看了天美對AI的布局，我感覺它想得是真明白

相關報導

遊戲葡萄

1年前

看了天美對AI的布局，我感覺它想得是真明白

遊戲與AI結合的能量，可能遠超你想象。

文/以撒

最近，世界人工智能大會（WAIC 2023）在上海舉辦。這個大會的含金量想必不用多說——會上聚集了一大批圖靈獎、諾獎得主、國內外科學家，參會的頭部AI企業更是不少。看到大會的一些動態，葡萄君真的有點感慨。

因爲我上一次參加WAIC是在2021年，那時AI的勢頭還不像現在這么興盛，我對AI的認識也不過爾爾。但是今年呢——我國AI的核心產業規模已經達到5000億元，算力規模位居全球第二，企業數量超過4300家……光是會上展示的大模型就有30多個。AI的時代巨輪已經勢不可擋地駛來了。

在會上，與遊戲相關的會場也相當熱鬧。這並不奇怪，畢竟遊戲行業是與AI聯系最爲緊密的行業之一。但從AI火起來這段時間，我對這方面的感受來看，似乎能給遊戲性帶來極大顛覆性的方案，還沒有在行業內大規模落地。關於遊戲 × AI的未來方向，業內也是衆說紛紜，難有定論。因此，大部分人好像進入了一個AI迷茫期——明白這條路是未來，但不清楚到底該怎么走。

當然，這時就少不了遊戲公司出來發聲。今年大會首次开設了“遊戲AI應用與遊戲科技”論壇，與會嘉賓都分享了他們對遊戲 × AI的想法和實踐。其中天美的分享讓我覺得很有意思，因爲在大環境有些迷茫的情況下，他們似乎展現出了一種相對少見的，騰訊作爲大廠對遊戲 × AI的系統性思考。

如果簡單抽象一下天美分享的內容，你大致可以這樣理解：他們對遊戲 × AI的規劃，分爲內外兩部分——“內”是指用AI相關技術提升遊戲內體驗，“外”則是用遊戲反哺AI等技術的發展。如果能做好內外兼修，這二者就會相輔相成，形成一個很好的閉環。

而放到更具體的角度來講這件事，你會發現，在對AI的理解和應用上，天美已經結合AI讓很多遊戲內容發生了質變，也研究出了不少切實可參考的技術方向。

AI到底能多大程度 提升遊戲體驗？

首先在用AI提升遊戲體驗這方面，目前我們最頻繁討論的無非是AI NPC。但實際上，在這方面做到較爲完善的體驗，還需要非常長遠的迭代。相比之下，如果結合項目和玩家的需求，把目光投向一些更底層的場景，你會發現AI的應用大有可爲。

典型的案例是天美J3的應用。他們主攻FPS，研發過《逆战》《穿越火线：槍战王者》（CFM）《使命召喚手遊》（CoDM）等遊戲。算上在研的《逆战手遊》在內，他們已經在不少項目中使用過AI技術，也算是業內最早探索FPS AI技術研發與應用的團隊之一。

當然，他們一开始大概也會有點迷茫，因爲FPS AI是個“大坑”，研發和應用都是高難度——FPS裏那些環境因素、狀態分析、局勢判斷……盡管復雜，對人來說卻是很自然就能理解的設定；但對AI來說，這些因素帶來的復雜度，相比2D/2.5D遊戲要高出幾個數量級。更別說要在各種進階的規則、玩法下，做到較高的完成度了。

在這種前提下，找對FPS AI的研究方向就很重要。所以在針對不同類型產品的遊戲訴求考慮過後，J3主要梳理出兩個大方向：

第一個方向，是FPS的「擬人AI」——說通俗點就是“人機對战”。

但和我們以往理解的人機模式不同，這種擬人AI是爲了改善競技體驗。在FPS這種硬核的競技遊戲中，玩家最需要的是在平衡的動態博弈中不斷挑战並突破自我能力，從2018年起，J3开始與司內的人工智能實驗室騰訊AI Lab合作，打算以”擬人AI“爲方向，創造一些玩法和體驗上的延伸。

在技術上，首要的難點就是如何克服3D環境帶來的復雜性。

比如在場景方面，怎么讓AI識別和自動適應樓梯、通道、門窗等復雜地形？針對這一點，AI Lab團隊設計了一套通用的融合多模態環境感知方案，讓AI可以高效建模3D地形並進行決策；再比如在動作方面，怎么讓AI准確理解和使用復雜操作？他們的辦法是構建基於玩家數據先驗的多尺度的轉角設計、引入三指手法建模方案等方案，模擬和貼近玩家在3D環境中的行爲。

另外，爲了提升研發效率、讓AI有能力適配多模式，除了優化性能之外，他們還設計了OneModel的聯合訓練框架。通過對地圖環境的泛化共享建模、多地圖聯合訓練等方法，讓AI具備了快速覆蓋新增地圖的能力。

解決這個問題之後，就要直面AI訓練的難度了。他們的做法是從最簡單的1V1模式开始研究、訓練模型，之後再慢慢攻克5V5這種復雜的模式。在聯合團隊的合作下，騰訊AI Lab和J3共同實現了業界較爲領先的FPS全圖擬人AI方案。

這項技術，甚至還成了產品破圈的突破口。

2020年，CFM計劃开發一個類似Gal Game的互動劇情模式，在PVP之外提供一些陪伴式體驗，同時又能兼顧競技內容。這種聽起來“既要又要”的玩法該怎么做？他們上线了一個新版本《電競傳奇》——以現實中的職業選手爲藍本，用擬人AI學習他們的對局數據、操作，讓玩家有一種與不同角色互動、向選手挑战的感覺。

這個模式一經推出，就成爲了自2017年《荒島特訓》BR模式更新後，留存最高的模式。此後，CoDM也在2022年上线了“電競挑战賽”模式，將當年獲得職業大師賽冠軍的Q9战隊主力選手們做進了遊戲。團隊通過收集、分析大量選手真實的對局數據，定制了職業战隊的“AI分身”，讓玩家能和他們5v5對战。玩法上线後，不出意外地也火了——“電競挑战賽“的次留數據，在遊戲過往的60多個歷史模式中排名前8。

第二個方向，是針對PVE的「AI動作生成」——之所以瞄准這個方向，是因爲《逆战手遊》是一款FPS PVE遊戲，其中包含大量Boss演出及战鬥、小怪同屏战鬥、NPC等角色動作演繹的場景，這些都是遊戲沉浸式內容和战鬥體驗中非常重要的一部分。而在當下，爲了做出更好的效果，應用一些更前沿的技術顯然是有必要的。

比如用龐大行爲樹和動畫資源堆疊，並非不能做好逼真的內容，但會相當耗費精力，而且還有佔用內存大、維護成本高的缺點。當然，近年來海外的3A廠商們也开發過像MotionMatching、HyperMotion這樣更先進的動畫技術，都解決了一些傳統方案的痛點。

而天美的方向又是另外一種：2019年底，《逆战手遊》與騰訊Robotics X 實驗室合作，把目光放到了自回歸神經網絡算法模型(ARNN模型)上。

這是一種廣泛應用於時間序列的數據分析算法，比如天氣、交通的預測等。角色動畫本質上也是一種時間序列數據，如果能合理的運用這套算法，或許就能做到，通過大量動捕數據訓練，讓AI模型學會預測動作序列幀的下一幀，並形成自然、完整的角色動作。

這種技術已經有一些3A廠商在探索，但在行業內還沒有大規模落地，在網遊/手遊產品領域就更是鮮有人涉足。所以《逆战手遊》的應用，應該算是ARNN模型在網遊中的第一次嘗試。

遊戲內使用了該項技術的NPC，其動作反應將會是根據玩家行動實時生成的，而非提前寫死的動畫；並且能夠根據運動學原理，自主生成和調節擬真的動作形態。這么說可能不太直觀，J3團隊給我們演示了一段技術效果示意——可以看到，在運用了這項技術的多小怪同屏追逐效果動畫中，AI實時生成的小怪角色動作表現，相比傳統效果更加生動、多樣，還能基於環境和地形作出各種變化。

智能體動作生成技術下的同屏

多小怪追逐效果示意

這種效果意味着什么呢？如果能大規模應用，玩家就能在遊戲中看到更自然、更沉浸的擬真動作表現與战鬥效果，並且這項技術還會持續用於一些NPC、怪物上。另外，這種方式下的制作效率也會有所提升——舉個例子，傳統美術工作流中至少兩個月才能完成的內容，通過AI動作生成，在兩周內就能完成。從另一方面來說，這也是在提升遊戲的可玩性，畢竟團隊可以把更多的精力，投入到更豐富的內容制作上。

遊戲 × AI的能量， 可能遠超你想象

當然，遊戲 × AI的化學反應還不止這些——在提升遊戲內體驗之後，這些AI技術還能通過遊戲，延伸到現實中的方方面面，做到反哺的功效。至少在這三個角度都是如此：

第一，針對較爲垂直和技術向的場景，遊戲能成爲新技術的優秀試驗場。我們在上文提過，FPS AI的研發非常復雜，但也正因復雜，它的價值才很大——FPS中的3D環境更像真實世界，相比2.5D/2D的AI訓練，它更能貼近人類在真實環境下的表現，所以有更多提供跨領域研究價值的機會。

比如在《逆战手遊》中應用的AI動作生成技術，就能與Robotics X 實驗室的機器人研究互相加持——一方面，它能讓機器人變得更加“聰明”，生成出更像真實生物的動作表現；另一方面，它也能通過引擎的虛擬環境，讓機器人在遊戲中加速“練級”。實際上，《逆战手遊》與Robotics X實驗室的合作已經實現了這種反哺，讓後者的自主研發四足機器人研究與訓練得到了很大的幫助。

騰訊自主研發四足機器人 Max

第二，針對較爲廣泛和生活化的場景，遊戲 × AI能讓我們的生活更好。舉個例子：天美旗下子品牌天美健康，結合AI技術研發了一款“天美健康智能健身魔鏡”，這款魔鏡當天也有在大會上展出。在技術層面，它利用了AI動捕等技術提供運動數據分析和結果反饋，能幫用戶制定科學的訓練方案和評測。再加上與遊戲IP內容的結合，它可以讓原本枯燥的運動變得更加智能和有趣。

第三，遊戲 × AI在未來，甚至能提振整個行業的發展。我們就聊過，AI行業及教育眼下其實有一個很大的痛點——人才焦慮。這個新興領域發展沒多少年，國內尚未形成特別完整、成氣候的教學體系，同時也需要讓更多人對它有切實的興趣，而非衝着一時利益去研究。這些問題，可能都不是一時能自然解決的。

但當遊戲與AI技術結合，就能有相當大的幫助。好比由《王者榮耀》與騰訊AI Lab共同打造的开放AI研究平台“騰訊开悟平台”，已經先後與北大、清華、中科大等 19 所頂尖高校合作开發課程，讓學生用更有趣的方式來理解機器學習、強化學習、多智能體決策等知識點。目前开設开悟相關課程累計覆蓋學生人數達630名。前不久他們也宣布，平台舉辦的AI賽事即將面向全國舉辦公开賽。

這些課程、資料、賽事，如果能推廣到全國高校的AI專業，無疑會給我們的AI教育帶來很大的益處，甚至能改變不少學子的人生。這也是我說遊戲 × AI的能量遠超你想象的原因。

天美對遊戲 × AI的理解 是什么水平？

在這種內外兼修結合遊戲與AI的思路下，天美整體對於AI的應用，已經達到一個非常高效的程度。

像是在天美T1工作室程序負責人林智超的分享中，他表示有一款在研的开放世界動作遊戲，在研發的方方面面幾乎都結合了AI技術來改善研發流程。這是一件很自然的事，因爲开放世界本來就需要豐富的動作、敘事資源，來支撐它自由、开放的特性。而AI往往能解決很多开發的痛點。

比如在口型動畫生成方面，他們應用了基於規則和深度學習的生成方案，從音頻中提取音素序列、轉換爲視素序列，再生成相應的視素曲线、轉換爲動作單元曲线來驅動動畫。這樣的做法，相較於傳統方案能更好地適應不同語言，還能實現實時交互和自定義語音。

再比如在插畫生成管线上，他們也結合了AI繪畫來制作敘事劇情、提升效率。通常團隊會先繪制手稿、使用AI繪制角色，再進行風格遷移和手工精修。最終，一張可以投入使用的高品質原畫，在不到2天的時間內就能完成。另外，他們還會通過模型訓練美術資源、通過ControlNet控制細節，方便後續的批量生產。

在這樣的思路和應用之下，可以看出，其實AI並沒有那么難以結合遊戲研發，而是已經真正改變了遊戲的研發模式，滲透到了各種管线之中。這就是我說，天美已經不知不覺幹了很多大事的原因：

首先，他們是真的“敢用”。在很多人還對AI較爲迷茫的時候，在項目中大規模應用它是一件很超前的事。這不僅需要過硬的技術，也得有相應的認知，比如像AI自動生成動作、動畫這樣的技術，就需要打破以往的堆量思維。

其次，他們有足夠的耐心。很多技術從決定研發开始，至少需要花三五年時間來嘗試，這些時間內，顯性收益很可能是不高的。這就說明對於AI的投入，往往都是面向長期主義的決策，而不是衝着一時紅利所做的。

最後，他們的理解也夠深。目前，行業對遊戲 × AI的想象大多都是點狀或线狀的，比如看到AI繪畫興起，就單論美術管线的迭代，而像天美這樣較爲深入和立體的思考則並不多。有這樣的思考出現，我相信遊戲行業還會有更多公司把AI用好。我們這個行業對AI的理解和利用，在未來肯定也不會落於人後。

當然，在未來，遊戲 × AI肯定還會爆發出更大的能量。此次的論壇上，天美J3工作室 CoDM、《逆战手遊》开發負責人於棟就提到了兩個暢想：

第一個暢想，是研發流程中的AI自動化測試。測試自動化程度是DevOps領域非常重要的指標，但邏輯復雜、內容豐富度高的PvE遊戲如要實現工業軟件級別的自動化測試，難度仍然較高。

但在未來，當AI逐漸具備感知環境氛圍能力、即時分析能力、對測試邊界和條件有自主決策能力時，或許這個場景就能成真：輸入一段任務，AI便可以像真人一樣在遊戲執行指令、探索體驗，還能生成詳細的測試與反饋報告。這將大幅提升遊戲測試的質量和效率、保障與提升遊戲品質。

第二個暢想，是通過AI技術，構建一個更鮮活、更自主、更真實，每個NPC都仿佛有生命的虛擬世界。在這方面，已經有團隊實際投入研究，开發出了AI社會的雛形。比如在今年，斯坦福大學和谷歌的研究人員做了一個“虛擬小鎮”，其中有25個AI智能體會“自主生存”、與其他AI互動和社交。這項實驗的論文發布後，就引發了行業內極大的關注與討論。