AI从自动驾驶到3A武侠：CreateAI转型给车机体验的启示

2026-02-04，前自动驾驶公司图森（TuSimple）转型后的CreateAI放出了《射雕英雄传》开放世界RPG的首支实机PV。更有意思的不是“跨界做游戏”这件事本身，而是它把一个常被误解的事实摆到台面上：AI能加速流程，但无法替代高质量体验的“最后一公里打磨”。

我见过不少团队把“上AI”当成万能钥匙——在游戏里想让AIGC自动生成剧情、动作、对白；在汽车里想让大模型一夜之间让车机“变聪明”。现实往往很残酷：可控性、一致性、工程化落地这三关过不去，体验就会崩。CreateAI公开承认“AI暂时还不能深度参与3A与商业影视主流程”，反而是一种清醒。对正在卷“智能座舱/车机体验”的车企和供应链来说，这个案例有直接参考价值。

系列定位说明：本文属于「人工智能在游戏与数字娱乐」系列，我们会用游戏行业的实践反推AI在体验型产品（包括车载软件）里的正确用法。

3A游戏实机PV背后：AI能力不等于体验交付

结论先说：从自动驾驶转向3A，并不是“同样用AI就能做成”的平移。CreateAI这次实机PV的价值在于，它证明团队开始进入“可验证的交付阶段”——能跑起来、能打起来、能展示战斗与场景细节，才有资格谈后续内容量产。

根据公开信息，CreateAI在2024年宣布退出自动驾驶，转向游戏与影视，押注金庸与《三体》等IP，同时探索AIGC机会。到2026年初，团队规模约200人。过去一年，他们做了两件很“工程化”的事：

1. 实地调研与数字化采集：扫描100+历史遗址，用于复原地貌与建筑。
2. 自建动捕棚：2025-08建立动作捕捉能力，组织“真人表演 + 3D动画 + 2D转描”的混合流程。

这两件事听起来很传统，甚至有点“反AI”。但它们恰恰说明：在高保真开放世界里，决定体验上限的不是你用了多少生成式模型，而是你是否拥有稳定、可复现、可迭代的内容生产流水线。

把这句话换到汽车上也成立：车机体验的上限，来自稳定的交互规范、可观测的数据闭环、和跨团队协作效率，而不是“装上大模型就完事”。

为什么CreateAI说“AI还不适合深度参与3A主流程”

他们的理由集中在两个词：可控性与一致性。

• 3A的核心资产是“风格统一的世界”：人物、镜头、动作、演出、任务结构必须一致。
• AIGC擅长“生成”，但在大量生产中最怕“漂移”：角色设定跑偏、语气不统一、动作不符合武学逻辑、镜头语言不连贯。

CreateAI提到《射雕英雄传》可能需要多达500套武学动作，每套动作都要大量后期处理。你可以用AI辅助检索参考、做预演、做部分清理，但最终要交付“玩家一眼就觉得对”的动作，靠的是动作导演、动画师和一整套质检标准。

同样，车机里的语音助手、导航播报、驾驶提示也有类似问题：生成式能力很强，但“说得对、说得稳、说得一致”更难。车载系统的容错空间比游戏更小，因为它影响驾驶分心与安全感。

资本密集与内容密集：开放世界的“成本结构”给汽车软件的提醒

结论：体验型产品的难点从来不是单点技术，而是系统工程的成本结构。

TF证券数据显示，中国高预算PC游戏内容市场预计到2026年达169亿元人民币。2024年国产买断制游戏收入102.2亿元人民币，同比增长398.5%，其中近90%来自《黑神话：悟空》；该作累计销量估计已超过3000万份。这些数字的含义很直白：

• 市场愿意为高品质内容付费，但赢家集中。
• 想做“下一个爆款”，必须把钱花在体验密度最高的环节：叙事、演出、战斗手感、动作捕捉、打磨周期。

CreateAI也踩过坑：尝试“用钱买时间”失败；2024年跨城市组团队不顺，2025年初广州美术团队解散，原因是“结果不达预期”，之后把核心团队重建在北京以提升协同。

这对汽车软件团队是很现实的提醒：

• 组织结构会直接决定体验一致性。座舱、语音、导航、娱乐、HMI、云端服务分散在多地、多供应商时，体验会像拼图：每块都不差，但拼起来不顺。
• “堆人/堆预算”不等于缩短周期。没有统一标准与工具链，投入越大，返工越多。

把“动捕棚”类比为汽车的“体验实验室”

动捕棚的价值不只是录动作，而是把“主观体验”变成“可工程化生产”的资产。汽车也需要类似能力：

• 驾驶员视线与触控行为采集（眼动、触控热力、任务完成时间）
• 语音交互的真实语料回放与错误归因
• OTA后体验回归测试（不同地区、不同网络、不同车型配置）

一句话：体验不能只靠设计稿评审，要靠可测量的实验与回归。

AIGC在游戏更适合做什么？也正是车机AI该先做的事

结论：先让AI做“可控的辅助”，再谈“创造核心内容”。 CreateAI的判断是：未来3-5年AI更可能在手游或短动画里更深入；而在3A与商业影视里，仍需要以人工为主。

我认同这个节奏。原因不是“AI不行”，而是3A与车载系统都属于强约束场景：

• 规则多：风格、品牌、法规、安全、伦理
• 链路长：从设计到开发到测试到发布
• 责任大：体验差不仅是差评，车载场景还可能带来安全风险

更稳的AIGC落地路径，是从“提效但不改输出边界”的环节做起：

1. 素材检索与知识整理：把设定、武学招式、世界观文档结构化；对应到汽车是把用户手册、FAQ、故障码、售后流程做成可检索知识库。
2. 内容“草稿化”生产：任务文案、NPC对白先生成草稿，再由编剧统一风格；汽车上是语音提示文案、帮助中心文案先产出候选。
3. 测试与质检自动化：AI做异常检测、重复性检查、回归用例生成；汽车上是HMI回归脚本、语音意图覆盖率检测、UI一致性扫描。
4. 用户行为分析：游戏看留存、关卡流失点；车机看功能触达、误触率、语音失败率、导航中断原因。

这里有个特别重要的共通点：AI越靠近“最终对用户输出的那一句话、那一次提示、那一个按钮”，越要保守。 先在后台提效，把不确定性关在系统内部，体验会稳定得多。

用户体验优先：游戏的“手感”与车机的“信任感”是一回事

结论：体验的核心不是炫技，而是建立信任。 玩家愿意在开放世界里投入几十小时，是因为战斗反馈、镜头语言、任务引导“可靠”；车主愿意把常用操作交给车机，是因为语音识别、导航规划、音乐播放“不会添乱”。

CreateAI把《射雕英雄传》定位“硬核玩家”，并计划只上PC与PlayStation，这其实是一种体验策略：

• 平台更集中，性能边界更清晰，优化更可控
• 用户预期更明确，容忍度与付费意愿更可预测

汽车产品也应该学这套思路：别什么都想覆盖。先明确你的目标用户与核心场景，再决定AI放在哪里最合适。

可直接复用到汽车软件的3条方法论

1. 把“体验一致性”当作最高优先级：统一语气、统一交互节奏、统一视觉规范；宁可少功能，也不要体验割裂。
2. 建立“数据—迭代—回归”的闭环：像游戏看关卡数据一样看车机任务完成率；每次OTA都要有可量化指标。
3. 用AI做“工具链”，不是做“魔法”：先让AI帮助团队更快写文档、建用例、做测试、做分析；等流程稳定了，再把AI推到更前台。

传统IP老化不是问题，低质量适配才是问题

结论：年轻用户不是不爱武侠，而是不买“凑合的武侠”。 CreateAI的制作人认为，过去很多改编没达到质量预期，导致用户对题材失去耐心。

这句话放到汽车行业同样扎心：用户不是不喜欢“智能”，而是不喜欢“半智能”。语音听不懂、地图不准、弹窗打断、功能层级太深——这会迅速消耗信任。

当行业都在谈“AI上车”，真正应该竞争的是：

• 你的系统是否稳定？
• 你的交互是否可预测？
• 你的体验是否能持续迭代而不把用户当测试员？

如果答案是否定的，AI越强，反而越容易把问题放大。

给正在做AI+体验的团队：下一步怎么走

把CreateAI的转型当作一面镜子，我更愿意给出一个务实建议：先把AI当成“经验放大器”，而不是“人力替代器”。 有了清晰标准与工具链，AI才能稳定提效；没有标准，AI只会制造更多不一致。

如果你在做游戏的智能NPC、玩家行为分析、实时反作弊、内容生成，或在做汽车的软件体验（语音、导航、座舱、OTA），可以从三个动作开始：

• 定义体验指标：例如语音一次成功率、任务完成时间、误触率、崩溃率、负反馈率。
• 把AIGC放在后台：优先用于知识整理、用例生成、日志归因、内容草稿与审核流。
• 用小范围“封闭测试”验证：像做游戏PV一样，先在可控场景做可复现实验，再扩大覆盖面。

CreateAI从自动驾驶走到3A武侠，真正展示的是一种“工程耐心”。AI会越来越强，但体验这件事，永远需要尊重规律、尊重流程、尊重人。

你更看好AI下一阶段在“游戏生产”里先突破，还是在“车载软件体验”里先跑通？这个答案，会直接决定很多团队未来两年的投入方向。