11月4日和5日两天，运营了二十年的虎扑，全网热榜前十五名几乎被几款小游戏占据：《拯救水货状元》《从一包球星卡到JRs首富》《我的篮球平行时空》。这些游戏并非出自传统游戏公司，其中《我的篮球平行时空》的作者“黑暗骑士”就是从虎扑社区成长起来的个人创作者。

今年8月底，虎扑开放“AI工坊”内测，允许普通用户在本地借助GPT、Claude或Cursor制作网页游戏，上传审核通过后进入平台。TapTap的AI制造工坊也一直十分活跃。除最早入局小游戏的微信和抖音，小红书、虎扑这类社区APP也在引入游戏作为留存用户的手段，没有传统研发背景的社区用户因此有机会独立制作、发布游戏，并借助平台流量获得广告收益。

过去制作一个可玩的游戏原型需要策划、程序、美术共同完成，现在AI正在承担一部分工作。当制作门槛下降，策划这个岗位也在发生变化：越来越多人可以借助AI提出玩法、拼装系统，甚至直接交付一个可供测试的Demo。

几乎在同一时间，另一种声音在行业内部出现。11月3日，一名有着15年从业经验的游戏主策在知乎匿名发表短文《悲观预测：游戏策划“抽卡师”化》。所谓抽卡师，是近两年AI短剧行业出现的新工种：把剧本拆解成提示词，不断向生成模型输入指令，再从大量生成结果中筛选可用镜头。因为AI生成结果如同盲盒抽卡，工作更像重复性的素材生产而非创作。今年4月《南方周末》的调查中，一位从业者形容自己的工作状态“更像是在执行，而不是在创作”。这位主策担心，中小型游戏公司未来也可能采用类似模式：招来一批新人，要求他们借助AI在一两个月内拼出Demo，投入市场测试，没有成绩就淘汰，再换下一批人。

游戏行业其实很早就出现了类似“抽卡”的生产模式，只是过去玩得起的主要是拥有成熟测试体系的商业公司，且集中在休闲类厂商。Zynga旗下的土耳其厂商Rollic就是典型：在伊斯坦布尔拥有113名员工、6个内部工作室和50个外部开发团队，每年立项并淘汰约1000个游戏原型，每月发行约100款产品，其中94%活不过第一个月。新团队的入职测试相当直接：五个工作日内复刻Rollic某款游戏的前二十关。外媒将Voodoo、Rollic、Homa等厂商的类似策略称为“刮刮乐模式”：单个原型成本约5000至1万美元，开发周期四到六周，一年测试两千至三千款。报道中有一句形容相当直白：“他们不买昂贵的彩票，只买几千张便宜的刮刮乐。”

AI出现之后，这种开发模式进一步提速。土耳其工作室Bold Games的创始人提到，六七个月前七周做出一个可玩版本已经算快，如今AI让这一周期压缩到四周以内。国内小游戏行业也出现了类似变化，而比商业公司批量生产更值得注意的，是游戏生产能力开始向个人创作者扩散。在虎扑的“AI工坊”里，小游戏、互动模拟器恰好适合AI辅助开发，创作者不必从零搭建完整技术团队，可以把精力放在玩法设计、数值调整和内容迭代上。虎扑还为这些游戏内置“一键发帖”功能：玩家结束一局后可自动生成战报发布到步行街，其他用户围绕战绩讨论，帖子获得更多曝光，又把新玩家带回游戏，制作、分发和社区传播形成闭环。

但生产门槛下降并不意味着游戏更容易成功。TapTap开发者论坛上，一名个人开发者借助AI制作了包含100个关卡的《水排序》，上线两周后每天自然曝光量只有100左右，而TapTap搜索“水排序”就有19款产品。他在复盘中提到，这类游戏本质上是流量产品，能否获得关注更多取决于素材和分发，而不是画风。玩法空洞、体验粗糙、逻辑不完整是许多失败作品的共同问题，AI可以更快完成原型，却无法自动解决获客、留存和商业化问题。

在游戏行业内部，字节、腾讯、网易、米哈游等大厂纷纷布局游戏内AI交互内容，也包括企业内部的AI“基建”。与一些大厂策划交流发现，受公司推动影响，大部分策划在工作中已大量使用AI工具，不少人也发现有些工作越来越像在“抽卡”。一名策划表示，抽卡成本低，内容最终仍由人来审，但只靠自己想效率差很多，个人体感“抽卡”比重多了50%左右；不过决策并没有因此变简单，纯概念设计上AI能提供更多选择，但出于去同质化的内部要求，留给决策的时间反而增加。另一位策划说，自从用上某AI编程工具，每天的工作就像变成了QA，只需告诉AI哪里不对就能出效果。小团队对AI的依赖或许更深，有以策划为主的小团队几个人轮番使用AI工具，造出一个完整商业大型手游早期版本的Demo。一位资深策划感叹：“不擅长用AI，甚至会变成一个人的工作劣势。”

于是行业里出现一种奇异的现象：上层在推进AI，中层在害怕被AI取代，新人在庆幸自己不是被AI淘汰的那一个。

当游戏被快速筛选，策划也开始面对筛选。根据GDC发布的2026年游戏产业状况报告，被裁撤人员中策划岗位占比达到20%，在各类岗位中居前。脉脉数据显示，要求三年以上经验的游戏岗位占比达73.34%，一年以内经验的岗位量同比减少20%。企业开始在招聘环节强调AI工具的实际应用能力：Krafton今年启动创社以来规模较大的校招项目，多个职类采用自研AI测评工具；Nexon调整了程序岗位的传统笔试方式，转而考察候选人使用生成式AI工具解决实际问题的能力。国内校招的偏好也更倾向于能快速上手落地的“执行策划”，而非单纯只会想方案的策划。

对求职者而言，仅仅证明自己掌握基础策划方法可能已经不够，企业希望看到的是能把想法转化为可玩原型、并借助工具快速完成验证的人。也有从业者提到，部分新入行员工日常能接触到的公司内部AI工具其实十分有限，却依然要面对更高的执行与产出要求。AI工具与工作流本身也在高速迭代，重复性的提示词操作出现不过一两年就已受到自动化工作流冲击，曾风靡一时的字节跳动Coze扣子也宣布企业版即将下线。拉开差距的依然是“业务Know-how”——知道具体怎么做、如何做好，以及遇到问题时怎么解决。

那名知乎主策还提到，大厂运营十几年的老项目反而暂时成了AI难以介入的区域：项目历史包袱较重，团队不敢轻易修改原有系统，部分老员工仍把AI当作搜索工具。但这种保护也有边界，需要持续创新的新项目对开发效率和产出速度的要求只会越来越高。更何况模型能力还在快速进化，目前AI在小游戏上的能力已经到了能直接根据一段视频生成对应玩法的地步。

问题在于，当公司将更多项目的不确定性转化为高频测试时，是否也会把这种不确定性转移给具体的从业者。如果一个策划的工作只剩下借助AI拼装现成机制、快速提交Demo，再等待市场数据决定去留，那他确实可能越来越接近短剧行业的“抽卡师”。

不过，即使是在将高频试错发挥到极致的土耳其游戏行业，真正取得成绩的团队也并非完全靠碰运气。今年被Scopely以超十亿美元估值收购的Loom Games，代表作是《Pixel Flow》，其核心团队此前就在Rollic参与过《Twisted Tangle》的开发，积累了多年产品经验。这类团队是在成熟的研发体系中进行反复测试，经过数年后才跑出成绩，说明高频试错并不意味着经验失去价值。AI可以快速生成内容，却不能替开发者判断这些内容是否符合整个游戏的逻辑，也无法累计经验。

过去，策划需要花费大量时间完成文档、配置、系统拆解，再协调程序、美术和其他岗位，将一个想法逐步变成可玩的产品。
如今，AI正在压缩其中一部分执行环节，可以被拆解、标准化、重复完成的工作，确实正在变得越来越便宜。
但游戏究竟应该做成什么样，玩家为什么会喜欢它，数据出现偏差时应该调整哪部分体验，这些问题并不会因为AI能够快速生成Demo就自动得到答案。
无论如何，传统游戏行业中的策划，都在慢慢退出行业。
游戏公司当然可以不断“抽卡”原型，却无法“抽出”真正懂得做游戏的人。