Game Engines”（《擴(kuò)散模型是實(shí)時(shí)的游戲引擎》），提出了一種 GameNGen的游戲生成開(kāi)發(fā)團(tuán)隊(duì)展示了一款復(fù)雜的視頻游戲《DOOM》（毀滅戰(zhàn)士），可以在神經(jīng)網(wǎng)絡(luò)上（Stable Diffusion v1.4 的增強(qiáng)版本）實(shí)時(shí)運(yùn)行，同時(shí)實(shí)現(xiàn)與原始游戲相當(dāng)?shù)囊曈X(jué)質(zhì)量。雖然不是精確的模擬，但神經(jīng)模型能夠執(zhí)行復(fù)雜的游戲狀態(tài)更新，例如計(jì)算彈藥、攻擊敵人、破壞物體、打開(kāi)門等。

　　這是第一個(gè)完全由神經(jīng)模型驅(qū)動(dòng)的游戲引擎，可以高質(zhì)量地在長(zhǎng)軌跡上與復(fù)雜環(huán)境進(jìn)行畫(huà)面的實(shí)時(shí)交互。

　　論文的第二章對(duì)問(wèn)題進(jìn)行了定義：一個(gè)游戲可以由游戲狀態(tài)、游戲畫(huà)面、玩家操作集這三類信息組成。游戲狀態(tài)包括角色血量、裝備、地圖、敵人等所有影響游戲進(jìn)程的信息；游戲畫(huà)面就是游戲屏幕上顯示的二維圖片；玩家操作集就是移動(dòng)、射擊等玩家所有可能進(jìn)行的操作。此外，為了讓游戲運(yùn)行，還需要兩類游戲機(jī)制：如何根據(jù)游戲狀態(tài)生成當(dāng)前游戲畫(huà)面的渲染機(jī)制；如何根據(jù)游戲狀態(tài)和當(dāng)前玩家操作更新下一時(shí)刻游戲狀態(tài)的邏輯機(jī)制。

　　本工作的創(chuàng)新點(diǎn)在于首先設(shè)計(jì)了一個(gè)強(qiáng)化學(xué)習(xí)Agent來(lái)玩DOOM游戲。該Agent能夠記錄自己的操作以及游戲當(dāng)前幀、下一幀的畫(huà)面，從而形成了大量的數(shù)據(jù)集。

　　產(chǎn)業(yè)界對(duì)于谷歌GameNGen的評(píng)價(jià)也存在有分歧，觀點(diǎn)集中在討論當(dāng)前基于強(qiáng)化學(xué)習(xí)構(gòu)建的大模型是否能夠真正意義上取代當(dāng)前成熟的游戲引擎。但不可否認(rèn)的是，GameNGen 確實(shí)是向端到端的AI游戲開(kāi)發(fā)上進(jìn)行了探索。

　　北美科技創(chuàng)業(yè)公司Jabali 也于GameNGen 發(fā)布后的不久內(nèi)推出了同名的游戲引擎，并模仿 Midjourney 在Discord社群進(jìn)行部署，當(dāng)前正在進(jìn)行封閉測(cè)試。相比于GameNGen，Jabali的即時(shí)可用性要強(qiáng)得多，因?yàn)樗皖愃朴谀壳暗奈纳?、文生圖AIGC工具一樣，提供端到端、可定制的 AI 原生引擎，允許使用者輸入概念，來(lái)直接得到功能齊全的游戲。

　　從當(dāng)前產(chǎn)品效果來(lái)看，Jabali 更適用于一些小型的AI游戲，也不可能像GameNGen那么強(qiáng)大，根據(jù)視頻演示，它目前只能生成一些最基礎(chǔ)的2D游戲，例如文字冒險(xiǎn)游戲、三消游戲。Jabali在架構(gòu)上更接近于集成了代碼+美術(shù)資源+文案的一體化開(kāi)發(fā)工具，通過(guò)自然語(yǔ)言文字進(jìn)行驅(qū)動(dòng)。

　　騰訊在9月14日發(fā)布了專為生成開(kāi)放世界視頻游戲設(shè)計(jì)的大模型GameGen-O。GameGen-O 的核心技術(shù)基于擴(kuò)散變換器模型，結(jié)合了時(shí)間序列和空間建模能力，專為處理和生成高質(zhì)量的游戲視頻內(nèi)容而設(shè)計(jì)。

　　該模型的訓(xùn)練數(shù)據(jù)來(lái)自于從互聯(lián)網(wǎng)上收集了 32,000 個(gè)原始視頻，每個(gè)視頻的長(zhǎng)度從幾分鐘到幾個(gè)小時(shí)不等。通過(guò)專家對(duì)這些視頻進(jìn)行了細(xì)致的識(shí)別和過(guò)濾，最終產(chǎn)生了大約 15,000 個(gè)可用視頻。然后，通過(guò)場(chǎng)景檢測(cè)將選定的視頻平鋪成片段。由此構(gòu)建了OGameData的數(shù)據(jù)集。

　　基礎(chǔ)預(yù)訓(xùn)練：通過(guò)大規(guī)模的開(kāi)放世界游戲數(shù)據(jù)集（OGameData）進(jìn)行文本到視頻的預(yù)訓(xùn)練。該模型的整體架構(gòu)采用堆疊時(shí)間 DiT 塊和空間 DiT 塊的原理。開(kāi)發(fā)者通過(guò)利用掩蔽注意力機(jī)制，賦予了 GameGen-O 文本到視頻生成和視頻延續(xù)的雙重功能。

　　指令調(diào)優(yōu)：GameGen-O 在基礎(chǔ)預(yù)訓(xùn)練的視頻連續(xù)性能力的基礎(chǔ)上，新增了一個(gè)分支InstructNet，用于控制連續(xù)性的內(nèi)容。InstructNet 旨在接受各種多模態(tài)輸入，包括結(jié)構(gòu)化文本、操作信號(hào)和視頻提示。在 InstructNet 分支的調(diào)優(yōu)過(guò)程中，以當(dāng)前內(nèi)容為條件，從而在多模態(tài)控制信號(hào)下建立當(dāng)前片段內(nèi)容與未來(lái)片段內(nèi)容之間的映射關(guān)系。在推理時(shí)，GameGen-O 允許用戶基于當(dāng)前片段連續(xù)生成和控制下一個(gè)生成的片段。

　　角色生成：模型可以根據(jù)用戶的文本提示生成各種游戲角色，包括人類、動(dòng)物或幻想生物。

　　動(dòng)態(tài)環(huán)境生成：它能創(chuàng)建動(dòng)態(tài)的游戲環(huán)境，如城市、森林、沙漠等，并適應(yīng)不同的天氣和時(shí)間變化。

　　復(fù)雜動(dòng)作生成：支持生成角色的復(fù)雜動(dòng)作，如戰(zhàn)斗、駕駛、飛行等，提供更真實(shí)的互動(dòng)體驗(yàn)。

　　事件生成：模型還能生成游戲中的各種事件，包括天氣變化、自然災(zāi)害、敵人襲擊等。

　　交互式控制：用戶可以通過(guò)文本指令、操作信號(hào)或視頻提示來(lái)控制游戲內(nèi)容，實(shí)現(xiàn)實(shí)時(shí)交互。

　　復(fù)盤整個(gè)游戲的 AIGC 發(fā)展已經(jīng)經(jīng)歷了從文案到美術(shù)數(shù)字資產(chǎn)，再到 AI Bot 的發(fā)展歷程。當(dāng)前游戲AIGC的發(fā)展前沿主要集中在游戲引擎方面，未來(lái)遠(yuǎn)期的目標(biāo)在于端到端的文生游戲。

　　當(dāng)前產(chǎn)業(yè)界存在的分歧主要在于未來(lái)的是否要取代當(dāng)前成熟的游戲引擎，還是基于當(dāng)前的游戲引擎將AIGC功能作為其中的一個(gè)開(kāi)發(fā)模塊，例如單純的美術(shù)資源調(diào)用。前者顯然更具想象空間，可能更為二級(jí)市場(chǎng)的投資人關(guān)注，但是后者則是當(dāng)前節(jié)點(diǎn)落地可能性更大的方案。

　　目前對(duì)當(dāng)前游戲引擎的顛覆性、可控性距離完整的工業(yè)化游戲開(kāi)發(fā)還遠(yuǎn)。當(dāng)前谷歌、騰訊采用的擴(kuò)散模型更多是一種基于原有強(qiáng)化學(xué)習(xí)制造數(shù)據(jù)的重建，而非真正的創(chuàng)造。因此，該工作的意義更接近于對(duì)已有游戲的“模仿”而非“創(chuàng)造”，至少在畫(huà)面風(fēng)格、玩法等方面無(wú)法跳脫出原有游戲的框架。并且此類視頻游戲的開(kāi)發(fā)將極度依賴于“高質(zhì)量的訓(xùn)練視頻數(shù)據(jù)”以及相關(guān)標(biāo)注。

　　從積極影響上來(lái)看，我們拋開(kāi)所謂對(duì)游戲行業(yè)的顛覆角度，谷歌、騰訊在AIGC生成視頻在交互層面向前探索了一步：這實(shí)際上是一種在內(nèi)容生成的流程中，可以加入人為的輸入干預(yù)，從而實(shí)現(xiàn)對(duì)于后續(xù)幀內(nèi)容的一種控制，其更多的意義在于實(shí)現(xiàn)了一種富含輸入輸出交互數(shù)據(jù)信息的連續(xù)視頻幀的 AIGC 功能。

　　首先一個(gè)成熟的游戲開(kāi)發(fā)團(tuán)隊(duì)中，涉及美術(shù)開(kāi)發(fā)的人員比例大約占整個(gè)團(tuán)隊(duì)的60%。相對(duì)應(yīng)的美術(shù)開(kāi)發(fā)成本也是項(xiàng)目支出的主要組成部分。因此當(dāng)前業(yè)界對(duì)于游戲行業(yè)美術(shù)資源AIGC的降本增效關(guān)注度較高。

　　此前在我們的報(bào)道中我們跟蹤的觀點(diǎn)認(rèn)為，當(dāng)前2D、3D美術(shù)資產(chǎn)的 AIGC 生成方面的技術(shù)研發(fā)正在進(jìn)行中，但距離利用AI全年替代人工實(shí)現(xiàn)降本增效、顛覆游戲行業(yè)仍然有3年以上的距離。但是可以判斷的是，美術(shù)資產(chǎn)生成將受到AI工具優(yōu)先取代的確定性也較高。

　　在游戲開(kāi)發(fā)過(guò)程中，美術(shù)資源的生成需要經(jīng)歷不僅限于原畫(huà)設(shè)計(jì)、建模、蒙皮、材質(zhì)、貼圖、渲染等環(huán)節(jié)，專業(yè)性要求較強(qiáng)，需要設(shè)計(jì)多名相關(guān)負(fù)責(zé)人員之間的項(xiàng)目配合修改。而當(dāng)前2D、3D美術(shù)資產(chǎn)的 AIGC 結(jié)果輸出并不支持微調(diào)或者修改，因此短期來(lái)看，支持流程性的打斷式優(yōu)化的模型這將會(huì)是游戲美術(shù) AIGC 的優(yōu)化路徑。

　　無(wú)論是谷歌的GagmeNGen還是騰訊的GameGen-O，都支持在生成過(guò)程中以用戶的輸入信息作為變量，因此未來(lái)支持人工實(shí)時(shí)干預(yù)的AIGC美術(shù)開(kāi)發(fā)工具也即將到來(lái)。

　　AI對(duì)于游戲行業(yè)的影響可能會(huì)在 UGC 創(chuàng)造部分先落地，例如以玩家創(chuàng)作內(nèi)容（UGC）或者M(jìn)od 作為核心玩法的游戲包括有：Roblox、minecraft等沙盒類、闖關(guān)類游戲。國(guó)內(nèi)的可能包括網(wǎng)易《元夢(mèng)之星》等。

　　原因在于：UGC 更加側(cè)重于創(chuàng)意玩法，對(duì)于美術(shù)資產(chǎn)、代碼編程的專業(yè)化要求較低，因此對(duì)于AI工具的生成質(zhì)量寬容度較大；其次UGC內(nèi)容一般由非專業(yè)的普通玩家進(jìn)行內(nèi)容的創(chuàng)作，對(duì)于AI工具的需求也較為確定。

　　在9月9日舉辦的Roblox大會(huì)上，CEO David Baszucki 宣布計(jì)劃推出一款3D基礎(chǔ)模型。游戲中的代碼助手、紋理和材質(zhì)生成器、用戶頭像設(shè)置等多個(gè)功能都已經(jīng)集成了GenAI。在演示中，用戶可以通過(guò)輸入文本直接完成風(fēng)格化的白模貼圖。更讓人振奮的是，Roblox計(jì)劃開(kāi)源這個(gè)模型。

　　Roblox公司近期市場(chǎng)表現(xiàn)較為強(qiáng)勁。根據(jù)公司Q2報(bào)告，Roblox的日活用戶(DAUs)增長(zhǎng)21%至7950萬(wàn)，遠(yuǎn)期目標(biāo)是達(dá)到10億DAUs。8月底公司股價(jià)在財(cái)報(bào)后大跌12%至35.3美元，主要原因是營(yíng)收增長(zhǎng)低于預(yù)期且下調(diào)了全年指引。但隨后反彈突破此前平臺(tái)價(jià)格并觸及今年高點(diǎn)，結(jié)合近期行業(yè)動(dòng)態(tài)來(lái)看，公司作為全球頭部以 UGC 為主要玩法的游戲具有較強(qiáng)的增長(zhǎng)屬性。

　　未來(lái)我們持續(xù)看好游戲引擎受 AI 技術(shù)發(fā)展的價(jià)值持續(xù)凸顯。近期，美股另一家游戲引擎開(kāi)發(fā)公司 Unity 的股價(jià)大幅上漲，主要原因系其9月13日取消了長(zhǎng)期令人詬病的Runtime費(fèi)用（即用戶每安裝一份游戲游戲開(kāi)發(fā)者就要向Unity繳納一份費(fèi)用），受此消息影響 Unity 股價(jià)持續(xù)走高。

　　在國(guó)內(nèi)市場(chǎng)，騰訊公司與虛幻引擎（Unreal Engine 5）開(kāi)發(fā)商 Epic 保持深度合作，兩者在技術(shù)上具有深度的交流，同樣值得深度關(guān)注。九游娛樂(lè)-官方入口