AI游戏Demo日烧1000美元 开发者贷款续命

一款AI驾驶教学游戏，把四个人的小团队逼去银行

独立工作室EasyFox最近成了游戏行业的「反面教材明星」。他们开发的《Teach My Little Sister How To Drive》是一款驾驶教学模拟游戏：玩家坐在副驾驶位，用语音指导AI扮演的妹妹学车，她会听指令、会顶嘴、会把左转打右灯——背后由大语言模型实时驱动全部对话与反应。听起来是个精巧的小创意，但10月7日的一则Steam公告让整个行业倒吸凉气：这个免费试玩Demo每天要烧掉1000美元以上的AI服务开销，团队为了维持服务器不断供，已经申请了银行贷款。

问题出在爆发式增长上。团队披露，过去一个月试玩玩家数量增长超过20倍。第三方数据显示，8月底之前这款Demo的平均同时在线还不足10人，9月下旬升到50人左右，10月1日达到431人的峰值。团队在公告里专门解释：成本飙升不是因为支撑单个玩家特别贵，而是「玩的人实在太多」——每一次语音指令、每一句对话回复，都在消耗Token，而Token是要真金白银按量结算的。

降级自救：从Gemini到OpenAI，越降级越烧钱

更尴尬的是，这1000美元还买不来稳定体验。Demo最初主用Google Gemini 2.5 Flash驱动对话，随着玩家涌入，Gemini频繁触发用量上限报错。EasyFox联系Google Cloud申请提升配额，得到的答复是：当前用量档位无法手动扩容，必须先达到更高档位的用量门槛。团队只能加大 reliance 于更昂贵的OpenAI Realtime模型兜底——结果是用不起的模型用不满、用得起的模型不好用：玩家开始遇到回复冗长、对话生硬、AI不执行语音指令（让左转偏右转）等问题，其中部分是设计内的新手司机人设，部分则是真实的模型能力滑落。

财务压力可能意味着我们不得不在正式版发售前提前关闭Demo——但我们还没有做出这个决定。——EasyFox Steam公告

团队给出的中期方案是本地化：为显存充足的玩家部署本地运行的小模型，把高频轻交互从云端迁到本地。但账也算得很清楚——要达到想要的对话质量，大约需要80亿参数级别的大语言模型，至少8GB显存，叠加本地语音合成后实际门槛要12GB以上，而Demo目前的最低配置要求仅4GB显存。能本地跑AI的玩家，注定只是少数。正式版则计划把预估AI开销直接计入买断价格，不再按用量向玩家单独收费——这个定价模型能否成立，2027年1月发售后见分晓。

AI NPC的商业账本：收入模型与成本模型的错位

EasyFox的遭遇戳破了AI NPC叙事里最被回避的一层：传统NPC是资产，AI NPC是负债。传统NPC的成本是美术与逻辑的一次性投入，做完就是做完；AI NPC的成本是随用户量线性增长的持续推理开销——用户越多、对话越多，账单越大。而买断制游戏又无法像SaaS一样按月收费，收入是一次性的、成本是持续性的，模型天然错位。这并非小团队独有的困境：连微软、Uber这样的大公司都公开承认难以精确预测自身Token消耗的燃烧率。

有意思的是，国内厂商正在走另一条路。米哈游的AI宠物互动玩法此前已引发行业对AI NPC成本工程的讨论，而《燕云十六声》等大DAU产品则把AI对话限制在特定玩法场景内、按需触发，本质上都是在做同一件事：把无限对话的云计算，装进有限预算的笼子里。对中小团队而言，这道题更没有退路——预算更薄、议价能力更弱，任何一个内容主播的爆点流量都可能变成压垮服务器的账单。接入AI的具体成本架构与分层调用方案，我们已在站内百科更新了一篇完整指南：《AI NPC接入游戏的成本控制指南》。

对中小团队的四个启示

第一，AI功能必须按场景分层调用。高频轻交互走规则脚本或本地小模型，只在关键剧情对话调用云端大模型——EasyFox计划中的本地+云端混合架构，本应是上线前就设计好的。第二，免费开放AI功能等于给账单装上直通车。Demo是获客工具，但AI推理不是免费的，限额、熔断、单用户每日Token上限这三道闸门缺一不可。第三，定价模型先行。把预估人均AI开销计入售价，正像EasyFox计划的那样，而不是先免费后补窟窿。第四，算力本身也在涨价。AI厂商抢产能推高内存价格的大背景下，Steam硬件调查显示32GB内存已成玩家主流配置，本地小模型的落地门槛正在被硬件大盘缓慢托住——这与我们此前报道的《Steam硬件调查 32GB内存首超16GB成主流》一脉相承。

常见问题答疑