游戏是一个内容消耗巨大的行业：一款大型游戏需要成千上万的美术资源、大量的剧情文本、丰富的关卡和任务。玩家消耗内容的速度，往往远远超过团队生产内容的速度。生成式 AI 有望改变游戏内容的生产方式，也为游戏体验带来新的可能，比如能够自由对话的 NPC。 但游戏是高度依赖创意和品质的产品，AI 在其中的角色需要被仔细界定。

开发环节的应用

美术概念与素材

  • 概念设计：快速生成大量的角色、场景、道具概念图，帮助美术团队探索方向；
  • 素材生产：生成纹理、图标、背景元素等辅助素材；
  • 风格化处理：基于团队的美术风格进行素材的批量处理和变体生成。

AI 生成的素材通常需要美术人员进行筛选、修改和统一风格，才能达到游戏的品质要求。版权和授权问题也需要特别注意，参见 AI 绘图工作流和 AI 与版权。

3D 资产

从图片或文字生成 3D 模型的技术进展较快，但生成的模型在拓扑结构、面数控制、贴图质量等方面往往还达不到直接用于游戏的标准，目前更多用于原型制作和背景物件。

文本内容

生成任务描述、物品说明、背景故事、对话分支等大量文本内容，减轻文案团队的负担。关键剧情和核心角色的对话通常仍由编剧主导。

代码与工具

游戏程序员同样在使用 AI 编程助手，参见 AI 编程助手怎么用才真的提效。

测试

用 AI 模拟玩家行为进行自动化测试，发现关卡中的卡死点、数值异常和漏洞。

玩家体验层面的应用

智能 NPC

这是最受关注的方向。传统 NPC 只能说预先写好的台词，而基于大语言模型的 NPC 可以根据玩家的自由输入进行对话，记住与玩家的互动历史，展现个性化的反应。

挑战：

  • 角色一致性：NPC 需要始终符合其设定的性格、背景和世界观，不能“出戏”；
  • 剧情控制：自由对话可能偏离游戏设计的主线，需要在开放性和叙事控制之间找到平衡；
  • 内容安全：玩家可能诱导 NPC 说出不当内容，需要有效的过滤和防护，参见提示注入攻击与防御；
  • 成本与延迟：每次对话都调用大模型会产生持续的运营成本，响应延迟也会影响体验，端侧小模型可能是解决方向之一，参见端侧小模型崛起；
  • 记忆管理：长期记住玩家的行为和对话，需要合理的记忆设计，参见 AI Agent 记忆设计。

程序化内容生成

程序化生成在游戏中早已存在，例如随机生成的地图和地牢。生成式 AI 让程序化内容更加丰富，可以生成有叙事逻辑的任务、个性化的剧情事件和多样化的关卡布局。

玩家创作工具

让玩家用自然语言描述想要的内容，AI 帮助生成，降低用户创作内容的门槛。

运营环节

  • 玩家客服：回答常见问题、处理反馈；
  • 社区管理：识别违规言论和外挂举报；
  • 数据分析：分析玩家评论和行为数据，发现问题和需求；
  • 本地化：辅助游戏文本的多语言翻译和本地化。

需要关注的问题

品质与一致性

游戏的美术风格、世界观和叙事需要高度统一。AI 生成内容的品质和一致性控制是主要挑战，需要建立明确的规范和审核流程。

创作者关系

游戏行业的美术、编剧、配音等创作者对 AI 存在担忧，包括工作机会和作品被用于训练等问题。团队引入 AI 时需要与创作者充分沟通，明确 AI 的定位是辅助而非替代，并尊重创作者的权益。

玩家接受度

部分玩家对游戏中使用 AI 生成内容持保留态度，特别是在美术和配音方面。透明地说明 AI 的使用方式，并确保最终品质，有助于获得玩家理解。

合规

游戏内容需要符合各地区的内容审核要求，AI 生成的动态内容增加了审核的难度。

小结

生成式 AI 正在从美术概念、文本内容、测试运营到智能 NPC 等多个层面影响游戏行业。在开发环节，AI 主要作为提效工具，帮助团队更快地探索和生产内容；在体验层面，智能 NPC 和程序化生成带来新的可能，但角色一致性、成本和内容安全仍需解决。尊重创作者、坚持品质标准，是游戏团队引入 AI 的基本原则。