近年来，游戏行业的AI讨论几乎无法避免。无论你站在哪一边，讨论本身从来没有消失过。然而，讨论的很多内容都是空话，原因是没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在哪些领域，AI可以提高生产力？它可以做什么？它不能做什么？如何通过监督和验证其输出来减少额外的工作量？甚至更基础的问题：它会花费多少钱？

在过去几个月里，似乎有些问题的答案已经开始出现。公司已经在使用各种类型的AI工具，尽管有些公司更深入地集成它们，但几乎每个与技术相关的行业都至少尝试过。因此，围绕AI可以实现什么的实际经验和数据的体积正在迅速增长，而随之而来的是对讨论的必然性注入。

增长的共识是，使用AI工具的生产力提高是真实的，但它们是不一致的，非常具体的，极度依赖于仔细、专业的人类监督。对于某些工具，某些领域，存在一种谨慎乐观的态度，但似乎没有迹象表明梦想性的大规模胜利会在几乎不花费任何成本的情况下实现。

成本是第二个改变对话的因素。去年不到一年的时间里，发表了AI实际用途的担忧的开发者经常难以在高层管理层面上获得公平的听众。那些卖给他们AI梦想的人也为他们准备好了准备好的反驳；担忧的开发者只是被误解了（一个被那些真正了解这个不公正的团体历史的人所热衷的称号）的保守者，试图保护他们的工作安全，或简单地失败了，因为他们不理解这项技术的疯狂进步会如何击败他们关于质量和可靠性的论点。

今天，许多高层管理层对这些担忧的耳朵更加接纳，并且主要是因为AI账单——虚拟的和实际的——开始出现。过去几个月里，整个行业都转向基于令牌的计费方式，而不是平等的计费方式，同时也远离了许多企业客户在初期阶段享受的补贴。微软的Copilot服务是第一个主要的拐点，但趋势几乎是普遍的。AI的实际成本越来越多地被传递给客户，而不是被几十亿美元的私人资金所吸收，而去年想要将AI集成到他们公司业务中的每个方面的执行官们现在才开始思考长期成本。

这些变化对那些烧费大量令牌的用例打击最为沉重，例如生成复杂资产，或者处理非常大的代码库，这些场景正变得越来越昂贵。随着账单不断增加，AI需要有一个基于更高于激情、氛围和狂热的恐惧的东西的商业案例；高成本需要与真正可衡量的生产力提高和成本节省相匹配。

这使得许多公司的AI讨论中存在的不切实际的激情减少了。随着来自实际用例的数据开始流入，讨论可以被描述为混合的。然而，讨论本身的很多内容仍然是空话，因为没有人真正知道AI在游戏开发中的实际用途。许多人都做出了天花乱坠的预测，但实际上没有多少人真正尝试过在创造性工作流中集成AI工具。

事实上，关于AI潜力和在游戏行业的作用的基本事实都非常模糊。在