最近有个问题在我们同行群里吵得很凶：游戏公司要不要自研大模型？起因是三七互娱自研的"小七"游戏垂类大模型通过了国家网信办生成式人工智能服务备案，成了广东首批过备案的游戏垂类大模型之一；字节那边首款 AI 制作的修仙游戏《不问凡尘》，从立项到发预告不到一年，场景、人物、战斗动画几乎全由 AI 生成。大厂动作频频，很多中小团队开始焦虑：我们是不是也要搞个模型，不然就落后了？
我们的判断很直接：大厂自研模型的账，和中小团队完全不在一本账上。这篇就把两本账都摊开算一算。
先看大厂交出的成绩单：小七到底干了什么
三七的"小七"不是实验室项目，是已经长在公司业务流程里的生产力。公开信息显示，它已经形成 40+ 项 AI 能力，支撑着 400+ 个内部智能体，平台接入各类大模型和 AI 工具超过 150 个。落到具体业务上的数字更直观：AI 代码审核和活动代码生成的渗透率超过 40%，AI 辅助投放占到总投放的 50%，发行环节 2D 美术资产的 AI 辅助生成占比超 80%，智能客服解决准确率 80%，本地化翻译覆盖 18 个语种、单语种准确率 95%，AI 数值平衡已经用在《斗罗大陆：魂师对决》《霸业》等多款产品上。
再往外看，它搭了两层企业级平台：知七（智能知识库，把多年业务数据、项目经验、行业研究结构化沉淀）和智七（多智能体协同平台，让市场分析、美术生成、文案创作这些智能体端到端配合）。三七还专门设了"AI 效率委员会"，新增了 AI 应用、AI 产品经理、AI 算法、AI 工程四个岗位序列，全员搞了 AI 达人计划和 21 天挑战赛。
这套组合拳的前提是什么？6.86 亿的研发投入、1300 多件专利、159.66 亿的年营收——换句话说，这套体系是拿真金白银喂出来的。
自研大模型值得吗：先过三个前提
把"值不值得"拆成第一性原理问题，就是三件事：你有没有数据、有没有场景、有没有持续投入的预算。
前提一：有没有足够深的业务数据
垂类模型的价值在"垂直"——用多年游戏业务数据（数值平衡记录、买量素材反馈、客服工单、本地化语料）做深度训练和微调。小七之所以是"游戏垂类模型"而不是通用模型，就是因为它沉淀了大量游戏场景数据。没这个数据底座，自研出来的东西和调用 API 没区别，还白白背了运维成本。
前提二：有没有高频复用的场景
自研模型只有在"同一个任务每天跑几百上千次"的场景才划算：素材批量生成、客服自动应答、数值平衡测试、多语种翻译。如果团队一个月才用几次，API 按次付费比自建便宜一个数量级。
前提三：有没有长期预算
自研不是一次性投入。模型要持续训练、迭代、维护，还要有人养。大厂把它当基础设施，中小团队要掂量自己能不能承受"投入两年看不到直接回报"的周期。
判断标准就一句话：自研是为了在某个环节形成别人拿不走的效率壁垒。如果只是"别人有我也要有"，那这笔账大概率是亏的。
大厂自研的真正算盘：不只是省成本
大厂愿意烧这笔钱，背后有四层算盘：
- 数据飞轮：每次业务使用都在产生新的训练数据，模型越用越懂自家游戏，这是 API 模式给不了的核心资产。
- 成本上限：体量到了每天调用百万次的级别，自建推理比按 token 付费便宜得多，还能通过模型选型和量化进一步压成本。
- 数据安全与合规：核心玩法数据和未上线素材不出内网，过备案后还能对外输出能力、参与行业标准。
- 差异化叙事：面向资本和行业，垂类模型本身就是技术实力的名片——世纪华通董事长王佶那句"技术突围的上半场接近尾声，应用重构的下半场已经到来"，说的就是这个阶段。
注意，这些算盘里没有一条是"中小团队需要复制的"。
中小团队该不该自研：三条务实路径
我们给中小团队的建议不是"别碰"，而是"换条路上车"。AI 在游戏行业的应用率已经到 86% 以上，AI 有望撬动 533 亿到 846 亿的增量空间——红利是真的，但吃红利不等于自研模型。
路径一：API 优先，先把场景跑通
用现成的前沿模型把买量素材、客服、代码、翻译这些场景逐个跑通，验证 ROI。这个阶段的核心产出不是模型，是沉淀下来的提示词库、素材风格规范和业务流程 SOP——这些才是未来自研时的"数据底座"。
路径二：私有知识库，替代"伪自研"
很多团队想要的自研，其实只是"想让 AI 更懂自家业务"。这个需求用 RAG（检索增强）就能解决：把项目文档、历史数值、审核规范喂进知识库，让通用模型基于私有知识回答。成本是自研的零头，效果能覆盖 80% 的需求。三七的"知七"本质上就是这么一层，只是它们做到了企业级。
路径三：等到真出现高频场景，再做轻量微调
如果某一天你的买量素材生成、客服应答确实到了每天上千次的高频量级，再考虑用开源模型（比如 Qwen 系）做轻量微调或私有化部署，量级到了再上这步，钱才花得值。
提醒：合规不是可选项。面向境内用户提供生成式 AI 服务，需要完成算法备案和生成式人工智能服务备案（像三七"小七"那样）。用 API 接入已备案的模型风险较低，但自建服务、对外提供 AI 能力，备案是绕不过去的硬门槛，做之前先找专业法务确认。
三个坑：自研路上最常见的翻车点
坑一：用 API 的思维做自研
以为自研就是"搭个服务把模型包起来"。真正的成本在数据清洗、训练迭代、推理优化、效果评测、安全合规，任何一个环节掉链子，模型就是摆设。我们见过不少团队花了半年自建，效果还不如直接调 API。
坑二：数据量不够硬凑垂类
垂类模型的护城河是高质量业务数据。手里只有几百条素材记录，硬做"游戏买量垂类模型"，出来的东西大概率不如通用模型+好提示词。没有数据就别硬垂类。
坑三：把 AI 应用率和商业回报划等号
国内游戏企业 AI 研发应用率已经 86%+，但"用了 AI"和"AI 创造了利润"是两回事。世纪华通数龙杯的参赛作品里 AI 应用类超七成，可业内公认"能跑通商业模型的 AI 游戏"最早也要明年。别为了讲故事上自研，先让 AI 在业务里真正产生现金流。
我们的结论
游戏公司自研大模型值得吗？对三七这种体量、有这个数据底座的厂商，值得，那是护城河；对大多数中小团队，现阶段最值得做的是把 API 场景跑透、把私有知识库建起来、把 SOP 沉淀下来——这三件事做完，你已经比 80% 的同行更能吃 AI 红利。等哪天你的高频场景真的来了，再谈自研，那时候你手里已经有数据、有流程、有人才，一脚油门就能上。
巨游工坊自己走的就是这条路：先用 AI 提效台球小游戏、塔防小游戏、休闲小游戏的开发流程，把场景和数据沉淀好。想聊更多 AI 落地经验，欢迎来官网找我们，或者去资讯中心看看其他拆解。