20250919_AI原生游戏：定义、特征与未来

执行摘要

本报告旨在深入剖析“AI原生游戏”这一新兴概念，并断言其并非游戏行业的增量更新，而是一次堪比从2D到3D、或从单机到在线多人游戏的根本性范式转移。这一转变的核心在于，人工智能（AI）的角色从优化现有系统的后台工具，演变为构建全新交互形式的基础支柱。

报告首先将AI原生游戏定义为：其核心玩法循环与玩家体验从根本上依赖于实时生成式AI，若移除AI，游戏的核心机制将不复存在。基于此定义，我们识别出其三大核心特征，并将其概括为三个关键词：涌现性 (Emergent)、自主性 (Autonomous)和共创性 (Co-Creative)。

• 涌现性 指的是游戏世界与叙事不再是预设的，而是由AI系统根据规则和玩家互动动态生成，从而产生不可预测的、独一无二的体验。

• 自主性 描述了非玩家角色（NPC）向拥有独立目标、记忆和认知能力的“智能体”（Agent）的进化，它们能够自主行动，驱动世界发展。

• 共创性 则重新定义了玩家的角色，使其从内容的消费者转变为世界的共创者，通过自然语言等直观方式直接影响和塑造游戏体验。

在此基础上，报告分析了当前最具商业可行性的四个发展方向：无限故事讲述者（叙事驱动型RPG）、鲜活世界模拟器（社会与系统模拟）、终极AI队友（增强型单人/多人体验），以及更具前瞻性的AI驱动游戏引擎。同时，本报告也对NVIDIA ACE、Inworld AI等关键技术平台进行了比较分析，并探讨了“端侧推理”与“云端推理”两种部署模式的战略抉择。

本报告的核心战略洞察是：游戏产业的价值重心正从“预制内容”的数量和质量，转向“动态生成系统”的深度与潜力。这一转变要求行业在游戏设计哲学、团队技能构成、商业模式（尤其是对推理成本的管理）等层面进行系统性重构。能够率先掌握这一新范式的开发者和企业，将有机会定义下一代互动娱乐的未来。

1. 定义AI原生范式

随着生成式AI技术的爆发，游戏行业正站在一个全新的十字路口。“AI原生”一词被频繁提及，但其确切含义往往与“AI辅助开发”和“传统游戏AI”相混淆。为了准确把握这一趋势，必须首先建立一个清晰的定义框架。

1.1 从工具到基石：何为“AI原生”游戏？

AI原生游戏的核心定义是：一款其核心机制、玩法循环和玩家体验在没有实时生成式AI的参与下将无法实现的游戏。这是区分AI原生与其他AI应用的关键标准。如果移除AI模块后，游戏依然可以作为一款简化版产品运行，那么它更可能是AI辅助或AI增强型游戏，而非AI原生游戏。

为了更好地理解这一定义，有必要将其与另外两个概念进行区分：

• 与传统游戏AI的对比：传统游戏AI，例如在《F.E.A.R.》等经典作品中备受赞誉的AI，其本质是基于复杂的、但最终是确定性的规则系统，如有限状态机（Finite State Machines）、行为树（Behavior Trees）或目标导向行为规划（Goal-Oriented Action Planning, GOAP）。这些系统在严格的脚本框架内，通过精巧的设计创造出智能的“幻觉”，其行为边界由开发者完全预设。

• 与AI辅助开发的对比：AI辅助开发是指在游戏制作流程中，将AI作为提高生产效率的工具。应用场景包括利用AI生成代码片段、创建美术资产（如纹理、模型）、自动化质量保证（QA）测试、或优化广告投放素材等。这些应用极大地提升了开发效率，但它们并不改变最终交付给玩家的互动产品的本质。AI原生设计则截然不同，它将AI作为游戏**运行时（Runtime）**的核心组成部分，直接面向玩家，生成实时体验。

这种转变带来了一种根本性的设计哲学变革。开发者的工作重心从“创作固定的内容”（Authoring Content），如编写每一句对话、设计每一个关卡，转变为“培育动态的系统”（Cultivating Systems）。设计师需要为AI智能体设定目标、行为约束和性格特质，然后由这些智能体在游戏世界中动态地生成具体的内容和情节。

1.2 技术基石：生成式模型与世界模拟

AI原生游戏的实现依赖于一系列前沿的生成式AI技术，它们共同构成了这一新范式的技术基石。

• 大型语言模型 (LLMs) 与小型语言模型 (SLMs)：这些是驱动对话、推理和叙事生成的核心引擎。以GPT系列为代表的LLMs通过云端提供强大的通用能力，而NVIDIA的Nemotron-4、Mistral-Nemo-Minitron等经过优化的SLMs，则开启了在玩家本地硬件上进行高质量、低延迟推理的可能性（即端侧推理）。端侧推理对于保证实时互动体验的流畅性至关重要。

• 扩散模型 (Diffusion Models) 与多模态模型：这些技术将AI的生成能力从文本扩展到了图像、音频、视频等多种模态。它们是实现AI系统根据叙事背景实时生成视觉资产（如《1001 Nights》中的武器卡牌），或让AI能够“看懂”游戏画面（如NVIDIA的Nemovision模型）并做出情境感知回应的基础。

• 世界模型 (World Models)：这是AI原生游戏技术的前沿领域。谷歌的Genie、Decart的Oasis以及GameNGen等系统，是基于交互式视频数据训练的基础模型。它们的目标是颠覆传统的游戏引擎，直接从一个高级指令（Prompt）生成一个可玩的、动态的虚拟世界，本质上充当了一个“神经游戏引擎” 。

为了直观地展示这些概念的区别，下表提供了一个清晰的比较框架。

表1：游戏领域中不同AI范式的比较框架

范式	核心功能	关键技术	代表性案例
传统游戏AI	在预设规则内模拟行为	状态机、行为树、路径规划算法（如A*）	《F.E.A.R.》、《最后生还者》、《光环》系列
AI辅助开发	加速内容创作与优化工作流程	生成对抗网络（GANs）、AI编程助手、自动化测试	Unity Muse、育碧Commit Assistant等开发工具
AI原生体验	在运行时实时生成核心体验	大型/小型语言模型、扩散模型、世界模型	《AI Dungeon》、《1001 Nights》、KRAFTON《inZOI》

对这三种范式的区分，不仅仅是技术层面的，更揭示了其背后商业逻辑的根本差异。AI辅助开发旨在优化现有工作流，其商业目标是“提效降本”，在既有的“一次性售卖”或“服务型游戏”模式下创造更高利润。而AI原生游戏创造的是动态、无限的体验，这将价值主张从“预制内容的数量”转移到了“生成式系统的质量”。这一转变必然催生新的商业模式，例如需要覆盖持续推理成本的订阅制或服务型模式 21，同时也对开发团队的技能结构提出了新的要求——游戏设计师的角色将更接近于AI智能体的“导演”或“心理学家”。

2. AI原生游戏的解构：核心特征

基于AI原生的定义，我们可以进一步解构其在游戏设计和玩家体验层面呈现出的三大核心特征。这三大特征——涌现性、自主性、共创性——共同构成了AI原生游戏的独特魅力和颠覆性潜力。

2.1 涌现性系统：超越程序化生成

传统游戏中的程序化内容生成（Procedural Content Generation, PCG），例如《暗黑破坏神》系列中随机生成的地下城 3，或《无人深空》中由算法创造的广袤星球，其本质是利用算法和随机数创造大量内容，但这些内容往往在宏观上呈现出重复性和模式化。

AI原生游戏所追求的涌现性 (Emergence)则更进一步。它利用生成式模型，创造出不仅随机，而且具备情境感知和适应性的世界、叙事和玩法。这意味着游戏世界能够以开发者未曾明确编程的方式，对玩家的行为做出连贯且有逻辑的反应。例如，一个任务的走向可能因为玩家与某个AI角色的意外对话而彻底改变，或者整个游戏世界的生态会因为玩家的某个长期行为而发生系统性演变。

这种涌现性最直接的体现是动态叙事 (Dynamic Narratives)。传统游戏的剧情通常是一个由开发者预先写好的、拥有有限分支的“故事树”。而在AI原生游戏中，故事不再是固定的选项，而是在玩家与自主AI智能体的互动中实时生成的、流动的叙事体验 24。理论上，每个玩家都能经历一个专属于自己的、独一无二的故事。

2.2 自主性智能体：数字生命的曙光

AI原生游戏最深刻的变革，在于将游戏中的非玩家角色（NPC）升格为自主性智能体 (Autonomous Agents)。传统NPC本质上是遵循预设脚本的“提线木偶”，而AI智能体则拥有真正的能动性 (Agency)。

这种自主性体现在以下几个方面：

• 记忆与认知：AI智能体能够记住与玩家的过往互动，并基于这些记忆形成判断。它们能够感知游戏世界的状态，并对其进行推理。

• 独立目标：智能体拥有独立于玩家的目标和动机，它们会为了实现自己的目标而自主规划和行动，即使玩家不在场，游戏世界也在它们的驱动下持续演进。

• 可信行为：在大型语言模型的驱动下，这些智能体可以进行无脚本的、自然的对话，表现出情感，并与玩家或其他智能体建立复杂的社会关系。

斯坦福大学著名的“生成式智能体”（Generative Agents）研究项目是这一概念的里程碑式验证。在该实验中，25个AI智能体在一个虚拟小镇中生活，它们完全自主地产生了传播信息、形成关系、甚至共同策划举办派对等复杂的社会行为，而这一切都没有任何人工脚本的干预。这证明了构建一个由AI驱动的、可信的虚拟社会是完全可行的。

2.3 共创性交互：玩家即是作者

AI原生游戏从根本上改变了玩家与游戏的交互方式，将玩家从内容的被动消费者，提升为体验的主动共创者 (Co-Creator)。

这一转变的核心是自然语言成为核心交互界面。玩家不再仅仅依赖于点击按钮和选择菜单，而是可以通过语音或文本直接表达自己的意图，游戏世界则能理解并作出相应的反馈。

在一些先锋游戏中，这种共创性体现得淋漓尽致。例如，在《1001 Nights》中，玩家向AI国王讲述的故事内容，其关键词会直接转化为游戏中真实存在的武器和道具。这意味着玩家的语言和想象力直接成为了游戏机制的一部分，玩家正在主动地“书写”自己的游戏世界和规则。这赋予了玩家前所未有的能动性，将“玩家代理权”（Player Agency）推向了极致。

2.4 综合提炼：AI原生设计的三大支柱

综合以上分析，如果用三个简单的词来概括AI原生游戏的核心特征，最精准的选择是：涌现性 (Emergent)、自主性 (Autonomous)、共创性 (Co-Creative)。

这三个词并非孤立存在，而是相互关联、共同定义了AI原生体验的精髓：

• 涌现性描述了游戏世界的“动态性”和“不可预测性”。它定义了AI原生游戏的舞台——一个不断变化、充满无限可能的环境，无论是世界生成还是叙事发展都遵循这一原则。

• 自主性描述了游戏角色的“生命感”和“内在驱动力”。它定义了AI原生游戏的演员——不再是机械的NPC，而是拥有独立意识、能够自主推动剧情发展的智能体。

• 共创性描述了玩家角色的“创造力”和“影响力”。它定义了AI原生游戏的交互模式——玩家通过自然语言等方式直接参与到世界和故事的创造中，成为游戏体验的共同作者。

一个由自主智能体居住的涌现世界，通过与玩家的共创交互，共同生成独一无二的体验——这便是AI原生游戏的完整图景。

3. 新兴版图：可行的发展方向与先锋案例

AI原生游戏的理念虽然前沿，但并非遥不可及的空想。目前，行业已经探索出几个具有商业潜力的明确方向，并涌现出一批先锋性的产品和技术演示。这些方向代表了从近期可实现到远期颠覆性的不同发展路径。

3.1 方向一：无限故事讲述者（叙事与角色扮演游戏）

• 概念：这是目前被认为最直接、最快落地的方向。它利用大型语言模型（LLMs）来打造拥有真正无限、个性化任务线、对话和角色弧光的角色扮演游戏（RPG）。AI不再是生成零散的对话，而是成为整个叙事体验的引擎。

• 案例分析：《1001 Nights》：这款游戏是该方向的典型范例。它巧妙地将与LLM驱动的国王对话，设计为生成武器和世界元素的核心玩法。玩家的叙事创意直接转化为游戏内的战斗力和世界景观，使得“讲故事”本身成为一项核心技能，而非简单的交互点缀。

• 案例分析：《AI Dungeon》：作为该领域的先驱，《AI Dungeon》证明了纯文本、完全由AI生成的冒险体验具有强大的市场吸引力。它向业界展示，仅凭玩家的想象力和AI的动态回应，就能构建出引人入胜的游戏循环。

• 未来展望：此方向的终极形态，将是一个完全由AI驱动的开放世界RPG。在这个世界里，每一个NPC都是一个自主智能体，每一个任务都基于世界的实时状态和玩家的个人历史动态生成，从而彻底告别重复的任务和脚本化的剧情。

3.2 方向二：鲜活世界模拟器（社会与系统模拟游戏）

• 概念：利用AI大规模模拟复杂的社会动态和系统，创造出可信的虚拟社会。玩家可以作为观察者、影响者或居民，沉浸在一个拥有自身运转逻辑的“活”世界中。

• 案例分析：KRAFTON《inZOI》：作为《模拟人生》的直接竞争者，《inZOI》引入了“Smart Zoi”这一AI原生特性。通过激活该功能，游戏中的NPC将转变为由端侧小型语言模型（SLM）驱动的自主智能体 13。它们会根据自己的经历和性格，自主规划日程、形成关系、追求目标，从而创造出比传统模拟游戏更具动态性和不可预测性的“人生”体验。

• 研究聚焦：斯坦福“生成式智能体”：如前文所述，这项学术研究是“鲜活世界”概念的理论基石。它科学地验证了通过AI智能体模拟出涌现性社会行为的可能性。后续的AgentSociety等项目，更旨在将模拟规模扩大到上万个智能体，用于研究更复杂的社会现象。

3.3 方向三：终极AI队友（AI同伴与对手）

• 概念：将自主AI智能体整合到成熟的游戏类型（如射击、策略游戏）中，创造出与真人无异的AI队友或对手。这不仅能极大地丰富单人游戏体验，模拟出多人合作或对抗的动态感，也能为多人游戏提供更高质量的AI填充。

• 案例分析：《PUBG》的“Ally”协同游戏角色：由NVIDIA ACE技术驱动的“Ally”，是一个被设计为能够像真人队友一样行动的AI伙伴。它能用自然语言与玩家交流，主动提供战术建议（如“我们应该去占领那座高地”），分享战利品，并协同作战。这展示了AI原生技术如何能够赋能并革新现有游戏类型，而不是必须创造全新的品类。

3.4 方向四：梦想编织者（AI即游戏引擎）

• 概念：这是最具颠覆性的远期方向。其核心思想是用一个基础性的“世界模型”来取代传统的游戏引擎（如Unreal Engine或Unity）。开发者不再需要用多边形、代码和脚本来构建世界，而是通过向AI提出高级指令，由AI实时生成一个可交互的、动态的虚拟环境。

• 技术展示：Google Genie、Decart Oasis、GameNGen：这些目前还不是商业产品，而是展示这一概念可能性的技术原型。Genie能够从一张静态图片生成一个可玩的2D平台跳跃游戏世界 18。GameNGen则利用神经模型实时生成游戏画面，复刻了一个版本的《毁灭战士》19。Oasis则是一个交互式世界模型，能根据用户的键盘输入自回归地生成游戏过程。

这四个方向构成了AI原生游戏从当前到未来的发展路线图。**“无限故事讲述者”和“终极AI队友”是近期最容易商业化的方向，因为它们可以嫁接到市场已经验证的RPG和射击游戏框架上。“鲜活世界模拟器”则需要更深度的系统性设计，对AI智能体之间互动逻辑的要求更高，技术挑战更大。而“AI即游戏引擎”**则是一场彻底的革命，旨在重塑整个游戏开发的底层基础设施，代表了5到10年后的长期愿景。

4. 赋能生态系统：平台、供应商与战略抉择

AI原生游戏的兴起，离不开底层技术平台和中间件的支持。目前，市场上已经形成了以NVIDIA ACE和Inworld AI为代表的关键参与者，它们为开发者提供了将AI原生理念付诸实践的工具集。同时，开发者也面临着一个核心的战略抉择：采用端侧推理还是云端推理。

4.1 中间件层：NVIDIA ACE vs. Inworld AI

• NVIDIA ACE (Avatar Cloud Engine)：这是一套与NVIDIA硬件生态深度绑定的数字人技术套件。它提供了一个从语音（Riva ASR/TTS）、智能（Nemotron, Mistral SLMs）到动画（Audio2Face）的全栈式解决方案。其核心战略优势在于，凭借其在GPU市场的统治地位，大力推动在GeForce RTX显卡上的高性能

  端侧推理，旨在从根本上解决AI交互的延迟和成本问题。

• Inworld AI：这是一个专注于创建智能化、可交互角色的平台 36。它提供了一个复杂的无代码角色创建工作室和为规模化部署而设计的运行时引擎。Inworld在GDC等行业会议上的分享，重点强调其致力于为开发者解决生产环境中的实际难题，如因用户量暴增而导致云成本失控的“成功税”（Success Tax）、保证实时性能以及对AI智能体行为的精确控制等。它同时提供云端和基于Llama模型的端侧解决方案。

这两大平台的战略定位有所不同。NVIDIA正利用其硬件优势，提供一个垂直整合、性能优化的解决方案，试图将AI能力与其硬件生态强绑定。而Inworld则将自己定位为角色驱动体验领域的专家伙伴，更侧重于开发者体验和解决落地过程中的痛点，力求成为连接开发者与复杂AI技术的桥梁。

表2：主流AI原生中间件平台对比分析

特性	NVIDIA ACE	Inworld AI
平台定位	全栈式数字人技术套件	先进的角色创建与运行时平台
核心技术	端侧SLMs (Nemotron), Riva ASR/TTS, Audio2Face	人格驱动的LLMs, 情境感知引擎
部署模式	主推端侧（RTX优化），兼有云端选项	云端与端侧（基于Llama）并存
合作案例	《PUBG》、《inZOI》、《永劫无间手游》	育碧、Xbox、Streamlabs
战略优势	与主流游戏硬件垂直整合，性能优化潜力大	专注于解决开发者生产难题（成本、控制），工具链成熟

4.2 端侧 vs. 云端：一个关键的战略岔路口

对于AI原生游戏的开发者而言，“在哪里运行AI模型”是一个必须在项目初期就做出的、影响深远的战略决策。

• 端侧推理 (On-Device Inference)

  • 优势：极低的延迟（对实时交互至关重要）、零边际用户成本（无需为每次API调用付费）、更好的数据隐私保护、可离线运行。

  • 劣势：受限于用户硬件性能（模型能力可能弱于云端巨型模型）、可能造成硬件门槛（“RTX-only”）、需要更大的游戏安装包。

  • 主要推动者：NVIDIA，旨在强化其RTX硬件生态。

• 云端推理 (Cloud-Based Inference)

  • 优势：可调用最前沿、最强大的AI模型、在所有硬件上提供一致的体验、客户端占用空间小。

  • 劣势：受网络延迟影响、运营成本可能随用户量增长而失控（即“成功税”）、开发者对第三方API有依赖性。

  • 主要提供商：通用云服务商（如AWS）和Inworld等专业平台。

这个抉择并非纯粹的技术问题，它直接决定了游戏的商业模式、目标用户和设计边界。选择端侧推理，意味着产品更可能面向高端PC/主机玩家，可以采用传统的“买断制”商业模式，设计上也可以更依赖即时、无延迟的AI反馈。而选择云端推理，则可以覆盖包括移动端和低配PC在内的更广泛用户，但必须采用服务型游戏（GaaS）或订阅制来覆盖持续的运营成本，并且在设计上需要对潜在的网络延迟有一定的容忍度。未来，结合两者优势的混合模式（例如，端侧处理简单交互，云端处理复杂推理）可能会成为主流。

5. 市场前景与战略建议

AI原生游戏作为一个新兴领域，其市场潜力和面临的挑战同样巨大。通过综合分析市场预测数据和行业面临的实际障碍，可以为从业者提供具有前瞻性的战略指导。

5.1 市场规模与增长轨迹

综合多家市场研究机构的报告，尽管对“游戏AI”市场的绝对规模估算存在差异，但对其未来的高速增长却有着惊人的一致性。各机构预测，到2033-2034年，全球游戏AI市场规模将达到370亿至580亿美元之间，其复合年均增长率（CAGR）普遍预测在20%至42%这一极高区间。

表3：全球游戏AI市场规模预测综合分析 (2025-2034)

研究机构	预测周期	预测期末市场规模 (美元)	复合年均增长率 (CAGR)
Precedence Research	2025-2034	378.9亿	20.54%
Dimension Market Research	2025-2035	587.88亿	34.3%
Market Research Future	2025-2034	417.49亿	14.92%
Grand View Research	2025-2033	512.59亿	36.1%
Market.us	2024-2033	280亿	28.40%
Technavio	2025-2029	增长274.7亿	42.3%

这些数据的解读需要注意两点：首先，绝对数值的差异反映了当前市场定义的模糊性和统计口径的不一。其次，高度一致的CAGR预测，则明确无误地指向了资本和产业对这一赛道的巨大信心和投入。AI原生游戏作为其中技术最新、最具颠覆性的子集，预计将成为增长最快的领域。QuestMobile的数据也显示，AI原生应用的用户规模和用户粘性正在经历爆发式增长，这为AI原生游戏的市场接受度提供了佐证。

5.2 开发者面临的关键挑战

尽管前景广阔，但通往成功的道路上仍布满荆棘。开发者需要正视并解决以下几个核心挑战：

• “智能体控制问题” (The Agent Control Problem)：如何在赋予AI智能体高度自主性的同时，确保其行为符合游戏的核心叙事和设计意图？这是在“涌现性”与“可控性”之间寻找平衡的艺术，也是当前AI原生游戏设计的核心难题。

• 计算成本管理：如前所述，“成功税”是悬在采用云端推理模式的开发者头上的达摩克利斯之剑。一款游戏的爆红可能因高昂的API调用费用而导致开发工作室破产。因此，成本控制必须从项目第一天起就纳入核心设计考量。

• 实时性能保障：延迟是沉浸感的杀手。对于需要实时对话和反应的AI原生游戏，将AI系统的响应时间控制在500毫秒以内是保证良好体验的及格线，这对技术架构提出了极高要求。

• 内容安全与审核：生成式模型的“黑箱”特性意味着它们可能产生带有偏见、不当甚至违法的内容。开发者有责任建立强大的内容过滤和安全护栏机制，以确保游戏环境的健康，并规避合规风险。

5.3 面向未来的战略要务

面对机遇与挑战，游戏产业的不同参与者应采取差异化的战略：

• 对于游戏工作室：建议从小处着手，进行小规模、目标明确的试点项目。与其一开始就挑战构建一个完全AI原生的开放世界，不如先在现有成熟类型中整合一个“终极AI队友”，或开发一款场景有限的“无限故事讲述者”游戏。组建5-10人的“忍者团队”进行快速实验和学习，是积累经验、降低风险的有效方式。

• 对于发行商：应积极投资于赋能技术和相关人才。AI原生游戏开发需要的是游戏设计、机器学习工程和创意写作等领域的复合型人才。与NVIDIA、Inworld等中间件提供商建立战略合作关系，可以有效降低旗下工作室的技术门槛和开发风险。

• 对于投资者：需要穿透炒作的迷雾，看到真正的价值所在。长期来看，AI在游戏领域的价值洼地不在于替代人工的美术资产生成，而在于创造出只有AI才能实现的新颖玩法循环。那些能够围绕其专有AI系统构建独特设计哲学和护城河的公司，将拥有最持久的竞争力。

结论：游戏新纪元的序幕

本报告系统地定义了AI原生游戏，将其区别于传统游戏AI和AI辅助开发，并提炼出其涌现性、自主性、共创性三大核心支柱。通过分析四个主要发展方向——无限故事讲述者、鲜活世界模拟器、终极AI队友和AI驱动游戏引擎——报告描绘了这一新兴领域的商业化路径图。分析表明，这并非遥远的未来构想，而是一个由NVIDIA、Inworld等技术供应商构成的强大生态系统正在推动的、正在发生的现实。

未来的2到3年，将是AI原生游戏发展的关键实验期。行业的目光将聚焦于《inZOI》等首批商业化大作的市场表现，NVIDIA ACE与Inworld AI等平台的功能迭代，以及“世界模型”技术何时能走出实验室，迎来首次商业应用。这些事件将共同塑造AI原生游戏的早期市场格局。

最终，向AI原生设计的转变，其意义远超技术本身。它关乎于从根本上重塑玩家与游戏世界之间的关系。我们正在从“玩一个别人写好的故事”，过渡到“在一个能与你共同创造故事的世界里生活”。那些能率先掌握这门全新艺术的创作者，无疑将定义互动娱乐的下一个十年。