另一方面，嘴唇从一个音过渡到下一个音时，动作的变化有很多不确定因素。这个过程不仅取决于两个相邻音的组合（西方语系可能会多达五个），还取决于发音时间的长短。转音、拖音都会让一句话在AI眼中变得难以理解。”

在深度学习出现后，伏羲研究出的口型动画参数生成技术终于解决了这一问题：只要输入NPC的配音或台词，就能在20ms内生成一段长达20s、效果逼真的口型动画，而且修改之后还能自动适配。《天谕》手游长达几十个小时的剧情，也因此不需要再耗费额外的资源。

截止目前，这项技术为《天谕》手游生产了数十个小时的表情动画，相比于传统动捕+手K动画的方式，其节省了大量的制作成本和时间。

与之相似的还有《天谕》手游中的自动编舞功能。虽然它和口型动画一样，都讲究动作之间的流畅转换，但又有着不同的难点：怎么让AI理解音乐与舞蹈？

伏羲的做法是先邀请专业舞蹈演员进行动捕，然后将音乐元素转译成舞蹈动作，让AI听到音乐或看到乐谱，就能联系到对应的舞蹈动作。之后则是用大量的动捕数据训练模型，再设计出合适的约束算法和引擎播放机制，保证不同动作之间能做到流畅转换。

在完成这个功能之后，玩家在游戏中输入一段音乐，系统就能自动生成一段舞蹈。如果你选择手动编排，AI还会给出评价分数。

这样的功能不止能让玩家觉得新鲜，对开发者来说，它也能复用到其他场景中。比如NPC的跳舞动作不需要再做动捕，其他游戏也能植入跳舞、编舞功能。像《逆水寒》、《天谕》手游等已经能跳多种风格的舞蹈，如果想很快地搭建其他舞种系统，需要做的，只不过是根据风格需求改换不同的舞种数据。

能激进，也能猥琐的AI对手

比起这些定制化的特色功能，AI在战斗系统中做的像是“一条龙”服务。

“竞技游戏的核心体验就是对抗性，但没有人会喜欢一直被虐或单纯虐菜。在这方面，我们用算法匹配与战斗机器人等技术保证玩家体验。”

从战斗前的匹配机制开始，伏羲就要考虑到诸多因素。不论是MOBA、STG，还是MMO中的PVP玩法，都需要平衡对阵玩家之间的战斗力。但在游戏中这相当复杂，比如MMO角色有自身装备属性，同时也存在队友协作、属性克制，打法风格也存在差异，有的喜欢正面刚，有的喜欢打拉扯；而MOBA中玩家控制的每个角色都不一样熟练，又是另一种不平衡。

他们的做法是把所有玩家的特征输入到模型中，让模型预测、模拟对局情况，并给出最优组合策略。以《天谕》手游为例，AI会根据每个玩家的战斗数据，再为他寻找实力最相近、打起来最有可能局面胶着的对手。

在对照测试中，对比原有的匹配规则，《天谕》手游PVP玩法的平衡性使用AI后提升了15-25%。而玩家在感受到这种体验之后，参与玩法的频率也提升了5-10%。

在战斗过程中，AI同样大有作为。除了观测、分析数据，它还能托管PVP挑战玩法中的防守方来与玩家对决。传统的方法往往是通过状态机操控，手动编写规则。但这样的机器人出招基本被钉死，容易被玩家嫌弃不说，也容易被项目组抛弃。

就拿《天谕》手游来说，其中有5个职业，每个职业有十几个技能，套路、连招都各不相同。光是研究出每个职业的路数并编写行为树，要花费的人力就不老少了。

而伏羲开发的战斗机器人通过学习大量战斗数据，能自己总结出战斗方法。它不仅适应不同的门派、天赋，还能表现出不同的风格打法——能猥琐，也能激进。只要给机器人设定不同目标，它就能学会相应的风格。比如目标是尽快结束战斗，机器人就会更激进，力求速战速决。

通常，你会和机器人打得有来有回

另外，机器人的水平也能手动调整，抑或是自动与玩家适配。这样一来，它的应用场景会变得相当广泛：最高难度的机器人，或许只有电竞选手才能战胜，可以作为挑战目标、PVE的BOSS等，而低难度的也能供新手玩家练手。

无芽草告诉我，这项服务已经应用于8个线上游戏、22个游戏场景，日均使用人次超过百万，累计服务的国内外玩家也超过千万。

比起强调「快思维」的即时战斗，《天谕》手游中还有侧重于「慢思考」的卡牌对战玩法“谕戏”。这个玩法同样搭配了AI操控的卡牌机器人，你可以将其理解为类似于AlphaGO的机器人。不过在谕戏中有数百种卡牌，还有复杂的机制、规则，让AI学会谕戏，是比学会斗地主、麻将更难的一件事。

为了让玩家在挑战机器人时有更多乐趣，伏羲在卡牌机器人的决策中加入了大量的博弈成分——怎样为之后几手布局、怎样发挥卡牌间叠加效果、怎样在增强自己的同时削弱对手……得益于这些“小心思”，谕戏机器人有了很高的策略水平，往往能在对战时与玩家旗鼓相当，吸引更多人挑战。

AI可能比你更了解你

在这些易于感知的场景之外，AI还藏在一些不容易被发现的场景中。即使你每天玩游戏，也不一定会察觉到它。

其中最典型的是反外挂系统，遵守规则的寻常玩家当然不会关注这样的模块，但那些用脚本、外挂牟取暴利的工作室，可能对它再熟悉不过了。在MMO中，这样的脚本多不胜数，而且具有变异、进化的能力，如果纯粹靠人力检举，游戏环境可能永远得不到安生。

简单来讲，伏羲的基础做法是通过多个场景的AI检测，找出一些行为可疑的账号——一般外挂的行为序列、关系数据等都会有相似性，这就是它要抓住的线索。然后再对这些账号聚类分析，找出违规者。在长期对抗外挂的过程中，系统还会自动迭代新样本的特征，让那些变异和进化的外挂无所遁形。

和反外挂相似的还有社交推荐系统——为什么这两个听起来风马牛不相及的模块会相似？因为《天谕》手游中的社交推荐同样通过多场景了解玩家，只不过这次是针对于真人。MMO中社交的重要性自然无需多言，即使是看风景的玩家，也会渴望有朋友一起玩。但只靠玩家自身结交，会不会太“随缘”了？

在接入AI推荐系统后，你会见到每个人的标签和互动信息，例如性格、活跃时间，或是你们曾经共同战斗等等。这样的缘分标签在系统中有几十种，再加上其他各种属性标签，总数量可能超过数百个。无芽草说，他们会在图神经网络中为每个玩家构建画像，然后根据他们的社交偏好，预测两个玩家可能的好感度，挖掘玩家二度、三度，甚至更高维度的隐性联系。

听起来是不是有点像交友App？但无芽草告诉我，游戏AI还与App有所不同。在App中，用户信息大多是手动填写，可你或许没那么了解自己；而在游戏中，AI会借助它观察到的游戏行为来了解你，建立起的形象可能会更加丰富、准确。

根据他们观察，这种方法确实很有用：玩家通过AI推荐结成好友后，在友好度和后续的深度互动上，都会比靠传统方式结成好友的玩家深厚、频繁。

AI能成为游戏工业化的核心竞争力吗？

如今，AI在游戏中的应用已经不是一件稀奇事，但真正能用好的人并不多。一方面，拥有一整套AI技术需要大量成本和长期研发时间死磕；另一方面，同时有AI技术和游戏理解的人才也在变得越来越难招。

无芽草说，如今研发的边际效应很严重：很多公司做一套复杂的大系统，从0到1只需要跨出最关键的一步，就能得到质的飞跃；但要从1做到100，投入会非常大，回报却未必很高。这就是AI在现阶段所要做的——让从1到100的过程更省力、更高效，让低分的上升到及格线，让高分的越来越接近满分。

我们不妨假设一下：如果这样的技术都能模块化、便捷地接入各种游戏，游戏行业会变成什么样？到那时，所有中小型厂商就不再和大厂在起跑线上有巨大的落差，大家都不需要重复造轮子，那么真正比拼的就将是游戏行业最需要的优质内容。

而且，快速复用能力也只是AI的一部分潜力，在将来，或许它还能在游戏中带来颠覆性体验。例如最常见的AI对话，无芽草说，伏羲已经能做到让机器人在不同的场景有不同的个性。那如果把这种能力应用到每一个NPC身上，让他们都有自己的个性、人设，甚至行动、事件都不需要人为设计呢？这样的游戏，可能会改变整个行业的设计理念。

而伏羲就正在考虑做这样的事——把AI能力通用化、抽象化、标准化，让AI成为游戏工业化的一部分。他们能做得多好？我实在没法断言。但我相信，在AI成为游戏工业化核心竞争力的时代，游戏行业可能会真正地“百花齐放”。

游戏葡萄招聘产业记者/内容编辑，

赛博朋克2077 ｜ 暗黑：不朽 ｜ 二次元抽卡

我们把公司做死了 ｜ 专访王一 ｜ 2020版号

天涯明月刀 ｜ 游戏公司转型潮 ｜ 发行大困局

最新的游戏专业书上架啦！