1. AI 重构 UGC 游戏创作链： 玩法、内容与商业价值新范式 游心雕龙 FusionFun 太一 1

2.

3. WHY UGC 游戏值得做？ 用户生成内容（ User-Generated Content, UGC ）游戏是指玩家 可以自行创建、修改或分享游戏内容的游戏。

4. WHY UGC 游戏值得做？ 用户喜欢 • 好玩、新鲜 • 高创造性与个性化 • 年轻世代的追求 • 自我实现 商业价值高 • 品类创新的土壤 • • • 对AI游戏玩法的特殊意义 探索新玩法的加速器 游戏产业发展根本动力之一 UGC 游戏展现出高活跃度和强大的商业变现能力 游戏名称 年营收（2024年） DAU（2024年） 累计注册用户数 已运营年数（发布时间） Roblox 36亿美元 8,290万（年均） 超5亿 21年（2004年成立） Minecraft 约4亿美元 4,000万（估算） 超6亿 16年（2009年发布） 蛋仔派对 约11亿美元 900万 5亿 3年（2022年5月上线） 堡垒之夜 约30亿美元 2,000万（估算） 超5亿 8年（2017年发布） Dota2 约1.5亿美元 50万（估算） 1.3亿 12年（2013年发布）

5. Roblox的内容生态和用户参与度 平台内容总量 1亿 热门游戏累计访问量（十亿次） + 已上线游戏/体验 田 内容类型多样性 模拟经营 生存解密 如《Grow a Garden》 如《夜在森林里》 社交装扮 竞速冒险 如《 Dress to Impress》 如《 Sonic Speed Simulator》 Gucci虚拟发饰 1小时内售罄 用户参与度 ● 平均停留时间 7.2 小时/日 热门游戏用户 峰值并发玩家 21.3 百 万 《Grow a Garden》最高记录 10,000 件 快速售罄展示了用户对高品质虚拟时尚单品的强烈需求，验证了平台虚拟商品的 变现能力。 MonsterCat项链 转售价高达 $10,000 虚拟物品的高溢价反映了平台内稀缺数字资产的价值潜力，为品牌提供了新的价 值创造模式。 数据截至2025年8月。部分数据为估算值或截至特定时间点。

6. WHY UGC 游戏值得做？ 如果未来是端到端生成游戏的时代，那怎么抵达这个愿景？ • • • AI缺游戏策划、游戏美术等的垂直行业知识 AI如何理解玩法好玩的本质？数据+算法 深刻理解游戏的数据如何获取？ 总之，数据是AI时代的燃料和核心资产，需要有意识地去积累和使用

7. UGC 游戏面临的痛点 • • • UGC 游戏创作门槛高，阻碍普通用户进行创作 受限于创作者使用工具的广度和深度、受限于设计能力 Roblox游戏开发过程： • AI 还不足让其直接端到端直接生成高质量内容 前 期 准 备 ： 开 发者 账 号、 下载 开发 客户 端 体 验 R o b l o x游 戏 案例 ->构 思玩 法 -> 通过 Lua 语言 撰写 游戏 脚本 ->可 视化 建模 ->脚 本关 联 - >测试 游戏 -> 发布 游戏

8. 有影响力的UGC游戏没有针对策略用户和轻度休闲用户 卡牌玩家有旺盛的创作欲 三国杀，游戏王，炉石等传统大众的卡牌游戏均 有自己的 diy 文化圈 炉石各种贴吧中DIY的内容占据很大的比例 DIY相关帖子高达1300万篇 太阳神三国杀，玩家自发做的卡牌DIY编辑器 其贴吧“太阳神三国杀吧”，3万粉丝，46万帖子， 大量玩家DIY分享

9. 有影响力的UGC游戏没有针对策略用户和轻度休闲用户 音乐玩家也有旺盛的创作欲 游戏名称 UGC类型 核心特点 代表作品/社区 《节奏盒子》系列 模块化音乐拼接 拖拽角色图标激活音效，组合生成循环 乐章；支持自定义角色音色与节奏型 Sprunki交换版（多模块扩 展） 《Dreams》 全流程创作平台 内置多轨混音器、乐器采样库；支持从 作曲、角色设计到关卡逻辑的完整开发 玩家重现《超级马力欧64》 BGM 《Beat Saber》 节奏地图编辑器 根据音乐波形生成光剑切割路径；支持 VR动作校准与难度分级 社区百万级用户关卡库 《Phigros》 动态谱面设计 自由设定音符下落轨迹与速度变化，结 合多键位交互 二次元同人曲目创作专区 《周五夜放克》模组 主题改编创作 替换角色、背景与曲目，形成故事化音 乐对战（如“堕落天使”恐怖风模组） 内鬼小绿模组

10. UGC 游戏面临的痛点 用户端痛点 UGC游戏品类覆盖有限 • • 模式发展历史的原因，创意工坊、Mod作为替代 技术原因 激励不成体系、为爱发电不长久 行业端痛点 冷启动难度高 充斥低质量同质化内容 内容审核成本高 AI生成高质量体验还不 现实

11. 为什么现在适合用AI做UGC游戏？ AI 实现真正零门槛创作 • • AI的强泛化性、易用性， 天然适合满足玩家的个 性化创作需求 AI代替人类技能和人类 劳力完成创作 AI 以工业化方式系统地 提高内容质量 • • AI生成、质检与调优， 形成“玩家创意 → AI调 优→ 新玩法”的半自动 内容流水线 创作的主体将在数字世 界里完成，可持续优化 AI降低平台成本 越早启动获得越高的 护城河 • 审核成本降低 • 占据用户心智 • 自动化运营 • 抢占优质创作者 • 创作者、内容生态相互 强化，构建高壁垒的创 作网络效应

12. AI+UGC游戏：新技术带来的新机会 传统 UGC 游戏 传统游戏 游戏设计 内容生产 组织关系 商业价值 用户体验 AI UGC 游戏 可自由创作 但受限于工具的使用和设计 能力 • 用户手动创作内容 依赖工具、模板 • • • 平台方提供创作工具 专业作者或者小团队创作 • 依赖头部IP和持续宣发 风险高，利润集中，竞争激烈 • • 依赖用户付费分成 审核和维护创作者激励成本高 • 体验固定但品质可控，适合主流 厂商和玩家 • 消费者：内容多样但质量不稳定， 适合追求自由的玩家 创作者：参与感强，但创作需掌 握工具和手动制作 • • • • 集中式设计 由专业团队主导 玩法固定 • • • • 封闭式生产 依赖专业美术/策划/程序团队 • • • • • 垂直分工 公司内部协作 策划→美术、程序→测试 • • • • • • • • • • AI辅助实时迭代，频次从"天级"提升至" 分钟级"，形成"设计-生成-测试"的飞轮 设计更开放，元规则设计、体验反推设计 AI直接生成，用户只需提需求、微调或 组合 Remix、爆款模版，做手工的感觉 单个玩家人机协同创作，平台方提供AI 功能 创作者与玩家的身份一体化，生态和激 励很重要 订阅制/AI工具付费，新商业模式可塑性 大 UGC内容的交易 UGC内容内置的商业模式 消费者：内容多，可发挥自主性，低门 槛个性化体验 创作者：心流创作体验，无需学习和动 太多手即可创作

13. 很多游戏品类都可以做成用 AI 驱动的 UGC 游戏 卡牌对战 UGC 游戏 音乐 UGC 游戏 AI 功能：生成卡面、效果、故事、台词，数值平衡，玩法模式生成 AI 功能：生成音乐，节奏点转换，视觉特效，难度适配。 痛点：手动设计工作量大，易失衡，美术资源难制作。 痛点：音乐创作门槛高，节奏对齐依赖专业知识，工作量繁重。 三消 UGC 游戏 策略游戏 UGC 游戏 AI 功能：生成关卡布局（难度曲线），验证可解性，生成不同模式。 AI 功能：简化系统的制作、随机事件生成，模拟战斗平衡性。 痛点：手动调整关卡耗时，易出现无解情况。 痛点：策略规则复杂度高，设计和测试难度大，成本高。

14. 卡牌UGC游戏的解决方案：以原创卡牌玩法作为基座，提供AI功能实现0门槛玩法创作和社交 《星海自走牌》玩法展示

15. 卡牌UGC游戏的解决方案：以原创卡牌玩法作为基座，提供AI功能实现0门槛玩法创作和社交 《星海自走牌》捏卡展示 AI UGC游戏冷启动两条腿：好玩的核心玩法 + 首日就启动的全员创作生态

16. 我们AI捏卡的展示

17. 我们AI捏卡的实战方案

18. AI捏卡的展示 数值框架防止卡牌超模或低模 输入提示词生成卡牌的多个维度 允许二次修改鼓励创作

19. 解 决 创 作 者 的激励 不够， 难以持 续创作 下去的 问题： • 用经济、玩法、社交三重激励来牵引创作者进行创作 • 卡牌UGC游戏的商业模式

20. 基于AI Agent的卡牌效果生成框架

21. 基于AI Agent的卡牌效果生成框架 • 示例：每次受到伤害，获得+1/+1 • 示例：登场：破坏场上所有随从，每破坏一个随从，自己英雄受到3点伤害。

22. AI用于玩法生成的心得 动手感，做手工的感觉 • • • 利用沉浸感打造和情感 寄托促进创作 多汁感，反馈丰富的 • 展示生成的过程 提升玩家开始制作的动 机（竞技场、赠送、交 易等） • • 多种用途，多种验证场 景（分享与炫耀、交易 、游玩） 让玩家时刻有反馈，视 听、交互反馈很重要 氛围创作、社交分享等 惊喜感，未知的刺激 养成感 • 让结果不可预测 • 使用能增加创造物的 价值、内容 • 间歇性强化：随机奖 励比固定奖励更能强 化行为 • 通过努力能解锁更多 创作物的内容 • 增加惊喜维度，稀有 度、闪光、异色等等 • 形成“获取-培养-展 示”的闭环

23. AI用于玩法生成的心得 收藏感 让AI扬长避短 增加流通价值或者使用 价值 • • 限量 • • 可考古：记录作者、历 史信息等 • 思考：如何培养玩家的创作能力？ • AI擅长创意生成、角色 扮演、多模态赋予价值 AI擅长把复杂规则快速 实现，做玩法试验的价 值很高 AI不擅长：长上下文记 忆、复杂逻辑运算 设计架构，让创作不依 赖AI生成的质量 • 设计对生成下限容忍度 高的框架 • 设计高容错的框架（校 验、沙盒跑测）

24.

25. Thank you 感谢聆听~ Q&A