公司 ModCraft
融资轮次 种子轮
融资金额 数千万人民币
投资方 商汤国香资本、L2F光源创业者基金
总部 未披露
创始人 李硕
官网 https://www.modcraft.games/

用 900 万 Token 做一个剧情 Mod，门槛降到了什么程度

ModCraft 目前提供两项服务：用户通过 AI 用自然语言制作游戏 Mod，以及在平台上发现、游玩和分享其他玩家创作的 Mod。据 36氪报道，平台已上架 28 款游戏，报道称这些游戏在 Steam 上具有较高知名度，包括《太吾绘卷》《光与影：33号远征队》《PEAK》等。该数字为公司口径，尚无独立第三方验证。这个数字本身不算大，但选品逻辑指向一个明确场景：这些游戏拥有活跃的玩家社区，却未必都有成熟的官方 Mod 工具。

李硕分享称，一位实习生在零代码基础下用 AI 为《太吾绘卷》做了一个剧情 Mod，整个过程消耗约 900 万 Token。该案例是否使用 ModCraft 平台完成，36氪报道未披露。这个案例说明了创作门槛的下降幅度，但它同时暴露了一个成本问题。900 万 Token 的推理成本取决于所用模型和上下文长度，具体成本未披露。如果普通玩家做一个 Mod 都需要消耗这个量级的 Token，平台要么承担高昂的推理成本，要么把成本转嫁给创作者，这会让“人人可做 Mod”的叙事在商业上变得复杂。

ModCraft 的切入点是用自然语言替代代码和工具链操作。这个方向能否成立，取决于 AI 对具体游戏工具链和知识库的覆盖程度。李硕认为，AI 能够制作一款游戏的 Mod，本身就意味着围绕这款游戏的工具链和知识库已经足够完善。但这个判断反过来也成立：如果某款游戏的工具链和知识库不够完善，AI 做 Mod 的能力就会迅速衰减。平台目前上架的前述 28 款游戏，可能正是那些工具链相对成熟、社区资料足够丰富的作品。扩展到更多游戏时，AI 能力的边际成本和质量稳定性还有待观察。

从 Mod 数据到模型训练，一条尚未被验证的数据管道

ModCraft 更核心的叙事，是把 Mod 创作和运行过程中产生的数据，转化为训练游戏 AI 模型的原料。36氪报道称，ModCraft 的 AI Lab 正在将 Mod 中的数据提取出来用于模型训练，并与字节跳动等模型厂商达成合作，合作形式与进展尚无独立第三方验证。这是本次融资报道中最具想象空间的部分，也是信息最不透明的部分。

据 36氪报道，由游戏视频平台 Medal 分拆而来的 General Intuition 利用 Medal 积累的游戏录像及其中与玩家行为、游戏事件相关的行动标签，训练能够在虚拟环境中感知、预测和采取行动的模型。两者的数据来源有本质区别：前者主要使用游戏视频和行动数据，而 ModCraft 试图通过 Mod 直接连接 AI 与游戏运行环境，主动产生并提取数据。这意味着 ModCraft 的数据管道理论上更接近“环境—行为—反馈”的完整闭环，而不是对已有录像的事后标注。

但这个理论优势要变成实际数据资产，需要解决几个问题。第一，Mod 运行数据的规模和结构化程度。前述 28 款游戏上的 Mod 数量、玩家游玩频次、数据采集的完整度，都未披露。第二，数据所有权。Mod 运行数据涉及游戏厂商、Mod 创作者和玩家三方，ModCraft 是否有权将这些数据用于模型训练，以及游戏厂商是否知情或授权，报道中完全没有提及。第三，与字节跳动等模型厂商的合作细节。合作形式是数据授权、联合训练还是其他模式，商业条款和收入贡献均未披露。

据 36氪报道，ModCraft 的 AI 研究团队成员均具备全球顶尖高校研究背景，其中包括多位 CMO（中国数学奥林匹克）金牌获得者，研究领域覆盖大语言模型与通用游戏智能。该团队背景为公司口径，尚无独立第三方验证。这个团队配置可以支撑模型训练的技术工作，但数据管道的商业化验证，还需要更具体的合作规模和收入数据来证明。

“Mod 版本的 Roblox”与直播定制，两条商业化路径的先后问题

ModCraft 的商业模式分为 C 端和 B 端。C 端方面，据 36氪报道，平台可以通过订阅模式向创作者收费，也可以和游戏厂商合作探索优质 Mod 的付费分发；长期希望成为“Mod 版本的 Roblox”。B 端有两种可能性：一是为游戏主播和直播工作室提供定制化 Mod 功能，二是让 Mod 成为厂商获取数据的入口，为 AI 视频模型或世界模型训练提供数据。

这两条路径的商业化成熟度完全不同。直播定制需求是已经被验证的场景。36氪报道提到，抖音平台上《红色警戒2》主播一直比较活跃，一个重要原因是这款游戏拥有较成熟的 Mod 工具，支持直播所需的种种功能。而 Steam 仅去年一年就新增了超过 1.8 万款游戏，大量游戏并没有成熟的 Mod 工具。这个供给缺口是真实的，AI 降低 Mod 制作和适配门槛后，更多游戏有可能承接直播定制需求。这条路径的付费方明确，需求频次高，但客单价和市场规模取决于直播机构的预算结构，ModCraft 尚未披露任何实际签约或收入数据。

C 端订阅模式则面临更严峻的付费意愿问题。ModCraft 尚未披露其订阅定价、付费转化率或目标用户规模，中国玩家对 Mod 付费的接受度需以平台实际数据验证。ModCraft 希望成为“Mod 版本的 Roblox”，但 Roblox 的经济系统建立在平台内创作、分发和变现的完整闭环之上，ModCraft 目前还处于创作工具和分发平台的早期阶段，距离建立创作者经济系统还有相当距离。

数据合作路径的想象空间最大，但商业化节奏最不确定。如果 ModCraft 能持续产出高质量的游戏运行数据，模型厂商确实可能成为付费方。但这条路径的前提是数据规模、数据质量和数据权利的合法合规，三者目前都缺乏公开信息。ModCraft 把三条路径同时摆在桌面上，实际上反映的是早期公司常见的策略：在核心数据管道尚未规模化之前，用 C 端工具和 B 端定制需求维持产品迭代和市场存在感。这个策略本身合理，但投资人需要清楚，本轮数千万人民币种子轮资金，在三条路径同时推进的情况下，能够支撑的验证深度是有限的。

资深 Modder 团队是壁垒，也是规模化时的约束条件

ModCraft 团队构成中一个显著特点是聚集了大量资深 Mod 创作者。据 36氪报道，团队 Lead Modder 吴理华曾制作《黑神话：悟空》的自走棋、Boss Rush 等多款知名 Mod，其中 Boss Rush 后来被内置为游戏玩法。另一位团队成员制作的《黑神话：悟空》整活 Mod，相关视频在 B 站获得 766.9 万播放，曾登上全站播放量总榜 21 位。此外，团队成员还包括《怪物猎人》《艾尔登法环》等游戏的知名 Mod 作者。李硕本人也是 Mod 作者，为《英灵神殿》制作过多款 Mod。

这批人的价值在于，他们掌握着 AI 产品经理难以复制的隐性知识：一款游戏的 Mod 工具链怎么搭、玩家社区在意什么、什么样的玩法改动会被接受。李硕说，这些资深 Modder 每天在公司说“我在用 AI 蒸馏我自己”。这句话的实质是，ModCraft 试图把资深 Mod 作者长期积累的经验转化为产品能力，让 AI 学会他们的创作判断。这是 ModCraft 与纯技术团队切入这个赛道的关键差异。

但这个团队结构也带来一个规模化问题。资深 Modder 的经验高度依附于具体游戏和具体工具链，一款游戏的 Mod 知识未必能迁移到另一款游戏。当平台从 28 款游戏扩展到更大规模时，团队经验的可复制性会面临考验。AI 能否真正“蒸馏”出跨游戏通用的 Mod 创作能力，还是只能在每款游戏上重复积累特定知识，这是 ModCraft 产品能力能否规模化的核心假设。目前平台尚未披露其 AI 创作功能在不同游戏上的成功率、生成质量和人工修正成本，这个假设的验证还处于早期阶段。

投资方押注的是数据入口，而非 Mod 工具本身

本轮投资方为商汤国香资本和 L2F光源创业者基金。本轮投资方名单目前见于 36氪报道，未见投资方或公司官方公告。从投资方构成看，商汤国香资本具有产业资本属性（编辑分析），其具体投资策略与协同安排尚未披露。L2F光源创业者基金则更偏向早期创业者生态。两家机构的组合，可能反映本轮投资逻辑更看重 ModCraft 作为游戏数据入口的长期价值，而非短期内 Mod 工具的用户增长或订阅收入；这一判断尚无投资方公开表态支持。

从投资逻辑看，ModCraft 试图构建的数据闭环，起点是前述 28 款游戏上的 Mod 创作与游玩行为。要形成可持续的模型训练数据供给，平台需要先在这些游戏中积累足够多的 Mod 数量、玩家游玩频次和反馈数据。目前平台已披露的 28 款游戏、未披露的 Mod 数量和用户规模，距离支撑模型训练所需的最小数据规模还有多大差距，外部无法判断。与字节跳动等模型厂商的合作若能进入实质数据交付阶段，可能为数据管道的商业价值提供初步验证，但合作细节尚未披露。

另一个值得注意的点是，ModCraft 的创始人李硕是游戏行业老兵。据 36氪报道，他 2010 年毕业后加入腾讯参与《剑灵》项目，2015 年加入游族网络，曾担任《权力的游戏：凛冬将至》制作人。36氪报道提到，他此前主导开发原创开放世界生存建造游戏《炭熄》，该项目曾获得 B 站投资；这是历史项目背景，与本次融资无关。这个履历意味着他既理解游戏开发流程，也有过创业融资经验。但 Mod 平台和 AI 数据管道，与他此前主导的原创游戏开发是两种不同的业务形态。前者更接近平台运营和数据工程，后者更接近内容生产。创始人的游戏行业背景有助于理解玩家需求和厂商痛点，但能否驾驭一个横跨 UGC 平台、AI 模型训练和数据合作的复合型业务，还需要更多执行层面的证据。

未来 3 到 6 个月，真正需要被验证的不是模型能力

36氪报道称，公司未来 3 到 6 个月将扩展支持的游戏数量，并开始训练模型的游戏能力。这两个目标分别对应平台增长和数据管道建设，但它们的验证优先级并不相同。

扩展游戏数量是相对可衡量的目标。从 28 款扩展到多少款、新增游戏在 Steam 上的用户规模、每款游戏上产生的 Mod 数量和用户活跃度，这些指标可以直接反映产品在市场上的接受度。如果游戏数量扩展顺利，但每款游戏上的 Mod 创作量和游玩量没有同步增长，说明 AI 创作工具的体验或分发效率存在问题。如果 Mod 数量增长但数据质量不足以支撑模型训练，则说明数据管道的关键环节没有打通。

训练模型的游戏能力则是一个更难在短期内验证的目标。什么样的指标能够衡量模型“理解游戏玩法”或“参与内容创作”，本身就没有公认标准。ModCraft 可以展示模型生成的 Mod 案例，但案例展示不等于模型能力的系统性提升。真正有说服力的验证，是模型在未见过的游戏上能否稳定产出可玩的 Mod，以及这些 Mod 的玩家留存和评价数据。这需要更长的观察周期。

从资金使用角度看，数千万人民币种子轮同时投入 AI 模型训练和平台增长，需核验算力预算、团队扩张计划和市场推广投入的具体分配。可核验公司后续是否披露算力采购、团队规模变化或市场投放数据。ModCraft 需要在未来两个季度内明确优先级：是先把 C 端 Mod 创作工具的体验和用户规模做起来，用数据证明平台价值；还是先集中资源打通数据管道，用模型厂商的合作收入证明数据价值。两者并非完全对立，但种子轮的资金规模决定了必须有所侧重。

ModCraft 同时想做 Mod 创作工具、Mod 分发平台和 AI 训练数据供应商。与 Nexus Mods、CurseForge 等成熟分发平台相比，ModCraft 尚未披露其 Mod 库存规模、创作者数量和平台流量水平；与 General Intuition 等从游戏视频数据切入的公司相比，ModCraft 的数据管道依赖 Mod 运行环境的主动接入，对游戏厂商授权和工具链覆盖的要求更高。三线并进的真实约束在于：数千万人民币种子轮需要同时覆盖平台开发、AI 模型训练和游戏数量扩展，而未来 3 到 6 个月的计划已经明确包含后两项，资金在三条路径间的分配将直接影响各方向的推进深度。

从已披露的信息看，ModCraft 的融资叙事建立在两个尚未被验证的假设之上：一是 AI 能显著降低 Mod 创作门槛并带来创作量的爆发式增长；二是 Mod 运行数据能成为有价值的模型训练语料。第一个假设有产品案例支撑，但缺乏规模数据；第二个假设有合作意向支撑，但缺乏商业细节。这两个假设中任何一个被证伪，ModCraft 的估值逻辑都需要重估。反过来，如果两个假设都能在未来两个季度内获得初步验证，ModCraft 将在一个尚未被充分开发的交叉地带建立起先发优势。

验证边界与可复核指标

以下待核验指标按技术、商业、资本三类列出：

技术类：AI 创作功能的具体模型方案、单次生成成本、不同游戏上的生成成功率与人工修正成本；AI 可显著缩短 Mod 制作时间（李硕判断，尚无独立验证），需以平台实际生成耗时数据核验。

商业类：前述 28 款游戏上的 Mod 数量、游玩频次与数据采集完整度；C 端订阅定价、付费转化率与目标用户规模；与字节跳动等模型厂商的合作形式、商业条款与收入贡献；直播定制业务的实际签约或收入数据。

资本类：算力采购、团队规模变化与市场投放数据；商汤国香资本是否带来模型或数据层面的具体协同安排。

RecodeX 极客视：ModCraft 真正想做的不是让玩家更容易做 Mod，而是让 AI 通过 Mod 进入游戏运行环境，把每一场玩家二创变成模型训练的数据样本。这个叙事成立的前提，是 Mod 创作量和游玩量能增长到足以支撑数据闭环的规模。在 28 款游戏和数千万种子轮资金的起点上，ModCraft 需要证明的不是 AI 能做 Mod，而是玩家愿意在它的平台上做 Mod、玩 Mod，并且这些行为产生的数据真的有人买单。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。