广发传媒丨传媒行业:生成式AI对于游戏的研发变革以及产业要义

（以下内容从广发证券《》研报附件原文摘录）
　　生成式AI推动了游戏新一轮供给带动的产业周期，其产业发展类似于2D游戏到3D游戏时期，游戏作为内容端的体验感预计将进一步增强，AIGC短期内将扮演降本增效角色；随着相关工具的完善，内容端有望产生重磅新品。随着版号发放趋于平稳和精品供给持续增加，行业基本面向上趋势明显。且AIGC工具在业务中已经使用，后续有望在产品研发中持续落地。 摘 要 决策式AI在游戏行业已有丰富应用场景，本轮AIGC热潮来自生成式AI突破。决策式AI基于深度神经网络与强化学习技术，可在海量数据训练下形成特定领域的高效判断，在过往游戏行业中已有普遍应用：（1）游戏研发端，可优化数值设计并提高测试效率，提高游戏数值平衡性；（2）游戏发行端，可赋能个性化算法推荐的买量投放，实现用户精准触达；（3）用户体验端，AI-BOT高拟人化进一步提高游戏可玩性。生成式AI的迅速发展是多维度模型迭代优化+算力大幅提高的共同结果，与决策式AI不同在于，生成式AI可理解并学习数据生成的模式，并根据习得的模式输出全新内容。 AIGC将从美术、程序、文案、沟通效率与发行运营多方面促进游戏行业提效。（1）美术方面，基于扩散模型的2D美术图像生成已开始商业化落地，主要应用为Midjourney和Stable Diffusion，二者在使用门槛、图像质量、图像可控性上各有优劣，预计短期内可看到成本节约；3D美术生成多采用2D升维路径，当前受制于算力、算法，3D生成物在成本和质量上均难达到落地标准，但可生成2D贴图辅助3D模型生产；此外，AIGC还可低成本生成大量参考素材，辅助美术灵感生成。（2）程序方面，以GitHub Copilot为代表的AIGC工具将提高代码效率与质量，当前AIGC已具备简单游戏开发能力，可实现成本节降与人员门槛降低。（3）文案方面，在游戏内可用于快速填充基础性文案并赋能智能NPC玩法，智能NPC在落地应用上仍有难点：涉及对大模型的高频调用，成本高；NPC行为框架开发需大量玩家行为数据作针对性微调，目前此类数据较为缺乏。（4）沟通协作与发行运营方面，AIGC高效内容生成能力将加强跨职能间的沟通合作，提高内容生产的质量与数量；对游戏发行运营，可提高买量投放素材的设计及制作效率；出海与本地化方面，AIGC的多语言能力可提供翻译与表述支持，优化跨文化团队间沟通。 我们认为，生成式AI推动了游戏新一轮供给带动的产业周期，其产业发展类似于2D游戏到3D游戏时期，游戏体验预计将进一步增强。AIGC短期内将扮演降本增效角色；游戏相关AIGC垂类应用丰富，海外头部与初创公司均有布局，已有众多适用于美术、文案、程序端的垂类AIGC工具落地。从发布产品上看，科技巨头公司多选择自研攻克底层模型，细分头部公司则关注更好地将AI工具集成到自身产品实现功能辅助。随着相关工具的完善，内容端有望产生重磅新品，我们预计MMO品类有望率先受益AIGC带来的体验提升，目前各家游戏公司都在探索智能NPC领域。我们坚定看好游戏板块基本面持续向上的趋势，AIGC工具在业务中已经使用，后续在产品研发中也有望逐步落地。 风险提示 AI监管政策风险。海内外技术迭代不及预期。AIGC应用商业化落地不及预期。 正 文 一、决策式AI已普遍应用于游戏行业 （一）传统决策式AI在游戏行业已有丰富应用场景 决策式AI技术已普遍应用于买量投放、数值设计、智能对战领域。人工智能的上一轮技术突破来自图灵奖获得者Geoffrey Hinton于06年提出的神经网络深度学习算法，相比传统机器学习，大幅提高了特定领域海量数据训练下的判断准确度，由此开启了决策式AI“弱人工智能”应用时代。代表性事件为16年3月谷歌使用16万场大师级围棋对决数据研发出AlphaGo，战胜时任世界冠军李世石。AlphaGo的胜利源自深度神经网络和强化学习技术的突破，其中，深度神经网络使得AI拥有强大表征学习能力和对大规模数据的适应能力，强化学习技术使得AI能够通过与环境的交互和试错优化自身的决策策略。由于游戏具有明确的规则目标，复杂的决策空间并有大量可供训练的交互数据，适合决策式AI应用。 游戏研发端，决策式AI优化数值设计并提高测试效率。基于深度强化学习技术的决策式AI可在高数值维度组合的复杂场景内，辅助策划进行角色数值设计、角色数值测试、阵容挖掘、平衡性验证等。对于注重游戏数值平衡的游戏品类，新玩法的迭代往往需要考虑数值平衡，以保证新老游戏玩家体验，业内的传统做法多基于资深策划经验或传统计算方式完成，而决策式AI可通过万次以上模拟对局、推理优化等手段，进行数值挖掘，匹配出最优解并输出调整前后的日志记录，辅助策划实现平衡性控制与验证。例如，启元世界开发的AI解决方案可自主挖掘超出玩家与策划预测内的最强阵容，准确评估数值设计效果，提高测试的可靠全面性并节约75%验证时间周期，已应用于灵犀互娱《三国志战略版》、莉莉丝《万国觉醒》等策略类游戏中。 游戏发行端，深度神经网络赋能个性化算法推荐的买量投放。2018年以来，游戏发行经历了从渠道为王到个性化买量投放的转型，离不开技术上深度神经网络对推荐算法能力的改进与突破，其改进后的优点有二：一是提高了提取复杂用户—项目特征的能力，能挖掘出数据间的复杂逻辑关系；二是融入诸如图像、视频、音频、文本等异构多源数据，数据挖掘能力变强。当前流量运营已经成为主要游戏公司游戏发行的主要方式之一，根据《2022全球手游买量白皮书》，2022年中国内地手游买量市场投放产品总数约为2.03万个。 用户体验端，高拟人化提高游戏可玩性。AI-BOT植入是PVP游戏为提高用户留存和在线时长的常见做法，在多人真人对战中，游戏AI介入控制输赢可起到调节玩家情绪的作用，刺激玩家游戏热情。当前顶级的游戏AI已能够在复杂游戏系统中达到匹及甚至超越人类的决策行动能力，如19年Deepmind推出的AlphaStar在《星际争霸II》比赛中超过99.8%人类玩家，OpenAI Five曾连续两场战胜《Dota 2》世界冠军OG。决策式游戏AI可广泛应用于MOBA、SLG、FPS等游戏品类，拟人化AI机器人可在多人在线游戏中扩大玩家基数，提高对抗体验。腾讯AI Lab研发的策略协作型AI“绝悟”及衍生出“王者绝悟”游戏AI，操作反应已比肩职业选手，已经广泛应用于新手教学、模拟玩家进行英雄平衡性测试等环节。腾讯在《穿越火线》中模拟了职业选手个人打法风格，提供玩家与真实职业选手的对抗体验，玩法上线期间，对局数量较平时提升了3-4倍。 （二）目前AIGC热潮来自生成式AI突破 AIGC热潮来自生成式AI突破，与决策式AI最大差别在于是否“理解”。生成式AI与决策式AI的区别在于，后者学习数据的条件概率分布，在清晰的任务边界和规则下总结数据间的相关性并判断最优解，无法真正理解指令的含义并与常识对应；而生成式AI则学习数据的联合概率分布，理解并学习数据生成的模式，并根据习得的模式输出全新的内容，可独立完成感知、认知、推理、学习、执行复杂任务。概括而言，决策式AI模型擅长“总结—归纳”，生成式AI模型则擅长“理解归纳—总结—演绎创造”。 AIGC迅速发展是多维度模型迭代优化+算力大幅提高的共同结果。AIGC在底层技术上依旧基于传统决策式AI所依赖的机器学习技术，包括深度学习（神经网络）、监督学习、强化学习等，发展推动力主要来自（1）谷歌2017年发表论文《Attention is all you need》中提出的Transformer模型，这种采用自注意力机制的深度学习模型解决了传统循环神经网络（RNN）模型长距离依赖、无法并行计算问题，使得具有Transformer架构的模型能够低成本高效训练，为包括大语言模型（LLM）在内的大模型训练奠定基础；（2）OpenAI于2021年开源并提出CLIP模型，将Transformer架构与视觉组件结合实现联合视觉语言预训练，实现“文-图”多模态匹配；（3）图像生成领域的扩散模型（Diffusion Model），最早于2015年提出，基本原理是在训练阶段向图像注入噪声并学习恢复原始图像，并在生成阶段反向操作，从噪声图像逐渐去除噪声以生成真实图像，受益于Transformer架构提供的算法优化及训练技术进步，在生成图像质量、稳定性、灵活性上相比传统生成对抗网络模型（GAN）提升显著。 二、AIGC将从多方面促进游戏行业提效 AIGC对游戏行业的影响可分为降本增效与打开收入天花板两个维度。降本增效，AIGC可提升游戏研发环节的美术、文案、程序生成效率，并优化提效制作流程。游戏发行端，AIGC可赋能本地化、社区运营、脚本素材制作等。当前各大公司均积极投入AIGC应用与研究，预计短期内可以看到降本增效的效果；打开收入天花板方面，AIGC既能加快内容制作效率，又能为玩法革新颠覆提供机会，以此扩大用户基数，延长用户游戏时间，并提高ARPU值，但达到颠覆式的玩法创新仍需更长时间积累。 （一）美术端：应用集中在2D美术，3D美术仍需时间优化 AIGC在美术环节可用于三方面：2D美术、3D美术、辅助美术灵感。2D美术方面，部分2D美术内容对精度要求不高，AI生成后仅需修改微调，节约从0-1的作画时间，AIGC可直接生成2D道具及UI图标、角色立绘、特效、动画分镜等美术场景。3D美术生成方面，AIGC可生成简单模型，辅助生成3D素材，但从效果和成本上看，目前仍未达到大规模商用条件。辅助美术灵感方面，由于AI工具吸纳大量优质作品，支持短时间内产出内容，可为美术人员提供设计灵感。此外，在游戏开发立项早期，多美术样稿的生成将有利于策划与美术端协调沟通，提高整体游戏开发效率。 1.2D美术：已有成熟商业化软件落地，短期内可节约成本 生成机制上，扩散模型是目前主流技术。2D图像生成的技术路径经历了生成对抗网络（GAN）—自回归模型—扩散模型的发展链路，GAN生成是上一代主流图像生成模型，通过生成器和判别器进行博弈训练提升生成和鉴别能力；自回归模型提高了模型稳定性和图像合理性，但受推理速度和训练成本限制大。扩散模型（Diffusion Model）通过定义扩散步骤的马尔可夫链+连续向数据添加随机噪声，以获得纯高斯噪声数据，再用过逆扩散过程的学习+反向降噪推断实现图像生成，与前代模型相比，保持图像细节能力更强。 商业化落地上，2D美术领域最主流应用为Midjourney和Stable Diffusion。当前已涌现众多垂类AI绘图工具，包括OpenAI DALL-E2、Midjourney、Stable Diffusion、Disco Diffusion、Novel.ai等，其中使用人数最多、最具实际应用价值的软件为Midjourney和Stable Diffusion，二者使用人数均超过千万级，均可实现“文生图”“图生图”两类功能。Midjourney于21年8月成立，由11人组成的小团队开发，至今已迭代5个版本；Stable Diffusion由Stability AI开发，于22年8月宣布开源，已经历4次迭代。当前二者在使用门槛、图像质量与可控性等方面各有优缺点：（1）使用门槛上，Midjourney使用简便，主要搭载在Discord社区上，用户向Midjourney Bot输入指令即可在云端完成生成；Stable Diffusion多采用本地部署，对电脑配置要求较高，且插件多功能复杂，学习成本更高。（2）图像质量上，23年3月更新的V5 Midjourney已率先完善手指畸形问题，并大幅提升了图像的写实细节、自然语言提示的理解能力；最新版本的Stable Diffusion XL虽然在提示语缩短、构图和脸部生成能力上优化，但仍存在文本提示理解不足，动漫风格人物四肢失常等问题。（3）图像可控性上，Midjourney作为闭源模型，拓展功能相对较少；开源模型Stable Diffusion搭载的LoRA模型支持用户利用特定素材进行风格化训练，其于23年2月新增的ControlNet插件支持用户根据给定控制点/线稿精准生成图像。 应用案例：网易ASAK设计团队AI赋能游戏美术设计与素材制作。（1）在美术设计环节，运用Midjourney和Stable Diffusion缩短初稿设计和修改时间，累计提升效率25-55%，举例而言，IP设计上，可使用Stable Diffusion文生图功能形成初稿，并利用模型插件调参创造多种IP角色外形；物料设计上，运用Midjourney和Stable Diffusion获取大量素材储备形成灵感，并通过Stable Diffusion将设计手稿精准优化；场景、KV/海报设计上，运用Midjourney定向控制设计效果形成初稿，并在后期通过关键词输入持续迭代，响应业务方需求；（2）在素材制作环节，运用Stable Diffusion图生图功能，批量产出活动弹窗设计图，多角度丰满设计质感；深入刻画简化版勋章图标，迭代出精细版本，满足不同场景勋章应用需求；此外，在动画分镜制作上，运用Stable Diffusion对动画分镜初稿进行色彩优化，直观展示分镜效果并提供视觉静态图。 短期内，可看到2D美术领域的成本节约。美术端通常占据游戏公司较高研发成本，招聘需求上，根据易观分析发布的《中国游戏行业人才供需专题分析2021》，美术类招聘需求占比为28.10%，仅次于技术类。美术人员成本上，以叠纸游戏和波克城市为例，叠纸游戏角色/插画原画师招聘薪酬为15-30K*16薪，对应年薪24-48万；波克城市高级游戏原画师待遇15-25K*15薪，对应年薪22.5-37.5万。2D美术常见于游戏UI、角色立绘、特效、物料道具、动画分镜等制作领域，在AIGC辅助下，预计可将几天的工作量压缩到数小时内完成，有助于人员端优化；此外，一般交由外包公司完成的特效、UI、道具等，由于数量庞杂、精度要求较低、训练素材丰富，也天然适合AIGC发挥替代，降低外包需求。对于卡牌等主打平面玩法或立绘为卖点，降本增效更显著。 2.3D美术：多采用2D升维路径，离落地应用仍有距离 生成机制方面，当前文生3D模型生成多采用2D升维形式展开。目前文生3D可大致分为“原生3D”（文字直接生成3D资产）及“2D升维”（先生成2D图像升维3D）两条技术路径，原生3D面临的主要问题在于，相比2D，可供训练的公开3D素材稀少，难以基于文字生成有想象力的模型。2020年，2D升3D的关键技术之一神经辐射场技术（NeRF）被提出，这种面向三维隐式空间建模的深度学习模型可通过多角度图像实现3D场景重构，加之AI 2D生成能力突破，目前“2D升维”路径更为主流，即从2D AI生成物+NeRF/扩散模型训练过渡到3D模型，典型代表有OpenAI的Point·E模型，谷歌的DreamFusion模型，英伟达的Magic3D模型等。腾讯AI Lab在2023游戏开发者大会上发布的自研3D游戏场景自动生成解决方案，本质上也是从海量2D图片出发，辅以3D素材库训练，再生成原创3D城市建筑群。 目前AI生成3D美术在成本和质量上均难以达到应用标准。3D美术需要实时快速矩阵运算海量数据，渲染计算的信息维度更高，对算法优化和算力更高要求。例如谷歌发布的DreamFusion模型，原理上要求NeRF和2D生成模型Imagen来回迭代15000次，仅生成单个3D模型就需要4块TPUv4训练1.5小时。除技术成本受限外，高质量的3D公开训练素材也较为稀少，使得现有3D生成物仍存在面数低、精细度低、模型表现度不佳等问题，质量上难以达到直接商用水准。 目前AIGC可用于辅助3D模型生产。在网格生产方面，高质量的3D资产对布线、UV分布、对面数上要求较高，目前AIGC难以满足质量要求；但在纹理贴图方面，依旧属于2D内容制作范畴，具备AIGC应用可行性。具体而言，对于主流的物理基础渲染贴图过程，AIGC可用于生成（1）不考虑光影变化的无缝颜色贴图，赋能PBR贴图制作的前端步骤，目前在应用端，已有基于PBR材质贴图训练的专有AI生成插件，如DreamTexture、Material Stable Diffusion等；（2）在生成已有无缝颜色贴图的基础上，辅以Materialize和Adobe Sampler等工具，实现可信光影的添加与修改，最终生成多光影角度的可用PBR贴图。 3.AIGC可辅助美术灵感生成 基于大模型的涌现能力，AIGC可低成本生成大量参考设计素材。以Midjourney、Stable Diffusion为代表的AIGC美术工具基于大量公开优质作品进行训练和整合，对于相同提示词，可低成本产出多个随机图像，为美术人员在人物设计、武器道具设计、场景构图等方面提供参考和灵感。例如，完美世界曾于微软GDC2023大会分享AIGC对灵感设计端的具体演示：（1）使用AIGC关键词生成场景氛围渲染图，辅助3D场景“五塔寺废墟”的风格确立；（2）使用Stable Diffusion公开模型生成多个“露肩女战士”原案设计，为正式角色立项的服装、道具、风格等提供参考。 （二）程序端：提高代码效率与质量，实现成本节降与门槛降低 AIGC可辅助游戏代码撰写，提高代码效率。游戏研发中的引擎使用、工具和插件开发、游戏测试等众多环节均涉及程序编写，人员需求数量大，成本占用仅次于美术部门。基于对公开代码的预训练，当前AIGC已具备自然语言转代码、基于上下文补全代码等功能，可用于辅助代码编写、Bug修复、单元测试、文档生成等，提高代码质量并提升游戏运行流畅度。对于大型制作团队，AIGC可辅助程序端可实现人力和时间节省，降低团队内部教育培训成本；对于小型工作室及个人，也将助力游戏制作门槛降低，提高独立游戏的质量。 工具方面，赋能代码较为突出的应用为GitHub Copilot。Codex是OpenAI基于GPT-3模型开发，使用数十亿行公开源代码数据微调训练出的编程语言预训练模型，支持包括Python、JavaScript、Go、Perl等在内的十余种编程语言。编程过程一般可抽象为问题分解、将分解后的简单问题映射为现存代码（库、API 或函数）两个环节，Codex的赋能领域为后者。作为微软子公司，GitHub与OpenAI基于Codex合作开发出GitHub Copilot插件，于22年6月正式向个人开发者提供付费订阅服务，并于23年2月发布企业版，企业版订阅价格为19美元/人月；23年3月，基于GPT-4升级为Copilot X，新增文字与语音交互功能。根据GitHub官方报告，当前Copilot可辅助提高55%代码撰写速度，基本覆盖日常工作中46%代码量。 （1）AIGC已具备简单游戏开发能力，极大降低人员门槛。基于对人类自然语言逻辑的识别和理解，AIGC已能在无开发基础的人员指导下完成简单游戏的撰写。在23年4月举办的Web Summit峰会上，GitHub CEO曾演示Copilot X利用Java Script制作贪吃蛇游戏，全程使用自然语言对话，在15分钟内即完成代码编写，并当场提供可供游戏的网址。此外，ChatGPT甚至独立提供简单游戏的创新玩法，如Sumplete是一款由ChatGPT自主设计撰写的类数独解密游戏，其在人类指导下生成了对应网页，网页端显示有玩法指南、不同难度等级、并提供玩法提示、计时功能等，降低了游戏设计制作门槛。 （2）提高代码生成效率将带来人员时间成本节约。对于高品质游戏，程序端占据较大游戏开发成本。Zippia数据显示截至23年4月，美国游戏行业程序员平均薪酬为9.4万美元。国内以上海地区为例，对于3-5年资历的游戏程序岗位，技术美术、游戏测试、UE4工程师、U3D工程师、Android 工程师的月薪资分别为2.5万元、1.2万元、1.9万元、2.0万元、1.9万元。根据米哈游官方招聘信息，客户端开发工程师岗位待遇为40-65K·16薪，对应年薪64-104万；完美世界UE4客户端开发工程师待遇为25-50K·14薪，对应年薪35-70万。AIGC基于自然语言交互反馈功能将极大降低初级代码的学习和撰写难度，且对于复杂程序功能，也可辅助快速编写代码注释及技术文档，节约程序人员之间的学习和沟通成本。 （三）文案端：快速填充文案，赋能智能NPC玩法 游戏内，AIGC可用于快速填充文案并赋能智能NPC玩法；游戏外，可辅助文案策划头脑风暴，提供灵感。以ChatGPT为代表的自然语言模型使得当前AI已具备语义理解和演绎能力，可快速根据用户需求生成相应文本内容，在游戏内外均有应用场景。在游戏内，AIGC可直接生成填充游戏内文案，如玩法教程与任务指引、NPC交互对话、剧情和世界观塑等，AIGC生成对应文本后，仅需修改即可使用，极大节约相同文本体量下的撰写时间。此外，还可为游戏内植入智能NPC提供条件。嵌入ChatGPT等AI工具的智能NPC能与玩家实现直接交流，提供“千人千面”的回应，提高游戏真实沉浸感。对游戏外，AIGC基于其类搜索引擎的信息获取和整合能力，可辅助人 设定、剧情走向设计、背景塑造等，为游戏策划提供灵感支持。 1.游戏内，适用于基础文案替代与智能NPC植入 （1）AIGC可替代基础性文案。当下AIGC已能够完成大部分非核心文案的设计和撰写，在垂类模型训练和微调下模仿特定文风、在特定世界观下生成文本。对于世界观背景简单，文本量较少、用语平实的非文字重点游戏，AIGC可承担部分文案撰写任务，缩减人员需求。在实际应用层面，已有垂类AI文案工具商业化落地，如由美国初创团队开发的、基于GPT-3模型的Jasper AI，使用数百万篇博客文章、Reddit讨论、网站报纸等公开内容训练，能够提供不同语言风格的文案并支持25+种语言，适用于广告营销、编剧等领域。截至22年12月，Jasper AI累计付费用户超过10万人。由于高质量精品文案（如文言歌词等）需要丰富的知识深度和经验积淀，虽然AIGC可以模仿风格，但难以真正实现表义上的融汇统一。此外，AIGC在游戏内大批量生成文本可能产生内容前后矛盾等逻辑问题，因此对于剧情、人物关系复杂的游戏，仍然需要人工对文案进行精修、校对和审核。 （2）自然语言模型植入进一步提升NPC智能化水平。根据Inworld AI的玩家调查，52%玩家厌恶与NPC重复对话，81%玩家愿意为AI优化后的智能NPC提高付费。嵌入ChatGPT等AI工具的智能NPC能与玩家实现交流，回应玩家随机提出的问题，而非选项与固定回答，提高游戏的真实沉浸感。近月，已有海外博主展示在战争沙盒游戏《骑马与砍杀2》内添置ChatGPT与InwordAI产品作为MOD模组的演示视频，累计播放量高达70万。网易即将在今年6月30日上线的《逆水寒》手游也将试装国内首个智能对话NPC。除聊天体验外，智能NPC还有望为玩家提供游戏内操作上的便利。根据游戏AI公司RCT.ai于GDC2023的解决方案展示，射击游戏《Delysium》嵌入的可对话虚拟NPC Lucy能够通过对话指令辅助玩家实现道具查询、交易行为等操作，提供便利的同时提高了游戏可玩性。 2.游戏外，辅助生成剧情大纲与人物设定 在剧情大纲和走向设计上，以ChatGPT为代表的自然语言模型可根据给定的关键词或主题，快速构建剧情情节框架，帮助策划人员头脑风暴，寻找新的创作方向，通过分析大量的叙事模式和结构，生成可能的情节转折和结局供策划团队讨论。人物设定方面，AIGC可自动根据输入的人物特点生成出具有深度和复杂性的角色背景，包括人物动机、过去历史、个性等，从而辅助设计人员快速形成角色原型，并为角色的行为和对话提供参考。 （四）协作与发行运营端：优化制作流程、提升买量投放与出海效率 AIGC高效内容生成能力将加强跨职能间的沟通合作，提高内容生产的质量与数量。在游戏研发过程中，程序员、策划和美术人员因其专业技能的差异而存在高职能壁垒，使得沟通过程中易产生大量的模糊地带，影响项目的进度和质量。AIGC的使用将使得不同职能更快达成共识，如策划可以利用AIGC生成角色原型，而无需提供大量的参考图片，减少美术人员的返工。相同时间精力下，AI技术将使得团队落地更多创意和灵感，制作更多Demo进行测试，更快地试错，优化和完善游戏，提高总体的供给质量和数量。 游戏发行方面，提高买量投放素材的设计及制作效率。买量投放的广告制作一般涉及脚本编写的设计环节，素材的制作环节，投放策略的决策环节。过往决策式AI在个性化投放策略上已有成熟应用，AIGC将进一步对设计与制作环节提质增效。设计端与文案研发端类似，以ChatGPT为代表的自然语言模型能够采集众家观点方案进行融合式创新，具备快速设计广告创意与脚本能力，并能涌现海量方案供设计者参考。当前市场上也有相关垂类应用处于测试环节，例如数字营销企业DataEye日前正在开发一款对话式的AI脚本生成应用，提供“动画分镜脚本”、“单人口播脚本”、“多人情境剧脚本”多类型创作模板，以及多语言转化+语言风格定制功能。素材制作与美术研发端类似，以Midjourney和Stable Diffusion为代表的AI 2D图片生成软件预计将赋能于分镜绘制、背景渲染图制作等环节。 出海与本地化方面，自然语言模型掌握多语言，可提供翻译与表述支持，优化跨文化团队间沟通。游戏出海本地化的重要任务是实现语种切换，其一般流程是从机器翻译/普通员工粗翻到高语言水平/母语者审校，或外包专业翻译团队，面临较大的人力和时间成本限制。以ChatGPT为代表的自然语言处理模型覆盖包括英、法、日、韩、德、语在内的多语种，相比常规翻译软件更加擅长结合上下文语境，在海量多语种语料库的训练下，对口语简化语、无需翻译的产品名词识别度高，更熟知符合当地习惯的本地化表达，提高翻译的效率质量。此外，本地化还包含游戏内外的活动设计、法律合规等，需深入了解当地文化政治环境的本土人员提供支持，生成式AI在生成信函、公文上的便利，将有利于大型游戏公司不同语言文化背景间员工的沟通交流，提高协作效率。 三、生成式AI的产业趋势：工具先行的供给侧变革 AIGC之于游戏的变革，核心是供给端革命，通过开发工具的创新突破产品瓶颈，从而实现在游戏内容体验的持续提升。回顾游戏发展历史，我们认为游戏行业经历了三轮大的变革，第一轮是以供给端为核心，优质产品驱动的变革，其标志性事件是1983年雅达利崩溃及任天堂的崛起；第二轮是供给端从2D到3D的升维，标志性事件是Id Software推出的3D游戏《德军总部3D》、《毁灭战士（DOOM）》等大获成功，大幅提升了游戏体验，使得游戏从2D迈向3D，体验持续升级；第三轮是需求端的变革，标志性事件是2007年Iphone的发布，随着智能手机的普及，游戏从主机及PC领域扩张至手机，大幅拓展了行业的用户量级。我们认为AIGC有望引起游戏新一轮的供给变革，提升内容品质，拓展行业外延。在产业落地方面，我们认为工具产品的周期先于应用产品，随着开发工具的不断完善，开发者有望利用相关工具产生更具体验优势的应用，最终通过应用端爆款的形式触达用户，实现行业规模的扩张，进一步反哺工具端发展。 （一）生成式AI是游戏新的“2D到3D”时刻 1.引擎工具是3D游戏发展的关键变量 回顾游戏业从2D到3D时期的发展，游戏引擎是行业关键变量。游戏引擎本质上是一种集成工具，将游戏需要开发内容和算法集成起来，以便开发者直接在已有算法上进行开发，使得复杂的游戏场景能通过打包好的算法及素材更好地实现，降低开发成本，提升开发效率。以早期的3D游戏为例，Id Software利用自身技术及引擎基础成功开发商业化3D游戏《德军总部3D》，并在此基础上迭代产生了DOOM引擎，并在1993年基于DOOM引擎推出了《毁灭战士（DOOM）》系列产品。从商业角度看，《毁灭战士》系列凭借自身出色的3D体验获得了商业的成功，根据2000年版《The Complete Wargames Handbook》，1993-1999年最畅销的PC游戏中，Doom II排在第三位，销量为150万份；而DOOM则排第八，销量约为110万份。 在此之后，Id Software进一步开发了Quake及Id Tech系列引擎，并基于此开发出了《雷神之锤》、《雷神之锤：世界》、《半条命》等。由于开发者卡马克的开源理念，其开发的多款产品，包括《德军总部3D》、《毁灭战士》、《雷神之锤》等均实现了代码开源，加速了引擎行业发展。 从开发流程看，“引擎先行”是早期3D游戏开发的重要特点。包括毁灭战士、雷神之锤（Quake）等产品均是先有引擎，再有游戏。此后随着各家厂商自研及行业商用引擎的高速发展，3D游戏逐步成为游戏业主流。我们认为从2D到3D的行业演进体现了优质的创作工具对内容的重要性。在行业规模上，根据vgsales统计，游戏行业规模由1993年的293亿美元发展至2007年的613亿美元，CAGR约为5.4%。 2.生成式AI解放内容生产力，是未来的游戏“引擎” 生成式AI通过在美术、程序及文案方面的持续迭代，最终将使得游戏内容开发难度及周期大幅减少。玩家在游戏内的体验有望更具独特性，同时游戏世界观更加完善，向真实世界靠拢。AIGC在美术、音频、文案、代码端的多方面的内容生成将直接利于内容供给的效率与质量提高。随着AI生产工具的逐步成熟，游戏内容产出有望实现由早期3D向精R品3A的发展路线，通过技术和硬件的迭代发展，实现游戏内容体验的大幅提升。对比早期的3D游戏与现在主流游戏的画面差异与精细程度，我们认为随着AIGC技术的发展，游戏内容体验具备较大升级空间，行业规模有望持续拓展。 （二）工具先行，垂类工具扩展，开发效率提升 游戏相关AIGC垂类应用丰富，海外头部与初创公司均有布局。当前，海外已有众多适用于美术、文案、程序端的垂类AIGC工具落地，多以应用插件、网页、客户端等形式发布。从发布时间上看，大部分AIGC工具集中于近2年发布，符合生成式AI技术发展进程。从开发公司上看，垂类应用的赛道上有科技巨头公司（Google、英伟达、Meta等），细分行业的头部公司（Adobe、Unity、Roblox等），以及各个领域的AI初创公司。从发布产品上看，科技巨头公司多选择自研攻克底层AI模型，如3D资产领域的Google Dreamfusion，英伟达的Get3D、Magic3D，OpenAI的Point-E、Point-E等；细分头部公司则关注更好地将AI工具集成到自身产品实现功能辅助，如Adobe的Adobe Firefly是一款集装于Adobe全家桶的AI工具；Unity的Unity World Generation、Smart Assets插件可辅助Unity引擎下的3D场景制作；Roblox的Material Generator、Code Assist则分别适用于辅助内部游戏制作平台Roblox Studio中的贴图生成及代码编写，从而提升UGC创作质量。 （三）生成式AI应用逐步落地游戏，关注新品进展 我们认为MMO类产品有望最先受益，智能NPC植入丰富多人社交基础下的游戏体验。传统MMO类游戏的核心卖点为多人在线社交，给予玩家在模拟世界观下，以角色扮演等形式进行真人交互的沉浸体验。AIGC具备的自然语言生成响应能力及基于特定语料微调训练的能力，使得可真实交互、符合游戏内世界观特征的NPC落地成为现实，真人与NPC的边界进一步模糊，玩家既能在游戏内与现实生活中的人共同体验游戏内容，又能真正开启“第一视角”，与拥有特定身世故事、观念动机的NPC交流，使得游戏沉浸感和可玩性进一步提升；智能NPC也可通过训练，对真人玩家进行模拟，从而缓解游戏内在线人数不足问题，满足更多样化的社交需求。以23年6月30日全平台公测的MMORPG手游《逆水寒》为例，其智能NPC技术基于网易伏羲AI工作室自研，根据二测及官方公众号介绍，除与玩家直接对话外，智能NPC还具备如下特色：（1）强交互性。玩家对NPC使用游戏技能也会得到真实反馈，如用火系技能点燃NPC头发，会触发NPC逃跑叫喊；（2）个性多样性与回答随机性。拥有不同背景故事的NPC各有独特个性，相同对话下可能产生不同回应，且能记录与玩家的历史对话，与玩家形成专有的“人际关系”；（3）连锁反应影响游戏走向。NPC间能够交流对话传导信息，玩家参与插手NPC相关事件会触发连锁反应，影响NPC命运及剧情走向。 仿真真实社会是智能NPC的最终形态，或将全面颠覆游戏玩法。23年4月，斯坦福大学与谷歌团队联合发表论文《Generative Agents: Interactive Simulacra of Human Behavior》，介绍了一种基于ChatGPT与本地数据搭建的生成式行为体框架。原理上，该框架以“记忆和检索-反思-规划和反应”为主线，其中，“记忆和检索”通过本地调用，大语言模型则承担关键的“反思-规划和反应”环节；应用上，文献基于此框架了制作了由25名NPC组成的虚拟小镇游戏，NPC能够在设定环境内自洽交互，基于外部自然语言指令作出连锁反馈，并模拟人际关系中的信息扩散与协作行为，总体实现了对智能体的多维调度，及对复杂社会环境的初级拟态。基于该智能NPC模式开发的游戏预计将提供空前的自由度和丰富度，或将全面颠覆游戏玩法，是目前各家公司都在探索的方向。目前在落地应用上处于早期，仍有诸多难点：（1）智能NPC涉及对大模型的高频接口调用，成本高，并可能存在响应延迟影响用户体验；（2）NPC行为框架开发需大量玩家行为数据作针对性微调，目前此类数据较为缺乏；（3）仍需基于游戏本身的世界观训练语言模型，避免对话出现不合理“出戏”或政治敏感言论问题。 此外，超休闲类、文字类有望进一步实现制作提速。超休闲游戏的短生命周期，要求厂商具备快节奏的工业化生产能力，且变现多来自广告投放，素材制作量大，天然契合AIGC快速、低廉的内容生成模式。对于以文字玩法主打的游戏，如日本文字冒险游戏（AVG），高度依赖庞大文本量支撑多分支结局，AI既能够辅助情节对话文案生成，又可提供剧情灵感；又如TGA 2019上斩获“最佳独立游戏”、“最佳叙事游戏”、“最佳角色扮演游戏”三大奖项的知名推理游戏《极乐迪斯科》，开发商ZA/UM曾透露其完整剧本文字量高达100万字。 应用端具备爆发性，关注“杀手级”新品。从游戏板块发展来看，杀手级应用对行业的发展起到及其强烈的推动作用，例如《超级马里奥》在玩法层面确立了横板卷轴游戏的设计；《德军总部3D》确立了FPS游戏的设计等。我们认为AIGC游戏也将通过“爆款级”新品的形式推动行业发展。 AIGC将从美术、程序、文案、沟通效率与发行运营多方面促进游戏行业提效。决策式AI在游戏行业已有丰富应用场景，本轮AIGC热潮来自生成式AI突破。决策式AI基于深度神经网络与强化学习技术，可在海量数据训练下形成特定领域的高效判断，在过往游戏行业中已有普遍应用。生成式AI的迅速发展是多维度模型迭代优化+算力大幅提高的共同结果。（1）美术方面，基于扩散模型的2D美术图像生成已开始商业化应用落地，主要工具为Midjourney和Stable Diffusion，目前Midjourney在使用门槛、图像质量上更优，但Stable Diffusion在图像可控性上表现更好，2D美术端预计短期内可看到成本节约；当前3D美术生成多采用2D升维路径；此外，AIGC还可低成本生成大量参考素材，辅助获取美术灵感。（2）程序方面，以GitHub Copilot为代表的AIGC工具将提高代码效率与质量，且当前AIGC已具备简单游戏开发能力，预计可实现成本节降与人员门槛降低。（3）文案方面，AIGC在游戏内可用于快速填充基础性文案并赋能智能NPC玩法，在游戏外可辅助生成剧情大纲与人物设定。（4）沟通协作与发行运营方面，AIGC高效内容生成能力将加强跨职能间的沟通合作，提高内容生产的质量与数量。 我们认为，生成式AI推动了游戏新一轮供给带动的产业周期，其产业发展类似于2D游戏到3D游戏时期，游戏作为内容端的体验感预计将进一步增强，AIGC短期内将扮演降本增效角色；随着相关工具的完善，内容端有望产生重磅新品。具体到产品品类方面，对于MMO类游戏，AICG推动智能NPC落地将使得游戏沉浸感和可玩性进一步提升，智能NPC对真人玩家的模拟，也可缓解游戏内在线人数不足问题，满足多样化的社交需求。游戏相关AIGC垂类应用丰富，海外头部与初创公司均有布局，已有众多适用于美术、文案、程序端的垂类AIGC工具落地，多以应用插件、网页、客户端等形式发布。从发布产品上看，科技巨头公司多选择自研攻克底层模型，细分头部公司则关注更好地将AI工具集成到自身产品实现功能辅助。我们坚定看好游戏板块的投资机会。随着版号发放趋于平稳和精品供给持续增加，行业基本面向上趋势明显。且AIGC工具在业务中已经使用，后续有望在产品研发中持续落地。 风险提示 （一）AI监管政策风险 AIGC发展基于公开内容资产进行训练，或涉及知识产权、个人信息保护风险。 （二）海内外技术迭代不及预期 相关技术发展或遇到算法、算力瓶颈及监管收紧，迭代不如预期。 （三）AIGC应用商业化落地不及预期 技术应用落地的商业化能力不足、行业竞争加剧。 报告信息 本摘要选自报告：《传媒行业：生成式AI对于游戏的研发变革以及产业要义》2023-6-4 报告作者： 旷实 S0260517030002 法律声明 本微信号推送内容仅供广发证券股份有限公司（下称“广发证券”）客户参考，相关客户须经过广发证券投资者适当性评估程序。其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，若使用本微信号推送内容，须寻求专业投资顾问的解读及指导，广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。 完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠，但广发证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。 在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。 本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。 本微信号及其推送内容的版权归广发证券所有，广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）