A16Z最近写了一篇很有意思的文章，谈到他们认为的生成式AI和游戏结合在一起的机会在哪，笔者翻译后对部分内容进行了注解。文章主要两部分：第一部分，包括A16Z对游戏领域生成式AI的观察和预测；第二部分，包括A16Z对游戏+生成式AI领域的市场生态的判断。
1.前言
游戏领域和生成式人工智能之间有什么关联？
游戏设计领域存在不可能三角：成本、质量或速度这三项中通常只能取两项，而现在，设计师可以通过这些AIGC工具，不再需要花费很多人工的制作时间，只要几个小时就能创造出高质量的图像，而这其中，真正具有变革意义的是，任何人只要学会几个简单的工具，就可以获得这种具备创造性的能力。
这些工具，能够以快速迭代的方式创造出无穷无尽的变化，并且一旦经过培训，整个过程是实时的，也就是说，结果几乎是即时可用的。
自Real-time3D技术出现以来，还没有能够对游戏产生如此大潜在改变的技术。
那么，生成式AI的发展方向是什么？又将如何改变游戏？首先,我们回顾一下生成式AI的概念。
什么是生成式AI？
生成式AI是机器学习的一个类别，计算机可以根据用户的输入/提示，生成原创的新内容。目前这项技术最成熟的应用主要在文本和图像领域，不过几乎所有的创意领域都有类似的进步，覆盖动画、声音效果、音乐，甚至是对具备完整个性的虚拟人物进行原创。
当然，人工智能在游戏中并不新鲜。即使是早期的游戏，如雅达利的《Pong》早就有计算机控制的对手和玩家进行对战。
然而这些计算机中的虚拟对手和我们今天讲的生成式人工智能并不一样，这些计算机对手只是游戏设计师精心设计的脚本程序，它们确实模拟了一个人工智能的对手，但它们不能学习和迭代，水平和编写它们的工程师一样。
Coinbase前首席产品官加入a16z，担任加密部门常驻高管:2月11日消息，Coinbase前首席产品官Surojit Chatterjee推特宣布已加入风投公司a16z，担任其加密货币部门的常驻高管。Chatterjee于2020年初加入Coinbase，并于今年2月3日正式离职。此前，他在谷歌工作了十多年，负责支付、广告技术和商业，包括Google Shopping的开发。今年早些时候，Coinbase表示，受加密寒冬的影响，计划裁员约20%。[2023/2/11 12:00:38]
那么，生成式AI和游戏的结合，技术底层有哪些变化？微处理器的速度更快，云计算和各种计算能力更强，具备建立大型的神经网络的潜力，可以在识别高度复杂领域的模式和表征。
本篇文章主要两部分：
第一部分，包括A16Z对游戏领域生成式AI的观察和预测；
第二部分，包括A16Z是我们对游戏+生成式AI领域的市场生态：MarketMap，这部分概述了各个细分市场，指出了每个细分市场的主要公司。
第一部分：观察和预测
一些假设：
首先探讨一下文章余下部分所依据一些假设：
1.通用式人工智能的研究数量将继续增长，出现更多更有效的技术。
上图是每月arXiv中发表的关于机器学习或人工智能的学术论文数量。正如图中所示，论文的数量正在呈指数级增长，且没有放缓的迹象，而这部分数据仅仅包括已经发表的论文，还有许多研究并没有公开发表，而是直接应用于开源模型或产品研发，这些开源模型和产品，带来了爆炸式的创新。
Layer1区块链Linera完成600万美元种子轮融资，a16z领投:金色财经消息，Layer1区块链Linera宣布完成600万美元种子轮融资，a16z领投，Cygni Capital、Kima Ventures和Tribe Capital等参投。
据悉，Linera创始人兼首席执行官Mathieu Baudet是Meta前员工并曾帮助创建Libra区块链。Linera区块链具有低延迟和线性可扩展性等特性，由分片或单个线程组成，增加了额外的验证器以提高网络效率，使大多数基于帐户的操作能够在几分之一秒内得到确认。（CoinDesk）[2022/6/29 1:37:44]
2.在所有娱乐类目中，游戏将成为收到生成式人工智能最大影响的领域。
就目前所涉及的资产类型而言，游戏是娱乐类目中最复杂的一种，同时，游戏也是互动性最强的，它非常强调实时体验。这就为新的游戏开发者创造了一个非常高的进入门槛，也为制作一个真正的3A大作游戏创造了高昂的成本，这些存在的门槛和成本问题，为生成式人工智能在游戏领域的破坏性创新，创造了巨大的机会：
举个例子，像《荒野大镖客：救赎2》这样的游戏是有史以来制作成本最昂贵的游戏之一，它的制作成本近5亿美元。而荒野大镖客是也是市场上巨具备最棒的视觉效果之一的游戏，花了近8年的时间来制作，有1000多个游戏角色，一个近30平方英里大小的游戏世界，6个章节的100多个任务，以及由100多个音乐家创作的近60小时的音乐，这个游戏的所有内容涉及的制作都非常庞大。
加密投资公司Asymmetric获10亿美元融资，a16z、Solana等创始人参投:金色财经报道，前微软战略部门高管 Joe McCann 创立的新投资公司 Asymmetric 已筹集了 10 亿美元的资金，a16z创始人及合伙人 Marc Andreessen 和 Chris Dixon、 Solana 联合创始人 Anatoly Yakovenko 和 Raj Gokal、CMS Holdings 负责人兼联合创始人Dan Matuszewski、Coinbase 前总裁 Asiff Hirji、 Brevan Howard 前投资组合经理 Chris Cecere、Aurate 创始人 Bouchra Darawazh、Drizly 创始人 Brett Beller等参与支持。
Asymmetric 将设置两种投资工具：风险投资基金和流动性基金，前者将负责代币交易分配，后者将利用最复杂的算法分析工具进行投资。McCann 表示，该公司是更注重技术的投资公司，他表示：我们对加密货币持非常技术性的看法，谈到开源工具，这实际上就是我建立业务的基础”。（The Block）[2022/4/27 5:14:02]
那么，如果我们将《荒野大镖客：救赎2》与《微软模拟飞行》相比，《微软模拟飞行》这个游戏更为巨大...因为微软飞行模拟器的玩家能够在游戏中围绕整个地球飞行，所有1.97亿平方英里的地方。那么，微软是如何打造这样一个大型游戏的呢？主要是通过人工智能来完成，微软公司与blackshark.ai合作，对人工智能进行训练，从二维卫星图像生成无限逼真的三维世界。
Paradigm、a16z等加密风投机构资产管理规模激增:4月5日消息，数据显示，Web3和加密风投机构Paradigm的资产管理规模达132亿美元，相比其2020年12月提交的财报中披露的29.8亿美元增长343%。
商业记者Eric Newcomer研究了Web3和加密领域部分风投机构最近向美国SEC提交的投资顾问注册申请文件。文件显示，Andreessen Horowitz（a16z）总资产管理规模超过546亿美元，相比之前披露的358亿美元增长近53%，其中专注于加密货币的基金资产管理规模约为90亿美元。
此外，红杉资本（Sequoia Capita）资产管理规模达855亿美元，此前披露的数据为807亿美元。老虎环球（Tiger Global）资产管理规模达1247亿美元，相比2021年披露的791亿美元增长约58%。（Cointelegraph）[2022/4/5 14:05:05]
blackshark.ai是个啥公司？
blackshark.ai是通过机器学习技术，提取全球范围内的地球基础设施的公司，从全球的卫星和航空图像中提取数据，用人工智能基于目前地理数据的数字孪生场景，这些结果可用于可视化、模拟、绘图、混合现实环境和其他企业解决方案，而技术本身具备的云计算更新能力，能够实时更新这些数据。
这仅仅是一个例子，如果不使用人工智能技术，《微软模拟飞行》这款游戏实际上是不可能制作完成的。除此之外，游戏的成功还要归功于这些模型可以随着时间的推移不断改进，例如，可以加强「highwaycloverleafoverpass」模型，通过人工智能运行整个建造过程，游戏中的整个地球上的所有的高速公路立交桥都可以立马得到改进。
a16z合伙人：NFT 让艺术、音乐、写作、游戏和其他创意内容更加丰富:金色财经报道，Web3支持者、a16z合伙人ChrisDixon发推表示，NFT 让艺术、音乐、写作、游戏和其他创意内容更加丰富，而不是更加稀缺。很多 NFT 的批评者声称相反——NFT 限制了对创意内容的访问。这不是对 NFT 的批评。这是对评论家梦想中的 NFT 虚构漫画的批评。NFT 增加了一个新的价值层——数字所有权——这在 NFT 之前是不存在的。这种独立于版权的所有权概念在离线世界中被广泛理解。一件艺术品或其他文化艺术品可以有很多副本。随着对原作的描述被更广泛地分享，拥有原作变得更有价值。最具前瞻性的 NFT 项目使内容本身成为公共领域。您复制和共享的内容越多，项目就越受欢迎，从而增加了 NFT 变得有价值的可能性。互联网是一个巨大的模因传播机器。NFT 与互联网合作而不是对抗互联网，增加了创意作品的丰富性，同时也让创作者能够为他们的作品获得适当的报酬。此外，尽管短期内令人沮丧，但从长期来看，这是一个非常积极的信号，表明对 NFT 的主要批评是基于错误的前提。最终真相会大白于天下。[2022/1/2 8:19:51]
3.游戏制作中涉及的每一个资产都会有一个生成的AI模型
到目前为止，像StableDiffusion或MidJourney这样的2D图像生成器，由于其能够生成的图像十分抢眼，占据了目前生成式人工智能的大部分流行的兴奋点。而现在已经出现了用于游戏中几乎所有资产的生成式人工智能模型，从3D模型到角色动画，再到对话和音乐。
4.内容成本将持续下降，某些情况下的内容的成本会降为零
当我们和尝试将生成式AI人工智能整合到制作场景的游戏开发者交谈时，最大的兴奋点在于，制作游戏的时间和成本都会大幅降低。一位开发者告诉我们，为一张图片生成概念图的时间从3周下降到1小时。我们相信，在整个游戏流程的制作过程中也可以实现类似的「降本增效」。
值得注意的是，艺术家并没有被取代的危险，这意味着艺术家不再需要自己亲自上手去完成所有的工作：艺术家和设计师们可以设定初始的创意方向，然后将大部分耗时和技术执行工作交给人工智能。在这一点上，就像早期手绘动画的画师一样，高度熟练的「绘画专家」描绘出动画的轮廓，然后由成本相对较低的画手们完成耗时的工作，为动画胶片上色，填充线条，只是我们谈到的是游戏创作领域的应用。
5.我们仍然处于这场行业变革领域的初期，尚且有很多部分需要完善
尽管最近很多人都很激动，但我们仍然刚刚处于起跑线。在大家清如何真正应用这种新技术与游戏领域的结合时，还有大量的工作要做，而对那些之前、以及迅速进入这个新领域的公司来说，将会存在巨大的机会。
对于未来的预测
鉴于以上的假设，本文对于游戏行业如何被改造这块，进行了预测和推演。
1.学习如何有效地应用生成式人工智能，能将成为一种市场技能。
已经有先驱分子能比其他人更有效地应用生成式人工智能。为了最好的用好这项新技术，还需要了解各种工具和技术，并知道如何对它们进行组合应用。我们预测有效地应用生成式人工智能，本身就会成为非常有潜力的技能，因为它可以将艺术家的创造性视野与程序员的技术能力结合起来。
ChrisAnderson有句名言：「Everyabundancecreatesanewscarcity丰富将会造就新的稀缺。」随着内容逐渐变得更为丰富，那些了解如何与人工智能工具进行最为高效的合作的艺术家将是最紧缺的。
举例：将生成式人工智能用于艺术品的生成，也会带来一些挑战，包括：
保持连贯性：需要能够对游戏中的各类资产进行修改或编辑，对于人工智能工具，这意味着需要能够以相同的信号来复制资产，这样我们才可以对它进行修改和挑战。这可能很会棘手，因为同样的提示，可能会产生截然不同的结果。
保持风格的一致性：单个游戏中的所有艺术作品都要保持一致的风格，这就意味着，人工智能的工具需要经过训练或与艺术家/设计师的既定风格相联系。
2.游戏开发门槛的降低，将会导致更多的冒险和创造性探索
我们可能很快就会进入一个新的游戏开发「黄金时代」，较低的准入门槛会导致出现更多创新和创造性游戏，而这不仅仅是因为较低的制作成本导致了游戏制作商需要担的风险较低，还因为这些工具代表了为更多受众创造高质量内容的能力。
3.由人工智能辅助的的「微型游戏工作室」逐步崛起
有了生成式人工智能的工具和服务，也许更多可行的商业游戏，会由只有1或2名员工的小型「微型工作室」制作。当然，小型独立游戏工作室已经很常见，热门游戏《AmongUs》是由只有5名员工的工作室Innersloth制作的，而这些小型工作室能够创造的游戏的规模将增长。
4.每年发布的游戏数量会增加
Unity和Roblox的成功表明，提供强大的创意工具会导致更多的游戏被建造。生成性人工智能将进一步降低门槛，创造更多的游戏。这个行业已经遭受了发现挑战--仅去年就有超过1万个游戏被添加到Steam上--这将给发现带来更大的压力。然而，我们也将看到...
5.新的游戏类型将会被创造出来
将会有新的游戏类型被发明出来，像前文提到的《微软模拟飞行》，但全新的游戏类型发明出来，这种游戏会和新内容的实时生成结合起来。
例如Spellbrush的RPG游戏Arrowmancer，以人工智能创造的角色为特色，几乎没有限制的新玩法。还有的游戏开发商，正在使用人工智能让玩家在游戏中创建自己的头像：根据玩家的描述来自动生成头像图片。注意，从用户端的体验来看，让玩家通过人工智能生成内容，能让玩家感知到更大的所有权。
6.价值将归于特定行业的AI工具，而不仅仅是基础模型
围绕StableDiffusion和Midjourney等基础模型的热度，正在产生极其夸张的估值，但随着新研究的持续涌现，新模型将随着新技术的完善而出现和不断迭代。从目前3个流行的生成性人工智能模型的网站搜索流量来看，每个新模型都有围绕它的特定关注点。
另一种途径是构建符合行业需求工具套件，这些工具会专注于特定行业的生成式人工智能需求，深入了解特定的受众，并与现有的生产场景进行整合。
一个典型的例子是Runway，Runway针对视频创作者的需求，提供人工智能辅助工具，如视频编辑、绿屏移除、内画和运动跟踪，这样的工具可以随着时间的推移增加新的应用场景。目前还没有看到像Runway这样的游戏工具出现，但这是一个有潜力的领域。
7.即将面临的法律挑战
所有这些生成式人工智能模型的共同点是，这些AI模型都是使用大量的内容数据集进行训练的，通常是通过互联网的数据集来创建。例如，「StableDiffusion」是在超过50亿张图片/标题的基础上进行训练的，这些图片/标题都是从网络上采集而来的。目前，这些模型声称在「合理使用」的版权原则下运作，但这一论点还没有在法律得到明确的检验。显然即将到来的法律挑战可能会改变生成式人工智能的格局。
大型电影公司有可能通过自己版权的优势建立专有模型，寻求竞争优势。例如，微软有很多旗下的工作室，特别是还收购了动视暴雪。
8.至少在目前，不同于艺术领域，生成式AI会不会在编程领域带来巨大的变革。
软件工程是游戏开发的另一个主要成本来源，但用人工智能模型生成代码需要更多的测试和验证，因此，代码生成比生成创意资产的生产力提升程度要低。我们认为，像Copilot这样的编码工具可能为工程师提供适度的性能改进，但在短期内不会和内容领域变化这么大。
一些建议
1.开始探索生成性人工智能：想要弄清楚如何充分利用这场即将到来的生成式人工智能革命的力量，还需要一段时间。早开始发展业务的公司未来会具备优势，有几个工作室正在进行内部实验项目，探索这些技术如何影响游戏制作。
2.寻找市场空白之处的机会
目前整个赛道的很多部分已经非常拥挤，如动画、语音、对话，但还有很多领域是广泛开放的。我们鼓励对这一领域感兴趣的创业者将目光集中在仍未开发的领域，如「游戏+生成式AI赛道」。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。