71页深度报告：游戏技术力革命，腾网米拥抱AIGC时代

来源： “竞核”（ID：Coreesports） ，作者：朱涛伟

图片来源：由 无界版图AI 工具生成

 

核心观点：

 

《71页深度：游戏技术力革命，腾网米拥抱AIGC时代》报告着重分析游戏产业应如何客观看待、加速落地AIGC；游戏AIGC终极彼岸在何方；AI新浪潮可能会催生的新商业模式；东西方AIGC冲击波对各自游戏产业链产生了哪些影响：

1、AIGC是游戏工业化进入到第三阶段的典型特征

我们维持已有判断，认为AIGC是游戏工业化进入到第三阶段的典型特征。大致上，游戏工业化分别为四大阶段：第一阶段、积累、整合、中台化；第二阶段、3A品质、供应链；第三阶段、AIGC应用于游戏产品研发运营；第四阶段、Text to Game，AIGC游戏引擎催生全新的游戏玩法、交互体验。

我们认为，当下及不远的将来，AIGC无法推动中国游戏厂商赶超西方老牌游戏厂商。最直观的效果是提升游戏工业化水准。

2、游戏变革奇点在于融合玩法、交互，终极目标是一站式生成游戏

AIGC之于游戏变革奇点在于融合玩法、交互，终极目标是一站式生成游戏（Text to Game ）。当前AIGC之于游戏，提效多体现在美术图标、角色对话、文案等单一环节，理想情况是提升现有流程效率10%-20%。

眼下，AIGC在研发运营环节呈现出点状式、非连续性、弱联结等特性。像对战、数值、剧情等领域，AIGC落地游戏已经相对成熟。游戏大厂内部，已拥有对应平台及模板；中型游戏公司，通过投资等形式，已绑定市场上优质创业公司；市场上头部初创AIGC公司，已形成部分领域较为完善的解决方案，服务于中型游戏公司。

像引擎、运营数据系统、美术等环节，当前大中型游戏厂商均处于尝试阶段，应用落地局限于优化引擎代码、提升运营数据系统效能以及辅助概念原画设计、图标生成等。在文案、素材生成等环节，当前应用仅是辅助参考，尚未落地到研发运营管线中。

3、落地生产管线，需解决有效数据生产、标记不足，模型训练成本高等难题

AIGC要想全方位落地研发运营生产管线中，需要解决有效数据生产、标记不足，解决方案通用性不高，一次性训练模型成本过高，游戏数据私密性等难题。以游戏开发过程中耗时、耗人最多的3D资产数据库为例，鲜见亿级别规模，这导致当前文字生成3D资产还处于早期阶段。

现阶段中间态解决方案是，美术画出结构化图形，通过程序化建模的方式搭建3D资产。我们认为，文字生成2D资产未来一两年将变得比较成熟；文字生成3D资产，还需要五年多时间。

4、3D资产生成是重点，各大业务重点不一，打法不一

国内头部游戏厂商大多自己组建AI中台部门（如腾讯CDG AI Lab\腾讯IEG Cros；天美/光子技术中心；网易伏羲、互娱AI Lab；米哈游 逆熵研究院等）。它们落地AIGC逻辑是，针对研发流程中耗人工/时间较多的环节，利用AIGC提升研发效率、用户体验。

2023年，腾讯、网易、米哈游三家厂商AIGC落地共通点是自动生产3D资产；区别点是，腾讯游戏会分出部分精力在动画生成方面；网易游戏会重点深耕人机协作，辐射至工程机械领域；米哈游会重点落地鹿鸣AI，打造强智能数字人。

5、调用量、训练模型费是主流，商业模式待变革

当前AIGC创企商业模式多为API调用量（1元/AI/天 ）+一次性训练模型费用（百万级别）。目前，已有企业开始探索跟游戏产品分流水模式。结合我们产业链调查，我们认为未来较长一段时间内AIGC创企商业模式仍然是前两者。要想实现跟游戏产品分流水，取决于游戏产品所处生命周期；流水体量；AIGC提升游戏变现效率（>30%）。

6、国内外游戏垂直AIGC创企打法迥异，产业土壤决定生态圈

国内、海外AIGC（游戏向）浪潮发展趋势存在明显不同：海外市场已出现面向音频、2D/3D资产、材质、AI Bot、对话等垂直领域的创业游戏AI公司；国内市场创业公司 多聚 焦于AI bot、智能NPC。未来，中国市场大概率不会出现针对细分游戏模块的初创公司。

原因在于，海外游戏市场工业化相对成熟，资产、美术、策划外包公司已初具规模，拥有正循环的商业模式。创业游戏AI公司，可跟上述细分领域公司合作，间接地服务游戏公司。反观国内游戏市场，工业化尚不成熟，未能在细分领域孵化出头部公司。

此外，国内AI公司如小冰、超参数、 启元世界 、行者AI等，它们早已经布局游戏领域。他们能直接触达游戏公司，提供服务。鉴于缺失垂直细分领域游戏公司以及AI公司布局游戏领域挤占了市场，因此本轮AIGC热潮无法推动新一批初创游戏AI公司崛起。

 

具体报告