腾讯游戏的AI，做得比想象中快。

文/修理&托马斯之颅

最近，腾讯把一款低调的产品，悄悄拿到了科隆游戏展上。

这款产品叫做VISVISE，简单来说，它是一套AI全链路游戏创作解决方案，覆盖了动画制作、3D模型生成、智能NPC和数字资产管理四大管线，并能够在不改变管线和工作流的情况下，无缝进入模型生成、贴图制作、骨骼绑定、动画制作、场景构建及渲染等诸多环节。

许多现场体验的游戏开发者表示，VISVISE颠覆了自己对动画制作的认知

很少有人知道，VISVISE已经应用到了《和平精英》《PUGBM》等多款头部游戏当中。此外，完美世界、青瓷等厂商也都是他们的用户。

VISVISE官方公众号展示的部分合作产品

以自动蒙皮工具GoSkinning为例，它让《和平精英》的动画蒙皮制作提效了60%，即便是其比较复杂的资产蒙皮工作，也能从3天完成变成1天。目前GoSkinning已在90多款游戏当中得到使用，它服务的所有业务，每月总调用量达 20 万根骨骼——这是2000个角色的需求量。

VISVISE专家曾子骄在科隆Devcom游戏开发者大会上表示，VISVISE可将蒙皮效率提升8倍以上

VISVISE来自腾讯游戏效能产品部。这个中台存在已久，一直在帮助腾讯游戏提升研发效率。在AI时代，相关团队从自动蒙皮切入，依靠多年积累的数据和人才攻克了一系列技术难关，还顺手炼制了几个自研大模型。

前几天在科隆，腾讯游戏效能产品部负责人陈冬向葡萄君介绍了VISVISE的研发历程，以及他们对AI改变游戏的畅想。

陈冬2008年毕业即入职腾讯，先后负责过游戏安全和数据中台。在他看来，即便仅凭当前的AI技术，游戏行业也仍有大量的优化、创新空间。如果AGI（通用人工智能）未来再有重大突破，有一天AI或许可以真正模拟人类的意识，强大的智能NPC将颠覆整个行业。

01

起源：从蒙皮和动画入手，

搭建AI底座

IEG的技术公线团队，其实早在生成式AI（gen AI）出现之前就在关注AI领域了。

从2016年开始，不管是在游戏的提效、优化、算法，还是玩法对弈层面，大家就都在运用机器学习和深度学习的技术。2018-2019年，团队在美术资产管理，比如怎么存、怎么搜、怎么设置权限等方面也有不少实践。

但2023年，ChatGPT让大家意识到了生成式AI原理的威力，并开始思考一个问题：腾讯游戏有这么多数据，那么在AI方面，是不是可以做更多事情？

于是，团队把目光投向了DCC（Digital Content Creation，数字内容生成），并选择了一个3D模型制作中的一个非常细分的工序：蒙皮绑定（Skinning）。

为什么要先做美术？因为美术不像玩法，游戏3D资产生产的过程中有什么步骤、有什么环节、花多少时间、有多少资源、什么是好、什么是坏……一切都非常明确。

而所谓蒙皮，指的是将3D模型网格的顶点与骨骼关联起来的过程。这是一项繁琐而枯燥的工作，但在做角色动画时，3D模型每个面片的移动，都会涉及关节点的权重。如果绑定质量不高，形变错误、穿模就是最直观的结局。

选中目标后，技术团队开始围绕手头的大量产品数据，研究如何有效表征顶点、骨骼以及二者之间的关系，并炼制属于自己的大模型。很快，他们不只搞清楚了普通角色的蒙皮建模规律，还针对裙摆等多层复杂易穿插结构研发了裙摆蒙皮 AI，针对粘连问题推出了通用局部蒙皮 AI。

就这样，GoSkinning成了团队第一个通用性极高的AI产品，团队的技术成果还入选了SIGGRAPH、ICLR等顶级会议和GDC。

和蒙皮类似，动画生成（MotionBlink）也是团队早期优化细分工序，探索AI增效的尝试。

动画制作，一直是游戏研发当中最耗资源的环节之一。手K有多麻烦且不说，即便花大价钱做动作捕捉，请了演员，买了设备，租了场地，捕捉出来的数据还是要手工修复。

在找十几个项目组做过大量的调研之后，团队决定尝试一个很符合直觉的方案：能不能让动画师只画最关键的动作，然后由AI自动补足其中的帧数？

这个方向最大的难点，是动画缺乏有效的表征——大语言模型对于词汇的表征，是需要离散化码本解决的。可用怎样一段数字表征动画的某一帧，以及它与前后帧在趋势上的联系？此前业界没有有效且高质量的解决方案。

于是，效能产品部的团队先是找了几个最精锐的同事，对着这么多年在腾讯动捕基地积累的动画数据做实验，先在小规模验证思路，再把数据量推到100小时、500小时、1000小时……不断增大模型的规模，添加参数，完善编码器，最终研发了智能插帧 AI（MIB）。

渐渐地，MotionBlink的效果从只能补齐跑跳走的帧数，到了能生成关键帧、调整POSE，补齐各种复杂的动作，甚至能通过定制模型，完成二次元等风格化项目的专属动作。光子某工作室就因为使用了MotionBlink，动画制作周期大幅缩短。

事实上，蒙皮和动画只是效能产品部探索AI增效和辅助创意的缩影。最近几年，3D模型、智能NPC……他们的各项工具正在深入各种产品的研发链路，并彼此搭配，成为了工业化的基础设施。

于是2024年，陈冬决定把所有和AI有关的游戏研发工具整合在一起，呈现腾讯游戏在AI上的能力和规划，VISVISE就此诞生——VIS是Vision（愿景）的缩写，也带有视觉的意思（Computer Vision），VISE则是Wise（智慧）的谐音。

如今在VISVISE里，数据清洗/收集，底层训练、技术框架、产品等方面都有对应的团队。但和很多人的想象不同，VISVISE整个团队的规模却不算大。

陈冬说，虽然训练AI的成本很高，需要大量的GPU算力反复迭代试错，积累和清洗数据，但仅靠堆人完全解决不了问题。因为这个过程不只是简单的工程实现，它需要阅读大量的论文和信息，结合实际问题，提出创新性的改进方案。

幸运的是，由于团队内相关研究开展已久，如今在各个子产品的Leader大多有10年以上的工作经验；一线的同学，也大多来自腾讯用来招聘顶尖技术人才的青云计划。团队的人才密度这才算是有了保证。

02

VISVISE的优势：

垂直、精准、全链路

不过先就此打住：现在市面上的AI提效工具也不少。和它们相比，VISVISE到底有什么区别？

陈冬说，和通用型AIGC产品不同，VISVISE聚焦于游戏领域，针对具体问题而生，有着明确的业务场景。同时，团队还有大量的游戏数据积累，以及业务理解作为支撑。

比如说，相关团队很早就有了自己的动捕基地，积累了大量的高质量动画数据；包括3D制作方面，他们也有生产团队去负责做早期的模型LOD。换言之，VISVISE不是款玩概念的噱头产品，而是在具体业务场景中迭代出来的实战派。

以3D生成为例，市面上支持文生3D、图生3D的模型不少，但只要游戏人将信将疑地问上三个问题，就足以让大多数产品汗流浃背：

第一，生成的模型有没有体积？

考虑到性能优化，游戏美术模型生产一向是能省就省，很多衣服可能只是由单面片构成，没有实际厚度的「视觉幌子」。

因此，VISVISE一开始最重要的目标就是能生成非水密（non-Watertight）的3D结构。而很多其他模型因为要服务3D打印，必须选择水密结构，"因为现实物理世界是有体积的。"所以要做到非水密，难度很高，如今市面上研究这个方向的团队也很少。

第二，生成的模型能不能进行拆分？

很多3D生成的AI模型都会统一生成一个完整的模型，然后把所有细节焊在一起。但游戏3D模型需要分部件，比如说一个角色要分肩甲、挂饰、裙摆等等，这样单独制作时，才能符合美术管线的制作流程，给后续人工介入留足空间。

在这一点上，VISVISE不仅支持分部件，还可以看到每一个部件的所有细节，且部件都是可编辑的状态，在精细程度和布线的规范性上有更大的优势。

第三，模型对拓扑结构的支持有多少？

一些3D模型只在乎几何的形状是不是足够精细，但游戏都是由三角形或者四边形的面片构成，这里面不光是几何的问题，还包含拓扑结构的问题。“你拿不同模型的布线给美术团队看，好坏一眼就能看出来，包括部件分得好不好、准不准。”

比如在制作手臂时，拓扑得沿着骨骼的方向，以环形的方式出现，这样美术才可以直接选中一个环去做调整。

再比如说做硬表面时，拓扑布线该怎么走，哪个布线该随骨骼走，哪个布线该随着几何或者衣服的方向/走向去走，形变比较大的部位，像膝盖和颈部，做动画时它的布线得更密一些，才能保证足够高的精度。

这是一个很枯燥，但所有做3D模型的人都必须要做的事情——雕刻是最有创意和灵感的部分，但随后，艺术家就要在高模的基础上，用更低的面数去表示，确保几何上看起来没有问题，确保布线符合工艺要求，才能进到游戏管线。

而在拓扑方面，VISVISE在生成式AI出现之前就有一个专门的团队，研究如何计算几何，理解布料和硬表面分别怎么布线，走向又是什么。这让它们的结果可以更规范，更精细。

在此基础上，它们还开发了基于可微渲染的引擎资产自动化预处理工具，以此实现程序化自动减面，并尽可能保证模型的品质。据统计，这项工作可以比人工制作耗时提效10倍以上。

更重要的是，在单一工序之外，VISVISE已经能够整合各项能力，把各个环节串起来，系统性地解决开发难题。

拿VISVISE旗下的Superman工具举例，它能在角色绑定、角色定制、表情生成、动画制作方面实现全流程的自动化，把传统的角色迭代流程，从4个月提速至1天。

据VISVISE统计，这里面包含的一键智能包裹，效果能达到业界标杆 Wrap4D 1天的工作量；一键智能绑定，可以提升传统流程中90%的绑定效率；一键面部动画生成，则相当于1人天3s动画的工作量。

这应该也是腾讯游戏要整合各个AI产品到VISVISE的原因：各个小组的专业能力可以统筹在一起，无缝融入任何游戏开发管线，一口气解决上下游环节的全部问题。

03

VISVISE与AI的未来

目前，VISVISE的自动蒙皮功能已经对外开放合作，更多功能在成熟之后，也会逐渐SaaS化并推向市场。

陈冬说，这当然不是为了赚钱。除了为行业创造价值，他也希望VISVISE能够接触更多的需求、场景和客户，从而进一步改善产品、提升技术。

在未来，他希望VISVISE能进入到更多游戏的生产流程当中，不断提升AI提效的上限，让行业能够产生更多创意。

"对于那些重复、枯燥、繁琐的非创意类环节，我们希望尽可能实现100%的AI自动化，让开发者能够完全回归创意。如果开发者能够更专注于打磨创意，那大家等待一款游戏的周期会变短，总有一天可以每一款游戏都非常不一样，甚至每个玩家的体验都不一样，这是非常值得期待的。"

陈冬还表示，未来VISVISE的组件一定会越来越多，因为AI还可以赋能太多制作环节：声音、配音、光照、离线烘焙、智能NPC……只一个动画环节，就有大量可以增加的新功能，比如用语音、视频等多模态的方式生成动画；再比如让AI制作人与人、人与物体的交互动画，并且更细腻地处理手指和面部。

目前VISVISE的部分工具与能力

在他看来，人们对于游戏的终极追求，比如更拟真的世界，更智能的NPC，都离不开AI 。如今AI对游戏的影响才刚刚开始，押注AI就是押注未来："我们需要从更长远的角度去看待AI的影响，做更长期的投入。"

04

对话陈冬：AI很强，

但要对人类有信心

关于游戏公司AI中台建设的必要性，以及AI对游戏行业的影响，以下是葡萄君和陈冬的部分对话。为方便阅读，内容有所调整。

葡萄君：在你看来，什么样的游戏公司才适合搭建自己的AI中台？

陈冬：要看你有多看重这个事情，能接受多少成本。这又取决于公司当下的经营状态，以及对未来战略的判断。

从成本和收入的角度，以我们自己训练的过程来看，你在Pipeline上还是得有足够多的产品——1款游戏肯定没有必要，5款也相当够呛，我感觉可能至少得有数十款才可以考虑这件事。

另外，如果你没有这么多数据，你也做不出太好的效果，没办法做更大的投入。所以，在这个数据驱动和资源密集的领域，体量足够大的公司，更有可能实现顶级的效果。

葡萄君：你们会给自己制定KPI吗？

陈冬：这没有意义，中台最怕的就是自己做自己的事情。如果只思考自己要做什么，不给业务创造价值，那大概率是会翻车的。

葡萄君：腾讯游戏在AI工具方面算是大中台的模式。你认为相关技术是更适合大中台，还是小中台？

陈冬：腾讯游戏的中台不是建出来的，而是长出来的。当团队很小的时候，就会有一些人擅长做一些事情。在做了几个项目后，他就会想要团队的支持和协作，慢慢他就会支持越来越多的业务，最后和业务一起成长起来。

说实话，腾讯游戏业务在早年发展得非常快，做中台没有做业务这么诱人。所以我们团队真的都是一批特别喜欢技术、对技术有追求的人，才会一直持续做这件事，逐步积累和项目组的信任关系。

在业务里长出来是非常关键的，如果本来没有，但事后想建，这就需要非常强的自上而下的推动才有可能。别人已经闭环了，都做好了，为什么你还要再做呢？

葡萄君：以目前的底层硬件和大模型水平而论，现在的游戏AI技术是不是已经到达了上限？

陈冬：我觉得远远没有到上限，大家都在做一些外围的东西。

比如说大家觉得NPC没有记忆，就加一个记忆的模块进去；觉得没有情感，就把情感计算的东西放进去。但这些东西都是在打补丁，并没有让NPC真的能够感知到虚拟世界。

大语言模型的整个训练过程，第一是单向，它无法虚拟学习；另外它也没有亲眼见识过我们这个世界，它只通过文字这么简单的渠道感知过我们，未来可能需要有世界模型这种方法，真的学习到人类对于这个世界的感知，它才有可能在游戏NPC里面达到更高的效果，虽然现在可以通过很多手法让它表现的更好，但我觉得这是阶段性的。

葡萄君：你希望NPC有感官，能感受到这个世界？

陈冬：为什么不行？AI Bot是通过什么感知世界的？通过我们给它的地图信息。那能不能把游戏画面也压缩成信息，让未来的NPC像人类一样，真正通过视觉来感知这个世界，理解人类的情感？

葡萄君：听起来是不错的路径，但感觉具体实现起来很不容易……

陈冬：这个事情就属于要不断地尝试才有可能实现，但现在已经有蛛丝马迹了。

人类的大脑由神经网络构成，能接收视觉信号，有潜意识和记忆机制，并且在睡眠和日常生活中都会进行持续的学习；哪一种网络经常被连接或触发，它的连接就会得以强化；你做一件事感到愉悦、兴奋的时候，多巴胺就会强化那些最近正在激活的神经连接和网络……按理说，这些原理都能参与到NPC的建造过程中。

意识的起源可能并不复杂，它涉及到某种机制，只是这种机制需要时间。如果一个人工生命体的年龄只有两个月，或者说它大脑神经元的数量只有人的1/10，那它接收的数据量和拟合机制不够强大，自然没有办法学到这些东西。

让一个NPC具备一定程度的意识，这事可能也没有想象中的那么难。比如说大语言模型也不是做得特别复杂才会涌现；包括游戏设计，很简单的游戏规则，就能带来丰富的涌现能力。

葡萄君：最后问一个老生常谈的问题。面对AI浪潮，你对不同阶段的游戏人有什么建议？

陈冬：对中高级的游戏人来说，只要对AI保持新鲜感，思考如何让AI帮助自己更多，创意工作的价值就会变大。

而对于刚入门的游戏人来说，或许当下要尽可能让自己变的更与众不同，要脱离平均值。

葡萄君：但人类不可能一出生，一入行，就能掌握脱离平均值的能力。

陈冬：大家也不是一出生就变成现在这样的。可以把大脑想像成一个由很多潜意识构成的机器，这台机器会不断接收信号——我们眼睛看到的世界是一样的，但意识感知到的世界截然不同；人脑能注意到什么，是由过往的选择决定的；而你一路成长到现在，你的行为模式、习惯和成就也都在不断强化你做选择的能力。

所以，虽然每个人的状态无法在短期内改变，每个人在不同人生阶段的上限也不一样，但长远来看，大家还能让自己在特定领域当中变得更不一样一些。

毕竟，目前地球上没有任何东西的机制能比人类更复杂、更精密。人类大脑的能耗只有20瓦，却进化到了现在；而一张GPU的能耗要几百瓦，它还只是一张卡。只要在这一点上AI还没有超越人类，那我们就有足够的时间。

葡萄君：所以还是要对人类有信心啊！

游戏葡萄招聘内容编辑，