从自动驾驶到AAA武侠：AI团队转型的真功夫与汽车UX启示

2026-02-04，前自动驾驶公司 TuSimple（后更名 CreateAI）放出了《射雕英雄传》开放世界 AAA RPG 的首支实机 PV。更抓眼球的是：这不是“概念片”，而是宣称以实时渲染的玩法画面展示战斗与场景。这一刻像是一个信号——中国 AAA 的热度在《黑神话：悟空》之后并未降温，更多团队开始押注传统文化 IP。

但我更关心的不是“又一款武侠大作”，而是这家公司从自动驾驶转去做游戏时暴露出的那些硬问题：组织、流程、数据、算力与内容生产，哪些能迁移，哪些必须重做。把这条线拉回我们系列主题“人工智能在游戏与数字娱乐”，你会发现：游戏的用户体验（UX）和汽车软件的用户体验（车机/座舱/辅助驾驶交互）在方法论上高度相似——都是“高复杂系统里的实时体验工程”。

一句话立场：AI 能加速迭代，但决定体验上限的，仍然是系统工程与人类工艺。 这既适用于 AAA 游戏，也适用于汽车软件与座舱体验。

行业转向的真正难点：不是技术，而是“体验交付”

CreateAI 的转型看起来跨度很大：从自动驾驶到 AAA 开放世界 RPG。实际上两者都属于“高成本、高不确定性、强协作”的工程项目。难点不在于会不会 AI，而在于能不能稳定交付用户体验。

文章里提到，CreateAI 曾在 2024 年跨城市组建团队，后来多个团队解散（比如广州美术团队在 2025 年初解散），原因很直接：“结果不达预期”。这句话在内容行业尤其常见——因为内容生产不是流水线，没有统一的“合格线”，只有玩家的体感。

把这件事投射到汽车软件上，你会发现同样的坑：

• 汽车座舱体验涉及语音、导航、媒体、空调、仪表、HUD、AD/ADAS 提示等多域协同；
• 多供应商、多城市甚至多国家协作时，最容易出现“各自都做完了，但合起来不好用”。

体验交付的难点是跨域一致性：视觉规范、交互节奏、状态机逻辑、异常兜底、性能指标（延迟/掉帧/黑屏率）必须统一。游戏如此，汽车也如此。

“买时间”反噬：高投入不等于高产出

制作人陈墨提到早期尝试“用钱买时间”反而适得其反，最后更强调耐心。这一点非常关键：AAA 的瓶颈往往不是资金本身，而是产能曲线——你可以快速扩人，但扩人会造成沟通成本上升、返工增加、资产标准混乱。

在汽车座舱 AI 项目里也常见：

• 语音助手接入多个技能团队后，命名、上下文、错误提示变得割裂；
• HMI 团队与算法团队节奏不一致，导致“功能可用但体验不可用”；
• KPI 导向做“功能数量”，而不是“使用完成率/误触率/学习成本”。

结论很硬：复杂体验产品的速度，靠的是流程与标准，而不是人数与预算。

AAA 实机 PV 背后的“数据工厂”：扫描、动作捕捉与资产一致性

CreateAI 为了重建武侠世界，一年里扫描了 100+ 处历史遗址，用于数字化还原地貌与建筑。这是典型的“现实到数字”的数据管线：采集—清洗—建模—材质—LOD—光照—性能优化。

游戏团队在 2025 年 8 月还自建了动作捕捉棚，组建“真人表演 + 3D 动画 + 2D 转描”的混合团队，并提到《射雕》可能需要多达 500 套不同武学动作。动作数量只是表象，真正昂贵的是：

• 动作之间的衔接（过渡帧、碰撞体、根运动）；
• 镜头语言（打击感、位移速度、节奏控制）；
• 可控性（同一套招式在不同场景/敌人/地形时仍稳定）。

对“人工智能在游戏与数字娱乐”的启示：AI 更像增压器，不是发动机

从 AIGC 角度看，CreateAI 明确表达了克制：AI 目前不适合深入 AAA 或商业电影核心流程，未来 3-5 年更可能在手游或短动画里发挥作用，原因是“可控性与一致性不足”。我赞同这个判断。

在 2026 年的实际生产里，AIGC 在游戏中的高价值落点通常是：

• 概念阶段：快速产出风格探索图、氛围稿、分镜草案；
• 资产辅助：贴图变体、道具组合、批量命名/标注；
• 文本与任务：支线草稿、NPC 口吻模板（仍需编剧把关）；
• 测试阶段：自动化生成测试用例、对话覆盖、异常路径。

但当你进入“玩家能感知的一致性”——比如招式手感、镜头晃动幅度、打击反馈、叙事节奏——AI 一旦不稳定，就会把体验拉垮。

传统文化 IP 的机会与风险：年轻人不是不爱武侠，是不吃“将就”

CreateAI 押注金庸与《三体》这类顶级 IP。文章也点到隐忧：传统 IP 生命周期老化。陈墨的回应很锋利：年轻人并不讨厌武侠，过去的改编质量没到位。

这句话同样适用于“本地化体验”这件事。中国用户不排斥国产车机、国产语音，大家反感的是：

• 语音听不懂方言/口音；
• 地图与高频场景脱节（接娃、通勤、临停、地库）；
• 推荐“自嗨”，打断驾驶任务；
• OTA 后习惯被打碎，没有迁移与解释。

文化 IP 的“本地化”不是换皮，而是把用户真实生活习惯写进产品。 武侠要让年轻人买单，靠的是叙事节奏、战斗手感与审美统一；座舱 UX 要让用户留下，靠的是高频任务的完成效率与安全感。

一个可复用的方法：把“用户体验”量化成可管理的指标

游戏团队会盯：帧率、卡顿、输入延迟、首小时留存、任务完成率。汽车软件也应该把体验拆成工程指标：

• 端到端语音时延（唤醒到执行完成）；
• 误触率/误唤醒率（尤其是方向盘按键与语音）；
• 关键任务完成率（导航到家、改目的地、开关空调）；
• 回退成本（出错后用户能否三步内恢复）。

体验一旦能被量化，就能被迭代。

从 TuSimple 的转型，反推汽车 AI 与座舱 UX 的三条决策原则

这家公司最有价值的“教材意义”，在于它把很多企业转型时的幻想打碎了：会 AI 不等于会做体验产品；有 IP 不等于有内容；堆资源不等于能交付。

原则一：先统一“体验语言”，再扩团队

CreateAI 最终把核心团队重建到北京，以提高协同与管理效率。对汽车软件团队来说，这对应的是：

• 建立统一 HMI 规范（动效、字体、信息层级、提示语口吻）；
• 建立统一对话设计规范（意图、槽位、澄清、拒答、兜底）；
• 建立统一性能预算（冷启动、页面切换、语音往返）。

没有统一语言，扩团队只会扩大分歧。

原则二：把 AI 放在“可验证”的环节，而不是最核心的体验闭环

CreateAI 对 AIGC 的态度是“先辅助、别主导”。汽车领域同理：

• 让 AI 帮你做内容草稿、标注、日志归因、测试生成；
• 让规则与可解释策略守住安全与一致性（尤其是驾驶场景）；
• 把“可控性”当成硬指标，而不是宣传口号。

我见过太多团队把大模型直接塞进车机主链路，最后变成：回答很会聊，但指令执行不稳定，用户反而不敢用。

原则三：用“高频场景”验证价值，而不是用“炫技功能”证明实力

CreateAI 的实机 PV 之所以关键，是因为它从“愿景”进入了“可感知”。汽车 UX 也是：

• 导航路径调整、地库定位、拥堵绕行提示；
• 语音改目的地、找充电桩、找停车场；
• 来电/消息处理与驾驶注意力管理。

这些场景做得扎实，比“花哨的虚拟人”更能带来口碑。

常见追问：AI 到底能不能深度参与 AAA/座舱核心生产？

直接回答：能参与，但必须被工程化约束。

• 在 AAA：AI 可以参与资产变体、脚本草案、QA 自动化，但核心战斗手感与叙事节奏仍需人类主导与反复打磨。
• 在座舱：AI 可以做意图识别、个性化推荐、语音生成，但驾驶相关的关键交互必须可控、可回退、可解释，并通过大量实车数据验证。

当 AI 输出不可预测时，用户体验就会变得“时灵时不灵”。而体验产品最怕的就是不确定。

写在最后：转型的答案，往往藏在“如何让用户用得舒服”里

TF 证券的数据预测，中国高预算 PC 游戏内容市场到 2026 年规模约 169 亿元人民币。而 2024 年国内买断制游戏收入 102.2 亿元人民币，同比增长 398.5%，其中近 90% 来自《黑神话：悟空》，累计销量估计已超过 3000 万份。这些数字说明两件事：机会很大，但“赢者集中”也很残酷。

CreateAI 从自动驾驶转向 AAA 游戏，表面是换赛道，本质是换了一套“体验交付系统”。同样，汽车行业从“硬件定义”走向“软件定义”，再走向“AI 驱动体验”，也必须回答同一个问题：我们能不能持续、稳定地交付让用户放心且愿意长期使用的体验？

如果你正在做车机、座舱、语音助手或车载大模型，我建议从今天开始，把“体验一致性”当成第一优先级。功能可以晚一点，但“时灵时不灵”的体验，会让用户一次失望就很难回来。

你更看好 AI 在未来三年先在哪个环节“真正落地”：智能 NPC/玩家行为分析/实时反作弊/内容生成，还是汽车座舱里的个性化与多模态交互？这会决定你现在该把团队能力押在哪条线上。