華爾街見聞·見智研究特邀到了方正證券AI互聯網首席分析師【楊曉峰】詳細拆解了AI大模型對游戲行業能夠帶來哪些降本增效的影響，并且初步預判該影響至少要二個季度才能反應在財務上。

核心觀點：

(相關資料圖)

1、AI現在有兩個大模型能夠極大程度提高游戲在美術制作流程上的效率，節省制作成本以及縮短時間。這兩個大模型分別是Stable Diffusion和NeRF模型，能夠分別在游戲美術制作過程中，對2D和3D場景和人物生成進行優化。

2、Stable Diffusion又稱文生圖模型，能夠生成多視角的2D圖，進一步為生成3D圖奠定基礎，但是條件受限于需要性能等級高的顯卡，因此在普通消費者群體中很難大范圍滲透。

3、NeRF模型主要是對2D-3D過程進行了降本增效，當前制作一個3D游戲角色的周期在30-45天左右，且需要的步驟較多，參與的人員眾多；使用NeRF可以快速建模，從而提高效率，節省成本。之前要10個工作日的工作現在只需要半天到一天就能完成，這相當于節省了90%的時間。

4、但是NeRF模型尚未達到引爆點，主要原因是該技術有一定壁壘，不過龍頭公司Luma AI，開發了NeRF相關的APP，目前已上線APP Store，極大的降低了NeRF的使用門檻，預計在未來的半年到一年內會取得突破性進展。

5、總得來看，AI模型能夠對游戲研發設計過程中成本和時間進行極大的優化，據不完全統計，在游戲的研發成本中美術成本一般占50%到80%。如果一個游戲公司的研發成本占70%，那么其中的40%基本上都可以大幅降低。

6、大公司和小公司的區別就是否只能降 2D 的錢，還是也能降 3D 的錢，如果 2D 和?3D 都能降低了，那么整個降本增效的幅度其實是60%-70%都不一定打得住，所以說下降的幅度其實非常大的。

正文:

見智研究：為什么AI在游戲的應用受到關注？

楊曉峰：

核心原因是游戲公司的商業模式相對比較優秀，他們有一定的資源可以運用AI模型。另一個原因是現在有很多 AI 模型已經比較成熟，例如 AI 作畫，這直接顛覆或者改變了游戲行業，所以目前來看游戲行業是最快應用 AI 的行業。當然，動畫行業也是類似的，因為現在國內和國外的技術水平基本持平，尤其在 AI 作畫方面。

最近我們注意到海外有一款游戲，其中有好幾個角色都是通過人工智能控制的?？梢韵胂?，這款游戲就像《西部世界》一樣，游戲中的許多角色都有自己的成長軌跡和個性。在這個世界里，除了玩家自己以外，每個人都是真實的。這種體驗的沉浸感非常高，這種應用將會越來越普及。這種體驗其實就是 NPC 的一個改進。

我們還注意到另一個案例，當我們用游戲制作美術的時候，花同樣的錢，我們可以把整個美術場景做得越來越漂亮。過去，我們只能把在前面的視角做得比較漂亮，但現在花同樣的錢能把整個視覺都做得非常漂亮。我們已經看到很多這樣的案例。

此外，我們最近還發現了一個名為?Inword 的平臺。這個產品事先已經訓練好了各種非常有性格的人物角色，可以直接將這個代碼集成到游戲中。這樣游戲中可能會出現像馬斯克這樣有性格的角色。其他人已經把這些集成好了，只需要接入使用就可以了，游戲體驗將會得到非?？焖俚母纳?。

見智研究：哪些AI模型可以應用于游戲領域？各自的特點是什么？

楊曉峰：

現在有兩種成熟的模型，一種是大文本模型，另一種是 2D 作圖模型，還有一種處于爆發期的2D轉3D NeRF模型。

第一類模型是文本生成模型，例如 ChatGPT 和國內的各種大模型，它們可以接受文本輸入并輸出對應的文本，這種模型被廣泛使用。但在游戲中，通常直接使用其中的角色。

第二類模型類似于文生圖，它可以根據輸入的文本生成各種各樣的圖片。這種模型已經非常成熟，大多數互聯網公司都在使用它來生成圖片。比較著名的有Stable?Diffusion和 Midjourney，其中Stable?Diffusion的使用較為廣泛，因為它所需的費用較少；Midjourney面向消費者，使用體驗較好，且對電腦的要求較低。因此，后續制作 2D 圖像時可以使用它。

現在還有一個模型即將爆發，可能會在未來半年到一年內實現，它是將 2D 轉化為 3D 的模型，名為神經輻射場（NeRF）。只需拍幾張照片，就可以立即生成一個包括場景和人物的 3D 模型。想象一下以前制作游戲時需要的場景圖，如刺客信條中的巴黎場景。現在只需花費一些資金用無人機拍攝一些視頻，就能立即將 3D 模型建立起來，成本降低非?？臁＿@是目前可能已經使用的模型。

見智研究：生成3D模型的方式有哪些？分別有何優劣？

楊曉峰：

過去生成 3D 的方法一般是通過畫平面圖進行建模，例如對于一個角色，可能需要從不同視角畫多張圖來進行建模。然后建模師會使用建模軟件一個個搭建，例如將立體的頭發貼到人臉上。這種方法需要花費大量的時間，可能需要 2 到 3 周才能完成一個人物的建模。優勢是每個物體都是比較精巧的立體結構，但劣勢在于時間成本很高，因此一般會交給外包公司去完成。

還有一種叫照相技術的方法，即通過拍攝物體的照片來建立模型，但是每張照片必須要重合50%才能建立一個模型，但這種技術對光影等細節處理比較困難，因此很少被使用。
最近開始使用的 NeRF 模型已經有了一篇公開的論文，目前可供使用的軟件只有兩個：Instant NGP和Luma。目前這兩個產品已經能夠做到只需拍攝一個物體，即可立即生成3D模型。但它也有缺點，即在制作產品時未考慮兼容性。

比如在英偉達的生態系統內制作了一個非常漂亮的3D模型，但我們并不會考慮將其優化并放到Unity或虛幻引擎中運行，因為3D建模完成后必須將其放入游戲引擎中才能產生最佳效果。目前看來，這個領域仍在發展中，但是Luma已將其插件放入虛幻引擎和游戲引擎中，它的進展可能會更快。我們可以這樣理解：目前這個模型并不十分開源，因此需要一些人工智能工程師才能更好地使用它。優點就是確實可以降低很大的成本，但是需要掌握一些相對高水平的技能。

見智研究：NeRF是否會替代原來的 3D 模型成為未來主流選擇?

楊曉峰：

我認為大概率會實現，因為行業目前的最新進展是，就像我們剛才介紹的，2D照片可以生成3D模型?，F在，行業最新的動態是可以直接進行修改，比如說我有一個自己的人物3D模型，我可以通過輸入文本，將我的人物頭像替換成馬斯克的頭像。這個技術已經相當成熟了。

最近，有一個海外的大一新生，對NeRF技術貢獻了非常迅速的進展。將來，你可以通過文本修改3D模型，例如，你可以讓它為你的模型加胡子或眼鏡。這個功能看起來非?？犰牛蚕喈攺姶?，但如果你了解其原理，你就會發現其實并不是那么難，只是以前沒有人去優化。

現在大多數人使用模型進行嫁接，每個模型都有自己擅長的領域。例如，文本模型擅長處理文本輸入和輸出，Stable?Diffusion擅長生成 2D 圖像，而 NeRF 模型則擅長將 2D 圖像轉換為 3D 圖像。

未來的發展趨勢是將所有模型連接在一起，用戶只需簡單地表達意圖，模型就能幫助實現任務。目前，NeRF 模型是最具潛力的模型之一，但其尚未達到引爆點。預計在未來的半年到一年內，NeRF 模型會大放異彩。

見智研究：Stable?Diffusion模型的特點是？

楊曉峰：

我們剛才提到了 NERF 可以將 2D 照片轉換成 3D 圖片，而Stable?Diffusion 本質上是一個文生圖的工具。這個工具為什么會這么受歡迎？它目前的功能有多強大？

在去年的 11 月到 12 月之前，這個軟件其實并沒有什么熱度，但突然間變得火爆起來。原因是有人上傳了一個數據包，用戶只需要輸入想要的卡通或真人形象，就能迅速生成一個非常漂亮的圖像，吸引了大量用戶涌入。同時無數人也開始為其提供各種訓練數據包，進一步豐富了其功能，現在不僅能畫出二次元卡通和真人形象，還能畫出 GTA5 的圖像。

這個軟件之所以能如此強大，因為市場上的無數用戶都在為其提供訓練數據包，使得模型能夠生成各種精美圖像。但是需要注意的是，這個軟件需要較好的顯卡，最好是 3090 或者更高的4090，因此對于普通消費者的用戶體驗可能一般。為此，有人專門用Stable?Diffusion的建模開發了網頁版，讓用戶不需要擁有好的電腦，就能在網頁上使用。不過，這個服務需要付費，普通用戶每月需要支付幾十美元，企業用戶則需要支付更高的費用。

因為開源的原因，現在Stable?Diffusion 不僅能夠生成靜態圖像，甚至能夠生成視頻。這是因為在今年3月份，有人修改了底層代碼，使得可以規定 AI 作圖的一些參數，例如如果我畫了一匹馬，我可以再畫一張馬抬腿的圖像，然后將每個馬的腿都抬起來，合成為一個視頻。這就是為什么現在國內外很多公司突然推出了 AI 視頻的原因，因為它們都是基于 Stable?Diffusion這個原理，只是可能在這個渠道上進行了一些優化。

此外，Stable?Diffusion 現在更強大的一點是可以無中生有地建立 3D 模型，只要你能描述這個物體的各個角度，它就能夠生成多個角度的2D圖片，接著再利用多視角的2D圖片生成3D圖片。因此未來是可以無中生有的生成 3D 的。這意味著Stable?Diffusion 已經成為了 AI 作圖領域最強大的工具之一，其他的工具都是在其基礎上進行迭代。

見智研究：開源的模型的優勢和意義在哪？拓展插件對于模型起到什么作用？

楊曉峰：

模型一旦開源，全球頂尖的人才就可以使用它并做微調，他們可以貢獻各種各樣的素材包，使得模型使用效果更強大。因為Stable?Diffusion開源，全球所有人都可以享受到這個 AI 作圖的紅利，大家都可以在上面進行修改或將其放到自己的服務器上。開源意味著這個軟件的每一條代碼都是公開的，可以下載到本地，而別人也無法對你進行操作。

當然，行業可能需要一些相對厲害的人才，才能將這個產品推向更高層次，修改底層代碼，進一步提升產品水平。因此，開源對整個模型的進步速度非常快，可以想象，在 11 月和 12 月之前，大多數人的水平都比較低，但是因為開源，無數人在 1 月和 2 月份上傳了數據包，3 月份修改了底層代碼，這個產品的進展就非?？炝??？梢赃@樣理解，開源把所有人的水平都提高了一個非常高的狀態。

見智研究：模型開源很大程度加速了應用層面的落地？

楊曉峰：

Midjourney為什么會如此受歡迎呢？并不是因為它有技術上的優勢，而是因為它更能夠滿足C端用戶的需求。比如，我們都知道Stable?Diffusion技術很好，產品性能也很好，但問題在于并非每個人的電腦都有如此高的顯卡，同時，數據包越多并不一定意味著更好的體驗，因為很多人更想要一些更加真實的、大氣的效果，對吧？因此，很多產品都是在這個基礎上針對C端用戶的體驗進行了優化。背后的技術可能需要使用Stable?Diffusion等原創技術，或者出于成本考慮使用其他技術，但對于普通的C端用戶，使用Midjourney基本上就足夠了。

見智研究：AI是如何對游戲進行降本增效的？

楊曉峰:

以一個游戲公司為例，該公司的研發成本中，美術成本一般占50%到80%。因為有些游戲的用戶數量非常多，不能出現卡頓等問題，因此游戲的程序成本非常高，那么美術成本占據了研發成本的 50%。但是有些游戲只是卡牌游戲，只需要將卡片畫好，它就能自己動了，這種游戲的美術成本占據了80%?？梢韵胂笠幌逻@種情況下的成本。

而作為游戲美術，首先，我需要設計游戲的UI界面，如果我手頭有10個人，其中一個人會負責繪制游戲橫屏的UI界面，比如登錄界面。剩下的三個人會設計人物模型，做2D的人物設計，比如繪制多個視角下的角色，通常需要兩周的時間才能完成一個角色的繪制。

這四個人以前需要兩周才能完成的工作，現在只需要半天就能完成了。這意味著我們可以節省很多時間和成本。之前需要10個工作日的工作現在只需要半天到一天就能完成，這相當于節省了90%的時間。

如果我們只考慮2D方面，那就是2D的人物和平面界面。其余的六層都是外包給其他人做建模的。比如說，我拿到了一個2D的畫面，我可以找一個建模師幫我把它建成一個3D的物體或人物，這個錢一般都是給外面的人。這一部分成本是可以砍掉的。

但NeRF不是開源的，很多公司沒有這么優秀的AI人才去使用它，所以這方面的進展還不是很大。如果一個游戲公司的研發成本占70%，那么其中的40%基本上都可以大幅降低。

所以我覺得說，大公司和小公司的區別就是你是否只能降 2D 的錢，還是說你也能降 3D 的錢，如果你 2D 加 3D 都能降低了，那么我覺得整個降本增效的幅度其實是60%-70%都不一定打得住，所以說下降的幅度其實非常大的。

互動環節：

見智研究：游戲降本增效的成果多久能夠反映在財務報表上？

楊曉峰：

這個主要看的是一個自上而下的邏輯，因為 2D 作畫這個工具在今年一、二月份才開始反映，在公司內推行基本上要到4月以后，可能在二季度甚至三季度會逐步顯現。

而從模型上來看，生成多個視角圖的功能都是在 3 月份才開始的，二季度慢慢地就開始熟練起來，三季度可能慢慢就顯現出來了成品效果。

見智研究：對擁有 IP 較多的公司會有什么影響？

楊曉峰：

IP的價值被認為很高，因為它可以持續產生產品。通過提高生產能力，像迪斯尼動畫一樣，供應量可以大幅增加，但需求可能無法跟上。人工智能可以將生產能力增加至5倍，但市場是否能夠承受這么多還不確定，可能需要打折扣。擁有強大的IP可以增加產品的吸引力，因為隨著產品數量的增加，創造新IP變得越來越困難。

見智研究：對于不同類型的游戲公司降本增效的方式會有哪些側重？

楊曉峰：

我們首先看的就是對于頭部的公司而言，它降本增效特別明顯，就是2D、 3D 同時降，因為他們招的是一些頂級的 AI 工程師，所以2D、 3D 都能降。他們可能能夠跟海外的 3A 大廠進行競爭了，因為 3A 大廠過去構筑的那種美術壁壘就相對于漏了非常多，那么這是頭部的公司，那么對于中腰部的公司而言，就相對而言說，它可以通過使用一定的技術把自己的成本降下去。

見智研究：接下來您比較看好的是哪些的賽道？

楊曉峰：

AI作畫是當前比較成熟的技術之一，其中動畫和游戲是最有可能最快落地應用的領域。由于之前美術人才緊缺，這些行業在使用AI作畫后將大幅提高產能。此外，隨著時間的推移，使用AI作畫的成本也會顯著降低。因此，這兩個領域是值得關注的賽道，不僅能降低成本，還能快速提高產能。

風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

關鍵詞：