生成式AI在游戏领域的机会（市场假设+预测）
输入“/”快速插入内容
生成式AI在游戏领域的机会（市场假设+预测）
生成式AI在游戏领域的机会（市场假设+预测）
用户8537用户85372023年6月26日修改
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-time 3D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(有了实时3D 的软件，整个虚拟世界可以眼以更快的速度进行数字渲染，为用户提供了更具吸引力和身临其境的体验)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（生成式AI的技术应用），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。 (笔者注：游戏开发商雅达利，创办时期在微处理器诞生后不久，在1972年推出首款街机Pong，奠定街机鼻祖地位。1974年，苹果的乔布斯加入雅达利，负责开发电子游戏)
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。
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。（Thanks to faster microprocessors and the cloud. With this power, it’s possible to build large neural networks that can identify patterns and representations in highly complex domains. 笔者注：这里的意思是越来越快的微处理器单体能力乘上云计算的规模化系数，使建立能够支持复杂的模式识别，啥是模式识别？模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系 的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程, 是信息科学和人工智能的重要组成部分）
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：Market Map ，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（成功）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。
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（2D艺术、3D艺术、声音效果、音乐等）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（如下图）：
举个例子，像《荒野大镖客：救赎2（Red Dead Redemption 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（并且每个角色都有自己的个性、和专属配音演员），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。