【ITBEAR】作者|林書
2024年，AI在游戲行業(yè)正不斷由表及里，不斷觸及游戲機(jī)制的核心。
大家比較熟知的《沙威瑪傳奇》，更多是用AI賦能制作，降本增效，到后來《1001 night》、《換你來當(dāng)?shù)分校珹I成為游戲的核心玩法。最近，背靠大廠的《永劫無間》《暗區(qū)突圍》里的AI技術(shù)再次往前進(jìn)了一步，要成為玩家在游戲中的“助手”、“隊(duì)友”。
AI作圖 by娛樂資本論
和騰訊、網(wǎng)易做游戲內(nèi)AI隊(duì)友不同，就在上個(gè)月，一款名為“桌崽AI”的桌面陪伴寵物火了起來，在傳統(tǒng)桌寵的外衣下，它真正做到了懂玩家、懂游戲，且在游戲過程中提供了實(shí)實(shí)在在的價(jià)值（查攻略、實(shí)時(shí)陪聊）。從功能性這一點(diǎn)看，頗有點(diǎn)當(dāng)年游戲語音助手YY的意思。
內(nèi)測一個(gè)月，總注冊用戶超過1萬，DAU超過3000，付費(fèi)率超出意料之外。
留存率也挺高，次留63%，7日留29%，30日留22%，平均每日時(shí)長237分鐘。這個(gè)數(shù)據(jù)，甚至超過了很多國內(nèi)大廠的大模型產(chǎn)品。
要知道，根據(jù)之前一張盛傳的統(tǒng)計(jì)圖表，國產(chǎn) AI 大模型用戶在30 日后，往往流失嚴(yán)重，從字節(jié)的豆包，到百度的文心一言（現(xiàn)在改名文小言），30日后使用率就都低于 1%。
問題來了，為何AI布局這么多賽道，唯獨(dú)在在游戲賽道如此成功？
原因就在于，游戲佬既對科技感興趣，又對AI助手有強(qiáng)剛需，而這樣的盲區(qū)和痛點(diǎn)，正是目前AI在其他領(lǐng)域少有觸及，也需要一定門檻的部分。
AI助手，或許將成為AI領(lǐng)域競爭的下一個(gè)勝負(fù)手。
桌崽AI的制作團(tuán)隊(duì)，是國內(nèi)一家名叫臉譜心智的企業(yè)，成立于去年6月。
創(chuàng)始人Adam是個(gè)愛玩游戲的95后，本碩畢業(yè)于帝國理工學(xué)院。在創(chuàng)業(yè)前，他在亞馬遜、微軟都工作過，對聊天機(jī)器人頗有研究。
由于創(chuàng)始人及其整個(gè)團(tuán)隊(duì)，對游戲都十分熱愛，因此桌崽AI在推出時(shí)，就具備了其他同類產(chǎn)品少有的優(yōu)勢——對當(dāng)前各大主流游戲的匹配。
目前，桌崽AI已經(jīng)適配了《黑神話·悟空》、《原神》、《絕區(qū)零》、《鳴潮》等20多款游戲。
只要打開游戲，桌崽AI就會在屏幕上陪著你。玩家可通過文字或語音，與和桌崽進(jìn)行實(shí)時(shí)的互動。
但是，僅僅做到“陪伴”，還遠(yuǎn)不能讓其脫穎而出。
如前所述，其核心亮點(diǎn)在于“懂游戲”、“懂玩家”，這點(diǎn)主要體現(xiàn)在兩方面：其一是，在游戲過程中，桌崽AI不僅能看懂游戲中的畫面、內(nèi)容，并且還能根據(jù)玩家的行為，針對性地進(jìn)行反饋。
例如玩家要是發(fā)揮得好，它就會夸玩家很棒；要是玩家不幸失手，它也會用幽默的語言進(jìn)行調(diào)侃。
第二個(gè)方面就在于，在看懂游戲的基礎(chǔ)上，它還能實(shí)時(shí)提供游戲攻略，在玩家卡關(guān)時(shí)提供幫助。
這樣一來，玩家就再也不用在游戲時(shí)，切換回桌面，再打開瀏覽器去各種網(wǎng)站、論壇搜攻略了，桌崽就站旁邊告訴你該怎么打通關(guān)。
除了這些核心功能外，桌崽還能通過生成式AI，根據(jù)玩家的喜好，定制出各種不同的外形、聲音，而這種個(gè)性化的特點(diǎn)，又進(jìn)一步增加了玩家的粘性。
然而，這樣的功能，雖然看著簡單，但真正要實(shí)現(xiàn)起來，背后卻有著一定的技術(shù)門檻，
具體來說，這樣的門檻包括了：
多模態(tài)游戲陪玩大模型——讓AI“懂游戲”；
二次元視頻生成大模型——自定義外觀；
語音聲線定制大模型——自定義聲音（語音克隆等）；
其中多模態(tài)游戲陪玩大模型，是其與游戲契合的關(guān)鍵所在，按照臉譜心智的介紹，該模型的運(yùn)作機(jī)制，是經(jīng)用戶授權(quán)后，模型把游戲畫面、音效和用戶帶有各種情緒的聲音作為輸入，從而給予和游戲進(jìn)度同頻的個(gè)性化反饋。
但最大的難點(diǎn)就在于，怎樣讓模型在理解各種不同模態(tài)的輸入（畫面、聲音）的同時(shí)，還能做到實(shí)時(shí)反饋？
這就涉及到了一個(gè)十分重要的技術(shù)——多模態(tài)融合。
從某種程度上說，這是決定將來大模型在游戲中廣度、深度的一個(gè)重要技術(shù)。
多模態(tài)技術(shù)，之所以在游戲AI的下一階段如此重要，主要是因?yàn)椋谥八薪Y(jié)合了LLM的游戲，例如《1001 night》等作品中，AI的定位與作用，始終都脫離不了“對話”這一單調(diào)的框架。
這種局限，使得AI在游戲中的作用，被限定在了提供對話選項(xiàng)和簡單的互動，而無法深入到其他方面。
而通過對不同模態(tài)的數(shù)據(jù)進(jìn)行特征提取，游戲中的AI助手，可以將原始數(shù)據(jù)轉(zhuǎn)換為可以被模型處理的數(shù)值表示，同時(shí)將異構(gòu)特征投影到公共子空間，使得具有相似語義的多模態(tài)數(shù)據(jù)由相似向量表示，從而讓AI理解了不同模態(tài)的信息。
實(shí)際上，這種多模態(tài)的思路，已經(jīng)愈發(fā)成為了一種AI+游戲的潛在發(fā)展方向。
在今年英偉達(dá)展示的一個(gè)名為G-Assist的游戲助手項(xiàng)目中，這個(gè)由RTX驅(qū)動的AI助手，會通過分析玩家的語音或文本指令，以及游戲界面截圖，提供實(shí)時(shí)攻略等相關(guān)幫助。
這與桌崽AI的某些思路幾乎如出一轍。
G-Assist的核心技術(shù)在于其AI視覺模型，通過集成先進(jìn)的AI視覺模型，G-Assist能夠?qū)崟r(shí)分析游戲窗口中的視覺信息，比如識別屏幕上出現(xiàn)的敵對NPC，或是推薦優(yōu)選武器和材料收集方法。
而除了“會看”之外，這類多模態(tài)融合技術(shù)的另一大挑戰(zhàn)，就是怎樣在實(shí)時(shí)的游戲中，以極低的延遲實(shí)現(xiàn)玩家與AI之間的語音互動。
最理想的狀態(tài)，是玩家能像平時(shí)說話時(shí)那樣，與AI助手進(jìn)行即時(shí)的交流，這考驗(yàn)的是AI“會聽”的功夫。
在今年5月的開發(fā)者大會上，微軟推出了Copilot+ PC，一款為AI時(shí)代而生的全新PC，其同樣具備了在游戲中充當(dāng)AI助手的能力。
例如，在《我的世界》視頻演示中，通過集合Open AI 的 GPT-4o模型，Copilot能夠?qū)崟r(shí)分析游戲畫面內(nèi)容，并根據(jù)不同的情境、場景，以各種語調(diào)、語氣與玩家交流。
像是當(dāng)玩家成功躲避敵人的追擊后，Copilot就會發(fā)出喘氣聲并祝賀玩家成功找到庇護(hù)處。
這種實(shí)時(shí)的、低延遲的語音交互，背后依托的技術(shù)，大致可以分成兩種，一種是傳統(tǒng)的，以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的文本轉(zhuǎn)語音（Text-to-Speech ）技術(shù)，也稱TTS；另一種則是端到端的，GPT-4o所展現(xiàn)的那種實(shí)時(shí)語音技術(shù)。
從技術(shù)力上來說，后者的要求更高，但效果也遠(yuǎn)優(yōu)于前者。
這是因?yàn)?，傳統(tǒng)的TTS合成，通常需要先將文本轉(zhuǎn)換為語音，其輸出往往存在一定的延遲，這樣的差距，在某些競技類、動作類等要求快速反應(yīng)的游戲中，會顯得尤為突出。
更重要的是，由于整合了意圖理解、自然語言處理等環(huán)節(jié)，端到端的語音大模型，在做到“如真人般絲滑”的同時(shí)，還能根據(jù)不同的情境，實(shí)時(shí)地調(diào)整自身的語氣、語調(diào)。
而傳統(tǒng)TTS要做到這點(diǎn)，只能預(yù)先進(jìn)行人為的設(shè)置。
在具備了“會看”、“會聽”的能力后，LLM在游戲中的定位，就不再僅限于單純進(jìn)行對話的NPC，甚至不再局限于能夠?qū)崟r(shí)交互的AI助手，對于某些更有野心的游戲大廠來說，這種多模態(tài)技術(shù)的成熟，還成為了在AI時(shí)代，重新構(gòu)筑自身護(hù)城河的一種新手段。
在打破了“對話”這一框架的局限后，AI助手在游戲中能干什么？
網(wǎng)易在《永劫無間》中給出的答案是：一個(gè)能聽懂語音指令，實(shí)現(xiàn)自動跑圖、搜集物資，配合戰(zhàn)斗的智能化AI隊(duì)友。
6月19日，《永劫無間》手游在“定勝終測”中引入了全新的“游戲Copilot”功能。并依托先進(jìn)的LLM技術(shù)，為玩家提供了一個(gè)勝似真人的AI隊(duì)友。
這樣的隊(duì)友，究竟有多智能？
舉例來說，在戰(zhàn)斗中，玩家要是說了句：“給我來點(diǎn)藥”，AI隊(duì)友馬上跑到玩家身邊給予相應(yīng)的道具。
同樣地，在戰(zhàn)斗中，AI隊(duì)友不僅能指哪打哪，也會通過自主判斷戰(zhàn)場局勢優(yōu)化決策，打造和真人隊(duì)友組隊(duì)開黑一致的默契體驗(yàn)。
有時(shí)候，對于一些具體的道具搜尋，AI隊(duì)友也能有求必應(yīng)。
除了基本的戰(zhàn)斗、搜尋指令外，AI隊(duì)友還會主動搭話，聊天，在戰(zhàn)斗之余緩解氛圍，為玩家提供情感陪伴的價(jià)值。
總的來說，這個(gè)AI 隊(duì)友能跑圖，搜物資，戰(zhàn)斗，輔助救援，與玩家實(shí)時(shí)語音聊天，真人隊(duì)友能做到的一切，它也幾乎全做到了。
而要實(shí)現(xiàn)這些，網(wǎng)易靠的正是前面提到的多模態(tài)識別、實(shí)時(shí)語音交互等技術(shù)。
具體來說，這個(gè)AI隊(duì)友，不僅能聽懂玩家的話（語音識別）、觀察戰(zhàn)場局勢（視覺信息輸入）、了解地圖和英雄技能（游戲機(jī)制學(xué)習(xí)），甚至借助諸多高手的大數(shù)據(jù)學(xué)會了如何打好永劫手游。
但除了多模態(tài)之外，要打造這樣智能化的AI隊(duì)友，還有一塊最重要的拼圖：AI Agent 技術(shù)。
這是因?yàn)?，多模態(tài)+LLM的組合，盡管解決了AI隊(duì)友看、聽、理解與交流的問題，但要真正讓其成為游戲中的得力助手，它就必須會親自操作游戲。
這背后靠的正是AI Agent 技術(shù)。
與傳統(tǒng)依靠預(yù)設(shè)程序執(zhí)行固定操作的NPC不同，Agent技術(shù)賦予了AI隊(duì)友更高的靈活性和自主性，這是因?yàn)锳gent技術(shù)讓AI隊(duì)友具備了“自主規(guī)劃”與“自我操作”的能力。
在AI領(lǐng)域，Agent 指的是能夠感知環(huán)境、做出決策并執(zhí)行行動的系統(tǒng)，能夠在復(fù)雜多變的環(huán)境中獨(dú)立完成任務(wù)。
實(shí)際上，早在《永劫無間》的AI隊(duì)友出現(xiàn)前，業(yè)內(nèi)早已對 Agent+游戲的方向進(jìn)行了一番探索。比如說網(wǎng)易自身，就有一個(gè)叫網(wǎng)易數(shù)智的AI平臺，提供MMO、SLG等游戲類型的AI對手。
還有在今年3月，Google 的DeepMind就公布了一項(xiàng)關(guān)于新型AI智能體SIMA的開創(chuàng)性研究，旨在讓智能體能夠理解并執(zhí)行多種游戲環(huán)境中的自然語言指令。
讓SIMA在游戲中執(zhí)行操作，只需要兩個(gè)輸入：屏幕上的圖像和用戶提供的自然語言指令。在測試中，SIMA在九種不同的游戲上進(jìn)行了訓(xùn)練和測試，包括《無人深空》和《拆解》，并在其中進(jìn)行了駕駛飛船、挖礦、砍樹等一系列操作。
通過從不同的游戲世界中學(xué)習(xí)，SIMA捕捉了圖像、語言與游戲玩法行為之間的聯(lián)系。
這樣的聯(lián)系，來自游戲過程中收集的大量數(shù)據(jù)。比如屏幕上的畫面、音效、文字說明，甚至鼠標(biāo)和鍵盤的操作記錄。
之后，收集的數(shù)據(jù)集被用于訓(xùn)練預(yù)先設(shè)定的模型，以適應(yīng)不同的游戲場景和任務(wù)。
從玩法機(jī)制上來說，AI Agent技術(shù)在游戲領(lǐng)域的介入，幾乎是一種必然，因?yàn)橛刑嗟挠螒颍即嬖谥枰獜?fù)雜規(guī)劃和多個(gè)子任務(wù)才能完成的目標(biāo)了，例如“尋找資源并建立營地”等等。
而這類融合了多模態(tài)、Agent等技術(shù)的游戲嘗試，在發(fā)展到一定階段后，必定會出現(xiàn)某個(gè)成熟的“集大成者”。
例如《暗區(qū)突圍》中的AI隊(duì)友，就是這樣一個(gè)例子。
在今年8月的科隆游戲展上，騰訊魔方工作室分享了自研的最新AI技術(shù)——F.A.C.U.L.。
這是由魔方工作室聯(lián)合暗區(qū)突圍項(xiàng)目團(tuán)隊(duì)，推出的全球首個(gè)語音指揮FPS AI，應(yīng)用了最先進(jìn)的生成式AI技術(shù)，包括語音輸入、大語言模型、實(shí)時(shí)語音合成和環(huán)境識別等。
所謂的F.A.C.U.L.，實(shí)際上是一系列核心功能的集合，為的是使AI表現(xiàn)得更像人類隊(duì)友。
具體來說，它包括了：
Complex Command Recognition（復(fù)雜指令識別）：這個(gè)功能意味著AI可以理解玩家下達(dá)的復(fù)雜命令，使其能夠識別和執(zhí)行多步指令，適應(yīng)不同的戰(zhàn)術(shù)需求。
Tactic Execution（戰(zhàn)術(shù)執(zhí)行）：指AI具備執(zhí)行戰(zhàn)術(shù)操作的能力，比如掩護(hù)、包抄、進(jìn)攻等。AI不再是簡單地跟隨玩家或進(jìn)行基礎(chǔ)攻擊，而是能夠參與到更復(fù)雜的戰(zhàn)術(shù)中。
Object Identification（物體識別）：這意味著AI可以識別場景中的特定物體，比如敵人、掩體、道具等。這種識別能力是執(zhí)行任務(wù)和戰(zhàn)術(shù)的基礎(chǔ)，幫助AI在復(fù)雜環(huán)境中做出合適的決策。
Human-Like Interaction（類人交互）：旨在讓AI在行為上更加接近人類，AI會表現(xiàn)出類似人類的反應(yīng)，增強(qiáng)游戲的沉浸感。
雖然與《永劫無間》中的AI隊(duì)友一樣，《暗區(qū)突圍》的F.A.C.U.L.也結(jié)合了多模態(tài)、Agent等技術(shù)，但從復(fù)雜度和要求上來說，其卻比前者更上了一個(gè)臺階。
這主要是因?yàn)?，與《永劫無間》相比，《暗區(qū)突圍》中的道具、武器、場景更多，更復(fù)雜，戰(zhàn)斗中需要執(zhí)行的戰(zhàn)術(shù)也更多樣化，更充滿變數(shù)。
例如，“F.A.C.U.L.”將允許 AI 角色識別多大 1.7 萬個(gè)游戲物品，包括建筑物、武器、地表。魔方工作室稱它們甚至能識別“一根草”。
在具體戰(zhàn)斗中，玩家還可以對AI隊(duì)友還可以發(fā)處一系列連續(xù)的、復(fù)雜的指令，而AI隊(duì)友在執(zhí)行這些指令時(shí)，不僅能準(zhǔn)確理解其含義，還能知道指令中提到的“沙袋”、“汽車”究竟在哪。
在執(zhí)行指令時(shí)，F(xiàn).A.C.U.L.首先會基于多模態(tài)輸入，對環(huán)境進(jìn)行結(jié)構(gòu)化分析，建立一個(gè)包含敵我位置、障礙物、目標(biāo)物體等要素的“局勢地圖”。
之后，當(dāng)玩家發(fā)布“清理房間并守住出口”這樣的復(fù)合命令時(shí)，AI隊(duì)友就會通過Agent的任務(wù)分解與多步驟執(zhí)行能力，將其分解為多個(gè)步驟：首先清理敵人，然后搜索物資，最后在出口守衛(wèi)。
這種多階段任務(wù)分解與執(zhí)行能力，是Agent技術(shù)中“自主規(guī)劃”的重要環(huán)節(jié)，也是F.A.C.U.L.這類AI高效、靈活地完成任務(wù)的關(guān)鍵。
可以說，《永劫無間》、《暗區(qū)突圍》這樣的例子，揭示了隨著多模態(tài)、Agent等技術(shù)的進(jìn)一步發(fā)展，AI在游戲中的介入程度正不斷加深，其帶來的游戲體驗(yàn)上的提升，也越來越明顯。
但與此同時(shí)，AI+游戲的另一大趨勢是：隨著技術(shù)復(fù)雜度不斷提升，“AI游戲”的門檻和壁壘也在一步步變高，有實(shí)力留在牌桌上的選手，也成了資源和資金更加充足的大廠。
然而，從行業(yè)的角度來說，這種不斷提升的門檻，也未嘗不是一件好事。
因?yàn)殡S著大廠逐漸主導(dǎo)AI+游戲領(lǐng)域，AI游戲的制作，會邁入一個(gè)更穩(wěn)健，也更有標(biāo)準(zhǔn)和規(guī)范可循的“工業(yè)化時(shí)代”，其品質(zhì)的提升會更扎實(shí)，更可控。而非像AI游戲的初期階段那樣，游戲的爆火與走紅，大多只能靠團(tuán)隊(duì)的“靈感”、稟賦或運(yùn)氣。
