如果你打開 GPT 詢問這屆遊戲公司 CTO 有多不容易？也許會和我們一樣，獲得如下回答：
如圖所示，「技術革新」當之無愧為 CTO 們繞不開的第一大挑戰。而如果聚焦當下，AI 則是現階段攻克這一挑戰的主要方向。
因此，4 月 9 日，我們邀請了星合互娛 聯合創始人&首席技術官 馬飛、青瓷遊戲 成都研發中心技術主管 劉昆、遊戲茶館 資深編輯 黑貓，與數數科技 CTO 兼聯合創始人 周津 一起，在成都的茶館裡，圍繞 AI 展開了首期《對話CTO》直播對談。
以下文字來自本次對談內容整理，我們希望通過這樣的內容，幫助更多遊戲開發者，更從容地應對 AI 技術革新帶來的挑戰。
閱讀 Tips：
本篇核心：AI 時代，手藝怎麼轉化為生意？
觀點前置 1. AI 到底是來砸飯碗的，還是來給遊戲人續命的？
觀點前置 2. AI 快速疊代，我們怎麼跟上時代？
觀點前置 3. 「AI 遊戲」的最終形態可能是...？
文末有現場對談·完整版音頻live，不想看文字可掃碼直接聽；看現場影片回放.mp4，也可去文末。
AI 到底是來砸飯碗的，
還是來給遊戲人續命的？
在整個網際網路的發展過程中，我們經常看到許多新穎的技術突然出現。而生成式 AI 應該是最吸引遊戲行業從業者的技術之一。
之所以會有這樣的結論，是因為遊戲本質上是一種內容生產形式，而對於所有內容生產者而言，生產內容都是非常辛苦的一件事。
如果回歸到「做內容」這件最本質的事情上，我們在乎的無非一是內容質量，二是內容產出效率。因此生成式 AI 對遊戲這種內容生產型行業的影響將是巨大的。
以星合互娛內部普及生成式 AI 為例，一些用得好的同學，生產效率可以立竿見影地提升 10 倍——比如做一個高質量 2D 角色立繪，過往反反覆覆打磨需要 1-2 周時間，而在利用了生成式 AI 之後，有的同學一天就可以完成這樣的工作。
在這種真實的實踐中，我們可以看到 AI 所帶來的生產力的爆發。但是當然，我們也會發現另外一些問題，比如有的同學在利用 AI 之後，生產效率並沒有提升。這是因為新的工具對於部分同學來說需要花費大量的時間學習，很難做到靈活使用。
因此，AI 所帶來的不僅僅是機會，也會是挑戰。和寫程序、寫代碼一樣，如果一個工具易用性較差，難以上手，就會非常容易造成這種兩極分化。生成式 AI 的潛力與弊端也是共生的。
對服務於遊戲行業的數數與海藝 AI 而言，我們做所有事情的初衷就是想大幅降低上手門檻。也許我們無法讓人人都擁有 10 倍工作效率，但是我們至少可以保底讓每個人都可以提升至少 3-5 倍工作效率。
而如果說 AGI 是我們所有人共同追尋的終極目標，那麼在當下，我們更應該將 AI 定位為工具或是助理，因為目前 AI 還遠未達到 AGI 的程度。數數和海藝 AI 在做的，也正是在輸入端將 AI 使用的門檻降低，讓更多人可以通過 AI 去洞察，而整個過程仍是由人來推動，並非是一個完全自動化的過程。
人對於業務的理解和認知，以及人本身的核心能力，是最為關鍵的。AI 在當前更多還是起到輔助與幫助作用，我們需要把個人對於業務的理解注入到工具當中，以產生更強的連鎖反應，但我們不可能脫離人實現整個業務流程的閉環。
雖然已經出現了「文生圖」與「文生影片」，但是我們離「文生遊戲」還十分遙遠。這是因為假如我們要生成一個遊戲，會需要很多的界面、工具以及交互。也許 AI 可以理解遊戲的某一個畫面，但是 AI 目前無法理解這個遊戲的畫面是否好玩，更無法去思考玩家玩到某一步有怎樣的體會與感受，是否能夠獲得成就感。
基於此，AI 技術本身仍然有非常長遠的路要走，在當下階段，AI 仍在給遊戲人續命的階段，但想要被續上，則取決於個人的能力。
AI 快速疊代，
我們怎麼跟上時代？
我們會發現遊戲行業是擁抱新技術最快的一個行業。在當下，遊戲行業已經開始通過 AI 生成文本、圖像、影片甚至音樂。像 AI 生成音樂也是一個非常成熟的板塊，比如近期出現的 SUNO，效果也非常好，而對於遊戲而言，配音配樂也是剛性需求。
不過基於過往與許多遊戲行業從業者的溝通，我們發現，大廠對於 AI 的直接應用相對來說還是有限的，而許多中小型廠商已經開始大量使用 AI 製作小規模的遊戲。
這是因為小規模遊戲，可以用 AI 快速走量，直接面向玩家去驗證。而大廠更加追求高品質，在當下更多還是將 AI 作為一個較為初級的工具來使用，即便用 AI 生成圖片，後期也仍然需要大量高級美術人員優化，才能夠在遊戲中上線。
聚焦到遊戲美術這一領域，我們會發現一款研發投入大的遊戲，資金規模往往以千萬為單位，其中一半的費用在美術相關製作模塊。而不管是 3D 建築還是場景，動作亦或是特效，其實其源頭都是 2D 美術資產。而通過海藝 AI 工具去快速製作這些基礎 2D 資產，比如角色場景、icon、banner 等等，是相對較為成熟的。
遵循我們慣常提到的二八原則，即將 20% 的工作精力放在前序輸入和後續調優、決策上，80% 重複性的工作交給 AI 來做。如果我們可以對 AI 利用達到這種程度，將會極大的提升生產效率。
除此之外，在大語言模型領域，我們也可以通過 AI 來提升效率。我們會發現大語言模型具備非常強的總結能力。比如，在數據層面，一個報表出來之後，有些同學無法進行提煉、解讀，在這種情況下，如果我們通過大語言模型應用來進行總結分析，我們就能夠非常清晰地對報表進行解讀，快速了解數據異常情況。當前，我們通過數數 TE 系統的 Tiki 智能助手就可以實現。
當我們談到 AI 時，除了大模型和 AIGC，機器學習、數據挖掘甚至統計分析等領域也會受到這波浪潮的影響，進而引發人們對應用場景的思考。其中，一些典型的場景包括 LTV 預測和流失付費預測。從邏輯上講，目前針對它的實現思路開始趨於和大模型一致，即希望藉助當前更多的算力和數據量，通過 scaling law 的模式大力出奇蹟。
以前，在進行預測時，我們可能需要專門的算法工程師來選擇和生成特徵。那麼，是否可以採用一種大力出奇蹟的方式，提供大量多維特徵給模型，從而獲得更好的結果；甚至，是否可以產生一些超出預期的點，就像大模型中出現的湧現現象一樣，這也是大家正在探索的方向之一。
因此，對於遊戲行業的從業者而言，我們需要對 AI 這樣的新事物有足夠的了解。只有我們學習、了解並運用好新工具，才有可能在下次浪潮來臨時，更快地抓住機遇。
「AI 遊戲」
最終形態可能是...？
在當下，AI
大部分的魅力在於節省成本，這其中包含了可以節省大量精力、財力與時間成本。
因此，許多遊戲開發者可能抱有一個 AI 終極夢想——幫助他們去完成現在無法完成的事情。
舉一個直觀的例子，比如一個開發者想去開發一款遊戲，這個遊戲是一個骰子，每一個骰子的面都代表了一種玩法，而當玩家去投擲骰子出現某一種玩法之後，AI 可以根據投擲結果生成並執行程序，供玩家去體驗。
這種方式已經脫離了當下的開發者專門去調試、製作玩法，也就是 AIG 真達到了真正 AIGC 的水平。
不過雖然，我們對 AI 有著高預期的願景，但是 AI 的演化卻與生物體的演化不同。
人演進的目的是為了生存，因此會逐漸對環境產生認知和判斷，再不斷地調整基因，最終完成演化。而人的好奇心和創意，比如有的人喜歡研究天文，有的人喜歡研究宇宙，這些是演進所附帶衍生出來的產品。
但是 AI 演進的目的，則取決於人類需要 AI 來實現什麼。所以從本質而言，AI 的演進目的與人類的演進目的並不相同。AI 會根據人類所設定的目標完成訓練，最終完成進化。因此將 AI 作為「人類的副駕駛」是非常好的一個願景。
放眼未來，如果各行各業都可以從各個維度上對 AI 進行深度應用，幫助我們去解決實實在在的問題，那才是真正意義上的能夠為人類創造更大價值。
從這一維度上來說，數數和海藝 AI 的產品也是非常務實地期望能夠在產品的每一個角落，留下大模型能力的痕跡，實實在在幫助使用產品的用戶，提升他們解決業務問題的效率，通過先進技術，帶給大家更多價值。
