺贏。

和AI打一盤下來(lái)，感覺自信心突然爆棚，勝率100%不是夢(mèng)。（doge）

而且完全感覺不到是在和AI匹配組隊(duì)，指令清晰易懂，反饋及時(shí)，也幾乎不存在打人機(jī)局時(shí)的機(jī)械感。

總的來(lái)說，無(wú)論是哪種模式下，Agent的表現(xiàn)都比肩人類頂尖玩家，作為隊(duì)員，它能把每一個(gè)指令完美消化，配合度滿分；而作為隊(duì)長(zhǎng)，它又可以實(shí)時(shí)制定最詳細(xì)的戰(zhàn)術(shù)策略。

贏下比賽也并非依靠超越人類的反應(yīng)速度，而是通過策略運(yùn)營(yíng)，借助類似人類選手的意識(shí)獲勝。

充分向我們展示了一個(gè)高智商+高透明度的新一代游戲Agent形象，可以說是一枚非常優(yōu)秀的游戲搭子～

完全由LLM驅(qū)動(dòng)，模擬人類快慢思考過程

但事實(shí)上，要想同時(shí)完成實(shí)時(shí)、對(duì)抗、可解釋性三個(gè)維度，在過去難度是極高的。

傳統(tǒng)FPS的AI Bot通常只能滿足實(shí)時(shí)性和操作精度，雖然可以做到快速反應(yīng)和高命中率，但在戰(zhàn)術(shù)博弈和高層決策上對(duì)抗能力弱，更依賴預(yù)設(shè)腳本。

而AlphaGo則受限于強(qiáng)化學(xué)習(xí)范式，雖然在對(duì)抗上表現(xiàn)優(yōu)異，但卻是一個(gè)思維黑盒，玩家與開發(fā)者無(wú)法知道AI決策背后的原因，因此在交互體驗(yàn)上往往擺脫不了一種“賽博上帝”的冰冷感。

那么COTA是如何打破這個(gè)“不可能三角”的呢？

首先，在模型架構(gòu)上，其沒有用業(yè)界主流的小模型強(qiáng)化學(xué)習(xí)，轉(zhuǎn)而將大模型作為核心引擎。

這顯然是超參數(shù)科技一次極具前瞻性且大膽的選擇。

眾所周知，現(xiàn)有大模型普遍依賴自回歸生成機(jī)制，推理能力強(qiáng)的同時(shí)也不可避免地帶來(lái)了實(shí)時(shí)響應(yīng)問題，尤其是在要求高頻、低容錯(cuò)的復(fù)雜游戲場(chǎng)景中相當(dāng)受限。

而COTA在此基礎(chǔ)上，通過精準(zhǔn)選型和對(duì)模型架構(gòu)的進(jìn)一步創(chuàng)新，從而找到了平衡點(diǎn)。

為了避免參數(shù)冗余，COTA采用Qwen3-VL-8B-Thinking作為基座模型，這是一個(gè)兼顧性能與效率的“甜點(diǎn)級(jí)”選擇。

相比更小參數(shù)量級(jí)的模型，8B仍然可支撐足夠的邏輯鏈推理，以及理解復(fù)雜的游戲戰(zhàn)術(shù)；體積輕巧也能更好地滿足游戲場(chǎng)景中每秒多次的決策刷新，解決游戲Agent在實(shí)時(shí)性上的物理瓶頸。

其次，COTA創(chuàng)新性構(gòu)建了一套“雙系統(tǒng)分層架構(gòu)”，將原先強(qiáng)耦合的AI決策鏈，拆分為快系統(tǒng)+慢系統(tǒng)兩條協(xié)同鏈路。

簡(jiǎn)單來(lái)說，就是模擬人類大腦，快系統(tǒng)負(fù)責(zé)低延遲動(dòng)作執(zhí)行，慢系統(tǒng)負(fù)責(zé)深度分析。

對(duì)應(yīng)過來(lái)，就是指揮官（Commander）+行動(dòng)專員（Operator）：

• 上層：指揮官主戰(zhàn)略。

該模型的定位是整個(gè)系統(tǒng)的戰(zhàn)術(shù)中樞，其核心特質(zhì)在于保留有完整的邏輯鏈條。

并非隨機(jī)指令生成，而是基于當(dāng)前局勢(shì)進(jìn)行宏觀的因果推演，比如通過已知敵方三人在A點(diǎn)露頭，可得出B點(diǎn)防守薄弱的結(jié)論。

它不參與具體操作，相反專注于從感知到?jīng)Q策的高階能力，涵蓋地圖分析、敵方意圖判斷以及戰(zhàn)略方針制定等復(fù)雜任務(wù)。

對(duì)Commander而言，唯一的目標(biāo)就是贏下全局。

• 下層：行動(dòng)專員重執(zhí)行。

和指揮官相比，該模型更偏落地執(zhí)行，這是一個(gè)進(jìn)行了極致蒸餾、專注指令理解的非思考VLA模型，負(fù)責(zé)將抽象的戰(zhàn)略轉(zhuǎn)化為毫秒級(jí)的物理操作。

輸入時(shí)會(huì)同時(shí)接收兩種信息流，其一是來(lái)自上層指揮官的戰(zhàn)略，其二是模型結(jié)合個(gè)人視野（當(dāng)前屏幕看到的敵人）和團(tuán)隊(duì)視野（隊(duì)友共享的信息），綜合判斷當(dāng)前的障礙物、掩體和威脅程度。

然后進(jìn)行語(yǔ)義拆解，將模糊的指令轉(zhuǎn)化為精確的物理坐標(biāo)和按鍵，從而在每個(gè)角色上實(shí)現(xiàn)具體的移動(dòng)、瞄準(zhǔn)、射擊等微操作。

在訓(xùn)練過程中，COTA同時(shí)建立起一條從“能用→強(qiáng)化→擬人”的訓(xùn)練管線：

1、SFT階段：基于CoT的冷啟動(dòng)。

傳統(tǒng)的模仿學(xué)習(xí)只會(huì)學(xué)習(xí)基礎(chǔ)動(dòng)作，而利用包含CoT的高質(zhì)量數(shù)據(jù)進(jìn)行SFT監(jiān)督微調(diào)，可以讓AI初步具備人類思考的邏輯框架。

其中在數(shù)據(jù)構(gòu)建上，采用了混合式數(shù)據(jù)策略：以高質(zhì)量人工數(shù)據(jù)作為錨點(diǎn)，再結(jié)合模型自動(dòng)生成數(shù)據(jù)，來(lái)規(guī)�；瘽M足訓(xùn)練所需的數(shù)據(jù)量和多樣性。

2、GRPO階段：大規(guī)模自我博弈。

群相對(duì)策略優(yōu)化主要解決的是決策魯棒性問題，通過AI自我對(duì)抗，探索人類玩家從未發(fā)現(xiàn)的戰(zhàn)術(shù)死角，可以極大地提高模型在極端壓力環(huán)境下的生存勝率。

3、DPO階段：人類偏好對(duì)齊。

這一步將會(huì)與人類高端玩家數(shù)據(jù)對(duì)齊，以減少AI的機(jī)械感，例如不合常理的瞬移視角，同時(shí)讓指揮官輸出的戰(zhàn)術(shù)意圖更符合人類語(yǔ)言邏輯。

最終體現(xiàn)在COTA上，就是將有限的算力花在刀刃上：高成本、強(qiáng)推理能力集中在不要求即時(shí)響應(yīng)的戰(zhàn)略決策階段，而實(shí)時(shí)執(zhí)行交給經(jīng)過蒸餾與壓縮等技術(shù)的輕量模型。

從而在保持智能水平的同時(shí)，將系統(tǒng)整體響應(yīng)時(shí)間壓縮到百毫秒級(jí)（最快可縮減至100ms），以滿足多類游戲場(chǎng)景需求。

這就意味著COTA已經(jīng)跨越了算法和應(yīng)用之間的鴻溝，在實(shí)戰(zhàn)環(huán)境下依舊能夠保持高水平性能，具備商業(yè)可行性。

非一家之言，而是通用游戲智能體的開端

由此可見，COTA并非華而不實(shí)的demo，而是能真正落地的大模型游戲AI產(chǎn)品。

它標(biāo)志著，大模型+游戲終于從實(shí)驗(yàn)室走進(jìn)了現(xiàn)實(shí)。

這也反映一種行業(yè)趨勢(shì)——當(dāng)AI Agent的基礎(chǔ)能力與技術(shù)趨于成熟，游戲AI從業(yè)者們已經(jīng)邁入到進(jìn)一步突破Game AI能力邊界的階段。

而COTA正是游戲AI新范式探索道路上的一份優(yōu)秀答卷。

它在毫秒必爭(zhēng)的競(jìng)技環(huán)境中，攻克了高強(qiáng)度對(duì)抗下的決策精度和響應(yīng)難題，以實(shí)戰(zhàn)成果有力地證明了：以大模型為核心驅(qū)動(dòng)的技術(shù)路線在游戲AI領(lǐng)域不僅走得通，而且走得遠(yuǎn)。

想象一下，當(dāng)大模型的深層創(chuàng)作力與實(shí)時(shí)游戲場(chǎng)景徹底融合，游戲會(huì)變成什么樣？

在MMORPG（大型多人在線角色扮演游戲）中，NPC不再是預(yù)設(shè)文本的復(fù)述，而是具備嚴(yán)密邏輯的數(shù)字生命。

能夠迅速響應(yīng)玩家需求，輸出高質(zhì)量互動(dòng)，后續(xù)或許還能夠基于玩家的行為建立長(zhǎng)期記憶。

這些充滿溫度的全新交互將全面提升用戶游戲體驗(yàn)。

而在MOBA（多人在線戰(zhàn)斗競(jìng)技游戲）中，AI可以進(jìn)化成真正的戰(zhàn)術(shù)大師。

它與玩家的戰(zhàn)斗不依靠0失誤的機(jī)械操作取勝，而是與玩家一樣，通過邏輯嚴(yán)謹(jǐn)?shù)膽?zhàn)略、戰(zhàn)術(shù)完成游戲，讓玩家在與AI的每一局對(duì)戰(zhàn)中都能體驗(yàn)到與真人玩家組隊(duì)無(wú)異的游戲體驗(yàn)。

在SLG（策略模擬類游戲）中，解決了響應(yīng)難題與思維黑盒問題的大模型Game AI可以徹底重構(gòu)SLG的策略深度與沉浸感。

它讓AI與玩家的博弈徹底擬人化，戰(zhàn)斗精細(xì)化，同時(shí)開發(fā)也可以高效化。

簡(jiǎn)而言之可以讓SLG玩家的對(duì)手更“聰明”，隊(duì)友更“懂行”，戰(zhàn)斗更“真實(shí)”。

總之，一切皆有可能。

其本質(zhì)在于，游戲AI在游戲世界中對(duì)人機(jī)關(guān)系的重構(gòu)。

與常見的指令死板、工具屬性明顯的AI Bot不同，COTA更像是具備靈魂的游戲搭子，玩家可以通過思維鏈理解AI的想法，認(rèn)可ta的行為，最終形成趨近于真實(shí)玩家間的協(xié)作關(guān)系。

這種高擬人化的互動(dòng)不僅停留在情緒共鳴層面，還可以通過持續(xù)、可預(yù)期的反饋機(jī)制逐步建立起玩家對(duì)AI的信任連接。

當(dāng)玩家開始相信系統(tǒng)真正理解自己的意圖時(shí)，人機(jī)交互便不再是一次性的功能使用，而是成為貫穿游戲全過程的真實(shí)體驗(yàn)，從而全面革新玩家的游戲參與方式。

從游戲運(yùn)營(yíng)這樣的商業(yè)角度來(lái)講，也可以有效實(shí)現(xiàn)游戲長(zhǎng)期留存率提升、拉動(dòng)轉(zhuǎn)化的商業(yè)目標(biāo)，COTA這類游戲Agent將為游戲產(chǎn)品在存量競(jìng)爭(zhēng)時(shí)代提供難以替代的商業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)，給予游戲廠商積極正向的數(shù)據(jù)回饋。

正是基于上述對(duì)玩家價(jià)值的深刻理解，超參數(shù)科技推出了COTA這個(gè)產(chǎn)品，為開發(fā)者提供一套面向未來(lái)、具備極高通用性潛力的游戲智能體框架。

它打破了技術(shù)壁壘，可以讓開發(fā)者無(wú)需針對(duì)每個(gè)不同類型的游戲產(chǎn)品打造Game AI，利用這套框架即可將最前沿的大模型Agent技術(shù)高效應(yīng)用到自己的多類產(chǎn)品中，為玩家提供優(yōu)秀的游戲AI服務(wù)。

可以說，超參數(shù)科技正在與游戲行業(yè)共同完成一場(chǎng)從代碼預(yù)設(shè)向智慧涌現(xiàn)的范式轉(zhuǎn)變。

而在游戲之外，COTA同樣潛力無(wú)窮。

一直以來(lái)，游戲場(chǎng)景都是通用智能體的練兵場(chǎng)。無(wú)論是復(fù)雜環(huán)境下的決策博弈，還是對(duì)物理世界規(guī)律的模擬，游戲場(chǎng)景都是最接近現(xiàn)實(shí)復(fù)雜度的世界模型。

而COTA這類具備通用潛力的游戲Agent，不僅成本低、可復(fù)現(xiàn)，而且風(fēng)險(xiǎn)可控，是通往AGI的道路驗(yàn)證中，最理想的試驗(yàn)沙盒。

更具體地看，COTA所驗(yàn)證的“雙系統(tǒng)分層架構(gòu)”可以為很多現(xiàn)實(shí)世界問題，如具身智能等場(chǎng)景提供極具參考價(jià)值的解題思路。

在現(xiàn)實(shí)世界里，也會(huì)經(jīng)常面臨“高層語(yǔ)義理解”與“底層運(yùn)動(dòng)控制”的協(xié)同難題。

COTA則展示了如何讓“LLM大腦”（Commander）處理復(fù)雜的任務(wù)拆解與環(huán)境推理，以及同時(shí)讓“LLM小腦”（Operator）在毫秒級(jí)內(nèi)完成精準(zhǔn)的運(yùn)動(dòng)執(zhí)行。

這種能力可以無(wú)縫遷移至大量的現(xiàn)實(shí)世界問題上。當(dāng)AI學(xué)會(huì)在虛擬世界中通過視聽感知環(huán)境、與隊(duì)友配合并執(zhí)行工作時(shí)，它距離在物理世界中像人類一樣行走、工作與協(xié)同也就不遠(yuǎn)了。

這正是“從仿真到現(xiàn)實(shí)”技術(shù)路線的核心價(jià)值所在。

它可以作為虛擬世界與真實(shí)物理世界的樞紐，帶動(dòng)通用人工智能的加速演進(jìn)，一旦AGI取得突破，它也將反哺游戲行業(yè)，重新定義下一代游戲Agent的形態(tài)。

所以我們有理由期待，未來(lái)的游戲AI領(lǐng)域能夠孕育出更多如COTA般令人驚喜的技術(shù)突破，通過持續(xù)的范式創(chuàng)新，為全球用戶開啟一個(gè)充滿智慧與生命力的新紀(jì)元。

試玩鏈接：https://www.chaocanshu.cn/product/cota_apply