作者 ｜ Yoky
郵箱 ｜ yokyliu@pingwest.com

當所有人都在卷大模型、卷算力，有人反其道而行之：用8B小模型端側(cè)推理，按局收費，1塊錢一次。

AI成為主流技術(shù)敘事之后，我們見證了太多以技術(shù)為第一性原理、卻遠離商業(yè)本質(zhì)的公司。它們試圖創(chuàng)造一個新場景，再為這個場景設(shè)計商業(yè)模式，最終都在為如何變現(xiàn)而發(fā)愁。但真正的機會也許恰恰相反：不是創(chuàng)造需求，而是在用戶本來就愿意付費的場景里，提供一個更好的解決方案。

玩家愿意為“變強”付費嗎？答案是肯定的。陪練、代練、私教、UP主教學，這個市場一直存在，只是太貴、太慢、太不穩(wěn)定。幾百塊請教練太貴，看視頻學習太慢，代練治標不治本。這恰恰是GameSkill看到的機會：用AI把幾百塊的教練變成1塊錢一局的即時反饋，把需要預(yù)約、等待、碰運氣的服務(wù)變成隨時隨地、穩(wěn)定輸出的職業(yè)級分析。

這家公司所有看似“技術(shù)妥協(xié)”的決策背后，并不是單純的技術(shù)考量，而是對市場、用戶、成本的精準判斷。通過鏈接算力-端側(cè)芯片，數(shù)據(jù)-在戰(zhàn)隊經(jīng)驗，算法-游戲場景，實現(xiàn)AI對游戲場景的深度挖掘，端側(cè)推理把邊際成本壓到足夠低，讓“1塊錢一局”成為可能，按局付費則精準匹配了真實需求，而不是強推月卡年卡。這不是一個設(shè)計上癮機制的產(chǎn)品，這是一個找對了場景、降低了門檻、提高了效率的AI應(yīng)用。

硅星人與GameSkill創(chuàng)始人陳迪聊了聊，如何把世界冠軍的經(jīng)驗塞進AI里、塞進玩家的電腦里，以及更重要的，如何在用戶本來就愿意付費的那個時刻，遞上一個他們買得起、用得上的工具。

把世界冠軍“塞進”AI里

1、硅星人：請簡單介紹一下你們的產(chǎn)品。目前市場上也有AI游戲陪玩或助手，比如逗逗AI，如何用一句話解釋你們的核心區(qū)別？

陳迪：簡單說，我們做的是“專業(yè)訓練工具”，市面上那些更像是“娛樂陪伴產(chǎn)品”，服務(wù)的需求和場景完全不同。

陪玩類產(chǎn)品主要服務(wù)于普通玩家，讓大家玩得更開心這非常有意義，但我們專注解決的是另一個層面的問題：如何在高水平競技中持續(xù)進步，并穩(wěn)定地贏下去。

比如：陣容搭配為什么被克制？殘局中的走位和決策哪里出了問題？根據(jù)對手的歷史打法，我們該怎么提前布置戰(zhàn)術(shù)？這些都是戰(zhàn)術(shù)層面、策略層面的布局，快速分析對手錄像，甚至協(xié)助研發(fā)全新戰(zhàn)術(shù)。就像圍棋AI能下出人類想不到的棋步一樣，當AI充分理解我們的戰(zhàn)術(shù)體系后，它也能提供新的策略思路。

2、硅星人：這次GameSkill和天祿俱樂部的合作，具體包含了哪些內(nèi)容？為什么要與頂級俱樂部合作，是共同打造“AI教練模型”么？

陳迪：首先在數(shù)據(jù)層面，天祿作為國內(nèi)頂級的FPS俱樂部，向我們開放了他們多年積累的核心資料，包括比賽錄像、復(fù)盤分析、戰(zhàn)術(shù)討論等等。這些不只是原始視頻，而是帶有教練完整思考過程的標注數(shù)據(jù)，用他們自己的話說，這相當于把“源代碼”開放給了我們。

我們的技術(shù)團隊會定期去天祿基地，跟教練、分析師一起工作，理解他們是怎么分析比賽、做戰(zhàn)術(shù)決策的；反過來，天祿的教練也會參與我們AI模型的訓練過程，確保AI學到的是真正專業(yè)的東西。

在實際應(yīng)用中，AI已經(jīng)在幾個關(guān)鍵環(huán)節(jié)發(fā)揮作用了。比如在賽后復(fù)盤，以前教練可能要花2-3小時看錄像，現(xiàn)在AI能快速定位關(guān)鍵回合，自動標記重要決策點，效率提升非常明顯。在戰(zhàn)術(shù)分析上，AI能幫教練分析對手的戰(zhàn)術(shù)偏好，比如他們習慣在什么情境下用什么戰(zhàn)術(shù)，再給出針對性的應(yīng)對建議。未來我們還計劃為每個選手配備AI助理教練，提供一對一的個性化訓練建議。

這些環(huán)節(jié)最終會形成一個從日常訓練、實戰(zhàn)對抗到賽后復(fù)盤、戰(zhàn)術(shù)研究的完整閉環(huán)，AI將全程參與到選手的成長過程中。

3、硅星人：基于剛才的合作，這款“AI電競教練”的核心功能有哪些？真的可以像職業(yè)教練一樣指導(dǎo)選手么？能不能用一些具體的場景來描述一下？

陳迪：比如你在打CS，正要peek一個轉(zhuǎn)角，我們的AI會在耳機里實時提醒你：“小心，這個位置可能有人”，或者說“現(xiàn)在可以丟顆閃光彈了”。這些判斷都來自天祿教練團隊的經(jīng)驗，相當于把一個頂級教練的思維“搬”到了AI里。關(guān)鍵是響應(yīng)速度極快，能在毫秒內(nèi)給出建議，基本是實時的，不像云端AI那樣受網(wǎng)絡(luò)延遲影響。

比賽結(jié)束后，AI還會自動幫你復(fù)盤，直接告訴你：“這局輸在第三和第七回合，問題出在道具使用和殘局決策上?！币郧跋裆蚩偹麄儚?fù)盤要花兩三個小時從頭看錄像，現(xiàn)在AI能快速定位關(guān)鍵失誤點，大大提升了效率。

對職業(yè)選手來說，AI教練的價值還在于能發(fā)現(xiàn)很多人眼容易忽略的細節(jié)。比如訓練賽中，它會分析畫面中每個人的走位和道具使用，有時能指出一些我們教練組也沒注意到的戰(zhàn)術(shù)漏洞。雖然目前還不能完全替代真人教練，但已經(jīng)成為一個非常有力的輔助工具。

簡單來說，我們想做的是把世界冠軍級別的戰(zhàn)術(shù)理解，通過AI開放給每一個玩家。用天祿教練的思維過程去訓練模型，讓普通玩家也能享受到專業(yè)級的實時指導(dǎo)和賽后復(fù)盤，這就是我們產(chǎn)品的核心。

端側(cè)模型，如何實現(xiàn)職業(yè)智能？

4、硅星人：要實現(xiàn)這種“職業(yè)級”的游戲理解，技術(shù)上具體是怎么做到的？您提到AI是直接“看懂畫面”，這背后的模型是如何訓練的？是需要識別每一個像素，還是有更高效的方法？

陳迪：我們訓練AI的方式，其實很像培養(yǎng)一個真正的游戲高手，是一個循序漸進的過程。

第一層，是讓AI“看得懂游戲”。我們在互聯(lián)網(wǎng)上抓取海量的CS比賽視頻和解說，讓AI學習最基礎(chǔ)的信息：畫面上的人是誰、拿著什么武器、正在哪個點位活動。這一步相當于讓AI“看錄像入門”，建立對游戲的基本認知。

第二層，是讓AI“看得懂門道”。公開視頻的解說不一定專業(yè)，所以我們自建了一個30人的高手標注團隊。他們不會只說“他去了A點”，而是會解讀背后的意圖，比如“他這個前壓走位是為了搶占地圖的控制權(quán)，為團隊爭取信息優(yōu)勢”。這讓AI的理解從“操作層面”提升到了“戰(zhàn)術(shù)意圖層面”。

第三層，也是最核心的，是賦予AI“職業(yè)級的理解”。這就是我們和天祿合作的關(guān)鍵。教練和分析師看比賽的維度完全不同，他們關(guān)注的是：道具配合為什么被壓制？殘局中的選位反映出怎樣的決策邏輯？對手的數(shù)據(jù)顯示出哪些習慣性打法？

我們將教練復(fù)盤時的講解、戰(zhàn)術(shù)筆記和深度分析，作為最高質(zhì)量的數(shù)據(jù)“喂”給AI，我們會逐步讓AI學會FPS的各類游戲，也會與MOBA和其他游戲項目的俱樂部持續(xù)拓展合作，做不同游戲領(lǐng)域的專業(yè)教練。

5、硅星人：有些方案是先用一個模型“看”畫面，再用一個語言模型“分析”文字報告，像兩個“翻譯”在工作。你們是采用語言模型理解的形式，還是讓AI“端到端”地直接理解畫面？

陳迪：我們用了Qwen的VLM模型，本身能夠理解視頻畫面，普通計算機視覺模型可能只會說：“畫面上有5個人，3個在A點，2個在B點。”而我們的模型要能判斷出：“對方是3A2B的防守陣型，根據(jù)歷史習慣，A點三人很可能前壓，我們應(yīng)該準備反制戰(zhàn)術(shù)?！蔽覀冋诿饔柧殞ｉT能夠理解游戲的VLM。

除了前期三層數(shù)據(jù)的特供，我們還用了一個關(guān)鍵技術(shù)：思維鏈。這讓AI不只給結(jié)論，還會展示推理過程。比如它會一步步分析：“對方經(jīng)濟不好 → 這局很可能ECO → 裝備會劣勢 → 我們可以強攻A點 → 但要小心他們集中防守”。這樣教練能看清AI的思考邏輯，而不是面對一個“黑箱”。

你剛才提到的轉(zhuǎn)譯方案：先用CV模型轉(zhuǎn)文字，再交給語言模型分析，確實是一種更輕量的做法。但我們沒選，因為它會丟失大量細節(jié)。

比如選手的微操、身法控制、走位節(jié)奏……這些轉(zhuǎn)成文字后可能只剩一句“他移動了”，但對職業(yè)對抗來說，細微差別往往決定成敗。所以我們堅持用端到端的多模態(tài)模型直接理解視頻信號，雖然訓練成本高，但效果更貼近真實比賽的理解需求。

6、硅星人：為什么這個功能必須在玩家自己的電腦上完成？把復(fù)雜的計算放在云端，對你們來說不是更簡單嗎？ 選擇端側(cè)，是不是就是為了實現(xiàn)“零延遲”的實時指導(dǎo)體驗？

陳迪：很多人可能沒意識到，玩家的游戲設(shè)備本身就有大量閑置算力。一臺游戲本，運行CS等電競游戲時GPU占用率通常不到70%（根據(jù)分辨率和圖像質(zhì)量設(shè)置），NPU更是完全沒有被利用。這意味著大約一半的端側(cè)算力是空閑的，還有CPU內(nèi)置的核心顯卡也是完全沒有沒有用到。我們的策略，就是將這些已經(jīng)被用戶付費購買的閑置資源利用起來，在本地完成AI推理。

同時，我們正與英特爾等芯片廠商深度合作。隨著NPU等專用AI芯片的算力每年翻倍，我們的模型能力也能隨之快速進化：在這樣分別在不懂的處理單元分配算例的方式，我們今年能跑8B模型，明年或許就能支撐14B甚至30B。產(chǎn)品會隨著用戶硬件的換代而加速升級。

您覺得云端方案對我們更簡單？其實恰恰相反。云端成本是個“無底洞”：用戶使用有波峰波谷，我們必須為峰值準備大量GPU，谷時期資源又閑置。最關(guān)鍵的是，用戶越多，云端成本越高，這是一個不可持續(xù)的成本模型。

普遍意義上來說，云端的適配更加簡單，因為單一一套模型就可以適配不同的機型，但是局限于算力峰谷與延遲速度，云端產(chǎn)品更多還是局限在休閑類游戲的范疇，而端側(cè)模型及算力匹配是目前更適合電競游戲的最優(yōu)解。

我們其實是在順應(yīng)一個明確的行業(yè)趨勢?，F(xiàn)在所有大廠都在推AIPC和AI能力的手機，就是因為大家認識到：未來一定是云端協(xié)同的。實時、高頻的任務(wù)在端側(cè)處理；復(fù)雜、低頻的分析在云端進行。

7、一個不可避免的疑問是：一個“小模型”會不會顯得“太笨”？ 你們?nèi)绾卧谀Ｐ偷摹皩崟r響應(yīng)速度”和“職業(yè)級的分析智能”之間做權(quán)衡？是通過專門的優(yōu)化技術(shù)，還是有別的秘訣？

陳迪：這確實是一個關(guān)鍵問題，這我們不是在“速度”和“智能”之間妥協(xié)，而是讓小模型變得極其聰明。

首先，“小”不等于“笨”。 就像經(jīng)驗豐富的冠軍教練，不需要龐大團隊就能精準判斷。經(jīng)過三層數(shù)據(jù)定向訓練，我們的8B專家模型在CS領(lǐng)域的分析能力，很可能超過更大的通用模型。

我們采用了類似于DeepSeek的知識蒸餾方案，先在云端用巨大算力訓練出“老教授”模型，再讓它把核心經(jīng)驗提煉傳授給端側(cè)的“年輕教練”，并最終通過一個8B級別的模型達到性能、延遲、算力、準確度的思維平衡。

最關(guān)鍵的是“任務(wù)分層”架構(gòu)。 我們根據(jù)場景智能分配算力：實時指導(dǎo)(走位、道具)，端側(cè)輕量模型負責，毫秒內(nèi)響應(yīng)；賽后復(fù)盤(決策分析)：云端或本地服務(wù)器的大模型深度分析；戰(zhàn)術(shù)研發(fā)(模擬對手、推演陣型):俱樂部專用推理設(shè)備完成。

通過專業(yè)化的專家模型、知識蒸餾優(yōu)化、場景化任務(wù)分層，我們在現(xiàn)有設(shè)備上同時實現(xiàn)了職業(yè)級智能和實時響應(yīng)。

1塊錢1局，買一次“我能贏”的信心

8、硅星人：在明確了產(chǎn)品形態(tài)后，你們都覆蓋了哪些用戶？除了廣大的普通玩家，游戲主播也常常是很關(guān)鍵的受眾群體，是否會為他們開發(fā)差異化的功能？

陳迪：我們產(chǎn)品的商業(yè)模式本質(zhì)上是分層服務(wù)，根據(jù)不同人群的核心需求來提供價值。

從職業(yè)端切入是我們的起點，但產(chǎn)品設(shè)計本身具備很強的擴展性。對于大主播這類內(nèi)容創(chuàng)作者，我們發(fā)現(xiàn)他們面臨一個共性痛點：很多人游戲水平很高，但未必擅長實時解說或內(nèi)容制作。我們的AI可以成為他們的“智能制作助理”：在直播時實時提煉戰(zhàn)術(shù)要點，讓解說更專業(yè)流暢；在制作教學視頻時快速標記關(guān)鍵決策點，大幅提升內(nèi)容質(zhì)量。這相當于把他們專業(yè)的游戲理解，通過技術(shù)更高效地轉(zhuǎn)化為優(yōu)質(zhì)的節(jié)目效果。

至于廣大玩家，我們通過C端產(chǎn)品提供個性化服務(wù)?；A(chǔ)版?zhèn)戎刭惡蠓治龊陀柧毥ㄗh，高級版則提供實時對戰(zhàn)指導(dǎo)。這種分層設(shè)計讓用戶可以根據(jù)自身需求和預(yù)算靈活選擇。

9、硅星人：談到商業(yè)化，面向最終用戶時，你們在考慮哪些可能的收費模式？是采用訂閱制、按使用時長或局數(shù)付費，還是一次性買斷？哪些因素會影響你們最終的定價策略？

陳迪：在面向最終用戶的商業(yè)化路徑上，我們設(shè)計了按使用濃度付費的模式，核心是“訂閱制 + 按需付費”的組合。

基礎(chǔ)版：采用月費訂閱制，定價在20元左右。它主要提供賽后分析報告、數(shù)據(jù)統(tǒng)計和個性化訓練建議這類非實時、算力要求不高的深度分析服務(wù)。

高級版：采用按局付費的模式，每局約1-2元。它解鎖的是實時教練指導(dǎo)功能，在戰(zhàn)斗中提供關(guān)鍵的戰(zhàn)術(shù)提示和決策支持。

大部分日常對局，玩家可能只需基礎(chǔ)版。但在關(guān)鍵的晉級賽或重要的戰(zhàn)隊賽中，那種“絕不能輸”的心態(tài)會讓他們非常愿意花一兩塊錢，購買一個 “保障” 。這就像買保險，平時不需要，但關(guān)鍵時刻的存在感極具價值。

同時，按局付費賦予了用戶極大的成本控制靈活性。玩家可以根據(jù)自己的實際需求和預(yù)算，自由選擇在哪些對局中啟用高級功能，避免了強制訂閱可能帶來的浪費。

在定價策略上，我們會綜合考慮硬件成本攤薄、市場競爭態(tài)勢、以及不同地區(qū)用戶的付費能力。未來也可能引入年費優(yōu)惠或與硬件廠商（如購買指定型號游戲本贈送會員）進行捆綁銷售，進一步降低用戶的決策門檻。

10、硅星人：在市場推廣上，除了天祿帶來的職業(yè)背書，你們還有哪些具體的獲客策略？是否會與硬件廠商、直播平臺或內(nèi)容創(chuàng)作者合作？是否有出海的時間表？

陳迪：我們的市場策略很明確：與生態(tài)伙伴深度綁定，實現(xiàn)精準觸達。與英特爾等芯片廠商的合作不僅是技術(shù)聯(lián)合，也是雙方的需求，他們需要能體現(xiàn)AI PC價值的“殺手級應(yīng)用”，而我們的產(chǎn)品正好填補這一空白。

具體合作包括：預(yù)裝合作：在主流游戲本中預(yù)裝我們的軟件，用戶開箱即用；聯(lián)合營銷：在新品發(fā)布時，共同宣傳“在這臺AI PC上，能獲得職業(yè)級教練實時指導(dǎo)”，并共同推動產(chǎn)品落地。

這一渠道的優(yōu)勢在于精準且高效——購買游戲本的本身就是我們的目標用戶，設(shè)備性能也完全滿足需求，大大降低了我們的獲客成本。

當然出海是必然選擇，但我們采取分階段推進的策略。首站瞄準東南亞市場，因為該區(qū)域電競氛圍活躍，CS玩家基礎(chǔ)良好，且專業(yè)訓練工具市場尚屬藍海。在歐美，玩家更強調(diào)個人風格，產(chǎn)品就不能以“指導(dǎo)者”姿態(tài)出現(xiàn)，而應(yīng)成為“數(shù)據(jù)分析伙伴”，從“你應(yīng)該這樣打”轉(zhuǎn)變?yōu)椤皵?shù)據(jù)顯示，這種情況下的主流選擇是A，你的選擇B成功率為X%”，以更中立的方式提供價值。我們也將很快推出手機版的AI游戲教練，覆蓋主流的手機電競游戲用戶。

點個“愛心”，再走 吧