与1500+企业共创,打造更懂游戏的Data+AI平台

【审计专栏】【法律领域】【社会科学】 第五十六篇 企业管理层互动形态分析01 AI分析 战略官试图塑造公司“战略现实”S_s(如“未来在于AI”),业务总裁固守“运营现实”S_o(如“现金为王”)。 阅读详情

12 月 17 日至 19 日,2025 中国游戏产业年会在徐汇举行。这场中国游戏行业规格最高、影响最广的年度盛会,汇聚了诸多来自政府、学界、行业的权威人士,从游戏的文化价值、科技价值、社会价值等议题出发,共同探讨游戏的未来发展方向。

在 2025 中国游戏产业年会产业发展论坛上,数数科技 CTO 兼中国业务负责人 周津 发表了《从“出海热”到“AI 革命”:数数如何赋能游戏产业价值跃迁》的主题演讲。

图片

下为演讲的主要内容(文字有删减和调整)。

近年来,“走出去”成为中国游戏行业的核心关键词之一。以《黑神话:悟空》《燕云十六声》等为代表的游戏作品,根植于西游等传统文化元素,让越来越多的海外玩家通过游戏了解中国文化。

除了出海,游戏行业近年来也在深度拥抱 AI,国内头部厂商纷纷布局 AI,尝试将 AI 深度融入研发、运营、叙事与交互等游戏全链路,成为推动行业效率提升与内容创新的核心引擎。

当“出海”与“AI”交汇,游戏行业实则站在新一轮发展的转折点上:一方面,商业空间的拓宽让游戏企业获得更多发展机会;另一方面,游戏本身承载的意义与价值也在不断深化。

政策+市场驱动下的机遇与挑战

在政策与市场的共同推动下,中国游戏企业的全球化布局正在加速。北京、上海、浙江等游戏产业密集的省市陆续出台了一系列专项扶持政策,从基础设施到战略指导为游戏企业提供全方位支持。

图片

市场层面,国内市场的增速放缓,让越来越多的游戏企业将目光转向海外,尤其是服务与技术基础设施的完善,大幅降低了中小团队出海的技术与运营门槛,推动全球化从“头部试水”迈向“全面铺开”。

图片

但是,就像国内老生常谈的行业红海问题,游戏出海的竞争态势也在持续升级。全球用户增长开始进入平台期,流量红利慢慢衰减,获客成本激增,如今的出海已经或已不再是简单的“产品输出加买量”就能盈利的“蓝海”了。

从“以量取胜”到“以质取胜”

目前,出海游戏的获客成本在不断地攀升,同时从不同渠道获得的用户,其付费转化、平均活跃度等核心指标相差也很大。虽然多元化的渠道带来了更多的玩家,但也让玩家结构更复杂。所以游戏出海的竞争模式应该从过去追求用户规模的“流量增长”,转向深耕用户价值的“质量增长”。

面对买量成本激增、回报不稳的行业痛点,我们需要回答一个根本问题:如何让每一分预算都带来可预测、可持续的用户价值?

我们的产品 ThinkingEngine(简称“TE 系统”)通过集成广告、归因和变现等第三方平台数据,并将其与游戏内的核心用户行为数据实时关联,以此让游戏团队能够在一个统一的视图中,不仅看到用户从哪里来,更能看清他们进来后做了什么、玩了多久、为什么付费,然后去评估每一个渠道的真实价值、每一组素材的引流效果等等。

本质上,我们是帮助游戏企业将过往以量取胜的投放策略,优化成数据驱动的以质取胜的投放策略。

图片

获客之后,就要考虑怎么让玩家留下来。用户运营的粗放化,往往是导致用户留存困难、召回无力的直接原因。这种低效的运营,除了会持续消耗前期高昂的获客成本,还会直接损害游戏的口碑和长期付费生态。

这就是为什么我们在几年前就反复强调的精细化运营的必要性:游戏应该完成从“流量运营”到“用户价值运营”的升级。在现在的市场环境中,这几乎已经是游戏生存的必选项了。

因此,游戏企业的下一个增长点需要建立在两个相互咬合的增长飞轮之上:短期追求投放效率,长期深耕用户价值。

其中,买量投放以提升 ROI 为核心,通过投放闭环不断地迭代买量策略,让每一次投放的效果都可追踪、可归因、可优化,助力更高效的投放与获客管理。

而长线运营则要以提升 LTV 为核心,借助用户分层等操作构建用户增长闭环。这本质上是对用户全生命周期的精细化管理,其最终目的,就是延长每个用户的价值周期,将短期的“流量”沉淀为长期的“资产”。

图片

为了帮助更多游戏企业达到上述预期,数数所构建的,不仅是一套工具,更是一套经过验证的增长方法论。从安全合规的数据治理出发,贯穿研发、发行、运营等游戏全链路,从而形成一个自我驱动、持续优化的增长闭环。

从“游戏+AI”到“AI+游戏”

当前,AI 落地应用大致可以分为“+AI”与“AI+”两种核心主流方向:+AI 是指将 AI 融入现有的工作流,通过 AI 能力的加持来提升工作效率或者是优化用户体验;“AI + ”则是一种 AI 驱动的颠覆式创新,由 AI 主导来重新定义产品、流程、玩法和商业模式。

过去我们谈“游戏+AI”,更多是将 AI 视为一个增强体验的插件式工具。它服务于已有的游戏框架,例如通过更智能的 NPC 带来更丰富的互动。

但 “AI+游戏”意味着 AI 不再是游戏的某个功能模块,而是其原生架构的核心。游戏的设计逻辑、叙事生成、角色交互,甚至经济系统,都可以由 AI 深度驱动和重构。游戏内容将不再完全由开发团队预设,而是能够在 AI 与玩家的持续互动中共同创造、动态生长。

基于这个认知,我们所倡导的 Data+AI 也再进一步升级为 AI+Data。

在早期阶段,“Data+AI”一直是行业主流思维:数据作为基础,AI 作为工具优化具体环节,提升效率。

但随着全球市场竞争加剧和 AI 技术成熟,一种新范式正在形成——“AI+Data”,即 AI 成为主导者,数据则作为赋能 AI 的核心燃料,让 AI 真正成为数据大脑,既激活数据资产的潜在价值,又能充分释放数据在业务场景中的核心效能。

在 Data+AI 领域,我们的 TE 系统已经可以通过 AI 实现报表自动生成、看板解读、运营文案一键生成等功能,帮助业务人员降低了数据分析的技术门槛,让数据价值更容易触达业务场景,缩短了从“看到数据”到“理解业务”的路径。

在此基础上,我们进一步推进 AI+Data 的探索,TE 系统的社区洞察能力核心,就是 AI 原生理念的落地。

在 2016 年,我们就搭建过舆情系统,但受限于当时的技术条件,实际应用效果并没有达到预期。

如今重启这一方向,正是看到 AI 大模型在处理社区海量非结构化数据时的天然优势——之前通过传统 NLP 算法遇到的问题在大模型领域会变得非常容易解决。

图片

目前,TE 系统的社区洞察能力已经成功应用于游戏企业实际业务场景。通过 TE 系统的社区洞察能力,游戏企业不仅能对玩家社区进行全景监控,还能将社区讨论中的情绪、热点与游戏内的用户画像深度关联,从而为版本更新、活动设计甚至剧情走向提供数据驱动的决策支持。

图片

在情绪价值占比不断提升的今天,情感驱动已成为玩家付费的重要动力。情感共鸣在部分场景已经成为比数值更强的付费点。而游戏企业的核心任务就是去系统性地运营这种“情感资本”——将玩家的热爱与认同,高效、可持续地转化为商业与生态的长期健康度。

因此,需要以优质内容体验为起点,通过情感共鸣激活玩家付费意愿后,完成商业转化,进而提升玩家粘性,形成“体验-情感-付费-更好体验”的增长循环。

图片

共建 AI 决策引擎

从大数据这个概念火起来,数据的重要性就一直在被反复强调。到了 AI 时代,数据的价值不减反增。以往数据更多地是作为业务洞察的手段,现在,数据作为 AI 三要素之一,已经成为了驱动 AI 自进化的核心动力。

高质量、大规模的数据集不仅能训练出更精准的 AI 模型,更构成了游戏企业的差异化竞争优势。尤其当模型经由企业自身业务数据长期训练与调优后,便能深刻理解其独特的用户生态、玩法设计和运营节奏。

这种深度“内化”的模型,不仅能生成更贴合的素材,做出更精准的决策,更能形成驱动业务增长的“业务壁垒”。

因此,通过 AI 实现报表自动生成等操作,对我们而言只是一个起点。我们真正的愿景,是让 TE 系统进化为一套真正的“AI 决策引擎”——它不仅仅处理数据,更要理解业务。

这需要我们将在游戏行业服务过 1500+家企业所积累的认知、方法,与客户展开更深层次的共创,共同训练一套真正理解业务、适配增长的 AI 决策引擎,使其成为驱动可持续增长的核心动力。

图片

在当前出海的业务方向上,我们希望能帮助企业在买量和运营上做得更准、更高效,解决眼前“如何增长”的问题。

而看向更远的未来,我们也期待,AI 与 Data 的深度融合,可以推动整个行业跨越单纯的产品出海,转向与全球玩家共建有生命力的文化生态。

市场的环境始终充满了不确定性,正因如此,我们更希望能与各位合作伙伴携手,通过 AI 的技术赋能,让数据价值触手可及,帮助大家在不确定的环境里,找到业务增长的确定性。

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

相关推荐

《AI实战嵌入式Agent +MCP+skill》课时2.5|定时器实战

本课讲解定时器时基单元原理,通过PSC、ARR、CNT三寄存器配合实现精确周期控制。以84MHz时钟为例,计算得PSC=8399、ARR=9999可实现1秒溢出周期。采用HAL_TIM_Base_Start_IT启动定时器更新中断,在HAL_TIM_PeriodElapsedCallback中处理周期任务,实现非阻塞、高精度的定时。相比HAL_Delay的阻塞式延时,定时器中断方案不占用主循环,支持并发操作,是嵌入式系统中实现周期任务的高效方式。

现任某外企的算法工程师!专注于人工智能、嵌入式、FPGA、论文写作四大主题的教程和经验分享!辅导请➕v :sci666888999 186

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 353

企业如何利用群晖 NAS 构建高效数据备份与容灾体系

群晖 NAS 不仅是一个企业级文件存储设备,更是一个完整的数据保护平台。通过 Active Backup for Business、快照技术和多层次容灾方案,企业可以在确保数据安全的同时,实现业务的高可用与持续性。在当今充满不确定性的环境下,企业应将数据备份与容灾体系作为 IT 战略的重要组成部分,而群晖 NAS 则是一个值得信赖的核心基石。

Trihawk的博客 491

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 196

从触觉到视觉:GelSight传感器的工作原理与实战应用指南

本文深入解析了GelSight光学触觉传感器的核心工作原理,它通过将物理接触转化为视觉图像,为机器人提供了高精度的触觉感知。文章详细介绍了其在工业微观缺陷检测、机器人灵巧操作等领域的实战应用,并提供了从系统搭建到算法开发的完整指南,帮助工程师将这一前沿技术落地于实际项目。

solidity8miner的博客 939

保姆级教程:用Verilog手把手实现一个MIPI CSI-2 D-PHY接收器(附PPI接口时序详解)

本文提供了一份详细的Verilog实现MIPI CSI-2 D-PHY接收器的教程,重点解析了PPI接口时序和deskew数据对齐技术。通过模块划分、时钟域处理、状态机设计和错误恢复机制等实战内容,帮助开发者掌握高速数据接收的核心技术,适用于嵌入式视觉系统开发。

weixin_30619101的博客 512

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

深度强化学习 | 详解基于价值的强化学习DQN算法(附Pytorch实现)

深度Q网络DQN的核心原理是通过经验回放池和目标网络技术拟合高维状态空间,是Q-Learning算法的深度学习版本,本文分析DQN的基本算法,并给出训练实例和实际案例

FRIGIDWINTER的博客 4985

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 236

RK平台以太网设置中添加代理设置

以太网中配置Configuration的时候可以IpConfiguration的初始化函数来设置代理类型和代理参数。通过添加一个KEY_ETH_PROXY的选项来设置代理的配置,然后再设置以太网静态或者动态的类型时候下发给系统进行设置。

Android系统开发笔记 656

医疗AI知识库更新慢?提示工程架构师用Agentic AI自动更新的策略

我们的目标是用Agentic AI替代传统更新流程中的“重复劳动”,让医疗知识库(以知识图谱为例)能自动跟踪最新医学进展,把“更新周期从数月缩短到数天”。从PubMed/指南数据库自动抓取新文献;用提示工程从文本中提取结构化医学知识;自动校验新知识与旧知识的冲突;将通过校验的知识写入知识图谱。拆问题:先讲医疗知识库更新慢的3大根源;给方案:用Agentic AI设计4个“小助手”解决问题;讲原理:每个小助手的工作逻辑+提示工程技巧;做实战。

AI 原生应用开发的博客 1061

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 234

筹码峰五句口诀,看懂主力的秘密动作!(附实战图示)

筹码图的价值在于,它不像K线那样容易造假。主力可以骗线,但骗不了筹码分布。主力在不在;是吸筹还是出货;接下来是变盘还是震荡。这五句口诀可以说是“筹码阅读的入门圣经”:单峰坚挺变盘在即,双峰对垒高抛低吸;上峰不移主力在跑,多峰林立行情不止;下峰不移不离不弃,筹码识庄稳中取利!📌市场从来不是靠猜,而是靠看清。筹码,就是主力最真实的痕迹。如果你想学会提前布局、跟庄不被甩,学会看筹码峰——这一步必须打牢!

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用,接口、架构、性能全搞定。 1162

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 191

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 190

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 541

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 79

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 557

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 252

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 629

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 325

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 201

设计师工作室 GEO 实操:如何提升 AI 实体推荐概率

设计工作室 GEO 的本质,是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为:区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性:品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘,只陈述事实。输出 1 篇「设计报价影响因素」科普内容,覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访,形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试,记录出现频率。

goujunwe的博客 326

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 199

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 4484
上一篇: 浅谈《三国:谋定天下》的轻度化设计:SLG减负的新方向
下一篇: 报告领取|2026中国游戏产业趋势及潜力分析报告(45页硬核报告,免费领)
ThinkingAI
博客等级 码龄8年 200粉丝 130原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值