核心觀點：

《71頁深度：游戲技術力革命，騰網米擁抱AIGC時代》報告著重分析游戲產業應如何客觀看待、加速落地AIGC；游戲AIGC終極彼岸在何方；AI新浪潮可能會催生的新商業模式；東西方AIGC沖擊波對各自游戲產業鏈產生了哪些影響：

1、AIGC是游戲工業化進入到第三階段的典型特征

我們維持已有判斷，認為AIGC是游戲工業化進入到第三階段的典型特征。大致上，游戲工業化分別為四大階段：第一階段、積累、整合、中臺化；第二階段、3A品質、供應鏈；第三階段、AIGC應用于游戲產品研發運營；第四階段、Text to Gae，AIGC游戲引擎催生全新的游戲玩法、交互體驗。 

我們認為，當下及不遠的將來，AIGC無法推動中國游戲廠商趕超西方老牌游戲廠商。最直觀的效果是提升游戲工業化水準。 

2、游戲變革奇點在于融合玩法、交互，終極目標是一站式生成游戲

AIGC之于游戲變革奇點在于融合玩法、交互，終極目標是一站式生成游戲（Text to Game ）。當前AIGC之于游戲，提效多體現在美術圖標、角色對話、文案等單一環節，理想情況是提升現有流程效率10%-20%。 

眼下，AIGC在研發運營環節呈現出點狀式、非連續性、弱聯結等特性。像對戰、數值、劇情等領域，AIGC落地游戲已經相對成熟。游戲大廠內部，已擁有對應平臺及模板；中型游戲公司，通過投資等形式，已綁定市場上優質創業公司；市場上頭部初創AIGC公司，已形成部分領域較為完善的解決方案，服務于中型游戲公司。 

像引擎、運營數據系統、美術等環節，當前大中型游戲廠商均處于嘗試階段，應用落地局限于優化引擎代碼、提升運營數據系統效能以及輔助概念原畫設計、圖標生成等。在文案、素材生成等環節，當前應用僅是輔助參考，尚未落地到研發運營管線中。 

3、落地生產管線，需解決有效數據生產、標記不足，模型訓練成本高等難題

AIGC要想全方位落地研發運營生產管線中，需要解決有效數據生產、標記不足，解決方案通用性不高，一次性訓練模型成本過高，游戲數據私密性等難題。以游戲開發過程中耗時、耗人最多的3D資產數據庫為例，鮮見億級別規模，這導致當前文字生成3D資產還處于早期階段。

現階段中間態解決方案是，美術畫出結構化圖形，通過程序化建模的方式搭建3D資產。我們認為，文字生成2D資產未來一兩年將變得比較成熟；文字生成3D資產，還需要五年多時間。 

4、3D資產生成是重點，各大業務重點不一，打法不一 

國內頭部游戲廠商大多自己組建AI中臺部門（如騰訊CDG AI Lab\騰訊IEG Cros；天美/光子技術中心；網易伏羲、互娛AI Lab；米哈游 逆熵研究院等）。它們落地AIGC邏輯是，針對研發流程中耗人工/時間較多的環節，利用AIGC提升研發效率、用戶體驗。

2023年，騰訊、網易、米哈游三家廠商AIGC落地共通點是自動生產3D資產；區別點是，騰訊游戲會分出部分精力在動畫生成方面；網易游戲會重點深耕人機協作，輻射至工程機械領域；米哈游會重點落地鹿鳴AI，打造強智能數字人。 

5、調用量、訓練模型費是主流，商業模式待變革 

當前AIGC創企商業模式多為API調用量（1元/AI/天 ）+一次性訓練模型費用（百萬級別）。目前，已有企業開始探索跟游戲產品分流水模式。結合我們產業鏈調查，我們認為未來較長一段時間內AIGC創企商業模式仍然是前兩者。要想實現跟游戲產品分流水，取決于游戲產品所處生命周期；流水體量；AIGC提升游戲變現效率（>30%）。 

6、國內外游戲垂直AIGC創企打法迥異，產業土壤決定生態圈 

國內、海外AIGC（游戲向）浪潮發展趨勢存在明顯不同：海外市場已出現面向音頻、2D/3D資產、材質、AI Bot、對話等垂直領域的創業游戲AI公司；國內市場創業公司多聚焦于AI bot、智能NPC。未來，中國市場大概率不會出現針對細分游戲模塊的初創公司。 

原因在于，海外游戲市場工業化相對成熟，資產、美術、策劃外包公司已初具規模，擁有正循環的商業模式。創業游戲AI公司，可跟上述細分領域公司合作，間接地服務游戲公司。反觀國內游戲市場，工業化尚不成熟，未能在細分領域孵化出頭部公司。

此外，國內AI公司如小冰、超參數、啟元世界、行者AI等，它們早已經布局游戲領域。他們能直接觸達游戲公司，提供服務。鑒于缺失垂直細分領域游戲公司以及AI公司布局游戲領域擠占了市場，因此本輪AIGC熱潮無法推動新一批初創游戲AI公司崛起。