36氪首发 | 获数千万融资，ModCraft想让AI通过Mod理解游戏设计
36氪了解到，AI游戏模组创作与内容平台ModCraft已成功完成数千万元人民币的种子轮融资，出资方包括商汤国香资本和L2F光源创业者基金。这笔资金将主要投入到AI模型训练和平台扩张中。
从业务层面看，ModCraft现阶段提供两项核心服务：一是让用户借助AI，通过自然语言来制作游戏模组；二是在平台上发现、体验和分享其他玩家创作的模组。截至目前，平台已上架28款游戏，这些作品均在Steam上拥有较高知名度，涵盖经典国产独立游戏《太吾绘卷》、荣获TGA 2025年度游戏殊荣的《光与影：33号远征队》，以及近年火爆的合作游戏《PEAK》等。
在创始人李硕看来，模组的意义远不止于玩家UGC。他提出，“游戏模组本质上充当了游戏与外界之间的桥梁。”通过这一桥梁，厂商能够按需定制游戏工具、获取运行数据；同时，大模型也能借助模组进入游戏，将游戏转化为供AI学习的仿真环境。
这一理念也构成了ModCraft更长远的产品发展方向。除了借助AI降低模组创作门槛外，ModCraft还计划基于真实的游戏创作、反馈和运行数据，训练面向游戏开发的AI模型。李硕希望，这套模型未来不仅能“制作模组”或“玩转游戏”，更能深入理解游戏机制，并参与到内容创作中。
李硕坚信，最终AI能够创造出比纯人工更“优质”的游戏内容。ModCraft的远期目标，正是成为服务游戏和独立游戏设计师的工具与平台，助力中国优秀游戏作品更好地走向全球。
目前，ModCraft团队的AI Lab已投入大量数据工作，从模组中提取数据用于模型训练，并与字节跳动等模型厂商建立了合作关系。
类似的方向已有公司在探索。从游戏视频平台Medal分拆出来的General Intuition，就利用Medal积累的游戏录像及其与玩家行为、游戏事件相关的行动标签，训练能够在虚拟环境中感知、预测并采取行动的模型。General Intuition将游戏视为训练空间智能和环境理解能力的关键场景。
与General Intuition主要从游戏视频和行动数据中获取训练素材不同，ModCraft希望进一步通过模组直接连接AI与游戏运行环境，并主动生成和提取其中的数据。对ModCraft而言，模组既是普通玩家参与游戏二次创作的工具，也可能成为AI获取游戏数据的基础设施。
01
ModCraft创始人李硕是一位研发背景深厚的游戏行业资深人士。他于2010年毕业，随后加入腾讯参与《剑灵》项目；2015年加入游族网络，曾担任《权力的游戏：凛冬将至》制作人。
真正推动他进入AI领域的，是去年AI编码能力的一次显著提升。此前，他曾多次接触AI与游戏结合的创业机会。2021年离开游族时，国内知名AI团队成员曾邀请他参与游戏方向的创业；2022年，VAST探索AI生成3D落地应用时，也曾向他发出邀请。但在李硕看来，当时的AI能力尚未真正达到游戏生产的门槛。直到去年夏天，他才觉得时机成熟。
与此同时，中国买断制PC游戏市场也在迅速增长。李硕观察到，Steam在中国已拥有五六千万用户，新一代年轻玩家越来越愿意为高性价比、高品质的游戏产品付费。此前，他也主导开发了原创开放世界生存建造游戏《炭熄》，并获得了B站投资。
不过，这次AI方向的创业，他没有选择直接从AI生成游戏切入，而是将目光投向了更小众的领域——游戏模组。李硕认为，模组就像站在原作巨人的肩膀上创作。游戏的美术、玩法、世界观和玩家社区都已存在，能为AI提供大量完整的上下文。因此，相比于从零开始生成一款完整游戏，AI制作模组更容易产出真正具备可玩性的内容。
从玩家侧来看，需求也更加明确。基于自己作为游戏制作人的经验，李硕认为原创游戏要实现自传播，往往需要极具辨识度的美术、足够吸引人的故事，或能迅速抓住玩家的玩法创意，这非常困难。而玩家愿意下载一个模组，通常意味着他们已经认可游戏本体，并希望获得更多内容。每一款新游戏的上线，都可能成为ModCraft一次新的用户触达机会。
在海外，模组已形成成熟的内容生态，Nexus Mods、CurseForge、Thunderstore等平台聚集了大量模组作品。相比之下，中国买断制游戏起步较晚，模组生态发展空间巨大。
李硕相信，AI进一步降低创作门槛后，模组内容有望迎来爆发式增长。原来手工制作一个模组可能需要几周甚至几年，AI可以将这个过程缩短至几分钟。同时，AI能让更多原本不会编写代码、不会使用专业工具的人开始参与创作，“就像2015年以后，普通人也能制作短视频了。”李硕分享，ModCraft的一位实习生在零代码基础的情况下，用AI为《太吾绘卷》制作了一个剧情模组，整个过程消耗约900万Token。
李硕为ModCraft规划了两条商业化路径。从C端来看，平台可以通过订阅模式向创作者收费，也可与游戏厂商合作，探索优质模组的付费分发。从更长期的角度看，ModCraft希望成为一个“模组版本的Roblox”。而在B端，则有两种商业化可能性。首先，模组可以实现游戏的定制化功能。例如，游戏主播和直播工作室常有定制化需求：主播希望玩家送出礼物后触发特殊事件，或规定游戏中不能使用某个职业、不能掉落某种装备。这类需求在AI出现前就已存在。比如抖音平台上《红色警戒2》主播一直比较活跃，一个重要原因是这款游戏拥有较成熟的模组工具，支持直播所需的各种功能。而Steam仅去年一年就新增了超过1.8万款游戏，大量游戏没有成熟的模组工具。AI的出现，则有机会降低模组制作和适配的门槛，让更多游戏具备承接这类定制化需求的可能。其次，模组可以成为厂商获取数据的入口，让AI将游戏视为仿真环境，持续产出数据。厂商可以使用这些数据进行AI视频模型或世界模型的训练。目前ModCraft已与字节跳动等头部模型厂商达成合作，提供模型训练数据。
02
目前的AI游戏开发工具，正从代码生成、3D模型生成进一步走向直接参与游戏制作。今年9月，OpenAI发布了GPT-6 Astra，它可以操作开发环境完成游戏相关工作，也能将Blender中的模型转化为可在Unreal Engine 5中游览的场景。
但在李硕看来，即使AI已能进入游戏开发流程，仍有一个更难的问题未被解决：AI如何知道什么样的游戏是好玩的？这也是他从模组切入AI游戏开发的核心原因之一。与游戏行业招聘策划时的逻辑有些相似：一名游戏策划往往需要拥有足够丰富的游戏经历，才能理解什么样的设计是好玩的。AI模型也可以通过足够多的模组产品学习究竟“什么好玩”，最终掌握“怎么做好玩的游戏”。
本质上，AI能够制作一款游戏的模组，本身就意味着围绕这款游戏的工具链和知识库已足够完善。在此基础上，AI再可以通过模组进入游戏，并将游戏运行过程中产生的各种数据转化为训练材料。玩家本身的反馈也是模型训练的基础：一个模组能否获得下载量和玩家评价，能反映这种玩法是否受到关注；而一个模组能否被大量玩家长期使用，则进一步体现了玩法本身的实际效果。模组本身就是一种快速的玩法实验，许多经典游戏最早也是玩家自制的模组。最终，ModCraft希望通过玩家的创作、反馈和实际游玩数据，让AI逐渐理解什么样的玩法更受玩家欢迎，并进一步生成更具可玩性、能够进入实际生产的游戏创意。
03
为了完成从UGC到AI模型训练的这套闭环，ModCraft的团队构成也很特殊。其中一大特色是拥有许多资深模组创作者，即Modder。团队Lead Modder吴理华曾制作《黑神话：悟空》的自走棋、Boss Rush等多款知名模组。其中Boss Rush后来被官方内置为游戏玩法。另一位团队成员制作的《黑神话：悟空》整活模组，相关视频在B站获得766.9万播放，曾登上全站播放量总榜21位。除此之外，团队成员还包括《怪物猎人》《艾尔登法环》等游戏的知名模组作者。
李硕说，全国意见领袖级别的Modder基本都在这里了。他本人也是模组作者，为《英灵神殿》制作了多款模组。在他看来，制作AI模组工具，本质上也需要把资深模组作者长期积累的经验转化为产品能力。“他们每天在公司说，我在用AI蒸馏我自己。”除模组作者外，ModCraft还有一支AI研究团队。成员均具备全球顶尖高校研究背景，其中包括多位CMO（中国数学奥林匹克）金牌获得者。他们的研究领域覆盖当前AI（特别是大语言模型与通用游戏智能）领域最核心的前沿技术方向，将负责大语言模型、强化学习和Agent调优。当然，上面提到的所有人都有一个共同的身份——资深游戏玩家。
某种程度上，ModCraft选择的并不是一个全新的游戏内容形态。模组已经存在了很多年，真正发生变化的是，AI正在让过去属于少数模组作者的能力，开始向更多普通玩家开放。从这个角度看，AI生成游戏也未必要从零开始。基于现存的游戏和玩家的二次创作欲望，AI可以帮助玩家扩展游戏内容，再在这个过程中理解什么是有趣的游戏，可能是另一条更现实的路径。至少对ModCraft而言，这场尝试才刚刚开始。
未来3到6个月，团队一方面会大幅扩展支持的游戏数量，将产品进一步推向市场，让更多玩家参与模组创作；另一方面，则会开始训练模型的游戏能力。游戏不仅承载了海量的文本、图像、音频和视频数据，更完整记录了人在复杂、动态环境中的行为决策、交互方式、审美偏好和娱乐需求，是一个高度结构化、持续产生反馈的“人类行为数据富矿”。团队相信，随着多模态模型、世界模型和具身智能等技术进一步发展，这类包含“环境—行为—反馈”闭环的数据价值有望进一步提升，并作为重要数据资产，进一步训练更具泛化能力、更懂人类需求的AI模型。团队目前积累的游戏数据已与头部模型厂商开展模型训练合作，进一步验证了游戏数据在AI训练场景中的潜在价值。
本文首发自“36氪游戏”。