進擊“AI+游戲” 史玉柱能否“大力出奇跡”？

每經記者 李卓    每經實習記者 張梓桐    每經編輯 董興生    

“如果說生產力提效是游戲+AI 1.0時代，那么依托AIGC（人工智能生成內容）技術實現的游戲玩法革新則推動了游戲+AI進入2.0時代。”近日，巨人網絡AI實驗室負責人丁超凡在接受《每日經濟新聞》記者專訪時如是表示。

在剛剛結束的“2024云棲大會”上，巨人網絡（002558.SZ，股價10.8元，市值213.14億元）展示了最新研發的兩款“游戲+AI”大模型——Giant GPT和BaiLing-TTS，再次引發業界關注。

在丁超凡看來，“游戲+AI”2.0將創造一種未來的游戲形態。AI與游戲的結合，能打破傳統規則約束，環境基于玩家數據反饋更新，劇情設計動態延展，并且有隨機事件觸發的非線性世界，給玩家極高自由度，甚至為玩家提供定制化的游戲內容。

事實上，自史玉柱回歸以來，AI已成為巨人網絡的重要戰略。“游戲公司如果不積極擁抱AI，早晚會被淘汰，未來要對AI充分重視，怎么強調都不為過。”今年1月，巨人網絡集團董事長史玉柱在公司年會上的這番表態，被視作巨人網絡高調布局AI的沖鋒號。

圖片來源：巨人網絡官網

巨人網絡之外，各大游戲廠商如騰訊、網易等，都在積極探索AI在游戲中的應用。網易的伏羲團隊在《逆水寒》中引入了AI照片捏臉、智能養育等玩法；騰訊的AI Lab則在《王者榮耀國際服》上推出了GiiNEX私人游戲教練。然而，這些嘗試大多停留在為傳統游戲增加新功能的層面，并未真正顛覆游戲的架構或創造全新的商業模式。AI部門在很多廠商中往往作為成本中心存在，其獨立開展業務的能力還很有限。

在過去一年里，得益于大模型技術能力的不斷升級，AI游戲的技術路徑經歷了從文字對話到多模態生成的飛躍。進擊“AI+游戲”，史玉柱可以“大力出奇跡”嗎？

巨人網絡的AI征途

債務纏身、新品不順……2022年上半年的巨人網絡，一度經歷空前的困難。從研發投入來看，2022年前后，巨人網絡與競爭對手之間的差距也愈發明顯。2021年，三七互娛和完美世界的研發費用分別達到12.50億元和22.11億元，而巨人網絡僅為7.13億元。

更令人擔憂的是，彼時，巨人網絡的研發費用已經連續兩年下降，研發人數也呈現出逐年遞減的趨勢。2017年至2021年，公司的研發人數從1661人減少至998人，降幅接近40%。同時，公司在職員工總數也從3917人縮減至1413人，五年間減少了約64%。

因此，史玉柱在正式宣布回歸游戲一線后，立刻“吹響進攻號角”。他一方面大力推進旗艦手游新品《原始征途》，另一方面，開始對“游戲+AI”的結合進行深入布局。

史玉柱彼時判斷，隨著人工智能技術不斷成熟，其在游戲領域的應用潛力巨大，有望帶來游戲開發和運營模式的革新。因此，他推動巨人網絡在多個項目中引入AI技術，特別是在美術渲染、程序輔助等方面取得了一定成效。

“我們正在探索用AI做游戲研發的平臺。如果做成了，創作者想做一個游戲，通過詳細描述，AI就能把你的游戲生成，降低游戲制作門檻，讓熱愛游戲、沒有研發經驗的人也能做出自己想做的游戲，極大提高研發效率。”史玉柱在巨人網絡2024年年會上說。

在集團戰略層面的引導下，巨人網絡在《征途》等產品中基于GiantGPT打造了陪伴型智能NPC（非玩家控制角色），讓NPC擁有性格、情緒以及自適應的長期記憶，通過給玩家一個親密的陪伴關系體驗，提升用戶留存。借助GiantGPT，巨人網絡還實現了本地化翻譯大模型、智能問答客服的落地。

圖片來源：企業供圖

“游戲+AI”：數據仍是行業共性難題

近年來，AI在游戲行業的應用日益廣泛，從游戲開發、運營到用戶體驗，各個環節都可見其身影。

在開發階段，AI被用于自動生成游戲場景、角色模型及特效，大大提高了開發效率。例如，英偉達的GAN（生成對抗網絡）和OpenAI的DALL-E等工具，已經被技術美術師廣泛采用，以快速生成多種風格的游戲素材。此外，AI還能通過分析玩家行為數據，優化游戲平衡性和難度設置，提升用戶體驗。

但最早的AI游戲則相對基礎，其通常基于通用語言大模型的通用數據庫，根據玩家輸入的具體指令生成對應的反饋內容。例如，去年某開發者大會上的“文字拳皇”游戲，就是通過玩家輸入招式，由AI裁判判斷傷害并給出結果。雖然這類游戲在形態上仍停留在文字對話階段，但它們已經具備了AI原生游戲的構成要件。

隨著AI技術進步，特別是多模態生成技術的發展，AI游戲已經能夠提供更豐富、更逼真的游戲體驗。從單一的文字形態到文字、圖像、音頻兼具的視頻時代，AI游戲的反饋形式發生了翻天覆地的變化。

這種變化不僅提升了玩家的游戲體驗，還極大降低了游戲內容的生產成本，使得游戲內容的提供從開發者一方轉移到玩家一方，內容增長速度和體驗迭代速度呈現指數級增長。

但需要指出的是，數據的缺乏對當前的“游戲+AI”行業來說仍然是一大挑戰。丁超凡舉例稱，當前，語音合成大模型技術在普通話領域已經取得了顯著進展，但在方言領域的發展卻十分緩慢，無法滿足多樣化的語音合成需求。

“數據是核心，我們構建了一個基于互聯網公開數據以及自有數據的龐大數據集，讓模型有足夠的規模去保證通用和泛化能力，以及指令follow（跟隨）的效果，從而在自定義角色的泛化性上具備不錯的表現，而非只去擬合單一或有限角色內容。”

丁超凡告訴記者，基于以上背景，巨人網絡構建起了一個完整的數據生產鏈路，包括數據自動化清洗、數據質量評估以及篩選，能夠大幅提升數據的生產效率，同時得到高質量的角色扮演數據集。

“中國擁有數十種主要方言，每一種方言都有獨特的語音特征和語法結構，這使得訓練一個覆蓋各種方言的TTS（從文本到語音）大模型變得極具挑戰。此外，方言語料庫的稀缺以及高質量標注數據的匱乏，也進一步增加了技術難度。”丁超凡說。

因此，巨人網絡的思路是首先在研發過程中將語音和文本進行標記化處理，然后通過一個多階段、由粗到細的標記對齊，基于自回歸大語言模型（LLM）進行離散化標記生成，接著利用離散標記到擴散轉換器（DIT）的轉換生成連續語音表征，最后通過聲碼器輸出高質量的合成語音。

而在具體落地過程中，丁超凡表示，團隊首先是基于大規模預訓練的精細化代碼對齊，在對齊方面采用兩個階段策略，第一階段在大規模數據集上進行粗略訓練，讓模型具備基本的對齊能力；第二階段采用精細化采樣策略，在高質量的方言數據集上進行細粒度訓練，進一步促進兩種模態的對齊效果。

AI繪畫：2D游戲美術的效率革命

但一個不爭的事實是，傳統意義上的“游戲+AI”主要指的是在游戲基礎上增加AI元素，如AI NPC、AI輔助等，以增強玩家的游戲體驗。然而，這種模式并沒有對游戲的核心架構產生根本性影響。

但在提升游戲生產效率方面，人工智能的應用正逐步展現其巨大潛力。

一位游戲引擎行業人士對《每日經濟新聞》記者指出，當前，AI在2D游戲美術領域的應用最為廣泛且效果顯著。AI繪畫不僅極大地提高了生產力，還顯著降低了制作成本。通過AI技術，游戲開發者能夠迅速生成高質量的美術素材，從而縮短游戲開發周期。

他強調，盡管智能NPC的嘗試也在進行中，但目前仍處于非常早期的階段，尚未達到商業化應用的水平。相比之下，AI在2D美術方面的應用已經相對成熟，并正成為游戲研發中的一股重要力量。

針對不同類型游戲對AI需求的差異，他表示，雖然游戲類型多樣，但AI在游戲內容生成方面并沒有明顯的區別。他強調，游戲的研發和制作是一個復雜的系統工程，AI的應用需要綜合考慮多個環節和因素。然而，在提升生產效率和優化美術資源方面，AI的潛力無疑是巨大的。

丁超凡也以巨人網絡AI實驗室內部孵化的AI繪畫平臺巨人摹境舉例稱，其在公司游戲業務場景落地中收獲了非常可觀的提效收益。

圖片來源：巨人網絡官網

AI繪畫的主要功能在于構建起協作式的標準AI美術生產管線，無需頻繁導入、導出或切換軟件，就可在同一平臺內完成復雜任務，提高創作效率。同時，集成了一鍵式工作流，簡化大量復雜操作，適用于大規模美術生產工作。

此外，有意思的是，盡管AI游戲在技術上取得了突破性進展，但對掌握大部分行業資源的游戲大廠而言，試錯成本高且回報未知，使得它們在這一領域相對謹慎。這反而給了獨立開發團隊新的機會。

另一方面，AI技術也為游戲開發者提供了廣闊的商業化前景。通過AI生成開放世界和豐富的內容，游戲開發者可以將游戲從一個產品轉變為一個平臺，吸引更多的用戶和創作者參與其中。在PUGC（專業用戶創造內容）和UGC（用戶創造內容）的推動下，游戲內容正在呈現爆發式增長。

獨立開發團隊也憑借其靈活性和創新性，在AI游戲領域迅速崛起，成為推動行業變革的重要力量。為了避免玩法同質化的問題，獨立開發團隊紛紛尋找新的突破口。

以日本同人游戲社團上海愛麗絲幻樂團制作的一系列同人游戲《東方project》為例，這個原本只是戀愛文字冒險游戲的作品，通過粉絲的二創內容，衍生出了動畫、音樂等豐富形式，形成了穩定的亞文化受眾群體。同樣地，AI游戲也有潛力成為這樣的平臺級產品，通過用戶的創造力和想象力不斷擴展游戲的世界和玩法。

由Hello Games開發的太空冒險生存主題游戲《無人深空》則利用遺傳算法和隨機生成技術，創造出一個龐大且獨特的宇宙，其中的每一顆星球、每一種生物都獨一無二。玩家可以在游戲中探索未知的星球，發現新的生物和資源，享受極大的自由度和隨機性。

無論是游戲大廠還是獨立團隊，當前，對AI的應用已經是一道必答題，如何利用AI進一步“彎道超車”，成為各路玩家需要思考的問題。