AI 为游戏行业带来的效率提升、创新玩法以及新商业模式的诞生。这三者与游戏产业的结合将是渐进式推进的。机构觉得AI 结合玩法进度与短期业绩兑现是要关注的重点。AI应用落地方面，建议关注积极布局AIGC 技术的公司。

  3D美术资产（Assets）：这在游戏行业其实是一个专有名词，美术资源，也叫美术资产。以《原神》和《吃鸡》两款游戏为例，一个二次元的、一个写实的，艺术风格上是有明显差异。但共同点是在画面里看到的所有东西，比如说人物、人物上看到的衣服、远处的建筑、植物、车辆、甚至界面上的这些按钮图标，其实都是美术在DCC软件或者游戏引擎中制作出来的，所以这么多东西都属于美术资产。必须要格外注意的是，这是一个空间模型数据，而3D图片并不属于3D美术资产。3D美术资产：3D美术资产是指为了构建3D场景而创建的数字素材，包括模型、纹理、材质、动画等，它们能用来构建场景、角色、道具等元素。

  年初红杉资本认为3D美术AIGC或要到2030年才能全行业成熟。这也标志着UGC端编辑器的高度应用，或PGC端千人千面的游戏真正成为可能。然而GPT进入眼帘以来，产业正加速快跑，好用的3DAIGC工具也将更快出现，将在更高维度释放游戏行业的创意。而今年因为数据要素局限性，主要3D突破围绕在NPCAI技术层面。

  大模型三大要素为：算法、算力、数据，而在3D生成式能力发展的瓶颈在于“标准化质量的3D数据”。数据体量要求，和现存开源售卖数据量级存在极大的鸿沟：现存开源美术素材库主要以2D美术素材为主，3D美术素材极少。模型需求量是以十亿为单位，而外源单体数据库体量则是以千或万为单位。因此导致现阶段OpenAI模型Shap-E可用性差：像素风、品类局限性大、只能理解单一关键词（prompt）。归根结底原因：数据量不够，Shap-E的训练量级太小。因此模型大厂持续在整合3D数据资产：例如微软多次收购游戏公司，这中间还包括MMORPG顶流大厂动视暴雪。

  美术开发占游戏研发成本的大头。AI化管线本质上是要在程序化生产这条主线下，引入一些AI技术方法，以此来实现一些传统方案没办法做到的效果。虽然今年3D生成技术突破的垂类集中在虚拟人，但随着未来2-3年，大模型厂商对3D模型数据语料持续积累，具备全域3D空间生成的底层工具有望出现，更进一步的玩法和商业模型也可能随之诞生。

  数据收集和预处理：首先，需要收集大量的3D模型数据，并对其进行预处理和清理，以确保数据质量和一致性。训练模型：利用深度学习算法，训练一个可以生成3D模型的AI模型。这样的一个过程需要大量的计算资源和时间，并且要一直优化模型参数和架构，以提高生成质量和准确性。

  机构建议AI 结合玩法进度与短期业绩兑现是要关注的重点。AI应用落地方面，建议关注积极布局AIGC 技术的公司。