PUBG Ally展示了为什么AI队友需要两个大脑:快速反射和慢速推理

语言模型可以谈论交火,但它不应负责交火中的每一个移动、瞄准调整和瞬间反应。NVIDIA ACE 和 KRAFTON 的 PUBG Ally 表明,有用的 AI 队友需要的不仅仅是一个模型:快速游戏控制和较慢的语言推理是不同的任务。
为什么一个 AI 模型不应运行整个角色
现代游戏角色必须在截然不同的时间尺度上解决多个问题。
它可能需要在几毫秒内避开障碍物、对附近的枪声做出反应、遵循玩家命令、决定是否拾取物品、用自然语言解释计划,并记住玩家之前的要求。
试图通过一个语言模型循环强制处理所有这些会造成时间不匹配。模型擅长语义推理和规划,但实时控制通常需要能够在每个游戏 tick 做出反应的确定性逻辑。
PUBG Ally 使用双速架构
KRAFTON 将 PUBG Ally 描述为由 NVIDIA ACE 驱动的可共同游玩的 AI 队友。该系统结合了玩家语音、实时比赛状态、小型语言模型和游戏端控制逻辑。
根据 NVIDIA 的技术深度解析,该架构将 System 1 行为树与 System 2 语言模型分开。行为树处理快速反应的游戏玩法,如移动和战斗,而语言模型处理深思熟虑的推理、沟通和协调。
这种分离是实时游戏 AI 中最重要的设计模式之一,因为它赋予每个子系统对其实际适合执行的工作的权限。
双速游戏代理模型
实用的 AI 队友如何划分工作
游戏代理中的 System 1 与 System 2
| 快速反应层 | 深思熟虑的推理层 | |
|---|---|---|
| 时间尺度 | ||
| 典型任务 | ||
| 如果太慢 | ||
| 最佳控制风格 |
实时游戏状态是模型有用的原因
PUBG Ally 模型不仅仅从对话中推理。NVIDIA 表示,游戏引擎通过以文本描述表示的观察工具向代理暴露实时比赛状态。
这很重要,因为队友需要知道现在正在发生什么:玩家说了什么、附近存在哪些物品、危险来自哪里,以及之前的计划是否仍然有效。
这与适用于任何游戏助手的可靠性原则相同:当正确的行动取决于当前会话状态时,通用的游戏知识是不够的。
行动权限边界
一个有用的实时游戏代理需要在模型可以决定什么和游戏引擎可以实际执行什么之间划清界限。
模型可以选择一个目标,例如“移动到掩体”、“拾取弹药”、“跟随玩家”或“与那个敌人交战”。然后,游戏端控制器应将该意图转化为合法的、有边界的行动,遵守导航、动画、冷却时间、物理和游戏规则。
良好与危险的代理控制
| 有界架构 | 无界架构 | |
|---|---|---|
| 移动 | ||
| 战斗 | ||
| 物品栏 | ||
| 语音 |
为什么事件驱动推理优于持续的语言模型轮询
PUBG Ally的模型循环被描述为事件驱动。它可以由玩家说话或相关的游戏内事件触发。
这比要求模型在每一帧都重新思考整个世界更高效。大多数帧不需要战略决策。
一个好的触发系统会在语义重要时调用语言模型:新命令到达、威胁改变计划、目标完成、物品变得相关或当前计划失败。
决策触发过滤器
语言模型应该在什么时候唤醒?
设备端推理改变了设计空间
NVIDIA ACE的设计围绕设备端推理以及云选项。对于PUBG Ally,NVIDIA表示小型语言模型在玩家的GPU上本地运行。
已发布的架构使用一个20亿参数的Mistral-NeMo-Minitron模型,旨在适应PUBG本身运行后剩余的VRAM空间。
这是一个不小的限制。游戏AI不能简单地消耗所有可用的GPU内存或计算资源,因为图形工作负载仍然优先。
AI推理现在与渲染竞争
这给游戏带来了新的资源问题:图形渲染和AI推理可能共享同一个GPU。
NVIDIA的In-Game Inferencing SDK旨在将本地AI模型与图形工作负载一起调度。其目的不仅是运行模型,而且要在不破坏游戏帧时间预算的情况下做到这一点。
这意味着未来的性能评测可能不仅需要衡量DLSS、光线追踪和VRAM使用情况,还需要衡量本地NPC推理的成本。
游戏AI资源预算
| 资源 | 图形渲染需要它用于 | AI智能体需要它用于 |
|---|---|---|
| VRAM | 纹理、缓冲区、几何体、光线追踪、帧生成 | 模型权重、KV缓存、嵌入和推理缓冲区 |
| GPU计算 | 光栅化、RT、神经图形 | SLM/ASR/TTS推理 |
| CPU时间 | 模拟、绘制提交、游戏系统 | 智能体编排、工具、文本处理 |
| 内存带宽 | 资产和渲染工作负载 | 模型执行和数据移动 |
| 帧时间余量 | 流畅呈现 | 低延迟推理且无可见卡顿 |
为什么小模型在游戏内是合理的
游戏智能体不需要知道互联网上的一切。它需要理解游戏的词汇、当前状态、动作工具以及一组有限的相关知识。
这就是为什么NVIDIA ACE强调针对游戏硬件优化的小模型。KRAFTON还描述了PUBG Ally的领域适应:该模型被限制在Sanhok地图和AI Duo上下文中,并围绕PUBG特定概念和工具使用进行训练。
如果其世界、工具和动作边界定义良好,一个较小的专用模型可能比一个大得多的通用模型更有用。
RAG和工具解决不同的问题
NVIDIA的ACE Game Agent SDK公开了Agent、Chat和RAG API。这些是独立的能力,因为知识检索和动作执行不是同一回事。
RAG可以提供有依据的游戏知识,例如物品规则、阵营数据或机制。工具则公开智能体在实时游戏中可以观察或执行的内容。
智能体可能检索到正确的事实,但如果它拥有错误的实时状态或调用了错误的动作,仍然会失败。知识、状态和动作权限都需要分别验证。
传统NPC仍然更擅长什么
语言模型智能体并非自动在每项NPC任务上都更好。
当期望的行为已经明确时,脚本化逻辑更便宜、更容易测试且更可预测。一个只有三种固定状态的守门人不需要智能体式推理循环。
最强的用例是那些自然语言、广泛规划、上下文适应或玩家特定协调能够创造静态逻辑难以提供的价值的情境。
何时使用脚本化AI与智能体AI
| 传统/脚本化AI | 智能体AI | |
|---|---|---|
| 可预测性 | ||
| 开放式语言 | ||
| 意外的玩家意图 | ||
| 反射动作 | ||
| 确定性QA |
智能体可靠性循环
在每个有意义的智能体动作前后应该发生什么
为什么自然语音会让错误更具说服力
ACE 可以结合自动语音识别、语言推理和文本转语音,让队友能够自然地听、行动和说话。
这提升了沉浸感,但也增加了对事实依据的需求。像“我捡起了医疗包”这样自信的口语句子听起来很有权威性,即使物品交互失败了。
因此,语音应尽可能报告已确认的状态,而不仅仅是模型意图执行的动作。
多语言游戏智能体正变得切实可行
NVIDIA 在 2026 年扩展了 ACE,加入了用于语言、语音识别和语音合成的多语言端侧模型。
NVIDIA 2026 年 5 月的开发者更新介绍了 Qwen 3.5 4B 对 201 种语言和方言的支持、Riva Parakeet TDT 600M 对 25 种语言的语音识别,以及 Chatterbox Multilingual 500M 对 24 种语言的语音。
这拓宽了 AI 伙伴的设计空间,使其不再局限于仅支持英语的演示,并使本地语言交互成为现实的产品功能。
什么会改变这个答案?
如果未来的模型能够在保持足够小以与图形工作负载并行持续运行的同时,实现确定性的亚帧动作延迟,那么架构可能会变得更加统一。如今,将反射控制与语义推理分离仍然是更实用的设计。
专门的神经控制策略也可能取代一些传统的行为树功能,但对明确动作权限、状态验证和快速执行的需求仍将存在。
局限性
PUBG Ally 只是一种实现,并不能证明每款游戏都应采用相同架构。不同游戏类型有不同的延迟、确定性、硬件和玩法要求。
公开的架构细节也主要由 NVIDIA 和 KRAFTON 提供。它们有助于理解已实现的系统,但不应被视为独立的性能基准测试。
结论
游戏智能体的未来不太可能是一个巨大的模型取代游戏 AI 技术栈。
PUBG Ally 指向的是一种混合架构:语言模型解读意图并做出高层决策;确定性控制器执行快速游戏操作;实时状态让模型保持接地;游戏引擎保留对实际可发生事件的最终决定权。
胜出的设计不是那个思考一切的智能体,而是那个知道自己该思考什么——以及什么应该留在游戏循环中的智能体。
常见问题
AI 队友、NVIDIA ACE 与游戏智能体
PUBG Ally 是否使用一个 AI 模型控制一切?
为什么不让 LLM 直接控制移动?
PUBG Ally 是否在云端运行?
AI 如何知道比赛中正在发生什么?
什么是 ACE Game Agent SDK?
AI 智能体会取代脚本化 NPC 吗?
术语表
关键游戏智能体术语
- System 1 控制
- 用于移动、战斗和导航等即时动作的快速反应式游戏侧逻辑。
- System 2 推理
- 用于规划、玩家意图解读、协调和对话的较慢的审慎推理。
- 双速游戏智能体
- Figure Rocks 提出的一种模型,将反射级游戏控制与更高层的模型推理分离开来。
- 观察工具
- 一种游戏侧接口,以结构化或文本形式向 AI 智能体暴露选定的当前状态。
- 智能体框架
- 连接模型推理、观察、工具、记忆、检索和游戏侧执行的编排层。
- NVIGI
- NVIDIA 的游戏内推理框架,用于在游戏图形工作负载的同时运行和调度本地 AI 模型。
主要来源
NVIDIA 开发者 — KRAFTON 如何构建 PUBG Ally官方技术深度解析,涵盖 System 1 行为树 / System 2 SLM 架构、实时游戏状态观察、设备端推理和领域适应。
NVIDIA 开发者 — 游戏 ACE官方 ACE 概述,涵盖 Game Agent SDK、Agent/Chat/RAG API、设备端模型和自主游戏角色用例。
NVIDIA 开发者 — 构建设备端 AI 伙伴2026 年 6 月官方文章,介绍 Game Agent SDK、虚幻引擎插件和设备端 AI 伙伴架构。
NVIDIA GeForce — PUBG Ally 双人模式测试版官方文章将 PUBG Ally 描述为协作型自主 AI 队友,以及 ACE 超越对话式 NPC 的演进。
NVIDIA 开发者 — 多语言 AI 角色2026 年 5 月官方更新,介绍用于语言、ASR 和 TTS 的多语言设备端 ACE 模型。
Related Articles

Windows Auto SR 不是 DLSS:NPU 如何在无需游戏集成的情况下实现超分辨率
Windows Auto SR 可以在没有 DLSS、FSR 或 XeSS 集成的情况下对支持的游戏进行超分辨率处理。Windows 不是在游戏内于 GPU 上运行重建模型,而是使用 NPU 从较低分辨率的渲染中重建出更高分辨率的图像。
帧率上限设置方案:适用于VRR与非VRR显示器的稳定目标帧率
稳定的帧率胜过不稳定的峰值。使用这些简单的帧率上限设置方案,为VRR和非VRR显示器稳定帧生成节奏。

DLSS 4.5 6X:为什么 300 FPS 并不意味着游戏正在渲染 300 帧
DLSS 4.5 可在支持的 RTX 50 系列 GPU 上为每个传统渲染帧生成最多五个额外帧。本指南解释了渲染 FPS 与显示 FPS 之间的区别、为何可在呈现层绕过 CPU 瓶颈,以及为何延迟仍需单独测量。

DirectX 正在成为一个机器学习平台:线性代数和神经着色器对未来游戏意味着什么
DirectX 正在超越传统的图形着色器。微软正在将硬件加速的线性代数直接添加到 HLSL 中,并为更大的机器学习模型提供一条独立路径,为神经纹理、学习材质、神经光照以及其他 AI 驱动的渲染技术奠定基础。
120Hz 感觉更差?诊断清单(错误模式、VRR范围、上限)
高刷新率可能暴露不稳定性。请使用此检查清单来诊断为何120Hz体验不佳:模式设置错误、刷新路径不当、VRR范围问题或缺少兼容性支持。

英特尔 XeSS 3 不止是超分辨率:多帧生成与 Xe 低延迟详解
XeSS 3 不再仅仅是英特尔的超分辨率技术。它现在集成了超级分辨率、帧生成、多帧生成和 Xe 低延迟,在支持的英特尔硬件上,每个渲染帧最多可生成三个 AI 帧。

AMD FSR Redstone 不仅仅是 FSR 4:超分辨率、帧生成、光线再生与辐射缓存详解
AMD 的 FSR 命名之所以改变,是因为 FSR 不再是一项单一功能。Redstone 现在是一套神经渲染套件,包含用于超分辨率、帧生成、光线追踪重建和学习型全局光照的独立技术。
运动清晰度:为何会产生模糊及其有效解决方案
动态模糊不仅仅是一个设置——它是时机与持续性的结合。掌握实用顺序:先选对模式,再调对刷新率,最后进行关键的少数清晰度优化。

DLSS 5 不只是超分辨率:3D 引导的神经渲染究竟改变了什么
DLSS 5 将 AI 引入图形渲染管线的新环节。3D 引导神经渲染不再仅仅重建分辨率或生成额外帧,而是以游戏引擎自身的帧为基础,在开发者控制下增强光照与材质细节。

为什么PC游戏在编译着色器时会卡顿——以及高级着色器分发如何改变这一现状
着色器卡顿发生在 PC 游戏不得不在错误时机编译 GPU 程序的时候。Microsoft 高级着色器交付通过提前准备硬件专用着色器并随游戏一起交付,将大部分工作从玩家 PC 上移走。