文 | 游戏茶馆
" 我们希望玩家体验过这种 AI 创造和发现空间的过程后，再回去玩《模拟人生》《动物森友会》这些 " 手摆 " 建造的传统游戏，会觉得‘没意义了’‘太无聊了’。"
回头来看，2025 年或许是 "AI+ 游戏 " 发展历程里一个里程碑式的年份。
除了相关的产品数量爆发性增长并逐步走向商用化上市，几个相对明确的品类范式也已经被勾勒出轮廓。比如《诡秘推理》《神探夏洛克：暗夜追踪者》等基于文字模态的叙事驱动类 AI 游戏，《妹居物语》《EVE》等情感陪伴类游戏，以及由 " 斯坦福小镇 " 启发而来的《Aivilization》《麦琪的花园》等沙盒式游戏，诸如此类。
但一天三变的 AI 圈，新技术的涌现仍然在催生无数个新方向。
比如茶馆君最近在小红书上发现了一款名为《森盒》的游戏。他们凭借一个 "AI 装修 " 的核心玩法受到了用户的追捧，从今年上半年在小红书、抖音等平台走红，不断量产数万赞的爆款笔记。截至目前已经在全网收获了超过百万的粉丝。
上个月，茶馆君与《森盒》背后的生境科技的创始合伙人、COO 李永燚聊了聊。他告诉我，这是 " 空间智能 " 的威力。
不同于我们熟知的文本、视频等模态，《森盒》是直接用 AI 生成一片空间，通过训练让 AI 具备对空间的感知力。即便在 AI 领域，" 空间模态 " 本身目前也仍是一个定义和路径尚在探索的全新交叉方向。结合社媒用户的踊跃反馈，这意味着生境科技在探索 " 游戏 +AI" 一个前所未见、也极有潜力的方向。
这家来自深圳的 " 极客公司 " 创立于 2023 年，目前有 60 余人，大部分出身自清华及海外名校、以及腾讯等大厂，具有 AI、算法、游戏等跨学科背景。
生境科技自我定位为一家 AI 空间生成方向的科技公司。在创业初期，他们主要从事服务头部企业的 ToB 业务，与世界 500 强松下、北美最大家居品牌 Ashley 等公司达成合作，通过 AI 空间生成智能帮助顾客生成全屋方案。
但李永燚告诉我，这还只是生境科技的上一个阶段。他们刚刚完成 Pre-A 与 Pre-A+ 轮近亿元人民币的融资，希望通过《森盒》的转型，切入 ToC 的领域。打造一个 "AI 空间版的抖音 "，让空间像视频一样被创作、流通、变现，成为下一代内容与经济载体。在与李永燚的对谈里，我们也聊了聊一支 " 跨界 " 的 AI 科技团队是如何打破学科与团队的隔阂，找到游戏创作灵感的。
以下是茶馆君与李永燚的对谈记录（为确保阅读体验，部分问答进行了编辑调整）
技术人才跨界做游戏，开拓游戏 AI 的 " 空间维度 "
Q：先简单自我介绍一下吧。
李：我是生境科技的创始人兼 COO，《森盒》游戏项目负责人。生境科技是全球 AI 空间生成领域的领跑者。我想做是 "3D 空间版的抖音 "，致力于 " 让空间像视频一样可以被创作、流通和变现 "。目前我们刚拿了近亿元融资，目前团队总共 60 人左右，团队成员大部分来自清华、腾讯和海外名校的算法 & 游戏跨学科专家和极客。
Q：相比于 " 游戏公司 "，生境科技的定位更多在 AI 上？
李：是 AI 公司还是游戏公司其实不太重要，重要的是创造出了什么独特的价值。过去我们认为文本、图像、视频等通用模态是头部大厂通吃的赛道，创业公司没有大的机会，唯有 3D 模态，所以我们选择深耕 AI 空间生成算法，为泛家居行业及具身智能行业提供了工具、流量和数据价值。
现在我们希望基于自研 AI 空间生成的算法及引擎，探索出独特的 3D 模态互动内容及体验。游戏是一个非常好的 3D 模态，有数十亿的用户，万亿级的市场，成熟的商业模式和付费意愿，所以我们选择了这个方向。
目前团队除了支撑部门之外 90% 以上的人都在做游戏，一半 AI 算法，为游戏研发提供空间生成引擎，一半游戏研发，基于空间生成引擎探索 AI 原生玩法及互动体验。姑且可以把我们定义为 "AI 游戏 " 公司。
Q：能不能请您给我们科普一下你们所做的 " 空间智能 " 是什么？这个词我个人大概是从今年下半年开始频繁读到的。
李：空间智能下半年火起来是因为几个代表性的人物。最著名的就是李飞飞，她推出了一个空间智能模型 Marble，最近刚开始公测，这个模型可以基于一张图片生成一个 3D 的场景，这是基础的空间生成。
但实际上，空间智能其实是人感知世界的一个非常重要的能力。回归本源的话，就是人对空间的一种本能。第一个层面是对空间的感知和理解——环境中有什么东西，有什么空间关系，它们的重量、摩擦力、质感、触感等等。
第二个层面是感知之后做出的决策。比如你希望从 A 点到 B 点，那么你可以基于对空间的感知，做出行动规划、路线规划。你是要去厨房倒一杯水，还是去打开冰箱拿出一瓶饮料？在行动规划之后，跟环境进行具体互动。
第三个阶段就是除了互动之外，你还希望能改造空间——比如装修自己的家、布置庭院、重新摆放桌设。
Q：空间智能模型是怎么训练出来的？像文字大模型用文本训练很符合直觉，但怎么教会一个模型去感知 3D 空间？
李：现在的训练方式主要有两条路径：一个是直接在现实中采集数据，比如录制真人在环境中的操作；另一个是通过虚拟模拟或合成数据的方式，在虚拟环境中一比一还原现实，并赋予物理属性，比如重量、摩擦力、光照、热传导等等。有了这些属性后，让数字人或虚拟数字人在里面互动，从而产生训练数据。
我们现在在做合成数据这个方向。因为我们具备非常真实的 3D 空间生成能力——不只是纯视觉的。像李飞飞和我们理解的空间智能就不太一样，他们生成的数据更像是一个文字转图像、图像转视频、视频转高斯泼溅，再转化为 Mesh 网格。本质上还是 3D 化的图像，并没有形成一个结构化、可被智能体或人真正感知、互动、创作的标准 3D 数据格式。
Q：也就是说，你们理解的空间智能中，3D 物件在形状和体积之外还包含了更多属性。
李：没错。还有更多的信息，甚至包含流线、功能之间的组合布局关系，还有一些美学组合关系，甚至个人性格的投射在里面。这些是过去文字和图像模态并不具备的多维度数据格式，而在空间智能里尤为重要。这是空间智能模型跟过去文本、图像、视频模态最重要的一个区别。
靠小红书 " 主动出击 " 抓素材，百万粉游戏如何诞生？
Q：来仔细聊聊《森盒》吧。你们是怎么转型和立项的？
李：OK。其实我们决定做游戏大概是一年半前。那时候我们对游戏完全不了解，不管是技术、策划还是研发。所以我们先做了调研，然后发现一个重要的切入点：市面上尤其是手游，大部分还处在比较人工、低画质的孵化阶段。
回头看端游的情况，差不多在十年前出现一个转折点。之前大部分是非写实的风格化游戏、品质也不高；但 2015 到 2020 年之间，3D 写实类大型商业游戏集中爆发，比例从 20% 一路涨到 70%、80%，这几年又回落到五五开。
我们认为手游也会走同样的路。接下来两三年，高品质、写实风的 3D 手游会有很大增长空间。正好我们想做的是跟 3D 室内家居相关的游戏，所以做了技术调研，最后选择了虚幻引擎——因为它支持高画质、高写实的表现。
但官方的虚幻引擎在移动端有很多限制，比如 Lumen 支持不好，还有很多底层问题。所以我们去找有经验的团队，最后发现真正具备这种能力的，可能就个别公司的几个小组，甚至特定的几个人。我们就把这些人挖来了。
大概从一年半前开始，我们先做底层渲染架构支持。接下来的半年时间，我们基本搞定了底层架构和技术调研这些东西。
Q：玩法是如何决定的呢？
李：这就是下一个核心问题：到底做什么玩法？有什么内容？系统怎么设计？我们没经验，也不敢闷头招人。我们聊了很多策划和产品经理，但发现他们其实还是有很强的惯性思维。
像我们目前理解的玩法，基本是于过去比较成熟的体系——有限物资、有限任务、有限操作方式，组合出各种玩法。说实话在红白机时代可能大部分已经穷举完了，之后更多是在做画质的升级或者玩法的交叉融合等等。
但我们还是想做点不一样的。于是我们采取了一个玩家共创的思路。我让我们的新媒体团队发了大量的内容来做测试，比如手绘户型图、各种风格房间等等。
直到有一天，一条 " 奶油风房间四种布局切换 " 的视频爆了——不光小红书火，甚至火到了 Instagram、TikTok，单条视频的播放量几千万，累计可能都上亿了。于是影响了我们的产品方向。
Q：为什么这条内容火了？
李：我们也很纳闷：为什么这么简单的内容能火？翻了很多评论才发现，用户觉得这跟他自己息息相关。
像开始我们画了很多全屋户型的内容，但反响不是很好。后来意识到，全屋是 " 全家 " 的事——像客厅这样的空间它其实是爸妈、兄弟姐妹共同决定的，我自己其实是没有太多的权限的。但卧室、书房才是 " 我 " 的事，每个人都有自己的权力，也有对它进行改造的愿望。
所以你可以看到评论区有非常多人给我们留言，" 能不能帮我也改造一下我的房间？" 我们清楚地看到，比如 1000 条回复里面可能有 500 条是玩家用备忘录之类的画图软件，歪歪扭扭地画出他自己的房间。
我相信这个过程肯定是很痛苦的。可能这个玩家他本身规划能力有限，但是他还是这么一笔一笔的非常艰难的画，想要改造他的家。所以我们通过这个事情深刻感知到，和用户自身强相关的内容，才能激发出无限关注和互动。
我们也不是天天去玩各种梗、或者找热点去蹭，这些只能说是花拳绣腿。本质上还是靠内容，找到了这些用户想要做、但从没被满足过的需求。过去应该从来没有一款产品或者说游戏能够真正的让用户去 DIY 他自己的环境。
Q：所以你们很多产品点子都是从社交平台和玩家互动中来的。
李：对的。你可能注意到了，我们在官方账号发了很多视频，比如人物角色、DIY 功能、IP 等等，我们是希望和玩家一起，以一种完全共创的方式去设计这款产品。我们会认真看每一条互动和评论，希望抓住玩家真正想要的东西。这种形式对我们产品的策划有非常大的借鉴意义，也是对我们团队成员一种很强的激励。
你目前看到的森盒可能更像一个工具，由于我们目前还处于一个早期的基础功能搭建期，实际上我们还有很多玩法设计的部分尚未体现出来，这是我们最近在做的一些事情以及思考。
Q：外界有消息说《森盒》" 无投流做到百万粉 "，是真的吗？
李：是真的，没有投流。我们的新媒体团队就四个人，他们还兼着媒体 PR、宣发和部分的产品运营。我们没有专门做投放推广的人。
Q：那么你们觉得《森盒》的哪些特点引发了这么激烈的反响？
李：目前反馈最好的、或者说用户最期待的点，其实还挺多的，也契合我们对产品未来玩法设定的。
第一，我们有非常自由的户型绘制能力，支持自由绘制，房间扫描，视频重建，平面是等方式，是目前所有游戏中自由度最高的。
第二，我们的内容接近无限。因为我们内部搭建了自动生产资产的管线。传统手游可能靠人工做几千到几万个资产，靠活动慢慢释放；而我们凭借 AI，一个月能产出几十万资产，一年就能到几百万资产的量级。对于用户来说，他们已经接近 " 道具自由 " 了。
第三，我们不只是提供基础 DIY 编辑工具，这还只是基于手工时代的一个过渡期的玩法。我们已经能做到 AI 全自动端到端设计，还能集成辅助功能：自动搭配家具、装饰，自定义人物交互等等。我们追求的是高质量、无物质限制、无创造限制、无交互限制的自由玩法。
Q：如果用 50 个字以内描述《森盒》给玩家的核心乐趣，会是什么？
李：我希望玩家体验过这种 AI 创造和发现的过程后，再回去玩《模拟人生》《动物森友会》这些 " 手摆 " 建造的传统游戏，会觉得 " 没意义了 "" 太无聊了 "。
Q：其实传统游戏也会用到类似 PCG（程序化生成）这种技术。《森盒》的空间感知能力带来的体验会有什么不一样？
李：举个例子：假设你想改造自己家，但不想动现有的几件大件家具。在《森盒》里，你可以通过视频或照片一键扫描，直接一比一重建整个房间，连现有家具都能分析出来。
然后就可以进入选品设计的阶段：如果你有倾向的家具大品牌，你可以直接选择，让 AI 帮你一键布置进去；如果你不懂选品，只是被小红书上某个爆火的帖子种草，那么你只要上传对应的图片，AI 就能帮你生成。
你还可以继续 DIY：比如把某幅画换成自己的作品，把沙发换成喜欢的品牌。或者用 AI 一键换风格、换搭配。整个流程从房间扫描（感知）→ 选品（决策）→ AI 设计 + DIY（创造），完成一个可直接落地的家装方案。
这是一个有真实家装改造需求的用户的大概使用流程，最后生成一个结构化的空间——不是只有 Mesh 网格模型，而是尺寸、材质、效果都合理的真实选品方案。
游戏场景则会有一些不一样。比如说用户可能先是为了探索不同风格、人物故事而玩，逐渐喜欢上某个角色的空间表达，就想一比一复刻到自己房间里。但玩家的房间大小和参考房间不一样，没法直接抄，怎么办？过去你只能手动摆，还要被道具数量限制；现在 AI 可以一键生成适配你房间轮廓、保持风格一致的新方案。
应该说，传统建造 / 生活模拟类游戏还是需要玩家一定的耐心投入和创造力的，这样的门槛还是限制了用户的规模。而通过 AI 设计的加入，我们可以一键让玩家生成一个 70、80 分的房间，再在这个基础上去创作。就像过去拍照要学单反、找角度，现在手机一键出片。我们让空间创作也变得这么简单。
这样门槛降低后，年龄更小的学生、老年人都能成为潜在用户群体，用户规模会极大扩展，同时保证创作乐趣和下限——任何人都能做出不错的房间去分享。
Q：玩家摆放的物体，是预存在包体里的 3D 资产，还是随机生成的？
李：它可以是游戏库里已经打包好的资产，也可以 AI 生成 DIY。本质上是自由流通的。
Q：在把一项 AI 技术转化为大众游戏产品的过程中，你们遇到的最大困难是什么？
李：困难很多，过去我们没做过游戏，任何东西都是崭新的。我们不太了解 Unreal、Unity 和 Cocos 这些引擎，也是一步步自己上手研究引擎源码和文档、做 Demo，最后才敲定选 Unreal。
团队架构也完全不同。AI 公司是前后端 + 算法，游戏公司是策划、美术、程序三大块。
第三个层面就是开发模式的冲突。像我们 AI 团队的开发模式会偏全栈，习惯一人多岗、快速迭代。比如产品文档、原型和交互 UI 会给一个人全做完，算法可能交给另一个人做。而游戏讲究流程、文档、分工，会把每个岗位高度细分——系统策划、数值策划；概念美术、3D 美术；UI、动效……每个人的工作职责都被拆分得非常细，这导致每个人对自己上下游的岗位的工作内容都不一定清楚。
包括在招人环节，因为我们不在行业内，我们连去哪招什么样的人都不清楚，只能通过研究市面上和我们想要的感觉类似的产品，去挖掘参与过这些项目的人。在面试过程中也可能会和面试人出现认知的分歧。
前期我们只能靠诚意到处约人聊，慢慢找到合适的人。开始干活后又要磨合。像我们招的第一个引擎程序员问：" 策划文档呢？" 我们说：" 还没招策划，只有想法。" 我们得写文档，研究游戏策划的专业知识，他们得稍微突破岗位边界。
好在团队整体比较年轻、有跨学科背景，大家没有太强边界感，能在技术、商业、美学上快速达成共识。虽然有一些困难，但整体推进下来还算顺利。
目指百亿、千亿市值，未来远不止是 " 装修小窝 "
Q：目前《森盒》主要做房间室内的装修，未来能扩展到整栋房屋或花园、城市吗？
李：肯定可以，但我们是这么规划的：室内的生成难度远高于室外。因为室内涉及功能合理性、流线合理性、美学合理性。维度太多，训练难度要大得多。
而室外场景，过去已经有比较成熟的 PCG（程序化生成）技术。比如《城市：天际线》用规则生成城市。虽然自由度有限，但空间复杂度已经基本可用了。而且室外更多是视觉呈现，没有什么深度互动的内容。
而能像现在这样做一个房间，我们就一定可以做一座房子十几个房间，没有问题的。所以我们的规划是先借助一个房间的呈现，把产品和技术打磨到可商用状态，再扩展到多个房间。最后再加入环境——我们认为通用且技术壁垒较低的部分。无论通过我们自研技术，还是使用成熟技术，都很容易实现环境的生成。
Q：会不会担心大厂来 " 卷 " 你们？
李：这是大家常问的问题。首先，这里面确实有壁垒，大厂不是想做就能马上做出来的。其次，大厂还有些别的事在做，他们还在忙文本、图像、视频这些通用模态。这些赛道更大、商业化更快。
反观 3D 模态，还有很多架构部分的技术难点没解决，他们内部也只是少部分人在试。比如某些大厂有专门的实验室来做空间生成的内容，但他们更多专注一些像足球场地这样的特定场景，对家居布局这种复杂空间研究没我们深。甚至原来在腾讯、清华做 3D 生成的算法工程师，现在都加入我们了——因为他们觉得我们的技术路径和最终表现是学术界和产业界里最好的方案。而我们已经跑了两年，犯过的错，大厂如果要做也得重新踩一遍。
当然，技术壁垒总有一天是会被攻破的。我们唯一能做的，就是加快研发和迭代速度。这种平台型产品，拼的就是谁迭代更快。
Q：怎么看《森盒》的可扩展性和商业化？很多公司不愿意探索一些创新的方向，就是因为需要重开新的变现路径。
李：我们想做一件大事情，而不是那种一次性变现的小项目。有三个方面，首先关乎我们创业的目标——我们想做一家百亿、千亿级的公司。所以我们必须要有极大的创新，也必须接受短期不变现的过程。
但长远来看，技术产品和商业化的平衡是肯定要考虑的。现在大部分游戏主流变现逻辑是买断、广告、内购。但我们想尝试一些新的路。
比如说，因为我们的内容能真实落地，游戏内生成的这些产品是真实的商品。那么从理论上来说，随着用户量的增长，我们可以尝试走电商变现这条路径。对用户来说，就可以不用逼氪或者看广告，就可以让玩家玩到大部分核心内容。我觉得对这个行业也是一个比较好的一种探索和尝试。
另外我们在探索的过程中还有一些意外收获，像玩家创造的这些高质量方案，其实可以直接卖给机器人公司去做训练的。因为玩家搭建的方案可以在保持好看的同时更接近实用性。因此用户创造内容本身就能支撑游戏运营。
最后，从本质上说，我们是希望通过游戏来验证 3D 空间生成能力。而这个能力不止可以应用到游戏，实际上在影视、直播、AR/VR 等各种领域都完全可以应用。这是我们对商业化的一些思考。
Q：你们希望，生境科技在一年后、五年后、二十年后会是什么样子？
李：二十年太远了，AI 现在真的在一日一变，我们不敢想。但一年和五年是有规划的。
一年内，我们希望能够尽快上线森盒 1.0，目标是达到千万级用户。在这个 AI 时代，游戏不再是靠长线操作慢慢运营增长的思路——要么不爆，要么就很快冲上百万、千万级。我们还是对这个产品很有期待的。
五年后，我们想真正做成 "AI 空间版抖音 " ——一个 3D 模态下的万花筒，它既涵盖了游戏这种互动内容，同时还融合了 3D 模态相关的很多东西，比如直播、电商、VR 等等。
Q：最近有一些悲观的说法，觉得 "AI+ 游戏 " 说了三四年，还没出现真正的 "AI 原生游戏 "。你们觉得原生游戏会出现吗？在空间智能这个方向会有更高的可能性吗？
李：我觉得会。本质上还是 " 前提变了 " ——过去的游戏都是 " 有限物资 + 有限任务 + 有限操作 "，现在 AI 带来的是接近无限的素材库——相当于从农业时代直接进入 " 物质极大丰富 " 的时代。玩法肯定会发生全新变革。这不是只有一种新玩法，而是对所有旧玩法的重构。你能做出太多新东西了。所以我觉得 AI 是对游戏行业的拯救，它打破了玩法枯竭的困境。
不过空间模式的原生 AI 游戏应该不是最快跑出来的，因为游戏不止有 3D 模态，也包含文本图像等内容。像我们能看到很多 AI 情感陪伴类产品已经接近跑通了，有些产品的用户日均时长已经到了 1.5 小时以上。
我认为，空间模式更多偏向 AI 的一个底层的表现，它打通了空间的突然性和可变性，也让资产和互动方式变得无限。因此空间模式的 AI 原生游戏可能会偏后期出现，会类似于 " 次世代 3A 游戏 " 的概念。
在短期内，可能会出现一些在局部有优秀表现的 AI 空间游戏——比如空间生成能力更强，或无限的任务系统，或是交互方式新颖。但完整形态的出现，还需要一些时间。
