一个团队用数万小时键盘和鼠标操作训练出 Gamer,并在多个 3D 开放世界游戏中达到熟练玩家水平。我们的判断是:这项研究最值得看的不是“AI 会打游戏”,而是重复行为数据正在成为训练通用智能体的新来源。

这是什么

Gamer 是一套视觉—语言—动作基础模型,也就是把屏幕画面、语言理解和具体操作连在一起的智能系统。它能同时处理 2D 图形界面与 3D 模拟世界,并将感知、记忆管理和多步推理整合在同一框架中。

训练数据包含数万小时的设备级键鼠操作轨迹,覆盖模拟游戏和具身环境(让模型通过传感器或操作设备感知并行动的环境)。团队还采用稀疏思考指令微调,减少重复计算,并借助多轮强化学习——通过反复尝试和奖励信号优化决策——缓解上下文窗口有限、连续操作误差累积等问题。

行业怎么看

积极意义在于,数据扩展与算法改进仍能带来稳定提升。过去行业更依赖人工标注、示范轨迹和任务定制;如果大量重复操作也能转化为可迁移能力,机器人、自动驾驶和企业流程自动化可能获得更低成本的训练路径。云边协同推理也说明,复杂智能体正在从离线演示走向多环境并发运行。

但风险同样明确。游戏世界虽然有视觉和操作反馈,却通常目标清楚、规则稳定、试错成本低;真实企业流程涉及模糊目标、权限边界、异常数据和不可逆决策。论文中的“通用”主要由游戏基准验证,不能直接外推为可可靠执行现实任务。此外,论文和开源代码已公布,但长期交互中的稳定性、安全边界及跨场景迁移,尚未被充分证明。

对普通人的影响

对企业 IT:它提示企业可优先盘点重复、标准化且可回滚的流程,用真实操作记录训练专用智能体,但关键业务仍需保留人工审核和权限隔离。

对个人职场:短期内更可能被影响的是测试、客服、运营和数据标注等重复操作岗位;复合型判断、沟通与责任承担仍是人的主要价值。

对消费市场:游戏 AI 会更快获得更自然的实时反应,但玩家也将面对更强的自适应对手;相关能力进入真实设备后,数字助手才更接近日常可用。