《Steam 游戏平台:开发与商业化》1.1 平台规模与历史

Steam 是月活过亿、同时在线峰值数千万的 PC 数字发行平台:2003 年作为 CS 1.6 更新器起步,经历开放第三方、Greenlight、Steam Direct 到 Steam Deck 的演进。本节讲平台规模量级与历史里程碑,lab 用 C++ 仿真规模演化与年复合增长率。

1.1 平台规模与历史

谈 Steam 上的开发与商业化,第一件事是搞清你面对的是多大的池子。Steam 是 PC 上事实标准的数字发行平台:月活用户过亿,同时在线峰值数千万,一年上架的新游戏以万计。对独立开发者来说,它几乎是买断制 PC 游戏的默认入口——本系列卷一的机制讲解,都建立在这个规模前提之上。

本章与站内既有内容的分工

  • game/publish/steam/ 那 156 篇发行专题是「怎么上架、怎么填、怎么传」的操作手册;本卷不写步骤,只写平台机制与判断。
  • mg 小游戏五卷是移动小游戏生态(H5/小程序),Steam 是 PC 买断生态,零重叠;本卷只在平台对比处做「为什么小游戏不走 Steam」的对照。
  • idb/isv 独立开发者商业书讲通用财务、合同与资本;本卷只讲平台内机制,财务建模(卷 10)会引用其口径而非重复推导。
  • game/indie/ 已有《Steam 推荐算法深度解析》单篇;本卷一第 4 章把它系统化,并补齐「机制→商业决策」的闭环。

规模:一个亿级用户的分发平台

Steam 的规模可以直接从 Valve 公开口径看到。当前 Steamworks 门户页(partner.steamgames.com,需 Steam 账号登录)醒目地写着三组数字:

  • 1.32 亿月活跃用户(132 Million Monthly Active Users);
  • 1 万亿日曝光量(1 Trillion Daily Impressions)——这是商店页面每日被浏览展示的总量级;
  • 2530 万同时在线峰值(25.3 Million Players Online)。

这三组数字定义了平台的第一层商业含义:曝光池足够大。日曝光以万亿计意味着,即使一个品类很小众,只要它被机制分配到展示位,就能触达百万级潜在买家。对独立开发者,这是「愿意投入商店页与发现机制优化」的前提——池子不够大的平台不值得研究机制,而 Steam 恰好池子够大。

同时在线峰值的增长也说明平台的长期趋势。公开量级的年度峰值序列大致是:2016 年约 850 万、2018 年约 1850 万、2020 年约 2480 万、2022 年约 3000 万、2024 年约 3690 万——十年间从百万级涨到近四千万,年复合增长率在 10%~20% 的量级。用户盘子没有收缩,反而在缓慢扩大。

发布量一侧同样在涨。公开统计的年度发布游戏数(含所有体量)大致从 2018 年的约 9000 款增长到 2024 年的约 19000 款。供应侧与需求侧同时放大,意味着两件事:你能被看到的机会在变多,但你要在更拥挤的货架上抢曝光——这正是后续章节(标签、发现、评测、愿望单)全部机制的张力所在。

历史:从更新器到生态

Steam 的演进决定了今天你看到的每个机制为什么长这样:

阶段关键事件对商业模型的意义
2003随 CS 1.6 推出,作为更新/反作弊载体先有分发管道,后有商店
2004Half-Life 2 强制走 Steam,开放第三方发行发行渠道成为平台入口
2012Greenlight 社区投票上架尝试解决「谁有资格上架」,社区化
2017Greenlight 关停,Steam Direct 开放$100 一次性费用即上架,门槛降到最低
2018收入分成阶梯调整(70/30 起,越卖越高)平台对头部开发商让利
2021Steam China 上线(完美世界合作);Steam Deck 发布区域市场与掌机硬件两条新边界

这段历史对今天的开发者的判断力有三点直接作用:上架门槛极低(Steam Direct 之后几乎人人可上,门槛从「投票通过」变成「缴费即过」),竞争由平台机制而非准入筛选决定(所以研究曝光机制比研究「怎么上架」更重要),平台规则是可变的(分成阶梯、Greenlight 的生死说明平台会为生态调整规则,风险章节 13 章展开)。

生态位:买断制 PC 独立游戏的现实入口

把规模与历史合起来看,Steam 的生态位非常清晰:它是买断制 PC 游戏(尤其是独立游戏)最现实的发行与商业化入口。主机平台需要严苛准入与硬件认证,移动平台是免费+内购的流量生意,而 Steam 是「一次买断、长尾销售、社区驱动」的 PC 游戏主场。独立团队没有主机资格、不愿做移动买量时,Steam 是默认选择。

这构成了整个三卷本的锚点:卷一讲这个平台的机制(曝光、评测、愿望单、分成),卷二讲怎么用 Steamworks 把这些机制接进自己的游戏,卷三讲在这些机制约束下怎么做定价与商业化决策。而一切的起点,就是本节的规模结论:一个亿级用户、万级年度新品的平台,值得且必须靠机制取胜。

数据口径与来源

  • Valve 官方口径(132M MAU / 1 万亿日曝光 / 25.3M 在线峰值):partner.steamgames.com Steamworks 门户登录页公开数据,本机已实测抓取到该文案(2026-11-12)。
  • 年度同时在线峰值与发布量序列:来自公开统计(store.steampowered.com 可实证商店页面为服务端渲染;峰值/发布量具体数列为公开量级,非官方精确口径)。撰写时以官方当前数据为准。
  • 历史里程碑(2003/2004/2012/2017/2018/2021):公开可查的平台史实,本卷不展开细节、不臆造数字。

以上机制口径撰写时对照 Steamworks 官方文档与 store.steampowered.com 可实证页面核对;登录后可见数据以官方当前为准。

可运行产物:C++ 最小验证

下面的仿真复现「平台规模演化」数值模型:给定公开量级的年度同时在线峰值与发布量序列,计算年复合增长率,并以 Valve 官方口径(132M 月活 / 25.3M 在线)作为现值锚点做一致性校验。它与 src/01-1-platform-scale-history.cpp 逐字节一致:

// file: src/01-1-platform-scale-history.cpp
// tier: L1
// verify: clang++ -std=c++20 -Wall -I. src/01-1-platform-scale-history.cpp -o bin/01-1-platform-scale-history && ./bin/01-1-platform-scale-history
//
// 复现「平台规模演化」数值模型:给定公开量级的年度同时在线峰值与发布量序列,
// 计算年复合增长率(CAGR)并校验规模量级;以 Valve 官方口径(132M 月活 /
// 25.3M 在线峰值)作为现值锚点做一致性校验。
// 独立最小验证,非 Valve 源码。数据为公开量级,非官方精确口径。
#include "verify.h"

#include <cmath>
#include <cstddef>
#include <vector>

namespace steam_repro {

struct Sample {
  int year;
  double peak;       // 同时在线峰值,百万(公开量级)
  double releases;   // 全年发布游戏数(公开统计量级)
};

// 连续样本序列上的年复合增长率:(last/first)^(1/(years-1)) - 1
double cagr(const std::vector<Sample>& s) {
  const double years = static_cast<double>(s.back().year - s.front().year);
  return std::pow(s.back().peak / s.front().peak, 1.0 / years) - 1.0;
}

// 官方口径(2025 年前后,Valve 公开页):132M 月活、25.3M 在线峰值
constexpr double kOficialMauM = 132.0;   // 月活跃用户,百万
constexpr double kOficialOnlineM = 25.3; // 同时在线峰值,百万

}  // namespace steam_repro

int main() {
  using namespace steam_repro;

  // 公开量级的年度同时在线峰值序列(百万)
  const std::vector<Sample> peaks = {
      {2016, 8.5}, {2018, 18.5}, {2020, 24.8}, {2022, 30.0}, {2024, 36.9}};

  // 公开统计的年度发布量序列(千款量级;第三字段为发布量,峰值占位 0)
  const std::vector<Sample> releases = {
      {2018, 0.0, 9.0}, {2021, 0.0, 11.5}, {2022, 0.0, 12.9},
      {2023, 0.0, 14.5}, {2024, 0.0, 18.9}};

  // 1. 峰值序列单调递增(平台规模未收缩)
  for (std::size_t i = 1; i < peaks.size(); ++i)
    CHECK(peaks[i].peak > peaks[i - 1].peak);

  // 2. 2024 同时在线峰值在公开量级区间
  CHECK(peaks.back().peak > 30.0 && peaks.back().peak < 45.0);

  // 3. 2016→2024 峰值 CAGR 落在增长区间(10%~25%)
  const double c = cagr(peaks);
  CHECK(c > 0.10 && c < 0.25);

  // 4. 发布量序列单调递增且 2024 在万级区间
  for (std::size_t i = 1; i < releases.size(); ++i)
    CHECK(releases[i].releases > releases[i - 1].releases);
  CHECK(releases.back().releases > 15.0 && releases.back().releases < 22.0);

  // 5. 官方口径自洽:在线峰值是月活的合理比例(约 15%~25%)
  const double ratio = kOficialOnlineM / kOficialMauM;
  CHECK(ratio > 0.15 && ratio < 0.25);

  // 6. 月活量级:过亿
  CHECK(kOficialMauM > 100.0);
  CHECK(kOficialOnlineM > 20.0);

  return lab::report("01-1 平台规模与历史");
}

本机实测(Apple clang 16,clang++ -std=c++20 -Wall):编译通过(零警告),断言 14/14 通过。

小结

  • Steam 是月活过亿、同时在线峰值数千万、日曝光以万亿计的 PC 发行平台——曝光池足够大,值得研究机制。
  • 历史从 2003 年的 CS 1.6 更新器演进到 Steam Direct + Steam Deck;上架门槛降到极低,竞争由平台机制决定。
  • 它的生态位是买断制 PC 游戏(尤其独立游戏)最现实的入口,这正是本三卷本写作的前提。
  • 平台规模在缓慢增长,新品供应同步放大:机会与拥挤并存,机制研究是解法。

阅读导航:上一节:卷一目录 · 下一节:1.2 角色与权力结构 。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图