我们还注意到另一个案例，当我们用游戏制作美术的时候，花同样的钱，我们可以把整个美术场景做得越来越漂亮。过去，我们只能把在前面的视角做得比较漂亮，但现在花同样的钱能把整个视觉都做得非常漂亮。我们已经看到很多这样的案例。
此外，我们最近还发现了一个名为 Inword 的平台。这个产品事先已经训练好了各种非常有性格的人物角色，可以直接将这个代码集成到游戏中。这样游戏中可能会出现像马斯克这样有性格的角色。其他人已经把这些集成好了，只需要接入使用就可以了，游戏体验将会得到非常快速的改善。
见智研究：哪些AI模型可以应用于游戏领域？各自的特点是什么？
杨晓峰：
现在有两种成熟的模型，一种是大文本模型，另一种是 2D 作图模型，还有一种处于爆发期的2D转3D NeRF模型。
第一类模型是文本生成模型，例如 ChatGPT 和国内的各种大模型，它们可以接受文本输入并输出对应的文本，这种模型被广泛使用。但在游戏中，通常直接使用其中的角色。
第二类模型类似于文生图，它可以根据输入的文本生成各种各样的图片。这种模型已经非常成熟，大多数互联网公司都在使用它来生成图片。比较著名的有Stable Diffusion和 Midjourney，其中Stable Diffusion的使用较为广泛，因为它所需的费用较少；Midjourney面向消费者，使用体验较好，且对电脑的要求较低。因此，后续制作 2D 图像时可以使用它。
现在还有一个模型即将爆发，可能会在未来半年到一年内实现，它是将 2D 转化为 3D 的模型，名为神经辐射场（NeRF）。只需拍几张照片，就可以立即生成一个包括场景和人物的 3D 模型。想象一下以前制作游戏时需要的场景图，如刺客信条中的巴黎场景。现在只需花费一些资金用无人机拍摄一些视频，就能立即将 3D 模型建立起来，成本降低非常快。这是目前可能已经使用的模型。
见智研究：生成3D模型的方式有哪些？分别有何优劣？
杨晓峰：
过去生成 3D 的方法一般是通过画平面图进行建模，例如对于一个角色，可能需要从不同视角画多张图来进行建模。然后建模师会使用建模软件一个个搭建，例如将立体的头发贴到人脸上。这种方法需要花费大量的时间，可能需要 2 到 3 周才能完成一个人物的建模。优势是每个物体都是比较精巧的立体结构，但劣势在于时间成本很高，因此一般会交给外包公司去完成。
还有一种叫照相技术的方法，即通过拍摄物体的照片来建立模型，但是每张照片必须要重合50%才能建立一个模型，但这种技术对光影等细节处理比较困难，因此很少被使用。最近开始使用的 NeRF 模型已经有了一篇公开的论文，目前可供使用的软件只有两个：Instant NGP和Luma。目前这两个产品已经能够做到只需拍摄一个物体，即可立即生成3D模型。但它也有缺点，即在制作产品时未考虑兼容性。