如果评价AI生成技术是一件让人头疼的事情，因为对于许多玩家而言，AI生成技术一直是一个若即若离的产物。

一方面它活跃在资本市场，与“区块链”、“元宇宙”一样是资本概念化的宠儿；另一方面，作为一种带有“改变未来生产力”宏伟标签的技术，玩家所能接触到的应用内容主要局限在文本生成图片、视频，包括一些音频生成的基础内容，亦或者是像GPT这种大数据问答应用，实际的产出总有诸多限制，很大精细的工作内容并不能独立完成，与人工的商业化产品相比，AI生成的产品也感觉差点意思，无法兑现玩家期许的那种生产力解放成果。

AI生成图片的应用非常之多

然而事实果真如此吗？目前玩家所能接触到的“上限”，也许只是行业的冰山一角。尤其在玩家最为熟悉的游戏行业里更是如此。

就在7月26日，伽马数据的恺英大模型负责人谭凯就“AI大模型全自动生成游戏”的主题，为业内公开了一场绘声绘色的演讲，从这次演讲之中，我们也能明白，AI到如今的发展脉络以及AI技术目前能为游戏带来什么改变。

从单一任务走向大模型矩阵

假如说，曾经玩家认知的AI生成技术还停留在单一任务执行的文本生成之上。那么这次演讲所要传达的信息则是一个全新的概念，即“大模型矩阵”，这种模型具备3个优势：

①多任务、多维度自动生成内容

对于AI生成内容，大家早已非常熟悉。只不过，壁垒明显，只能生成单一任务的文本生成只是行业最底层的技术，恺英大模型想要展示的是一种单任务执行之上的多任务执行逻辑。

多任务执行指的是单一AI技术模型下，AI生成并非局限于文本、音视频内容，它应该是一种复合工具，能够满足一个游戏多个维度的开发需求。在这个开发逻辑的基础上，恺英大模型提供给开发者一个问答应用，引导用户采用“聊天”的形式对AI提出需求，AI根据需求便全自动开始画图，写文档，做美术，做音乐，然后自动整合出完整的游戏，如果想修改游戏内容也直接与AI沟通即可。

AI应用根据不同需求生成大量素材，不仅即插即用，还能实时渲染

这套AI生成框架的优势一方面体现在极强的整合能力，能够为一个游戏全方面的创作量身定做；另一方面，AI接近全自动，开发者只需要以问答文字的形式进行研发细节上调整，不仅把研发游戏门槛无限降低到零，还大幅度提高一个游戏的开发效率，这对于如今开发流程越来越繁复的游戏业界来说，具有里程碑的作用。

②发挥时间与数据学习的功效，让算法跑起来

AI大模型的优势还在于生成预训练的算法与传统算法有着本质上的区别。

传统算法是一种静态、线性的运算机制。它的规模、技术力与程序从一开始敲定的框架就多少年不变，数据的累积也是一个稳步的成长曲线。但这种稳定的发展显然与时代的变化不符，关于程序技术力的发展可以说是按照秒速在日新月异地更新换代。

AI算法的出现需要解决的另一个问题就是程序运算的迭代。它的底层逻辑是依靠大量的数据语料，加上时间维度，依靠时间的累积让AI反复自我迭代，使其不断提高上限，扩大基础的容量；亦或者让AI算法通过数据的学习与筛选不断拔高算法的精确度，让其在解决问题时更加准确，更加与时俱进。

能自主更新换代对于现在的游戏市场来说非常重要，一个玩法可能每年都会有小的变动，每几年就有大的改革。举个比较特别的例子，过去的MMO游戏亦或者一些动作游戏流行通过一刀999的数值快感来彰显杀伤力。假如按照传统算法的做法去生成游戏，也许依然能生成足够优秀的游戏框架，然而没有适应时代的数据支持，很有可能导致游戏的核心玩法与算法依然是一刀999数值的古老模式，无法符合当下玩家的喜好与时代潮流，其他内容生成的再好意义也不大，年轻玩家是不会因为某些细节上的出彩而去关注一个“落伍”的游戏的。

依靠直观的伤害大数值提供爽点是一个时代很流行的做法，选择渐渐被其他方式所取代

而与时俱进的AI生成，则根据数据的整合，自主淘汰一刀999的数值表现，理顺玩法变迁与同类游戏时下“轻数值表达”的潮流，结合新的数据生成出来的作品即便细节上会出现各种问题，但底层内容上它依然会是个“新”游戏，而不是总结过去经验的老产物，这是时间维度结合大数据学习，很有可能出现的一个标准案例。

轻数值，甚至不显示数值是近年来的变化，AI生成能与时俱进，不会出现设计上倒退的情况

③AI生成让大数据的整合与调度变得轻松惬意

AI生成需要大数据，但如何调度数据是门很大的学问。尤其对于游戏这个高度信息化的产业来说，怎么从海量数据之中更有效率地提取所需内容是一个亟待优化的操作过程。

同样是数据的利用与整合，大模型矩阵显然更进一步。它是将海量的数据与任务做了不同分类模块，然后根据不同需求进行整合与生成。

整个AI执行的数据逻辑盒先要统筹出一个游戏所需要的各种基础框架，包括生成的算法、自训练模型、数值模型等，汇集成一个大型AI数据的处理中心，研发根据前期策划参数以及上线后的运营数据，并按照游戏具象的美术资产、系统数值、技术算法等内容根据策划与运营要求灵活调取，自动生成游戏的毛坯版本，开发者再根据需求进一步调整内容、对数据与各种生成内容进行指导，直到达到要求为止。

正因此，从这次演讲之中我们也可以看到，AI生成应用的出现无法实现资本市场吹嘘的那般无所不能，人依然占据主要C位。AI它更应该是一种解放生产力的生产工具，既能配合开发者更好的分工合作；也可以减少大量重复且无效的工作内容并大幅度提升游戏的开发效率。而随着应用的诞生与大规模应用，我们也可以进一步畅想一下，AI生成技术引领的游戏研发，未来会怎样的前景。

AI生成技术的未来畅想

应用是死的，人却是活的，根据开发者的等级、专业程度，AI生成技术的目标与功能性也会完全不同。在未来，在笔者看来，AI技术力的提升会带来如下局面：

①游戏行业技术进一步下放，独立游戏市场很有可能迎来一波新的商业狂潮。

哪怕到现在这个阶段，独立游戏也很难实现开发者个体化，毕竟再小的游戏，它也是由玩法+程序+美术构成，研发的要求南辕北辙，很少人能身兼数职一人完成开发，团队人数再少往往也会有2——3人的规模，例如近期发售的独立武侠游戏《活侠传》，其开发团队原始鸟熊工作室便是两个人分摊开发。

独游与RPG Maker开发者门槛依然不低，AI技术可以进一步它们的开发降低门槛

这意味着，即便是独游对于不少玩家与开发者来说，也有挺高的门槛。而AI生成技术实际上在消解这种门槛，开发者不擅长的部分只需要根据需求自动生成内容即可，过于简单的操作逻辑哪怕是许多零开发经验的玩家也可以依靠AI技术去生成自己想要的游戏内容。

②大成本游戏的试错成本大幅度下滑

AI游戏生成技术的优势除了便捷的操作，极低的实现门槛外，提升数据的整合、分类、提取的效率对行业也有诸多好处。除去效率的提升之外，降低游戏的市场成本，降低游戏开发的风险也是AI技术很好的使用方向，尤其对大型游戏开发来说更是如此。

例如某大厂想要做一款动作游戏。它的目标是做出类似《怪物猎人》的玩法，但开发团队不清楚自己想要什么样的画风，什么样的设定，不知道增加什么样的新玩法机制可以与目标玩法组合出新的化学效应。那么开发者便可以借助AI应用的生成效果去大量试错，既可以试试欧美大厂如育碧、暴雪的美术风格，也可以试试塔防、战棋等玩法与它相结合，试试有没有新的突破点。

一些类《怪物猎人》的共斗游戏，假如活跃在AI时代，可能可以在不断试错之中找出出路

这些生成不仅快捷，同时廉价，开发团队可以尝试到心之所向的理想目标为止。这大量避免了大规格游戏“船大难掉头”的问题，大幅度减少游戏资源大量浪费的情况。

③AI生成技术进一步拔高了策划的定位

AI生成技术也许可以替代大量的美工、程序的基础工作，但无法替代人的思想。即便是恺英大模型这种以问答形式的AI生成机制再如何简便，它也无法替代策划的责任。策划依然控制了游戏生成的两端，导入数据前，策划要负责传递开发想法，包括如何构建玩法的创意，构建叙事与脚本细节，提供玩法数据，指明美术方向等工作。

而在游戏开发的收尾阶段，策划依然要负责验收工作，进行优化与调试，这意味着，对于游戏的各种策划主控的要求，如程序策划、数值策划、美术主美等会越来越严苛。当基础工作的比较越来越趋同，游戏最终比拼的部分就是想法上的差距，如何将自己与研发的游戏造成“特殊的一个”，是AI时代胜出的关键。

逐渐被工业化取代的王牌制作人概念也许会再次复兴，并且数量上可能变得更多

以玩法设计与个性内容作为卖点的游戏如今也不算少见。例如银河城游戏千千万，然而至今在关卡设计与场景互动上，鲜有能与《密特罗德》（《银河战士》）比肩的后来者。例如卡普空动作游戏那一套特色的抖动、抽帧、卡肉的打击感优势都会在新的AI时代里进一步放大优势，变得更加吃香。卷设计某种意义上也是回归游戏本源，注重比拼开发者对于游戏的理解水平。

有“护城河”的游戏在任何时代都吃得开

总结

通过这次演讲我们可以看到，AI生成技术并不简单，它能做的内容比想象中要多。同时，开发者也不需要对其担忧。技术终究要为人服务，即便AI自动生成游戏的技术不用几年就可以成熟，也无法妨碍人在游戏开发的主导作用。

更不用说，大量的技术下放有利于趋于稳定的游戏市场进行新一波的产业升级，当曾经200的开发团队数量因此指数级增长，进入2000，甚至20000人的规模，到时候我们还能玩上什么样的游戏，简直不敢想象。（文/丸子）