AI+游戏产业变革研究报告

游戏创作的AI需求P1-P10游戏创作的AI革新P11-P42AI改变的游戏体验P43-P51游戏产业的AI变革P52-P59 23 Part 1游戏创作的A需求半个世纪以来，我们玩到的游戏愈发精良，体验愈发丰富，制作成本却在持续膨胀：游戏上线所需的时间被不断拉长、营销费用增长到与研发费用相似.为了应对这一情况，并利用有限资源创作出更成功的游戏，开发者们对AI抱有积极态度。 游戏项目投入巨大：时间长、成本高近十年来，玩家的游戏体验不断升级，我们所能玩到的游戏不仅在玩法、画面和引擎上有了提升，体量也在不断膨胀。开发游戏早已从独立「手工业」迈入工业化阶段，上线一款游戏的平均时间不断拉长，投入成本不断攀升。304天218天2022年2023年图：上线一款游戏的平均时间从218天攀升到304天。(2023年，Unity) 游戏体量的膨胀游戏体量的膨胀也值得关注，现在可以被称为3A大作的游戏普遍突破100G；1997年，诺基亚6110首次搭载经游戏《贪吃蛇》时，存储占用小于5KB；今天想要在手机上畅玩《王者荣耀》或者《绝区零》，则需要预留10-50G的空间供其发挥。而以开放世界游戏为代表的大型游戏，不管在任何平台上都受人欢迎。项目时间、投入和体量的不断膨胀，使得开发者对AI工具的态度集中在降低生产环节的各生产要素成本，并对AI提供的更多自由度玩法和游戏体验抱有相当高的期待，以获得更高回报。 开发者乐于利用AI：节流与开源开源游戏引擎的出现是一个超级转折点，它让开发者无需依赖大型发行商即可创作游戏。近10年，游戏开发使用其他（非Unity、Unreal、Godot或GameMaker的）自研引擎的份额不断减小。(2025年，VGI)100%75%50%25%26%27%18%16%16%20192020202120222023 ~80%2024年发布的游戏当中，有51%是使用Unity制作、28%使用Unreal Engine制作。来自Unity的数据表明，至少62%的工作室表示在工作流程中引入了Al；同时，Unreal同样在其开发平台中设计了AI组件。MUnityUnity Muse：加速实时3D应用程序创建、查找工作代码示例等Unity Sentis：将AI模型嵌入到实时3D引擎的解决方案第三方AI插件支持：包括AI驱动的智能NPC、视觉特效、纹理、2D精灵等NavMesh生成：2D/3D路径规划MassEntity框架：大规模Al代理模拟第三方A/插件支持：包括AI关卡生成系统、语音驱动角色和实时对话生成等作为几乎所有游戏项目开发的“第一步”，我们可以看到，在今天的游戏创作里，想要完全抵抗AI是不可能的。 Q量子位Insights05 UnityUnreal EngineGodot&GameMakerOther13%2024 节流：1使用A工具节省时间0%10%20%30%40%改进角色动画编写代码/提高编写效率37%生成艺术/游戏关卡36%写作和叙事设计自动化游戏测试自适应难度游戏内文本/语音审核图：游戏开发过程中使用AI实现哪些功能？（CintTM调查问卷，2023年，Unity） 我们可以通过一定范围内的样本数据调研，观察到游戏创作者对待AI工具们的态度。使用AI来进行快速制作原型、模拟概念设计和重复资产创建是游戏开发中最具落地价值的三大场景，他们起到了同一个效果一使用AI工具为开发者节省时间。其中，37%的受访开发者表示正在使用AI加快编码速度，而36%的开发者正在生成美术艺术和游戏关卡、测试游戏循环以及自动处理叙事元素。Q量子位insights06 节流：加快原型设计68%万事开头难，对大部分开发者来说从零开始开发一款游戏会有些无从下手。在2023年的一项调查研究中，68%使用AI的开发者认为，使用AI的主要原因之一是这类工具可以加快原型设计和概念设计速度。85%96%2022年2023年原型设计的速度确实也有所上升。2023年，原型设计时间不超过3个月的工作室占比达到96%，而在2022年这一比例为85%。 54%的开发者制作原型所需时间小于3个月。39%小于1个月。Q量子位insights07 开发者们对AI工具的积极态度48%31%■非常积极■稍微积极中立略感担忧非常担忧图：79%的开发者对AI持积极态度，总体来说是正向的。(CintM 调查问卷，2024年，Unity) 开发者们对AI工具持积极乐观的态度。2025年，在Unity平台上不计划使用AI工具的开发者比例仅有4%。总体来说，开发者有利用AI构建新的技术基础、重构工作流程的需求，以期在游戏研发领域形成新的竞争力。单项技术在工作流中的成功利用最终会产生重大的企业级影响，企业的选择又会影响游戏市场的走向。Q量子位insights Part 2游戏创作的A革新AI技术对游戏产业造成了一系列冲击，并产生了连锁反应游戏创作的各环节可以借AI革新工作方法。总体来说，AI带来了质量和效率的双重提升。 整个游戏管线的改变：8人方面的积极影响个传统的游戏制作管线将游戏的诞生划分为3个类别：预制作、制作和后期制作。建模阶段美术师们开始将一个愿景转化为后续可用的资源，同时游戏资产的大部分都是在制作阶段创造的。游戏筹备游戏原型设计项目总体美术风格开发环境DEMO... 一款游戏往往萌芽于一个充满灵性的想法，随后制作出模型、草图、故事梗概和游戏风格。在游戏测试游戏发布继续送代......测试与优化安全+.....Q量子位insights 叙事与角色塑造非线性叙事的要求预设核心设定处理玩家输入大模型（可选）动态生成多路径任务图：AI驱动非线性叙事的框架。 AI在创作游戏故事背景、塑造角色等方面，首先依托最基础的自然语言生成用法：使用自然语言处理时，AI可以根据玩家的选择动态调整故事情节和角色行为；重新生成AI生成的非线性叙事和动态角色发展能够极大丰富游戏体验，更深入地推动游戏叙自适应游戏规则事和互动性的边界。64%调整生智能NPC调整机制成环境/道具约64%的游戏创作者倾向于使用AI为他们开发的游戏世界填充NPC;56%Unity的数据证实，56%的Al使用者在世界构建过程中使用了Al。为了创造更加真实的开放世界，游戏开发者大胆使用各种方法为玩家打造沉浸式游戏体验。Q量子位 insights 决策式AI阶段的智能NPC使用AI控制智能NPC在游戏中早有实践：行为树 Behavior Tree模块化、灵活性、可扩展：游戏开发者添加、修改和重组NPC行为，运行时也能动态调整结构；复杂行为决策：能够处理更复杂的决策逻辑，使NPC展现更自然智能的行为；可视化调试：Designer等可视化工具，可以很容易地理解和调试Al行为。状态机 Finite State Machine效用Al Utility Al一个NPC可能具有「观察」、「攻击」、「逃效用AI使得NPC可以通过优先级和权重来选择跑」等各种状态，每一种状态都对应一系列的行动；行为和转移；实现效用系统时，游戏开发者会根据环境和世状态机允许游戏开发者将复杂的AI行为分解为界状态定义一个公式或曲线，来解释不同因素更简单的状态和转移。对行动得分的影响。 决策树 Decision Tree在游戏AI中，决策树可以有效管理、控制NPC的行为，使NPC根据游戏环境和玩家行为做出合理反应；决策树可以定义NPC可能执行的所有行为，并选择影响NPC行为的属性，如「玩家距离」、「玩家状态」，节点根据属性做出决策，并决定NPC的下一步行为。 目标导向动作规划 Goal-Oriented Action Planning设定NPC行动序列，如寻找资源、避免危险、攻击敌人；不同游戏类型和环境中，NPC还可通过GOAP实现战术策略等高难度行为。Q量子位insights 美术资产与视觉表现：2D美术生成Al生成图像领域中，生成模型(Generative models)和神经网络染(Neural rendering)是两个主要的技术分支。十年以来，AI图像生成经历了生成对抗网络（GAN，2014）、去噪扩散模型（DDPM，2020)到多模态自回归模型（AR）和多种混合模型融合的过程。生成式AI在图像创作上的表现一直是直观且最能引起注意的，到2022年，主流生成式图像应用DALL-E 2.0、Stable Diffusion和Midjourney的诞生，使图像生成的精细化程度得到有效改善，通过提示对图像生成结果进行控制的能力有很大提升。对游戏而言，图像生成开始具备进入游戏管线的条件。 利用AI改进神经网络染传统渣染逐顿计算光线路径、模拟光与材质、环境交互优化算法优化光线追踪集成进染流程，比如AI预测光照、阴影优化物理染，模拟流体、烟雾效果更好实时动态场景染，并保持高训练和储存效率多视角合成，可以作用在VR/AR中实现端到端生成，比如使用神经网络直接输入场景描述、相机参数等生成图像 预测光照效果、材质细节和噪声去除，无需计算真实的光线路径创新能力效果上结合生成模型，生成具有复杂场景和光照的逼真图像强大的泛化能力，可以染未见过的场景和条件使用上：交互式神经染，可以实时修改场景并看到结果风格化染，最小化生成图像与风格图像、内容图像的差异Q量子位 改进流程 insights 神经网络渣染的发展DLSS 3/43通过神经网络模型提升实时染帧率与画质。帧生成多帧生成光流处理器运动矢量TensorCore通过光流信息OFA单元计算神经网络生成SR超分CNNTransformerRR重建分析2顿连续图像生成全新中间帧计算帧间矢量数据在原有顿的基础上，AI模型能够额外生成帧以提高游戏帧率，实现性能翻倍的效果。 相比图像生成模型，神经网络渣染在游戏美术领域利用的广度和深度都是另一个量级。综合来看神经网络染的各项技术应用和突破都可以缩短煊染时间、减少显存占用，自然而然可以降低成本；同时大幅提升帧率、增强图像质量，达到“价廉”而“物美”的境界。Q量子位insights23 进步（1）以AI生成代替传统染流程中的部分计算，突破高分辨率、光线追踪等场景下的性能瓶颈；（2）在处理复杂几何和光照细节等方面有更强的表现力，能创建或还原原生画面中可能被忽略的细节。价值：（1）硬件替代：使得中端显卡也能在高画质下运行只有旗舰显卡才能驾驭的游戏；(2）软件集成：在D5Render等染软件中使用，帮助开发者在实时染和预览时获得更高顿率。 3D美术工作流.3D模型生成流程的『拆解』和「统一』3D模型资产和3D染在游戏创作中有着和2D美术同等重要的地位。3A游戏通常仅在3D建模上就花费数干万元，以确保获得最一流的模型。现如今，90%以上的游戏开发需要使用3D建模与3D潼染效果。 传统的3D美术工作流3D粗模雕塑细节制作动画资产搭建 游戏3D建模往往要从基础的几何体开始，随后使用雕塑法增加更多的细节和褶皱。3D建模平台会给出一个模型需要的细节程度，模型越是细节化、面数就越多，生成它所需的制作能力就越强。工作流中的每一个环节几乎都需要一位或一组3D美术工程师来完成，根据他们负责的工作内容被称为绑定师、动画工程师、染工程师等。到今天，成熟的游戏工业化流程将制作3D模型资产的每一项工作都精细拆解，以创造令人惊叹的精美作品。Q量子位insights 探索3D生成的原因：高昂的费用和漫长的周期有详细纹理和骨骼的复杂角色?场景道具等建筑物或车辆等环境资产简单低多边形角色50-500$200-2000$1000-5000s取决于复杂程度游戏3D建模的价格差异很大经验丰富的3D专家可按小时对3D项目收费 工作流里的许多结构都需要花费大量时间耗时受模型复杂度、技术要求、工作效率和执行经验的影响 生成3D的3种思路基于2D升维技术的3D生成(Generate Novel View Synthesis)作为生成3D的主流思路之一2D生成3D通过创建深度图、立体生成和未覆盖区域重建等步骤，将2D转为有深度感的3D表现。 直接生成3D直接在3D数据集上进