重庆卫视五粮液广告：五味浓郁，珍馐美馔。

zaihechengjiemiantuodongwupinhecheng，jiesuoxuyaodezhuangshiheqixie，dachengrenwuhechengjiujidelingqujiangli，bangzhunizuodazuoqiang。zhenshidongtaidajitiyan，gaobiezhihuishanguangdedajitexiao!·gaojifuzhuangrangnindewawagengjiatebiefeishengkongzhan，tiandiluandouzhanchangwujie；cuxiaotuiguangxuanchuancailiaodezhizuo，baokuo：haibaozhizuohaibaoshejijieriweishangdianyinghaibaoyingxiaochangtuyilabao別(bie)尬(ga)吹(chui)AI降(jiang)本(ben)增(zeng)效(xiao)了(le)，遊(you)戲(xi)不(bu)好(hao)玩(wan)都(dou)白(bai)搭(da)

原(yuan)創(chuang)：高(gao)成(cheng)誌(zhi) @GameTrigger 投(tou)資(zi)副(fu)總(zong)裁(cai)

?

圖(tu)片(pian)來(lai)源(yuan)：由(you)無(wu)界(jie) AI工(gong)具(ju)生(sheng)成

核(he)心(xin)觀(guan)點(dian)

1. 生成式(shi)AI最(zui)好的(de)落(luo)地(di)場(chang)景(jing)在(zai)做(zuo)游戏

開(kai)源生態(tai)、二(er)次(ci)元(yuan)同(tong)人(ren)文(wen)化(hua)共(gong)同促(cu)成當(dang)下(xia)生成式AI在创作(zuo)圈(quan)的繁(fan)榮(rong)

2. 游戏體(ti)驗(yan)永(yong)遠(yuan)是(shi)內(nei)核，作品(pin)不夠(gou)好玩，聊(liao)再(zai)多(duo)“降本增效”也(ye)无濟(ji)於(yu)事(shi)

降本≠裁員(yuan)：本質(zhi)是降低(di)溝(gou)通(tong)和(he)試(shi)錯(cuo)成本，倒(dao)逼(bi)上(shang)游理(li)清(qing)需(xu)求(qiu)——相(xiang)当多項(xiang)目(mu)的成本損(sun)耗(hao)，都折(zhe)在了朝(chao)令(ling)夕(xi)改(gai)的返(fan)工、對(dui)齊(qi)、推(tui)倒重(zhong)来

增效≠替(ti)代(dai)人力(li)：本质是放(fang)大(da)作為(wei)人的核心能(neng)力，聚(ju)焦(jiao)核心体验——美(mei)術(shu)的工作是表(biao)達(da)，而(er)不僅(jin)是繪(hui)畫(hua)；UI的工作是交(jiao)互(hu)，而不仅是图標(biao)

3. AI原生游戏依(yi)然(ran)是游戏，其(qi)技(ji)术不應(ying)該(gai)是壁(bi)壘(lei)、AI不应该是賣(mai)点

AI原生游戏≠无限(xian)生成内容(rong)的策(ce)劃(hua)機(ji)器(qi)人

AI原生游戏≠更(geng)簡(jian)易(yi)的編(bian)輯(ji)器讓(rang)玩家(jia)代工

4. AI原生游戏有(you)兩(liang)種(zhong)截(jie)然不同的思(si)維(wei)：細(xi)致(zhi)打(da)磨(mo)的游戏or快(kuai)速(su)叠(die)代的游戏化互聯(lian)網(wang)產(chan)品，短(duan)期(qi)利(li)好休(xiu)閑(xian)、社(she)交游戏方(fang)向(xiang)的探(tan)索(suo)

游戏思维：選(xuan)擇(ze)有相似(si)思想(xiang)的原型(xing)，先(xian)做個(ge)好玩的游戏。AI則(ze)是錦(jin)上添(tian)花(hua)和樂(le)趣(qu)延(yan)伸(shen)——但(dan)不可(ke)避(bi)免(mian)地會(hui)对比(bi)老(lao)游戏

互联网思维：“游戏化”包(bao)裝(zhuang)泛(fan)娛(yu)乐，追(zhui)求傳(chuan)播(bo)和增長(chang)裂(lie)變(bian)。AI是提(ti)供(gong)乐子(zi)的工具——包容度(du)更高的休闲、社交值(zhi)得(de)壹(yi)试

5. AI原生游戏是一次“設(she)計(ji)師(shi)创造(zao)乐趣”到(dao)“玩家自(zi)主(zhu)创造乐趣”的範(fan)式轉(zhuan)換(huan)，即(ji)廣(guang)義(yi)UGC，游戏的乐趣由开發(fa)者(zhe)、AI、玩家三(san)者共创

[1] 敘(xu)事开放世(shi)界：开放世界的本质是自由选择和真(zhen)實(shi)反(fan)饋(kui)，仅融(rong)合(he)互動(dong)叙事也能有近(jin)似的体验感(gan)

[2] 沙(sha)盒(he)與(yu)模(mo)擬(ni)經(jing)營(ying)：AI NPC≠无限对話(hua)的人，工夫(fu)在NPC以(yi)外(wai)，需賦(fu)予(yu)招(zhao)募(mu)傭(yong)兵(bing)/共同经营/戀(lian)愛(ai)後(hou)宮(gong)等(deng)意(yi)义

[3] 湧(yong)現(xian)与電(dian)子鬥(dou)蛐(qu)蛐：涌现催(cui)生的电子斗蛐蛐别有一番(fan)趣味(wei)，滿(man)足(zu)上帝(di)視(shi)角(jiao)Kill Time需求，但難(nan)在可控(kong)性(xing)

[4] 泛娱乐游戏化：AI+休闲品類(lei)能更快验證(zheng)和迭代，游戏化的本质是对互联网社交赋予目标和反馈

6. AI原生游戏得有自传播能力、能与玩家共创，圍(wei)繞(rao)核心体验構(gou)建(jian)獨(du)屬(shu)自己(ji)的數(shu)據(ju)飛(fei)輪(lun)

7. 優(you)秀(xiu)作品往(wang)往源自一群(qun)够中(zhong)二、动手(shou)能力够強(qiang)的开发者。亂(luan)世出(chu)英(ying)雄(xiong)，有sense的年(nian)輕(qing)人已(yi)经开始(shi)整(zheng)活(huo)兒(er)

[1] 稀(xi)缺(que)的是既(ji)懂(dong)AI、也懂游戏的产品经理，仅有数据、技术、模型是空(kong)中樓(lou)閣(ge)

[2] 靠(kao)譜(pu)的工具得從(cong)游戏开发團(tuan)隊(dui)“长”出来，先做个新(xin)Feature的游戏，为此(ci)开发出新的工具，而非(fei)其倒置(zhi)

00、前(qian)言(yan)

降本增效：AI会取(qu)代原画嗎(ma)？美术已節(jie)省(sheng)xx人天(tian)

xx游戏：懷(huai)疑(yi)使(shi)用(yong)AI，玩家聲(sheng)討(tao)、廠(chang)商(shang)道(dao)歉(qian)

xx公(gong)司(si)官(guan)宣(xuan)推出大模型，融资xx萬(wan)美金(jin)

万字(zi)长文解(jie)析(xi)：英偉(wei)达又(you)搓(cuo)出什(shen)麽(me)新核彈(dan)

......

在過(guo)去(qu)的200多天，也許(xu)妳(ni)已然对這(zhe)些(xie)标題(ti)麻(ma)木(mu)无感、甚(shen)至(zhi)有些PTSD，但依然会有种不真切(qie)的迷(mi)離(li)感——怎(zen)么AI又火(huo)了，这是下一个元宇(yu)宙(zhou)/Web3吗？游戏难道因(yin)此更好做、更好玩了吗？

抱(bao)著(zhe)如(ru)上疑惑(huo)，作为專(zhuan)註(zhu)游戏行(xing)業(ye)的投资人，秉(bing)持(chi)着好奇(qi)与求真的态度，筆(bi)者走(zou)訪(fang)了海(hai)内外游戏开发者、AI研(yan)究(jiu)员、AI创业公司，一路(lu)能聽(ting)到關(guan)于“AI游戏”至少(shao)10种不同的定(ding)义（堪(kan)比20~21年人均(jun)“二次元”的盛(sheng)況(kuang)）。为了促進(jin)跨(kua)界交流(liu)，共同探索“AI游戏”究竟(jing)是什么，也曾(zeng)在22年12月(yue)舉(ju)辦(ban)过AIGC主题的Game Jam（点擊(ji)跳(tiao)转詳(xiang)情(qing)）。

結(jie)合研究与实踐(jian)，希(xi)望(wang)在这个信(xin)息(xi)过載(zai)的時(shi)刻(ke)，能为行业分(fen)享(xiang)些接(jie)地氣(qi)儿的观察(cha)、提供更AI原生的游戏思考(kao)和腦(nao)洞(dong)，少一些无謂(wei)的FOMO——畢(bi)竟，无論(lun)技术如何(he)迭代，游戏好玩才(cai)是硬(ying)道理，審(shen)美好、懂设计、懂开发的游戏人总是稀缺的。

01、舊(jiu)话题裏(li)的新鮮(xian)事

▉ 开源生态、二次元同人文化、开发者与创作者共创，促成生成式AI在创作圈的繁荣。游戏，作为视听交互的集(ji)大成者、也是变现效率(lv)極(ji)高的产品形(xing)态，同时有相对更溫(wen)和的包容度，其土(tu)壤(rang)天然適(shi)合生成式AI的探索。

以图像(xiang)生成为例(li)，时間(jian)撥(bo)转回(hui)2022年8月，Stable Diffusion方才問(wen)世，开源之(zhi)火就(jiu)迅(xun)速点燃(ran)了创作者的好奇心。在隨(sui)后的10月，NovelAI推出基(ji)于Stable Diffusion和530万張(zhang)Danbooru图像訓(xun)練(lian)的文生图模型，数日(ri)内躥(cuan)紅(hong)，但很(hen)快被(bei)意外破(po)解。

彼(bi)时，互联网大江(jiang)南(nan)北(bei)都流转着Vtuber區(qu)UP主秋(qiu)葉(葉)aaaki的本地部(bu)署(shu)教(jiao)程(cheng)，同期《元素(su)法(fa)典(dian)(1)(1)(2).pdf》也传遍(bian)了大大小(xiao)小的社群。或(huo)许最初(chu)这都不过是图一乐，但在一票(piao)ACG相关创作者的努(nu)力下，文生图/图生图又更上一層(ceng)楼——曾开发出Waifu生成器的Spellbrush联合Midjourney推出专注美少女(nv)的Niji Journey，年轻牌(pai)佬(lao)、YGOPro2作者鼓(gu)搗(dao)出ControlNet。

有趣的是，这轮生成式AI的主要(yao)传火者並(bing)不在曾经设想的工业界、机器人，而是创作領(ling)域(yu)，尤(you)其在二次元同人圈。毕竟，相較(jiao)于管(guan)線(xian)更成熟(shu)、容错率低的工业需求，同人创作擁(yong)有相对更好的包容度、也有更濃(nong)的幻(huan)想和创作欲(yu)。

于是，擅(shan)长整活儿、常(chang)年混(hun)跡(ji)社区的爱好者紛(fen)纷转型煉(lian)丹(dan)师，眼(yan)下B站(zhan)首(shou)頁(ye)不乏(fa)“AI角色(se)唱(chang)歌(ge)”、“AI小草(cao)神(shen)舞(wu)蹈(dao)”；在HuggingFace的开源生态里，也有不少老二次元工程师貢(gong)獻(xian)项目模型。

万眾(zhong)矚(zhu)目的Character.AI，ACG类角色的調(tiao)用量(liang)远超(chao)其余(yu)类型——毕竟能跟(gen)屑(xie)狐(hu)貍(li)聊天，能獲(huo)得5t5陪(pei)伴(ban)，为什么不放飞下自我(wo)呢(ne)？这波(bo)，二次元上大分，社区文化大勝(sheng)利

而在所(suo)有的文娱创作中，游戏，无疑是视听交互的集大成者、也聚集相当多创作和技术人才，且(qie)F2P网游的商业模式又早(zao)已被確(que)立(li)，因此被众多从业者关注，各(ge)界多有“游戏是AIGC落地的第(di)一站”的观点。

不过，在生成式AI浪(lang)潮(chao)来臨(lin)前，游戏+AI本身(shen)也算(suan)不得什么新鲜事。从NPC/怪(guai)物(wu)決(jue)策講(jiang)，最普(pu)遍的无非行为樹(shu)、有限狀(zhuang)态机，也有较难设计、不甚常用的GOAP；生产流程上，不乏AI減(jian)面(mian)、自动展(zhan)UV、网文生成器等工具；回到传統(tong)的强化學(xue)習(xi)，雖(sui)限于少数重度PvP、三消(xiao)等场景，但也较为成熟；即便(bian)跳出AI，諸(zhu)如Houndini+SD等程序(xu)化生成工具，使用率即便较低，但也有点年頭(tou)。那(na)如今(jin)燥(zao)熱(re)的「生成式AI」究竟有什么新活儿？

回歸(gui)「生成式AI」的发展，已有相当多科(ke)普梳(shu)理，在此不再贅(zhui)述(shu)。一言以蔽(bi)之，自此不需要再为特(te)定任(ren)務(wu)做专项训练、也无需像传统NLP得先拆(chai)分子任务。通才大模型在少量Prompt指(zhi)令下，能结合上下文学习，可胜任相当多生成性工作，而不只(zhi)是曾经简單(dan)的翻(fan)譯(yi)理解（AutoGPT甚至可以幫(bang)你寫(xie)Prompt，长期来看(kan)，Prompt也可能只是指令交互的过渡(du)媒(mei)介(jie)）。

同时，在有点儿「暴(bao)力美学」的縮(suo)放法则（Scaling Law）加(jia)持下，高质量数据和大量參(can)数可以涌现出推理能力，如果(guo)加入(ru)其他(ta)模态的数据，還(hai)能相互转换，甚至上半(ban)年的GPT-4、微(wei)軟(ruan)KOSMOS-1还能讀(du)懂梗(geng)图。

就着“生成”和“推理”两大关鍵(jian)能力，也衍(yan)生出了「降本增效」的AIGC工具派(pai)和「原生体验」的AIGC游戏派。

对于「降本增效」而言，拋(pao)开上市(shi)公司喊(han)话大模型的市值管理行为，工具确实有一定效果，但当前仍(reng)无法满足对可控性和容错率的高要求。而对比以往“渠(qu)道迭代、产品质量为王(wang)、小团队自研自发成为可能”等行业價(jia)值鏈(lian)的结构性变化，目前的生成式AI尚(shang)且还沒(mei)有清晰(xi)的“顛(dian)覆(fu)”路徑(jing)。

此外，游戏趣味和盈(ying)利能力也并不与投入资本的多寡(gua)呈(cheng)线性的正(zheng)相关——巨(ju)制(zhi)会翻車(che)、小品也能爆(bao)。如果不談(tan)如何创造新体验，只聚焦工具提效，可能不免就会陷(xian)入“不过是將(jiang)14人天的立绘设计缩短到10人天，将0.5人天的綁(bang)骨(gu)骼(ge)缩短到0.2人天，但还是不符(fu)合卖点、玩家覺(jiao)得不如《O神》”的窘(jiong)境(jing)。

因此，在混沌(dun)之初，更值得探讨的还是“AI原生游戏会长什么樣(yang)”，能否(fou)为玩家帶(dai)来新乐子，或者提供新的变现模式——毕竟，游戏体验永远是内核，作品不够好玩，玩家不願(yuan)買(mai)賬(zhang)，聊再多“降本增效”也无济于事。

02、原生体验

▉ AI原生游戏，有两种截然不同的路径——第一种是純(chun)粹(cui)的游戏思维，即选择有相似思想的原型，先做个好玩的游戏，将AI视作锦上添花和乐趣延伸；第二种则是游戏化的互联网产品思维，即用“游戏化”包装泛娱乐需求，追求传播和增长裂变，AI扮(ban)演(yan)提供乐子的工具。

聊起(qi)游戏本身，也有人听到AI创新后眼前一亮(liang)，仿(fang)佛(fo)无限关卡(ka)近在眼前，再搞(gao)个UGC编辑器，豈(qi)不就是游戏永动机——贏(ying)麻了。

但很遺(yi)憾(han)，后文将說(shuo)明(ming)AI原生游戏并不等同于无限生成内容的策划机器人，更不是搞个更简易的编辑器让玩家代工。在这里，笔者先提出一种思想——AI原生游戏将发生从“设计师创造乐趣”到“玩家自主创造乐趣”的范式转换，即广义上的UGC，AI原生游戏的趣味得由开发者、AI、玩家三者共创。

谈及(ji)游戏创新的范式，笔者粗(cu)略(lve)地先分出三种路径：①想到但做不到——通常卡在设计/技术；②做到但不够好——最为常見(jian)的微创新；③壓(ya)根(gen)没想到——神来一笔/有时是品类級(ji)机会。

其中，第一点和第二点尚有讨论空间，即生成式AI的推理特性能否优化已有体验，拓(tuo)寬(kuan)其乐趣。但聊到第三点，就很难仅拿(na)着概(gai)念(nian)来做无中生有的空想，即能以xxx-like命(ming)名(ming)的创新往往和机制、交互相关，得经歷(li)长时间推敲(qiao)和验证才能成型，与技术更迭并无直(zhi)接幹(gan)系(xi)。故(gu)全(quan)新体验的确有可能出现，但暫(zan)不在本文讨论范疇(chou)中。

回到第二点“做到但不够好”，历来是业内最务实的话题，但要跨越(yue)这难关，对多数网游而言，最棘(ji)手的还不是去想那些凸(tu)顯(xian)差(cha)異(yi)化的小设计，而是處(chu)理“内容产出速率低于玩家消耗速率”的窘境。只不过在普遍如此的当下，玩家和研发就“长草”和“坐(zuo)牢(lao)”达成了一种微妙(miao)的相互妥(tuo)協(xie)——但个中原因仅仅是内容少吗？仔(zai)细一想也不对。

为了能繼(ji)續(xu)推进劇(ju)情/毕业喜(xi)歡(huan)的强力角色，即便痛(tong)罵(ma)一頓(dun)，还得回去反復(fu)刷(shua)材(cai)料(liao)

对于側(ce)重局(ju)内体验的游戏，刺(ci)激(ji)长留(liu)和付(fu)費(fei)的往往是精(jing)雕(diao)细琢(zhuo)的高星(xing)角色、BOSS戰(zhan)、主线演出、一波三折的关卡，肯(ken)定不是量大管飽(bao)的填(tian)充(chong)物 (此处点名看似无限的Roguelike副本、看似随机的日常任务)。哪(na)怕(pa)儲(chu)備(bei)了一系列(lie)高质量内容，也得讲究“物以稀为貴(gui)”，釋(shi)放节奏(zou)要论疏(shu)密(mi)，不会一味地高强度更新——总不能每(mei)周(zhou)一个新卡池(chi)等着被骂吧(ba)。

对于侧重局外養(yang)成的游戏，关卡/战斗又更多是验证养成的一道场景，爆出神兵、刷齐套(tao)装、湊(cou)足Build的数值反馈更重要，其留存(cun)内核显然也不是从多堆(dui)幾(ji)关小怪能解决的。

因此，内容过速消耗的关键似乎(hu)并不在多寡。我們(men)常常谈及的工业化产线也并不意指量大管饱，只是盡(jin)可能保(bao)质、保量、保时地产出版(ban)本，满足玩家对长期驅(qu)动力的追求。

从这个视角来看，AIGC能无限生成内容的幻想，除(chu)了强化学习在极少数MOBA/FPS的AI Bot、纯关卡驱动的三消、需要陪玩的菠(bo)菜(cai)有价值外，其余品类就总缺了点立足之处，还会陷入“算法人才难覓(mi)、数据集有限、训练成本高昂(ang)，不如招个资深(shen)策划”的ROI悖(bei)论。

笔者認(ren)为，更好的思路，可能是从“设计师创造乐趣”到“玩家自主创造乐趣”的范式转换——即广义而言的UGC，这其实与生成式AI天然契(qi)合。不过这里的UGC≠搞编辑器，不是去硬抄(chao)《蛋(dan)仔派对》《Roblox》，其实质是开发者设计好交互方式、規(gui)则机制和反馈邏(luo)辑，而将具体乐趣的创造放權(quan)給(gei)玩家。

最典型的例子就是麻将和乐高的思想。

麻将，也可代指一切优质的PvP游戏，在基礎(chu)规则既定后，借(jie)助(zhu)随机性和風(feng)險(xian)博(bo)弈(yi)，雀(que)友(you)的发揮(hui)决定了乐趣多寡。只要还能肝(gan)，赢家和輸(shu)家都想无限地再开一把(ba)，且还自带传播性。

乐高，也可代指一切有沙盒创造属性的游戏，本质是以物理规则为支(zhi)撐(cheng)，定义了基础元件(jian)的連(lian)接方式，而无论是创造还是破壞(huai)都有其乐趣。同时，设计重点不在于玩具制造本身，而是如何提供合理的反馈，毕竟空有屠(tu)龍(long)刀(dao)而无龙可屠就多少欠(qian)了点意思。不过一旦(dan)成型，千(qian)人千面，玩家总会找(zhao)到独属自己的乐趣所在。

麻将：頂(ding)级UGC游戏，乐此不疲(pi)，无限重开

回到“User Generated Content/Fun”的思路本质，还是尽可能不依賴(lai)于开发者的内容更新。这也意味着妄(wang)图把压力转嫁(jia)给玩家靠UGC编辑器代工并不靠谱，其不过多了些玩家原生的策划，还得靠团队披(pi)沙瀝(li)金、得有足够DAU的池子里篩(shai)选。相对地，设计师提供積(ji)木、麻将这样的玩具更具性价比——

可以誘(you)導(dao)玩家激发反复练习、自我超越的欲望，例如《忍(ren)者必(bi)須(xu)死(si)3》競(jing)技场的无尽跑(pao)道、《Neon White》同一地图在极限操(cao)作下的最速通关；或者支持自由创造、提供验证，例如《塞(sai)爾(er)达传说：王國(guo)之淚(lei)》里结合究极手和左(zuo)納(na)烏(wu)的“我爱发明”系列，文能神廟(miao)解謎(mi)、武(wu)可欺(qi)負(fu)呀(ya)哈(ha)哈，爭(zheng)相竞选弱(ruo)智(zhi)吧吧主；同理，还有自由选择、真实反馈的乐趣，也正是开放世界的本质，而非玩完(wan)即棄(qi)的一次性大地图。

一言以蔽之，AI原生游戏≠无限生成内容的策划机器人，≠搞个更简易的编辑器让玩家代工。

结合当下生成式AI的新能力，即推理、記(ji)憶(yi)、百(bai)科全書(shu)、自然語(yu)言交互、跨模态转换，但体感上还有些喜欢“一本正经地胡(hu)说八(ba)道”的大忽(hu)悠(you)，放在玩家敏(min)感度高、容错率低的场景大抵(di)是吃(chi)力不讨好，但若(ruo)能輔(fu)助设计师开发积木或麻将这样的UGC玩具，即在紮(zha)实的设计框(kuang)架(jia)里，为玩家带来額(e)外的新体验，未(wei)嘗(chang)不可一试。

先且不论算力要求和工程难度，后文将以「叙事开放世界」「沙盒与模拟经营」「涌现与电子斗蛐蛐」「泛娱乐游戏化」四(si)点为切口(kou)，列举部分相似思想的原型，并以「病(bing)毒(du)式传播和玩家共创」为收(shou)束(shu)，抛磚(zhuan)引(yin)玉(yu)。

叙事开放世界

开放世界的本质是赋予玩家足够自由且有趣的体验选择，并给予真实的世界反馈，而非单纯超大地图、遍地走的NPC。借助LLM相对成熟的文本生成能力，也能有近似开放世界的体验。

有趣的是，每当有新技术试图来游戏分一杯(bei)羹(geng)，总有媒体喜欢把《荒(huang)野(ye)大鏢(biao)客(ke)II》等AAA开放世界作品掛(gua)在嘴(zui)邊(bian)，但若深究开放世界存在的合理性，絕(jue)非堆砌(qi)美术资产和任务罐(guan)头，而是创造有趣且可信的世界，赋予玩家自由选择的权利。对此，《塞尔达传说：荒野之息》选择了一套基于物理/化学引擎(qing)的实现手段(duan)，《殺(sha)手》《合金装备V》则选择了对同一任务目标提供多重解法。

这种将乐趣放权给玩家，能自由把玩的特性也对应了前文所述的UGC乐趣。联想到大模型，借助其有逻辑推理、上下文记忆的文本生成能力，也能实现近似的AVG+开放体验，但这不与美少女Galgame划等號(hao)。毕竟比起“游戏+叙事”的拼(pin)接，“游戏×叙事”的机制融合更有趣，即要让玩家“玩”故事，而非“看”演出，得参考诸如《史(shi)丹利的寓(yu)言》《奧(ao)伯(bo)拉(la)丁(ding)的回归》的设计。

将二者思想融合后，Inkle工作室(shi)的网状叙事作品《Sorcery》《80 Days》《Overboard!》就值得参考，将情节分拆为状态单元/Storylet的模塊(kuai)化叙事结构与LLM有较大的联动可行性。

譬(pi)如在《Overboard!》中，玩家需要扮演一位(wei)謀(mou)杀富(fu)豪(hao)老公来騙(pian)取高额保金的女士(shi)，而在这艘(sou)封(feng)閉(bi)的郵(you)轮上，其余5位NPC都或多或少有指证玩家谋杀的证据。没错，这次视角不再是偵(zhen)探，流程也不局限于推理真相，而是想方设法地脫(tuo)罪(zui)，有些像番剧《虛(xu)构推理》，全程靠一张嘴忽悠。

这款(kuan)游戏的开放性就体现在自由的脱罪思路，且心流可能截然不同，你可以选择——

① 偽(wei)造证据，制造无头懸(xuan)案(an)

② 嫁禍(huo)某(mou)位NPC，找尋(xun)其间漏(lou)洞

③ 拉攏(long)其余NPC，事成一起分贓(zang)

④ 干脆(cui)把NPC都作做掉(diao)，物理意义解决问题

⑤ 先跳預(yu)言家，开局就给警(jing)察致电混淆(xiao)视听

⑥ 说不定还能找到皮(pi)划艇(ting)鑰(yao)匙(chi)，提前开潤(run)(脑洞)

......

而这都收斂(lian)于一艘固(gu)定场景的邮轮，交互也仅靠对话和简单的道具，单局10~20min短平(ping)快的时长。麻雀虽小，五(wu)臟(zang)俱(ju)全，也正因其较高的自由度，配(pei)上合情合理的快速反馈，刺激不少玩家自愿重开，试图找到更完美的方案、或者更荒誕(dan)的解法。毕竟，侦探游戏最有趣的不是那一个个解谜机关，而是最終(zhong)把线索归位复原真相，驚(jing)嘆(tan)“哦(o)！原来如此，我早该想到的！”的那一刻。

回顧(gu)《Overboard!》这样的一段小品级故事，研发周期也不过100天，看似門(men)檻(kan)和成本都不高，但在传统开发工具下，想做到这般(ban)“主观感觉开放、实则收敛可控”的体验，工夫尽在詩(shi)外，非常依赖编剧的人工推敲，梳理关键线索、NPC状态。

Inkle叙事总監(jian)曾在GDC分享过另(ling)外款互动作品《Sorcery》的开发逻辑，采(cai)用少量状态树以达到足够自由度

但在LLM的驱动下，可以把推理交给神经网絡(luo)，把选择自由权转到玩家，避免“策划絞(jiao)尽脑汁(zhi)想了100种方案，玩家只玩了2~3种”。对于独立团队而言，或许更迭题材和体验 (比如“末(mo)日/密室逃(tao)生”、“伪装间諜(die)”，不必拘(ju)泥(ni)于推理)，就能搞点新乐子。也许还能兜(dou)售(shou)调用LLM的次数，限制玩家无限试错、提供撤(che)回操作的空间。

这种更契合Adventure本质的游戏还有些许参考，例如具有随机生成元素的策略RPG《漫(man)野奇譚(tan)》也有异曲(qu)同工之妙。或者跳出电子游戏，曾经风靡(mi)歐(ou)美的Gamebook、无数童(tong)年回忆的《冒(mao)险小虎(hu)队》，其思想也有十(shi)足的开放性。

提及叙事和开放性，不少从业者还会想到AI跑团。笔者认为，的确值得一做，但生成式AI并不直接解决跑团小众的难题，当下依然是服(fu)务于核心群体，要想推广跑团乐趣得在设计上做简化。

毕竟跑团的本质，和“玩家自主创造乐趣/UGC”同理，是一种共同叙事。一段或荒诞、或温情的故事需要KP和PL共同完成——其中的随机Roll点只是实现手段，没有玩家为此赋予的意义，大成功(gong)大失(shi)敗(bai)又能如何？

说到底(di)，不同于更依赖剧本和DM带飞的剧本杀，跑团是小夥(huo)伴们一起编故事的游戏，得解放玩家的中二想象(xiang)力，PL要不会玩，AI也帮不上忙(mang)。

制約(yue)跑团文化传播的一大原因，并非简单的組(zu)不齐车队，而是新人不会玩、擔(dan)心玩不好的心理负担——这也侧面说明了，玩跑团和看跑团视頻(pin)终有隔(ge)閡(he)，视频的流行也难以直接把路人转化为玩家，毕竟前者是親(qin)身参与、独有体验的调查(zha)员，后者是看客心态的观众。

照(zhao)此逻辑，单纯由Stable Diffusion驱动的立绘/CG生成、GPT系列驱动的KP/PL对老手倒是增添了些许体验，但想让更多潛(qian)在玩家体验到跑团乐趣，得借助LLM在设计层面先循(xun)序漸(jian)进，提供充分的反馈。对此，售卖模组、按(an)AI调用次数/时间的收费，也具备了一定的可行性。

题外话，一起编故事、乐子人等元素，搭载喜欢“胡说八道”的ChatGPT、再荒诞也能视觉化的Stable Diffusion，似乎《道詭(gui)异仙(xian)》还是个不错的切口，人人皆(jie)是坐忘(wang)道，就主打一个个的虚虚实实、真真假(jia)假。

《道诡异仙》坐忘道似乎是不错的选材参考，亦(yi)真亦假全靠玩家判(pan)斷(duan)，增加输出的容错率

沙盒与模拟经营

拥有记忆、计划、反思能力的Generative Agents对NPC占(zhan)比较重的扮演式模拟经营、控制类沙盒有较大帮助；同时，NPC不仅得鲜活，还需要设计师赋予其招募佣兵团/共同经营/恋爱后宫等意义，给予玩家自由把玩的目标。

作为RPG游戏不可或缺的一環(huan)，非敵(di)方NPC往往承(cheng)担了任务发布(bu)器和背(bei)景板(ban)的角色。尽管在多数游戏里，这些角色并不构成体验的关键支柱(zhu)，但依然要费不少心思来设计，且多为一次性消耗内容，还有可能不会被玩家觸(chu)发/认真对待(dai)。

不过，沿(yan)用“玩家自主创造乐趣”的思想，在生成式AI的技术加持下，更优的解法也许并非增加更多的NPC（当然也不会是僵(jiang)硬地植(zhi)入自由对话......），而是加强NPC、NPC之间的智能反馈，让玩家有更强的主观能动性，或组建一支神奇的佣兵团、或在复雜(za)的国際(ji)环境執(zhi)政(zheng) (NPC也可能是一个个国家)、或挑(tiao)战广开后宫(bushi)。

而这一切的实践基础，则是热门的斯(si)坦(tan)福(fu)大学论文《Generative Agents》，不由得对其中栩(xu)栩如生的角色关系叹观止(zhi)矣(yi)。相较于曾经靠人工BT/FSM来框定角色行为，论文里接入GPT3.5，装载了能提取记忆、计划、反思的Memory System，那NPC能据此先大致制定行为计划、并針(zhen)对环境和其余NPC的变化做即时调整，来脱离纯粹由策划推理的困(kun)境。

如果说《Generative Agents》更像是个观賞(shang)性的技术DEMO，想必不少从业者也想到了复杂性和可玩性都更强的沙盒游戏。例如有异曲同工之妙的《矮(ai)人要塞》，控制七(qi)个性格(ge)各异的小矮人试图建造一个堡(bao)垒，尽管游戏ASCII古(gu)早的美术风格和极其硬核拟真的复杂难度（当然热衷(zhong)于此的朋(peng)友会说“Losing is fun”） 勸(quan)退(tui)了不少看客，但都不妨(fang)礙(ai)其“醉(zui)酒(jiu)貓(mao)”的MEME梗声名在外——

起因只是矮人在酒館(guan)打架会碰(peng)倒酒杯，但结果是待在酒馆的猫醉了 (要知(zhi)道在设定里，猫是不会喝(he)酒的)，经过一番查詢(xun)，原来是酒沫(mo)濺(jian)到了猫毛(mao)，而小猫喜欢舔(tian)自己的毛，这才导致了醉酒状态。尽管这更像是个意料之外的BUG，但或有趣、或荒诞的BUG所引发的蝴(hu)蝶(die)效应又总能令玩家莞(guan)尔一笑(xiao)，而背后的思想与Generative Agents有不少相似之处。

同理，《环世界》《僵屍(shi)毀(hui)滅(mie)工程》也有相似的设计脈(mai)络，如果能引入LLM，并用LangChain“魔(mo)改”，甚至擴(kuo)展到MMO，让单机体验延伸到网游，在奇幻的背景设定下组建兵团，玩家自然而然就有更广闊(kuo)的目标。

如果说以《矮人要塞》为代表的操控类沙盒作品上手门槛较高，那么以《星露(lu)谷(gu)物语》《集合啦(la)！动物森(sen)友会》为代表的扮演式模拟经营能吸(xi)引更多休闲玩家入坑(keng)，这也是Generative Agents可落地的场景。

相信不少玩家在《星露谷物语》中期都查过NPC出没时间和地点的攻(gong)略，隔三差五地去聊天送(song)禮(li)，再等一个雨(yu)天去找老水(shui)手購(gou)买美人魚(yu)吊(diao)墜(zhui)，最终与喜爱的角色结婚(hun)（不限性别），每天看着对象为你烹(peng)调早餐(can)、澆(jiao)灌(guan)田(tian)地，没事儿还会来个拥抱。

如果用Generative Agents打造一个拥有长记忆体的NPC环境，也许这种小鎮(zhen)反馈会更豐(feng)满，而且内容可不局限于農(nong)闲生活和谈情说爱，甚至不局限人类智慧(hui)体——毕竟NPC≠人，既能是沈(chen)藏(zang)海底、不可名状的“鱼群”，也能是奇幻大陸(lu)的精靈(ling)海妖(yao)，满足玩家的“细分需求”。

涌现与电子斗蛐蛐

游戏领域的涌现是利用有限的规则组合，来构成丰富且有意义的反馈，但难就难在输出结果依然是体验可控。同样有涌现特性的生成式AI，在融合游戏性后，其本质是“电子斗蛐蛐”，满足玩家作为上帝视角Kill Time的乐趣。

在GPT-3异軍(jun)突(tu)起，超越同期的BERT后，涌现一詞(ci)就常常被研究者提起。作为从复杂学科诞生的概念，涌现尝试概括(kuo)在宇宙、社会、生命等混沌中自发出现秩(zhi)序的现象，例如天气转化、蟻(yi)群分工、免疫(yi)器官的构成背后都是由大量微观个体在一定规则下的宏(hong)观结果，其中最为知名的则是康(kang)威(wei)生命游戏，直观地演繹(yi)了数條(tiao)规则下的丰富变种。

而这个源于自然的概念，经过些许简化后，也在游戏设计中得以体现——即利用有限的规则组合，来构成丰富且有意义的反馈，让玩家自由探索乐趣所在。对此，最广为人知的就是《塞尔达传说：荒野之息》，只用希卡石(shi)板的四个新手村(cun)能力，加上符合直觉的物理（重力/温度）反馈，足以让一团火有多种用途(tu)。

不过，涌现并非万灵藥(yao)，复杂与有趣并非伴生关系。如今结合生成式AI来看，更重要的是可控涌现，即謹(jin)慎(shen)地设计基础规则、推敲机制间的组合，使得结果仍在设计师预见范围之内。的确，想优雅(ya)地完成绝非易事，但无需达到任天堂(tang)级别，只是汲(ji)取规则组合的思想，也能有不俗(su)的创意。

譬如Sokpop工作室的《Simmiland》就是不错的学习对象。其体验像是上帝视角下的“电子斗蛐蛐”，玩家只需要在随机地图里决定打出「天气」「礦(kuang)石」「植物」「生物」的卡片，就可以左右(you)小世界的环境，观察小人NPC能搞出什么新花样。

千变万化的卡片组合，可能带领人类走向不同信仰(yang)的时代——也许是興(xing)建教堂的宗(zong)教路线、生产房(fang)屋(wu)汽(qi)车的工业路线、还可能是手搓火箭(jian)的科技路线，一切都取决于玩家意志和规则组合。

相似的，Sokpop的另一款佳(jia)作《Stacklands》则是基于抽(chou)卡包、卡牌间组合的逻辑，也能让玩家自主创造一个世界，并伴随其文明的发展，其中貨(huo)幣(bi)产出与抽卡消耗的循环使得该作更耐(nai)玩，且为商业化提供了空间。还有独立游戏开发者On的代表作《生命之島(dao) GROW Island》，虽然是较为有限的排(pai)列组合，但精致的反馈也让作品頗(po)具可玩性。

设想，如果将上述游戏的思想接入LLM，促使NPC学习对应规则，将卡片转换为Prompt，也许经由同样是涌现逻辑的神经网络，能赋予玩家创造更加丰富、且符合直觉的小世界吧。其中，卖卡包/卡组、撤回/增加额外变量就有一定可行性，究竟本质还是卖prompt和调用次数。

回到“电子斗蛐蛐”的设想，除了设置物理规则的互动，将涌现理解为个体与个体间互动所产生的社会现象也值得试试。这不禁(jin)让人夢(meng)回2018年的《太(tai)汙(wu)吾(wu)绘卷(juan)》，作为知名武俠(xia)开放世界RPG，茶(cha)余飯(fan)后的谈资卻(que)并非战斗功法，而是“复杂且有些荒诞”的NPC关系、和斗蛐蛐的副玩法。

有些反直觉的是，相较于过于强大的人工智能，有些荒诞的人工智障(zhang)反倒让玩家有种看乐子的掌(zhang)控感。早期的武侠和修(xiu)仙独立游戏均没有复杂的AI，甚至还充斥(chi)着一堆BUG，表现上也只有单薄(bo)的文字，但縱(zong)观Steam热評(ping)、B站弹幕(mu)，不乏就着“剪(jian)不断、理还乱”即兴发挥的文豪，身处上帝视角的观察和脑補(bu)让玩家乐此不疲。

设想，如果NPC有更强的决策、记忆、推理能力，策划只需设计颇具看点的矛(mao)盾(dun)、背景，也许就能满足不少互联网闲人Kill Time、图一乐的需求。

泛娱乐游戏化

为了脱离与传统游戏之间的价值对比，AI原生游戏从包容度更高、敏感度较低的休闲玩家切入，可能会更快验证其循环的合理性。而游戏化改造的本质是赋予目标和反馈，支持玩家有趣的选择，并在商业化设计上做好价值塑(su)造。

如果说跑团、沙盒、开放世界、模拟经营都是面向游戏玩家/Gamers，就不可避免会将生成式AI的作品与经典大作对比价值几何——抛开概念噱(xue)头，AI原生游戏本质还是游戏，内核要比肩(jian)《星露谷物语》本就不易。但如果放眼更休闲的非游戏玩家/Non-Game Players，游戏人的思维配合AI或许能有降维打击的奇效，更容易在短期内验证。

援(yuan)引席(xi)德(de)梅(mei)尔的名句(ju)“游戏是一系列有趣的选择”，只需要增加目标和反馈，为对话增加风险博弈，原本平淡(dan)无奇的NPC聊天也能变得有趣，而这也是Character.AI等对话式产品有游戏化改造空间的原因。

譬如独立游戏开发者大谷用GPT3.5开发了一个病嬌(jiao)性格的AI猫娘(niang)女友，支持语音(yin)对话。但更重要的是作者设计了一个“密室逃脱”的目标 (这很病娇)。于是，玩家体验不再是像Character.AI那样的无目的闲聊，而是使出渾(hun)身解数，靠一张嘴尽快脱离“魔爪(zhao)”。

这个DEMO也正是“玩家自主创造乐趣”的好例子。过去玩家能输入什么得靠设计师窮(qiong)举，本质还是一次性消耗品。如今，这份(fen)推理负担转交给了GPT系列，在具备一定逻辑性的同时甚至还有些花活儿。那玩家体验的有趣与否相当看其创造力，设计师只需降低门槛、鼓勵(li)玩家——当然也得防(fang)范NSFW的情况。

GPT，你也玩《原神》！

如果担心调用LLM会有延遲(chi)问题，还可以在设定上选择同样有延迟反馈的设定来规避。例如曾席卷中文互联网的《旅(lv)行青(qing)蛙(wa)》，佛系放置的背后，为这种不确定性的旅行提供了合理性，反而让玩家期待“儿子”会带来怎样的照片。

再考慮(lv)到GPT系列尚且有些“一本正经的胡说八道”，这种似是而非、模糊(hu)套话的输出结果和具备巴(ba)纳姆(mu)效应的部分心理測(ce)评、塔(ta)羅(luo)牌、解梦、算命有天然的契合度，文本和图片的可解释性本质在用戶(hu)自己手上。

或许这也能用Midjourney输出精致的塔罗牌卡面，经过针对性Fine-tuning的LLM对关键词做解析，再由设计师对主题、UI/UX交互做些包装，增加收集、装扮、社交等目标和反馈，亦是一款不错的泛娱乐游戏化产品。

如果再将变现效率纳入考量，海外《Chapters》《Episode》等可视化的视觉小说也和生成式AI有不错的相性——相信关注出海的朋友经常能刷到上述产品非常“Drama”的投放素材，直击北美16~45歲(sui)女性。

这种网文风作品的本质是情緒(xu)调动。其编辑深諳(an)节奏疏密，平均1~3min就挑起沖(chong)突或高潮，哪怕角色和情节有些模板化，但架不住(zhu)用户在Kill Time的时候(hou)还是吃这一套 (相似的，抖(dou)音中AI有声漫画有异曲同工之妙)。

即便運(yun)营5+年之久(jiu)，时间来到2022年，《Chapters》《Episode》依然在北美保持了2000~3000万美元的年流水，巔(dian)峰(feng)时期月流水也曾破千万美元。而不同于国内熟稔(ren)的Gacha模式，上述作品更擅长在调动好情绪后，在擦(ca)边橋(qiao)段提供【付费选项】和【免费选项】，而在故事转折时戛(jia)然而止，提示(shi)得等待数小时或直接氪(ke)体力解鎖(suo)后续章(zhang)节。

尽管这种逼氪的手段也消耗了玩家的耐心，但对普罗大众而言，需求经久不衰(shuai)。近年来包装为模拟约会的MeChat也杀出重围，站住了腳(jiao)跟。且不难发现，新产品的xp也越发细分，而这种高度定制化、千人千面的需求正符合如NovelAI这样的生成式AI，而靠人工编剧就很难尽善(shan)尽美。

与其用生成式AI出图、配音、写文去复刻这类作品，不如借鑒(jian)其情绪调动、并为选项赋予高价值的思想，售卖附(fu)加情节。毕竟商业化设计的本质是价值塑造与价格对比，AI原生游戏若想持续发展，不建議(yi)只盯(ding)着天花板有限的IAA广告(gao)变现，而是用游戏设计的思想拔(ba)高其调动LLM/其他生成式AI工具的价值。

病毒式传播与玩家共创

AI原生游戏不应该以“技术”为壁垒，也不应该以“AI”作为卖点，而是思考AI以外真正触动玩家的体验是什么？最好得利用病毒式传播、玩家共创等方法，围绕玩法/体验构建专有的数据庫(ku)，以此形成壁垒。

尽管我们聊到了诸多与生成式AI相似思想的游戏原型，但“玩家并不需要两个《王者荣耀(yao)》”，AI原生游戏并非单纯地再做一次相似作品，且核心卖点永远是游戏而非AI——AIGC+貪(tan)吃蛇(she)，有趣之处仍然是贪吃蛇本体。当“AI游戏”的概念即将被濫(lan)用时，AI以外的部分才是核心竞争力，正如同鷹(ying)角、蠻(man)啾(jiu)、米(mi)哈游也从未用“二次元”标榜(bang)自己。

同时，AI原生游戏的成效也并不一定就属于最早发布、最早拥有大量玩家关注的作品，而是要探讨如何围绕体验获取更多玩家数据，以此迭代体验、不断循环，在细分体验下构建竞争壁垒。

这可类比于Midjouney，用户在Discord的每一次交互，既是获得文生图的反馈，也是为模型迭代提供数据，据此Midjourney能根据实际需求针对性地训练模型以迭代体验，形成数据飞轮。类似地，AI原生游戏区别于传统游戏，也应当围绕其设计，让玩家的交互既是体验的一部分，也同样可转化为迭代的养料。

为了吸引更多玩家，理解并结合好社区文化会是一大助力。考虑开发难度和传播能力，红极一时的小游戏《人生重开模拟器》可能是不错的试验田，其Gacha式的交互推进和略显荒诞的人生发展与AI有几分相似，同时也具备病毒式传播和二创的可能性——毕竟原版在第8天就已有10億(yi)次游玩，并在此后衍生出魔法版、修仙版、爽(shuang)文版等相似逻辑的作品。当这种思想接入生成式AI后，也许不只是纯随机的对话，可以衍生出更多的玩法。

而跳出游戏性本身，从壯(zhuang)大IP生命力的角度看，借力生成式AI的社区共创也非常值得探索——选择能掩(yan)蓋(gai)生成式AI不易控制产出的短板，对“质量”要求不高，或者说本就接受(shou)浪漫主义、图一乐的内容方向。

譬如《崩(beng)坏：星穹(qiong)鐵(tie)道》在前段时间有场「无尽的三月七」图生图活动，模式简单易懂。若按传统图像生成的思想，想必是Prompt写满了诸如“Best Quality、Masterpiece、NSFW”等词，出现奇怪的手、精致但没灵魂(hun)属于常态。

不过，对于二创而言，精美不是唯(wei)一出路，玩家自己玩得开心更重要，有时候整活儿才更具传播力——在B站搜(sou)索关键词，再按点击量降序排列，似乎都是“怪東(dong)西(xi)”。但恰(qia)恰也是网友难以捉(zhuo)摸(mo)的想象力，将本不完美的图转化成QQ群里的MEME，产生病毒式传播。

从米哈游这次活动说开去，发行侧也可以将生成式AI打包为降低二创门槛的工具，并不一定是为了短期的整活儿，而是延续和扩展角色和游戏故事，让IP宇宙的内容更加健(jian)壮。例如，AI分鏡(jing)版、AI四格漫画等，官方提供主题即可，其余由粉(fen)絲(si)放手开干。

03、创作者

如果说上文是仰望星空，尝试探讨AI原生游戏会走向何方，那么在这一篇(pian)章，我们得脚踏(ta)实地，回归到这一切的根基——创作者。毕竟无论技术如何迭代，最稀缺的依然是一群懂游戏、有审美、有开发能力的创作者，后文笔者希望探讨生成式AI如何作为Copliot辅助好开发与发行，让人之价值回归于人之本身。

降本：真正要减少的是沟通返工，倒逼上游捋(lv)清需求

降低成本并非单纯的裁员，而是设法降低沟通、返工、探索的摩(mo)擦损耗，捋清楚(chu)开发需求。

每当论及生成式AI对行业的影(ying)響(xiang)，媒体和上市公司总喜欢把“降本增效”挂在嘴边，但其中意蘊(yun)相当朦(meng)朧(long)，一直存在种刻板印(yin)象的誤(wu)解——仿佛“降本增效”等同于找到契机裁员，裁员后项目就能順(shun)利发展。

尽管研发费用的确在与日俱增，但做得不够好玩，又如何靠省錢(qian)来获利。如果真要论及人天节省的直接比例，比如PBR流程里，早年的自动绑骨骼、自动展UV、生成LOD也不过是把原本0.5~1人天的工作量再缩短些，甚至还得人工复核破面、缺面等漏洞。

笔者认为，生成式AI对生产端(duan)的帮助更多是通过降低“沟通摩擦”和“探索试错”的成本，倒逼从业者用奥卡姆剃(ti)刀原理想清楚设计意图和核心体验，从而提升(sheng)效率，不是单纯地优化人力。

作为一种复杂工程，提需求是开发者的一大要务，大模型也不可能直接服务于——“想个月流水过亿的方案吧”。但相对地，ChatGPT、Stable Difussion等工具快速出稿(gao)的特性，在一定程度上能让开发者厘(li)清需求，围绕项目的核心体验和卖点，想好究竟要什么、不要什么。

毕竟，做加法是容易的，做减法是困难的，不少游戏败在缺乏主軸(zhou)，产生冗(rong)余设计和美术资产，没有充分把资金花在服务于体验的刀刃(ren)上。同时，策划也可借助文生图制作情绪版，更好地向美术同学传遞(di)需求，原画也能用图生图反馈不同方案，与策划快速达成共識(shi)，不必费功夫产出大量廢(fei)稿，尤其是涉(she)及相对抽象的“温柔(rou)”“帥(shuai)气”“儀(yi)式感”等词。同理，也可借助于Mubert、AIVA、Vits模型来试着生成音乐、配音小样，在早期拿捏(nie)需求。

说到底，AI并不会替人想清楚，即便快速产出100张图、100句话、100段BGM，也只会让缺乏指导思想的开发者更加迷茫(mang)而难以取舍(she)。某种意义上，学习AI，反倒是认清自己，是个“知道自己知道、知道自己不知道”的过程，积累(lei)知识、术语、閱(yue)读量，以达到精準(zhun)表达的目的。

增效：当基础活儿靠Copilot节省后，人的核心能力将被放大

美术的工作重心是表达，而不是绘画；UI的工作重心是交互，而不是图标。AI Copilot时代促使创作者思考真正重要的是什么。

凱(kai)文·凯利在接受采访时曾提出个观点——“人类 90% 的技能会被 AI 取代，剩(sheng)下的 10% 会被放大。” 前半句的比例有多高并不重要，关键是充满人本主义的后半句，即那些“人之所以为人”的事物是什么。

以时下最火热的2D原画生成为例，回顾往昔(xi)，历史的车轮总是有相似性。19世紀(ji)法国诞生了攝(she)影，其灵感源自早年的绘画辅助工具“暗(an)箱(xiang)” （小孔(kong)成像+画家描(miao)摹(mo)），而作为世界首张"照片"，《勒(le)格哈的窗(chuang)外景色》乍(zha)一看颇为粗糙(cao)，还需要长达至少8小时的曝(pu)光(guang)，直到10年后达盖尔将技术发展到新里程碑(bei)，这群绘画出身的藝(yi)术家才摸到些门路，不过依然没找到“摄影”的独特性，还在沿襲(xi)嚴(yan)谨的靜(jing)物构图等传统美术在做的事儿。

所以，不出意外的，彼时“绘画已死”的论调成为争议焦点。但有趣的是，也有不少画家开始用照片当绘画参考——毕竟請(qing)模特、布景费用比较昂贵，但短时间内又无法完成画作。同时，剛(gang)出生的摄影还引发了“绘画是为了什么”的思潮，随即在往后的30年间催生了以莫(mo)奈(nai)、塞尚为首的印象派（彼时还是挖(wa)苦(ku)用的貶(bian)义词），同时也诞生了有独立体系、更加原生于照相机的摄影师。而二者的发展也总是互为灵感，绘画受摄影的影响不再只是求真，摄影受绘画的影响也融入了更多主观性和浪漫主义色彩(cai)。

回到生成式AI在文生图的发展来看，总有些历史的暗合，同样经历了“耗时太长且出图不能看，到相对快速且质量提升”、“引发绘画是为了什么的思潮”等階(jie)段。

关于这个问题，正好翻阅到穆(mu)夏(xia)的作品，颇有感触，美术最重要的应是表达。当手绘转为板绘、3D辅助建模深入一线，工具正不断地被迭代，触动人心的却总是精湛(zhan)技艺背后的情绪和思想，而临摹从不会被看成美术工作者的代表作。

由此，笔者也观察到部分游戏的概念艺术家正积极用结合了ControlNet的Stable Diffusion来做探索，尤其是风格转化、头脑风暴、快速验证。

例如近期上映(ying)的《蜘(zhi)蛛(zhu)侠：纵橫(heng)宇宙》就有独特、大膽(dan)且多变的渲(xuan)染(ran)视效。也许艺术家在看完后就忽而有某种表达欲，可以将其放入Stable Diffusion+Midjourney，试着转换成截然不同的风格，先且不论精细度和正确性，只求快速产出氛(fen)围和情绪参考——打开脑洞，更好更快地产出属于自己的作品，而无需慢(man)慢找参考、找到后还得亲自试着画画。节省时间之余，还可能带来有趣的元素。

此刻，2D美术生成已是如火如荼(tu)，快速出100张图不是难事，但对游戏而言，有意义的内容才真正稀缺。毕竟对持续内容更新的项目而言，单个版本可能只推出1~2个角色。尤其是内容向作品，需要对每个角色的设定、战斗配置、对应的验证环境都精心雕琢，才更好作为商品卖出，并非以量取胜。

因此，若想直接用上生成式AI的产出，似乎更适合在那些“不觉之间”，例如投放素材、补间动画、边角背景、休闲小品。而在哪些部分投入，也正反向体现了游戏的卖点，倒逼开发者将注意力放在表达和商业考量——

例如，擅长叙事的作品，讲究情绪引导，真正缺的是懂关卡、懂燈(deng)光、懂3C调度等的游戏导演，而不是堆砌文字；注重交互的作品，讲究UI/UX的易用性、沉浸(jin)感、世界观表达等，显然不是Midjourney生成像模像样的ICON那样简单粗暴......

无论如何，当生成式AI作为Copliot迟早替代基础活儿后，反倒促进人的学习和思考，让产出服务于价值本身。

04、近未来

每当新技术出现时，往往因其仍处在早期，会陷入一种“有点用但不多”的迷思，也容易有点“拿着錘(chui)子找釘(ding)子”的过度FOMO。不过事物发展总是螺(luo)旋(xuan)演进的，需要理解好这把新锤子，不忽视也不鼓吹。笔者尝试在该篇章分享些有趣的发展方向，聊点近未来。

尽管学界对以GPT-4为首的大模型究竟是“淺(qian)层统计模型”还是“习得内在规则”还存在较大的分歧(qi)，但不可否认的是，当前焦点依然是基于Transformer+Next Token Prediction的路径，那如何打破Transformer不擅长处理长文本就是近期一大难题，毕竟普通GPT-4也只支持8000Token，会影响模型对字符间最长距(ju)离的支持和对上下文的计算压力。

好消息是，Sam Altman近期在访谈提到会在2023年内开放最多支持100万Token (约合75万个单词) 的新GPT-4，并在2024年开放多模态GPT。类比于ControlNet不断更新输入条件，当输入框大幅(fu)提升且支持非文本后，模型对材料的学习能力可能更上一层楼，也让使用者的交互更灵活。

而当目光转向图像生成领域，碍于3D模型的信息密度高于2D图像/视频、高质量数据少于语言模型、参数规模也不可比拟，暂未出现所谓的“涌现”现象。现阶段最为瞩目的Text-to-3D也多是“曲线救(jiu)国”，先生成低分辨(bian)率的2D图像或者3D粗模再进行优化，面数也非常低，突破口大概率还得看英伟达。

值得期待即将在8月召(zhao)开的SIGGRAPH，英伟达预计会发布20篇生成式AI相关文章，包括但不限于“将文本转为个性化图像的新型AI模型”、“可以将图像转为3d模型的渲染工具”、“能够模拟复杂3D元素的AI驱动神经物理模型”，以及“生成实时视觉细节的神经渲染模型”。同期还有OpenAI的新模型Shape-E、以及基于Mesh生成的MeshDiffusion、国内无需3D数据直接文本生成带紋(wen)理的Mesh模型或NeRF模型ProlificDreamer。

多数3D生成模型是基于模型库训练的，即无法生成非模型库的内容，而MeshDiffusion可以基于Mesh生成训练数据中不存在的全新形状。不过面数还比较低，离工业还有点远。

回归当下，其实也有不少尝试融入现有3D流程的工具，尽管可控性勢(shi)必与外包熟手相比欠了一层，不过依然有些小插(cha)件值得关注，例如专攻貼(tie)图生成的BariumAI (已被Unity收购)、WithPoly，效果比单纯Stable Diffusion生成的可能含(han)后处理效果的贴图靠谱，但诸如修改法线强度或者粗糙度还得人工来；再比如Blockade Labs近期推出的天空盒生成，输入Prompt，可以得到360°旋转、并且是无縫(feng)銜(xian)接的环境图片。

现有图形学的渲染方式受限于硬件已然成熟，但其流程也不乏仅仅服务于下游的“中间品”。按PBR流程制作一个人形的3D角色，高模雕刻占比可能近50%的时间，而转三视图通常交给外包熟手搞定，展UV、刪(shan)改LOD、蒙(meng)皮绑骨骼本就耗时不长，只是繁瑣(suo)枯(ku)燥。

若以更原生的思想来看，AI并非融入旧产线去跟高度熟练的外包搶(qiang)活儿，而是尝试构建一套新工作流（尽管如今还是存在想象中的科幻），不过目前的点雲(yun)、SDF、NeRF等路径仍在实验室阶段，需要更长时间的探索。

至于代碼(ma)辅助、音乐生成、声音转换、无穿(chuan)戴(dai)动捕(bu)等也有不错的进展，可以预见，近期还会冒出不少AI Copilot型工具。不过，市场最稀缺的还是懂游戏的产品经理，而非单纯的工程师——毕竟对从业者而言，哪个好用、哪个好学就用哪个。参考游戏引擎的历史，好工具往往是一个好游戏的附属品，不然容易陷入“顱(lu)内自嗨(hai)”的窘境，若想搞ID Tech Engine就先搞个《DOOM》、搞Unreal就先搞个《虚幻竞技场》，因此好工具得从游戏团队“长”出来，很难由矽(gui)谷工程师们憑(ping)空生造。

殊(shu)途同归，AI原生Feature的探索最终都会回到游戏开发本身，新生的火炬(ju)之光依然得由开发者举起。而在路径混沌、资源分配不均的当下，大厂和创业团队尚未进入竞争阶段，二者都面临各自的难题——譬如大厂得思考ROI悖论，费力炼制的模型是否对应充足的真需求，中臺(tai)的研究离一线业务是否又太远，懂AI又懂游戏的CTO此刻身在何方...... 那么，誰(shui)能掙(zheng)脱桎(zhi)梏(gu)，先行走出新路径，谁就能获得超额收益(yi)。四王擡(tai)棺(guan)，荣譽(yu)总是属于开拓者。

05、尾(wei)声，但并非结局

生成式AI的一切思考都不应盲(mang)目拥抱或排斥，唯有了解新技术的来龙去脉与本质，以发展和开放的心态去探索，回到最务实的生产流程和游戏乐趣后，才能更好地与时代共振(zhen)。

而无论技术如何更迭、輿(yu)论又导向何处，笔者所在的GameTrigger，作为一家专注游戏产业和开发者关系的投资机构，堅(jian)信最稀缺的永远是懂游戏体验、能务实落地的开发者。面对生成式AI为玩家和行业带来的可能性，笔者和GameTrigger将持续关注，并继续组織(zhi)原生于生成式AI与游戏的讨论、社群、GameJam等活动，非常欢迎(ying)有想法的小伙伴来与我们交流合作——替身使者是会相互吸引的，期待你的到来！

最后，援引曾供職(zhi)于OpenAI的两位科学家Kenneth Stanley和Joel Lehman在《为什么伟大不能被计划》一书所写的话作为结尾——

伟大不是目标指引的结果，因为通往伟大的路线从来都不是直线，很多时候快反而就是慢。萊(lai)特兄(xiong)弟(di)发明飞机，最早用的是自行车技术；本来是用于驱动雷(lei)达磁(ci)控管的一个部件，意外成就了微波爐(lu)；第一台电子计算机用的是电子管，但电子管根本就不是为了计算机而发明的；YouTube最初的设想是一个视频约会网站，后来发现人们喜欢在上面分享五花八门的视频；比尔·盖茨(ci)迎合极客打游戏的需求，结果普及了个人电脑；埃(ai)隆(long)·馬(ma)斯克(ke)起家是网上支付，最后却推出了SpaceX和特斯拉……

也许，此刻，在世界的某个角落里，一群够Nerd的天才正发明令人叹服的新“玩具”。返回搜狐，查看更多

責(ze)任编辑：