遊戲行業報告-AI生成3D：關註遊戲行業「AI拐點」

2024-03-27遊戲

報告出品方：國泰君安

以下為報告原文節選

------

1. 遊戲產品的趨勢：3D 化、UGC、碎片化

1.1. 3D 化：3D 建模成為頭部產品標配

頭部手遊已經進入全面 3D建模時代。根據sensor tower 釋出的統計數據，過去 48 個月中，曾進入全球手遊收入 top10 的遊戲共 38 款，上榜超過10 次的遊戲有 16 款，其中大多都涉及到 3D 建模，7 款遊戲為絕對頭部，上榜超過 30 次，其中 5 款遊戲依賴於 3D 建模視角（【王者榮耀】【絕地求生】【ROBLOX】【原神】【Pokemon GO】）。隨著手機終端的效能提升和價格下降，玩家遊玩 3D 遊戲的門檻在持續降低，而 3D 在畫面展現的豐富度和美觀度上要優於傳統 2D，自然會受到更廣泛玩家群體的認可。

1.2. UGC 化：平台提供基礎玩法，使用者自己生產內容

遊戲本質是「內容」和「玩法」的體驗，後者可重復體驗，更容易留住使用者。遊戲玩家在遊戲中希望收獲好的內容認知或是遊玩體驗，大多數遊戲都可以在「內容」或「玩法」的二元劃分中找到自己更偏向的一級。
從近年來的頭部遊戲產品來看，偏向「玩法」內容的明顯更多，如【王者榮耀】【絕地求生】等，這些遊戲並不重視故事性，玩家重復體驗相似的玩法；而「內容」內容的包括【原神】【PokemonGO】等，玩家更關註主線故事或人設故事的體驗。

具體而言,「內容」就是要「講好一個故事」，遊戲透過線性敘述（如各類單機遊戲）、豐富而具體的人設（如二次元向、收集類）等獲得玩家的認同，因此遊戲營運方要持續進行內容更新和投入，如不斷推出新內容、資料片，從而延長遊戲的內容時長，留下玩家，因此大型 MMORPG的主線劇情會持續更新，如【劍網 3】需要營運團隊十幾年來持續保持每年 2-4 次的資料片更新頻率，【魔獸世界】的每次更新都伴隨著大量的主線劇情的更新，給使用者以「追劇」般的體驗。
而「玩法」核心是「一次好的體驗」，玩家重復遊玩相似的內容，只是過程和結果不盡相同，玩家希望從遊戲中收獲的是體驗或成就，關註玩法的創新性、體驗的順暢性，所以如 MOBA、「大逃殺/吃雞」類等遊戲，每個賽季的更新主要是推出新主題、新英雄/裝備、新裝飾/商品，從而豐富玩法中的各類元素，核心工作量在於對遊戲模型的更新。如【王者榮耀】每 3 個月為一個賽季，最新的 S34 賽季，貼合新春時期，采用了「天穹節」的設定，相應推出了一系列皮膚、戰令計劃、組隊功能方面的更新，而核心玩法或者劇情並沒有大幅變化。

UGC 已經成為過去十年新玩法出現的重要來源。近年來的頭部遊戲中，「MOBA」、「大逃殺/吃雞」、「自走棋」等玩法占據重要位置，相對傳統的 MMORPG、三消、卡牌等玩法，已經成為了重要的遊戲類別，這些玩法都是脫胎於玩家的二次創作，或是借助成熟遊戲中的 UGC 功能，是玩家創意的體現，玩家會透過 MOD 的形式修改遊戲的外觀或玩法，一些遊戲產品官方直接提供各類 UGC 板塊，如地圖編輯器、創意工坊等，玩家可以透過對遊戲提供的現有元素進行組合，設計出新的玩法，再進行發揚光大，形成了最後商業成熟的玩法。

如「MOBA」就是來自【魔獸爭霸】的地圖編輯器。「MOBA」也被稱為「類 DotA」，其原型來自經典即時戰略遊戲【魔獸爭霸】中地圖編輯器的一張地圖【defense of the ancients】，該地圖奠定了上中下三路防守、攻破對手大本營、操控單一英雄升級和購買裝備等基本玩法要素，經由【Dota】、【Dota2】【英雄聯盟】【王者榮耀】等產品一路發展至今，核心玩法基本沒有改變，可以說「MOBA」的核心就是來自玩家創意。
再比如「大逃殺/吃雞」玩法來自【武裝突襲】的玩家 MOD。「大逃殺/吃雞」出處是日本電影【大逃殺】中提到的競爭淘汰機制，遊戲【武裝突襲】的 DayZ MOD 設定了拾取隨機裝備、壓縮生存空間、最後一人勝出的玩法，愛爾蘭玩家格裏尼做了進一步設計，將原 MOD 中的僵屍元素剔除，形成了如今拾取槍械和物資、對抗其他競爭者的形態。之後【DayZ】獨立成為一款遊戲，這種玩法也出現了更多競品，如【pZ1】【PUBG】，甚至手遊端的【小米槍戰】【荒野行動】【和平精英】，在這個基礎上也增加了很多其他元素，衍生出包括【APEX】【堡壘之夜】【永劫無間】之類的「吃雞+」的玩法。

除了玩法外，玩家也可以透過邏輯和劇情觸發的方式創造內容。如【魔獸爭霸】的編輯器提供了劇情觸發的選項，透過角色的動作設計和鏡頭設計，玩家可以調整畫面觀察視角，使用 3D 模型演繹事先編輯好的劇情。像素風的模擬創意遊戲【Minecraft】中，大量玩家借助基本元素搭建自己的地圖世界，制作遊戲，甚至制作劇集內容，如 2014 年由神遊八方制作的【我的三體】第一季，前 8 集由初期團隊借助【Minecraft】的遊戲引擎制作而成。

1.3. 碎片化：小遊戲崛起，適合更廣泛受眾的輕量需求

由於網絡基礎設施改進和供給的極大豐富，流動互聯網使用者註意力被短影片為代表的碎片化內容進一步分散。從使用時長占比上看，短影片的時長占比從 2019 年的 15.2%逐年提升到了 2022 年的 28.5%，即時通訊與線上影片的時長占比被相對壓縮。

類似短影片，小遊戲由於輕量化、便捷的特點，近幾年活躍度明顯提升。
使用者規模角度來看，截至 2023 年 6 月，微信小遊戲累計服務使用者超 10億，MAU 超 4 億，背後是截至 2023 年達到 30 萬的龐大開發者群體。

抖音方面，截至 2023 年 12 月，抖音 DAU 超 6 億，其中小遊戲人群占比 49%，抖音小遊戲 DAU達 3 億，相比 2021 年的 0.8 億增幅超過 200%。
抖音小遊戲榜 Top50 中，一半左右的遊戲為偏輕度玩法。近兩年來抖音小遊戲活躍使用者增長迅速，2023 年增速較上年增加近 3 倍。

小遊戲吸引了更多原本不玩遊戲的使用者，擴大了遊戲基本盤。根據微信公開課 PRO，微信小遊戲的使用者中，遊戲流失使用者及非遊戲使用者來源占比分別為 41%和 22%，僅 37%為原本遊戲活躍使用者。

小遊戲玩家付費仍有提升空間。在 2022 年的調查中發現，純小遊戲付費使用者單價整體較低，53.2%只玩小遊戲的使用者每月在遊戲中消費金額不到 50 元，相對而言，純 APP 遊戲的付費使用者中 70%以上的月花費超過 50 元，說明近期還在培養消費習慣的階段。

微信小遊戲市場或將在 23 年達到 400 億，關註變現成長趨勢。小遊戲依托微信、抖音等超級流量平台，借助「點選即玩」的輕量模式，快速觸達大量使用者，又以簡單、快節奏、高黏性的玩法留存，使用者規模長足增長，市場已經邁過了發展的早期階段，微信小遊戲市場規模預計 2023年可達 400 億以上，增速達 50%，體現了這一細分方向的潛力。

2. 「AI 生成 3D」作用於核心環節，可影響 B/C 兩端

2.1. 目前生成式 AI 多作用於遊戲的指令碼、原畫設計等環節

遊戲產品是文本、圖片、音訊、影片、動畫、編程程式碼等多種內容形式的綜合，從規劃到上線營運涉及復雜的生產過程，一般而言可劃分為四個環節：1）概念階段，主要是文字形式，如各種提案、指令碼的文件，策劃人員需要討論並確立遊戲專案的玩法、世界觀、風格等主基調方向，從而完成系統、劇情、關卡等內容的策劃工作，為後續的正式開發奠定基礎，因此該內容需要盡量詳細和嚴謹。
2）demo 開發，一般涉及簡單的開發工作，開發者會做出一個「草稿」從而對策劃概念進行驗證和調整。
3）開發階段，一旦確認遊戲的方向，產品進入正式開發，就涉及到程式（程式碼）、美術（影像、3D、影片）、音訊音效等多個生產環節，中間也會有各種測試，這一階段也是遊戲生產需要人員、時間、金錢最多的環節。
4）上線營運階段，遊戲開發完畢後上線，進入宣發和營運狀態，遊戲產品與其他內容產品的一個巨大差異在於，其上線後仍然需要持續更新和維護，如推出新資料片、新的付費專案等，或多或少仍然涉及各類開發工作。

生成式 AI 經歷一年多發展，但目前仍主要用在文本、影像環節。遊戲行業使用 AI 由來已久，如畫面渲染、程式邏輯等環節，AI 可以輔助提升效率，而隨著 2023 年 ChatGPT 為代表的生成式 AI 大發展，這種輔助作用呈現擴大化、低門檻化的趨勢。由於 AI 在不同領域發展水平不一，在遊戲的不同環節發揮的作用也有不同。
指令碼設計、文件寫作、智能 NPC：相對最成熟的文本類 AI（ChatGPT、NewBing、文心一言等）已經可以較好的勝任指令碼寫作等工作內容，甚至一定程度上接管智能 NPC 的角色。
程式碼編寫：GitHub Copilot 等 AI 依據龐大的程式碼數據訓練基礎，能夠一定程度上扮演程式設計師的輔助角色。
美工：畫圖 AI 如 Midjourney、SD、DALL-E 等也已經能夠較好完成任務，AI 繪圖已經較多用於素材、原畫、宣傳圖等影片動畫：Runway、Pika 等工具的生成長度和一致性相對還不成熟，更多用於要求不高的宣傳材料上，模型設計：暫不能形成足夠質素的內容，目前只能用作參考輔助用。

2.2. B 端：3D 生產過程復雜，生成式 AI 可極大改進效率

3D 模型的生產一般包括多個環節，建模的上遊是策劃和美工提供的概念設計，基於對方給定的原畫、2D 概念圖，建模師需要構思出 3D 造型並透過多個建模軟件逐步實作，整體而言要經歷模型設計（制作中模、雕刻高模、拓撲低模）、UV 拆分、貼圖、繫結骨骼、制作動畫等過程，然後再交給工作流下一環節的程式設計師，進行程式碼編輯和匯入引擎，建模過程可能用到 MAYA、Zbrush、Substance Painter 等多個軟件，上手難度較大、耗時較長。

3D 模型制作效率提升對大型遊戲進展有重要影響。以 2024 年初大賣的Steam 遊戲【幻獸帕魯】為例，根據創始人的分享，其一開始制作時，一個建模師制作一個帕魯（遊戲中的生物）的 3D 模型花費了一個月，由於不同帕魯的體型差異巨大，骨骼匹配無法簡單復用，每個帕魯需要獨立設計動作，每個帕魯需要約 20 個動作，按照每個動作 1 天工作量，則還需要額外的 20 個工作日。該遊戲中共有 100 余種帕魯，如果全都按照原有方式制作，理論上完成全部 100 個帕魯模組需要花費 5000 天以上，而遊戲工作室最終在 3 年時間完成了這部作品。
影眸科技釋出的演示影片展示了其 Rodin Gen-1 模型的使用效果，能夠借助圖生 3D 的能力，直接拖拽一張寶可夢圖片，透過選項生成提示詞，在 10 秒內完成一個表面光滑、細節尖銳的高質素白模。

2.3. C 端：一鍵客製化模型，高自由、低門檻 UGC 遊戲可期

遊戲內容制作的效果一般與制作難度成正比，前者體現為自由度、精美程度等，後者則體現在工具上手難度等，遊戲內容制作包括多種類別：

專業遊戲制作人員開發的遊戲，效果最強，但也需要用到各類編程、建模的專業開發，專業性極強；

其次是 MOD 開發，一般來自第三方團隊或比較有技術力的個人，官方也可能參與其中，是以遊戲修補程式的形式添加進遊戲內容；

再次是各類創意工坊或地圖編輯器，沙盒類遊戲會鼓勵玩家利用這類功能進行創作，並與其他使用者交流；

最低的是面向玩家的遊戲內的創造玩法，如搭建房屋、制作道具等，作為玩法的一部份，組合和功能一般有限，但是上手難度也極低。
「一鍵生成」式的 3D 建立可降低創作門檻到 C 端，打破制作效果和制作難度的正相關性。「AI 生成 3D」的進步或將直接影響創意工坊/地圖編輯器的執行邏輯，透過一鍵生成客製化 3D 模型的方式，UGC 效果有望提升至 MOD 開發的水平，而上手難度能夠降低至「遊戲內創造玩法」，從而打破效果與難度的相關性，幫助遊戲玩法豐富化、內容厚度提升。

3. 技術積累、新工具頻出，「AI 生成 3D」或有加速

3.1. 技術積累：數據積累觸及突破邊緣，各模態依序推進

3.1.1. Objaverse 與 OpenUSD 推動訓練數據積累

3D 資產數據集 Objaverse-XL 達到千萬級別，且具備較強多樣性。2023年釋出的 Objaverse-XL 包含約 1020 萬個 3D 模型，遠超過半年前Objaverse 1.0 的 80 萬個，相比目前 2D 影像領域最大的開源數據集LAION 還有較大差距，但這一數量級已經接近 ImageNet，後者是當前多個影像人工智能模型的訓練基礎數據集。從構成來看，Objaverse-XL包含的 3D 模型主要從 Github、Sketchfab 及 Thingiverse 等平台爬取，包括手動設計的物體、地標和日常物品的攝影測量掃描，以及歷史和古董的專業掃描，具備相當強的多樣性。這意味著「AI 生成 3D」的數據限制已經接近突破。
Objavers 已經催生出了一些 3D 生成模型。2023 年 12 月 14 日，圖片生成 3D 模型 Stable Zero 123 釋出，Stability.ai 從 Objaverse-XL 中篩選出高質素、精確和數據標註準確的模型，以便 Stable Zero 123 在生成過程中更有效地理解和建立 3D 模型。單圖生成 3D 模型的 TripoSR 基於 LRM原始演算法，並透過精細篩選和渲染的 Objaverse 數據集子集以及一系列的模型和訓練改進，顯著提高了從有限訓練數據中泛化的能力，增強了3D 重建的保真度。3 月 19 日，基於影片擴散模型的 3D 生成模型 Stable Video 3D（SV3D）釋出，其同樣使用 Objaverse 數據集訓練。

OpenUSD 聯盟力推 3D 格式標準統一，成員數量規模持續擴大。3D 套用廣泛，但由於場景豐富、生產環節繁多，長期缺乏統一的標準和格式。
2023 年 8 月，皮克斯、Adobe、蘋果、Autodesk、NVIDIA 與 Linux 基金會下屬的聯合發展基金會共同宣布成立 OpenUSD 聯盟（AOUSD），OpenUSD 聯盟旨在透過提升 OpenUSD 格式的發展來推動 3D 生態系標準化，NVIDIA 宣布將透過 NVIDIA Omniverse 與新的技術組合、ChatUSD 和 RunUSD 等雲套用編程介面（API）以及全新 NVIDIA OpenUSD 開發者計劃來推進 OpenUSD 的發展。2023 年 12 月，AOUSD宣布新增 Cesium、IKEA 等 12 位成員，2024 年 3 月又增加 Intel、Siemens等 8 名成員，聯盟成員規模進一步擴大。我們認為 USD 格式的推廣有利於 3D 模型數據的積累，對 3D 生成相關 AI 演算法的推進有基石作用。

在 GTC2024，將有 7 場會議討論 OpenUSD，涉及其與生成式 AI 的結合（NVIDIA）、與 Adobe 的整合（Adobe）、半導體制造廠數碼孿生（三星）、AI 視覺（西門子）、實景娛樂產業（Moment Factory），輝達表示將繼續投資發展 USD 在媒體、娛樂等行業工作流中的套用，以實作工業數碼化工作流以及下一代電腦視覺和生成式 AI。

AOUSD 計劃 2024 年完成核心規範審查和反饋修訂。根據 AOUSD 官方釋出的時間表，24 年第一季度，AOUSD 將釋出核心規範的初步大綱，經過 Q2 和 Q3 的正式審查後，在 Q4 釋出修訂，最終在 2025 年 Q3 之前完成最終批準。

3.1.2. 「影片生成」擴大到場景層面，將與「3D 生成」相互促進

「影片生成」擴大到場景層面，需要 3D 重建技術來保證一致性。影片生成技術在 2023 年底以來快速發展，Runway Gen2、Pika 1.0、sora 的效果和影片內容豐富度持續提升。不同於早期的單一物體物件和小振幅運鏡，僅需要在生圖過程中透過 Control Net 等方式，即可滿足物體層面的一致性水平要求，sora 將行業標準擡升到穿梭鏡頭、航拍鏡頭的水平，這種時候只有透過 3D 重建，才能確保場景的一致性，因此影片生成的進步會反過來要求和促進 3D 生成的發展。
OpenAI 文生影片模型 Sora 可體現物體關系雛形。2 月 16 日，OpenAI釋出文生影片模型 Sora，據官方介紹，此次釋出的 sora 是一個 diffusion Transformer 模型，從效果上而言：1）其能夠生成具有多個角色、特定運動類別、主體和背景的準確細節的復雜場景，模型能夠理解物品是如何存在於現實世界中的；2）模型對語言有深度理解，使得其能夠精準解析提示詞，從而生成有生動情感的角色，能夠保持高度一致性的生成多個鏡頭。
部份演示影片被認為體現了 3D 關系的雛形。在 Sora 生成的「海盜船在咖啡杯中纏鬥」影片中，兩艘微縮船只在「咖啡海」中互相追逐環繞，影片體現了液體的動力學效果，包括波浪和船只移動時液體的流動，還需要精確模擬光線，包括咖啡的反光、船只的陰影，以及可能的透光效果，展現了「類 3D」的效果。而在「影片拼接」功能的展示中，基於給定的「西部世界」和「海底城市」兩端影片，sora 可以借助物體的遮擋關系，在運鏡後展示「西部世界」背後的「海底世界」，從而實作拼接的效果，這個過程中也展現了模型對於物體相對關系的理解。

影像生成 3D 影片模型 Stable Video 3D 明確融合 3D 重建技術。2024 年3 月 19 日，Stability AI 開源了 SV3D，包括兩個版本： SV3D_u，支持單個影像生成軌域影片，無需相機調節； SV3D_p 擴充套件了 SVD3_u 的功能，支持單個影像和軌域檢視，從而可以生成沿特定的攝影機路徑建立 3D 影片。
SV3D 的生成質素、多視角、一致性等相比之前的 Stable Zero123、Zero123XL 都有大振幅提升，該模型就是借助了其影片模型 SVD 模型優秀的影片生成能力，提升了 3D 重建水平，從而確保 3D 影片的一致性。

3.1.3. 3D 生成顯著落後其他模態，具備向上壓力

一個內容形態下的 AI 產品發展可以劃分為三個階段，分別以「模型」、「產品」、「成本」為中心，這是由數據的積累和套用落地的邏輯而形成的變化：「模型效果」階段會有層出不窮的新模型（特別是開源）超越之前的模型；而到了「產品落地效果」階段，AI 產品開始考慮使用者體驗，從而獲取更多的使用者和數據反饋，形成持續改進；最成熟的「成本壓縮」階段，AI 產品已經具備數據基礎，開始降價或實質降價，進行市場份額競爭和利潤獲取。
3D 形態是目前 AI 生成領域最早期的階段，模型層面還未定型，將吸引更多關註。相比之下發展階段最靠前的是文本形態，已經在嘗試成本壓縮；圖片生成也已經基本穩定技術路徑，開始關註產品使用門檻；影片生成仍在嘗試確立技術效果標準的初期，sora 有望確立標桿。

--- 報告摘錄結束更多內容請閱讀報告原文 ---

報告合集專題一覽 X 由【報告派】定期整理更新

（特別說明：本文來源於公開資料，摘錄內容僅供參考，不構成任何投資建議，如需使用請參閱報告原文。）

精選報告來源：報告派

科技 / 電子 / 半導體 /