最高提效8倍！騰訊遊戲發佈專業遊戲AI大模型，美術師做動畫不用辣麼“肝”了_風聞

　　西風 發自 凹非寺

　　量子位 | 公眾號 QbitAI

　　在最近與科隆國際遊戲展同期舉辦的Devcom開發者大會上，AI再次賺足了臉面。

　　微軟、騰訊、谷歌、Meta等國際巨頭帶來超過20場AI相關議題，“AI如何提升遊戲美術生產效率”、“AI工具如何與傳統工作流無縫集成”、“AI在動畫生成、場景構建等具體環節的應用案例”成為開發者們探討的重點內容。

　　近年來，遊戲美術對精細度的要求呈現指數級增長。隨之而來的是幾何級增長的工作量。

　　而在科隆遊戲展期間，騰訊遊戲首次面向全球發佈遊****戲創作AI全鏈路解決方案VISVISE。

　　簡單來説，VISVISE包含一整套AI工具，分為動畫製作、模型製作、數字資產管理、智能NPC四大管線，覆蓋遊戲美術開發全流程，重點在於輔助遊戲美術完成那些重複、機械且工作量巨大的“體力活”。

　　比如在3D動畫製作方面，VISVISE的MotionBlink可根據用户輸入的少量關鍵幀，自動補全中間幀，生成完整序列動畫。

　　在過去，動畫師手動補幀甚至要佔角色動畫製作總工時的60%-70%，短短10秒的動畫製作，手K精修可能要3-7人天才能完成。

　　而現在，AI自動補全生成200幀動畫僅需4秒：

　　並且還做到了1.5秒間隔極限優化，部分效果能達到光學動捕的水準：

　　在現場體驗了MotionBlink的功能後，一名來自德國的遊戲開發專業學生表示，他目前正在自主開發獨立遊戲並籌備創業，其中最大的瓶頸正是動捕技術。在他看來，MotionBlink能夠顯著降低角色動畫的製作門檻，為小型團隊和創業者提供支持。

　　而這只是VISVISE的一個AI工具，其餘像Superman角色動畫方案、GoSkinning自動蒙皮等工具都已在眾多遊戲中落地，例如GoSkinning就在《和平精英》《PUBG Mobile》等知名產品中應用。

　　VISVISE究竟是如何打造而成的？騰訊打造它的核心出發點又是什麼？我們接着往下看。

　　遊戲AI大模型解決的是什麼問題？

　　傳統遊戲美術生產製作中，50%-60%的工作都耗費在美術資產的製作上，其中最繁瑣的環節要數3D建模以及動畫製作。

　　3D建模是把概念設計稿變成“立體數字模型”的過程，產出的是“靜態數字模型”，要讓角色能動起來，就得經過“骨骼綁定→蒙皮→動畫製作”流程。

　　想象一下，你正在給一個3D角色“穿衣服”——不是真的縫製布料，而是用數字化的方式，讓它的皮膚和骨骼完美聯動。這就是遊戲開發中枯燥卻又關鍵的工作之一：蒙皮。

　　騰訊遊戲效能產品部負責人陳冬解釋道，當骨骼運動時，需要計算3D模型的每個面片（Mesh）隨骨骼移動的程度，也就是確定每個面片關聯的關節及其權重。權重決定了面片受哪根關節影響以及影響的程度，“如果某塊面片只關聯單一關節，那它就只會受這根關節的運動影響”。

　　在傳統流程中，美術師需要手動調整成千上萬個“權重點”，就像用隱形的線把皮膚通過不同權重數據縫到骨頭上。靠近關節的皮膚要分散綁定（權重分配），這樣角色抬手時，手肘的褶皺才會自然。

　　但問題來了：

　　一個角色可能有上百根骨頭，每根骨頭都要精準控制皮膚變形；

　　稍有不慎，衣服就會“穿模”——比如內層衣物運動幅度太大，直接戳破外層。

　　即便資深綁定師，也要花60%的時間解決這些問題。

　　而到了動畫環節，挑戰更復雜：

　　傳統方式有兩種：“手K”和“動捕”。徒手逐幀調整動畫（手K）效率極低，一個十秒的動畫可能就要調一週。動作捕捉（動捕）速度雖快，但數據質量不穩定，仍需大量修正。而風格化、非通用類型的動作——比如武術動作或誇張表情，常因缺乏數據儲備需額外組織動捕實驗。

　　AI想解決這些問題，但遊戲數據的複雜性讓它舉步維艱：

　　蒙皮需要建模頂點和骨骼的複雜關係，而3D數據異構性強，AI表徵是難題；

　　動畫細節極為豐富，缺乏統一有效表徵（如大語言離散化表達），其空間、時序多維建模是難題。

　　更關鍵的是，遊戲行業的標準極高——AI生成的內容必須能無縫融入管線，還得方便美術師隨時調整。如果一家公司不懂遊戲研發流程，或者沒有足夠數據，它的AI很可能連“及格線”都摸不到。

　　所以，真正的挑戰或許是：如何讓AI既懂技術，又懂遊戲？

　　騰訊遊戲有何解法？

　　在蒙皮方面，騰訊遊戲VISVISE推出GoSkinning蒙皮工具，通過兩階段AI解決蒙皮難題：先由通用蒙皮AI大模型（基於GCN和Transformer架構）預測骨鏈、骨骼的權重，再通過局部AI對效果不佳區域（如裙襬、翅膀等複雜部件）進行二次優化。

　　操作起來十分簡單，在場景中選擇模型和關節後，即可點擊自動整體蒙皮。

　　局部蒙皮方面，下面這個例子可以看到角色裙襬出現了粘連問題，在場景中只需選出錯誤的關節和頂點，然後就能讓GoSkinning針對局部一鍵自動修復：

　　這套系統訓練時“喂”遊戲研發過程中積累的高質量數據，最終實現2萬頂點模型30秒處理完成，效率提升8倍。

　　動畫製作方面同樣被AI革新，騰訊遊戲VISVISE的MotionBlink工具只需開發者設定起跳、落地等關鍵姿勢，AI便能通過自迴歸Diffusion模型自動補全中間幀。其底層MotionGen大模型，基於大規模高精動捕數據，支持攀爬、舞蹈等動作風格，部分移動類動作生成質量接近專業動捕。

　　來看一個實操案例，首先設置角色運動軌跡：

　　然後添加幾個關鍵幀，調整角色的動作姿勢：

　　接着使用MIB智能補全中間幀：

　　幾秒鐘，一段完整動畫就生成了：

　　目前，團隊智能關鍵幀生成相關研究已被ACM SIGGRAPH 2025接收。

　　更關鍵的是，這些工具能以插件形式嵌入Maya等現有開發軟件，開發者無需重構管線即可調用。

　　騰訊遊戲這種將技術研發與生產實踐緊密結合的能力，源自其長期積累的一線開發經驗。AI技術團隊清楚地知道：遊戲角色揮劍時，手腕該旋轉多少度；角色模型需要綁定多少個權重點，裙襬才會呈現最自然的狀態。

　　VISVISE何時造的？如何誕生的？

　　與其他“先有技術再找應用”的AI路線不同，VISVISE是騰訊遊戲基於實際開發需求而誕生的。

　　2016年，騰訊遊戲就開始探索AI在遊戲中的應用，最初將深度學習技術用於運營提效和流程優化；2017年，團隊開始嘗試用強化學習進行遊戲對弈相關研究；到2018年，技術研發重點擴展到了美術生產管線（DCC）領域。

　　2022年，騰訊遊戲推出了AI自動蒙皮工具GoSkinning1.0版本。這項技術採用數據驅動的方式，通過機器學習方法對已有蒙皮數據的特徵進行學習，能夠在相似的衣物數據集上進行預測，實現包含骨骼與面片的網格智能蒙皮，並在《和平精英》《QQ炫舞》等遊戲中投入使用。

　　實際應用數據顯示，僅GoSkinning 1.0版本就讓《和平精英》動畫蒙皮製作環節的效率提升了約40%。

　　此後，VISVISE團隊與《和平精英》項目組保持長期合作，持續根據具體開發需求輸出定製化技術功能。目前GoSkinning已迭代至4.2版本，新增了裙襬蒙皮、四足蒙皮、面部綁定等功能，動畫蒙皮製作效率提升達到60%以上。

　　據陳冬透露，隨着2023年生成式AI的快速發展，他們意識到大規模的數據通過神經網絡進行預訓練後能帶來強大的生成式能力，於是團隊加大了對遊戲開發中成本最高的3D模型與動畫生成領域的投入。

　　到2024年，騰訊遊戲決定將分散的AI探索整合為系統化的產品矩陣，VISVISE由此正式誕生。

　　該系統圍繞遊戲創作的六大核心環節——模型生成、貼圖製作、骨骼綁定、動畫製作、場景構建及渲染，構建了動畫製作、模型製作、數字資產管理和智能NPC四大AI生產管線，每個管線都配備了針對性的AI工具。這些AI模型均基於遊戲行業實際需求開發，並針對不同類型遊戲進行了差異化訓練。

　　2025年Q1、Q2，騰訊財報連續強調了AI對研發效率的提升作用，其中Q1提到AI已對長青遊戲產生實質性貢獻，Q2則指出《王者榮耀》《和平精英》等頭部產品在向平台化演進過程中加大了AI應用力度。

　　目前，VISVISE不僅服務於騰訊內部遊戲項目，還包括眾多行業合作伙伴，僅GoSkinning就已應用於近百款遊戲。

　　遊戲AI的未來？

　　隨着ChatGPT5以及Google Genie3的發佈，逐漸出現這樣一種論斷：多模態將會成為AI技術發展的關鍵能力。而存在豐富2D、3D交互場景的遊戲，也是AIGC的最佳應用場景之一。在這樣的趨勢下，我們應該如何看待遊戲和遊戲AI的能力與價值？

　　其實回看AI發展史，遊戲一直是AI技術的“試驗田”和“加速器”——就像騰訊遊戲效能產品部負責人陳冬説的：“遊戲和AI，天生就是一對”。

　　比如，英偉達的顯卡最初是為了渲染遊戲畫面，如今卻成了訓練大模型的算力基石；DeepMind當年訓練強化學習AI，第一個“陪練”就是《星際爭霸》和《DOTA2》；甚至硬件層面，GPU裏負責遊戲的CUDA核心和AI運算的Tensor核心，物理距離近得像是刻意安排的“鄰居”。

　　這種關係不是巧合，而是技術演進的必然。

　　遊戲“感知環境→決策→反饋→迭代”的邏輯，本質上就是AI的訓練場。比如，一個AI在《王者榮耀》裏學會“蹲草埋伏”，和它在現實世界學會“預判交通”的底層邏輯，可能沒什麼不同。

　　同時，遊戲也是對3D資產有着最大需求的重要場景之一。但更關鍵的是，遊戲對“極致體驗”的追求，一直在逼着AI突破極限。早些年，開發者就想做“會哭會笑的NPC”，但技術不夠，只能做“木頭人”；現在，AI能讓NPC記住你的名字、吐槽你的操作，甚至假裝生氣——但這還不夠。

　　陳冬告訴我們，最想突破的是智能NPC。

　　現在的NPC像是“打補丁”的機器人：加個記憶模塊、塞個情感計算，但本質上還是“按劇本演戲”。

　　真正的突破，是讓NPC像人一樣“理解”虛擬世界——比如，它該知道“玩家剛才那句話是在開玩笑”，而不是機械地回答“指令無效”。

　　這很難，但遊戲的魅力就在於此：它既是AI的“考場”，也是“靈感來源”。或許某天，遊戲裏的NPC會先一步達到AGI——畢竟，它們已經在虛擬世界裏，演了太久的人類。