米哈游AI实验烧钱30万美元 结果不理想
# 米哈游AI代理实验：烧钱学费背后的Agent协作困境
🔬 Tech Brief： 当数十个AI代理被放任相互“讨论”项目时，它们在13小时内消耗近30万美元Token，却产出充满幻觉的无效结果，这暴露了当前多Agent系统在实际部署中的成本与可控性硬伤。 [1]
📌 关键事实
– 事件发生时间：2026年5月20日左右，在2026阿里云峰会上由米哈游《崩坏》系列AI NPC & Gameplay技术团队负责人郑银河分享。
– 核心主体：米哈游崩坏IP项目组内部实验，员工搭建数十个AI Agent协作。
– 事件关键数据：13小时内消耗价值约200万元人民币（近30万美元）的Token，最终输出充满幻觉，无法使用。
– 公司背景：米哈游计划在AI领域投入重金，已开发自研Echo Agent平台，用于游戏生产管线升级。
– 后续措施：实验后平台新增成本管控、上下文裁剪和循环检测机制。
事件还原
事件的核心是多Agent系统失控导致的极端Token消耗。 据郑银河在2026阿里云峰会的分享，一名员工为测试项目协作，连接了数十个AI代理共同工作。这些代理开始相互生成输出、审查彼此成果，形成循环对话，最终在员工下班后持续运行13小时。 [2]
这一过程未设置有效上限，导致Token费用迅速飙升至200万元人民币左右。最终产出的内容因反复迭代出现严重幻觉，整体结果无法投入实际使用。米哈游将此视为“学费”，并据此优化了Agent平台。 [3]
我们接受在探索AI时有成本、有学费，这也帮助更完善我们的Agent平台。
—— 来源：郑银河，2026阿里云峰会分享
评论视角
这一事件凸显当前AI Agent协作在游戏工业化管线中的技术瓶颈。 米哈游作为《原神》《崩坏》系列的开发商，正积极将AI从辅助工具推向L3级“数字员工”阶段，但多Agent交互容易陷入无限循环和幻觉放大。相比单纯聊天场景，游戏开发对事实锚定和一致性要求更高，当前大模型的概率采样特性使其难以稳定输出可生产级内容。 [4]
行业层面，这反映出Token经济与工程保障的矛盾。OpenAI等公司也在探索Agent，但类似高消耗案例提醒从业者：模型能力提升快于工程体系建设。米哈游的重金投入（计划百亿级）显示游戏巨头正将AI视为核心竞争力，但“烧钱买教训”也证明，战略推进需匹配严谨的成本与评测框架。
影响预判
短期（6个月内），事件将加速行业对Agent平台的治理工具开发。 更多公司会优先添加Token上限、循环检测和人类干预机制，避免类似失控。米哈游的案例可能成为警示，推动阿里云等云服务商优化企业级AI监控功能。
长期（3-5年），这将推动多Agent架构向分层混合智能演进。 游戏行业可能形成“快思考Agent（创意生成）+慢思考框架（事实校验）”的成熟模式，帮助米哈游等企业在内容生产上实现效率跃升。但若幻觉问题未根本解决，高成本将限制中小团队采用，强化头部玩家的技术壁垒。
常见问题解答
❓ 该事件是什么？米哈游AI实验的核心内容
米哈游崩坏项目组在内部测试多AI Agent协作时，因代理间循环对话未加限制，13小时消耗约200万元人民币Token。最终输出充满幻觉，无实际价值。该事件由团队负责人郑银河在2026阿里云峰会上公开分享。
❓ 为什么这个实验重要？它反映了AI行业的什么问题
它突出了多Agent系统在实际运行中的成本失控与幻觉风险。即使像米哈游这样资源雄厚的公司，也需付出高昂“学费”。这提醒行业，Agent技术落地远不止模型调用，还需强大工程体系支撑。
❓ 接下来行业趋势会如何？米哈游等公司会怎么应对
短期内更多平台将强化成本管控和防循环机制；长期将促进混合智能架构发展。米哈游将继续大规模投入AI，用于游戏管线升级，目标是让AI成为“数字员工”。
❓ MiHoYo AI experiment对普通开发者有何启示
开发者应在实验前设置Token预算、监控机制，避免意外高额消耗。优先从小规模、可控场景起步，逐步验证多Agent协作的有效性。
📅 本文信息更新至2026年5月31日，内容综合自X实时热搜、阿里云峰会分享及权威科技媒体报道，仅供参考。
