腾讯近期在科隆游戏展上低调展示了其自主研发的AI全链路游戏创作解决方案——VISVISE，这款产品正悄然改变着游戏开发的面貌。VISVISE并非一款孤立的产品，而是一套覆盖动画制作、3D模型生成、智能NPC和数字资产管理四大管线的综合性解决方案。它能够在不改变现有管线和工作流的前提下，无缝衔接模型生成、贴图制作、骨骼绑定、动画制作、场景构建及渲染等多个环节。众多现场体验的游戏开发者表示，VISVISE彻底颠覆了他们对动画制作的认知。
VISVISE的应用早已深入多款头部游戏，包括《和平精英》《PUGBM》等，完美世界、青瓷等知名厂商也已成为其用户。以自动蒙皮工具GoSkinning为例，该工具让《和平精英》的动画蒙皮制作效率提升了60%，即便是复杂的资产蒙皮工作，也能从3天缩短至1天。目前GoSkinning已在90多款游戏中得到应用，其服务的所有业务每月总调用量高达20万根骨骼，相当于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源自腾讯游戏效能产品部，这个中台团队长期致力于提升腾讯游戏的研发效率。在AI时代，团队从自动蒙皮切入，凭借多年积累的数据和人才攻克了一系列技术难关，并成功炼制了多个自研大模型。在科隆展会上，腾讯游戏效能产品部负责人陈冬向媒体介绍了VISVISE的研发历程，以及他们对AI改变游戏的畅想。
陈冬自2008年毕业即入职腾讯，先后负责过游戏安全和数据中台。他认为，即便仅凭当前的AI技术，游戏行业仍有大量的优化和创新空间。若AGI（通用人工智能）未来取得重大突破，AI或许能真正模拟人类意识，届时强大的智能NPC将彻底颠覆整个行业。
### VISVISE的起源：从蒙皮和动画入手，搭建AI底座
IEG的技术公线团队早在生成式AI出现之前就已关注AI领域。从2016年开始，团队便在游戏提效、优化、算法及玩法对弈等方面运用机器学习和深度学习技术。2018-2019年，团队在美术资产管理方面也积累了丰富经验。2023年，ChatGPT的出现让大家意识到生成式AI原理的威力，并开始思考如何利用腾讯游戏的海量数据在AI领域做更多事情。于是，团队将目光投向了DCC（Digital Content Creation，数字内容生成），并选择了3D模型制作中的一个细分工序——蒙皮绑定。
选择美术领域的原因在于，美术流程比玩法更为明确。游戏3D资产生产过程中的步骤、环节、时间、资源、好坏标准等都非常清晰。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，但直接影响角色动画的质量。若绑定质量不高，形变错误、穿模等问题将难以避免。
技术团队围绕大量产品数据，研究如何有效表征顶点、骨骼及其关系，并炼制出属于自己的大模型。很快，他们不仅掌握了普通角色的蒙皮建模规律，还针对裙摆等多层复杂结构研发了裙摆蒙皮AI，并推出了通用局部蒙皮AI。GoSkinning成为团队首个通用性极高的AI产品，其技术成果还入选了SIGGRAPH、ICLR等顶级会议和GDC。
与蒙皮类似，动画生成（MotionBlink）也是团队早期探索AI增效的尝试。动画制作一直是游戏研发中最耗资源的环节之一。即便采用动作捕捉技术，捕捉出的数据仍需手工修复。经过大量调研，团队决定尝试一个符合直觉的方案：让动画师只需绘制关键动作，由AI自动补足其余帧数。这一方向的最大难点在于动画缺乏有效的表征。大语言模型对词汇的表征依赖于离散化码本，但如何用一段数字表征动画的某一帧，以及它与前后帧的趋势联系？此前业界尚未找到有效且高质量的解决方案。
效能产品部的团队首先让几位精锐同事对着多年积累的动画数据进行实验，从小规模验证思路，逐步扩大数据量至100小时、500小时、1000小时，不断增大模型规模，完善编码器，最终研发了智能插帧AI（MIB）。MotionBlink的效果从最初只能补齐跑跳走的帧数，发展到能生成关键帧、调整POSE，补齐各种复杂动作，甚至通过定制模型完成二次元等风格化项目的专属动作。光子某工作室因使用MotionBlink，动画制作周期大幅缩短。
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。近年来，3D模型、智能NPC等工具已深入各种产品的研发链路，并相互搭配，成为工业化的基础设施。2024年，陈冬决定将所有与AI相关的游戏研发工具整合，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，VISVISE团队涵盖了数据清洗/收集、底层训练、技术框架、产品等各个方面。但与许多人想象不同，VISVISE团队规模并不大。陈冬表示，虽然训练AI需要大量GPU算力，但仅靠堆人无法解决问题。这个过程不仅需要工程实现，更需要阅读大量论文和信息，结合实际问题提出创新性改进方案。幸运的是，团队内相关研究开展已久，各子产品Leader大多拥有10年以上工作经验，一线同事也多来自腾讯青云计划，人才密度有保障。
### VISVISE的优势：垂直、精准、全链路
市面上的AI提效工具虽多，但VISVISE有何独特之处？陈冬指出，VISVISE聚焦游戏领域，针对具体问题而生，具有明确的业务场景。同时，团队积累了大量游戏数据，并具备深厚的业务理解。例如，团队很早就建立了自己的动捕基地，积累了大量高质量动画数据；在3D制作方面，也有生产团队负责早期模型LOD。VISVISE不是概念性产品，而是在具体业务场景中迭代出的实战派。
以3D生成为例，市面上支持文生3D、图生3D的模型不少，但游戏人只需问三个问题，就能让大多数产品汗流浃背。第一，生成的模型是否有体积？游戏美术模型生产追求效率，很多衣服可能只是单面片构成，没有实际厚度。VISVISE的首要目标就是生成非水密（non-Watertight）的3D结构。第二，生成的模型能否拆分？许多3D生成的AI模型会生成完整模型，细节焊在一起，但游戏3D模型需要分部件，如肩甲、挂饰、裙摆等，以便后续人工介入。VISVISE不仅支持分部件，还能查看每个部件的细节，且部件可编辑，精细程度和布线规范性更优。第三，模型对拓扑结构的支持如何？一些3D模型只关注几何形状，但游戏模型需考虑拓扑结构。拓扑布线直接影响动画精度，如手臂拓扑需沿骨骼方向环形分布，硬表面拓扑需遵循特定规则。VISVISE在生成式AI出现前就专门研究拓扑，使其结果更规范精细。基于此，团队还开发了基于可微渲染的引擎资产自动化预处理工具，实现程序化自动减面，效率提升10倍以上。
更重要的是，VISVISE已能整合各项能力，系统性地解决开发难题。以VISVISE旗下的Superman工具为例，它在角色绑定、角色定制、表情生成、动画制作方面实现全流程自动化，将传统角色迭代流程从4个月缩短至1天。一键智能包裹效果可达Wrap4D一天的工作量，一键智能绑定提升传统流程90%的绑定效率，一键面部动画生成相当于1人天3秒动画的工作量。这正是腾讯游戏整合各AI产品到VISVISE的原因：各小组专业能力可统筹，无缝融入任何游戏开发管线，一口气解决上下游环节问题。
### VISVISE与AI的未来
目前，VISVISE的自动蒙皮功能已对外开放合作，更多功能将在成熟后逐步SaaS化并推向市场。陈冬表示，此举并非为赚钱，而是为行业创造价值，并希望VISVISE接触更多需求、场景和客户，以进一步改善产品和技术。未来，他希望VISVISE能进入更多游戏生产流程，不断提升AI提效的上限，让行业产生更多创意。”对于重复、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，让开发者回归创意。”陈冬说，”若开发者更专注创意，游戏周期将缩短，总有一天每款游戏都截然不同，每个玩家体验也各不相同，这令人期待。”他还表示，未来VISVISE的组件将越来越多，因为AI还可赋能声音、配音、光照、离线烘焙、智能NPC等环节。仅动画环节，就有大量可增加的新功能，如用语音、视频等多模态方式生成动画，或让AI制作更细腻的人与物体交互动画。目前，VISVISE的部分工具与能力已让陈冬相信，游戏的终极追求——更拟真的世界、更智能的NPC——都离不开AI。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看待AI的影响，做更长期的投入。”
### 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，以下是葡萄君与陈冬的部分对话。
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：要看你有多看重这件事，能接受多少成本。这取决于公司经营状态和对未来战略的判断。从成本和收入角度，以我们训练过程来看，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，没有足够数据也做不出好效果，无法做更大投入。所以，体量足够大的公司，更有可能实现顶级效果。
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。若只思考自己要做什么，不给业务创造价值，那大概率会翻车。
葡萄君：腾讯游戏在AI工具方面算是大中台模式。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。当团队小时，就会有人擅长某些事。做了几个项目后，他会想要团队支持，慢慢就会支持更多业务，最后和业务一起成长。说实话，腾讯游戏业务早年发展快，做中台没有做业务诱人。所以我们团队都是特别喜欢技术、对技术有追求的人，才会持续做这件事，逐步积累和项目组信任。在业务里长出来非常关键，若本来没有，事后想建，就需要很强自上而下的推动。别人已闭环，你为什么还要做？葡萄君：以目前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东西。比如觉得NPC没有记忆，就加记忆模块；觉得没有情感，就加情感计算。但这些都只是打补丁，并未让NPC真正感知虚拟世界。大语言模型训练过程是单向的，无法虚拟学习，且没有亲眼见过我们世界，只通过文字感知。未来可能需要世界模型，让NPC真正学习人类对世界的感知，才可能在游戏NPC中达到更高效果。虽然现在可以通过手法让它表现更好，但这只是阶段性的。
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感知世界靠什么？靠地图信息。那能不能把游戏画面也压缩成信息，让NPC像人类一样通过视觉感知世界，理解情感？葡萄君：听起来不错，但感觉具体实现很不容易……
陈冬：这件事需要不断尝试才有可能实现，但现在已有蛛丝马迹。人类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，并在日常生活中持续学习；经常被连接或触发的网络连接会强化。你做件事感到愉悦时，多巴胺会强化最近激活的神经连接和网络……这些原理都能参与NPC建造。意识的起源可能并不复杂，关键在于某种机制，只是需要时间。若一个人工生命体年龄只有两个月，大脑神经元数量只有人的1/10，接收数据量和拟合机制不够强大，自然无法学到这些。让NPC具备一定意识，可能没有想象中那么难。大语言模型也不是做得复杂才涌现；游戏设计也很简单，却能带来丰富涌现能力。葡萄君：最后问个老生常谈的问题。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。对刚入门游戏人来说，或许当下要尽可能让自己更与众不同，脱离平均值。葡萄君：但人类不可能一出生、一入行就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。可以把大脑想象成由潜意识构成的机器，不断接收信号——我们眼睛看到的世界一样，但意识感知的世界截然不同；人脑注意到什么，由过往选择决定；一路成长到现在，行为模式、习惯和成就也在不断强化选择能力。虽然每个人的状态无法短期内改变，不同人生阶段上限也不同，但长远来看，还能在特定领域变得更不一样。毕竟，目前地球上没有任何东西机制能比人类更复杂、更精密。人类大脑能耗只有20瓦，却进化到现在；而一张GPU能耗几百瓦，还只是一张卡。只要AI尚未超越人类，我们就有足够时间。葡萄君：所以还是要对人类有信心啊！
