随着生成式 AI 革命在游戏领域不断发展，UGC 行业将被彻底改变，一个任何人都可以创作游戏的世界将诞生，游戏市场所扩展的范围将超出许多人的想象。未来几年，资深的技术功底或艺术造诣将不再是游戏开发所必要的关键技能；相反，创作者仅会受到其自身能力、创造力和想象力的限制。创意不再廉价，而是变得珍贵。最重要的是，创作游戏将真正实现普及，上百万的新游戏制作者将会涌现。 “创意并不稀缺，重要的是你如何运用它们。”—— Isaac Asimov
通过对 UGC 平台的历史、面向消费者的 LLMs 可用性，以及以往技术变革的观察，我们认为从 UGC 游戏到 AI 驱动 UGC（以下简称为 AIGC）的演变将分为两个阶段进行。
第一阶段将侧重于工具的发展。生成式 AI 可能会作为人类创作者的副驾驶，通过强化现有 UGC 的工作流程来发挥作用。现有的 UGC 平台（如 Roblox）将通过添加生成式 AI 工具来增强其现有工具集，而初创公司则将以生成式 AI 技术为基础，复制当前的 UGC 工作流程并加以优化。就像互联网一样，最初是为了帮助政府解决一些“小”问题而设计的，亦或者像云计算一样，最初也为是解决单点问题而诞生的，我们相信生成式 AI 也将从单点解决方案的工具开始辅助创作者完成当前工作流程。
到第二阶段，我们认为会出现一些全新的公司，对创作工作流程进行重构。这些产品可能不会像工具或平台那样，而更像是基于生成式 AI 的引擎或操作系统。就像成功的网站并不是报纸的复制品，成功的移动应用程序也不是网站的复制品。我们相信，将会出现一种全新的创作范式，生成式 AI 将会被深度嵌入到基础堆栈中，从用户体验到渲染都能够得到优化。目前，我们还无法确定这些产品最终会呈现出怎样的形式。
本文将回顾 UGC 平台的历史经验和现有市场格局，搭建一个分析框架，并预测这些公司可能将在 AIGC 第一阶段（AI 动力工具）构建哪些内容以及如何展开竞争，同时我们也将探讨它们在 AIGC 第二阶段（AI 驱动引擎）可能会采取的策略。
我们可以借鉴这两款游戏的经验，来建立一种框架，以便评估当前和未来的 UGC 平台。是像 Roblox 那样开放和以平台为先，还是像 Minecraft 那样相对封闭和以游戏为先。
尽管这两个游戏采取了不用的策略，但它们都具有很高的灵活性和跨度，这使得它们可以在不同的游戏类型（战略、MOBA、赛车等）中创建不同的游戏。但是，还有一些 UGC 游戏是针对特定类型场景的。例如，《Halo Forge》鼓励玩家在《Halo》的游戏机制内创建地图和规则集。另一个例子是 Roll20，这是一个桌面角色扮演游戏（TTRPG）可定制平台。下图根据 UGC 平台的垂直和横向场景，以及它们是否以游戏为先或以平台为先进行了划分，将许多流行的 UGC 平台进行了分类。
AIGC 的第一阶段：AI 优化工作流程
AIGC 的第一阶段将从 UGC 1.0 转向 AI 驱动创作，其中生成式 AI 将被用来大幅改善现有的 UGC 工作流程。出现这一转变的主要原因有两个：
首先，生成式 AI 领域仍在快速发展中，大语言模型（LLMs）直到最近才变得足够好，可以显著改善文本和 2D asset 工作流程，而 3D asset 模型仍在不断改进中。因此，首批 AIGC 平台很可能会搭建灵活的基础架构层，以便随着时间的推移而不断改进。其次，最初的工具很可能会作为现有工具集和 UI 的演变或优化而构建。像 Roblox 这样的公司会有动力简化其现有的创作流程而不是完全改变它，初创公司则可能会选择采取最小阻力的路径，而不是向创作者教授新的开发范例。
UGC 行业的领军者已经开始探索将生成式 AI 能力添加到其工具集中，例如 Roblox 将生成式 AI 工具添加到了 Roblox Studio。到目前为止其披露的细节还比较少，Roblox 也面临着多重挑战，包括创新者窘境和已积累了十多年的“技术负债”，但是，他们在其创作者、玩家和开发团队方面具有显著的规模优势。在这个过渡阶段，公司会专注于构建什么？他们需要什么才能成功？
AI + 人工的协同创作工具：通过文本、语音或图像 Prompt 进行资产生成的协同创作工具（如，基于Stable Diffusion的 ControlNet）。协同创作工具可用于创作知识、世界观、故事情节、任务、甚至是完成分叉视觉小说游戏（例如，像 AI Dungeon 和 Electric Noir 这样的初创公司，他们推出了分叉叙事游戏）。用于编程的 Co-pilot 工具，可以让 UGC 游戏开发中最技术性的部分对于没有经验的创作者更容易上手。（例如使用 GPT-4 进行早期实验以自动生成类似贪吃蛇的简单游戏）。公司将在用户体验、灵活性和能力方面展开竞争。最优秀的工具不但易于初学者学习，同时还能跟上高级创作者的进阶指导。
新型游戏机制：解锁吸引新玩家的新型机制或类型将是创作者增长的有力途径。例如，基于规则的程序内容生成已在游戏开发领域存在几十年，尤其是在像《暗黑破坏神》和《哈迪斯》这样的魔幻游戏中。通过生成式 AI，创作者可以将这些规则集用于游戏的内容生成，使游戏变得更加生动。例如，Role 和 Riftweaver 等多个初创公司正在尝试让他们的桌面游戏《Dungeon Masters》利用生成式 AI 的能力，在运行时将玩家置于特定环境中，并与具有自定义属性、故事和能力的新怪物进行战斗。初创公司可能会发现，与其试图构建完整的平台与其他公司竞争，倒不如打造一个垂直化的工具集。
内容发现：使用生成式 AI 工具的创作者将比以往任何时候都会产生更多的内容。选择的大幅增加也意味着玩家需要通过某种方式链接到最适合他们的游戏和玩家。对于 UGC 初创公司来说，将新玩家与正确的游戏进行匹配是吸引他们并保持创作者飞轮健康的关键。例如，Loci.ai 是一家致力于为游戏资源提供基于人工智能的语义搜索的公司。
如果 AIGC 的第一阶段是通过生成式 AI 加速现有的 UGC 工具，那么第二阶段则是基于生成式 AI 的创作引擎。我们预测，重新开始为生成式 AI 构建的创作引擎可能会实现新的创作范式和用户体验，具有定制的渲染能力，或使用转为 AI 驱动创作而设计的编程语言。这些 AI 原生的引擎可能是基于云的、具有重新构想的技术和数据架构，以便在任何设备上实时进行快速迭代和创作。因此，对于现在的 UGC 巨头而言，想要在这个阶段获胜会非常困难 —— 他们将不得不重写所有的基础技术并将现有根深蒂固的生态系统移植过来！那么初创企业可能会采取哪些潜在的路径呢？我们在此提出两个可能得途径 —— 与 UGC 1.0 一样，一种是垂直发展路径，另一种是横向发展路径。 公司选择垂直路径，聚焦一个特定场景，可以为特定类型的游戏（为特定子集的创作者提供服务）构建专门为这一领域的创作者打造的工具。例如，Hidden Door（叙事游戏）、Roleverse（角色扮演游戏）和 Regression Games（竞技机器人游戏）等公司在最初就是为单个类型的游戏而构建的创作工具。专注于垂直领域能够帮助公司快速推出产品、吸引用户、收集反馈不断改进工具，最终占领市场。在小型的沙盒中构建目标定义的工具，可以更容易地吸引创作者，但是这些创作者在尝试扩展到新的领域时可能会遇到困难。不过基于他们在特定领域的专业性，他们可能会像 Minecraft 一样通过数字乐高积木重新发明创作过程。 AIGC 公司横向发展路径可能会类似于游戏引擎公司的发展路径，将生成式 AI 的能力应用到基础架构层，开启新的创作工作流程和工具。如果今天有人要构建一个全新的搜索引擎，他们可能会从“回答用户的问题”开始，而不是从索引关键字范例开始。同样，启用 AIGC 游戏引擎可能会对游戏创作带来根本性的变革，例如，如果这些新的 AIGC 引擎使场景图（Scene Graph）范例过时了怎么办？就像我们看到的创作者开始使用非传统的动画软件和渲染方式来生成视频一样，新的技术可能会诞生，这可能会取代我们今天所熟知的实时渲染。以资产创作为例，像 Luma Labs 这样的公司正在构建新的 3D 扫描和资产生成技术，这些技术可能最终成为新游戏创作引擎的动力。通过这些技术，我们可能不需要 Text-Prompts，只需要拍摄一个空间视频，AI 便会自动生成游戏中的各种元素（网格、纹理和渲染）。横向发展路径最具风险性，可能需要更多的资金和更强的研究团队，但它也可能会完全重新定义游戏创作路径。
总结
生成式 AI 将通过赋能游戏创作，将游戏制作进行普及化，从而改变甚至颠覆 UGC 游戏领域。每个人都是游戏玩家，每个游戏玩家都可以成为一个游戏创作者。AIGC 时代将赋予数百万人制作自己的第一款游戏的能力，这批新一代的游戏开发者将释放一股游戏设计创造力的浪潮，从而永久地改变游戏产业，进而催生出更多的创作者、更多类型的游戏和更多的玩家。 *以上内容翻译自《The Generative AI Revolution will Enable Anyone to Create Games》
WF Research 是以第一性原理为基础的专业顾问服务机构，欢迎关注和留言！
V：Alexqjl
发表于 2023-4-10 08:35:12
