如果你開啟 GPT 詢問這屆遊戲公司 CTO 有多不容易？也許會和我們一樣，獲得如下回答：
如圖所示，「技術革新」當之無愧為 CTO 們繞不開的第一大挑戰。而如果聚焦當下，AI 則是現階段攻克這一挑戰的主要方向。
因此， 4 月 9 日，我們邀請了星合互娛 聯合創始人&技術長 馬飛、青瓷遊戲 成都研發中心技術主管 劉昆、遊戲茶館 資深編輯 黑貓，與數數科技 CTO 兼聯合創始人 周津 一起，在成都的茶館裏，圍繞 AI 展開了首期【對話CTO】直播對談 。
以下文字來自本次對談內容整理，我們希望透過這樣的內容，幫助更多遊戲開發者，更從容地應對 AI 技術革新帶來的挑戰。
閱讀 Tips ：
本篇核心：AI 時代，手藝怎麽轉化為生意？
觀點前置 1. AI 到底是來砸飯碗的，還是來給遊戲人續命的？
觀點前置 2. AI 快速叠代，我們怎麽跟上時代？
觀點前置 3. 「AI+遊戲」的最終形態可能是...？
文末有 現場對談·完整版音訊live ，不想看文字可掃碼直接聽； 看 現場視訊回放.mp4 ，也可去文末。
AI 到底是來砸飯碗的，
還是來給遊戲人續命的？
在整個互聯網的發展過程中，我們經常看到許多新穎的技術突然出現。而生成式 AI 應該是最吸引遊戲行業從業者的技術之一。
之所以會有這樣的結論，是因為遊戲本質上是一種內容生產形式，而對於所有內容生產者而言，生產內容都是非常辛苦的一件事。
如果回歸到「做內容」這件最本質的事情上，我們在乎的無非一是內容品質，二是內容產出效率。因此生成式 AI 對遊戲這種內容生產型行業的影響將是巨大的。
以星合互娛內部普及生成式 AI 為例，一些用得好的同學，生產效率可以立竿見影地提升 10 倍——比如做一個高品質 2D 角色立繪，過往反反復復打磨需要 1-2 周時間，而在利用了生成式 AI 之後，有的同學一天就可以完成這樣的工作。
在這種真實的實踐中，我們可以看到 AI 所帶來的生產力的爆發。但是當然，我們也會發現另外一些問題，比如有的同學在利用 AI 之後，生產效率並沒有提升。這是因為新的工具對於部份同學來說需要花費大量的時間學習，很難做到靈活使用。
因此，AI 所帶來的不僅僅是機會，也會是挑戰。和寫程式、寫程式碼一樣，如果一個工具易用性較差，難以上手，就會非常容易造成這種兩極分化。生成式 AI 的潛力與弊端也是共生的。
對服務於遊戲行業的數數與海藝 AI 而言，我們做所有事情的初衷就是想大幅降低上手門檻。也許我們無法讓人人都擁有 10 倍工作效率，但是我們至少可以保底讓每個人都可以提升至少 3-5 倍工作效率 。
而如果說 AGI 是我們所有人共同追尋的終極目標，那麽在當下，我們更應該將 AI 定位為工具或是助理，因為目前 AI 還遠未達到 AGI 的程度。 數數和海藝 AI 在做的，也正是在輸入端將 AI 使用的門檻降低，讓更多人可以透過 AI 去洞察，而整個過程仍是由人來推動，並非是一個完全自動化的過程 。
人對於業務的理解和認知，以及人本身的核心能力，是最為關鍵的。AI 在當前更多還是起到輔助與幫助作用，我們需要把個人對於業務的理解註入到工具當中，以產生更強的連鎖反應，但我們不可能脫離人實作整個業務流程的閉環。
雖然已經出現了「文生圖」與「文生視訊」，但是我們離「文生遊戲」還十分遙遠。這是因為假如我們要生成一個遊戲，會需要很多的界面、工具以及互動。也許 AI 可以理解遊戲的某一個畫面，但是 AI 目前無法理解這個遊戲的畫面是否好玩，更無法去思考玩家玩到某一步有怎樣的體會與感受，是否能夠獲得成就感。
基於此，AI 技術本身仍然有非常長遠的路要走，在當下階段，AI 仍在給遊戲人續命的階段，但想要被續上，則取決於個人的能力。
AI 快速叠代，
我們怎麽跟上時代？
我們會發現遊戲行業是擁抱新技術最快的一個行業。在當下，遊戲行業已經開始透過 AI 生成文本、影像、視訊甚至音樂。像 AI 生成音樂也是一個非常成熟的板塊，比如近期出現的 SUNO，效果也非常好，而對於遊戲而言，配音配樂也是剛性需求。
不過基於過往與許多遊戲行業從業者的溝通，我們發現，大廠對於 AI 的直接套用相對來說還是有限的，而許多中小型廠商已經開始大量使用 AI 制作小規模的遊戲。
這是因為小規模遊戲，可以用 AI 快速走量，直接面向玩家去驗證。而大廠更加追求高品質，在當下更多還是將 AI 作為一個較為初級的工具來使用，即便用 AI 生成圖片，後期也仍然需要大量高級美術人員最佳化，才能夠在遊戲中上線。
聚焦到遊戲美術這一領域，我們會發現一款研發投入大的遊戲，資金規模往往以千萬為單位，其中一半的費用在美術相關制作模組。 而不管是 3D 建築還是場景，動作亦或是特效，其實其源頭都是 2D 美術資產。而透過海藝 AI 工具去快速制作這些基礎 2D 資產，比如角色場景、icon、banner 等等，是相對較為成熟的 。
遵循我們慣常提到的二八原則，即將 20% 的工作精力放在前序輸入和後續調優、決策上，80% 重復性的工作交給 AI 來做。如果我們可以對 AI 利用達到這種程度，將會極大的提升生產效率。
除此之外，在大語言模型領域，我們也可以透過 AI 來提升效率。我們會發現大語言模型具備非常強的總結能力。比如， 在數據層面，一個報表出來之後，有些同學無法進行提煉、解讀，在這種情況下，如果我們透過大語言模型套用來進行總結分析，我們就能夠非常清晰地對報表進行解讀，快速了解數據異常情況。當前，我們透過數數 TE 系統的 Tiki 智慧助手就可以實作 。
當我們談到 AI 時，除了大模型和 AIGC，機器學習、資料探勘甚至統計分析等領域也會受到這波浪潮的影響，進而引發人們對套用場景的思考。其中，一些典型的場景包括 LTV 預測和流失付費預測。從邏輯上講，目前針對它的實作思路開始趨於和大模型一致，即希望借助當前更多的算力和數據量，透過 scaling law 的模式大力出奇跡。
以前，在進行預測時，我們可能需要專門的演算法工程師來選擇和生成特征。那麽，是否可以采用一種大力出奇跡的方式，提供大量多維特征給模型，從而獲得更好的結果；甚至，是否可以產生一些超出預期的點，就像大模型中出現的湧現現象一樣，這也是大家正在探索的方向之一。
因此，對於遊戲行業的從業者而言，我們需要對 AI 這樣的新事物有足夠的了解。只有我們學習、了解並運用好新工具，才有可能在下次浪潮來臨時，更快地抓住機遇。
「AI+遊戲」
最終形態可能是...？
在當下，AI 大部份的魅力在於節省成本，這其中包含了可以節省大量精力、財力與時間成本。 因此，許多遊戲開發者可能抱有一個 AI 終極夢想——幫助他們去完成現在無法完成的事情。
舉一個直觀的例子，比如一個開發者想去開發一款遊戲，這個遊戲是一個骰子，每一個骰子的面都代表了一種玩法，而當玩家去投擲骰子出現某一種玩法之後，AI 可以根據投擲結果生成並執行程式，供玩家去體驗。
這種方式已經脫離了當下的開發者專門去偵錯、制作玩法，也就是 AIG 真達到了真正 AIGC 的水平。
不過雖然，我們對 AI 有著高預期的願景，但是 AI 的演化卻與生物體的演化不同。
人演進的目的是為了生存，因此會逐漸對環境產生認知和判斷，再不斷地調整基因，最終完成演化。而人的好奇心和創意，比如有的人喜歡研究天文，有的人喜歡研究宇宙，這些是演進所附帶衍生出來的產品。
但是 AI 演進的目的，則取決於人類需要 AI 來實作什麽。所以從本質而言，AI 的演進目的與人類的演進目的並不相同。AI 會根據人類所設定的目標完成訓練，最終完成前進演化。因此將 AI 作為「人類的副駕駛」是非常好的一個願景。
放眼未來，如果各行各業都可以從各個維度上對 AI 進行深度套用，幫助我們去解決實實在在的問題，那才是真正意義上的能夠為人類創造更大價值。
從這一維度上來說，數數和海藝 AI 的產品也是非常務實地期望能夠在產品的每一個角落，留下大模型能力的痕跡，實實在在幫助使用產品的使用者，提升他們解決業務問題的效率，透過先進技術，帶給大家更多價值 。
【對話 CTO】 是數數科技所打造的聚焦遊戲技術領域的直播訪談節目，旨在邀請遊戲行業頭部企業的 CTO 分享他們的技術實踐、創新思維及行業經驗， 透過深入訪談，幫助從業者了解泛遊戲行業技術發展前沿資訊，以期共同推動遊戲行業技術創新和遊戲數據中台叠代。
獲取現場對談的
視訊回放.mp4
，請聯系小莫
現場對談 音訊·live ，已 上線於播客節目「遊戲人爆到」當中， 路上聽、下班聽、隨時聽，下方掃碼即可。
聯系作者請點選
推薦閱讀
每一個 「在看」 ，都是鼓勵
