黃仁勳推出了Nvidia G-Assist，這款AI遊戲助理看似只是幫助玩家攻略遊戲，但其實背後的原理和應用將會對遊戲界造成顛覆性的影響，加速淘汰3A工廠和換皮課金遊戲，引發遊戲業界的革命。
在COMPUTEX 2024期間，黃仁勳來到台灣發表演講，公布了他革命性的AI遊戲助理GeForce Project G-Assist。儘管它看起來只是一個幫助玩家攻略遊戲的助手，但分析其背後的原理和應用，我們可以看出這是Nvidia首次為全球遊戲領域開拓新方向的舉措，將對遊戲的發展和行業產生深遠的影響。在本文中，我們將深入解析未來遊戲界與AI結合的大趨勢，以及區塊鏈遊戲（GameFi）的趨勢。
Nvidia過去以遊戲圖形顯示卡和驅動程式起家，但在2020年4月，他們首次將人工智能和遊戲結合，推出了深度學習超級採樣（DLSS）供RTX系列顯卡使用，開啟了遊戲新時代。DLSS的原理是通過大量的Nvidia遊戲顯卡和後台遊戲計算，利用人工智能模型在高解析度下降低性能負載，從而提供不縮水的畫面和更高的幀率。
在2023年，LLM語言模型崛起之後，OpenAI開啟了一場以Nvidia顯卡為基礎的計算戰爭，許多軟體巨頭，包括微軟、Google和馬斯克的XAI，都加入了這場競爭。儘管Nvidia表面上看起來輕鬆自如，但他們仍然不忘在軟體方面的創新。如今，他們推出了Project G-Assist，這證實了Nvidia將LLM語言模型與遊戲結合的野心，必將引領全新的一波革命。
據Nvidia所說，G-Assist可以為遊戲提供遊玩建議和劇情引導。實際上，它背後的原理是通過收集大量玩家的遊戲數據，將其投入到大型語言模型中進行學習，從而有效降低玩家遊玩遊戲的門檻，打造出更一致的遊戲體驗。這將從根本上改變遊戲的製作和遊玩生態。
G-Assist將如何改變遊戲生態呢？想像一下，如果遊戲從開發初期到發行都能被大型語言模型蒐集數據，會有怎樣的情況出現？結果是，不夠多樣化和遊戲性不高的遊戲將很容易被機器學習找到最佳解決方案。這將使電競級玩家和一般新手玩家之間的差距縮小到最小，或者帶來以下幾個影響：
– 新手教學門檻降低。
– 模板化的換皮遊戲變得更容易膩。
– 遊戲多樣化的能力不足，無法吸引優秀玩家。
– 課金陷阱很快被AI識破。
– 電競遊戲改版和迭代加速。
目前，遊戲界充斥著大量類似系統體驗的手遊和3A遊戲。儘管這些遊戲標榜多樣化，但實際上它們都是通過標準化的流程進行生產，其遊戲性和變化性在跨遊戲的向度上非常有限。
實際上，不同玩家的遊戲體驗之間存在差異，這取決於個人的遊戲方式（例如查看攻略、課金等）。如果這些遊戲體驗的差異能夠快速被優化，比如將A遊戲的模型應用到B遊戲中，那麼當前的大型遊戲公司使用一套模板來生產多款遊戲的方式就會迅速使遊戲性被數據化。因此，只換皮的3A遊戲和換皮手遊勢必會受到挑戰。
以手遊為例，想像一下如果AI已經分析了大量不好玩的課金手遊，它就能很快算出你如果不課金，多久會遇到挫折，免費玩需要多長時間才能達到某個等級，以及課金玩家和你之間的差距有多大。這將直接顯示遊戲開發商精心設計的”課金心理學”，如果沒有限制AI的話，玩家一開始就能透過AI看透這一切。
因此，未來的遊戲開發商必將分為兩派。一派是迎合AI的派系，他們通過AI數據學習、多樣化和平衡各種遊戲體驗來滿足玩家需求。另一派則是限制AI的派系，他們通過API和加密方式限制G-Assist或其他開源遊戲語言模型的辨識，以保護商業利益。
儘管與區塊鏈產業和GameFi看似沒有關聯，但Web3項目和社群已經深入了開源精神。想像一下，如果代碼和不夠成熟的遊戲或龐氏局被G-Assist和其他類似的語言模型迅速學習完畢，就會立即意識到這些遊戲”沒有未來”。因此，在類似G-Assist的技術普及下，缺乏持久性的”Play To Earn”、被VC估值過高的仿盤、龐氏局可能會被科技直接終結。
相反地，具有遊戲性和多元機制，能夠經受住AI考驗的真正區塊鏈遊戲，或許才有較高的生存機會。對於Web3遊戲產業來說，這既是好事也是壞事。這意味著無論資金有多麼充裕，看起來遊戲多麼奢華，其遊戲性都將無所遁形。對玩家來說，這無疑是好事，但也限制了未來遊戲從業人員的行銷手法。
無論如何，隨著G-Assist等類似技術的引進，遊戲界必將掀起一場風暴。那些公式化、高成本製作的3A遊戲可能會受到嚴重挑戰，而低成本、具有創意重玩法的獨立遊戲或許會脫穎而出。然而，要看到這一切的可能性，可能還需要幾代G-Assist等新模型技術的演進。
