大开眼界！大佬实战分享：用AI“超高速”生成迭代游戏关卡

【GameLook专稿，未经授权不得转载】

GameLook报道/随着模型的快速迭代，AI的能力越来越强悍。对于游戏人来说，如何将AI运用到研发流程当中、AI对游戏研发究竟能带来多大的提升，或许才是最多人关注的话题。

在近日的业内活动上，芬兰初创手游工作室Cosmic Lounge联合创始人兼CEO Tomi Huttula做了题为“游戏的未来是AI”分享，并谈到了该公司利用AI研发解谜手游的具体案例。Tomi的游戏研发经历超过24年，曾在King、EA和Kabam等头部公司从事游戏技术研发。

他指出，虽然生成型AI技术如今仍有不少的挑战，但已经能够大幅提升游戏研发效率。借助该公司研发的AI引擎Puzzle Engine，不会代码的游戏策划也能够快速进行创意原型测试。在游戏美术方面，甚至可以帮美术师完成70%的工作量。

Tomi表示，“我们已经在使用AI做游戏，那么AI在游戏研发中的未来是什么？游戏开发者们有大量出色的想法，我们目前要解决的就是如何快速测试一个想法是否有潜力。但这是个有趣的问题，AI可以生成关卡，那么它能生成游戏设计吗？这个问题可能还需要时间来回答。”

Tomi Huttula：

很高兴能在这里讨论用AI研发未来游戏这么令人兴奋的话题，今天我将用Cosmic Lounge利用AI支持的技术来打造解谜游戏的方式，来向你们展示一些实际案例。

开始之前，先简单介绍一下自己，我是Cosmic Lounge工作室联合创始人兼CEO，从事研发行业已经30年了，其中24年都是在做游戏研发，大部分都是在一流游戏公司担任游戏技术负责人，比如King、EA和Kabam。

这些技术团队比较好的一点是，他们通常是中心化团队，你经常有机会与很多项目团队合作，比如我实际上参与的游戏发行超过100款。

这里要分享的关键信息是：没错，AI已经改变了游戏研发的方式，它是未来游戏研发很重要的一部分。因此我给所有同行的建议是，尽快让你的团队和技术为AI做好准备。这方面，我们Cosmic Lounge打造了内部AI支持的技术，叫做Puzzle Engine，专门用于解谜游戏研发。

用AI可以更好地打造优质游戏

简单介绍一下我们的公司，Cosmic Lounge成立于2022年，当时的AI热潮还没有开始，因此就像很多创业的资深游戏人一样，我们想要知道的是，打造更好的游戏有什么更好的方法？当我们开始思考这个问题的时候，我们发现已经有很多的AI模型、AI服务出现，并且快速意识到，AI会帮助我们解决这个问题。

因此，AI成为了解决方案的一部分，也成为了我们DNA的一部分。如果看时机，我想说这个时机非常完美，因为，在我们寻找解决方案的时候，刚好发现了AI并赶上了趋势爆发，所以才能将AI运用到我们的研发当中。

我们有六个非常资深的联合创始人，平均游戏业经验超过15年，并且参与过10款以上的收入榜头部解谜游戏研发，我们知道如何设计、打造和运营这类游戏。我们之前的游戏技术和工作室还卖给了迪士尼和Playtika这样的顶级公司。我们目前有20名员工，分布在赫尔辛基、奥鲁（芬兰北部港口城市）和斯德哥尔摩。

Cosmic Lounge的游戏研发方式，就是使用我们内部的AI技术工具Puzzle Engine，让游戏设计师们用无代码工具生成大量的核心游戏设计，还可以用来做营销小游戏的设计。一旦找到了可行的创意，我们就利用先手优势发现高潜力的解谜品类。进入运营阶段之后，我们用AI制作管线以10倍的速度生成关卡和运营内容。

在我说AI技术的时候，也在说我们的Puzzle Engine，这是我们的内部引擎，并没有对外部授权，接下来看看它的展示：

Puzzle Engine里的AI

接下来我们说说通过Puzzle Engine来使用AI技术，先从技术方面开始。在将AI集成到我们技术堆栈的时候，我们有三个原则。

第一个是极为重要的：增加和移除AI模型的能力。我们本身并不研发这些AI模式，而是使用合作伙伴的模型并根据我们的需求进行训练和调整，但我们不做应用层面的事情。众所周知，AI领域的发展很快，这个月在某个方面好用的模型，可能下个月或者过几个月就不是了。所以，能够更换AI模型的能力很重要。

由于这是谷歌的活动，所以提一下他们的AI模型，我们的CTO几周之前用了30分钟就将他们的AI集成到我们引擎当中，图片右侧是他设计Puzzle Engine的架构（AI模型更像是Puzzle Engine的一个个模块）。

游戏架构和机器学习。第二条可能不是原则，更多的是技术架构，但这也是我们与其他同行做解谜游戏使用技术结构不同的地方。做解谜游戏需要大量的关卡，每个团队都不是直接用代码写出来的关卡，而是以数据形式呈现的，我们也做这样的游戏逻辑。

不过，我们还有一个游戏机制，如游戏的规则是什么？如何做匹配、如果做匹配又如何在游戏里互动？这对我们来说也需要做一个游戏逻辑配置数据。这在后续给我们带来了很多优势，但目前的一大优势，就是让AI、机器学习知道游戏是如何运行的。

当AI理解了这些逻辑之间的关联、而非游戏设计，就可以在关卡创作和优化方面为我们的策划提供更好的推荐。

第三个原则是将AI的使用嵌入工作流，这对我们的团队非常重要，尤其是非工程人员，例如关卡策划、美术师们，他们不需要考虑使用不同AI模型的复杂性，我们希望将AI设计到工作流当中，以便让不会代码的开发者们也能在Puzzle Engine里做所有的设计，因为我们将复杂度隐藏在了工具背后。

我们还允许开发者们创作自己的工作流表格，因此在创作关卡的时候，他们可以为特定用途的关卡做一个表格。

AI在创意原型中的运用

接下来我们说说实际的用例，这里先从AI在创意原型中的运用开始。创意原型对我们很重要的原因是，每个工作室都有大量的创意人才，每个人才都有数不尽的想法，但是，你怎么知道这些想法足够好？这个想法是否有成为大作的潜力？这是非常重要的。

通常来说，策划有了想法， 但他们需要美术师、需要关卡策划甚至工程师来尝试这个想法，哪怕是资深团队他们也需要市场测试。所以，我们希望让策划很容易通过Puzzle Engine打造一个创意原型并进行测试，不要美术师、工程师们的参与。

这是一个想象的图片，假设游戏设计团队偶然发现一个叫做“angry dev”的想法，这个概念中，一个愤怒的开发者对自己充满了bug的代码很愤怒，所以他尽一切可能来修复代码。

现在，策划使用了Puzzle Engine开始创作这个游戏，他们可以用AI生成的美术作品，可以选择自己想要的风格，比如想要可爱的风格，直接输入指令，AI就可以生成很多不同的美术，策划可以选择自己最喜欢的那一个。策划可以继续这么生成其他的资产来完成创意原型。

所以到目前为止，他们还不需要一个美术师，也不需要工程师，因为他们可以直接在Puzzle Engine的UI直接配置游戏逻辑，这个引擎甚至还嵌入了AI关卡生成，因此，如果只是做一个带关卡的创意原型，策划自己就可以通过几个小时的时间完成。

这里展示“angry dev”的创意原型，我大概用了五六个小时的时间就做好了。

AI在美术制作中的使用

创意原型阶段，所有的美术作品都是由AI生成的，接下来我们进入最终游戏美术的制作，这和之前有些不同。

谈到AI的优点，它显然非常适合用于迭代不同的想法，你可以尝试比以往任何时候都更容易尝试想法，AI可以减少创意原型阶段的工作量，这样他们可以将更多的时间用于制作最终游戏美术资产。虽说AI目前最大的帮助是可以加速游戏创意，但在真正的美术资产制作中，它仍然可以带来很高的生产效率。

这是27张铁道照片，我为什么要展示它？只是为了举例，如果美术团队想要为自己的解谜游戏做一个背景图片，AI已经可以为手游做出非常好看的2D背景图片。所以，他们可以生成大量的图片，然后选择最喜欢的一个，哪怕还不确定，也可以投入测试。

不过，如果是在几年前，你通常需要找到美术团队，请求他们画30张好看的铁道图片，这往往需要数周的时间制作，但如今，这个速度甚至能跟上你的思考速度，AI正在快速改变游戏研发。

AI协助的角色美术制作

接下来进入对AI来说更具挑战性的角色美术制作，目前来说，AI还不擅长制作具有连贯性的美术作品，例如角色创作，而且在角色创作过程中，你不能使用太多的AI。

但是，如果你能很好地设计自己的美术制作管线，并思考如何最大化利用AI服务的优势，实际上可以得到非常好的结果。这是我们的一个美术师使用AI协助制作的角色，我问她在这个过程中，AI带来了多大的帮助，她说AI帮自己做了70%的手动工作。因此，哪怕AI还不能直接制作角色，但如果你能够恰当运用，它已经可以带来很大的帮助。

AI在关卡制作中的运用

我们进入关卡制作阶段，我们在做的是休闲解谜游戏，需要大量的关卡，有些甚至需要上万个关卡，这显然是个巨大的工作量。那么，我们该如何更有效率地生成关卡？

一个用例是AI协助的关卡评估，你们可能已经看到我几次提到了“AI协助”，这反映了我们对待AI技术的方法，我们不认为AI要取代任何人的工作，我们认为AI可以帮我们的团队成员将他们的工作做的更好，让他们的工作效率更高、得到更好的结果，包括在关卡测试中。

关卡测试中，你可以让AI通关整个关卡，并得出结果让策划在关卡真正部署到游戏之前对关卡设计和难度有更全面的认识，通过AI玩游戏的结果来判断一个关卡的卡头或者结尾是否难度太高，整个关卡是否平衡。

我们还没有发布自己的游戏，但正在做准备。我们可以通过AI测试来判断哪些关卡的玩家流失率最高、哪些关卡变现更好。然后整个关卡会以数据形式呈现，再通过机器学习的方式把这些关卡调到更好。这个功能也镶嵌在Puzzle Engine之内。

这里是AI测试关卡的更多细节，实际上测试速度快很多，但我们调慢了速度以便能看的明白。有趣的是，这个关卡本身也是AI生成的，我们使用了谷歌的模型，并按照自己的需要做了自己的定制模型。

AI协助的关卡生成

谈到这一点，关卡生成是基于游戏策划的，我们有两个关卡策划，很多团队可能有20几个甚至更多。我们的策划所做的，就是他们自己先设计几个关卡，然后交给AI训练，得到更多的关卡。哪怕是没有例子，也可以让AI生成大量关卡，再挑出自己满意的。他们还可以设计指南，告诉AI如何生成关卡，比如在这些生成的关卡中只使用这些元素。

我们还做了程序自动化，当你将案例交给AI之后，Puzzle Engine会改变它的格式，以便让AI更好地处理，当AI生成结果之后，Puzzle Engine同样会作出处理，让策划用起来更方便。我们还加入了玩家游戏数据、业绩表现数据、游戏机制数据等，以便让AI在游戏玩法中找到某些机制的关联性，带来更好的留存率、变现结果，降低玩家流失率。

最后一条是带AI协助的关卡测试输出筛选，这意味着什么？如今，我们有了AI关卡生成、关卡测试，当策划早上看到结果的时候，会有经过AI测试的一个推荐关卡列表，以及对应的测试结果，让策划根据自己的设计需求选择。

关卡内容管线制作

当你考虑到生成大量关卡所需要的步骤，它们包括关卡创作、关卡测试、关卡迭代和关卡优化，每一个阶段都可以通过AI提升生产效率。对我们来说，很重要的是将它们放到一个工具集当中，这样在制作关卡的时候，就不用在不同工具之间切换。

考虑到游戏关卡的数量，如果每款游戏有1万个关卡，再乘以你的游戏数量，就能看到使用AI带来的巨大生产力提升。

AI在营销当中的使用：小游戏

最后一个话题，就是AI在市场营销当中的使用，这本身可以当做一个主题来说，但这里我只聚焦于一个方面：小游戏。

可能很多人都知道小游戏是什么意思，但我们这里需要将其与虚假广告区分开来。一些公司在自己的广告创意中展示了游戏内根本不存在的玩法，尽管这样可以降低CPI，但风险在于，当玩家进入游戏之后发现没有广告中的玩法，他们很多人可能会流失，当然，对一些公司来说，只要有一部分留在游戏里，就足够了。

但是，如果你可以很轻易将这些小游戏加入到自己的游戏，结果就会更好，这对我们的Puzzle Engine来说非常简单。你可以做出一些小游戏并做成视频快速测试，如果结果非常好，可以直接加入到游戏里，就像增加一个关卡那么简单，因为它只是一个内容而已。

在买量环境下的AI与小游戏，很显然，这里的AI使用与我们之前讨论的很相似，用AI生成美术资产、将制作成的小游戏玩法录成视频，你可以将其放到广告当中。你甚至可以用AI来测试这些关卡，将一些结果考虑到创意之中，很有可能会发现一些想不到的创意。

当我问一个业内资深从业者AI在休闲游戏营销哪些环节可以带来帮助的时候，他给了一个很长的列表。这里我们没办法一个个细说，但我把它们放到图片中，以展示AI对游戏研发和营销带来的改变。

总结

到这里，我要说的基本上就快结束了，但我希望提出一个问题，我们已经在使用AI做游戏，那么AI在游戏研发中的未来是什么？很多人可能都想问一个问题：我们做游戏是面向人类的，而非AI，但是AI能否设计游戏？

从我们现在的技术架构来说，我们已经有了完整的游戏机制、关卡设计和资产生成，所以技术方面说，AI完全可以设计一款游戏出来，然后放到玩家群中测试。但我们目前并不打算这么做，因为我们不认为这是现在需要解决的问题。

游戏开发者们有大量出色的想法，我们目前要解决的就是如何快速测试一个想法是否有潜力。但这是个有趣的问题，AI可以生成关卡，那么它能生成游戏设计吗？这个问题可能还需要时间来回答。AI正在进入更多的游戏研发领域，也在从事很多我们之前从未做过的事情。

以上就是我的分享，非常感谢。