曾融資6億的Top 1公司大轉型：想解決游戲行業50%的AI焦慮？

未來或許依舊是專業的人做專業的事。

任何人都可以用AI做自己想做的東西。游戲團隊以前難搞定的中臺，也如此。

過去一個數據中臺，10-15人，1-2年，才能勉強搭中臺，現在可以壓縮到1-3個資深人員配上大模型，外加一周時間就能搞定，往后也只要1-2人便能每天一個版本地迭代。

所以有個論調叫：SaaS已死，人人都能隨手搓軟件……但實際情況如何呢？

至少，我問SaaS起家、做了游戲數據中臺十年的數數科技，他們早沒了FOMO，在花幾年實際用了AI后，在和上千家游戲廠商聊完后，他們想明白了兩件事：

第一件事，現在爆發的是應用，引擎還無法替代。游戲廠商要經營好，要的是「即插即用」，就像開發游戲用引擎一樣，穩定性強，還要越用越好。軟件不關鍵，那些支撐軟件的底層框架才是中臺的關鍵。

第二件事，每個游戲廠商都知道要轉型成AI組織，但AI型組織是什么模樣，又該如何運轉呢？現在沒人知道答案，那數數科技要跑到整個行業前面探路。

如果要提出有前瞻的idea，那整個企業的部門結構和成員職能都要變，不止要跑得快，最好還要夠聰明。

前不久聯想的副總裁總結過「企業用AI」的三個難處：不知道怎么結合？不知道安不安全？不知道要燒多少Token才能用好？所以，當浪潮褪去，回歸理性，專業的事依舊需要專業的人來做。

于是這家做數據服務的公司，決定轉身向AI服務走去。如果做成，游戲廠商能不用任何調教便能用上企業級Agent平臺，往長遠來說，大家還能順利往AI型組織轉型。

其實十年前，數數科技便擅長做前瞻的事，他們曾在所有人還沒理解數據多重要時，說要做一個SaaS，讓數據像自來水一樣隨擰隨用。

十年后的現在，這家曾融資6個億，做到游戲行業數據分析Top 1的公司又在做相似的事。在所有人把AI當玩具，沒理解AI能給企業帶來什么影響時，他們要做AaaS，Agentic as a Service，讓游戲廠商有個能和團隊協作的超級大腦。

今年4月底，為了表達這種決心，他們將公司名從ThinkingData改成ThinkingAI，然后推出了AI時代的新中臺：Agentic Engine。他們似乎想用Al解決除了核心創作之外的，那50%讓游戲公司焦慮的事情。

01

仍然難以自建的底層框架

新產品的界面像AI對話框，說想法就能拿結果——這些結果包括不限于，傳統的數據看板，項目日報，以及做完任務回來匯報的AI日志。

Agentic Engine已經不算數據中臺：每一個人，每天來工位的第一件事，就是打開Agentic Engine，問變化，看項目進度，然后和Agent一起規劃工作。

一家游戲廠商的所有人都可以被這個平臺鏈接起來。

Agentic Engine的底層是來自ThinkingAI的數據底座，迭代了十余年。

調數據，速度夠快，覆蓋面也廣。一組數據提出來做成看板只要兩三秒，一套看板能同時調行為數據和社區輿情，通常做一次分析就能調取實時數據、歷史數據，綜合地找出問題所在。

如今的數據底座，還足夠懂業務。現在問它要「付費用戶數」「關卡通過率」，Agent的專業知識也夠硬，知道指的是什么數據，能準確調用對應表。

一切數據都會流向這里。Agentic Engine會像團隊的第二大腦一樣，有常規的行為和付費數據、社區輿情這樣的非結構數據，還有團隊日常的討論和會議信息。這些事情意味著，Agent有全域的信息去做出判斷。

閉環執行是這個中臺面向未來的功能。傳統中臺只到拿數據這一步，Agentic Engine要將分析和執行也涵蓋進來，再返結果。現階段，它還在和人一起摸索流程，場景也還只有運營。后續，它還會增加AB test、投放等場景，全面覆蓋。

「主要是安全，所有數據和模型都是私有化部署，」CTO周津說，他們已經改成能扛住企業級Agent的框架，「每個人裝上Agent已經不是難事，但企業要即插即用地用好Agent還很難。」

現在企業建Agent中臺難用，是因為AI做的多是短鏈業務，人人能驗證idea，快速拿結果，但也因為短鏈，不夠穩定，游戲廠商需要的是能支撐長期經營的長鏈——穩定、可靠、可治理。

舉個例子，如果拆開ThinkingAI的Agentic Engine，它是典型的企業需要的長鏈。

最上層的Agent，很接近人人可實現的軟件層。如果只有這一層，那Agentic Engine可以被隨便替代，現在一個14歲小孩都知道怎么配置：接上LLM大腦，外置記憶庫存數據，再接CLI開各種軟件的訪問權限。

所以往下，Agentic Engine下面有兩層技術搭長鏈。

中層是他們服務游戲行業十余年的Thinking Engine，能搭看板BI，能做多種業務分析。上層的Agent會優先在這里調內容分析，如果用戶看不明白，還能調看板去查，而這里有跑了多年的業務系統能接住AI的思考。

再到最底層。當中層解決不了問題，Agent還可以探到最底層的數據倉庫去查——這個迭代十余年架構，又做了數據規范后的倉庫，能幫Agent兜底，讓它少胡說，多查證。

這條長鏈是未來做成閉環執行的基礎，也是游戲廠商難自建出即插即用的Agent的原因。

時間回到兩三年前，當時還叫數數科技的ThinkingAI已經做了近十年游戲數據中臺，鷹角、點點、三七都是他們的客戶，但AI的出現，讓他們有了新的方向。

最早，ThinkingAI想搭出游戲廠商和AI鏈接的最后一公里。他們梳理十年的游戲行業經驗，搭workflow，做行業prompt庫，讓AI接進來就能理解行業信息，能進行工作對話，保證做事夠專業，不給假消息。

傳統數據中臺做AI并不容易。「國內項目都是做長線，數據表命名不規范，加上會不斷出新功能，也很難標準化，這就讓AI查表的準確率不夠。」于是周津想到「AI糖」，像給小獎勵一樣，在數據中臺的每個模塊都加小型的AI模塊，讓游戲團隊先嘗嘗和AI協作的甜頭。

幾個月后，他們換AI Native的思路，完全基于AI優勢做輿情數據項目。過去市場和運營看社區靠人肉看，現在大語言模型本就是處理文本的高手，能看得懂黑話，懂口語表達，可以幫游戲廠商抓取社區對產品的態度和修改意見。

轉折來自今年春節出現的OpenClaw，全自動化的框架加上vibe coding，任何人都可以做成自己的軟件，哪怕是ThinkingAI花大力氣做的AI Native輿情項目也能輕松解決。

看著媒體每天報道的「SaaS已死」，他們想到的唯一的解法是全身心地投入其中。那段時間，周津和幾位高管在終端搭建了自己的Agent分身，將知識庫和工作信息全部同步過去，和團隊一起摸索了和Agent相處的方式。

不到一個月，這家公司確定了新方向：與其盯著游戲廠商的需求出解決方案，不如跑到行業前面去，搭建一個屬于AI時代的工作流。這也是Agentic Engine誕生的源點。

而AI時代工作流的第一個變化便是，上一個時代的訴求止步于拿數據，但下一個時代，需要拿到準確的分析和執行結果。

ThinkingAI（數數科技） 聯合創始人兼CTO 周津

02

AI對企業更遠的價值

ThinkingAI經常將自己過去的價值總結為「十年服務游戲產業的經驗」，而他們最近在忙的，是將這一切「蒸餾」成Skill。

舉個例子，如果付費差，我要下鉆分析，查異常數據，然后排查異常的維度，那有了數據異常之后我又該怎么做運營？當運營結束之后，我又要怎么看回執數據，來判斷運營效果如何？

這一輪問題研究&解決下來，便是一個Skill。每一個Skill本質上都在告訴Agent，沒必要浪費時間慢慢探索思路，有一條最短路徑給你走，這能幫游戲團隊降低不少Token消耗。

提煉AI Skill并不難。ThinkingAI一直有「客戶成功」團隊，他們會到一線和簽約廠商對接，設計埋點方案，為大家寫SQL解決業務問題。這些人積累很多，有打不完的彈藥。

難的是把效果調好。一開始他們看Agent回答的準確率，現在則更多看Agent給的思路，對一線業務有沒有幫助。這也是ThinkingAI應對數據治理困難的辦法：現階段沒必要苛求絕對正確，不如先讓它以超級助手的定位來啟發人。

如今ThinkingAI已經做了上百個Skills，等Agentic Engine上線時，團隊會先篩出質量最高的50-100個首發。

「行業經驗就是業務上的ROI，MCP加Skill的調用和封裝，其實就是把最高效、最快速、最短捷的一個路徑告訴了Agent。」周津說。

周津在大會上說，Agentic Engine其實有第四個支柱：「用好Agent」。

一家游戲廠商最關注的問題，就是Agent能否可觀測、可診斷、可優化。這也是ThinkingAI現在做的事情。「我們現在搭Agent就是一步步標注它的問題，優化流程。不是讓大家用上就行，而是能讓大家逐步地用好這個東西。」

現階段，Token浪費是常見現象。一個招呼、一句夸贊，上萬Token就被浪費了。而搭建一個流程本就是要不斷報錯，解決，改流程，重新測試，遇到BUG的話可能一天會燒掉一周60%的配額。

「我們在幫行業探路。」周津說。ThinkingAI最近測Agent的方式是算ROI，開日志審計每一批Token產出的結果，哪些有意義，哪些沒意義，然后想辦法約束或者改流程，省掉無意義的Token開支。

最終拿到游戲廠商手里的Agent，會是做好測試，能高效率、高質量、低Token消耗的Agent。而這個調試經驗，還能幫游戲廠商去優化屬于自己的Skills，像滾雪球一樣，把Agent越用越好。

過去與他們簽下合作的游戲廠商，很多都是看重ThinkingAI團隊本身，像Habby、九九互動等團隊的人都提到過這一點：他們相信ThinkingAI的人會和自己一起前進，知曉業務需求，再回去迭代自己，跟著產業成長。

過去如此，AI時代也如此，無論是「蒸餾Skill」「用好Agent」，還是他們在北美宣布和MiniMax深度合作，都來自這個邏輯，殊途同歸。

ThinkingAI說自己要做的是游戲產業企業級的Agent，但其實它的最大價值不止于此。

企業AI要創造價值，要解決更高維度的組織AI能力。這也是ThinkingAI積累了十年后，下一步要做的事情：怎么走到行業前面去，幫大家提前找到AI時代的組織協作？

大眾認知里，數據中臺的價值是拿數據。數據拿到手后都是人的工作，分析，再交給其他團隊處理。因為以前拿數據是漫長且困難的過程，ThinkingAI過去做的工作便是縮短拿到數據的過程。

如今到了AI時代，過去游戲廠商要拼盡全力才能獲得的結果到手后，下一步該追求什么？ThinkingAI現在給的答案是閉環執行，是用好Agent后，只要一句話便能「一步到位」地拿到執行與反饋。

而當每一個人都能用好Agent，整個團隊都能用好Agent，會有怎樣更大的價值被創造出來？這會是Agentic Engine正式上線后，游戲行業和ThinkingAI一起驗證的方向。

03

動態地跟上時代

其實理論上，ThinkingAI的一切都能在未來被足夠強大的AI復刻，過去的經驗和想法，既然可以沉淀成架構和Skills，那就代表它可被AI執行。一勞永逸？不存在了，AI已經大幅拉低了這個復刻的門檻，一切只是時間問題。

不過，AI時代也有個看似自我安慰，但其實很有道理的理論：今日之我，并非昨日之我。AI復刻的永遠是過去的積累，但任何個人和企業，都會在每一天獲得新的想法，然后成長。

ThinkingAI現在學會的是替行業提問，學會不滿足，這是他們設立Agentic Engine平臺的立命所在，也是他們今年考慮組織轉型的原因。

如果將過去所做都視為靜態地沉淀經驗，那么擺在面前的未來，便是要動態地不斷求索。

怎么動態地向前呢？ThinkingAI的答案是，自己要先知道怎么和AI協作，而且他們已經實踐了很長一段時間。

CTO周津在采訪間隙指著電腦下方的插件說，他用Agent給自己搭了個「外腦」，鏈接自己所有的知識庫和飛書信息。他和媒體對談時會用豆包ASR收錄會議，這邊按自己的想法回答，那邊再由Agent自動為他分析回答，然后補充與問題相關但他沒提及的信息。

市場部負責人建了自己的Agent分身，把大部分能標準化、流程化的工作都交給它來負責。上至一個階段的品牌定義是什么，它在海內外的變形是什么，下至品牌對外輸出的內容該以什么標準撰寫……這個Agent可以審校部門大部分成員的工作。

前不久的員工大會，AI項目負責人的Agent和CTO的Agent對齊演講方案，兩「人」四句話敲定了方向，給各自的本體同步結果。「以前動不動開三四個小時的例會慢慢會消失，Agent快速對齊信息，充分透明了，整個組織才會產生高效的決策。」

ThinkingAI的幾位高管已經運轉起小型的AI組織，從「人到人」轉向「人-Agent-Agent-人」：Agent像組織的血管一樣快速流通，向人輸出結果，而人則要不斷迭代自己的認知，向組織注入源源不斷的idea。

這家公司正在迎接AI時代的組織進化，走到產業前方，摸索前路，然后讓這個進化融入到產品中，再帶動游戲廠商理解并消化企業與AI的相處方式。

「肯定會有人會落下，但不是AI把人替換掉。」市場負責人說，「但是會用AI的團隊，比不會用AI的團隊有更強的競爭力。」

游戲葡萄招聘商務經理，

| |

| |

游戲行業書籍推薦： 葡萄書房

（星標可第一時間收到推送和完整封面）