今年的手游市场格外“热”，这件事情大家应该都已经切身体会到。
单看畅销榜，头部「换血」速度就明显比以往要快了不少：往大了看，有《DNFM》《三国：谋定天下》，还有美术投入高到吓人的《绝区零》；往小了挖，像《欢乐钓鱼大师》《向僵尸开炮》等黑马爆款，也曾经让不少同行感叹，“这么简单的点子怎么我就没做出来。”
当然，更多时候即便你有点子，也未必有魄力去做。「不创新就掉队」的大道理人人都懂，可真到了实践那步，就要面对茫茫多的分岔路：往哪个方向做？能负担得起研发和试错成本吗？会不会半路发现走不通，风口变“虎口”……
越往下想，就好像每把都是只有一条命的All In，瞻前顾后又唯恐被他人抢先，最后只能在焦虑当中原地打转。照这么说，好的创新真就只能靠“赌”吗？
这个问题相信在不同的从业者心里会有不同的答案。但是在今年ChinaJoy期间举行的AIGC峰会上，字节跳动旗下的云服务平台火山引擎就分享了另一个思路：基于「豆包大模型」等技术的游戏AI解决方案。细听下来，他们不仅想进一步用AI辅助玩法创新“降本增效”，还想将大模型使用门槛彻底“打”下来，从而惠及到更多游戏厂商和游戏团队。
印象中，敢有底气这么说的团队，他们应该还是头一个。借此机会，我们也和火山引擎泛互联网行业解决方案负责人江南聊了聊，探讨下究竟时下火热的“AI大模型”，还会为游戏行业带来怎样的变革？
01
从外部支持到「AI Inside」
算起来，自ChatGPT问世，AIGC这个概念也火了有两三年。今天提及AIGC在游戏领域的具体应用大家都不再陌生，像是文生图、文生文等功能，能够帮助研发团队省去非常多用于原型创作的时间，将生产成本显著压低；而在营销侧，包括大数据抓取分析、自动投放等功能，可以让投放效率成倍提升。
从商业角度讲，这些应用可以笼统地归类为「To B」，也就是更多集中于厂商内部的日常业务运转，并非直接面向玩家。而AIGC之所以会在这方面率先跑通，原因其实也很好理解——引进AI之后，每个环节能够降低多少成本、ROI是多少，都可以用切实的量化数据摆在面前。当潜在收益清晰透明，厂商用起来自然也不会有太多顾虑。
不过，无论素材生成抑或投放优化，说到底还是聚焦在「降本」，没法与游戏体验形成挂钩，进而形成「增效」。于是过去一年里，有不少团队开始钻研起了可以应用在游戏内的AI大模型，尝试将其直接与游戏玩法相融合，提出了新的“AI Inside”概念。
其中，「智能NPC」就是最先落地的形态之一。目前市面上甚至已经有产品实装了这项功能。简单来说，当玩家在对话框内输入指令时，接入AI大模型的NPC会自动根据人设、场景等已有条件对应指令生成相应的回答，更真实地和玩家“聊天”，而非限死在预设内容的机械性对话。
但这也带来了新的问题。除了输出文本是否符合逻辑、规避敏感内容以外，如何让这个过程更像“聊天”，也是个相当棘手的点。如果完全放任AI去自由生成，每个玩家触发的对话分支就都需要游戏分出资源支撑，跑起来很难控制所需成本；如果根据传统方案做语义缓存，NPC又会不断调用标准答案变得「一板一眼」，与日常聊天对话的感觉相去甚远。
聊到这些痛点，江南也向我们展示了火山引擎目前所采用的一些解决方案：比如在接收到语音或文本输入之后，系统会先根据会话缓存将玩家的上下文进行拼接理解，再与全局语义缓存进行匹配。如有相似对话将直接返回到NPC，如无则会交由AI在火山方舟平台提供的多个大模型当中进行搜索判断，以此保证回答反馈及时连贯，又尽可能与玩家输入的内容相关。
而在此过程中，背靠字节系资源、集成多个独有插件的豆包大模型，又成为了火山引擎的一张「王牌」——想象一下，当一个NPC比你更快了解抖音、头条等社交平台的最新内容，即便怎样变着法去玩梗“调戏”，想必都很难考验到TA的“知识盲区”。
但光是「对答如流」，在火山团队看来还不够。为了让玩家感觉自己更像在跟活生生的“人”在对话，他们还会根据每款产品的具体情况，为豆包大模型进行许多细节层面的针对性调优。像是回答要有「情商」，不能一股脑似的全倒出来，要和玩家“拉扯”；响应速度还不能太快，要有“对方正在输入”的感觉……
如此一来，NPC就能够通过对话玩法为玩家提供「陪伴」体验，甚至是情感价值与依赖。而背后的AI大模型，则真正成为了不可替代的、类似“灵魂”一般的存在。
02
控制成本，就是最好的效益量化
虽然“AI Inside”的发展前景和想象空间都很不错，但就和其他在萌芽阶段的新趋势或者技术一样：投入的效益在前期是无法进行量化的。除了效益难以用数据量化外，现阶段AI大模型应用在游戏内的用户体验也仍然有瑕疵，因此后续还要考虑到模型更迭、维护等持续投入的成本问题。
在这种情况下，很多游戏厂商和开发团队，在“成本”的重压之下往往只能按下利用新技术“赌一把”的念头。
在交流中江南也没有回避这些问题，而是一一给出了火山引擎的答案，尤其是在“无法量化”这个问题上，他们认为：火山引擎作为服务供应商，要做的事情不是把它的效益进行可视化或者具体量化，而是应该针对客户的核心需求，打消他们对于“使用成本”的顾虑。
换句话讲，他们做的不是找出一个算法或者公式让用户知道投入产出比，而是把游戏内AI的尝试成本控制在了一个“即使沉没了也可以接受”的范围，为更多想要尝试但又有成本顾虑的游戏厂商和团队腾挪出了可操作的空间。
而事实上，主打“性价比”和“加量不加价”的「豆包大模型」和去年的「火山方舟」在使用成本摊薄方式上也同出一源，可能在外界看来他们是在打价格战、在内卷圈地，但得益于与字节同源，火山引擎在涉及到带宽、算力、数据收集处理等方面的成本很大程度上都不需要全部转嫁到用户身上，对用户来说这种降价其实是“无感”的。
在解决了初期使用成本的问题后，还有用户体验的优化以及后续的迭代和运营的成本问题。但在AI大模型语境下，这两个东西实际是一体两面，只要你解决了其中一样，另一样自然也就不是问题。
用户体验的部分，江南也和我们聊到融合了豆包大模型游戏AI解决方案的“三大优势”。首先是“大规模业务支撑能力”。例如豆包app具有大规模业务的支撑能力，海量资源、响应速度和弹性调用等特征，而且集成了搜索回答、文本理解、文案创作、图片生成等多种功能，这些能力同样也能体现在游戏解决方案中，帮助游戏厂商充分保障游戏业务稳定和成本可控。
其次是独有插件提供的海量内容加持。包含通用模型、角色扮演模型、语音合成模型等，覆盖了从文本到语音的多种应用场景，还有独有的内容插件、RAG知识库插件和联网插件等多类核心插件，可以调用和串联包括头条、抖音、西瓜等字节系平台以及互联网公开域搜索的内容。
甚至在生态构建上，目前火山引擎也已经面向用户开放了扣子AI应用开发平台、语音类模型、文生图模型、即梦AI等平台和模型能力。
03
降本增效也要进入2.0时代了
现在回过头来看前文提到的AI模型在游戏行业「To B」端的应用，就会发现从摸索着去尝试到形成方法论大范围应用不过短短一两年，却已经催化出了一批新锐的团队，同时也淘汰了一批。“一将功成万骨枯”的互联网市场就是这么残酷，在每个成功的案例背后肯定还有数不清的半路夭折案例。
但如果大家都不去尝试的话，那就永远都不会有新东西的出现。江南也坦言，这就是火山引擎把“降低试错成本”作为自己的业务核心思路的根本原因之一，就是为了让每个愿意尝试去接入AI模型的团队或者项目都尽可能地走得更远。
只不过，有勇气去尝试是好事，但最后结果会是怎样，没有人知道。在交流的最后，我们也尝试着向江南寻求这个终极问题的答案：AI大模型在游戏行业中应用的“最终形态”又会是怎么样的呢？
但江南的回答却在我们的意料之外：“这个我们没有想过。”
在他后续的解释中，就能够知道为什么他们会给出了这个答案：因为现在AI模型本身就有着很强的“不确定性”，或者说它的想象空间还很广阔。即使是作为一线甚至是业内处于一定领先位置的从业者，也无法断言它之后会怎么样，很多时候都是在实际投入应用环境之后才会发现，噢，原来它还有这个能力，还有那个能力。
“我们现在不会去判定这个‘最终的形态’会是什么样的。但是我们会和游戏企业不断地往前走，去尝试更多可能。”
虽然这种「未知」是人类最原始的恐惧来源，但他们似乎对于目前AI模型在游戏行业的应用发展预期却十分乐观，而且这种乐观不仅仅是对于火山引擎本身，更是针对目前整个AI模型在游戏业界的发展情况。
“这个其实不光是我们决定的，更要我们的客户一起去尝试的。所以我们能做的就是降低门槛，让客户能够更大胆、更放心地去发挥他的想象力。”
