3D資產生成是重點。
來源：競核
作者：朱濤偉
核心觀點：
《71頁深度：遊戲技術力革命，騰網米擁抱AIGC時代》報告著重分析遊戲產業應如何客觀看待、加速落地AIGC；遊戲AIGC終極彼岸在何方；AI新浪潮可能會催生的新商業模式；東西方AIGC衝擊波對各自遊戲產業鏈產生了哪些影響：
1、AIGC是遊戲工業化進入到第三階段的典型特徵
我們維持已有判斷，認為AIGC是遊戲工業化進入到第三階段的典型特徵。大致上，遊戲工業化分別為四大階段：第一階段、積累、整合、中台化；第二階段、3A品質、供應鏈；第三階段、AIGC應用於遊戲產品研發運營；第四階段、Text to Game，AIGC遊戲引擎催生全新的遊戲玩法、交互體驗。
我們認為，當下及不遠的將來，AIGC無法推動中國遊戲廠商赶超西方老牌遊戲廠商。最直觀的效果是提升遊戲工業化水準。
2、遊戲變革奇點在於融合玩法、交互，終極目標是一站式生成遊戲
AIGC之於遊戲變革奇點在於融合玩法、交互，終極目標是一站式生成遊戲（Text to Game ）。當前AIGC之於遊戲，提效多體現在美術圖標、角色對話、文案等單一環節，理想情況是提升現有流程效率10%-20%。
眼下，AIGC在研發運營環節呈現出點狀式、非連續性、弱聯結等特性。像對戰、數值、劇情等領域，AIGC落地遊戲已經相對成熟。遊戲大廠內部，已擁有對應平台及模板；中型遊戲公司，通過投資等形式，已綁定市場上優質創業公司；市場上頭部初創AIGC公司，已形成部分領域較為完善的解決方案，服務於中型遊戲公司。
像引擎、運營數據系統、美術等環節，當前大中型遊戲廠商均處於嘗試階段，應用落地局限於優化引擎代碼、提昇運營數據系統效能以及輔助概念原畫設計、圖標生成等。在文案、素材生成等環節，當前應用僅是輔助參考，尚未落地到研發運營管線中。
3、落地生產管線，需解決有效數據生產、標記不足，模型訓練成本高等難題
AIGC要想全方位落地研發運營生產管線中，需要解決有效數據生產、標記不足，解決方案通用性不高，一次性訓練模型成本過高，遊戲數據私密性等難題。以遊戲開發過程中耗時、耗人最多的3D資產數據庫為例，鮮見億級別規模，這導致當前文字生成3D資產還處於早期階段。
現階段中間態解決方案是，美術畫出結構化圖形，通過程序化建模的方式搭建3D資產。我們認為，文字生成2D資產未來一兩年將變得比較成熟；文字生成3D資產，還需要五年多時間。
4、3D資產生成是重點，各大業務重點不一，打法不一
國內頭部遊戲廠商大多自己組建AI中台部門（如騰訊CDG AI Lab\騰訊IEG Cros；天美/光子技術中心；網易伏羲、互娛AI Lab；米哈遊逆熵研究院等）。它們落地AIGC邏輯是，針對研發流程中耗人工/時間較多的環節，利用AIGC提升研發效率、用戶體驗。
2023年，騰訊、網易、米哈遊三家廠商AIGC落地共通點是自動生產3D資產；區別點是，騰訊遊戲會分出部分精力在動畫生成方面；網易遊戲會重點深耕人機協作，輻射至工程機械領域；米哈遊會重點落地鹿鳴AI，打造強智能數字人。
5、調用量、訓練模型費是主流，商業模式待變革
當前AIGC創企商業模式多為API調用量（1元/AI/天）+一次性訓練模型費用（百萬級別）。目前，已有企業開始探索跟遊戲產品分流水模式。結合我們產業鏈調查，我們認為未來較長一段時間內AIGC創企商業模式仍然是前兩者。要想實現跟遊戲產品分流水，取決於遊戲產品所處生命週期；流水體量；AIGC提升遊戲變現效率（>30%）。
6、國內外遊戲垂直AIGC創企打法迥異，產業土壤決定生態圈
國內、海外AIGC（遊戲向）浪潮發展趨勢存在明顯不同：海外市場已出現面向音頻、2D/3D資產、材質、AI Bot、對話等垂直領域的創業遊戲AI公司；國內市場創業公司多聚焦於AI bot、智能NPC。未來，中國市場大概率不會出現針對細分遊戲模塊的初創公司。
原因在於，海外遊戲市場工業化相對成熟，資產、美術、策劃外包公司已初具規模，擁有正循環的商業模式。創業遊戲AI公司，可跟上述細分領域公司合作，間接地服務遊戲公司。反觀國內游戲市場，工業化尚不成熟，未能在細分領域孵化出頭部公司。
此外，國內AI公司如小冰、超參數、啟元世界、行者AI等，它們早已經佈局遊戲領域。他們能直接觸達遊戲公司，提供服務。鑑於缺失垂直細分領域遊戲公司以及AI公司佈局遊戲領域擠占了市場，因此本輪AIGC熱潮無法推動新一批初創遊戲AI公司崛起。
具體報告
展開全文打開碳鏈價值APP 查看更多精彩資訊