AI2.0是平台式机会，这家成都公司想要用AI赋能游戏

7年磨剑，行者AI准备这样亮剑

TEXT TO GAME正在慢慢走向现实。

3月30日，在2023竞核AIGC闭门会上，育碧、网易、朝夕光年、腾讯、行者AI等多家游戏公司专家齐聚一堂，就现有游戏生产中AIGC工具落地进展、工作流应用以及未来探索做了分享。

无巧不成书，几位演讲嘉宾背靠公司都手握游戏业务和AI研究两项能力，这也让他们对AIGC应用于游戏认识得更加深刻。

其中最为特殊的可能就是行者AI，行者AI团队组建于2016年，早在AIGC这个概念出现的7年前，就一直致力于研发游戏降本增效的工具，已经迭代出相当多的AI工具。

AI商业化落地极其不易。行者AI CEO尹学渊透露，行者AI目前通过AI三维美术资产、二维美术资产、音乐音效、虚拟玩家生成以及游戏安全等多项能力实现了正向收益。

满足未被满足的需求

“能实现盈利真的是太不容易了。”在场嘉宾几乎都对行者AI能实现盈利表示了惊讶。因为在过往实践中，AI技术研发投入大，而要落到实际游戏生产中仍然是一件比较困难的事。

就拿近期最为火爆的AIGC美术举例，Midjourney V5推出后，AI画手难题已经被攻克，并且可以生成照片级的图片，让人直呼美术要失业了。

不得不承认，AIGC美术迅速发展的确会导致一部分初级美术被替代，但在头部大厂项目和中高级美术人才的评判标准中，AI所创造的东西只有0和1。

什么叫只有0和1呢？简单解释就是艺术家们的阈值很高，可能缺失一个细节都会成为作品被弃用的原因，即便AI做出了99%的完成度，在他们看来依然是无用功。因此，要去真正说服游戏项目组使用AIGC资产，就必须有超出他们预期的作品。

不过，有阳春白雪就会有下里巴人。这个世界不只有3A大作、不只有头部游戏公司，还存在着大量中小型游戏公司和下沉市场玩家，他们的需求同样应该被满足。

比如2017年推出的独立游戏《Loner》，它就是一个在深空中开飞机的游戏，整个世界几乎都是黑的，只有飞机有一点光、前方有一点光。可能许多玩家玩了一会儿就会对它失去兴趣，但这样一款游戏也引起了许多孤独玩家和抑郁症患者的共鸣。

根据《2022年国民抑郁症蓝皮书》显示，我国有9500万人患有抑郁症；同时，根据中国残疾人联合会数据统计数据，我国有8502万残障者。这一亿多人中同样有不少人，他们想要和正常人一样收获游戏的乐趣。

由于游戏制作成本高、创意难、系统工程复杂，要做出一款受欢迎的游戏成功率很低。好产品数量有限，玩家需求自然得不到满足。

尹学渊表示，AIGC要解决的就是游戏生产力问题。可能在头部公司看来，AI创作的许多资产还达不到项目标准，但对中腰部公司来说，部分已经可以生产使用。

比如行者AI的AI美术资产生成能力，可以通过AI为游戏提供概念原画创作、ICON/图标生成、场景生成、广告图生成、3D减面等能力。

在日常美术工作中，像画一些技能图标或是物品图标，其实是一个枯燥且没有什么创意性的过程。倘若借助AI直接生成后，能将美术生产力解放，让他们投入更具创意性的工作中。

同样，一些服务于下沉市场的中腰部游戏公司，他们对美术的要求没有头部公司那么高，AI生成画作可能稍加修改或许就能实际应用，大大提高了游戏生产效率。

“再比如发行侧游戏BGM，请人写歌至少得几万块吧，写出来也不一定符合需求，”尹学渊打趣地说，“用我们行者AI能力百分之一的成本就搞定了。”

高成本、长时间 VS 低成本、短时间，在实际工作中这种巨大的效率差，无疑正是行者AI的优势所在。可以预见，未来这些中腰部游戏公司会更加依赖行者AI所提供的相关能力。

Text to 3D初见雏形

AIGC技术变化可谓是日新月异，从去年下半年开始，AI作画已经逐步融入工作流，谷歌也推出了音乐生成式AI模型MusicLM，这些技术无一不在快速变革着多个行业的生产方式。

聚焦到游戏行业中，目前仍有3D资产生成这样较为复杂的工程，尚未涌现出成熟的AIGC一站式解决方案。大部分3D领域AIGC应用还是侧重辅助能力，比如3D重建、自动Remesh、自动LOD、自动展UV等等。能像ChatGPT和Midjourney直接“Text to”的应用还少之又少。

在闭门会上，尹学渊向大家介绍了行者AI的三维资产生成能力，通过输入一定的参数即可自动生成静态3D建筑、花草树木、山川河流等环境资产。

据悉，行者AI收集了大量建筑数据进行迭代训练，最终完成了一个“Text to 3D”雏形。“我们当时做的第一个3D模型大概用了800多万组数据样本，最终训练出来了。”尹学渊说。

对于许多中腰部游戏公司和传统媒体行业来说，行者AI现有的3D美术资产生成能力已经基本可以投入使用。相较于，从零建模或者从商店中购买素材再修改，节省了许多时间和成本。

除却有点像“炼金术”的参数生成外，行者AI还具备3D模型可微分渲染与拟合、3D重建、动作生成、3D人体模型的动作与形态控制、基于路径的运动生成等多项3D生成能力。这些都有望帮助游戏公司和其它行业进一步“降本增效”。

AI2.0是平台式机会

“目标是将游戏研发成本压缩到当前的1%。”这是行者AI的愿景。长期扎根游戏行业，尹学渊深知游戏开发痛点，而从游戏公司创始人投身于AI行业，尹学渊的选择并非空中楼阁，也与其自身学术背景息息相关。尹学渊在四川大学攻读硕士和博士时主攻人工智能方向，又有10年的游戏经验。

传统分析型AI往往负责的是广告推荐、金融风控、安防识别等类型任务。可其能力上存在严重瓶颈，过于定制化、可应用场景单一、不够灵活，同时开发成本也比较高。

相较之下，新一代创作型AI，从强化学习、注意力机制到GPT，新一代架构实现模型规模百万倍提升，从十万参数量级到千亿参数量级。AI逐步产生理解能力，开始能胜任创作型任务，比如写作、2D绘画、交互、视频、3D美术、音乐、音效、虚拟玩家等。

尹学渊认为，GPT这类大模型就像是2010年时的安卓和iOS。它出来以后所有人都开始基于安卓或者iOS开发应用，然后生态会出现爆发式增长。

作为游戏行业老兵，行者AI也自带创始人的气质。他们选择将行者AI打造成一个游戏全产业链AI赋能平台，从研发到营销涵盖游戏开发的诸多环节，通过AI技术降低游戏开发和运营成本。

从实现路径上来说，行者AI现在并不是走大模型方向，而是把整个流程进行拆解，用一个个小模型分步骤解决问题。大模型带来的能力，最终又会和这些小模型形成互补。

“我们毕竟是做游戏，做游戏我们最后要的是资产而不是AI，”尹学渊说，“从解决问题的角度来说，游戏要解决的是流程问题、工业化问题，而不是要追求那个大模型。当然大模型带来的能力，最终又会和这些小模型形成一个有机的互补”

比如，这种思路特别体现在行者AI 音乐、音效生成能力上。相比起论文里打造的端到端音乐模型，行者AI则选择把它拆解成作词、作曲、合成编曲、人声演唱四个步骤分别解决。

尹学渊解释道，优势是可以更精准地生成用户需要的内容。这样最终呈现的内容更贴近你的设想，而不是一个不可控的内容。

将问题一步步拆解细化，再逐步解决，这确实像是技术出身的思维方式。延伸至整个游戏生产流程，行者AI 也是如法炮制。如今经过七年时间沉淀，行者AI已在美术（场景、人物）、音乐、虚拟玩家、玩法机制等各个模块形成了完整的技术能力栈。

扎根游戏行业十年，既懂游戏也懂AI是行者AI的底气。未来行者AI将继续致力于利用AIGC能力降低游戏生产成本、释放游戏生产力。

只有懂得，才明白什么值得。

「纳新啦纳新啦 」

喜欢游戏、电竞的小伙伴欢迎一起来玩儿呀
岗位：运营编辑。负责微信公众号及网站等第三方渠道稿件上传分发。结合渠道属性，拟定标题等；社群运营日常信息同步及活动信息更新等；快讯类信息简单编辑等
编辑岗位要求：
1、年龄：18-35岁；2、学历：本科及以上，专业不限；3、工作经验：不限，有相关从业经历者优先；4、有一定文字功底，善于沟通交流，有较强的新闻敏感度和资料收集能力；有文章作品发表者优先（不限题材、发布平台）；5、至少得熟练使用英语/日语/韩语中的一种；
6、自律有好奇心，自驱力，执行力强；
7、年阅读书籍15本以上优先考虑。
★地点：上海联系人：螺旋丸 微信号（luoxuanwan111）
加好友备注：公司/学校、职位/专业、姓名

＊爆料丨合作丨投稿：戳微信号  luoxuanwa