看了天美对 AI 的布局，我感觉它想得是真明白

最近，世界人工智能大会（WAIC 2023）在上海举办。这个大会的含金量想必不用多说——会上聚集了一大批图灵奖、诺奖得主、国内外科学家，参会的头部 AI 企业更是不少。看到大会的一些动态，葡萄君真的有点感慨。

因为我上一次参加 WAIC 是在 2021 年，那时 AI 的势头还不像现在这么兴盛，我对 AI 的认识也不过尔尔。但是今年呢——我国 AI 的核心产业规模已经达到 5000 亿元，算力规模位居全球第二，企业数量超过 4300 家……光是会上展示的大模型就有 30 多个。AI 的时代巨轮已经势不可挡地驶来了。

在会上，与游戏相关的会场也相当热闹。这并不奇怪，毕竟游戏行业是与 AI 联系最为紧密的行业之一。但从 AI 火起来这段时间，我对这方面的感受来看，似乎能给游戏性带来极大颠覆性的方案，还没有在行业内大规模落地。关于游戏 × AI 的未来方向，业内也是众说纷纭，难有定论。因此，大部分人好像进入了一个 AI 迷茫期——明白这条路是未来，但不清楚到底该怎么走。

当然，这时就少不了游戏公司出来发声。今年大会首次开设了 " 游戏 AI 应用与游戏科技 " 论坛，与会嘉宾都分享了他们对游戏 × AI 的想法和实践。其中天美的分享让我觉得很有意思，因为在大环境有些迷茫的情况下，他们似乎展现出了一种相对少见的，腾讯作为大厂对游戏 × AI 的系统性思考。

(资料图)

如果简单抽象一下天美分享的内容，你大致可以这样理解：他们对游戏 × AI 的规划，分为内外两部分—— " 内 " 是指用 AI 相关技术提升游戏内体验，" 外 " 则是用游戏反哺 AI 等技术的发展。如果能做好内外兼修，这二者就会相辅相成，形成一个很好的闭环。

而放到更具体的角度来讲这件事，你会发现，在对 AI 的理解和应用上，天美已经结合 AI 让很多游戏内容发生了质变，也研究出了不少切实可参考的技术方向。

01 AI 到底能多大程度提升游戏体验？

首先在用 AI 提升游戏体验这方面，目前我们最频繁讨论的无非是 AI NPC。但实际上，在这方面做到较为完善的体验，还需要非常长远的迭代。相比之下，如果结合项目和玩家的需求，把目光投向一些更底层的场景，你会发现 AI 的应用大有可为。

典型的案例是天美 J3 的应用。他们主攻 FPS，研发过《逆战》《穿越火线：枪战王者》（CFM）《使命召唤手游》（CoDM）等游戏。算上在研的《逆战手游》在内，他们已经在不少项目中使用过 AI 技术，也算是业内最早探索 FPS AI 技术研发与应用的团队之一。

当然，他们一开始大概也会有点迷茫，因为 FPS AI 是个 " 大坑 "，研发和应用都是高难度—— FPS 里那些环境因素、状态分析、局势判断……尽管复杂，对人来说却是很自然就能理解的设定；但对 AI 来说，这些因素带来的复杂度，相比 2D/2.5D 游戏要高出几个数量级。更别说要在各种进阶的规则、玩法下，做到较高的完成度了。

在这种前提下，找对 FPS AI 的研究方向就很重要。所以在针对不同类型产品的游戏诉求考虑过后，J3 主要梳理出两个大方向：

第一个方向，是 FPS 的「拟人 AI」——说通俗点就是 " 人机对战 "。

但和我们以往理解的人机模式不同，这种拟人 AI 是为了改善竞技体验。在 FPS 这种硬核的竞技游戏中，玩家最需要的是在平衡的动态博弈中不断挑战并突破自我能力，从 2018 年起，J3 开始与司内的人工智能实验室腾讯 AI Lab 合作，打算以 " 拟人 AI" 为方向，创造一些玩法和体验上的延伸。

在技术上，首要的难点就是如何克服 3D 环境带来的复杂性。

比如在场景方面，怎么让 AI 识别和自动适应楼梯、通道、门窗等复杂地形？针对这一点，AI Lab 团队设计了一套通用的融合多模态环境感知方案，让 AI 可以高效建模 3D 地形并进行决策；再比如在动作方面，怎么让 AI 准确理解和使用复杂操作？他们的办法是构建基于玩家数据先验的多尺度的转角设计、引入三指手法建模方案等方案，模拟和贴近玩家在 3D 环境中的行为。

另外，为了提升研发效率、让 AI 有能力适配多模式，除了优化性能之外，他们还设计了 OneModel 的联合训练框架。通过对地图环境的泛化共享建模、多地图联合训练等方法，让 AI 具备了快速覆盖新增地图的能力。

解决这个问题之后，就要直面 AI 训练的难度了。他们的做法是从最简单的 1V1 模式开始研究、训练模型，之后再慢慢攻克 5V5 这种复杂的模式。在联合团队的合作下，腾讯 AI Lab 和 J3 共同实现了业界较为领先的 FPS 全图拟人 AI 方案。

这项技术，甚至还成了产品破圈的突破口。

2020 年，CFM 计划开发一个类似 Gal Game 的互动剧情模式，在 PVP 之外提供一些陪伴式体验，同时又能兼顾竞技内容。这种听起来 " 既要又要 " 的玩法该怎么做？他们上线了一个新版本《电竞传奇》——以现实中的职业选手为蓝本，用拟人 AI 学习他们的对局数据、操作，让玩家有一种与不同角色互动、向选手挑战的感觉。

这个模式一经推出，就成为了自 2017 年《荒岛特训》BR 模式更新后，留存最高的模式。此后，CoDM 也在 2022 年上线了 " 电竞挑战赛 " 模式，将当年获得职业大师赛冠军的 Q9 战队主力选手们做进了游戏。团队通过收集、分析大量选手真实的对局数据，定制了职业战队的 "AI 分身 "，让玩家能和他们 5v5 对战。玩法上线后，不出意外地也火了—— " 电竞挑战赛 " 的次留数据，在游戏过往的 60 多个历史模式中排名前 8。第二个方向，是针对 PVE 的「AI 动作生成」——之所以瞄准这个方向，是因为《逆战手游》是一款 FPS PVE 游戏，其中包含大量 Boss 演出及战斗、小怪同屏战斗、NPC 等角色动作演绎的场景，这些都是游戏沉浸式内容和战斗体验中非常重要的一部分。而在当下，为了做出更好的效果，应用一些更前沿的技术显然是有必要的。比如用庞大行为树和动画资源堆叠，并非不能做好逼真的内容，但会相当耗费精力，而且还有占用内存大、维护成本高的缺点。当然，近年来海外的 3A 厂商们也开发过像 MotionMatching、HyperMotion 这样更先进的动画技术，都解决了一些传统方案的痛点。

而天美的方向又是另外一种：2019 年底，《逆战手游》与腾讯 Robotics X 实验室合作，把目光放到了自回归神经网络算法模型 ( ARNN 模型 ) 上。

这是一种广泛应用于时间序列的数据分析算法，比如天气、交通的预测等。角色动画本质上也是一种时间序列数据，如果能合理的运用这套算法，或许就能做到，通过大量动捕数据训练，让 AI 模型学会预测动作序列帧的下一帧，并形成自然、完整的角色动作。

这种技术已经有一些 3A 厂商在探索，但在行业内还没有大规模落地，在网游 / 手游产品领域就更是鲜有人涉足。所以《逆战手游》的应用，应该算是 ARNN 模型在网游中的第一次尝试。

游戏内使用了该项技术的 NPC，其动作反应将会是根据玩家行动实时生成的，而非提前写死的动画；并且能够根据运动学原理，自主生成和调节拟真的动作形态。这么说可能不太直观，J3 团队给我们演示了一段技术效果示意——可以看到，在运用了这项技术的多小怪同屏追逐效果动画中，AI 实时生成的小怪角色动作表现，相比传统效果更加生动、多样，还能基于环境和地形作出各种变化。

智能体动作生成技术下的同屏多小怪追逐效果示意

这种效果意味着什么呢？如果能大规模应用，玩家就能在游戏中看到更自然、更沉浸的拟真动作表现与战斗效果，并且这项技术还会持续用于一些 NPC、怪物上。另外，这种方式下的制作效率也会有所提升——举个例子，传统美术工作流中至少两个月才能完成的内容，通过 AI 动作生成，在两周内就能完成。从另一方面来说，这也是在提升游戏的可玩性，毕竟团队可以把更多的精力，投入到更丰富的内容制作上。

02 游戏 × AI 的能量，可能远超你想象

当然，游戏 × AI 的化学反应还不止这些——在提升游戏内体验之后，这些 AI 技术还能通过游戏，延伸到现实中的方方面面，做到反哺的功效。至少在这三个角度都是如此：

第一，针对较为垂直和技术向的场景，游戏能成为新技术的优秀试验场。我们在上文提过，FPS AI 的研发非常复杂，但也正因复杂，它的价值才很大—— FPS 中的 3D 环境更像真实世界，相比 2.5D/2D 的 AI 训练，它更能贴近人类在真实环境下的表现，所以有更多提供跨领域研究价值的机会。

比如在《逆战手游》中应用的 AI 动作生成技术，就能与 Robotics X 实验室的机器人研究互相加持——一方面，它能让机器人变得更加 " 聪明 "，生成出更像真实生物的动作表现；另一方面，它也能通过引擎的虚拟环境，让机器人在游戏中加速 " 练级 "。实际上，《逆战手游》与 Robotics X 实验室的合作已经实现了这种反哺，让后者的自主研发四足机器人研究与训练得到了很大的帮助。

腾讯自主研发四足机器人 Max

第二，针对较为广泛和生活化的场景，游戏 × AI 能让我们的生活更好。举个例子：天美旗下子品牌天美健康，结合 AI 技术研发了一款 " 天美健康智能健身魔镜 "，这款魔镜当天也有在大会上展出。在技术层面，它利用了 AI 动捕等技术提供运动数据分析和结果反馈，能帮用户制定科学的训练方案和评测。再加上与游戏 IP 内容的结合，它可以让原本枯燥的运动变得更加智能和有趣。

第三，游戏 × AI 在未来，甚至能提振整个行业的发展。我们就聊过，AI 行业及教育眼下其实有一个很大的痛点——人才焦虑。这个新兴领域发展没多少年，国内尚未形成特别完整、成气候的教学体系，同时也需要让更多人对它有切实的兴趣，而非冲着一时利益去研究。这些问题，可能都不是一时能自然解决的。

但当游戏与 AI 技术结合，就能有相当大的帮助。好比由《王者荣耀》与腾讯 AI Lab 共同打造的开放 AI 研究平台 " 腾讯开悟平台 "，已经先后与北大、清华、中科大等 19 所顶尖高校合作开发课程，让学生用更有趣的方式来理解机器学习、强化学习、多智能体决策等知识点。目前开设开悟相关课程累计覆盖学生人数达 630 名。前不久他们也宣布，平台举办的 AI 赛事即将面向全国举办公开赛。

这些课程、资料、赛事，如果能推广到全国高校的 AI 专业，无疑会给我们的 AI 教育带来很大的益处，甚至能改变不少学子的人生。这也是我说游戏 × AI 的能量远超你想象的原因。

03 天美对游戏 × AI 的理解是什么水平？

在这种内外兼修结合游戏与 AI 的思路下，天美整体对 AI 的应用，已经达到一个非常高效的程度。

像是在天美 T1 工作室程序负责人林智超的分享中，他表示有一款在研的开放世界动作游戏，在研发的方方面面几乎都结合了 AI 技术来改善研发流程。这是一件很自然的事，因为开放世界本来就需要丰富的动作、叙事资源，来支撑它自由、开放的特性。而 AI 往往能解决很多开发的痛点。

比如在口型动画生成方面，他们应用了基于规则和深度学习的生成方案，从音频中提取音素序列、转换为视素序列，再生成相应的视素曲线、转换为动作单元曲线来驱动动画。这样的做法，相较于传统方案能更好地适应不同语言，还能实现实时交互和自定义语音。再比如在插画生成管线上，他们也结合了 AI 绘画来制作叙事剧情、提升效率。通常团队会先绘制手稿、使用 AI 绘制角色，再进行风格迁移和手工精修。最终，一张可以投入使用的高品质原画，在不到 2 天的时间内就能完成。另外，他们还会通过模型训练美术资源、通过 ControlNet 控制细节，方便后续的批量生产。在这样的思路和应用之下，可以看出，其实 AI 并没有那么难以结合游戏研发，而是已经真正改变了游戏的研发模式，渗透到了各种管线之中。这就是我说，天美已经不知不觉干了很多大事的原因：

首先，他们是真的 " 敢用 "。在很多人还对 AI 较为迷茫的时候，在项目中大规模应用它是一件很超前的事。这不仅需要过硬的技术，也得有相应的认知，比如像 AI 自动生成动作、动画这样的技术，就需要打破以往的堆量思维。

其次，他们有足够的耐心。很多技术从决定研发开始，至少需要花三五年时间来尝试，这些时间内，显性收益很可能是不高的。这就说明对于 AI 的投入，往往都是面向长期主义的决策，而不是冲着一时红利所做的。

最后，他们的理解也够深。目前，行业对游戏 × AI 的想象大多都是点状或线状的，比如看到 AI 绘画兴起，就单论美术管线的迭代，而像天美这样较为深入和立体的思考则并不多。有这样的思考出现，我相信游戏行业还会有更多公司把 AI 用好。我们这个行业对 AI 的理解和利用，在未来肯定也不会落于人后。

当然，在未来，游戏 × AI 肯定还会爆发出更大的能量。此次的论坛上，天美 J3 工作室 CoDM、《逆战手游》开发负责人于栋就提到了两个畅想：

第一个畅想，是研发流程中的 AI 自动化测试。测试自动化程度是 DevOps 领域非常重要的指标，但逻辑复杂、内容丰富度高的 PvE 游戏如要实现工业软件级别的自动化测试，难度仍然较高。

但在未来，当 AI 逐渐具备感知环境氛围能力、即时分析能力、对测试边界和条件有自主决策能力时，或许这个场景就能成真：输入一段任务，AI 便可以像真人一样在游戏执行指令、探索体验，还能生成详细的测试与反馈报告。这将大幅提升游戏测试的质量和效率、保障与提升游戏品质。

第二个畅想，是通过 AI 技术，构建一个更鲜活、更自主、更真实，每个 NPC 都仿佛有生命的虚拟世界。在这方面，已经有团队实际投入研究，开发出了 AI 社会的雏形。比如在今年，斯坦福大学和谷歌的研究人员做了一个 " 虚拟小镇 "，其中有 25 个 AI 智能体会 " 自主生存 "、与其他 AI 互动和社交。这项实验的论文发布后，就引发了行业内极大的关注与讨论。如果要把这种社会做成更加完善的 " 世界 "，我们还需要攻克一些难题，比如至少要让 AI 具备自然语言、行为与决策，以及社交方面的能力。

在此之前，我们对 AI 的探索仍然需要脚踏实地、一步一步地走好。而过程中必不可少的一步，就是有更多团队像天美这样长期投入精力研究，对内提升游戏体验、对外输出突破性技术。如果这样做的团队越来越多，我相信《西部世界》映入现实的场景，已经离我们不远了。