AI賦能游戲開(kāi)發(fā)： 演化脈絡(luò)與應(yīng)用趨勢(shì)

摘要：隨著AI技術(shù)的快速升級(jí)與迭代，各類型AI不斷顯示出在游戲內(nèi)容生成、提升游戲互動(dòng)性、降低開(kāi)發(fā)成本、優(yōu)化玩家體驗(yàn)等方面的巨大潛力。隨著AI相關(guān)技術(shù)的不斷創(chuàng)新，AI賦能游戲開(kāi)發(fā)的應(yīng)用前景將更加廣闊，并為游戲產(chǎn)業(yè)帶來(lái)新的變革和機(jī)遇。本研究分別從技術(shù)升級(jí)與算力提升方面梳理了AI介入游戲開(kāi)發(fā)的演化脈絡(luò)，縱向描繪了AI在游戲中的應(yīng)用圖景。隨后根據(jù)AI賦能游戲開(kāi)發(fā)的現(xiàn)狀與不足，從技術(shù)特征與應(yīng)用模式角度論述了AI賦能的三個(gè)典型應(yīng)用趨勢(shì)：內(nèi)容生成工程的精準(zhǔn)化、深度嵌入游戲引擎與游戲內(nèi)核，以及全面覆蓋游戲工程管理。最后，結(jié)合AI多模態(tài)應(yīng)用，對(duì)未來(lái)AI介入游戲開(kāi)發(fā)做出展望。

關(guān)鍵詞：AI賦能 游戲開(kāi)發(fā) 內(nèi)容生成 游戲引擎 工程管理

一、引言

近些年，隨著以ChatGPT、Gemini等為代表的AI功能的提升，AI輔助游戲開(kāi)發(fā)的應(yīng)用模式已經(jīng)變得廣泛且多樣化。AI應(yīng)用不僅可以提高開(kāi)發(fā)效率，降低成本，還可以深度介入游戲制作并改善游戲的玩法與體驗(yàn)，為游戲創(chuàng)作提供更多的可能性。

AI賦能游戲開(kāi)發(fā)的優(yōu)勢(shì)主要體現(xiàn)在三個(gè)方面。其一，自動(dòng)化（Automation）優(yōu)勢(shì)。自動(dòng)化是AI輔助游戲開(kāi)發(fā)的典型特征，AI技術(shù)可以自動(dòng)完成游戲開(kāi)發(fā)過(guò)程中許多繁雜的任務(wù)，如資源生成、關(guān)卡設(shè)計(jì)、虛擬角色行為編寫等。通過(guò)AI模型和算法，開(kāi)發(fā)者可以快速生成各種游戲元素，在保證工程質(zhì)量的同時(shí)，減少人工干預(yù)并顯著加快游戲的開(kāi)發(fā)進(jìn)度。其二，智能化（Intellectualization）優(yōu)勢(shì)。AI輔助游戲開(kāi)發(fā)不僅指簡(jiǎn)單的自動(dòng)化，還意味著其具備智能化的特征。AI可以通過(guò)學(xué)習(xí)玩家行為和游戲環(huán)境信息，為游戲提供更加智能的互動(dòng)設(shè)計(jì)。同時(shí)，智能化的AI可以使游戲中的虛擬角色根據(jù)玩家的行為做出更加復(fù)雜的決策和反應(yīng)，提升游戲的趣味性和挑戰(zhàn)性。其三，個(gè)性化（Personalization）優(yōu)勢(shì)。AI可以根據(jù)玩家的個(gè)性化需求和喜好實(shí)現(xiàn)定制化的游戲體驗(yàn)，使得每位玩家都能夠獲得符合自身偏好的游戲內(nèi)容。通過(guò)分析玩家的游戲習(xí)慣、技能水平及選擇傾向，AI可以為每位玩家生成個(gè)性化的游戲元素、任務(wù)或關(guān)卡，降低重復(fù)感并提升游玩的滿意度。基于這些應(yīng)用優(yōu)勢(shì)可以預(yù)見(jiàn)，隨著AI技術(shù)的加速發(fā)展，AI將會(huì)從輔助工具逐步演變?yōu)橛螒蜷_(kāi)發(fā)過(guò)程中的核心驅(qū)動(dòng)力，深刻影響游戲產(chǎn)業(yè)的格局與風(fēng)貌。

在具體實(shí)踐方面，2023年以來(lái)許多獨(dú)立游戲開(kāi)發(fā)博主在網(wǎng)絡(luò)上分享了AI輔助游戲開(kāi)發(fā)的全過(guò)程，并介紹了在不同階段使用的技術(shù)或工具。一位國(guó)外博主于2023年5月在ChatGPT的輔助下創(chuàng)建了基于HTML、CSS和JavaScript的游戲工程，快速?gòu)?fù)現(xiàn)了像素化8位機(jī)橫版過(guò)關(guān)游戲的少數(shù)關(guān)卡，并利用Midjourney和Suno創(chuàng)建了基本的動(dòng)態(tài)角色與場(chǎng)景，以及相關(guān)的音效與背景音樂(lè)。如果計(jì)算作者后期在美術(shù)方面的優(yōu)化、關(guān)卡難度的調(diào)整以及進(jìn)行基本測(cè)試等工作的用時(shí)，該游戲項(xiàng)目的整體開(kāi)發(fā)僅耗時(shí)數(shù)十小時(shí)，極大超越了傳統(tǒng)開(kāi)發(fā)的效率。然而，這并不簡(jiǎn)單意味著普通開(kāi)發(fā)愛(ài)好者可以獨(dú)立完成一個(gè)完整的游戲項(xiàng)目，而是游戲開(kāi)發(fā)模式的全面變革。對(duì)于游戲項(xiàng)目來(lái)說(shuō)，效率提升也是產(chǎn)業(yè)升級(jí)的關(guān)鍵，游戲大廠也會(huì)享受到相應(yīng)的紅利。

AI賦能不僅會(huì)促進(jìn)游戲產(chǎn)業(yè)的發(fā)展和壯大，還會(huì)推動(dòng)數(shù)字娛樂(lè)產(chǎn)業(yè)的全面創(chuàng)新與進(jìn)步，乃至對(duì)整個(gè)娛樂(lè)產(chǎn)業(yè)格局產(chǎn)生深遠(yuǎn)的影響①。因此，本研究嘗試對(duì)AI賦能游戲開(kāi)發(fā)的演變以及AI賦能的層級(jí)、模式與績(jī)效等核心問(wèn)題進(jìn)行梳理，構(gòu)建起綜述特征的觀察脈絡(luò)，為游戲產(chǎn)業(yè)發(fā)展提供參考。

二、AI賦能游戲開(kāi)發(fā)的演化脈絡(luò)

AI賦能游戲開(kāi)發(fā)與應(yīng)用的進(jìn)程始于游戲誕生之初，從目前的研究與相關(guān)文獻(xiàn)來(lái)看，可以分為兩條線索，分別是AI相關(guān)算法技術(shù)的進(jìn)步對(duì)于游戲開(kāi)發(fā)的影響，以及運(yùn)算能力與規(guī)模提升對(duì)于AI應(yīng)用與游戲開(kāi)發(fā)的影響。

（一）基于技術(shù)演化的發(fā)展脈絡(luò)

1. 規(guī)則系統(tǒng)的應(yīng)用

早期游戲產(chǎn)品的AI賦能主要是在游戲中為玩家創(chuàng)建一定難度的“對(duì)手”，或增加游戲?qū)惯^(guò)程的變化從而提升游戲的趣味性。20世紀(jì)90年代以前的游戲大多屬于這種模式，可追溯至20世紀(jì)70年代日本太東公司的《Space Invaders》（太空侵略者），通過(guò)簡(jiǎn)單的規(guī)則系統(tǒng)（Rules system）賦予游戲內(nèi)角色有限的“智能”。規(guī)則系統(tǒng)是一種通過(guò)預(yù)先定義的規(guī)則和邏輯來(lái)決定行為的系統(tǒng)，相關(guān)規(guī)則主要由游戲設(shè)計(jì)者手動(dòng)編寫。規(guī)則系統(tǒng)的運(yùn)轉(zhuǎn)通常包括“規(guī)則集合推理引擎狀態(tài)監(jiān)測(cè)執(zhí)行動(dòng)作”一系列的過(guò)程，其中規(guī)則集合是基礎(chǔ)，推理引擎是實(shí)現(xiàn)自動(dòng)效果的核心，狀態(tài)監(jiān)測(cè)則可以擴(kuò)充細(xì)節(jié)內(nèi)容。規(guī)則系統(tǒng)的擴(kuò)充促進(jìn)了規(guī)則引擎的發(fā)展，規(guī)則引擎可實(shí)現(xiàn)多樣化的NPC②行為，或強(qiáng)邏輯的任務(wù)系統(tǒng)等，比如《模擬城市》（SimCity，美國(guó)藝電公司）游戲系列的城市經(jīng)濟(jì)與社會(huì)變化就是建構(gòu)在此類規(guī)則系統(tǒng)之上的。同時(shí)，開(kāi)發(fā)人員可以基于預(yù)先定義的規(guī)則集，通過(guò)匹配和推理來(lái)輔助完成編碼、編譯和測(cè)試等任務(wù)。但是，這種方法受限于規(guī)則的復(fù)雜性和靈活性，難以處理復(fù)雜的問(wèn)題和場(chǎng)景，因此早期應(yīng)用范圍相對(duì)有限。

2. 準(zhǔn)專家系統(tǒng)的介入

專家系統(tǒng)是指能夠模擬人類專家所掌握的知識(shí)進(jìn)而模擬其推理過(guò)程，從而使游戲中的角色、敵人或游戲世界更加智能化③。早期游戲中的專家系統(tǒng)受限于游戲數(shù)據(jù)容量以及算力水平，效果并不能與同期商業(yè)軟件的專家系統(tǒng)相比，只能稱為準(zhǔn)專家系統(tǒng)。這種專家系統(tǒng)通常建立在規(guī)則系統(tǒng)之上，強(qiáng)化了知識(shí)、信息匹配能力以及模式匹配的效果。在知識(shí)與信息匹配方面，系統(tǒng)需要通過(guò)符號(hào)表示技術(shù)④將游戲中的模擬信息轉(zhuǎn)化為便于計(jì)算機(jī)理解和處理的形式，然后發(fā)送至推理引擎執(zhí)行運(yùn)算；在模式匹配方面，系統(tǒng)需要使用模式匹配技術(shù)來(lái)識(shí)別游戲中的特定狀態(tài)或情況，并根據(jù)這些模式做出決策，對(duì)于復(fù)雜游戲則需要涉及一定程度的模糊識(shí)別或分類技術(shù)。游戲中準(zhǔn)專家系統(tǒng)的應(yīng)用存在短板，其一是在許多游戲中表現(xiàn)出的“剛性”⑤特征，可以讓熟練的玩家準(zhǔn)確地預(yù)測(cè)出相應(yīng)的行為，比如許多對(duì)戰(zhàn)類型游戲中的bot（機(jī)器人），從而降低了游戲難度；其二是構(gòu)建高質(zhì)量系統(tǒng)需要大量的知識(shí)工程，這會(huì)顯著增加游戲的開(kāi)發(fā)成本和時(shí)間，因此不少游戲項(xiàng)目在此方面選擇了折中或直接放棄。

3. 機(jī)器學(xué)習(xí)的崛起

機(jī)器學(xué)習(xí)的理念起源于20世紀(jì)50年代到60年代，早期的機(jī)器學(xué)習(xí)技術(shù)主要涉及線性回歸、邏輯回歸、決策樹(shù)、感知器模型等，并沒(méi)有現(xiàn)代AI的特征。20世紀(jì)90年代，隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，如支持向量機(jī)（Support Vector Machine，SVM）應(yīng)用的完善，系統(tǒng)逐漸能夠從數(shù)據(jù)與已有程序中學(xué)習(xí)相應(yīng)模式和規(guī)律，并根據(jù)學(xué)習(xí)到的知識(shí)輔助開(kāi)發(fā)人員完成編碼、測(cè)試和優(yōu)化等具體工作⑥。早期有少量的軟件開(kāi)發(fā)工作可以基于機(jī)器學(xué)習(xí)成果自動(dòng)生成代碼片段或者函數(shù)，在一定程度上減輕了開(kāi)發(fā)人員的工作量，但在游戲領(lǐng)域應(yīng)用不多。1990年至2000年通常被認(rèn)為是機(jī)器學(xué)習(xí)的沉默期，此時(shí)機(jī)器學(xué)習(xí)的探索主要集中在模式識(shí)別、語(yǔ)音識(shí)別等領(lǐng)域，但相關(guān)的應(yīng)用拓展能力有限，主要原因在于訓(xùn)練技術(shù)與算力支持不足，特別是專業(yè)顯卡運(yùn)算能力缺乏，難以支撐大規(guī)模的神經(jīng)網(wǎng)絡(luò)①。

2006年開(kāi)始進(jìn)入AI加速發(fā)展期，在這個(gè)階段，深度學(xué)習(xí)（Deep Learning，DL）成為機(jī)器學(xué)習(xí)的主要驅(qū)動(dòng)力。深度學(xué)習(xí)是指通過(guò)多層次的神經(jīng)網(wǎng)絡(luò)模型來(lái)學(xué)習(xí)數(shù)據(jù)的表征，從而實(shí)現(xiàn)對(duì)數(shù)據(jù)復(fù)雜特征提取的學(xué)習(xí)過(guò)程②。該階段應(yīng)用的模型更加復(fù)雜且強(qiáng)大，包括卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks，RNN）等，隨著參數(shù)與神經(jīng)網(wǎng)絡(luò)層的增長(zhǎng)，逐漸能夠支持更加繁瑣且擬真化問(wèn)題的學(xué)習(xí)與解決③。在游戲應(yīng)用方面，比如一些肉鴿游戲（Roguelike）④就在深度學(xué)習(xí)的支持下很好地改善了地圖生成與隨機(jī)敵人的生成效果⑤。同時(shí)，2010年以后增強(qiáng)學(xué)習(xí)（Reinforcement Learning，RL）取得了快速發(fā)展。增強(qiáng)學(xué)習(xí)是指在與環(huán)境的交互中學(xué)習(xí)最優(yōu)策略，系統(tǒng)可以通過(guò)嘗試不同的行為，根據(jù)環(huán)境反饋的信號(hào)優(yōu)化自己的行動(dòng)方案。增強(qiáng)學(xué)習(xí)的特點(diǎn)是可以處理未標(biāo)記、動(dòng)態(tài)環(huán)境下的問(wèn)題，能夠進(jìn)行連續(xù)決策和序列決策，對(duì)于探索性問(wèn)題有較好的解決能力，可以在不斷試錯(cuò)中學(xué)習(xí)⑥。由于深度學(xué)習(xí)與增強(qiáng)學(xué)習(xí)基于復(fù)雜神經(jīng)網(wǎng)絡(luò)，具有強(qiáng)大的特征提取和表示學(xué)習(xí)能力，在軟件開(kāi)發(fā)時(shí)能夠廣泛應(yīng)用于代碼生成、代碼分析、自動(dòng)化測(cè)試等任務(wù)之中，成為開(kāi)發(fā)人員更強(qiáng)大、更智能的輔助工具。

2017年Transformer架構(gòu)的提出以及隨后大語(yǔ)言模型（Large Language Model，LLM）的落地實(shí)現(xiàn)了AI應(yīng)用效果的變革。大語(yǔ)言模型是基于神經(jīng)網(wǎng)絡(luò)架構(gòu)，具有大量參數(shù)的深度學(xué)習(xí)模型，綜合了預(yù)訓(xùn)練、微調(diào)、多任務(wù)學(xué)習(xí)、注意力機(jī)制等關(guān)鍵技術(shù)⑦，這些技術(shù)能夠強(qiáng)化記憶機(jī)制以及序列化邏輯處理能力，便于對(duì)大規(guī)模文本數(shù)據(jù)進(jìn)行學(xué)習(xí)，并實(shí)現(xiàn)對(duì)自然語(yǔ)言的理解和相關(guān)內(nèi)容的生成⑧。大語(yǔ)言模型在內(nèi)核機(jī)制方面主要分為兩個(gè)方向：一類是以GPT（OpenAI開(kāi)發(fā)）、Bard（Google開(kāi)發(fā)，2024年更名為Gemini）為代表，側(cè)重解碼（Decoder）的類型，擅長(zhǎng)文本及復(fù)雜內(nèi)容的生成，需要大量參數(shù)的支持⑨；另一類是以Bert、Electra（均為Google開(kāi)發(fā)）為代表，側(cè)重編碼（Encoder）的類型，擅長(zhǎng)分類與語(yǔ)義理解，僅需有限參數(shù)的支持。目前在游戲方面的應(yīng)用主要基于前者，其技術(shù)特點(diǎn)可以廣泛應(yīng)用于游戲中的對(duì)話系統(tǒng)、任務(wù)提示、虛擬助手，以及各類內(nèi)容生成領(lǐng)域。

（二）基于算力升級(jí)的發(fā)展脈絡(luò)

1. 算力升級(jí)的階段演化

算力是AI應(yīng)用的另一推動(dòng)力，算力提升使大規(guī)模神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與部署得以實(shí)現(xiàn)，并廣泛應(yīng)用于工程領(lǐng)域。根據(jù)杰米·塞維拉（Jaime Sevilla）等學(xué)者（2022）進(jìn)行的階段劃分，AI運(yùn)算演進(jìn)總體分為三個(gè)階段⑩。

第一是前深度學(xué)習(xí)時(shí)期（Pre-Deep Learning Era），該階段跨度為20世紀(jì)50年代中期至2009年左右，每秒浮點(diǎn)運(yùn)算能力（FLOPs）從104增長(zhǎng)至1012。該階段算力對(duì)AI的支持相對(duì)較弱，游戲中的AI應(yīng)用往往局限于簡(jiǎn)單的規(guī)則機(jī)制，如有限狀態(tài)機(jī)（Finite State Machine，F(xiàn)SM）或低層級(jí)的決策樹(shù)，難以提供復(fù)雜的游戲體驗(yàn)。同時(shí)，由于AI算法應(yīng)用受到硬件性能和算法復(fù)雜度的限制，游戲開(kāi)發(fā)者只能手工編寫或調(diào)整游戲中的AI程序邏輯，使其與硬件能力匹配。此外，該階段AI雖然可以參與一些游戲文本創(chuàng)作，比如一些基于文本的選擇冒險(xiǎn)游戲或角色扮演類游戲（Role Play Game，RPG）的基礎(chǔ)劇本開(kāi)發(fā)等，但人工修改、整合的時(shí)間占比仍然很高，原因是機(jī)器生成的內(nèi)容相對(duì)單調(diào)或存在邏輯矛盾，抑或部分預(yù)生成的游戲劇本略顯生硬。

第二階段是深度學(xué)習(xí)時(shí)期（Deep Learning Era），跨度為2010年至2016年左右，運(yùn)算能力分布在1012至1016之間。該階段GPU（Graphics Processing Unit）算力的提升及成本下降使得眾多開(kāi)發(fā)者乃至個(gè)人可以使用更為龐大或復(fù)雜的AI模型，如路徑規(guī)劃與行為樹(shù)等，使得游戲中的角色設(shè)計(jì)更具智能性和逼真度。在支持游戲開(kāi)發(fā)方面，該階段基于深度學(xué)習(xí)模型與算力，設(shè)計(jì)人員可以借助AI工具輔助生成地圖、關(guān)卡、音效、角色等內(nèi)容，特別是通過(guò)AI算法補(bǔ)全圖像或修飾動(dòng)畫(huà)效果，使游戲場(chǎng)景的細(xì)節(jié)更加生動(dòng)真實(shí)，提高玩家的沉浸感。但是，該階段的內(nèi)容生成需要開(kāi)發(fā)者給出明確的參數(shù)，不能以模糊指令完成相應(yīng)的操作，且生成的內(nèi)容在很大程度上都是已有素材的堆疊組合，缺乏足夠的創(chuàng)新性。

第三階段是大規(guī)模神經(jīng)網(wǎng)絡(luò)時(shí)期（Large-Scale Neural Networks Era），即2016年以后，運(yùn)算能力可達(dá)到1018以上，并處于持續(xù)提升的過(guò)程中。高速的AI運(yùn)算速度為游戲內(nèi)容的自動(dòng)生成提供了可靠保障，并且初步具備了動(dòng)態(tài)化與個(gè)性化特征①。例如，微軟（美國(guó)）開(kāi)發(fā)的游戲《我的世界》（Minecraft）中的程序化內(nèi)容生產(chǎn)（Procedural Content Generation，PCG）系統(tǒng)利用深度學(xué)習(xí)技術(shù)，能夠自動(dòng)生成豐富多變的游戲內(nèi)容，為玩家提供無(wú)盡的探索方向和創(chuàng)造空間②。另外，AI植入游戲的效果也有明顯改善。在對(duì)戰(zhàn)類游戲中，電腦對(duì)手的等級(jí)差別不再僅僅只是幾個(gè)變量值（如行動(dòng)速度、攻擊力等）的變化，而是具備更全面的“智能”效果。比如，針對(duì)暴雪（美國(guó)）公司經(jīng)典即時(shí)戰(zhàn)略作品《星際爭(zhēng)霸II》（StarCraft II），該公司與DeepMind合作推出了AlphaStar項(xiàng)目，共同開(kāi)發(fā)出能夠?qū)鬼敿馔婕业腁I系統(tǒng)，該智能系統(tǒng)最終達(dá)到了世界級(jí)職業(yè)玩家的水平③。

在大語(yǔ)言模型廣泛應(yīng)用之后，AI的輸入方式更為靈活多樣，文字生成模式更容易在創(chuàng)作領(lǐng)域中被使用。在內(nèi)容生成方面，不少AI工具可以直接根據(jù)作者文字或語(yǔ)音描述的意圖做出基本的框架，再根據(jù)修飾或調(diào)整性說(shuō)明進(jìn)一步完善，從而在極短的時(shí)間內(nèi)完成一些靜態(tài)元素的創(chuàng)建。比如，不少中小廠商借助各類工具生成特征值與屬性值近似的大量原始素材，經(jīng)過(guò)篩選后放入游戲中使用，或借助AI制作游戲海報(bào)、菜單界面甚至過(guò)場(chǎng)動(dòng)畫(huà)，節(jié)省了許多創(chuàng)作工作的外包成本④。

2. 算力升級(jí)的影響因素

算力升級(jí)受到諸多因素影響。其一，硬件技術(shù)。硬件技術(shù)的不斷進(jìn)步是推動(dòng)AI算力提升的關(guān)鍵因素之一。隨著芯片制造工藝的不斷改進(jìn)，計(jì)算單元的密度、速度和能效都得到了顯著提升，如GPU、TPU（Tensor Processing Unit）⑤等專用加速器的出現(xiàn)使得AI計(jì)算速度得以大幅提升。其二，算法優(yōu)化。算法的不斷優(yōu)化對(duì)AI算力提升有重要影響。針對(duì)特定任務(wù)設(shè)計(jì)高效的算法和模型結(jié)構(gòu)，優(yōu)化計(jì)算流程和參數(shù)設(shè)置，能夠有效降低算法的計(jì)算復(fù)雜度和資源消耗，從而提高算法的執(zhí)行效率。其三，軟件工程。在算法基礎(chǔ)上，形成有效的軟件工程實(shí)踐，可以進(jìn)一步提高AI算法的執(zhí)行效率和資源利用率，通過(guò)優(yōu)化代碼結(jié)構(gòu)、采用高效的編程語(yǔ)言和函數(shù)庫(kù)、并行化和分布式計(jì)算等手段，可以最大程度地發(fā)揮硬件資源的性能，并加速模型的訓(xùn)練和推理過(guò)程。其四，數(shù)據(jù)規(guī)模與質(zhì)量。AI模型的性能通常與訓(xùn)練數(shù)據(jù)的規(guī)模及質(zhì)量密切相關(guān)，更大規(guī)模的數(shù)據(jù)集能提供更豐富的信息和更廣泛的模式參考，有助于訓(xùn)練更復(fù)雜、更準(zhǔn)確的模型⑥。而高品質(zhì)數(shù)據(jù)則能夠明顯提升訓(xùn)練的效果，使AI在較短的運(yùn)算時(shí)間內(nèi)給出更為有效、合理的解決方案。

對(duì)于游戲的AI應(yīng)用，硬件技術(shù)的進(jìn)步依靠行業(yè)的發(fā)展，算法優(yōu)化也需要依賴IT科研的進(jìn)展。在軟件工程方面，不同規(guī)模的游戲開(kāi)發(fā)部門可根據(jù)自身資源與開(kāi)發(fā)經(jīng)驗(yàn)，調(diào)整設(shè)計(jì)與開(kāi)發(fā)流程，并對(duì)工程管理過(guò)程進(jìn)行優(yōu)化。而數(shù)據(jù)規(guī)模與質(zhì)量是目前游戲AI優(yōu)化的短板，由于游戲產(chǎn)品開(kāi)發(fā)速度慢，許多游戲公司（特別是中小公司）如果僅使用自己掌握的數(shù)據(jù)，通常難以完成大規(guī)模的AI訓(xùn)練。如果使用其他公司的數(shù)據(jù)或公共數(shù)據(jù)，則涉及版權(quán)、數(shù)據(jù)品質(zhì)等問(wèn)題。因此，學(xué)習(xí)樣本短缺是目前游戲行業(yè)在應(yīng)用AI內(nèi)容生成方面的主要阻礙。

三、AI在游戲開(kāi)發(fā)中的應(yīng)用趨勢(shì)

AI嵌入游戲開(kāi)發(fā)的應(yīng)用趨勢(shì)非常明確，未來(lái)的走勢(shì)主要依據(jù)各類廠商及相應(yīng)產(chǎn)品的開(kāi)發(fā)需求，在克服應(yīng)用短板的過(guò)程中不斷進(jìn)化。根據(jù)國(guó)內(nèi)外網(wǎng)文與相關(guān)視頻內(nèi)容統(tǒng)計(jì)，目前應(yīng)用主要涉及以下問(wèn)題。其一，在廣泛的游戲內(nèi)容生成方面，AI目前的應(yīng)用模式還處于“初級(jí)助手”階段，生成的精準(zhǔn)性明顯不足，需要開(kāi)發(fā)者不斷給出指令并試錯(cuò)，才有可能得到接近預(yù)期的成果①。比如，國(guó)外獨(dú)立游戲創(chuàng)作者在使用2D的圖形AI工具生成游戲?qū)毾鋾r(shí)，可直接采用的成品率不足20%，許多作品需要作者進(jìn)行二次或多次修改。其二，行業(yè)缺乏專屬于游戲開(kāi)發(fā)的AI工具，工具的應(yīng)用領(lǐng)域也分布不均。許多開(kāi)發(fā)者不得不使用大量的通用型AI工具，然后將成果拼湊在一起，且很多生成內(nèi)容的創(chuàng)新性不足。以2023年游戲AI應(yīng)用搜索前十位（見(jiàn)表1）來(lái)看，美術(shù)類與素材類的AI工具居多，大部分工具的AI支持能力較低，支持游戲引擎與內(nèi)核的工具幾乎沒(méi)有。同時(shí)，現(xiàn)有AI很難系統(tǒng)地學(xué)習(xí)大量的游戲產(chǎn)品，訓(xùn)練不足導(dǎo)致生成效果方面也缺乏專業(yè)性與系統(tǒng)性。其三，AI在游戲開(kāi)發(fā)中尚不能全面介入工程管理，目前的“零敲碎打”模式對(duì)于大廠項(xiàng)目開(kāi)發(fā)的效率提升極其有限。即使是一些中小工作室，也感受到AI應(yīng)用于開(kāi)發(fā)中的瓶頸，感受到由于AI的應(yīng)用未能有效減少一些繁瑣開(kāi)發(fā)事務(wù)的壓力。比如Ludo.ai②，雖然能夠支持較完整的開(kāi)發(fā)流程，但僅適用于小開(kāi)發(fā)項(xiàng)目或試驗(yàn)性項(xiàng)目。針對(duì)這些問(wèn)題并結(jié)合AI技術(shù)等級(jí)的提升預(yù)期，AI賦能游戲開(kāi)發(fā)的應(yīng)用趨勢(shì)主要表現(xiàn)在以下方面。

（一）趨勢(shì)一：內(nèi)容生成工程的精準(zhǔn)化

AI賦能游戲開(kāi)發(fā)首先需要在基礎(chǔ)要素生成層面更加精準(zhǔn)，一款游戲的制作通常在要素設(shè)計(jì)方面耗時(shí)頗多，只有對(duì)此領(lǐng)域進(jìn)行優(yōu)化才能明顯降低項(xiàng)目的開(kāi)發(fā)成本。目前AI在游戲要素生成方面的缺陷主要在于“理解力”與“轉(zhuǎn)化力”，這需要全面升級(jí)游戲內(nèi)容生成工程，使其符合開(kāi)發(fā)者的意圖。

1. 強(qiáng)化提示詞工程

提示詞工程（Prompt Engineering）是指利用適宜的提示語(yǔ)幫助AI生成符合用戶需求的內(nèi)容，主要用于自然語(yǔ)言模型的處理，也可在轉(zhuǎn)譯后用于支持圖像、聲音、動(dòng)畫(huà)等內(nèi)容的生成或優(yōu)化①。優(yōu)化提示詞工程對(duì)于AI游戲開(kāi)發(fā)的益處在于賦予其更高的靈活性，可以根據(jù)開(kāi)發(fā)應(yīng)用場(chǎng)景給出準(zhǔn)確的方案。同時(shí)，相比傳統(tǒng)的模型訓(xùn)練方法，提示詞工程通常需要較少的數(shù)據(jù)和計(jì)算資源，并能快速實(shí)現(xiàn)內(nèi)容生成任務(wù)，具有較高的生成效率。因此非常適合應(yīng)用于封閉或半封閉開(kāi)發(fā)的項(xiàng)目，或缺少借鑒資源的項(xiàng)目②。比如，在一個(gè)場(chǎng)景設(shè)計(jì)中，開(kāi)發(fā)者希望融合后現(xiàn)代、朋克、硬科幻等不同風(fēng)格，但AI難以合理控制各類特征的比例及結(jié)合方式，適當(dāng)?shù)奶崾驹~系統(tǒng)可以較快達(dá)到開(kāi)發(fā)者預(yù)期的風(fēng)格融合效果。此外，在程序設(shè)計(jì)環(huán)節(jié)，良好的提示詞系統(tǒng)能夠更準(zhǔn)確地實(shí)現(xiàn)代碼補(bǔ)全功能甚至函數(shù)包制作，并給出易理解的注釋文檔。對(duì)于企業(yè)級(jí)應(yīng)用來(lái)說(shuō)，一旦完善提示詞工程并內(nèi)置于相關(guān)應(yīng)用，可以顯著降低開(kāi)發(fā)的難度，提高AI系統(tǒng)的易用性，這對(duì)于一些中小工作室將會(huì)有極強(qiáng)的吸引力。

2. 適配微調(diào)技術(shù)

微調(diào)（Fine-Tuning）是一種常用的遷移學(xué)習(xí)的方法，通過(guò)在預(yù)訓(xùn)練模型的基礎(chǔ)上微調(diào)模型參數(shù)，使模型能夠更好地適應(yīng)特定任務(wù)或數(shù)據(jù)集，具有靈敏度高的優(yōu)點(diǎn)。微調(diào)技術(shù)通常會(huì)與提示詞工程相結(jié)合，成為進(jìn)一步優(yōu)化輸出的保障③。在參數(shù)方面，微調(diào)主要涉及對(duì)預(yù)訓(xùn)練模型的個(gè)別參數(shù)進(jìn)行有限調(diào)整，通常通過(guò)在特定任務(wù)的數(shù)據(jù)集上進(jìn)行反向傳播和參數(shù)更新來(lái)實(shí)現(xiàn)。在微調(diào)過(guò)程中，一般只更新模型的部分參數(shù)，而無(wú)需重新訓(xùn)練整個(gè)模型，以減少計(jì)算成本和訓(xùn)練時(shí)間，并有效控制與設(shè)計(jì)原型的偏差。該模式對(duì)于游戲內(nèi)動(dòng)態(tài)內(nèi)容的優(yōu)化非常重要，比如任務(wù)描述、對(duì)話細(xì)節(jié)、故事情節(jié)等，每次嘗試調(diào)整的“距離”不宜過(guò)大。在數(shù)據(jù)適應(yīng)性方面，微調(diào)旨在使模型適應(yīng)特定任務(wù)或數(shù)據(jù)集的特點(diǎn)和分布。通過(guò)在特定任務(wù)的數(shù)據(jù)集上進(jìn)行微調(diào)，可以使模型更好地理解和捕捉該任務(wù)的關(guān)鍵特征和模式，從而提高模型在該任務(wù)上的性能。比如在NPC對(duì)話系統(tǒng)的優(yōu)化方面，AI可以根據(jù)玩家的歷史交互數(shù)據(jù)，給出更加個(gè)性化、定制化的語(yǔ)句或措辭。此外，在適配微調(diào)技術(shù)中，需要行業(yè)、開(kāi)發(fā)者乃至玩家不斷給出反饋，并將相關(guān)數(shù)據(jù)納入訓(xùn)練過(guò)程中，相關(guān)環(huán)節(jié)可以與自動(dòng)評(píng)價(jià)指標(biāo)（如ROUGE、BLEU等④）組合使用以達(dá)到更好的效果。

3. 完善RAG應(yīng)用及相關(guān)訓(xùn)練

檢索增強(qiáng)生成（Retrieval-Augmented Generation，RAG）是一種綜合檢索和內(nèi)容生成的自然語(yǔ)言處理模型架構(gòu)，旨在通過(guò)檢索候選資源來(lái)引導(dǎo)生成模型的創(chuàng)作過(guò)程。RAG 模型兼具了多樣性與相關(guān)性，能夠很好地控制“主題”的偏離度，生成內(nèi)容品質(zhì)較高。RAG模型的生成過(guò)程受到檢索結(jié)果的引導(dǎo)，即生成模型在創(chuàng)作時(shí)會(huì)融入檢索到的相關(guān)素材，從中提取信息或“靈感”，從而產(chǎn)出更加豐富且相關(guān)的內(nèi)容⑤。該模式對(duì)于游戲內(nèi)容的創(chuàng)新很有幫助，比如創(chuàng)作者想整合RPG與開(kāi)放世界游戲⑥的機(jī)制，由AI給出幾個(gè)基礎(chǔ)備選模板，采用RAG模型能夠在保證選題特征的情況下給出較多有創(chuàng)意的方案，其創(chuàng)作的外沿要大于提示詞工程。此外，RAG模型可以進(jìn)行端到端的訓(xùn)練，即同時(shí)訓(xùn)練檢索模塊和生成模塊，使得兩者能夠共同學(xué)習(xí)并得到優(yōu)化，提升訓(xùn)練效率并實(shí)現(xiàn)更好的內(nèi)容迭代。對(duì)于有較強(qiáng)開(kāi)發(fā)積淀的公司，可以通過(guò)對(duì)自有游戲資源及數(shù)據(jù)的深度訓(xùn)練達(dá)到對(duì)自身游戲產(chǎn)品更好的復(fù)刻與創(chuàng)新效果。

上述三種技術(shù)的綜合能夠使游戲內(nèi)容生成工程更加精準(zhǔn)，并實(shí)現(xiàn)多模態(tài)（MultiModal）應(yīng)用開(kāi)發(fā)，使一些繁雜要素的生成更符合設(shè)計(jì)者意圖且更有邏輯性（參見(jiàn)表2），并實(shí)現(xiàn)游戲在圖形、結(jié)構(gòu)、音頻、劇情方面的協(xié)同①。比如，結(jié)合提示詞工程及RAG模型，可以一次性生成系列化的場(chǎng)景及場(chǎng)景內(nèi)可互動(dòng)的資源及裝備，并在美術(shù)風(fēng)格、分布規(guī)律、屬性值方面符合游戲劇情的世界觀，而在傳統(tǒng)RPG類游戲設(shè)計(jì)中，通常需要花費(fèi)大量時(shí)間并進(jìn)行反復(fù)修改。同時(shí)，業(yè)內(nèi)還有觀點(diǎn)認(rèn)為，開(kāi)發(fā)者可以借助RAG等模型構(gòu)建出“反饋—預(yù)測(cè)”模型，系統(tǒng)捕獲玩家的偏好和行為習(xí)慣，從而根據(jù)玩家特性預(yù)測(cè)游戲設(shè)計(jì)方向或據(jù)此調(diào)整游戲內(nèi)容與難度，提升玩家在游戲創(chuàng)作中的參與度。

（二）趨勢(shì)二：深度嵌入游戲引擎與游戲內(nèi)核

1. AI嵌入游戲引擎

AI賦能游戲開(kāi)發(fā)并顯著提升開(kāi)發(fā)效率的關(guān)鍵是深入到游戲引擎層面，因?yàn)橛螒蛞媸怯螒蜷_(kāi)發(fā)的核心工具，它決定了游戲的基本框架、功能延伸和各類效果。通過(guò)將AI融入游戲引擎中，可以實(shí)現(xiàn)游戲開(kāi)發(fā)多方面的優(yōu)化和創(chuàng)新。首先，AI同游戲引擎的融合能夠使其在輔助開(kāi)發(fā)中了解到清晰的底層架構(gòu)與規(guī)則，在一致的開(kāi)發(fā)環(huán)境下生成游戲的要素與模塊，而且可以保證內(nèi)容在橫向與縱向方面的連貫與協(xié)調(diào)，幫助AI的注意力機(jī)制實(shí)現(xiàn)更好的運(yùn)轉(zhuǎn)。其次，在理解底層代碼基礎(chǔ)上，AI嵌入游戲引擎可以明顯降低AI內(nèi)容生成與開(kāi)發(fā)方面的工作復(fù)雜度，AI無(wú)需反復(fù)涉及諸多的底層邏輯，而可以直接參與高等級(jí)內(nèi)容的創(chuàng)作。在創(chuàng)作大型的項(xiàng)目時(shí)，這可以明顯降低對(duì)算力的需求，采用本地部署的AI開(kāi)發(fā)系統(tǒng)更是如此。最后，AI+游戲引擎可以改善游戲的運(yùn)營(yíng)與更新效果，便于高效地進(jìn)行測(cè)試并修復(fù)問(wèn)題，還能根據(jù)已有游戲內(nèi)容自動(dòng)更新游戲任務(wù)、故事情節(jié)、環(huán)境設(shè)定、道具要素等，保持游戲的新鮮度與可持續(xù)性。

AI嵌入游戲引擎利于開(kāi)發(fā)者實(shí)現(xiàn)自下而上的創(chuàng)新，使一些新的設(shè)計(jì)思路與模式能夠與同期的機(jī)能及網(wǎng)絡(luò)環(huán)境相匹配，為開(kāi)發(fā)工作提供更具專業(yè)性的AI支持。AI同游戲引擎的結(jié)合點(diǎn)是豐富多樣的，如表3所示，常見(jiàn)的圖形、建模、物理、音視頻等引擎均可以植入AI或開(kāi)放AI接口，提供更智能化的開(kāi)發(fā)協(xié)助。同時(shí)，如果游戲需要內(nèi)置AI模塊，人工智能引擎單元也會(huì)成為今后開(kāi)發(fā)的熱點(diǎn)。

目前許多開(kāi)放引擎的廠商已經(jīng)看到了相應(yīng)的市場(chǎng)前景，并在自己的產(chǎn)品中融入更多的AI元素。以Unity引擎①為例，以往創(chuàng)建具有靈敏響應(yīng)能力的高品質(zhì)NPC是非常困難的，尤其是當(dāng)游戲比較復(fù)雜時(shí)，開(kāi)發(fā)者不得不編寫大量代碼或借助外部高度專業(yè)化的工具才能實(shí)現(xiàn)，這對(duì)于許多獨(dú)立開(kāi)發(fā)者來(lái)說(shuō)有很高的門檻。新版Unity集成了機(jī)器學(xué)習(xí)代理（Machine Learning Agents，首字母縮寫為ML-Agents）工具②，開(kāi)發(fā)人員不再需要考慮復(fù)雜的邏輯以及海量的編碼工作，僅通過(guò)強(qiáng)化學(xué)習(xí)和模仿學(xué)習(xí)相結(jié)合的方式便可以讓NPC實(shí)現(xiàn)智能化。其過(guò)程只需三個(gè)步驟：（1）調(diào)用集成的ML-Agents Unity包；（2）連接到Unity開(kāi)發(fā)項(xiàng)目，訓(xùn)練代理模型的行為；（3）將訓(xùn)練好的代理模型重制到Unity項(xiàng)目中③。如果對(duì)NPC效果不滿意，還可以指定訓(xùn)練的方向，并加入一定的監(jiān)督或反饋機(jī)制。此外，CryEngine④和Godot Engine⑤等引擎也集成了AI插件或設(shè)置了AI擴(kuò)展接口，以符合當(dāng)前及今后的應(yīng)用趨勢(shì)。

2. AI嵌入游戲內(nèi)核

AI嵌入游戲內(nèi)核能夠全面提升游戲品質(zhì)，促進(jìn)玩家更欣賞的“高智商”等級(jí)作品的開(kāi)發(fā)。這種作品應(yīng)具備更強(qiáng)的自適應(yīng)特征，能夠根據(jù)玩家的需求（甚至未表現(xiàn)出的潛在需求）去迎合玩家，使不同游戲水平或有差異化偏好的玩家都能獲得理想的游戲體驗(yàn)。AI嵌入游戲內(nèi)核的第一步是AI自身成為游戲高手，這一點(diǎn)在英偉達(dá)的例子中得到了證明。2023年英偉達(dá)將VOYAGER放進(jìn)了《我的世界》，在LLM模型及迭代prompt機(jī)制的支持下，該AI模組迅速成為經(jīng)驗(yàn)豐富的“玩家”。它在稀有物品收集及經(jīng)驗(yàn)成長(zhǎng)方面很快超越了普通玩家，同時(shí)在解鎖關(guān)鍵技能方面，速度相較自身也顯著提升了15.3倍⑥。AI水平的提升一方面意味著其對(duì)于游戲框架與規(guī)則更加熟悉，可以更好地理解游戲特征及制作模式，在游戲生成方面將更具專業(yè)性；另一方面，基于AI學(xué)習(xí)成果可以打造更好的NPC及游戲內(nèi)容環(huán)境，讓玩家處于更加“真實(shí)”的娛樂(lè)環(huán)境中。

AI嵌入游戲內(nèi)核還可表現(xiàn)為助力游戲的自我成長(zhǎng)與優(yōu)化。比如，斯坦福與谷歌的研究人員合作，在一個(gè)互動(dòng)式沙盒游戲的環(huán)境下放置了25個(gè)生成式智能體（Generative Agent），將大型語(yǔ)言模型和計(jì)算交互式智能體融合，使其具備記憶、檢索、交流、反思的功能。在經(jīng)過(guò)一段時(shí)間的模擬后，這些智能體演化出了常見(jiàn)的社交行為，并表現(xiàn)出真實(shí)社會(huì)化群體的某些特征①。該實(shí)驗(yàn)顯示出，僅憑借AI即可營(yíng)造出一個(gè)相對(duì)復(fù)雜的游戲生態(tài)，AI不僅可以同環(huán)境產(chǎn)生交互，還可以在相互交互中促進(jìn)生態(tài)的變化以及個(gè)體的成長(zhǎng)。這種賦能模式不僅可以執(zhí)行深度的游戲測(cè)試，還具備了根據(jù)玩家隨機(jī)生成“唯一”特征游戲環(huán)境的可能，且其進(jìn)程是不可逆的。

從目前的應(yīng)用情況看，AI介入游戲內(nèi)核可分為三個(gè)層級(jí)（如表4所示），單次行為響應(yīng)與累積行為響應(yīng)的技術(shù)應(yīng)用已比較成熟，許多游戲都已經(jīng)或多或少使用了適宜的AI算法，一些老款游戲也具備植入AI的條件，能夠明顯改善游戲體驗(yàn)。在高等級(jí)行為響應(yīng)方面，許多應(yīng)用模式尚處于實(shí)驗(yàn)階段，在產(chǎn)品中并沒(méi)有完全植入類GPT這樣的AI。不少開(kāi)發(fā)者擔(dān)憂，高等級(jí)AI在游戲中的行為存在不可控風(fēng)險(xiǎn)，有可能做出超越游戲規(guī)則的行為，形成負(fù)面的市場(chǎng)反饋。比如近期的一些應(yīng)用測(cè)試顯示，一些AI為了獲得更優(yōu)的獎(jiǎng)勵(lì)或積分，在游戲環(huán)境中可能采用作弊（算法將其視為某種“捷徑”）的行為方式，有可能損害其他NPC甚至真實(shí)玩家的利益。因此可以預(yù)見(jiàn)，游戲廠商在應(yīng)用高等級(jí)AI時(shí)將會(huì)非常謹(jǐn)慎。

（三）趨勢(shì)三：全面覆蓋游戲工程管理

隨著AI應(yīng)用能力的提升，其賦能游戲開(kāi)發(fā)必將會(huì)全面覆蓋游戲工程項(xiàng)目的各個(gè)環(huán)節(jié)，成為游戲項(xiàng)目管理的重要驅(qū)動(dòng)力，實(shí)現(xiàn)“自動(dòng)化+智能化+預(yù)測(cè)性”的無(wú)縫銜接并同游戲開(kāi)發(fā)業(yè)務(wù)深度融合。AI介入游戲工程管理主要包括四個(gè)環(huán)節(jié)。

1. 介入需求分析階段

AI可以對(duì)大量游戲數(shù)據(jù)和玩家的行為進(jìn)行模式分析，幫助識(shí)別和理解潛在的需求和消費(fèi)趨勢(shì)，從而為游戲開(kāi)發(fā)提供更加全面、準(zhǔn)確的信息。在需求管理過(guò)程中，AI可以發(fā)揮算力優(yōu)勢(shì)，實(shí)現(xiàn)廣泛的需求數(shù)據(jù)收集、整理、分類，以及對(duì)各類數(shù)據(jù)的走勢(shì)進(jìn)行預(yù)測(cè)，從而對(duì)需求的優(yōu)先級(jí)進(jìn)行排序和規(guī)劃①。此外，AI還可以通過(guò)模擬和測(cè)試等方法驗(yàn)證需求技術(shù)的可行性和有效性，以及進(jìn)行市場(chǎng)預(yù)期評(píng)估，根據(jù)玩家的反饋數(shù)據(jù)，為項(xiàng)目組提供智能化的需求推薦和建議，輔助其更好地進(jìn)行項(xiàng)目選題與規(guī)劃。基于這些特點(diǎn)，在AI輔助下游戲項(xiàng)目能夠規(guī)避一定的市場(chǎng)風(fēng)險(xiǎn)，并在游戲風(fēng)格、游戲模式、游戲機(jī)制方面迎合潮流。最后，AI還能夠自動(dòng)生成需求文檔和報(bào)告，根據(jù)設(shè)置的輸入和規(guī)范自動(dòng)編寫和整理需求文檔，減少了項(xiàng)目組在文檔工作方面的消耗。

2. 介入設(shè)計(jì)與建模階段

AI在游戲設(shè)計(jì)過(guò)程中發(fā)揮的作用將逐漸強(qiáng)化，通過(guò)分析海量游戲資源（特別是具體程序）及相關(guān)數(shù)據(jù)，AI可以清晰地理解游戲的類型、模式、風(fēng)格等屬性，并結(jié)合提示信息為游戲設(shè)計(jì)提供更具價(jià)值的建議，直接參與游戲的主題選擇、關(guān)卡設(shè)計(jì)、劇情設(shè)定等工作內(nèi)容。AI在參與游戲建模的過(guò)程中，輔助效果也會(huì)超過(guò)現(xiàn)有的AIGC。基于AI技術(shù)的工程管理，能夠更好地保障地圖、道具、角色等建模的效率和質(zhì)量，并利于歸檔管理或要素的復(fù)用。例如，通過(guò)機(jī)器學(xué)習(xí)算法和生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Networks， GAN）技術(shù)，可以實(shí)現(xiàn)2D（甚至概念草圖）到3D模型的轉(zhuǎn)換，該工作在非項(xiàng)目管理的情境下，通常需要基于一定的訓(xùn)練才能保證模型的品質(zhì)，而在項(xiàng)目管理框架下則易于一步到位②。此外，AI還可以幫助優(yōu)化游戲基礎(chǔ)模型，根據(jù)虛擬玩家反饋或相關(guān)模擬數(shù)據(jù)，自動(dòng)調(diào)整模型參數(shù)和設(shè)計(jì)細(xì)節(jié)，從而提高游戲的平衡性和體驗(yàn)感。此類工作在以往的即時(shí)戰(zhàn)略游戲中，通常需要經(jīng)過(guò)大量玩家的實(shí)際測(cè)試以及多個(gè)版本的升級(jí)才能夠?qū)崿F(xiàn)。

3. 介入編碼與測(cè)試階段

AI在游戲編碼過(guò)程中不斷發(fā)揮多方面作用，除了自動(dòng)生成腳本、智能代碼補(bǔ)全等功能外，還可以根據(jù)自然語(yǔ)言描述的需求自動(dòng)生成完整的代碼或輔助編碼，適用于邏輯代碼、工具與編輯器、各類庫(kù)與插件等。在完善的預(yù)訓(xùn)練下，AI能夠?qū)崿F(xiàn)更高水準(zhǔn)的代碼質(zhì)量，并保證全局變量與局部變量邏輯的協(xié)調(diào)性。其次，AI可以幫助開(kāi)發(fā)人員進(jìn)行代碼“監(jiān)管”，提供代碼質(zhì)量評(píng)估和改進(jìn)建議，從而提高代碼的穩(wěn)定性和可維護(hù)性③。同時(shí)，AI在游戲測(cè)試過(guò)程中也可發(fā)揮重要作用，通過(guò)機(jī)器學(xué)習(xí)和自然語(yǔ)言處理技術(shù)，AI可以自動(dòng)生成各型的測(cè)試用例，在模擬運(yùn)行中識(shí)別代碼閱讀無(wú)法識(shí)別的問(wèn)題和漏洞，加快測(cè)試速度和修復(fù)率。AI還可以用于自動(dòng)化測(cè)試工具的開(kāi)發(fā)，實(shí)現(xiàn)自動(dòng)化測(cè)試流程的設(shè)計(jì)和執(zhí)行，提高測(cè)試的效率和準(zhǔn)確性。

4. 介入封裝、部署與維護(hù)階段

在封裝階段，AI可以自動(dòng)優(yōu)化代碼和資源文件，強(qiáng)化工程文件的復(fù)用性，減少游戲體積和加載時(shí)間。在部署方面，AI驅(qū)動(dòng)的持續(xù)集成（Continuous Integration，CI）和持續(xù)交付（Continuous Delivery，CD）系統(tǒng)能夠自動(dòng)構(gòu)建、測(cè)試并發(fā)布游戲版本，減少人為錯(cuò)誤并加快發(fā)布周期。AI還可以預(yù)測(cè)部署過(guò)程中可能出現(xiàn)的問(wèn)題，提前采取預(yù)防（修正）措施。進(jìn)入維護(hù)階段，AI可以在監(jiān)控和分析玩家行為數(shù)據(jù)及網(wǎng)絡(luò)數(shù)據(jù)方面扮演關(guān)鍵角色，幫助開(kāi)發(fā)者了解游戲的使用情況，進(jìn)而實(shí)施個(gè)性化的內(nèi)容推薦并動(dòng)態(tài)調(diào)整游戲?qū)傩灾怠Ｍㄟ^(guò)植入自然語(yǔ)言處理接口，AI能直接參與處理玩家反饋并提供在線支持，即時(shí)響應(yīng)并改善服務(wù)效果。此外，AI還可以用于自動(dòng)檢測(cè)并防范作弊行為，保障游戲公平性。

5. AI介入游戲工程管理的預(yù)期績(jī)效

AI介入游戲工程管理的績(jī)效表現(xiàn)為綜合成本的節(jié)約，主要涉及人力成本、開(kāi)發(fā)周期以及產(chǎn)品（要素及代碼）的品質(zhì)等因素。目前AI在具體項(xiàng)目應(yīng)用中存在較大差異，比如對(duì)于獨(dú)立游戲開(kāi)發(fā)者，一些國(guó)外博主認(rèn)為當(dāng)前AI在游戲開(kāi)發(fā)中的績(jī)效提升（前五位）排序是：代碼處理、自動(dòng)建模、動(dòng)作設(shè)計(jì)、聲音模擬、文檔管理。其中，代碼處理與自動(dòng)建模能夠節(jié)省大量的時(shí)間，而動(dòng)作設(shè)計(jì)與聲音模擬則可以減少外包（聘請(qǐng)配音演員或音效制作）的費(fèi)用。

在AI介入游戲開(kāi)發(fā)的量化績(jī)效預(yù)期方面，本研究列選了游戲工程中7項(xiàng)典型的業(yè)務(wù)，通過(guò)對(duì)二十余位游戲相關(guān)開(kāi)發(fā)與管理人員的問(wèn)卷調(diào)查打分，得出了對(duì)于游戲開(kāi)發(fā)績(jī)效的影響預(yù)測(cè)（詳細(xì)數(shù)據(jù)參見(jiàn)表5）。從數(shù)據(jù)及評(píng)價(jià)結(jié)果看，被訪者普遍認(rèn)為AI賦能游戲工程項(xiàng)目（在近期）對(duì)于小型游戲項(xiàng)目的影響會(huì)更大，主要體現(xiàn)在關(guān)卡設(shè)計(jì)、資產(chǎn)創(chuàng)建、游戲編程領(lǐng)域。而大型產(chǎn)品項(xiàng)目在后期測(cè)試與運(yùn)營(yíng)管理方面獲益明顯。大型項(xiàng)目之所以在概念生成、關(guān)卡設(shè)計(jì)、資產(chǎn)創(chuàng)建方面缺乏優(yōu)勢(shì)，主要原因是開(kāi)發(fā)者需要制作出更精良且有創(chuàng)意的產(chǎn)品，雖然在一定程度上可以借力AI，但仍需要進(jìn)行后期調(diào)整，甚至大量人工設(shè)計(jì)的支持。當(dāng)然，隨著AI的演化，特別是高等級(jí)AIGC乃至AGI的實(shí)現(xiàn)，AI在工程項(xiàng)目中的優(yōu)勢(shì)領(lǐng)域也會(huì)逐漸擴(kuò)散，并在更大程度上助力游戲項(xiàng)目開(kāi)發(fā)。

四、AI賦能游戲開(kāi)發(fā)的應(yīng)用展望

2024年AI應(yīng)用快速進(jìn)入了多模態(tài)賽道，GPT-4o和Project Astra等產(chǎn)品的發(fā)布展現(xiàn)出了豐富的應(yīng)用場(chǎng)景，能夠接受復(fù)合的信息輸入形式，并能夠共用同一個(gè)神經(jīng)網(wǎng)絡(luò)完成計(jì)算與推理①。AI技術(shù)發(fā)展正在進(jìn)入加速期，未來(lái)AI賦能游戲開(kāi)發(fā)的應(yīng)用模式必將超出現(xiàn)有的理解與想象。

1. 借助AI實(shí)現(xiàn)高品質(zhì)項(xiàng)目開(kāi)發(fā)

多模態(tài)大模型能夠同時(shí)處理和融合多種類型的數(shù)據(jù)，從而實(shí)現(xiàn)更復(fù)雜、更全面的理解和生成能力。此類模型不僅能夠識(shí)別和生成多種模態(tài)的內(nèi)容，還能夠?qū)⒉煌B(tài)之間的關(guān)系進(jìn)行深度整合，從而實(shí)現(xiàn)從文本、語(yǔ)音、草圖直接轉(zhuǎn)化為“半成品”乃至“成品”的效果。這會(huì)使AI從現(xiàn)有的僅擅長(zhǎng)元素生成的游戲開(kāi)發(fā)助手角色躍升為游戲開(kāi)發(fā)參與者，給開(kāi)發(fā)者提供更加強(qiáng)有力的支持。作為高水平的開(kāi)發(fā)參與者，理論上應(yīng)該擅長(zhǎng)某一領(lǐng)域（模塊）的任務(wù)，并具備專家級(jí)的水平。例如，在角色建模方面，AI不僅只是給出一個(gè)物理結(jié)構(gòu)（3D）框架，而是可以根據(jù)用戶輸入的角色特征、劇情等內(nèi)容，給出該角色的貼圖屬性、面部特征、動(dòng)作的細(xì)微特征、語(yǔ)言與語(yǔ)音特征等一系列效果，無(wú)需設(shè)計(jì)人員逐項(xiàng)生成并修改。又例如，多模態(tài)AI可以融合物理引擎優(yōu)化與網(wǎng)絡(luò)代碼優(yōu)化功能，能夠全面理解游戲所處的網(wǎng)絡(luò)運(yùn)行環(huán)境以及終端設(shè)備的采集與算力水平，可以據(jù)此動(dòng)態(tài)調(diào)整物理模擬效果和網(wǎng)絡(luò)協(xié)同效果，確保游戲在各種硬件和網(wǎng)絡(luò)環(huán)境下都能流暢運(yùn)行。

2. 借助AI啟迪游戲開(kāi)發(fā)與創(chuàng)新

AI賦能躍升的下一階段是成為游戲開(kāi)發(fā)導(dǎo)師，當(dāng)AI上升到游戲開(kāi)發(fā)導(dǎo)師的角色時(shí)，它不僅能參與具體的開(kāi)發(fā)任務(wù)，還能影響游戲的創(chuàng)意和機(jī)制設(shè)計(jì)。多模態(tài)模型可以從海量的跨模態(tài)數(shù)據(jù)中提取并生成新的創(chuàng)意靈感。開(kāi)發(fā)者僅需要向模型輸入一些基本的設(shè)定或關(guān)鍵詞，甚至僅需一幅概念插圖，模型便可以生成相應(yīng)的藝術(shù)樣式、角色描述和情節(jié)建議等。多模態(tài)模型能夠幫助開(kāi)發(fā)者在早期階段獲得靈感，并為游戲的藝術(shù)風(fēng)格和劇情設(shè)計(jì)提供多樣化的參考。同時(shí)，多模態(tài)模型能夠模擬和測(cè)試各種新的游戲機(jī)制，幫助開(kāi)發(fā)者探索和驗(yàn)證創(chuàng)新想法。通過(guò)虛擬實(shí)驗(yàn)或仿真，模型可以在虛擬環(huán)境中快速測(cè)試不同的游戲機(jī)制和規(guī)則（如戰(zhàn)斗系統(tǒng)或社交互動(dòng)機(jī)制），評(píng)估其可行性和玩家接受度。這種快速迭代和驗(yàn)證過(guò)程有助于降低開(kāi)發(fā)風(fēng)險(xiǎn)和成本，加速創(chuàng)新的實(shí)現(xiàn)，并作為“導(dǎo)師”給予開(kāi)發(fā)者完整的方案建議。

3. 借助AI實(shí)現(xiàn)游戲靈魂升華

AI賦能的理想狀態(tài)是注入游戲靈魂，實(shí)現(xiàn)游戲的全面AI化。通過(guò)AI技術(shù)，游戲可以達(dá)到前所未有的動(dòng)態(tài)性和互動(dòng)性，實(shí)現(xiàn)真正的沉浸式體驗(yàn)。AI驅(qū)動(dòng)的游戲世界將能夠?qū)崟r(shí)生成和調(diào)整環(huán)境、理解劇情并與角色互動(dòng)，使每位玩家都獲得獨(dú)一無(wú)二的體驗(yàn)。例如，AI可以根據(jù)玩家的行為和決策，動(dòng)態(tài)生成新的任務(wù)和劇情線，甚至調(diào)整游戲世界的生態(tài)系統(tǒng)和規(guī)則格局，提供無(wú)盡的游戲可能性。AI還可以使游戲中的NPC擁有自主學(xué)習(xí)能力，根據(jù)玩家及周邊NPC的行為不斷進(jìn)化，形成更加多樣化且具備成長(zhǎng)性的互動(dòng)關(guān)系。這種全面的AI化將徹底改變游戲的開(kāi)發(fā)和體驗(yàn)方式，使游戲成為真正的互動(dòng)藝術(shù)形式。

4. 營(yíng)造良好生態(tài)，支持AI賦能游戲開(kāi)發(fā)

為促進(jìn)AI賦能游戲的躍遷，需要關(guān)注以下方面：（1）提升算力與優(yōu)化算法的協(xié)同。未來(lái)新的硬件設(shè)備能夠加速AI模型的訓(xùn)練和推理過(guò)程，顯著減少計(jì)算時(shí)間。游戲企業(yè)也可以借助云計(jì)算平臺(tái)，或利用分布式計(jì)算資源處理大規(guī)模數(shù)據(jù)和復(fù)雜運(yùn)算，從而突破單一設(shè)備的算力限制。不同規(guī)模與類型的游戲企業(yè)可以根據(jù)本企業(yè)產(chǎn)品的特點(diǎn)優(yōu)化相應(yīng)的算法，給出更具性價(jià)比的解決方案。從應(yīng)用趨勢(shì)看，游戲企業(yè)并不一定需要百億乃至千億級(jí)別的大參數(shù)模型，一些國(guó)外開(kāi)發(fā)者曾經(jīng)嘗試發(fā)現(xiàn)，數(shù)十億參數(shù)的模型有可能帶來(lái)同樣的效果②。特別是AI植入游戲，用戶端的應(yīng)用也存在“瘦身”的需要，對(duì)此開(kāi)發(fā)者需要進(jìn)行更好的適配，達(dá)成最為關(guān)鍵的、游戲中AI模型的優(yōu)化與應(yīng)用場(chǎng)景的協(xié)調(diào)。（2）AI接口的開(kāi)放與遷移。游戲企業(yè)可以開(kāi)發(fā)并推廣標(biāo)準(zhǔn)化的AI接口和API，使得不同平臺(tái)和系統(tǒng)之間的AI功能無(wú)縫集成并實(shí)現(xiàn)互操作。這種標(biāo)準(zhǔn)化能夠減少開(kāi)發(fā)者的重復(fù)工作，提高開(kāi)發(fā)效率和創(chuàng)新能力。游戲企業(yè)還可以利用開(kāi)源框架和工具，鼓勵(lì)開(kāi)發(fā)者社區(qū)參與其中，促進(jìn)AI技術(shù)的普及和共享。借助開(kāi)源通道，游戲企業(yè)不僅可以吸引更多的開(kāi)發(fā)者為其AI接口貢獻(xiàn)代碼和創(chuàng)意，還能從中獲取反饋以優(yōu)化自身技術(shù)。（3）AI游戲訓(xùn)練數(shù)據(jù)的規(guī)模化與優(yōu)化。數(shù)據(jù)素材是AI成長(zhǎng)的源泉，企業(yè)可以利用游戲內(nèi)生成的數(shù)據(jù)，系統(tǒng)采集玩家行為、游戲環(huán)境和交互數(shù)據(jù)，這些數(shù)據(jù)可以為AI模型提供豐富的訓(xùn)練素材。企業(yè)還可以采用合成數(shù)據(jù)技術(shù)，通過(guò)模擬生成海量的虛擬游戲數(shù)據(jù)來(lái)補(bǔ)充真實(shí)數(shù)據(jù)的不足。這不僅能夠增加數(shù)據(jù)量，還能覆蓋更多的游戲場(chǎng)景和變數(shù)情境，提高AI模型的泛化能力。此外，游戲企業(yè)還可以嘗試建立數(shù)據(jù)共享平臺(tái)，與其他游戲公司、游戲社群、研究機(jī)構(gòu)等進(jìn)行合作，共享和交換訓(xùn)練數(shù)據(jù)，促進(jìn)游戲AI技術(shù)的共同進(jìn)步。

總之，AI在游戲領(lǐng)域的應(yīng)用前景充滿無(wú)限可能。從初期的內(nèi)容生成助手，到專注模塊任務(wù)的專家，再到影響創(chuàng)意和機(jī)制設(shè)計(jì)的導(dǎo)師，最終演變?yōu)橘x予游戲靈魂的升華者，AI將持續(xù)推動(dòng)游戲開(kāi)發(fā)變革，帶來(lái)更加豐富和多樣化的游戲體驗(yàn)。隨著AI技術(shù)的不斷進(jìn)步，游戲開(kāi)發(fā)不僅能夠滿足娛樂(lè)需求，更將成為探索創(chuàng)造力和互動(dòng)藝術(shù)的新領(lǐng)域。

作者：

宋丕丞，首都經(jīng)濟(jì)貿(mào)易大學(xué)經(jīng)濟(jì)學(xué)院講師，博士，研究方向：產(chǎn)業(yè)技術(shù)創(chuàng)新與技術(shù)擴(kuò)散、游戲產(chǎn)業(yè)發(fā)展

（責(zé)任編輯：谷儒楠）

Abstract： With the rapid upgrading and iteration of AI technology， various types of AI continue to demonstrate enormous potential in game content generation， enhancing game interactivity， reducing development costs， and optimizing player experience. With the continuous innovation of AI related technologies， the application prospects of AI empowering game development will be broader， and it will bring new changes and opportunities to the game industry. This study takes a review perspective to sort out the evolution of AI intervention in game development from the perspectives of technological upgrading and computing power enhancement， and vertically depicts the application landscape of AI in games. Subsequently， based on the current situation and shortcomings of AI empowered game development， three typical application trends of AI empowerment were discussed from the perspectives of technical characteristics and application modes， namely the precision of content generation engineering， deep embedding of game engines and game kernels， and comprehensive coverage of game engineering management. Finally， with the emergence of AI multimodal applications， prospects for future AI intervention in game development are presented.

Key Words： AI Empowerment， Game Development， Content Generation， Game Engine， Engineering Management