近日，虎扑热榜出现了一个有些反常的景象。

11月4日和5日两天，运营了二十年的体育社区，不光首页，全网热榜前十五名也几乎被几款小游戏占据。

《拯救水货状元》、《从一包球星卡到JRs首富》、《我的篮球平行时空》……这些游戏并非出自传统游戏公司。

比如《我的篮球平行时空》的作者叫“黑暗骑士”，是从虎扑社区成长起来的个人创作者，点进他的主页，还能看到其他持续更新的作品。

今年8月底，虎扑开放“AI工坊”内测，允许普通用户在本地借助GPT、Claude或Cursor制作网页游戏，上传审核通过后进入平台。

不仅如此，TapTap的AI制造工坊也一直十分活跃。

除却最早入局小游戏的微信和抖音，不仅游戏行业本来就活跃的各大游戏平台，还有小红书、虎扑这种社区类APP，也在引入游戏作为留存用户的手段。

这意味着，没有传统游戏研发团队背景的社区用户，也有机会独立制作、发布游戏，并借助平台流量获得广告收益。

过去，制作一个可玩的游戏原型，需要策划、程序、美术共同完成，现在，AI正在承担一部分工作，让个人也能更好地完成任务。

当制作游戏的门槛开始下降，策划这个曾经需要专业分工才能胜任的岗位，也正在发生变化。

越来越多的人可以借助AI提出玩法，拼装系统，甚至直接交付一个可供测试的Demo，甚至有种“全民皆可做策划”的感觉。

而在游戏公司的生产流程中，这种变化或许更加明显。

几乎在同一时间，另一种声音正在游戏行业内部出现。11月3日，一名有着15年从业经验的游戏主策在知乎匿名发表了短文：《悲观预测：游戏策划“抽卡师”化》。

制作门槛变低，工作反而没有简单

什么是抽卡师？

这是近两年，AI短剧行业出现的新工种。他们把剧本拆解成提示词，不断向生成模型输入指令，再从大量生成结果中筛选可用镜头。

因为AI生成结果如同盲盒抽卡，工作像重复性的素材生产，而不是传统意义上的创作，于是有人用卡牌游戏中常见的“抽卡”为名，给了这种职业一个新的名字——“抽卡师”。

今年4月，《南方周末》曾对AI短剧行业的抽卡师进行调查，一位从业者形容自己的工作状态：“更像是在执行，而不是在创作。”

这位主策担心，中小型游戏公司未来也可能采用类似模式：招来一批新人，要求他们借助AI在一两个月内拼出Demo，投入市场测试，没有成绩就淘汰，再换下一批人。

一边是普通人第一次获得了独立制作游戏的机会，另一边，是资深从业者开始担心自己多年积累的经验不再值钱。

这两件事指向的，是同一个变化：AI正在降低游戏生产的门槛，也在改变企业衡量产品和人才的方式。

但其实，游戏行业很早就出现了类似“抽卡”的生产模式。

只不过过去能够玩得起这套模式的，主要是拥有成熟测试体系的商业公司，且集中在聚焦休闲类为主的厂商。

Zynga旗下的土耳其厂商Rollic，就是其中的典型。

据行业媒体报道，Rollic在伊斯坦布尔拥有113名员工、6个内部工作室和50个外部开发团队，每年立项并淘汰约1000个游戏原型，每月发行约100款产品，其中94%活不过第一个月。

新团队的入职测试甚至相当直接：五个工作日内，复刻Rollic某款游戏的前二十关。

外媒将Voodoo、Rollic、Homa等厂商的类似策略称为“刮刮乐模式”：单个原型成本约5000至1万美元，开发周期四到六周，一年测试两千至三千款。

他们认为，与其将大量资金押在少数几个创意上，不如用较低成本同时测试更多玩法，让市场数据决定哪些产品值得继续投入。

报道中有一句形容相当直白：“他们不买昂贵的彩票，只买几千张便宜的刮刮乐。”

AI出现之后，无疑赋能了这种开发模式。

土耳其工作室Bold Games的创始人就曾提到，六七个月前，七周做出一个可玩版本已经算很快的了，如今AI让这一周期继续压缩到四周以内。

国内小游戏行业自然也出现了类似的变化。

而比商业公司批量生产更值得注意的，是有了AI之后，人人都可以做类似的游戏，游戏生产能力开始向个人创作者扩散。

在虎扑的“AI工坊”里，这类小游戏、互动模拟器产品恰好适合AI辅助开发，创作者不必从零开始搭建完整的技术团队，可以将更多精力放在玩法设计、数值调整和内容迭代上。

甚至虎扑还为这些游戏内置了“一键发帖”的功能帮助发行：玩家结束一局游戏后，可以自动生成战报并发布到步行街。其他用户围绕战绩展开讨论，帖子获得更多曝光，又把新玩家带回游戏。制作、分发和社区传播在这里形成了一个闭环。

但生产门槛下降，并不意味着游戏变得更容易成功，工作反而没有变简单。

比如在TapTap开发者论坛上，一名个人开发者说，自己借助AI直接制作了包含100个关卡的《水排序》，可上线两周后，每天自然曝光量只有100左右。

TapTap搜索“水排序”就有19款产品

他在复盘中提到，这类游戏本质上是流量产品，能否获得关注，更多取决于素材和分发，而不是画风。

对于开发者来说，制作一款游戏已经不再是最难的事情，真正困难的是，如何让玩家发现它，并且愿意留下来。

玩法空洞、体验粗糙、逻辑不完整，是许多失败作品面临的共同问题。

AI可以帮助开发者更快完成原型，却无法自动解决获客、用户留存和商业化问题，玩家的时间和注意力也没有因为游戏数量增加而同步扩容。

与此同时，在游戏行业内部，字节、腾讯、网易、米哈游等大厂纷纷入局，都在大力布局游戏内的AI交互内容，自然也包括企业内部的AI“基建”。

笔者与一些大厂策划交流发现，受公司推动影响，大部分策划在工作中已大量使用AI工具。而不少策划也发现，有些工作内容的确越来越像在“抽卡”了。

一名策划分享道：“抽卡毕竟成本低，内容最终肯定还是人来审，但只靠自己想效率上肯定是差很多。”

伴随AI的进化，他也表示如今“抽卡”的比重持续增长。

“个人的体感是多了50%左右，去年乃至之前的AI不管是提供方案还是思路上都机械很多，但最近效率及质量上提高了不少，也更愿意去用。”

但他也认为，决策并没有因此变得简单，如果是纯概念上的设计，AI当然能够提供更多选择，但是由于现在的一些内部要求，与市场去同质化，故而留给决策的时间，反而增加了不少。

但与落地相接近的决策内容，因为可以快速降低成本地验证，确实会变得更像“抽卡”。

另一位策划告诉笔者：“自从用上了（某AI编程工具），我每天的工作就好像变成了QA，只用告诉AI哪里不对，就可以出效果。”

大厂之外，小团队在AI依赖上或许更为深重。

在笔者认识的中小团队中，其中便有以策划为主要构成的小团队，几个人轮番使用AI工具，造出一个完整商业大型手游早期版本的Demo。

综合行业变化种种，一位资深的策划向笔者感叹道：“不擅长用AI，甚至会变成一个人的工作劣势。”

他自己目前正在参与开发一个大型UE5项目，工作中使用AI生产内容，并且桥接内容的过程，已经常态。

他认为，如果AI能够逐渐具备调度大量游戏设计经验，以及翻译上级需求，去定向搜索的能力，那么不管是设计还是筛选，都将不会成为策划的主要工作，越下层的策划其实会越偏执行，也越没那么容易受影响。

于是，我们在游戏行业能看到一种十分奇异的现象：

上层在推进AI，中层在害怕自己被AI取代，而新人在庆幸，自己不是被AI淘汰的那一个。

但无论如何，在这个变动的时代，适应环境和自我调整，或许才是在工业化的体系里最好生存下来的必备能力。

公司需要的，已经不只是会想方案的策划

当游戏被快速筛选，策划也开始面对筛选。

根据GDC发布的2026年游戏产业状况报告，被裁撤人员中，策划岗位占比达到20%，在各类岗位中居前。

脉脉的数据也显示，要求三年以上经验的游戏岗位占比达到73.34%，一年以内经验的岗位量同比减少20%。

与此同时，企业开始在招聘环节强调AI工具的实际应用能力。Krafton今年启动了创社以来规模较大的校招项目，多个职类采用自研AI测评工具，候选人入职后还需要经过实习和绩效考核。Nexon则调整了程序岗位的传统笔试方式，转而考察候选人使用生成式AI工具解决实际问题的能力。

目前国内游戏校招的要求也在发生明显变化。以前校招对策划岗位的考察还没有那么严格，而现在的偏好，更倾向于直接招聘能够快速上手落地的“执行策划”，而非单纯只会想方案的策划。

对求职者而言，竞争门槛确实发生了变化：仅仅证明自己掌握了基础的策划方法，可能已经不够。企业希望看到的，是一个能够将想法转化为可玩原型、并借助工具快速完成验证的人。

同时，也有从业者提到，部分新入行的员工在日常工作中实际能接触到的公司内部AI工具其实十分有限，却依然要面对更高的执行与产出要求。

如果一个项目可以用更低成本、更短周期完成测试，那么企业是否还愿意花费数年时间培养一名策划？没有立即拿出成绩的新人，又会面临什么样的处境？

AI工具与工作流本身也在高速迭代，在短剧和内容行业，重复性的提示词操作出现不过一两年，就已经开始受到自动化工作流的冲击；曾经风靡一时、几乎被视作AI行业人人都要学习的工作流工具（如近期宣布企业版即将下线的字节跳动Coze扣子），也随着工具的迭代，最终宣布下线。

而如果人没有随着工具的迭代而进步，最终下线的，或许就会是职业生涯。

正如相关从业者所言，当搭建工作流的技能被Agent内化，最终拉开差距的依然是“业务 Know-how”——企业或团队在长期经营过程中积累的、能够真正把业务运转起来的经验和方法。

它不只是知道怎么做，而是知道具体怎么做、如何做好，以及遇到问题时怎么解决。

当AI开始替人做方案，策划还剩下什么？

那名知乎主策还提到，大厂运营十几年的老项目，反而暂时成了AI难以介入的区域。

由于项目历史包袱较重，团队不敢轻易修改原有系统，部分老员工仍然停留在将AI当作搜索工具的阶段。

但这种保护也有边界。对于需要持续创新的新项目，企业对开发效率和产出速度的要求只会越来越高。要么是更换引擎，要么是重构项目。

已经在成熟项目的人员，短期内是“幸运的”，但是留给他们的时间，估计也不会太多。

更何况，模型自身的能力还在快速进化。从早期生成文本语言，到OpenClaw、Codex、DeepSeek Harness、WorkBuddy等让模型逐渐“长出手来”帮人干活的工具越来越普惠，目前AI在小游戏上的能力，已经到了能直接根据一段视频生成对应玩法的地步。

或许我们只是在AI爆发的前夜，就和年初的时候，大部分人也对此不以为然一样。

问题在于，当公司将更多项目的不确定性转化为高频测试时，是否也会把这种不确定性转移给具体的从业者？

如果一个策划的工作，只剩下借助AI拼装现成机制、快速提交Demo，再等待市场数据决定去留，那么他确实可能越来越接近短剧行业的“抽卡师”。

结语

事实上，即使是在将高频试错发挥到极致的土耳其游戏行业，真正能够取得成绩的团队，也并非完全依靠随机碰运气。

今年被Scopely以超十亿美元估值收购的Loom Games，代表作是《Pixel Flow》。其核心团队此前就在Rollic参与过《Twisted Tangle》的开发，积累了多年的产品经验。

这类团队并不是盲目实验，而是在成熟的研发体系中进行反复测试，经过数年后才跑出成绩。

这恰恰说明，高频试错并不意味着经验失去价值。

而在做出成绩之前，他们也只是游戏行业的“新人”。

AI当然可以快速生成内容，却不能替开发者判断这些内容是否符合整个游戏的逻辑，也无法累计经验。

过去，策划需要花费大量时间完成文档、配置、系统拆解，再协调程序、美术和其他岗位，将一个想法逐步变成可玩的产品。

如今，AI正在压缩其中一部分执行环节，可以被拆解、标准化、重复完成的工作，确实正在变得越来越便宜。

但游戏究竟应该做成什么样，玩家为什么会喜欢它，数据出现偏差时应该调整哪部分体验，这些问题并不会因为AI能够快速生成Demo就自动得到答案。

无论如何，传统游戏行业中的策划，都在慢慢退出行业。

游戏公司当然可以不断“抽卡”原型，却无法“抽出”真正懂得做游戏的人。