进击“AI+游戏” 史玉柱能否“大力出奇迹”？
每经记者 李卓 每经实习记者 张梓桐 每经编辑 董兴生
“如果说生产力提效是游戏+AI 1.0时代，那么依托AIGC（人工智能生成内容）技术实现的游戏玩法革新则推动了游戏+AI进入2.0时代。”近日，巨人网络AI实验室负责人丁超凡在接受《每日经济新闻》记者专访时如是表示。
在刚刚结束的“2024云栖大会”上，巨人网络（002558.SZ，股价10.8元，市值213.14亿元）展示了最新研发的两款“游戏+AI”大模型——Giant GPT和BaiLing-TTS，再次引发业界关注。
在丁超凡看来，“游戏+AI”2.0将创造一种未来的游戏形态。AI与游戏的结合，能打破传统规则约束，环境基于玩家数据反馈更新，剧情设计动态延展，并且有随机事件触发的非线性世界，给玩家极高自由度，甚至为玩家提供定制化的游戏内容。
事实上，自史玉柱回归以来，AI已成为巨人网络的重要战略。“游戏公司如果不积极拥抱AI，早晚会被淘汰，未来要对AI充分重视，怎么强调都不为过。”今年1月，巨人网络集团董事长史玉柱在公司年会上的这番表态，被视作巨人网络高调布局AI的冲锋号。
图片来源：巨人网络官网
巨人网络之外，各大游戏厂商如腾讯、网易等，都在积极探索AI在游戏中的应用。网易的伏羲团队在《逆水寒》中引入了AI照片捏脸、智能养育等玩法；腾讯的AI Lab则在《王者荣耀国际服》上推出了GiiNEX私人游戏教练。然而，这些尝试大多停留在为传统游戏增加新功能的层面，并未真正颠覆游戏的架构或创造全新的商业模式。AI部门在很多厂商中往往作为成本中心存在，其独立开展业务的能力还很有限。
在过去一年里，得益于大模型技术能力的不断升级，AI游戏的技术路径经历了从文字对话到多模态生成的飞跃。进击“AI+游戏”，史玉柱可以“大力出奇迹”吗？
巨人网络的AI征途
债务缠身、新品不顺……2022年上半年的巨人网络，一度经历空前的困难。从研发投入来看，2022年前后，巨人网络与竞争对手之间的差距也愈发明显。2021年，三七互娱和完美世界的研发费用分别达到12.50亿元和22.11亿元，而巨人网络仅为7.13亿元。
更令人担忧的是，彼时，巨人网络的研发费用已经连续两年下降，研发人数也呈现出逐年递减的趋势。2017年至2021年，公司的研发人数从1661人减少至998人，降幅接近40%。同时，公司在职员工总数也从3917人缩减至1413人，五年间减少了约64%。
因此，史玉柱在正式宣布回归游戏一线后，立刻“吹响进攻号角”。他一方面大力推进旗舰手游新品《原始征途》，另一方面，开始对“游戏+AI”的结合进行深入布局。
史玉柱彼时判断，随着人工智能技术不断成熟，其在游戏领域的应用潜力巨大，有望带来游戏开发和运营模式的革新。因此，他推动巨人网络在多个项目中引入AI技术，特别是在美术渲染、程序辅助等方面取得了一定成效。
“我们正在探索用AI做游戏研发的平台。如果做成了，创作者想做一个游戏，通过详细描述，AI就能把你的游戏生成，降低游戏制作门槛，让热爱游戏、没有研发经验的人也能做出自己想做的游戏，极大提高研发效率。”史玉柱在巨人网络2024年年会上说。
在集团战略层面的引导下，巨人网络在《征途》等产品中基于GiantGPT打造了陪伴型智能NPC（非玩家控制角色），让NPC拥有性格、情绪以及自适应的长期记忆，通过给玩家一个亲密的陪伴关系体验，提升用户留存。借助GiantGPT，巨人网络还实现了本地化翻译大模型、智能问答客服的落地。
图片来源：企业供图
“游戏+AI”：数据仍是行业共性难题
近年来，AI在游戏行业的应用日益广泛，从游戏开发、运营到用户体验，各个环节都可见其身影。
在开发阶段，AI被用于自动生成游戏场景、角色模型及特效，大大提高了开发效率。例如，英伟达的GAN（生成对抗网络）和OpenAI的DALL-E等工具，已经被技术美术师广泛采用，以快速生成多种风格的游戏素材。此外，AI还能通过分析玩家行为数据，优化游戏平衡性和难度设置，提升用户体验。
但最早的AI游戏则相对基础，其通常基于通用语言大模型的通用数据库，根据玩家输入的具体指令生成对应的反馈内容。例如，去年某开发者大会上的“文字拳皇”游戏，就是通过玩家输入招式，由AI裁判判断伤害并给出结果。虽然这类游戏在形态上仍停留在文字对话阶段，但它们已经具备了AI原生游戏的构成要件。
随着AI技术进步，特别是多模态生成技术的发展，AI游戏已经能够提供更丰富、更逼真的游戏体验。从单一的文字形态到文字、图像、音频兼具的视频时代，AI游戏的反馈形式发生了翻天覆地的变化。
这种变化不仅提升了玩家的游戏体验，还极大降低了游戏内容的生产成本，使得游戏内容的提供从开发者一方转移到玩家一方，内容增长速度和体验迭代速度呈现指数级增长。
但需要指出的是，数据的缺乏对当前的“游戏+AI”行业来说仍然是一大挑战。丁超凡举例称，当前，语音合成大模型技术在普通话领域已经取得了显著进展，但在方言领域的发展却十分缓慢，无法满足多样化的语音合成需求。
“数据是核心，我们构建了一个基于互联网公开数据以及自有数据的庞大数据集，让模型有足够的规模去保证通用和泛化能力，以及指令follow（跟随）的效果，从而在自定义角色的泛化性上具备不错的表现，而非只去拟合单一或有限角色内容。”
丁超凡告诉记者，基于以上背景，巨人网络构建起了一个完整的数据生产链路，包括数据自动化清洗、数据质量评估以及筛选，能够大幅提升数据的生产效率，同时得到高质量的角色扮演数据集。
“中国拥有数十种主要方言，每一种方言都有独特的语音特征和语法结构，这使得训练一个覆盖各种方言的TTS（从文本到语音）大模型变得极具挑战。此外，方言语料库的稀缺以及高质量标注数据的匮乏，也进一步增加了技术难度。”丁超凡说。
因此，巨人网络的思路是首先在研发过程中将语音和文本进行标记化处理，然后通过一个多阶段、由粗到细的标记对齐，基于自回归大语言模型（LLM）进行离散化标记生成，接着利用离散标记到扩散转换器（DIT）的转换生成连续语音表征，最后通过声码器输出高质量的合成语音。
而在具体落地过程中，丁超凡表示，团队首先是基于大规模预训练的精细化代码对齐，在对齐方面采用两个阶段策略，第一阶段在大规模数据集上进行粗略训练，让模型具备基本的对齐能力；第二阶段采用精细化采样策略，在高质量的方言数据集上进行细粒度训练，进一步促进两种模态的对齐效果。
AI绘画：2D游戏美术的效率革命
但一个不争的事实是，传统意义上的“游戏+AI”主要指的是在游戏基础上增加AI元素，如AI NPC、AI辅助等，以增强玩家的游戏体验。然而，这种模式并没有对游戏的核心架构产生根本性影响。
但在提升游戏生产效率方面，人工智能的应用正逐步展现其巨大潜力。
一位游戏引擎行业人士对《每日经济新闻》记者指出，当前，AI在2D游戏美术领域的应用最为广泛且效果显著。AI绘画不仅极大地提高了生产力，还显著降低了制作成本。通过AI技术，游戏开发者能够迅速生成高质量的美术素材，从而缩短游戏开发周期。
他强调，尽管智能NPC的尝试也在进行中，但目前仍处于非常早期的阶段，尚未达到商业化应用的水平。相比之下，AI在2D美术方面的应用已经相对成熟，并正成为游戏研发中的一股重要力量。
针对不同类型游戏对AI需求的差异，他表示，虽然游戏类型多样，但AI在游戏内容生成方面并没有明显的区别。他强调，游戏的研发和制作是一个复杂的系统工程，AI的应用需要综合考虑多个环节和因素。然而，在提升生产效率和优化美术资源方面，AI的潜力无疑是巨大的。
丁超凡也以巨人网络AI实验室内部孵化的AI绘画平台巨人摹境举例称，其在公司游戏业务场景落地中收获了非常可观的提效收益。
图片来源：巨人网络官网
AI绘画的主要功能在于构建起协作式的标准AI美术生产管线，无需频繁导入、导出或切换软件，就可在同一平台内完成复杂任务，提高创作效率。同时，集成了一键式工作流，简化大量复杂操作，适用于大规模美术生产工作。
此外，有意思的是，尽管AI游戏在技术上取得了突破性进展，但对掌握大部分行业资源的游戏大厂而言，试错成本高且回报未知，使得它们在这一领域相对谨慎。这反而给了独立开发团队新的机会。
另一方面，AI技术也为游戏开发者提供了广阔的商业化前景。通过AI生成开放世界和丰富的内容，游戏开发者可以将游戏从一个产品转变为一个平台，吸引更多的用户和创作者参与其中。在PUGC（专业用户创造内容）和UGC（用户创造内容）的推动下，游戏内容正在呈现爆发式增长。
独立开发团队也凭借其灵活性和创新性，在AI游戏领域迅速崛起，成为推动行业变革的重要力量。为了避免玩法同质化的问题，独立开发团队纷纷寻找新的突破口。
以日本同人游戏社团上海爱丽丝幻乐团制作的一系列同人游戏《东方project》为例，这个原本只是恋爱文字冒险游戏的作品，通过粉丝的二创内容，衍生出了动画、音乐等丰富形式，形成了稳定的亚文化受众群体。同样地，AI游戏也有潜力成为这样的平台级产品，通过用户的创造力和想象力不断扩展游戏的世界和玩法。
由Hello Games开发的太空冒险生存主题游戏《无人深空》则利用遗传算法和随机生成技术，创造出一个庞大且独特的宇宙，其中的每一颗星球、每一种生物都独一无二。玩家可以在游戏中探索未知的星球，发现新的生物和资源，享受极大的自由度和随机性。
无论是游戏大厂还是独立团队，当前，对AI的应用已经是一道必答题，如何利用AI进一步“弯道超车”，成为各路玩家需要思考的问题。