xx公司官宣推出大模型，融资xx万美金
万字长文解析：英伟达又搓出什么新核弹
......
在过去的200多天，大概你已然对这些标题麻木无感、乃至有些PTSD，但依然会有种不真切的迷离感——怎么AI又火了，这是下一个元宇宙/Web3吗？游戏难道因此更好做、更好玩了吗？
抱着如上迷惑，作为专注游戏行业的投资人，秉持着好奇与求真的态度，笔者拜访了海内外游戏开拓者、AI研究员、AI创业公司，一起能听到关于“AI游戏”至少10种不同的定义（堪比20~21年人均“二次元”的盛况）。为了促进跨界互换，共同探索“AI游戏”究竟是什么，也曾在22年12月举办过AIGC主题的Game Jam。
结合研究与实践，希望在这个信息过载的时候，能为行业分享些接地气儿的不雅观察、供应更AI原生的游戏思考和脑洞，少一些无谓的FOMO——毕竟，无论技能如何迭代，游戏好玩才是硬道理，审美好、懂设计、懂开拓的游戏人总是稀缺的。
01 旧话题里的新鲜事
开源生态、二次元同人文化、开拓者与创作者共创，匆匆成天生式AI在创作圈的繁荣。游戏，作为视听交互的集大成者、也是变现效率极高的产品形态，同时有相对更温和的原谅度，其土壤天然适宜天生式AI的探索。
以图像天生为例，韶光拨转回2022年8月，Stable Diffusion方才问世，开源之火就迅速点燃了创作者的好奇心。在随后的10月，NovelAI推出基于Stable Diffusion和530万张Danbooru图像演习的文生图模型，数日内蹿红，但很快被意外破解。
彼时，互联网大江南北都流转着Vtuber区UP主秋葉aaaki确当地支配教程，同期《元素法典(1)(1)(2).pdf》也传遍了大大小小的社群。或许最初这都不过是图一乐，但在一票ACG干系创作者的努力下，文生图/图生图又更上一层楼——曾开拓出Waifu天生器的Spellbrush联合Midjourney推出专注美少女的Niji Journey，年轻牌佬、YGOPro2作者鼓捣出ControlNet。
有趣的是，这轮天生式AI的紧张传火者并不在曾经设想的工业界、机器人，而是创作领域，尤其在二次元同人圈。毕竟，相较于管线更成熟、容错率低的工业需求，同人创作拥有相对更好的原谅度、也有更浓的抱负和创作欲。
于是，善于整活儿、常年混迹社区的爱好者纷纭转型炼丹师，眼下B站首页不乏“AI角色唱歌”、“AI小草神舞蹈”；在HuggingFace的开源生态里，也有不少老二次元工程师贡献项目模型。
万众瞩目的Character.AI，ACG类角色的调用量远超别的类型——毕竟能跟屑狐狸谈天，能得到5t5陪伴，为什么不放飞下自我呢？这波，二次元上大分，社区文化大胜利
而在所有的文娱创作中，游戏，无疑是视听交互的集大成者、也聚拢相称多创作和技能人才，且F2P网游的商业模式又早已被确立，因此被浩瀚从业者关注，各界多有“游戏是AIGC落地的第一站”的不雅观点。
不过，在天生式AI浪潮来临前，游戏+AI本身也算不得什么新鲜事。从NPC/怪物决策讲，最普遍的无非行为树、有限状态机，也有较难设计、不甚常用的GOAP；生产流程上，不乏AI减面、自动展UV、网文天生器等工具；回到传统的强化学习，虽限于少数重度PvP、三消等场景，但也较为成熟；即便跳出AI，诸如Houndini+SD等程序化天生工具，利用率即便较低，但也有点年头。那如今燥热的「天生式AI」究竟有什么新活儿？
回归「天生式AI」的发展，已有相称多科普梳理，在此不再赘述。一言以蔽之，自此不须要再为特界说务做专项演习、也无需像传统NLP得先拆分子任务。通才大模型在少量Prompt指令下，能结合高下文学习，可胜任相称多天生性事情，而不但是曾经大略的翻译理解（AutoGPT乃至可以帮你写Prompt，长期来看，Prompt也可能只是指令交互的过渡媒介）。
同时，在有点儿「暴力美学」的缩放法则（Scaling Law）加持下，高质量数据和大量参数可以呈现出推理能力，如果加入其他模态的数据，还能相互转换，乃至上半年的GPT-4、微软KOSMOS-1还能读懂梗图。
就着“天生”和“推理”两大关键能力，也衍生出了「降本增效」的AIGC工具派和「原生体验」的AIGC游戏派。
对付「降本增效」而言，抛开上市公司喊话大模型的市值管理行为，工具确实有一定效果，但当前仍无法知足对可控性和容错率的高哀求。而比拟以往“渠道迭代、产品质量为王、小团队自研自发成为可能”等行业代价链的构造性变革，目前的天生式AI尚且还没有清晰的“颠覆”路径。
此外，游戏意见意义和盈利能力也并不与投入成本的多寡呈线性的正干系——巨制会翻车、小品也能爆。如果不谈如何创造新体验，只聚焦工具提效，可能不免就会陷入“不过是将14人天的立绘设计缩短到10人天，将0.5人天的绑骨骼缩短到0.2人天，但还是不符合卖点、玩家以为不如《O神》”的窘境。
因此，在混沌之初，更值得磋商的还是“AI原生游戏会长什么样”，能否为玩家带来新乐子，或者供应新的变现模式——毕竟，游戏体验永久是内核，作品不足好玩，玩家不愿买账，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——第一种是纯粹的游戏思维，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扮演供应乐子的工具。
聊起游戏本身，也有人听到AI创新后面前一亮，仿佛无限关卡近在面前，再搞个UGC编辑器，岂不便是游戏永动机——赢麻了。
但很遗憾，后文将解释AI原生游戏并不等同于无限天生内容的策划机器人，更不是搞个更大略单纯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原生游戏的意见意义得由开拓者、AI、玩家三者共创。
谈及游戏创新的范式，笔者粗略地先分出三种路径：①想到但做不到——常日卡在设计/技能；②做到但不足好——最为常见的微创新；③压根没想到——神来一笔/有时是品类级机会。
个中，第一点和第二点尚有谈论空间，即天生式AI的推理特性能否优化已有体验，拓宽其乐趣。但聊到第三点，就很难仅拿着观点来做无中生有的空想，即能以xxx-like命名的创新每每和机制、交相互干，得经历永劫光考虑和验证才能成型，与技能更迭并无直接干系。故全新体验的确有可能涌现，但暂不在本文谈论范畴中。
回到第二点“做到但不足好”，历来是业内最务实的话题，但要超过这难关，对多数网游而言，最棘手的还不是去想那些凸显差异化的小设计，而是处理“内容产出速率低于玩家花费速率”的窘境。只不过在普遍如此确当下，玩家和研发就“长草”和“下狱”达成了一种奇妙的相互妥协——但个中原因仅仅是内容少吗？仔细一想也不对。
为了能连续推进剧情/毕业喜好的强力角色，即便年夜骂一顿，还得回去反复刷材料
对付侧重局内体验的游戏，刺激长留和付费的每每是精雕细琢的高星角色、BOSS战、主线演出、一波三折的关卡，肯定不是量大管饱的添补物（此处点名看似无限的Roguelike副本、看似随机的日常任务）。哪怕储备了一系列高质量内容，也得讲究“物以稀为贵”，开释节奏要论疏密，不会一味地高强度更新——总不能每周一个新卡池等着被骂吧。
对付侧重局外养成的游戏，关卡/战斗又更多是验证养成的一道场景，爆入迷兵、刷齐套装、凑足Build的数值反馈更主要，其留存内核显然也不是从多堆几关小怪能办理的。
因此，内容过速花费的关键彷佛并不在多寡。我们常常谈及的工业化产线也并不虞指量大管饱，只是尽可能保质、保量、保时地产出版本，知足玩家对长期驱动力的追求。
从这个视角来看，AIGC能无限天生内容的抱负，除了强化学习在极少数MOBA/FPS的AI Bot、纯关卡驱动的三消、须要陪玩的菠菜有代价外，别的品类就总缺了点立足之处，还会陷入“算法人才难觅、数据集有限、演习本钱高昂，不如招个资深策划”的ROI悖论。
笔者认为，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，这实在与天生式AI天然契合。不过这里的UGC≠搞编辑器，不是去硬抄《蛋仔派对》《Roblox》，其本色是开拓者设计好交互办法、规则机制和反馈逻辑，而将详细乐趣的创造放权给玩家。
最范例的例子便是麻将和乐高的思想。
麻将，也可代指统统优质的PvP游戏，在根本规则既定后，借助随机性和风险博弈，雀友的发挥决定了乐趣多寡。只要还能肝，赢家和输家都想无限地再开一把，且还自带传播性。
乐高，也可代指统统有沙盒创造属性的游戏，实质因此物理规则为支撑，定义了根本元件的连接办法，而无论是创造还是毁坏都有其乐趣。同时，设计重点不在于玩具制造本身，而是如何供应合理的反馈，毕竟空有屠龙刀而无龙可屠就多少欠了点意思。不过一旦成型，千人千面，玩家总会找到独属自己的乐趣所在。
麻将：顶级UGC游戏，乐此不疲，无限重开
回到“User Generated Content/Fun”的思路实质，还是尽可能不依赖于开拓者的内容更新。这也意味着梦想把压力转嫁给玩家靠UGC编辑器代工并不靠谱，其不过多了些玩家原生的策划，还得靠团队披沙沥金、得有足够DAU的池子里筛选。相对地，设计师供应积木、麻将这样的玩具更具性价比——
可以勾引玩家引发反复练习、自我超越的希望，例如《忍者必须去世3》竞技场的无尽跑道、《Neon White》同一舆图在极限操作下的最速通关；或者支持自由创造、供应验证，例如《塞尔达传说：王国之泪》里结合究极手和左纳乌的“我爱发明”系列，文能神庙解谜、武可陵暴呀哈哈，争相竞选弱智吧吧主；同理，还有自由选择、真实反馈的乐趣，也正是开放天下的实质，而非玩完即弃的一次性大舆图。
一言以蔽之，AI原生游戏≠无限天生内容的策划机器人，≠搞个更大略单纯的编辑器让玩家代工。
结合当下天生式AI的新能力，即推理、影象、百科全书、自然措辞交互、跨模态转换，但体感上还有些喜好“不苟言笑地胡说八道”的大忽悠，放在玩家敏感度高、容错率低的场景大抵是吃力不谄媚，但若能赞助设计师开拓积木或麻将这样的UGC玩具，即在踏实的设计框架里，为玩家带来额外的新体验，未尝不可一试。
先且不论算力哀求和工程难度，后文将以「叙事开放天下」「沙盒与仿照经营」「呈现与电子斗蛐蛐」「泛娱乐游戏化」四点为切口，列举部分相似思想的原型，并以「病毒式传播和玩家共创」为收束，抛砖引玉。
叙事开放天下
开放天下的实质是授予玩家足够自由且有趣的体验选择，并给予真实的天下反馈，而非纯挚超大舆图、各处走的NPC。借助LLM相对成熟的文本天生能力，也能有近似开放天下的体验。
有趣的是，每当有新技能试图来游戏分一杯羹，总有媒体喜好把《荒野大镖客II》等AAA开放天下作品挂在嘴边，但若穷究开放天下存在的合理性，绝非堆砌美术资产和任务罐头，而是创造有趣且可信的天下，授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/化学引擎的实现手段，《杀手》《合金装备V》则选择了对同一任务目标供应多重解法。
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。遐想到大模型，借助其有逻辑推理、高下文影象的文本天生能力，也能实现近似的AVG+开放体验，但这不与美少女Galgame划等号。毕竟比起“游戏+叙事”的拼接，“游戏×叙事”的机制领悟更有趣，即要让玩家“玩”故事，而非“看”演出，得参考诸如《史丹利的寓言》《奥伯拉丁的回归》的设计。
将二者思想领悟后，Inkle事情室的网状叙事作品《Sorcery》《80 Days》《Overboard!》就值得参考，将情节分拆为状态单元/Storylet的模块化叙事构造与LLM有较大的联动可行性。
譬如在《Overboard!》中，玩家须要扮演一位行刺富豪老公来骗取高额保金的女士，而在这艘封闭的邮轮上，别的5位NPC都或多或少有指证玩家行刺的证据。没错，这次视角不再是侦查，流程也不局限于推理原形，而是费尽心机地脱罪，有些像番剧《虚构推理》，全程靠一张嘴忽悠。
这款游戏的开放性就表示在自由的脱罪思路，且心流可能截然不同，你可以选择——
① 假造证据，制造无头悬案
② 移祸某位NPC，找寻其间漏洞
③ 拉拢别的NPC，事成一起分赃
④ 干脆把NPC都作做掉，物理意义办理问题
⑤ 先跳预言家，开局就给警察致电稠浊视听
⑥ 说不定还能找到皮划艇钥匙，提前开润（脑洞）
......
而这都收敛于一艘固定场景的邮轮，交互也仅靠对话和大略的道具，单局10~20min短平快的时长。麻雀虽小，五脏俱全，也正因其较高的自由度，配上通情达理的快速反馈，刺激不少玩家志愿重开，试图找到更完美的方案、或者更荒诞的解法。毕竟，侦查游戏最有趣的不是那一个个解谜机关，而是终极把线索归位复原原形，惊叹“哦！
原来如此，我早该想到的！
”的那一刻。
回顾《Overboard!》这样的一段小品级故事，研发周期也不过100天，看似门槛和本钱都不高，但在传统开拓工具下，想做到这般“主不雅观觉得开放、实则收敛可控”的体验，工夫尽在诗外，非常依赖编剧的人工考虑，梳理关键线索、NPC状态。
Inkle叙事总监曾在GDC分享过其余款互动作品《Sorcery》的开拓逻辑，采取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络，把选择自由权转到玩家，避免“策划绞尽脑汁想了100种方案，玩家只玩了2~3种”。对付独立团队而言，或许更迭题材和体验 （比如“末日/密室逃生”、“伪装特工”，不必拘泥于推理），就能搞点新乐子。大概还能兜售调用LLM的次数，限定玩家无限试错、供应撤回操作的空间。
这种更契合Adventure实质的游戏还有些许参考，例如具有随机天生元素的策略RPG《漫野奇谭》也有异曲同工之妙。或者跳出电子游戏，曾经风靡欧美的Gamebook、无数童年回顾的《冒险小虎队》，其思想也有十足的开放性。
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，但天生式AI并不直接办理跑团小众的难题，当下依然是做事于核心群体，要想推广跑团乐趣得在设计上做简化。
毕竟跑团的实质，和“玩家自主创造乐趣/UGC”同理，是一种共同叙事。一段或荒诞、或温情的故事须要KP和PL共同完成——个中的随机Roll点只是实现手段，没有玩家为此授予的意义，大成功大失落败又能如何？
说到底，不同于更依赖剧本和DM带飞的剧本杀，跑团是小伙伴们一起编故事的游戏，得解放玩家的中二想象力，PL要不会玩，AI也帮不上忙。
制约跑团文化传播的一大缘故原由，并非大略的组不齐车队，而是新人不会玩、担心玩不好的生理包袱——这也侧面解释了，玩跑团和看跑团视频终有隔阂，视频的盛行也难以直接把路人转化为玩家，毕竟前者是亲自参与、独占体验的调查员，后者是看客心态的不雅观众。
照此逻辑，纯挚由Stable Diffusion驱动的立绘/CG天生、GPT系列驱动的KP/PL对老手倒是增长了些许体验，但想让更多潜在玩家体验到跑团乐趣，得借助LLM在设计层面先循规蹈矩，供应充分的反馈。对此，售卖模组、按AI调用次数/韶光的收费，也具备了一定的可行性。
题外话，一起编故事、乐子人等元素，搭载喜好“胡说八道”的ChatGPT、再荒诞也能视觉化的Stable Diffusion，彷佛《道诡异仙》还是个不错的切口，大家皆是坐忘道，就主打一个个的虚虚实实、真真假假。
《道诡异仙》坐忘道彷佛是不错的选材参考，亦真亦假全靠玩家判断，增加输出的容错率
沙盒与仿照经营
拥有影象、操持、反思能力的Generative Agents对NPC占比较重的扮演式仿照经营、掌握类沙盒有较大帮助；同时，NPC不仅得鲜活，还须要设计师授予其招募佣兵团/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游戏不可或缺的一环，非敌方NPC每每承担了任务发布器和背景板的角色。只管在多数游戏里，这些角色并不构成体验的关键支柱，但依然要费不少心思来设计，且多为一次性花费内容，还有可能不会被玩家触发/负责对待。
不过，沿用“玩家自主创造乐趣”的思想，在天生式AI的技能加持下，更优的解法大概并非增加更多的NPC（当然也不会是僵硬地植入自由对话......），而是加强NPC、NPC之间的智能反馈，让玩家有更强的主不雅观能动性，或组建一支神奇的佣兵团、或在繁芜的国际环境执政（NPC也可能是一个个国家）、或寻衅广开后宫（bushi）。
而这统统的实践根本，则是热门的斯坦福大学论文《Generative Agents》，不由得对个中维妙维肖的角色关系叹不雅观止矣。相较于曾经靠人工BT/FSM来框定角色行为，论文里接入GPT3.5，装载了能提取影象、操持、反思的Memory System，那NPC能据此先大致制订行为操持、并针对环境和别的NPC的变革做即时调度，来分开纯粹由策划推理的困境。
如果说《Generative Agents》更像是个不雅观赏性的技能DEMO，想必不少从业者也想到了繁芜性和可玩性都更强的沙盒游戏。例如有异曲同工之妙的《矮人要塞》，掌握七个性情互异的小矮人试图建造一个堡垒，只管游戏ASCII古早的美术风格和极其硬核拟真的繁芜难度（当然热衷于此的朋友会说“Losing is fun”） 劝退了不少看客，但都不妨碍其“醉酒猫”的MEME梗声名在外——
起因只是矮人在酒馆斗殴会碰倒羽觞，但结果是待在酒馆的猫醉了（要知道在设定里，猫是不会饮酒的），经由一番查询，原来是酒沫溅到了猫毛，而小猫喜好舔自己的毛，这才导致了醉酒状态。只管这更像是个猜想之外的BUG，但或有趣、或荒诞的BUG所引发的蝴蝶效应又总能令玩家莞尔一笑，而背后的思想与Generative Agents有不少相似之处。
同理，《环天下》《僵尸毁灭工程》也有相似的设计脉络，如果能引入LLM，并用LangChain“魔改”，乃至扩展到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阔的目标。
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《星露谷物语》《凑集啦！
动物森友会》为代表的扮演式仿照经营能吸引更多休闲玩家入坑，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出没韶光和地点的攻略，隔三差五地去谈天送礼，再等一个雨天去找老水手购买美人鱼吊坠，终极与喜好的角色结婚（不限性别），每天看着工具为你烹调早餐、灌溉田地，没事儿还会来个拥抱。
如果用Generative Agents打造一个拥有长影象体的NPC环境，大概这种小镇反馈会更丰满，而且内容可不局限于农闲生活和谈情说爱，乃至不局限人类聪慧体——毕竟NPC≠人，既能是沉藏海底、不可名状的“鱼群”，也能是奇幻大陆的精灵海妖，知足玩家的“细分需求”。
呈现与电子斗蛐蛐
游戏领域的呈现是利用有限的规则组合，来构成丰富且故意义的反馈，但难就难在输出结果依然是体验可控。同样有呈现特性的天生式AI，在领悟游戏性后，实在质是“电子斗蛐蛐”，知足玩家作为上帝视角Kill Time的乐趣。
在GPT-3异军突起，超越同期的BERT后，呈现一词就常常被研究者提起。作为从繁芜学科出身的观点，呈现考试测验概括在宇宙、社会、生命等混沌中自发涌现秩序的征象，例如景象转化、蚁群分工、免疫器官的构成背后都是由大量微不雅观个体在一定规则下的宏不雅观结果，个中最为有名的则是康威生命游戏，直不雅观地演绎了数条规则下的丰富变种。
而这个源于自然的观点，经由些许简化后，也在游戏设计中得以表示——即利用有限的规则组合，来构成丰富且故意义的反馈，让玩家自由探索乐趣所在。对此，最广为人知的便是《塞尔达传说：荒野之息》，只用希卡石板的四个新手村落能力，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场。
不过，呈现并非万灵药，繁芜与有趣并非伴生关系。如今结合天生式AI来看，更主要的是可控呈现，即谨慎地设计根本规则、考虑机制间的组合，使得结果仍在设计师预见范围之内。的确，想优雅地完成绝非易事，但无需达到任天国级别，只是汲取规则组合的思想，也能有不俗的创意。
譬如Sokpop事情室的《Simmiland》便是不错的学习工具。其体验像是上帝视角下的“电子斗蛐蛐”，玩家只须要在随机舆图里决定打出「景象」「矿石」「植物」「生物」的卡片，就可以旁边小天下的环境，不雅观察小人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崇奉的时期——大概是兴建教堂的宗教路线、生产房屋汽车的工业路线、还可能是手搓火箭的科技路线，统统都取决于玩家意志和规则组合。
相似的，Sokpop的另一款佳作《Stacklands》则是基于抽卡包、卡牌间组合的逻辑，也能让玩家自主创造一个天下，并伴随其文明的发展，个中货币产出与抽卡花费的循环使得该作更耐玩，且为商业化供应了空间。还有独立游戏开拓者On的代表作《生命之岛 GROW Island》，虽然是较为有限的排列组合，但精细的反馈也让作品颇具可玩性。
设想，如果将上述游戏的思想接入LLM，匆匆使NPC学习对应规则，将卡片转换为Prompt，大概经由同样是呈现逻辑的神经网络，能授予玩家创造更加丰富、且符合直觉的小天下吧。个中，卖卡包/卡组、撤回/增加额外变量就有一定可行性，究竟实质还是卖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，将呈现理解为个体与个体间互动所产生的社会征象也值得试试。这不禁让人梦回2018年的《太吾绘卷》，作为有名武侠开放天下RPG，茶余饭后的谈资却并非战斗功法，而是“繁芜且有些荒诞”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反倒让玩家有种看乐子的掌控感。早期的武侠和修仙独立游戏均没有繁芜的AI，乃至还充斥着一堆BUG，表现上也只有软弱的笔墨，但纵不雅观Steam热评、B站弹幕，不乏就着“剪不断、理还乱”即兴发挥的文豪，身处上帝视角的不雅观察和脑补让玩家乐此不疲。
设想，如果NPC有更强的决策、影象、推理能力，策划只需设计颇具看点的抵牾、背景，大概就能知足不少互联网闲人Kill Time、图一乐的需求。
泛娱乐游戏化
为了分开与传统游戏之间的代价比拟，AI原生游戏从原谅度更高、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。而游戏化改造的实质是授予目标和反馈，支持玩家有趣的选择，并在商业化设计上做好代价塑造。
如果说跑团、沙盒、开放天下、仿照经营都是面向游戏玩家/Gamers，就不可避免会将天生式AI的作品与经典大为难刁难比代价几何——抛开观点噱头，AI原生游戏实质还是游戏，内核要比肩《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，游戏人的思维合营AI或许能有降维打击的奇效，更随意马虎在短期内验证。
援引席德梅尔的名句“游戏是一系列有趣的选择”，只须要增加目标和反馈，为对话增加风险博弈，原来平淡无奇的NPC谈天也能变得有趣，而这也是Character.AI等对话式产品有游戏化改造空间的缘故原由。
譬如独立游戏开拓者大谷用GPT3.5开拓了一个病娇性情的AI猫娘女友，支持语音对话。但更主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，而是使出浑身解数，靠一张嘴尽快分开“魔爪”。
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穷举，实质还是一次性花费品。如今，这份推理包袱转交给了GPT系列，在具备一定逻辑性的同时乃至还有些花活儿。那玩家体验的有趣与否相称看其创造力，设计师只需降落门槛、鼓励玩家——当然也得戒备NSFW的情形。
GPT，你也玩《原神》！
如果担心调用LLM会有延迟问题，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《旅行田鸡》，佛系放置的背后，为这种不愿定性的旅行供应了合理性，反而让玩家期待“儿子”会带来若何的照片。
再考虑到GPT系列尚且有些“不苟言笑的胡说八道”，这种似是而非、模糊套话的输出结果和具备巴纳姆效应的部分生理测评、塔罗牌、解梦、算命有天然的契合度，文本和图片的可阐明性实质在用户自己手上。
或许这也能用Midjourney输出精细的塔罗牌卡面，经由针对性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，增加网络、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，外洋《Chapters》《Episode》等可视化的视觉小说也和天生式AI有不错的相性——相信关注出海的朋友常常能刷到上述产品非常“Drama”的投放素材，直击北美16~45岁女性。
这种网文风作品的实质是感情调动。其编辑深谙节奏疏密，均匀1~3min就挑起冲突或高潮，哪怕角色和情节有些模板化，但架不住用户在Kill Time的时候还是吃这一套（相似的，抖音中AI有声漫画有异曲同工之妙）。
即便运营5+年之久，韶光来到2022年，《Chapters》《Episode》依然在北美保持了2000~3000万美元的年流水，顶峰期间月流水也曾破千万美元。而不同于海内熟稔的Gacha模式，上述作品更善于在调动好感情后，在擦边桥段供应【付费选项】和【免费选项】，而在故事迁移转变时戛然而止，提示得等待数小时或直接氪体力解锁后续章节。
只管这种逼氪的手段也花费了玩家的耐心，但对普罗大众而言，需求耐久不衰。近年来包装为仿照约会的MeChat也杀出重围，站住了脚跟。且不难创造，新产品的xp也加倍细分，而这种高度定制化、千人千面的需求正符合如NovelAI这样的天生式AI，而靠人工编剧就很难尽善尽美。
与其用天生式AI出图、配音、写文去复刻这类作品，不如借鉴其感情调动、并为选项授予高代价的思想，售卖附加情节。毕竟商业化设计的实质是代价塑造与价格比拟，AI原生游戏若想持续发展，不建议只盯着天花板有限的IAA广告变现，而是用游戏设计的思想拔高其调动LLM/其他天生式AI工具的代价。
病毒式传播与玩家共创
AI原生游戏不应该以“技能”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，环绕玩法/体验构建专有的数据库，以此形成壁垒。
只管我们聊到了诸多与天生式AI相似思想的游戏原型，但“玩家并不须要两个《王者光彩》”，AI原生游戏并非纯挚地再做一次相似作品，且核心卖点永久是游戏而非AI——AIGC+饕餮蛇，有趣之处仍旧是饕餮蛇本体。当“AI游戏”的观点即将被滥用时，AI以外的部分才是核心竞争力，正犹如鹰角、蛮啾、米哈游也从未用“二次元”标榜自己。
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，而是要磋商如何环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，既是得到文生图的反馈，也是为模型迭代供应数据，据此Midjourney能根据实际需求针对性地演习模型以迭代体验，形成数据飞轮。类似地，AI原生游戏差异于传统游戏，也应该环绕其设计，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。考虑开拓难度和传播能力，红极一时的小游戏《人生重开仿照器》可能是不错的试验田，其Gacha式的交互推进和略显荒诞的人天生长与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10亿次嬉戏，并在此后衍生出邪术版、修仙版、爽文版等相似逻辑的作品。当这种思想接入天生式AI后，大概不但是纯随机的对话，可以衍生出更多的玩法。
而跳出游戏性本身，从壮大IP生命力的角度看，借力天生式AI的社区共创也非常值得探索——选择能粉饰天生式AI不易掌握产出的短板，对“质量”哀求不高，或者说本就接管浪漫主义、图一乐的内容方向。
譬如《崩坏：星穹铁道》在前段韶光有场「无尽的三月七」图生图活动，模式大略易懂。若按传统图像天生的思想，想必是Prompt写满了诸如“Best Quality、Masterpiece、NSFW”等词，涌现奇怪的手、精细但没灵魂属于常态。
不过，对付二创而言，精美不是唯一出路，玩家自己玩得愉快更主要，有时候整活儿才更具传播力——在B站搜索关键词，再按点击量降序排列，彷佛都是“怪东西”。但正好也是网友难以捉摸的想象力，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，发行侧也可以将天生式AI打包为降落二创门槛的工具，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宇宙的内容更加健壮。例如，AI分镜版、AI四格漫画等，官方供应主题即可，别的由粉丝放手开干。
03 创作者
如果说上文是仰望星空，考试测验磋商AI原生游戏会走向何方，那么在这一篇章，我们得脚踏实地，回归到这统统的根基——创作者。毕竟无论技能如何迭代，最稀缺的依然是一群懂游戏、有审美、有开拓能力的创作者，后文笔者希望磋商天生式AI如何作为Copliot赞助好开拓与发行，让人之代价回归于人之本身。
降本：真正要减少的是沟通返工，倒逼上游捋清需求
降落本钱并非纯挚的裁员，而是设法降落沟通、返工、探索的摩擦损耗，捋清楚开拓需求。
每当论及天生式AI对行业的影响，媒体和上市公司总喜好把“降本增效”挂在嘴边，但个中意蕴相称朦胧，一贯存在种刻板印象的误解——仿佛“降本增效”等同于找到契机裁员，裁员后项目就能顺利发展。
只管研发用度的确在进步神速，但做得不足好玩，又如何靠省钱来获利。如果真要论及人天节省的直接比例，比如PBR流程里，从前的自动绑骨骼、自动展UV、天生LOD也不过是把原来0.5~1人天的事情量再缩短些，乃至还得人工复核破面、缺面等漏洞。
笔者认为，天生式AI对生产真个帮助更多是通过降落“沟通摩擦”和“探索试错”的本钱，倒逼从业者用奥卡姆剃刀事理想清楚设计意图和核心体验，从而提升效率，不是纯挚地优化人力。
作为一种繁芜工程，提需求是开拓者的一大要务，大模型也不可能直接手事于——“想个月流水过亿的方案吧”。但相对地，ChatGPT、Stable Difussion等工具快速出稿的特性，在一定程度上能让开发者厘清需求，环绕项目的核心体验和卖点，想好究竟要什么、不要什么。
毕竟，做加法是随意马虎的，做减法是困难的，不少游戏败在缺少主轴，产生冗余设计和美术资产，没有充分把资金花在做事于体验的刀刃上。同时，策划也可借助文生图制作感情版，更好地向美术同学通报需求，原画也能用图生图反馈不同方案，与策划快速达成共识，不必费功夫产出大量废稿，尤其是涉及相对抽象的“温顺”“帅气”“仪式感”等词。同理，也可借助于Mubert、AIVA、Vits模型来试着天生音乐、配音小样，在早期拿捏需求。
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，也只会让缺少辅导思想的开拓者更加迷茫而难以取舍。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，积累知识、术语、阅读量，以达到精准表达的目的。
增效：当根本活儿靠Copilot节省后，人的核心能力将被放大
美术的事情重心是表达，而不是绘画；UI的事情重心是交互，而不是图标。AI Copilot时期匆匆使创作者思考真正主要的是什么。
凯文·凯利在接管采访时曾提出个不雅观点——“人类 90% 的技能会被 AI 取代，剩下的 10% 会被放大。” 前半句的比例有多高并不主要，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原画天生为例，回顾往昔，历史的车轮总是有相似性。19世纪法国出身了拍照，其灵感源自从前的绘画赞助工具“暗箱” （小孔成像+画家描摹），而作为天下首张\公众照片\公众，《勒格哈的窗外景致》乍一看颇为粗糙，还须要长达至少8小时的曝光，直到10年后达盖尔将技能发展到新里程碑，这群绘画出身的艺术家才摸到些道路，不过依然没找到“拍照”的独特性，还在沿袭严谨的静物构图等传统美术在做的事儿。
以是，不出意外的，彼时“绘画已去世”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——毕竟请模特、布景用度比较昂贵，但短韶光内又无法完成画作。同时，刚出生的拍照还引发了“绘画是为了什么”的思潮，随即在今后的30年间催生了以莫奈、塞尚为首的印象派（彼时还是挖苦用的贬义词），同时也出身了有独立体系、更加原生于摄影机的拍照师。而二者的发展也总是互为灵感，绘画受拍照的影响不再只是求真，拍照受绘画的影响也融入了更多主不雅观性和浪漫主义色彩。
回到天生式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”等阶段。
关于这个问题，恰好翻阅到穆夏的作品，颇有感触，美术最主要的应是表达。当手绘转为板绘、3D赞助建模深入一线，工具正不断地被迭代，触动人心的却总是博识技艺背后的感情和思想，而临摹从不会被算作美术事情者的代表作。
由此，笔者也不雅观察到部分游戏的观点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。
例如近期上映的《蜘蛛侠：纵横宇宙》就有独特、大胆且多变的渲染视效。大概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，先且不论风雅度和精确性，只求快速产出氛围和感情参考——打开脑洞，更好更快地产出属于自己的作品，而无需逐步找参考、找到后还得亲自试着画画。节省韶光之余，还可能带来有趣的元素。
此刻，2D美术天生已是风起云涌，快速出100张图不是难事，但对游戏而言，故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，须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，若想直接用上天生式AI的产出，彷佛更适宜在那些“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，也正反向表示了游戏的卖点，倒逼开拓者将把稳力放在表达和商业考量——
例如，善于叙事的作品，讲究感情勾引，真正缺的是懂关卡、懂灯光、懂3C调度等的游戏导演，而不是堆砌笔墨；看重交互的作品，讲究UI/UX的易用性、沉浸感、天下不雅观表达等，显然不是Midjourney天生像模像样的ICON那样大略粗暴......
无论如何，当天生式AI作为Copliot迟早替代根本活儿后，反倒促进人的学习和思考，让产出做事于代价本身。
04 近未来 每当新技能涌现时，每每因其仍处在早期，会陷入一种“有点用但不多”的迷思，也随意马虎有点“拿着锤子找钉子”的过度FOMO。不过事物发展总是螺旋演进的，须要理解好这把新锤子，不忽略也不鼓吹。笔者考试测验在该篇章分享些有趣的发展方向，聊点近未来。
只管学界对以GPT-4为首的大模型究竟是“浅层统计模型”还是“习得内在规则”还存在较大的不合，但不可否认的是，当前焦点依然是基于Transformer+Next Token Prediction的路径，那如何冲破Transformer不善于处理长文本便是近期一大难题，毕竟普通GPT-4也只支持8000Token，会影响模型对字符间最长间隔的支持和对高下文的打算压力。
好是，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，也让利用者的交互更灵巧。
而当目光转向图像天生领域，碍于3D模型的信息密度高于2D图像/视频、高质量数据少于措辞模型、参数规模也不可比拟，暂未涌现所谓的“呈现”征象。现阶段最为瞩目的Text-to-3D也多是“曲线救国”，师长西席成低分辨率的2D图像或者3D粗模再进行优化，面数也非常低，打破口大概率还得看英伟达。
值得期待即将在8月召开的SIGGRAPH，英伟达估量会发布20篇天生式AI干系文章，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”、“能够仿照繁芜3D元素的AI驱动神经物理模型”，以及“天生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天生的MeshDiffusion、海内无需3D数据直接文本天生带纹理的Mesh模型或NeRF模型ProlificDreamer。
多数3D天生模型是基于模型库演习的，即无法天生非模型库的内容，而MeshDiffusion可以基于Mesh天生演习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，实在也有不少考试测验融入现有3D流程的工具，只管可控性势必与外包熟手比较欠了一层，不过依然有些小插件值得关注，例如专攻贴图天生的BariumAI（已被Unity收购）、WithPoly，效果比纯挚Stable Diffusion天生的可能含后处理效果的贴图靠谱，但诸如修处死线强度或者粗糙度还得人工来；再比如Blockade Labs近期推出的天空盒天生，输入Prompt，可以得到360°旋转、并且是无缝衔接的环境图片。
现有图形学的渲染办法受限于硬件已然成熟，但其流程也不乏仅仅做事于下贱的“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%的韶光，而转三视图常日交给外包熟手搞定，展UV、编削LOD、蒙皮绑骨骼本就耗时不长，只是繁琐呆板。
若以更原生的思想来看，AI并非融入旧产线去跟高度闇练的外包抢活儿，而是考试测验构建一套新事情流（只管如今还是存在想象中的科幻），不过目前的点云、SDF、NeRF等路径仍在实验室阶段，须要更永劫光的探索。
至于代码赞助、音乐天生、声音转换、无穿着动捕等也有不错的进展，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，而非纯挚的工程师——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，好工具每每是一个好游戏的附属品，不然随意马虎陷入“颅内自嗨”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，很难由硅谷工程师们凭空生造。
殊途同归，AI原生Feature的探索终极都会回到游戏开拓本身，新生的火炬之光依然得由开拓者举起。而在路径混沌、资源分配不均确当下，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，中台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，谁能解脱桎梏，先行走出新路径，谁就能得到逾额收益。四王抬棺，名誉总是属于开拓者。
05 尾声，但并非结局
天生式AI的统统思考都不应盲目拥抱或排斥，唯有理解新技能的来龙去脉与实质，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，才能更好地与时期共振。
末了，援引曾供职于OpenAI的两位科学家Kenneth Stanley和Joel Lehman在《为什么伟大不能被操持》一书所写的话作为结尾——
伟大不是目标指引的结果，由于通往伟大的路线从来都不是直线，很多时候快反而便是慢。莱特兄弟发明飞机，最早用的是自行车技能；本来是用于驱动雷达磁控管的一个部件，意外造诣了微波炉；第一台电子打算机用的是电子管，但电子管根本就不是为了打算机而发明的；YouTube最初的设想是一个视频约会网站，后来创造人们喜好在上面分享五花八门的视频；比尔·盖茨迎合极客打游戏的需求，结果遍及了个人电脑；埃隆·马斯克起身是网上支付，末了却推出了SpaceX和特斯拉……
大概，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”。
文中所有图片版权归原作者所有，仅供分享互换不作商业用场，侵删