先说几个关键点：在最近与科隆国际游戏展同期举办的Devcom开发者大会上，AI再次成为全场焦点。微软、腾讯、谷歌、Meta等巨头带来了超过20场AI相关议题，大家讨论的核心无一例外——AI如何提升游戏美术生产效率、如何与传统工作流无缝集成，以及在动画生成、场景构建等具体环节的应用案例。

近年来，游戏美术对精细度的要求呈指数级增长，随之而来的，是几何级数攀升的工作量。而就在科隆游戏展期间，腾讯游戏首次面向全球发布了游戏创作AI全链路解决方案VISVISE。

简单来说，VISVISE是一整套AI工具，涵盖动画制作、模型制作、数字资产管理、智能NPC四大管线，覆盖游戏美术开发全流程。目标很明确：辅助美术人员完成那些重复、机械且工作量巨大的“体力活”。

举个例子。在3D动画制作方面，VISVISE的MotionBlink工具，只需输入少量关键帧，就能自动补全中间帧，生成完整序列动画。过去，动画师手动补帧要占角色动画制作总工时的60%-70%，一段10秒的动画，手K精修可能得3到7人天。现在，交给MotionBlink处理200帧动画，仅仅只需要4秒钟。而且优化间隔能做到1.5秒的极限，部分效果甚至能接近光学动捕的水准。

在现场体验过后，一名来自德国的游戏开发专业学生直言，他正在自主开发独立游戏并筹备创业，最大的瓶颈正是动捕技术。在他看来，MotionBlink能显著降低角色动画的制作门槛，为小型团队和创业者提供实实在在的支持。

当然，这只是VISVISE的一个工具。像Superman角色动画方案、GoSkinning自动蒙皮等，都已在众多游戏中落地——例如GoSkinning就在《和平精英》《PUBG Mobile》等知名产品中应用。

游戏AI大模型解决的是什么问题？

传统游戏美术生产制作中，50%-60%的工作都耗费在美术资产的制作上，其中最繁琐的环节莫过于3D建模和动画制作。3D建模是把概念设计稿变成“立体数字模型”的静态过程，而要让角色真正动起来，还得经历“骨骼绑定→蒙皮→动画制作”这一整套流程。

蒙皮这个环节，可以这么理解：想象你在给一个3D角色“穿衣服”——不是真的缝制布料，而是用数字化的方式，让它的皮肤和骨骼完美联动。当骨骼运动时，需要计算3D模型的每个面片随骨骼移动的程度。腾讯游戏效能产品部负责人陈冬解释了其中的关键：要确定每个面片关联的关节及其权重。权重决定了面片受哪根关节影响、影响多少。“如果某块面片只关联单一关节，那它就只会受这根关节的运动影响。”

传统流程中，美术师需要手动调整成千上万个“权重点”，就像用隐形的线把皮肤通过不同权重数据缝到骨头上。靠近关节的皮肤要分散绑定，这样角色抬手时，手肘的褶皱才会自然。但问题也随之而来——

• 一个角色可能有上百根骨头，每根骨头都要精准控制皮肤变形；
• 稍有不慎，衣服就会“穿模”，比如内层衣物运动幅度太大，直接戳破外层。

即便是资深绑定师，也要花掉60%的时间来解决这些问题。到了动画环节，挑战则更复杂。传统方式无非两种：“手K”和“动捕”。徒手逐帧调整动画效率极低，一个十秒的动画可能就要调上一周；动作捕捉速度虽快，但数据质量不稳定，仍需大量修正。而风格化、非通用类型的动作——比如武术动作或夸张表情，往往因为缺乏数据储备，还得额外组织动捕实验。

AI当然想解决这些问题，但游戏数据的复杂性让它举步维艰。蒙皮需要建模顶点和骨骼的复杂关系，而3D数据异构性强，AI表征本身就是难题；动画细节极为丰富，缺乏统一有效的表征方式，其空间、时序的多维建模同样棘手。

更关键的是，游戏行业的标准极高——AI生成的内容必须能无缝融入管线，还得方便美术师随时调整。如果一家公司不懂游戏研发流程，或者没有足够的数据积累，它的AI很可能连“及格线”都摸不到。

那么，真正的挑战或许是：如何让AI既懂技术，又懂游戏？

腾讯游戏有何解法？

在蒙皮方面，腾讯游戏VISVISE推出了GoSkinning蒙皮工具，通过两阶段AI来解决蒙皮难题。先由通用蒙皮AI大模型（基于GCN和Transformer架构）预测骨链、骨骼的权重，再通过局部AI对效果不佳的区域（比如裙摆、翅膀等复杂部件）进行二次优化。操作起来非常简单：在场景中选择模型和关节后，点击即可实现自动整体蒙皮。

局部蒙皮方面，如果出现粘连问题——比如角色裙摆——在场景中只需选出错误的关节和顶点，GoSkinning就能针对局部一键自动修复。这套系统训练时“喂”的是游戏研发过程中积累的高质量数据，最终实现2万顶点模型30秒处理完成，效率提升8倍。

动画制作同样被AI彻底革新。VISVISE的MotionBlink工具，只需开发者设定起跳、落地等关键姿势，AI便能通过自回归Diffusion模型自动补全中间帧。其底层的MotionGen大模型，基于大规模高精度动捕数据，支持攀爬、舞蹈等多种动作风格，部分移动类动作的生成质量已接近专业动捕水准。

来看一个实操流程。首先，设置角色运动轨迹；然后添加几个关键帧，调整角色动作姿势；接着使用MIB智能补全中间帧。几秒钟，一段完整的动画就生成了。目前，团队的智能关键帧生成相关研究已被ACM SIGGRAPH 2025接收。

更关键的是，这些工具能以插件形式嵌入Maya等现有开发软件，开发者无需重构管线即可直接调用。腾讯游戏这种将技术研发与生产实践紧密结合的能力，源自其长期积累的一线开发经验。AI技术团队很清楚：游戏角色挥剑时，手腕该旋转多少度；角色模型需要绑定多少个权重点，裙摆才能呈现最自然的状态。

VISVISE何时造的？如何诞生的？

与其他“先有技术再找应用”的AI路线不同，VISVISE是腾讯游戏基于实际开发需求而诞生的。2016年，腾讯游戏开始探索AI在游戏中的应用，最初将深度学习技术用于运营提效和流程优化；2017年，开始尝试用强化学习进行游戏对弈相关研究；到2018年，技术研发重点扩展到了美术生产管线（DCC）领域。

2022年，腾讯游戏推出了AI自动蒙皮工具GoSkinning 1.0版本。这项技术采用数据驱动的方式，通过机器学习方法对已有蒙皮数据的特征进行学习，能在相似的衣物数据集上进行预测，实现包含骨骼与面片的网格智能蒙皮，并在《和平精英》《QQ炫舞》等游戏中投入使用。实际应用数据显示，仅GoSkinning 1.0版本就让《和平精英》动画蒙皮制作环节的效率提升了约40%。

此后，VISVISE团队与《和平精英》项目组保持长期合作，持续根据具体开发需求输出定制化技术功能。目前GoSkinning已迭代至4.2版本，新增了裙摆蒙皮、四足蒙皮、面部绑定等功能，动画蒙皮制作效率提升达到60%以上。

据陈冬透露，随着2023年生成式AI的快速发展，他们意识到大规模数据通过神经网络进行预训练后能带来强大的生成式能力，于是团队加大了对游戏开发中成本最高的3D模型与动画生成领域的投入。到2024年，腾讯游戏决定将分散的AI探索整合为系统化的产品矩阵，VISVISE由此正式诞生。

该系统围绕游戏创作的六大核心环节——模型生成、贴图制作、骨骼绑定、动画制作、场景构建及渲染，构建了动画制作、模型制作、数字资产管理和智能NPC四大AI生产管线，每个管线都配备了针对性的AI工具。这些AI模型均基于游戏行业实际需求开发，并针对不同类型游戏进行了差异化训练。

2025年Q1、Q2，腾讯财报连续强调了AI对研发效率的提升作用。Q1提到AI已对长青游戏产生实质性贡献，Q2则指出《王者荣耀》《和平精英》等头部产品在向平台化演进过程中加大了AI应用力度。目前，VISVISE不仅服务于腾讯内部游戏项目，还包括众多行业合作伙伴，仅GoSkinning就已应用于近百款游戏。

游戏AI的未来？

随着ChatGPT5以及Google Genie3的发布，逐渐出现这样一种论断：多模态将成为AI技术发展的关键能力。而存在丰富2D、3D交互场景的游戏，无疑是AIGC的最佳应用场景之一。在这样的趋势下，我们该如何看待游戏和游戏AI的能力与价值？

其实回看AI发展史，游戏一直是AI技术的“试验田”和“翻跟斗”。就像陈冬说的：“游戏和AI，天生就是一对”。英伟达的显卡最初是为了渲染游戏画面，如今却成了训练大模型的算力基石；DeepMind当年训练强化学习AI，第一个“陪练”就是《星际争霸》和《DOTA2》；甚至硬件层面，GPU里负责游戏的CUDA核心和AI运算的Tensor核心，物理距离近得像是刻意安排的“邻居”。

这种关系不是巧合，而是技术演进的必然。游戏“感知环境→决策→反馈→迭代”的逻辑，本质上就是AI的训练场。一个AI在《王者荣耀》里学会“蹲草埋伏”，和它在现实世界学会“预判交通”的底层逻辑，或许并没有本质区别。

同时，游戏也是对3D资产需求最大的重要场景之一。但更关键的是，游戏对“极致体验”的追求，一直在逼着AI突破极限。早些年，开发者就想做“会哭会笑的NPC”，但技术不够，只能做“木头人”；现在，AI能让NPC记住你的名字、吐槽你的操作，甚至假装生气——但这还不够。

陈冬告诉我们，他们最想突破的，是智能NPC。现在的NPC像是“打补丁”的机器人：加个记忆模块、塞个情感计算，但本质上还是“按剧本演戏”。真正的突破，是让NPC像人一样“理解”虚拟世界——比如，它该知道“玩家刚才那句话是在开玩笑”，而不是机械地回复“指令无效”。这很难，但游戏的魅力就在于此：它既是AI的“考场”，也是“灵感来源”。或许某天，游戏里的NPC会先一步达到AGI——毕竟，它们已经在虚拟世界里，演了太久的人类。