青聽 | AI如何影響電競賽訓

9月25日，中國電競俱樂部TYLOO與AI科技企業(yè)新智慧游戲共同宣布達成戰(zhàn)略合作，雙方將攜手開發(fā)基于多模態(tài)大模型的“專屬AI教練”。此舉標志著新智慧游戲旗下的AI教練產(chǎn)品GameSkill將首次應(yīng)用于職業(yè)電競戰(zhàn)隊，助力TYLOO備戰(zhàn)2026年CS2全球總決賽等多項國際頂級賽事。

根據(jù)合作規(guī)劃，雙方將致力于打造高度個性化的AI游戲智能體，構(gòu)建更智能、高效的科學訓練體系，推動電競訓練模式革新。

雖然此類“AI+電競”的合作模式在國際上已不罕見，但在國內(nèi)仍屬前沿探索。近日，筆者特邀新智慧游戲創(chuàng)始人陳迪先生，共同探討新智慧游戲如何用AI技術(shù)重塑游戲與電競賽訓。同時，本文也將梳理AI在電競賽訓領(lǐng)域的發(fā)展歷程。

在GameSkill項目中，新智慧游戲創(chuàng)始人陳迪介紹，團隊最早從To C市場切入，已經(jīng)為《英雄聯(lián)盟》《無畏契約》《云頂之弈》《永劫無間》四款游戲開發(fā)了AI“游戲教練”嘗試性測試版本，指導(dǎo)玩家在訓練和實戰(zhàn)中提升水平。這類AI的目標，是補充高昂的陪練與低效的自我復(fù)盤，成為玩家身后的提高電競水平的指導(dǎo)工具。

陳迪舉例說：“同段位玩家的操作和槍法其實差不多，差距更多在意識和決策上。但大多數(shù)玩家很少復(fù)盤，也不想做筆記。我們的目標，就是讓AI基于經(jīng)過大量電競專業(yè)數(shù)據(jù)訓練的多模態(tài)電競大模型數(shù)據(jù)分析實時指出潛在錯誤，并建議改進方式。”

未來，隨著模型能力的提升，他們希望AI能夠在合理時間內(nèi)評估玩家水平，輸出個性化指導(dǎo)，逐步接近“千人千面”的教學體驗。這一方向不僅有助于提高普通玩家的水平，也有潛力成為新的商業(yè)增長點。

陳迪坦誠地告訴我們，目前還存在一些技術(shù)問題，例如端側(cè)算力不足、模型泛化能力尚未成熟，早期版本在提供有效的實時指導(dǎo)還有很多提升空間。但這也促使他們轉(zhuǎn)向職業(yè)俱樂部，研發(fā)了AI在賽訓中的實際應(yīng)用場景，也就是前段時間與天祿的合作——新智慧在未來將為TYLOO提供自動復(fù)盤、對手分析和輔助戰(zhàn)術(shù)研發(fā)等服務(wù)。

在復(fù)盤方面，AI能夠在數(shù)分鐘內(nèi)完成分析師需要數(shù)天的工作：通過學習大量的對局數(shù)據(jù)和標注畫面，自動識別Demo中的關(guān)鍵節(jié)點、標注戰(zhàn)術(shù)執(zhí)行偏差、整理道具使用與走位數(shù)據(jù)，并輸出直觀的可視化沙盤，幫助教練快速定位問題。

AI還能在大賽緊張的備戰(zhàn)階段分析對手近期戰(zhàn)術(shù)風格，輔助教練組制定針對性方案，大幅降低分析師的人力壓力。

同時，新智慧正在探索AI在戰(zhàn)術(shù)研發(fā)領(lǐng)域的潛力。陳迪用“圍棋第37手”作類比：2016年AlphaGo在與李世石的對局中，落下了一步人類棋手從未想到的妙手，這正是AI通過海量數(shù)據(jù)訓練和強化學習得出的創(chuàng)新。

陳迪相信電競同樣可能出現(xiàn)類似的時刻。隨著多模態(tài)大模型的成熟，AI能夠直接處理視頻幀，在高維數(shù)據(jù)空間理解游戲，有望輔助提出人類戰(zhàn)術(shù)體系中前所未有的打法建議。屆時，AI不再只是主教練的助手，而將成為戰(zhàn)術(shù)共創(chuàng)者，為隊伍提供新的打法選擇和戰(zhàn)術(shù)靈感。

當然，目前AI在電競領(lǐng)域的落地仍面臨多重挑戰(zhàn)。

例如新智慧在數(shù)據(jù)與標注方面，依賴大量高質(zhì)量比賽錄像的人工標注。目前他們?yōu)镃S2項目專門組建了20多人的高水平玩家團隊，用于逐幀標注戰(zhàn)術(shù)動作。如果研發(fā)其他游戲的AI助手，還需要更多不同游戲的高水平玩家去標注，這本身是一筆巨大投入。

TYLOO與新智慧游戲的合作是一個開始，在接下來的幾年里，技術(shù)成熟、算力突破、數(shù)據(jù)積累與商業(yè)模式創(chuàng)新，將決定AI在電競行業(yè)究竟能走多遠。

在與陳迪的采訪之外，我們還可以回顧過去十年，AI在賽訓方面應(yīng)用的過程。

電競領(lǐng)域引入AI技術(shù)并非一蹴而就，而是經(jīng)歷了逐步演進的過程。在早期，AI研究者使用電競游戲作為訓練環(huán)境，來開發(fā)和提升AI大模型的能力。

隨著AI大模型在電競游戲中的不斷訓練和迭代，電競業(yè)界見證了AI在游戲?qū)怪械耐黄啤?018年OpenAI的Dota 2機器人擊敗頂尖職業(yè)選手、2019年DeepMind的AlphaStar在《星際爭霸2》中達到職業(yè)水準。

這些案例不僅證明了AI機器學習的能力，也讓電競從業(yè)者意識到AI在策略決策上的潛力，并激發(fā)了將其反向應(yīng)用于人類訓練的想象力。

2018年，電競俱樂部Team Liquid與SAP合作，借助后者的大數(shù)據(jù)和機器學習平臺來分析海量比賽數(shù)據(jù)，開創(chuàng)了傳統(tǒng)豪門使用AI輔佐賽訓的先河。

到了2019年，AI電競賽訓工具逐漸豐富，并向不同細分方向發(fā)展。例如，F(xiàn)PS領(lǐng)域涌現(xiàn)出專注瞄準和反應(yīng)訓練的AI應(yīng)用，例如Aim Lab等訓練軟件崛起，為《CS:GO》《彩虹六號》《無畏契約》等射擊游戲提供了仿真的練槍環(huán)境。這些工具不僅能模擬各類靶場場景，還通過數(shù)據(jù)分析幫助選手找出瞄準弱點，并給出有針對性的練習方案。

在MOBA游戲領(lǐng)域，土耳其公司Falcon AI開發(fā)的SenpAI.gg能夠利用機器學習和計算機視覺技術(shù)，解析《英雄聯(lián)盟》《Dota 2》等游戲的錄像和直播數(shù)據(jù)，戰(zhàn)隊可以使用它進行“死亡復(fù)盤”，快速找出決策失誤，節(jié)省了大量人工分析時間。

圍繞電競賽訓，還有許多值得深入探討的議題。

例如在教練體系上，筆者認為即使未來AI能輔助研發(fā)戰(zhàn)術(shù)，也并不能取代教練。AI在電競訓練中扮演著助手和放大器的角色，但絕不是萬能良藥。競技場上瞬息萬變，AI模型往往基于歷史數(shù)據(jù)提取經(jīng)驗，對于全新的戰(zhàn)術(shù)或非典型局面可能泛化不足。人類教練的臨場直覺和創(chuàng)造力，在這些時刻反而更可靠。畢竟，比賽并非純粹的數(shù)學問題，其中包含大量心理博弈和隨機性，是無法被完全量化的。

教練的職責不僅限于出謀劃策，他們同時還是團隊的管理者和精神領(lǐng)袖，承擔著溝通、激勵和臨場應(yīng)變等任務(wù)。AI目前仍然無法感受情緒，沒有能力在選手情緒低落時拍肩鼓勵，更不能在團隊出現(xiàn)分歧時樹立威信統(tǒng)一思想——但這些都是教練方法論的重要組成部分。

此外，還有資源與基礎(chǔ)設(shè)施的公平問題。在賽訓資源方面，AI技術(shù)的應(yīng)用可能加劇電競行業(yè)的不平等。豪門俱樂部憑借雄厚資金定制專屬AI工具，相比之下，中小俱樂部受限于預(yù)算，難以獲取同等技術(shù)，導(dǎo)致資源差距擴大。如今電競行業(yè)“大魚吃小魚”的趨勢已顯而易見，若AI賽訓成為關(guān)鍵競爭力，高門檻可能進一步引發(fā)馬太效應(yīng)。

這種不平等還可能進一步影響選手池管理。AI可以通過分析全球玩家數(shù)據(jù)，識別高潛力選手，快速幫助戰(zhàn)隊從新興市場挖掘人才，但小俱樂部難以接觸高端AI資源。

當然，隨著AI工具的普及和成本降低，這種差距有望縮小，就像健身房里的先進器械最終大眾也能使用一樣，但短期來看，AI在賽訓紅利的分配仍是需要考慮的課題。

AI如何重塑電競賽訓體系，以及由此衍生出的新型商業(yè)模式和產(chǎn)業(yè)機會，無疑是值得持續(xù)關(guān)注的動態(tài)方向。但可以肯定的是，AI將與人類共同書寫電競賽訓的未來。