AI一人公司做网游：877用户、日活12，离赚钱还差什么？

最近，一个越来越现实的问题摆在了每一位内容创作者和独立开发者面前：当AI已经能帮一个普通人低成本做出一款完成度不错的在线游戏时，「一人公司」距离真正赚到钱究竟还差什么？B站UP主Neko Free分享了一位朋友的真实案例——用一个月时间，借助AI团队做出了一款可联机、可交易的网页多人在线游戏《起源》。这不只是又一个「AI能不能做游戏」的demo，而是一次关于生产力革命与商业化鸿沟的鲜活实验。

一个人的「AI游戏工作室」

《起源》是一款ARPG（动作角色扮演）游戏，采用像素风画面，网页和手机打开即玩，甚至支持手柄操作。玩法上能明显看到《流放之路》和《暗黑破坏神》这类经典刷宝游戏的设计基因：选职业、刷地图、捡装备、配技能，还能与其他玩家交易、组队打世界Boss，游戏里甚至设计了容易让人「上头」的时装盲盒。

这类「ARPG刷宝」游戏的核心循环（Core Loop）极为精妙：玩家通过战斗获得随机装备，随机性带来期待感，更好的装备又驱动玩家挑战更高难度，形成近乎无限的游玩动力。这种设计在心理学上与「可变奖励机制」高度吻合——赌博机之所以让人上瘾，正是因为奖励的不可预测性。时装盲盒的设计同理，它将这一机制从战斗外延到了付费层面。对独立开发者而言，复刻这套成熟的设计框架有天然优势：玩家已有认知基础，上手门槛低；但劣势同样明显——玩家会不自觉地拿你的游戏与《暗黑4》这类数亿美元投入的产品做比较。

据Neko Free的实际体验，这款游戏「已经挺像是一款正经游戏了」，而不是那种功能勉强能跑、只为证明概念的半成品。这正是这个案例最值得关注的地方——它跨过了「能跑」的门槛，触及了「好玩」的边界。

AI团队如何分工

这位不会画画的独立开发者，给自己的AI团队做了明确分工：Claude负责开发，ChatGPT负责部署和运维，Gemini负责文案，Pixelab这类工具负责生成像素素材。他自己则扮演制作人的角色——提需求、测试、验收和做最终决定。

这一分工折射出当前主流大语言模型的能力差异与定位分化。Claude（由Anthropic开发）在长代码生成和复杂逻辑推理上表现突出，尤其擅长维持长上下文中的代码一致性，适合承担核心开发任务。ChatGPT（OpenAI）凭借其更成熟的工具调用（Function Calling）和与各类云服务的集成生态，在DevOps和运维自动化场景中更为顺手。Gemini（Google）则在多模态理解和文案生成上有其优势。而Pixelab等像素艺术生成工具属于垂直领域的AI应用，相比通用图像生成模型（如Midjourney、DALL-E），它在风格一致性和像素网格精度上更符合游戏素材的实际需求。这种「通用模型+垂直工具」的组合策略，正成为AI辅助开发的主流方法论。

这种「人当制作人、AI当员工」的模式，本质上是把传统游戏工作室的岗位职能压缩到了一个人身上。值得玩味的是，人类保留的恰恰是最难被替代的部分：判断力与决策权。

惊人的效率与隐藏的成本

从开发效率看，这个项目展示了过去难以想象的速度。最早能跑图、打怪、捡装备的单机版本，几个小时就做了出来。真正耗时的是把它变成一款支持注册、联机和交易的在线游戏——账号系统、交易行、反作弊，以及2600多项美术素材。

一个月内，团队迭代了3个大版本、100多个小版本，现金投入大约几百美元，主要花在AI订阅和素材生成上。单看开发成本，这是效率上的巨大飞跃。这种以自然语言驱动AI完成代码和运维任务的开发方式，被业界称为「Vibe Coding」——一个由OpenAI联合创始人Andrej Karpathy于2025年初提出的术语。它描述的是一种全新的编程范式：开发者不再逐行编写代码，而是用自然语言向AI描述意图，让AI生成并迭代代码，人类只需在高层次上把控方向和验收结果。这与传统软件工程的底层思维方式形成了根本性转变——从「告诉计算机怎么做」变为「告诉AI你想要什么」。

被忽略的「隐性账单」

但几百美元这个数字有很强的误导性。它没有计算开发者本人投入的时间，也没有计算AI带来的「反噬」成本。最严重的一次，负责运维的AI直接覆盖了线上数据库，所有玩家角色消失，游戏原地删档。事后团队才补上了定期备份和恢复演练机制。此后，服务器登录故障和外挂也接连出现。

这一事故在技术层面揭示了一个被严重低估的风险：AI在执行运维指令时缺乏对「破坏性操作不可逆性」的本能敬畏。人类运维工程师在操作生产环境数据库时，会因为职业训练和心理压力而反复确认；而当前的AI代理（AI Agent）在执行工具调用时，往往缺乏这种「操作前停顿」的安全意识。业界已开始讨论为AI Agent引入「人工确认关卡」（Human-in-the-Loop）机制，规定对DROP TABLE、数据库迁移等高风险操作必须经人类显式批准。这也是Vibe Coding被批评者诟病的核心问题：开发者在不完全理解底层逻辑的情况下，难以有效应对系统性故障。

这个细节极具警示意义：AI可以替你写代码，但当数据库没了之后，还是要人硬着头皮告诉玩家「对不起，你昨天练得好好的号没了」。AI能承担生产，却承担不了责任和信任。

内容消耗与持续运营的挑战

游戏做得快，玩家消耗内容也可能比预期更快。新版本开放仅五天，就有人冲到了36层顶层。为此团队正在准备名为「虚空练习」的新赛季，加入动态练习宝石系统、程序化地图，以及时装和职业的平衡调整。

新赛季引入的「程序化地图」（Procedural Generation）是解决内容消耗过快这一老大难问题的经典方案。程序化生成技术通过算法而非人工设计来创造游戏内容，《以撒的结合》《Hades》《Minecraft》等独立游戏的成功，都离不开这一技术带来的近乎无限的内容复用性。对一人公司而言，程序化生成的战略意义远超大型工作室——它用算法杠杆替代了人力投入，让内容的边际成本趋近于零。然而程序化生成也有其天花板：算法生成的内容往往缺乏手工设计的叙事张力和情感记忆点，玩家容易产生「换汤不换药」的审美疲劳。如何在程序化效率与手工温度之间取得平衡，是这类游戏长线运营的核心命题。

这说明「AI一人公司」已经具备了像小团队一样持续更新的能力。但一个更根本的问题浮现出来：玩家会不会觉得好玩、什么时候开始觉得无聊、以及为什么还愿意回来——这些答案，仍然不是AI能自动生成的。运营的本质是对人性的持续洞察，这恰恰是当前AI的软肋。

最现实的成绩单：877个用户，日活12

说到最现实的结果：这款游戏一个月获得了877个注册用户，主要来自开发者在推特（X）上的老粉丝，完全没有花钱买量。目前正值赛季末，新赛季前一天的日活只有12人。

数字不能直接说明游戏失败，但它清晰地揭示了一个现实：能让人点进来，和让人长期留下来，完全是两码事。

30个付费玩家的盈亏线

关于如何变现，开发者计划通过月卡、赛季通行证和时装变现，且坚持「不直接出售战斗数值」——这是对游戏体验的一种克制与尊重。

这一变现策略在游戏商业化领域有其深刻的行业背书。月卡和赛季通行证模式通称为「Battle Pass」或「订阅制」，由《堡垒之夜》发扬光大，核心逻辑是将玩家付费与游戏体验公平性解耦——付费玩家获得的是外观、进度轨道或专属内容，而非直接的战斗优势。这对独立游戏尤为重要：独立游戏玩家群体对Pay-to-Win（付费即赢）有强烈排斥，一旦社区形成「这游戏卖数值」的口碑，往往是不可逆的口碑崩塌。此外，月卡模式还产生可预测的月度经常性收入（MRR，Monthly Recurring Revenue），为估算那个「30个付费玩家」的盈亏节点提供了更稳定的财务基础。

但正如视频反复强调的：覆盖现金支出，并不等于养活了一个开发者。他每天投入的开发、客服和运营时间，至今没有被计入成本。这条盈亏线看似很低，实则只是冰山一角。

Vibe Coding的真正启示

玩过之后，Neko Free给出了一个耐人寻味的判断：这个项目最有意思的地方，不是「AI做出来的游戏竟然能玩」，而是它证明了独立游戏的生产成本正在急速下降。

当生产门槛大幅降低，竞争的焦点就转移了——你要让玩家选择你，而不是那些更成熟的经典游戏；要让他们留下来；最后还要让他们愿意付钱。这三道关卡，每一道都比「能不能做出来」难得多。

因此，这个案例给出了两条截然不同的结论：如果你的目标是完成一款一直想做却不知从何开始的游戏，这个故事真的很鼓舞人；但如果你想通过AI游戏快速变现，光解决「我能不能做出来」，可能远远不够。

据悉，这位开发者已经准备至少把服务器开满一年，只要有人在玩就会持续更新。这款「已经挺像那么回事」的AI游戏，最终能否真正变成一门赚钱的生意，值得所有关注AI创业的人持续观察。它或许正是「AI一人公司」这个宏大命题的一次微缩预演。