騰訊遊戲GIGA首次亮相科隆，系統拆解通用遊戲智能體的構建路徑
2026年8月，騰訊遊戲公共技術線攜旗下Motus AI、GIGA、MagicDawn、Tencent Games Vox、騰訊遊戲安全ACE、GVoice、WeTest等首次整體亮相Gamescom(德國科隆遊戲展)。其中，GIGA團隊負責人楊敬文在Gamescom Dev發表了題為《構建FPS戰場中的自主AI智能體》(Building Autonomous AI Agent for FPS Battlefields)的主題演講，作為Gamescom Dev 2026(德國科隆遊戲開發者大會)今年官方選中的議題之一，向全球開發者系統呈現了自主智能體架構的設計思路與實現路徑。
GIGA全稱General Instructable Game Agent，以遊戲和虛擬世界作為通用智能體的重要研究場景，致力於構建能夠理解人類指令、執行複雜任務，並在動態環境中與玩家及其他智能體協作、競爭和博弈的通用遊戲智能體。目前，GIGA相關技術能力已在《和平精英》《終極角逐(The Finals)》等多款遊戲中落地應用。
FPS戰場：遊戲智能體最難的考場
FPS遊戲是GIGA團隊選擇深度實踐的核心場景。高度動態的戰場環境、複雜的多人博弈與開放的玩家指令，在這裡交織疊加，構成了遊戲AI領域最難攻克的挑戰之一。
傳統FPS遊戲AI多依賴預設行為樹驅動，這一方式穩定、可預測，卻無法超越預設規則進行推理，面對複雜動態的戰場局勢時靈活性極為有限。 然而FPS戰場上卻同時有三重挑戰：實時動態的戰場環境、開放式任務目標、玩家的自由形式指令，現有的技術範式都難以單獨應對。
強化學習能夠讓智能體在具體技能上達到較高水準，卻依賴明確的任務定義與獎勵信號，高層決策與複雜意圖理解並非其所長;大語言模型能夠理解指令並對目標進行推理，卻並非為實時感知與精確控制而設計。現有技術路線各有長處，也各有盲區。
“真正的挑戰，是彌合'知道做什麽'和'能夠做到'之間的差距。” 這是楊敬文對這一矛盾的提煉，也正是GIGA團隊所搭建的這套架構試圖解決的核心問題。
(GIGA 團隊負責人楊敬文在gamescom dev 2026進行技術分享)
雙系統架構：讓推理與執行各司其職
GIGA給出的解法，是雙系統架構(Dual-System Architecture)。如同人類的"快思考"與"慢思考"，將智能體的能力拆解為兩個相互協同、分工明確的系統。
認知推理系統(Cognitive Reasoning System)負責“想清楚”：基於視覺語言模型(VLM)對多模態戰場信息進行深度推理，理解當前戰場態勢，解讀目標與威脅，結合遊戲知識、歷史記憶與玩家指令進行規劃與協調，最終將高層意圖轉化為可執行的技能方案。
快速執行系統(Fast Execution System)負責“做到位”：感知戰場狀態信息，在毫秒級約束下調用經強化學習訓練的技能庫完成精確控制，並將執行反饋與關鍵事件持續傳回推理層。推理選擇正確的行為，執行讓行為可靠落地。
兩個系統的協同，使智能體擁有了傳統範式無法實現的動態適應能力。演講中，楊敬文以兩個 FPS戰場案例直接呈現了這一機制：其一，終圈階段附近存在未知威脅時，智能體判斷直接進圈風險過高，選擇先投擲煙霧彈壓製再進入安全區;其二，玩家在激烈交火中發出“找車”指令，智能體判斷該指令與當前戰術優先級衝突，選擇拒絕並繼續作戰。
(楊敬文在演講中分享的兩個FPS戰場案例)
這兩個案例共同體現了GIGA對智能體設計的核心判斷：衡量一個智能體是否真正自主，不只在於“能否理解指令”，更在於“能否在正確的時機做出正確的判斷”。正如楊敬文在演講中所說：“一個協作型智能體，應該聽取玩家，但不應該盲目服從”，GIGA希望智能體扮演的角色是隊友，而非工具。
遊戲，是通用智能體最好的研究場域
楊敬文還提出，遊戲所探索的問題，其意義並不局限於讓AI更擅長玩遊戲。遊戲，尤其是FPS這類高度對抗性的品類，天然具備檢驗通用智能體能力所需的一切要素：實時反饋、複雜規則、動態對抗、多人協作。智能體必須在不確定的環境中持續感知、推理、決策與協作，且沒有任何容錯空間。
這正是GIGA團隊將遊戲視為通用智能體重要研究場景的原因：在這裡經過驗證的能力，具備向更廣泛應用場景遷移的基礎。遊戲能夠以極低的成本構建高度互動、規則複雜、結果可驗證的研究環境，覆蓋通用決策、語言與動作對齊、競爭與協作場景下的持續學習等AI領域核心難題。在GIGA團隊看來，推動虛擬世界中通用智能體的能力邊界，正是邁向AGI前沿的一條重要路徑。
面向未來，GIGA團隊正持續推進自主智能體在行為一致性、自適應規劃與持續學習等方向的能力演進，並進一步探索智能體個性化與長期陪伴能力，讓智能體成為真正了解玩家的遊戲夥伴，推動自主智能體與遊戲和玩家共同演進。
