FX168财经网_全球视野外汇黄金加密货币NFT资讯网

年移动互联网早期的脸萌。从2022年底生成式AI开始频繁在AI图片生成领域出圈起，我们认为Lensa.ai、妙鸭相机等都是AIGC应用爆发早期的重要标志。

金融界2023-07-25

易达成之际，Adobe在其产品中添加了生成式AI功能。该公司上个月推出了新工具的企业级订阅，其中包括针对版权索赔的法律保证。作为预测的一部分，Adobe提高了其数字媒体部门的收入预测，其中包括Photoshop和其他创意软件。

金融界2023-07-25

ChatGPT之父又一颠覆行业之举！万众瞩目的“世界币”抢先登陆20国！首创“数字护照”验明“人类”真身

会受任何单一实体的控制或关闭。尤其在生成式 AI 聊天机器人，如 ChatGPT 盛行的时代，World ID 将变得必要，这些机器人能够产生非常类似人类语言的文本，但 World ID 将可用于区分在线上的真实人类和 AI 机器人。#ChatGPT火爆全网# Altman 告诉路透社，Worldcoin 还可以用以解决生成式 AI 所带来的经济重塑问题。他运用普遍基本收入（UBI）作为例子解释，这是一个通常由政府运行的社会福利计划，每个人都有资格获得支付。由于“ AI 将会承担更多人类目前所做的工作”，Altman 认为 UBI 可以帮助解决收入不平等问题。由于只有真实的人类才能拥有 World ID，它可以用于在实施 UBI 时减少欺诈行为。（来源：World ID） Altman 还表示，他认为普遍基本收入的实现在“遥远的未来”，他对于哪个实体可以提供资金支付还没有明确的想法，但是 Worldcoin 为实现这一目标奠定了基础。他说：“我们认为我们需要开始尝试一些事情，这样我们就可以找出怎么做。”

林沐2023-07-24

日本经产省计划打造新的超级计算机，助日企开发生成式AI

引进一台新的尖端超级计算机，以支持日本生成式AI的发展。据报道，日本国立研究机构“产业技术综合研究所”（AIST）将最早明年开发出一台超级计算机，其计算能力大约是现有机器的2.5倍。在日本经产省的监督下，该机构将通过云服务将这台超算提供给开发生成式AI的日本国内企业。

金融界2023-07-24

盘点13家ETHGlobal Paris黑客松决赛项目

金色财经2023-07-24

7月24日证券之星早间消息汇总：中炬高新总经理辞职

t Spotlight中，已经开始使用生成式AI为人类分析师报告撰写总结，同时在这些AI总结后面附带着报告原文的链接。在这份研报的免责声明中，摩根大通的分析师们表示，投资者需要在不断变化的市场中筛选大量内容，这是使用人工智能的部分原因。

证券之星2023-07-24

OpenAI正在杀死创业公司？

，初创公司往往是机会的掌握者。在当下的生成式AI浪潮中，相较于需要大量投入的大模型，创业者在应用层有更多的创业机会。但是当大模型公司开始推出自己的应用，应用层的初创公司该怎么应对与前者的关系，又该如何构建属于自己的护城河？近期著名创业孵化器Y Combinator在一场讨论中，直接提出了灵魂拷问：“OpenAI会杀死所有创业公司吗（Will OpenAI Kill All Startups）？” 这个问题的答案不仅决定了中小创业公司的命运，也关乎着更大的、也更重要的AI生态系统的构建。 1.AI开放海洋中的“鲸与䲟鱼” ChatGPT之前，Jasper无疑是AIGC领域最受瞩目的明星独角兽。 2020年，OpenAI发布GPT-3——ChatGPT底层大模型的上一个版本，在人工智能领域引起了不小的震动。Jasper创始人Dave Rogenmoser敏锐地察觉到了GPT-3所蕴藏的商机，凭借着上一次创业项目的投资人Y Combinator的关系，Jasper在2020年12月就获得了GPT-3访问权限。 GPT-3早期具有学习成本高、调用不便等问题，不能同用户直接对话。Jasper在GPT-3的基础上进行高精度的前端提示和交互界面设计，再利用团队营销经验对模型精调。Jasper提供AI生成文本功能，并为营销人员提供定制化模板，自动生成博客文章、新闻稿件、广告文案等文本内容，在媒体工作者、营销人员中大受欢迎。 2021年Jasper一经推出便迅速获得成功。同年10月，Jasper就获得了8500万美元的A轮融资。2022年Jasper年营收预计达到6000万美元，成立仅18个月后就达到了15亿美元的估值。 “他们得到了一个巨大的机会。”Coatue资本的联合创始人兼高级董事总经理Thomas Laffont说，“Jasper 处于领先地位，产品与市场明显契合。他们还敲定了一批拥有各种专业知识的优秀投资者。” 然而，ChatGPT的横空出世，改变了这一切。 GPT-3是Jasper的业务支柱。在GPT开发早期，Jasper和OpenAI是良好的合作伙伴，一方给技术，一方给反馈，双方各取所需。但核心技术在对方手中，Jasper终究是基于GPT的二次开发。对于没有自研大模型的Jasper来说，不管取得的成绩多么辉煌，这场交易注定是危险的。 “当Altman已经成为AI开放海洋中的鲸时，Rogenmoser更像是一条䲟鱼（remora），这是一种附着在鲸类动物身上并以残骸为食的鳍状鱼。OpenAI需要像Jasper这样的合作伙伴来支付账单，但对后者的需要程度，远不如Jasper对OpenAI的依赖。”The Information作者Arielle Pardes评价道。 ChatGPT的推出就将这种风险展露无遗。经过两年的迭代和RLHF技术支持，ChatGPT不仅能够听懂用户指令，而且可以利用自然语言与用户直接对话。简单来说，大语言模型和用户之间不再需要“中间商”促成交易了。同时，ChatGPT的免费发布也让Jasper面临更大的窘境。尽管Sam Altman已经强调“不会试图与我们的合作伙伴竞争” ，但当用户可以免费获得ChatGPT 时，谁会为Jasper每月支付49美元？受到ChatGPT冲击的不止是Jasper一家公司，所有做文本相关产品的公司，都会面临类似的风险。比如，Grammarly是一家估值超百亿美元的AI写作助手公司。ChatGPT发布之后不久，很多用户就意识到，ChatGPT强大的文本生成功能，或将覆盖Grammarly引以为傲的核心竞争力——优秀的拼写、语法审校能力。再加上悬殊的价格差距，Grammarly不再是一个高性价比的选择。 “这么多年我一直用Grammarly帮我修改英文，但ChatGPT实在是太厉害了，比Grammarly实在好太多了。ChatGPT知道我在讲什么，但是Grammarly并不知道。”一位留学生这样说。 OctoML公司首席执行官Luis Ceze也表示“如果像Grammarly这样的公司不尽快找到自己独特的竞争模式，那么他们很快就会被其他整合了LLM的文本界面所取代”。为了应对生成式AI的冲击，今年4月Grammarly也推出大语言模型工具GrammarlyGO，已经开放了快速生成文稿、修改文本长度、回复邮件等功能。 Grammarly首席执行官Rahul Roy-Chowdhury也表示“Grammarly正在超越修改和更正文本的传统业务，转向撰写内容”。 2.“套壳产品”失去市场很难有明确的数据说明，现在究竟有多少基于GPT系列或其他大模型开发的产品。和Jasper一样，这些产品背后的一些初创公司也岌岌可危。其中大多数直接调用大模型的公司往往没有过于复杂的商业逻辑——用户输入信息，调用微调后的大模型进行处理，向用户输出信息，很快就完成了一个闭环。印证到Jesper上便是，用户输入需求，接着处理出一篇文章完成输出。大模型公司在进行模型迭代或推出类似产品时，很有可能轻易地覆盖甚至超越了这些产品的功能和价值。因为，在本质上它们只是大模型的“套壳产品”。硅谷知名风投机构A16Z描绘了目前生成式AI技术栈的图景，相较于自身拥有模型的应用，没有模型的应用需要紧紧依靠大模型公司的支撑。“Jasper们”和OpenAI的竞争，本质上是应用层与模型层的竞争。出门问问创始人李志飞曾在朋友圈表示，“ChatGPT的发布把很多浅层用户从Jasper那里吸走了”。生成式AI技术栈（图片来源：A16Z）在发展初期，依靠大模型供应商是应用层公司起步甚至发展业务的好办法。但在初具规模之后，如何处理模型与应用之间的关系，成为了生成式AI应用公司不得不面临的重大问题。一种看法是，模型即服务（Model as a Service），这足以让一个小型的开发团队快速迭代，并随着技术的进步及时更换模型供应商。Jasper确实也这么做了，除了OpenAI的模型之外，Jasper在其产品中还纳入了其他开源模型，例如GPT-J、GPT-NeoX、T5和BLOOM。另一种看法是，对专有的产品数据进行重新训练，自研大模型。李志飞也提到，“面对专业用户，Jasper原本存在一种可能的路径，那就是自建大模型、开发出独特的满足专业用户的产品feature，从而留住专业用户”。但同时他也认为，这并不是一条乐观的道路。自研大模型对团队的资金和人才有更高的要求，初创公司很难具备科技巨头的财力、物力、人力。况且，在美国以OpenAI为代表的几家头部大模型公司已经逐渐占据主导地位，部分开源大模型也基本完成了生态建设。这也是为什么，做AIGC应用领域的创业公司这么多，大模型却还是巨头们的游戏。越来越多的开发者正在提出同一个担忧，如果继续使用OpenAI的API进行应用层开发，OpenAI最终是不是可能会发布和他们竞争的产品？除了聊天机器人ChatGPT，OpenAI还曾发布过三款产品，文字生成图像工具DALL-E、自然语言转代码系统Codex、自动语音识别系统Whisper： 2021年1月，DALL·E发布，可以从自然语言的文本描述中生成图像。一年后，有更高性能的二代DALL·E 2亮相，目前已面向所有人开放。 Codex是AI代码补全工具Github Copilot的技术支撑，可以实现将简单的英语指令转化为十几种流行的编码语言，于2021年8月通过OpenAI的API发布。 Whisper是一种自动语音识别系统，可以实现99种语言的识别和转录。OpenAI在2022年9月开源了Whisper，并在2023年3月与ChatGPT API一起发布了Whisper的API版本。不过，现在可以确定的是，OpenAI已经暂停了推出更多产品的步伐。在今年5月，OpenAI联合创始人兼CEO Sam Altman在Humanloop CEO组织的闭门讨论中表示，OpenAI不会在ChatGPT之外发布更多的产品。 Sam Altman表示，历史上伟大的平台公司都有一个杀手级应用。ChatGPT的愿景是成为一个超级智能的工作助手，而许多其他GPT的用例OpenAI将不会触及。在Y Combinator组织的名为“OpenAI将杀死所有创业公司？”的讨论中，Y Combinator董事总经理Michael Seibel认为，“OpenAI和Anthropic等公司实际上是在努力构建AGI，他们不是在努力构建AI驱动的CRM（客户关系管理系统）或更好的搜索之类的东西”。 OpenAI和人工智能对初创公司的影响有待观察，但历史表明，每一次技术产生重大变革的时期，技术革新通常会给初创企业带来更大的机会，而不是压制。浏览器时代，网景的发布阻止不了之后微软IE、Google的发展；移动互联网时代，iPhone的诞生揭开了Meta、Uber等一众移动应用厂商崛起的序幕。目前来看，ChatGPT所冲击的只是基于GPT二次开发的“套壳产品”，OpenAI带来的AI技术变革，将催生出新的令人惊叹的初创公司。 3.AI应用路在何方？据不完全统计，ChatGPT爆火后的七个月内，全球大模型数量已多达数百个，仅中国就至少有80个。今天，基础大模型已经初步形成互联网大厂、AI科技公司、明星初创公司、学界科研机构等多方势力“百模大战”的格局。大量的资金、人才、技术涌入了基础大模型，而对于应用层的讨论声音要小很多。大模型是基础设施，需要通过应用才能和用户产生关系。这是一个更大的生态。百度创始人、董事长兼首席执行官李彦宏认为生成式AI将催生新产品、新业态，会有很多创业和投资，大模型时代最大的机会在于应用层。他曾表示，“在应用层，将会出现全新的、十倍于现在微信和抖音的创业机遇”。 AI应用层的变革主要分为两类，一种是常见的基于大模型做既有产品的升级，代表公司为微软、Salesforce、阿里巴巴等科技巨头，以及大量的中小软件公司。微软已经将OpenAI的大模型能力，引入其全系产品中，包括New Bing搜索引擎、Microsoft 365 Copilot、Windows Copilot，国内阿里巴巴旗下的钉钉，也基于旗下通义千问模型进行了改造。传统SaaS公司正在快速接入AI。在细分行业领域，AI产品多应用在销售、咨询、管理等产业场景中，帮助企业打造竞争壁垒。以全球排名第一的CRM厂商Salesforce为例，Salesforce坚持AI+数据+CRM战略，在2023年推出两个AI产品EinsteinGPT、SlackGPT。另外一种，则是基于AI大模型的原生应用，但目前尚未爆发。以最近爆火的Agent为例，Agent作为人与LLM的中介，可能会挑战原有平台的分发机制，用户不再依赖平台使用软件，而是直接与Agent互动获取服务，过去SaaS也可能会变成AaaS（Agent as a Service）。新的产品逻辑将进一步降低用户使用技术的门槛，并渗透到新的使用场景。无论是既有的互联网产品还是正在成长的AI原生应用，在大模型时代都有可能经历新一轮洗牌。金山办公技术总监熊龙飞告诉「甲子光年」：“关键在于，要构建自己的技术壁垒。” 过去的积累与面向未来的投入都很重要。比如，金山办公除了大模型的功能模块之外，还积累了35年的文档处理底层技术，以及从2017年开始投入研发的AI能力。此外，为了结合大模型，金山办公还特地开发了向量化系统、提示词管理器、各类AI能力和大模型的外挂系统等基础技术。应用层公司的核心壁垒不仅仅在于模型能力，产品设计、数据管理、服务网络等方面同样重要。以Grammarly为例，有用户告诉「甲子光年」，“Grammarly主要应用场景有键盘输入法、浏览器插件和各个终端应用。ChatGPT在论文写作或者满分作文上兴许能用到，但日常沟通还是Grammarly更方便” 。随着模型能力的发展，算力价值在应用层可能被抹平，数据才是长期的壁垒所在。真格基金管理合伙人戴雨森在之前的一次演讲中表示，“当数据的质量和数量增加时，模型的性能和效果会提升，同时也会增加用户壁垒”。以微信为例，最早期的微信其实没有壁垒，后来通过与众多用户之间的特有关系形成了网络效应，从而产生壁垒。在大模型可以覆盖的通用场景之外，创业者在垂直领域积累深厚独特的行业数据，或者做冷门领域的先行者，或许更有可能获得成功。新一轮的AI浪潮无异于大浪淘沙，只有拥有核心本领才能立于不败之地。来源：金色财经

金色财经2023-07-22

【一周科技动态】冲高回落迎“调权”，Q2财报会是“落地靴”吗？

。一周大科技见闻苹果加速开发自己的生成式AI工具，并在构建大型语言模型AI框架AJAX” 如果英国通过具有争议的安全法案，苹果将考虑将iMessenger服务从英国撤出。微软宣布企业AI软件Copilot工具，并公布向企业收取每个用户30美元/月的服务费用。微软与Meta扩大了双方在大型语言模型LLaMa 2上的人工智能业务合作力度。美国FTC暂停对微软对动视暴雪690亿美元收购案的行政诉讼，该交易的截止日期延长至10月18日。亚马逊AWS已支持Meta推出的最新Llama 2基础模型特斯拉公布Q2财报，收入和EPS超过预期，但未提高全年交付指引，同时毛利率下降至17.5%。半导体板块因为 $台积电(TSM)$ Q2财报后降低全年预期而回调，此前英伟达表示信赖台积电的产能。一周核心观点微软Inspire 2023大会本周微软的Inspire大会成就了一对CP，即微软公布了与Meta发布开源人工智能模型Llama2商用版，改变此前仅向指定学者提供用于研究目的。目前OpenAI的ChatGPT并未开源，乍看之下这将与微软自己产生竞争。我们认为，这反而是微软的“左右逢源”。手持最大的正在商业化的未开源大语言模型，却以开放态度与Meta进行合作，反而可以巩固ChatGPT的优势。同时，使得同样在LLM领域的初创公司或者其他公司的创业项目更快面临竞争；包含Llama 2模型的Windows有助于推动Windows成为开发人员构建针对客户需求量身定制的AI体验的最佳场所，提高其占有率；进一步增强了微软云业务Azure在行业中的地位。此外，微软发布了办公软件Office的人工智能工具365 Copilot，初始定价每位用户每月30美元。目前E3级别每月订阅费用在12.5-57.0美元之间。未来3年内，如果有超过50%的微软现有基础最终用户将使用这种AI产品，有望到2025年之前将云业务增速提高20个百分点。下周微软Q2的财报，市场预期已经拔得很高，要大超预期难度也很大，但是市场更看好高管们的预期，假若提升全年指引，则也能提升投资者情绪。特斯拉Q2财报：毛利下降，指引不变特斯拉延续财报后巨幅波动的历史，在Q2财报公布后大跌9%以上，由于今年以来的涨幅已经很多，因此仍然在相对高位。其中关键指标毛利率进一步滑落到17.5%，低于市场预期的18%，同时，全年交付指引未变。我们认为，特斯拉降价换量的事实投资者基本已经计价，因此毛利下降并不能说是直接利空。类似于4680电池生产爬坡的成本及其他相关费用，电动皮卡Cybertruck、AI及FSD等其他大项目的费用增加，投资者也是已知的。目前比较可能实现的是其上周刚刚公布下线的Cybertruck，公司预期在今年晚些时候开启交付，显然这个交付的节奏更有可能影响到股价。奈飞Q2财报：ARPU下降，广告增长任重道远奈飞在Q2财报后也大跌超8%，一个重要原因是其营收略不及预期，同时对Q3的营收指引也不及市场预期。在打击共享账户后，新增订阅用户大超预期，但是收入并没有按比例上升，意味着广告收入还不足以补足这部分，或者说广告业务还需要时间来增长。同时，好莱坞编剧演员的大罢工，可能会影响投资者对后续内容创作的预期。一个好消息和同一个坏消息其实是同一个消息，即7月24日盘前，纳斯达克100指数将进行新的权重进行调整，此前我们也提到过，头部的7大公司的权重将被调低，而后面的公司权重将调高。其中， $微软(MSFT)$ 、 $英伟达(NVDA)$ 的调出比例最大，而 $奈飞(NFLX)$ 、 $博通(AVGO)$ 、 $爱彼迎(ABNB)$ 等公司将被得到加强。 "TANMAM"的投资策略将这权重最大的7家公司合成一个投资组合，称之为“TANMAM”组合。如果以等权重、每季度重新调整权重的方式对这个组合进行回测，那么从2015年以来表现是远超标普500的，总回报达到了1515.7%，同期 $标普500ETF(SPY)$ 回报256.8%。其中：年化回报37.38%，高于SPY的11.47%。 2023年以来回报88.79%，同期SPY为19.14% 7月以来回报1.91%，同期SPY回报2.01%。

老虎证券2023-07-21

(前沿) AI智能体在元宇宙中应用前景巨大

小镇上，生活着25个可以模拟人类行为的生成式AI智能体。它们会在公园里散步，在咖啡馆喝咖啡，和同事分享当天的新闻。这和国内的先期启动乡村元宇宙建设的穹宇世界项目，有很多相似相通之处。在穹宇世界项目里，身份、资产和智能行为被浓缩为大约50张数字卡牌——穹宇世界一般会为单个村庄限量发行10张共建卡、10张墙画卡、10张放映卡、20张展位卡，共建卡支持创作者共创数字艺术作品并且通过数字版权实现“发行”，其它的如展位卡、墙画卡、放映卡也能满足共创并分享的需求。 AI智能体的强大，体现从一个简单的用户指定概念开始，比如说一个智能体想举办情人节排队，这些智能体在接下来的两天里，会自动传播派对邀请的消息，结识新朋友，互相约对方一起去派对，还会彼此协调时间，在正确的时间一起出现在派对上。如果将AI智能体的创造力平移到乡村元宇宙，其潜力将是十分惊人。像穹宇世界这样的项目，在元宇宙场景侧，恰恰就缺这样的跑车级内容共创。穹宇世界修的是元宇宙高速路，但一直没有合适的滚雪球般的内容来支撑。比如说，通过引入AI智能体，穹宇世界项目只需要专注于NFT身份认证和数字内容资产化就可以了，剩下的事情就可以交给AI智能体就可以了。截止目前，穹宇世界已经为包括联伍于村、寿东村、孙武村、李渡口村等在内的10余个村庄搭建了元宇宙场景。穹宇世界今年的目标是为100个乡村免费建设乡村元宇宙，这需要投入庞大的技术实力和资金实力、运营实力等，光靠穹宇世界难以为继。所以其采用了 “多元宇宙联盟态”的方式运作， AI智能体早早进入布局之列。截止到2023年4月，穹宇世界已打通包括UOVAMETA元宇宙，超能宇宙，盘石RockyPlay-篝火元宇宙，刹那元宇宙、厚建元宇宙等在内的5大元宇宙场景，合作的AI智能体包括数字鸭AIGC、南京万一图像科技等，请这些联盟伙伴一起来为乡村免费建设元宇宙。在乡村元宇宙中，AI智能体为什么可以扮演至关重要的角色？因为用户通过元宇宙数字卡牌获得身份通证和数字内容版权化、数字作品资产化服务后，可以接通AI智能体，使得AI智能体不仅可以与其他玩家进行实时交互，还能通过学习和适应不断改进自身的智能水平。可以试举几个具体的应用场景：虚拟乡村导游：用户的AI智能体可以成为玩家在乡村元宇宙中的虚拟导游，为他们提供引导和解说。通过与玩家的对话，智能体可以根据用户的个人喜好和需求，为他们呈现个性化的导览内容。例如，在一个虚拟的乡村历史场景（如孙武村、王阳明文化广场等）中，智能体可以根据玩家的兴趣，讲解各种历史事件、人物的背景故事，并且可以随时回答用户提出的问题。再比如说， AI智能体可以成为用户在元宇宙中的广告设计和运营的个人助手，帮助他们处理各种琐碎的任务和事务。例如，智能体可以为展位卡、墙画卡的内容进行排期、可以设置提醒重要事项，帮助用户筛选并回复邮件，甚至可以代表用户参与一些常规性的社交活动或者商务谈判。还可以想得更大胆一些，让AI智能体成为自己的数字分身，在乡村元宇宙替你打理一切。他代表着你的一举一动，为你制定计划，甚至还能替你执行。它会自动进行农产品带货、社交交友、广告承接……你还没开口，它就已经把你的日常安排好了。来源：金色财经

金色财经2023-07-21

a16z：AI将创造哪些新的游戏玩法

金色财经xiaozou 关于游戏领域的生成式AI革命的早期讨论主要集中在AI工具如何使游戏创建者更加高效——使游戏创建能够比以前更快、规模更大。尽管如此，我们认为从长远来看最大的机会不仅仅在于利用AI来改变我们创建游戏的方式，还在于改变游戏自身的性质。我们很高兴看到生成式AI有机会促进新的AI-first游戏类别的创建，并极大地扩展现有游戏类型。从Rogue的程序生成地下城（1980年）到Half-Life的有限状态机（1998年），再到Left 4 Dead的AI游戏导演系统（2008年），AI一直在推动新形式的游戏玩法。关于深度学习方面的最新进展使计算机能够根据用户提示和大数据集生成新内容，这进一步改变了游戏规则。前期，我们已经看到了一些有趣的AI游戏玩法领域，包括生成式智能体、个性化定制、AI叙事、动态世界和AI助手。如果成功的话，这些系统可以结合在一起，创建出新的AI-first游戏类别，这类游戏将能够长期娱乐、吸引并留住玩家。 1、Generative Agent（生成式智能体） 1989年，Maxis的SimCity开创了模拟题材游戏的先河，在这款游戏中，玩家可以建造并管理一座虚拟城市。如今，最受欢迎的模拟游戏是The Sims，在这款游戏中，全球超7000万玩家管理着“sims”虚拟人物，这些人物在这个虚拟世界里上演着日常生活。游戏设计师Will Wright曾将The Sims游戏比作“互动娃娃屋”。生成式AI可以极大地推动模拟游戏的发展，通过LLM大语言模型使智能体具有突发的社会行为，从而更加逼真。今年早些时候，来自斯坦福大学和谷歌的一组研究人员发表了一篇关于如何将LLM应用于游戏智能体的文章。在博士生Joon Sung Park的带领下，研究团队用25个类似Sims的智能体填充了一个像素艺术沙盒世界，这些智能体的行为由ChatGPT和“扩展LLM的架构来存储智能体使用自然语言的完整记录，将这些记忆合成为更高层的反射，并动态检索以规划行为。” 这有可能让模拟游戏迎来更精彩的未来。一开始，只有一个用户指定的建议，一个智能体想要举办一个情人节派对，各智能体们独立地分发派对邀请，建立新的友谊，互邀在两天后准时出现在派对上。使这种行为成为可能是因为LLM是使用社交网络数据训练的，因此在LLM模型中有人类如何在各种社交环境下交谈和行为的构建块。在像模拟游戏这样的交互式数字环境中，这些反应可以被触发，创造出令人难以置信的逼真的突发行为。从玩家的角度来看，最终结果是：更加沉浸式的游戏玩法。玩The Sims或殖民地建造经营模拟游戏RimWorld的大部分乐趣便来自于意想不到的情景，以及情绪的起起伏伏。通过社交网络语料库支持的智能体行为，我们可能会看到模拟游戏不仅反映了游戏设计师的想象力，还反映了人类社会的不可预测性。观看这些模拟游戏就像观看新一代的《楚门的世界》，带给玩家无尽的乐趣，这是今天预先编写好的电视或电影无法办到的。利用我们对充满想象力的“娃娃屋”的渴望，智能体本身也可以个性化。玩家可以根据自己或虚构的角色塑造一个理想的智能体。Ready Player Me允许用户通过自拍生成自己的3D头像，并将他们的头像导入超9000款游戏/应用程序。AI角色平台Character.ai、InWorld和Convai允许创建具有自己的背景故事、个性化和行为控制的自定义NPC。想要创建一个Hogwarts模拟游戏，在那里你是哈利波特的室友？现在可以了。凭借智能体高超的自然语言能力，我们与智能体互动的方式也得以扩展。如今，开发人员可以使用Eleven Labs的text-to-speech（文本到语音）模型为他们的智能体生成逼真的声音。Convai最近与NVIDIA合作进行了viral demo，其中玩家可以与AI拉面厨师NPC进行自然的语音对话，对话和匹配的面部表情会实时生成。人工智能陪伴应用Replika已经允许用户通过语音、视频和AR/VR与AI伙伴交谈。未来，我们可以设想这样一款模拟游戏：玩家可以在旅途中随时随地通过打电话或视频聊天与他们的智能体保持联系，回到电脑前再点击进入更加沉浸式的游戏玩法。要知道，在我们看到一个完整的Sims版本之前，还有很多难题需要解决。LLM在他们的训练数据中存在固有偏差，这可以从智能体的行为中看出。在云端7*24小时实时运行规模化模拟游戏的成本可能在财务上并不可行——在2天内运行25个智能体会花费研究团队数千美元的计算费用。有望将模型工作负载转移到设备上，但相关工作仍然相对较早。我们可能还需要发现与智能体之间的准社会关系的新规范。但有一件事是明确的——如今对生成式智能体的需求巨大。在我们最近的调查中，有61%的游戏公司计划尝试AI NPC。我们认为，随着智能体进入我们的日常社交领域，AI陪伴将很快变得司空见惯。模拟游戏提供了一个数字沙盒，我们可以以有趣的不可预测的方式与我们最喜欢的AI伙伴互动。从长远来看，模拟游戏的性质可能会发生变化，将反映出这些智能体不仅仅是玩具娃娃，还是潜在的朋友、家人、同事、顾问，甚至是恋人。 2、个性化定制个性化游戏的最终目标是为每个玩家提供独特的游戏体验。例如，让我们先来看角色创建，无论是最初的Dungeons & Dragons桌游还是Mihoyo的Genshin Impact，角色创建几乎是所有角色扮演游戏（RPG）的支柱。大多数RPG都允许玩家通过预设选项自定义外貌、性别、职业等。但如果你能超越预设，为每个玩家和通关生成一个独特的角色怎么样？将LLM与text-to-image（文本到图像）的扩散模型（如Stable Diffusion或Midjourney）相结合的个性化角色构建者可以实现这一点。 Spellbrush的Arrowmancer是一款RPG游戏，由该公司基于GAN的定制化动画模型提供支持。Arrowmancer的玩家可以生成一整套独特的动画角色，具体到艺术风格和战斗能力。这种个性化定制也是其盈利系统的一部分——玩家将他们的AI角色导入自定义的gacha banner中，借此复制角色来加强他们的团队。个性化定制也可以扩展到游戏道具中。例如，AI可以帮助生成只有完成特定任务的玩家才能使用的独特武器和护甲。Azra Games已经建立了一个AI驱动的资产pipeline，可以快速构思和生成巨大的游戏内物品和世界对象库，为更多样化的玩法铺平道路。AAA级游戏开发商Activision Blizzard创建了Blizzard Diffusion，这是图像生成器Stable Diffusion的翻版，可以帮助生成各种各样的角色和服装概念艺术。游戏中的文本和对话也适合个性化定制。游戏世界中的各种标志可以反映玩家的头衔或地位。NPC可以被设置为具有不同个性的LLM智能体以适应你的行为——例如，对话可以根据玩家与智能体之间发生过的行为而改变。我们已经在一款AAA级游戏中看到了这一理念的成功执行——Monolith的Shadow of Mordor便拥有一个复仇系统，能够基于玩家的行动动态地创造出有趣的反派背景故事。这些个性化元素使得每个玩法都是独一无二的。游戏发行商Ubisoft最近发布了一款基于LLM的对话工具Ghostwriter。发行商的作者现在使用该工具来生成背景对话和bark（在触发事件期间的对话片段）初稿，这有助于模拟玩家身边的现实世界。通过微调，像Ghostwriter这样的工具可能会被用于定制个性化的bark。从玩家的角度来看，关于这些个性化定制的影响是双重的：增加了游戏的沉浸感和重玩价值。Skyrim和Grand Theft Auto 5等沉浸式开放世界游戏的角色扮演模式经久不衰，这表明了对个性化故事的潜在需求。即使在今天，GTA在角色扮演服务器上的玩家数量也一直高于原版游戏。我们认为个性化系统将成为所有游戏长期吸引和留住玩家的重要工具。 3、AI叙事当然，优秀的游戏不只是角色和对话。还有一个令人兴奋的机会是利用生成式AI来讲述更好、更个性化的故事。游戏个性化叙事的鼻祖是Dungeons & Dragons，在该游戏中，一个被称为地下城主的人会准备一个故事向一群人讲述，这些人在故事中扮演着不同的角色。这样的故事一部分是即兴的，一部分是RPG，这意味着每个通关都是独一无二的。作为个性化故事需求的信号，D&D如今极度受欢迎，其数字和模拟产品的销量均创下了历史纪录。如今，许多公司将LLM应用于D&D的故事模型，机会就在于让玩家在极其耐心的AI叙事生成器的引导下，在他们喜欢的玩家创建或IP世界中花费尽可能多的时间。Latitude的AI Dungeon于2019年发布，是一款开放式的文字类冒险游戏，AI在游戏中扮演地下城主。用户还对OpenAI的GPT-4版本进行了微调，享受效果不错的D&D体验。Character.AI的文字类冒险游戏是该应用最受欢迎的模式之一。 Hidden Door更进一步，在一组特定的原始材料上训练它的机器学习模型——例如The Wizard of Oz——允许玩家在已建立的IP世界中大冒险。通过这种方式，Hidden Door与IP所有者合作，实现了一种全新的、互动式的品牌延伸形式。一旦粉丝们看完一部电影或一本书，他们就可以继续在自己喜欢的世界里进行自定义的D&D式的冒险。对粉丝体验的需求正在蓬勃发展——两个最大的在线同人小说库Archiveofourown.org和Wattpad仅在5月份就分别有超过3.54亿和1.46亿的网站访问量。 NovelAI已经开发了自己的LLM Clio，利用其在沙盒模式下讲故事，并帮助解决人类作家会面临的写作障碍。对于目光敏锐的作家来说，NovelAI让用户可以根据他们自己的作品对Clio进行微调，甚至是像H.P. Lovecraft或Jules Verne这样的著名作家。值得注意的是，AI叙事还面临着许多障碍。开放式AI很容易偏离轨道，这让一切变得有趣，但对游戏设计来说却很麻烦。如今，创建一个优秀的AI叙事生成器需要大量的人类规则设置来创建好故事的叙事弧线。记忆和连贯性很重要——叙事生成器需要记住一个故事之前发生的事情，并且保持事实和风格的连贯性。对于很多闭源LLM来说，解释能力仍然是一个挑战，因为它们就像黑盒一样运行，而游戏设计师则需要理解为什么系统会以这种方式运行以改善游戏体验。然而，随着这些障碍正在被攻克，AI现如今已经成为人类故事讲述者的助手了。现在，成千上百万作家都在使用ChatGPT为自己的故事提供灵感。娱乐工作室Scriptic利用DALL-E、ChatGPT、Midjourney、Eleven Labs和Runway，和人类编辑团队一起来构建交互式的、可自主选择的冒险节目，在Netflix上就可观看。 4、动态世界构建虽然基于文本的故事很受欢迎，但许多玩家也渴望看到他们的故事在视觉上能够栩栩如生。生成式AI在游戏领域的最大机会之一可能就是帮助创造玩家将在其中度过无数时间生活的世界。虽然在今天还不可行，但一个常被提及的愿景就是随着玩家在游戏中的进展情况实时生成关卡和内容。这类游戏的一个典型例子就是Mind Game。Mind Game是一款AI指导的游戏，可以实时适应每个学生的兴趣，游戏世界基于学生的行为和AI可以推断的任何其他心理信息而发展变化。今天，最接Mind Game的游戏可能就是Valve的 Left 4 Dead了——该游戏利用AI Director导演系统来控制游戏的动态节奏和难度。AI Director没有为敌人（僵尸）设置出生点，而是根据每个玩家的状态、技能和位置将僵尸放置在不同的位置，设置为不同的数量，从而在每个通关中创造独特的体验。该导演系统还通过动态视觉效果和音乐来营造游戏氛围。Valve创始人Gabe Newell将这一系统称为“procedural narrative”（程序叙事）。EA广受好评的Dead Space Remake使用了该AI导演系统的变体来最大化恐怖感。虽然这在今天看来似乎属于科幻小说领域，但有可能有一天，通过改进的生成式模型以及获取足够的计算和数据，我们可以构建这样一个AI Director：不仅能够生成超级恐怖的感觉，还能生成世界本身。值得注意的是，游戏领域里机器生成关卡的概念并不新鲜。从Supergiant的Hades到Blizzard的Diablo，再到Mojang的Minecraft，如今许多最受欢迎的游戏都使用了程序生成技术——一种随机生成关卡的技术，使用由人类设计师运行的方程式和规则集，每次的通关都有所不同。一个完整的软件库已经建立用于协助程序生成。Unity的SpeedTree可以帮助开发者生成虚拟树叶，就像你在电影阿凡达中的潘多拉森林或Elden Ring的风景中看到的那样。游戏可以将程序资产生成器与用户界面中的LLM结合起来。游戏Townscaper使用程序化系统，只需要两项玩家输入值（块位置和颜色），就可以变成绚丽的城镇景观。想象一下，Townscaper在用户界面中添加一个LLM，帮助玩家通过自然语言提示迭代出更加微妙和美丽的创作。许多开发人员也对利用机器学习增强程序生成的潜力感到兴奋。有一天，设计师可能会使用在风格相似的现有关卡上训练的模型，迭代生成一个可行的关卡初稿。今年早些时候，Shyam Sudhakaran带领哥本哈根大学的一个团队创建了MarioGPT——一个GPT2工具，可以使用在超级马里奥1和2的原始关卡上训练的模型来生成超级马里奥关卡。关于该领域的学术研究已有一段时间了，包括2018年使用生成式对抗网络（GAN）设计第一人称射击游戏DOOM关卡的项目。生成式模型与程序系统协同工作，可以显著加快资产创建速度。艺术家已经在使用文本到图像的扩散模型来制作AI辅助的概念艺术和故事板。关于3D生成也有大量研究。Luma使用神经辐射场（NeRFs）允许消费者通过iPhone上捕获的2D图像构建出逼真的3D资产。Kaedim在loop质量控制中使用AI和人类一起创建生产就绪的3D网格，如今已被至少225个游戏开发者使用。CSM最近发布了一个专有模型，可以从视频和图像中生成3D模型。从长远来看，最重要的是使用AI模型进行实时世界构建。我们认为未来整个游戏将不再需要渲染，而是使用神经网络在运行时生成。NVIDIA的DLSS技术已经可以使用消费级GPU实时生成新的更高分辨率的游戏帧。有一天，你也许可以点击Netflix电影的“互动”按钮，就能进入一个每个场景都在实时生成的世界，并为玩家提供独特的个性化服务。在未来，游戏将变得与电影无异。值得注意的是，动态生成的世界本身并不足以创建出一款优秀的游戏，这一点从人们对No Man’s Sky的批评中就可看出，该游戏发布时便拥有了超过18万亿的程序生成行星。动态世界的前景在于它可与其他游戏系统（如个性化定制、生成式智能体）相结合，开启叙事新形式。毕竟，Mind Game最吸引人的部分就是它如何为终端玩家塑造玩家自己的世界，而非游戏世界本身。 5、AI Copilot：所有游戏的AI助手我们之前讨论了在模拟游戏中使用生成式智能体，这里还有另一个新用例，即AI充当游戏助手来指导我们玩游戏，在某些情况下甚至能与我们一起玩。 AI copilot对于引导玩家进入复杂游戏来说是非常重要的。例如，Minecraft、Roblox或Rec Room等UGC沙盒都是非常丰富的环境，如果玩家有合适的材料和技能，他们几乎可以在其中建造任何他们想象的东西。但存在一个难度很高的学习过程，大多数玩家都不太容易能弄清楚该如何起步。 AI copilot可以让任何玩家成为UGC游戏中的Master Builder——根据文本提示或图像提供逐步指导，并指导玩家克服错误。LEGO世界里的“Master Builder”概念就是一个恰当的参照对象——少数人有能力在需要的时候看到他们所能想象的任何创造的蓝图。微软已经在为Minecraft开发AI copilot，使用DALL-E和Github Copilot，使玩家能够通过自然语言提示将资产和逻辑插入Minecraft。Roblox正在积极地将生成式AI工具整合到Roblox平台中，其使命是让“每个用户都成为创造者”。无论是使用Github Copilot进行编码还是使用ChatGPT进行写作，AI copilot在共创方面的高效性已经在很多领域里得到了证明。除了共创，受过人类游戏玩法数据训练的LLM应该能够理解如何在各种游戏中如何行为。通过适当的整合，智能体可以在玩家的伙伴不在时充当合作伙伴，或者在像FIFA或NBA 2k这样的正面交锋的游戏中充当对手方。这样的智能体总是可以随叫随到，不管结果是胜利还是失败，总是那么和蔼可亲，从不评头论足。根据我们的个人游戏历史进行微调，智能体可以大大优于现有的机器人，完全按照我们自己的方式或者以互补的方式玩游戏。已有类似的项目在约束环境测试下成功运行。热门赛车游戏Forza开发了一个Drivatar系统，该系统利用机器学习为每个人类玩家创建一个AI驾驶员，模仿他们的驾驶行为。这些Drivatar被上传到云端，当他们的人类伙伴离线时，他们可以被召唤出来与其他玩家比赛，甚至可以获胜赚积分。谷歌DeepMind的AlphaStar在Starcraft II “长达200年”的游戏数据集上进行训练，创造出可以在游戏中与人类职业电竞选手比赛并获胜的智能体。 AI copilot作为一种游戏机制甚至可以创建全新的游戏玩法模式。设想一下这样的Fortnite，每个玩家都有一个Master Builder魔杖，可以通过提示立即建造狙击塔或燃烧的巨石。在这种游戏模式中，胜利可能更多取决于魔杖的操作（提示），而非瞄准能力。完美的游戏内AI“伙伴”的梦想已经成为许多热门游戏中令人难忘的一部分——只要看看Halo世界里的Cortana，The Last of Us中的Elle，或者Bioshock Infinite中的Elizabeth就知道了。而对于竞技游戏来说，打败电脑机器人永远不会过时——从Space Invaders中的摧毁外星人，到Starcraft中的comp stomp，最终发展为自己的游戏模式Co-op Commanders（合作指挥官）。随着游戏演变成下一代社交网络，我们预计AI copilot将扮演越来越重要的社交角色，如教练及/或合作伙伴。众所周知，添加社交功能可以提高游戏的粘性——有好友的玩家留存率可以提高5倍。我们预期未来每款游戏都会有一个AI copilot，将遵循这样一句箴言：“一个人玩很好，与AI一起玩更好，与朋友一起玩最好。” 6、结论我们还处于将生成式AI应用于游戏的早期阶段，在将这些想法投入生产之前，还需要解决许多法律、道德和技术方面的障碍。除非开发者能够证明其拥有所有用于训练模型的数据的所有权，否则带有AI生成资产的游戏的法律所有权和版权保护在今天基本上是不明确的。这使得现有IP的所有者很难在他们的生产中使用第三方AI模型。对于该如何补偿训练数据背后的原作者、艺术家和创作者，也存在很大的担忧。难点在于，目前大多数AI模型都是使用互联网上的公共数据进行训练的，其中大部分数据是受版权保护的。在某些情况下，用户甚至可以使用生成式模型再现某位艺术家的确切风格。现在还为时尚早，对内容创作者的补偿需要适当地确定。最后，现在的大多数生成式模型成本太高，无法在云端全球规模7*24小时运行，而这是当今的游戏运营所必需的。为了实现经济高效的扩展，应用程序开发人员可能需要找到方法将模型工作负载转移至终端用户设备，但这还需要时间。然而，目前可以确定的是，有大量的开发者活动和玩家对游戏领域的生成式AI大有兴趣。虽然少不了很多炒作，但我们很高兴看到该领域确实有很多才华横溢的团队，他们废寝忘食地致力于开发创新的产品和体验。我们的机会不仅在于让现有游戏变得更快、更便宜，还在于解锁以前不可能出现的AI-first游戏新类别。我们不知道这些游戏最终会是什么样儿，但我们知道游戏产业的历史一直都是技术推动新形玩法的历史。回报可能是巨大的——有了生成式智能体、个性化定制、AI叙事、动态世界构建和AI copilot这样的系统，用不了多久我们可能就会看到由AI-first开发者创建的第一款“永无止境”的游戏。来源：金色财经

金色财经2023-07-20

24小时热点