在我年少无知的时候就已经通过各种媒体了解过网络游戏代练和打金工作室这一现象，并且到了服务型游戏成为目前地表上最吸金的电子游戏商业模型的时候，这种现象还被整合为了整个游戏行业生态的一部分。但是因为我玩游戏一般都是5~50个小时就毕业，玩的最长时间的《GT赛车》又是个必须要自己上手的模拟器类，所以代练这样的东西对我这种打工人来说确实是一件很遥远的事情。
然而，出于工作、调研和兴趣等多重因素，我不得不品尝各种各样的服务型游戏。从《扩散性百万亚瑟王》到《LoveLive》再到《坦克世界》，这些游戏断断续续玩了几十个小时，总体感受虽然不是很深，但确实没有体会到近几年抽卡游戏那种很强烈的“作业感”。所以，以前的种种经历就让我在玩《命运2》《狂野飙车9》《尘白禁区》和《鸣潮》这种更现代化的、肝度更强的服务型游戏的时候更容易产生疲劳感。
不过像是《命运2》由于是强调匹配的游戏机制，我作为休闲玩家也不会去碰一些门槛很高的副本和赛季武器。单纯打一打突击任务，推进一点赛季进度，偶尔肝几个小时刷一刷光等啥的，只要附近有玩家，根本不会翻车，所以等打折之后买几个资料片整合包给Bungie意思一下依旧能获得比较轻松愉快的体验。但到了《尘白禁区》和《鸣潮》，这种繁重的作业感来的就非常快了。
由于都是套了米池的设计，加上资源和素材的不断细分以试探单一角色或者整个游戏的收入上限，从我个人体感来看（当然体感肯定是跟现实情况有误的，欢迎指正），在2017年的《崩坏三》和2018年的《狂野飙车9》之后，游戏设计朝向重度体验发展的抽卡类服务型游戏就在这条商业模式的道路上一去不返。
插播个题外话：在那个时间段，《崩坏三》和《狂野飙车9》等产品的体验距离《星际战甲》《极限竞速：地平线》这类真正的主机/PC端游戏相距甚远，因此在体验感上要比近两年在游戏机制上设计更成熟的抽卡服务游戏更容易触碰到疲劳期，反而是《原神》之后的游戏，小部分学得好的厂商为了尝试获得公式化的成功而不断深化的游戏玩法，要比早期的手机端抽卡服务型游戏好玩耐玩了不少。当然，我个人也倾向于认为，一些尝试学习《全境封锁》《刺客信条》等机制的国产抽卡服务游戏的失败，正是因为玩法机制的完全错误设计导致的。
前几个月我每次上线《尘白禁区》和最近的《鸣潮》的时候，我就总会感觉我的短期记忆力缺失似乎相比以往加重了很多。因为我进游戏除了拿每日奖励外，首先要做的事情，就是查看我所需要刷的不同角色的所需素材，不同武器和专武的所需素材，后勤/声骸（也就是《原神》的圣遗物）升级所需的材料和资源，强化角色碎片数量，以及在商店购买资源和抽卡所需的代币数量。这些素材、资源和代币在每个游戏中，注意是在每个游戏中林林总总加起来至少有13~15种，如果活动期间额外临时加入的代币或资源的话，每个游戏需要一次性管理的素材、资源和代币至少有17种甚至更多。
这种设计就对我这种核心成长期总吃碳水，缺乏蛋白质和优质脂肪摄入，没有参加过奥数班和什么记忆力强化班的小镇青年感到极端疲惫，即便《尘白禁区》近期的新角色再怎么又大又圆，即便这款游戏加入了一键收菜系统，但由于新的活动玩法过于强调角色强度，而我在提升强度的过程中又要考虑十几种素材、资源和代币的分配，我还是在新活动上线之前光速退坑了。有这时间干嘛不去上班呢。
我自己虽然极偶尔使用阿里的通义千问和抖音的豆包AI，但还是会关注生成式AI的各种花边消息。今年又是生成式AI的又一个大年，所以很多生成式AI的应用场景和产品也在我的好奇范围内。像是年初NVIDIA在GTC上展出的Project G-Assist游戏助手，Google SIMA代理，上个月发布的《英雄联盟》AI陪练Backseat.AI，WWDC 2024演示的Apple Intelligence都给我留下了相当深刻的印象。我在3月份的时候在自己的微信公号上写了一篇名为《从Vision Pro推演苹果LLM生态建设》的文章，结尾大致预测了苹果人工智能可能会在WWDC上的呈现方式，我也确实预言中了绝大部分内容。
但像是Math Notes、邮件整理和活动优先级编排、录音摘要这类更强大、更实用的功能也确实我始料未及的，但这也打开了我的想象力，尤其是“邮件整理和活动优先级编排”这个功能。我在想，在未来的生成式AI会不会拥有类似邮件整理、识别活动和整理优先级这样的能力，应用到各种服务型游戏的资源管理甚至跨游戏的进度管理，形成更加个人化的，AI驱动的“游戏助手”，甚至依赖生成式大模型开发出自己的游戏代理？
至少，从G-Assist和Backseat.AI的表现，以及WWDC 2024的演示出来的效果来看，这一想法可行的概率非常大。
现在已经有了运行生成式AI游戏助手的基础设施
从近半年的发展来看，部署生成式AI游戏助手的基础设施现在基本上已经达到了“就绪”的阶段，所以如果真的有厂商希望为游戏实装生成式AI助手的话，几乎只需要考虑基础设施的成本因素就可以了。
就我个人的观察，和G-assist、Backseat.AI、Apple Intelligence包括教人怎么玩《我的世界》的微软Copilot一样，运行这种生成式AI游戏助手需要本地端和云端共同协作完成。本地硬件需要NPU等单独高效处理AI工作的芯片，或是RTX系列显卡。而尽管G-assist和Backseat.AI并没有公布太多技术细节，但我的观点是，想要流畅运行生成式AI游戏助手，本地是需要一个经过了优化的小语言模型的。以及每一位玩家独占的，位于云端的私有化大语言模型。
在2024年年初的时候，在本地运行生成式AI的场景还十分有限，因此虽然AIPC已经发布了一段时间，但独立的NPU芯片在内容创作者和科技尝鲜者手上常用的测试工具时，发挥的作用并不大，甚至在能源消耗上的表现也不尽如人意。但随着像是直接利用AI写网络小说这样的场景逐渐被发掘出来，以及AI Agent和AI工作流逐渐成为科技尝鲜者和专业人士的主流AI工具，单一生成式AI发挥更大能力的空间也在被逐渐提炼出来。
不仅如此，像是零一万物和微软也都在今年第二季度左右推出了一些“边缘小模型”。这些小模型并非专门为笔记本电脑、平板电脑或手机设计，更多地是为了提升传统大语言模型在诸如编程和数学等细分领域的能力。只不过恰好这些边缘小模型只有十几或几十亿的参数，空间需求可能还不及微信，搭载近两年的手机芯片和8GB以上内存的手机就足以流畅运行它们。不仅如此，这些模型都能做到离线运行，即便不小心断了网，这些生成式AI依然能够在本地发挥作用——虽然服务型游戏不允许断网，但这些小模型如果不是游戏内置的，而是基于操作系统的，那么它依旧能发挥远超想象的能力。
专门为玩家设计的云端大模型也必不可少。边缘小模型有其低能耗高效率的优势，但面对较为复杂的问题，仍需要借助配备了强大算力和资源的大模型来解决。但我倾向于认为，当边缘小模型达到一定能力之后，云端大模型的作用倾向于为小模型更新知识库和数据，更多和游戏助手直接相关的任务几乎都可以依赖本地模型完成。这样带来的另一个好处就是更加节省私有大模型的运营成本，云端只需要加倍保证玩家数据的私有性和安全性，并在合适的时间对针对AI游戏助手类的大模型进行迭代即可。
基本原理和目前已经展示出来的几个应用场景
年初NVIDIA发布的G-Assist用《方舟：生存进化》进行了一定的展示，只不过展示内容相对比较简略：玩家需要在游戏中打开G-Assist的聊天窗口询问AI我要做什么或者我可以做什么，然后AI助手会根据游戏画面的内容进行分析、推理，并告知玩家可以进行的下一步行动；此外，G-Assist也能读懂数值，会给玩家装备选择上的建议；Backseat.AI则是直接通过AI生成的Tyler1语音提醒玩家在对局中应该如何做什么。
Copilot展示的功能和G-Assist类似，都是提示玩家应该从哪些地方做起，可以做什么或者需要什么材料。讲道理，这些提示对于一些从来没玩过电子游戏的玩家尝试低引导的游戏确实是非常有用的，甚至一些无引导的早期电子游戏，也可以用这类生成式AI助手进行提示。
Google SIMA则是一个通用的，能够在3D空间中进行互动的AI Agent。简单理解，它就是个代练，只不过没有淘宝上那些真人代练智能。但总之，玩家可以直接放下手柄，为这些AI Agent下达一些指令，就可以看着这些AI Agent玩游戏了。
因为Backseat.AI没有公开任何技术细节，所以我个人简单猜测，两者应该都是利用了AI图像识别的能力，并且后台挂载多模态大预言模型，大模型收到提示词请求后生成文字或语音并反馈给用户的技术。事实上，Copilot和Apple Intelligence用的差不多也是同样的原理，所以仅从理论角度上各家都大差不差，核心在于采用的大模型和背后的知识库。
和我们在生成式AI之前遇到的人工智能应用一样，这些生成式AI助手当然需要经过数轮优化和微调之后才能部署到生产环境中。但是由于生产环境的变量和需求与测试环境千差万别，这些生成式AI助手在刚刚发布的时候一定是非常非常不好用的。只有经过了在生产环境中获得的海量数据、经验和知识迭代之后，这些生成式AI游戏助手就会和特斯拉FSD从V11升级到V12一样，才会有一个质的飞跃。
可能有一些一本道的线性游戏，玩家的行为比较好归纳总结，那么这些游戏就更能在早期享受到生成式AI助手带来的便利，但如果是开放世界类游戏和网络游戏，生成式AI助手在部署到生产环境后需要学习的东西就有很多了。
生成式AI游戏助手在未来能做的，以及目前遇到的障碍
一方面，像是Backseat.AI这类针对单一游戏的专业化工具一定会有着广大的发展空间，而G-Assist和Copilot这类更通用的工具则依旧会在玩家的Gameplay引导上做得更多。另一方面，对于服务型游戏，尤其是抽卡类服务型游戏的资源和进度管理，以及跨游戏、跨游戏平台的资源和进度管理，可能会比单纯给予玩家在Gameplay上的引导更有市场和需求度。
并且，由于这些AI工具在未来必然会以捆绑销售或者订阅作为它们的基础销售模式，所以这也会在一定程度上影响一部分服务型游戏的营收。我个人感觉，一旦生成式AI助手的入门门槛足够低，一些底层系统不扎实、玩法不吸引人的游戏，尤其是抽卡类服务型游戏，可能真的会被市场立即淘汰。
相对理想的状态是：如果我某天吃饱撑着同时开始推《命运2》《尘白禁区》和《鸣潮》的进度，那么我就需要生成式AI助手帮我尽快生成进度管理工具，包括三款游戏的活动时限、根据我自己的人物目前进度而生成的角色强度规划路线，抽卡掉率分析，效率最大化且不需或仅需少量氪金的资源和素材获取流程，然后把这些指令提供给Google SIMA，我就可以直接不用玩游戏了。如果能做到这些的话，我每个月只需要花费30美元的生成式AI助手的订阅费用，就能在几乎零氪的前提之下刷完7天或30天内必须要完成的活动并拿到所有奖励和人物练度。
当然，由于个人在体验的时候感觉《命运2》的玩法深度可能远超其他两款，所以用生成式AI助手反而是破坏了这款游戏的核心体验，而“破坏游戏性”也是这类工具所面临的障碍之一。
另一个障碍就是硬件绑定。NVIDIA在官方网站上明确表示G-Assist需要RTX系列显卡驱动，这就意味着如果玩家用的是手机、平板电脑、智能电视、只有核显的笔记本电脑或掌机、又或者安装了AMD或Intel显卡的游戏本、全能本或兼容机就不能使用G-Assist。当然，我们或许可以相信AMD和Intel都会有自研的并且开放给更多平台和硬件系统的生成式AI游戏助手，所以这一点倒是不用太担心。
由于生成式AI目前有着一套较为畸形的商业模式，玩家可能必须在统一的账号下管理自己的游戏才有可能用得上生成式AI助手的跨游戏管理能力。并且这些生成式AI游戏助手还有可能只能在比如Uplay平台、Epic平台、Xbox或者PlayStation主机的第一方游戏上使用，因为只有这些第一方的平台或硬件才能够和本地AI无缝集成。而浩如烟海的第三方游戏或许就需要单独的AI工具或通用的AI助手连接器，利用游戏维基页和游戏助手构建单一维度的AI游戏助手。
可是，当玩家接入第三方AI服务，允许其统筹编排多款游戏的进度时，要么会出现G-Assist那种没有RTX显卡就不让用的情况，要么就是必须要进行第三方授权才能获取游戏进度。第三方生成式AI助手最大的问题不在于性能是否优秀，而是这些服务是否会很快跑路，以及随之而来的信息泄露风险。而如果使用游戏内置或者合作方的生成式AI助手，想要利用更高级的AI Agent实现跨游戏进度管理就变成了不可能。除非能够有一个更开放的协议和规则，或者玩家自己能够开发跨游戏的AI Agent，否则就只能做到一个账户下所有游戏的统筹，和其他账号下单一游戏的进度管理。
以上都只是一些我在体验了赛博打工人的辛苦，但也看到了生成式AI未来潜力之后的一些瞎想。我在上上周已经写好了该主题的文章并发布到了个人微信号上，但由于那篇文章的行文过于佶屈聱牙，也听到机核的播客和@Hakumen大哥的文章之后决定重写，也补上了之前文章没有涉及的产品和知识点。我自己乐观地认为，一旦生成式AI游戏助手能够以AI Agent的产品形态进入市场，依靠算力和体量优势洗牌氪金游戏行业，说不定真的能够给一些游戏策划、投资人和非玩家群体好好上上一课。
（文章头图和封面由抖音豆包AI生成。）
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。