文/以撒
最近ChinaJoy的氣氛如火如荼,大會上能看到不少新朋友和老朋友。在AIGC峰會上,葡萄君就注意到了一個背靠字節跳動的廠商,它讓我很感興趣。
大家可能聽說過,它是一個雲服務平臺——「火山引擎」。簡單來說,他們的業務就是把字節這些年積累的技術、方法、工具等能力集成起來,輸出給外部公司。而這次,他們首次面向遊戲行業展示了一系列能力。我隱約感覺到,這可能會讓許多團隊的研運得到一定改變。
在CJ上,火山引擎面向遊戲行業,提出了一個聽起來很新鮮的解決方案,大概意思是:除了提供成熟穩定的基礎雲服務之外,他們還會通過與巨量引擎、抖音內容平臺、字節互娛的生態聯動,為遊戲團隊提供面向遊戲全生命週期、全場景的解決方案,藉此給遊戲業務帶來創新和增長——這相當於在說,在遊戲研運的全流程中,大多數環節他們都有能力幫忙優化。
此外,在AI、大模型等行業熱點這塊,火山引擎的遊戲AI解決方案還能通過AI開放平臺、機器學習開發平臺、火山引擎方舟平臺,分別釋放開箱即用的AI原子化能力、算法和模型的一站式開發訓練推理能力、大模型推理調用及大模型精調能力,讓遊戲玩法創新更有機會實現——這相當於在說,他們甚至能結合AI能力,在上一段所說的基礎上更進一步。
這樣的說法,讓我一時不太理解——雖然現在AI技術大熱,但在我印象中,敢這麼提的平臺好像還是第一次見。
在這種動作背後,他們究竟有什麼底氣?最近,我和火山引擎遊戲行業解決方案負責人聊了聊,發現他們的能力確實與我們印象中的雲平臺有所不同。在瞭解之後,你或許會對這個平臺,甚至是未來幾年的行業發展有不一樣的認知。
01
三層能力:
一個畫風獨特的雲平臺
說實話,一開始看到火山引擎解決方案的內容時,我是很迷茫的,因為其中包含了太多業務場景、技術方案,以及各種面向專業人士的細節——光是這一張圖,就夠我研究很久了。
如何能快速瞭解其核心競爭力,並且定位到自己需要的場景?如果你換個角度,從三個大層面來理解他們的能力,就會變得非常清晰:
第一層,是基礎的雲服務能力。這對雲平臺來說是最底層,也是最普遍的能力。而大部分團隊對此需求也比較簡單,無非兩件事:穩定和高性價比。而火山引擎在這一層主打的優勢,就是“極致的性價比”。這種性價比從哪來?其核心在於,字節本身在IT方面的規模和彈性。
一方面,相較於通常遊戲公司的需求量來說,字節的IT體量是絕對管夠的;另一方面,由於抖音的業務本身有較大的彈性,他們也不用擔心需求淡季時的售賣率。兩種因素相結合,才讓火山引擎有能力“把價格打下來”。
第二層,是主要針對運營和投放等環節的數據驅動能力。在當下的行業環境中,雖然時不時有團隊因為過於偏重數據、形成路徑依賴而被吐槽,但大家想必也都明白一件事:從一定程度上來說,在長線運營中,數據驅動能力已經成了行業的一道硬門檻。
但相應地,具有這種能力的平臺並不多。而這種形勢,對火山引擎來說實在是正中下懷。因為早在做雲服務之前,字節跳動就在數據驅動上有了多年沉澱的工具、數據,同時又是主場作戰,天然就解決了一些第三方平臺的痛點。
怎麼理解這個主場優勢?打個比方:如果抖音是大家最終投放和驗證數據的戰場,那麼第三方數據平臺相當於一個“練兵場”,廠商只能儘量把方案“練”好,再去戰場上搏命;而火山引擎本身就是和抖音、巨量引擎打通的平臺,自產自銷之下,它的每一次練兵就相當於真刀真槍的廝殺。
第三層,是能應用於大大小小許多環節的AI能力。大家都知道,字節本身就在業務中大量應用了AI、算法相關技術,當這些經過打磨的外溢能力被開放在火山引擎上,就成了許多“原子化”的組件。
這些組件,在遊戲研運全週期中的應用非常細碎,但也非常廣泛。比如研發期的機器翻譯、TTS語音合成技術、防拉⼈、動畫資源⽣成;運營期的個性化推薦、反外掛、遊戲內容風控、LTV預估等等。就連一些頭部公司旗下游戲社區的內容推薦,也用到了火山引擎的推薦算法。而對遊戲公司來說,能根據自身需求直接獲取這些成熟的能力,就是一種極大的便捷。
而且在大模型時代到來之後,許多傳統能力還可以用新技術翻新一遍。最簡單的例子就是,TTS在如今可以利用大模型做得更加低成本、高效,同時輸出結果更精細可控。
當然,在生成式AI方面,他們也有專門的佈局:就在前不久,火山引擎發佈了大模型服務平臺「火山方舟」。這個平臺不直接生產大模型,而是一些前沿AI團隊的“舞臺”——比如百川智能、出門問問、復旦大學MOSS、IDEA研究院、瀾舟科技、MiniMax、智譜AI……等等企業或科研院所研究的大模型,都被火山引擎集成在了同一個平臺上。
為什麼大模型的發展需要建立平臺?一方面,大多團隊需要的只是幾種模塊化能力,比如利用AI繪畫模型提升原畫的創作效率。這樣刁鑽的需求很多,甚至同一種模型下還會有不同的細分方向。這時,模型平臺能提供多種不同模型、滿足不同需求的優勢就凸顯出來了。另一方面,平臺作為中立的第三方,也可以對接二者、利用技術和審計來保證合作的安全順利。
02
綜合優勢:
打通前後鏈路的“任督二脈”
這三層能力綜合起來,就讓火山引擎成為了一個畫風相當獨特的平臺。至少在這種架構之下,他們面對遊戲產品會有三個相當關鍵的優勢:
其一,相比傳統的雲服務平臺,它能接一些別人不敢接的活,直接對項目的一些業務指標負責。
對於大部分服務商來說,對指標負責都是一件難事。打個比方:某公司向平臺購買了一套智能推薦方案,在交易時大概率就是一錘子買賣——平臺通常不會為公司後續的使用效果負責,因為怎麼用、提升了多少留存或轉化,都是你自己的事。而火山引擎在提供這種方案時,往往都會去盯一些指標具體提升了多少,最終根據優化效果來結算。
敢用這種商業模式,他們在技術和優化能力上顯然是相當自信的。更關鍵的是,在與巨量引擎相互打通,且能力互補的前提下,火山引擎已經拆分出一些詳細的量化方案,形成正向循環。比如在分析一款產品的用戶時,他們會結合平臺端前鏈路、遊戲端後鏈路的數據同時分析,藉此直接優化投放,並且預測出將來的新進用戶數據會有什麼具體提升。這樣一來,很多難以捉摸的指標就會變得更加清晰。
其二,它的能力可以覆蓋遊戲項目的全生命週期,在各個環節提供很細緻的支持。
在AI應用這一層,不論是傳統的API還是新興的大模型,火山引擎提供的都是被掰開揉碎的、有針對性的能力,這讓遊戲公司可以在不同環節,按自己的需求即拿即用。而且更進一步,火山引擎的團隊也可以出動專家,來幫你解決一些更定製化、更刁鑽的需求。
拿運營方面舉例,某頭部SLG項目希望基於遊戲內7天數據,預估遊戲玩家的LTV值,從而分析出高價值玩家畫像,制定後續的投放和運營策略。但他們自己經過計算後,發現誤差竟然有60%。此後火山引擎派出了算法工程師小組支援他們,找出了核心的問題——算法的結構與選型,於是從底層開始優化後,最終把誤差降低到了20%以內。
其三,這樣的平臺尤其適合中小遊戲團隊快速提升能力、避免重複造輪子。
如今大模型雖然發展神速、一天一個樣,但是平心而論,大多數團隊其實並沒有快速應用的能力。其中不僅涉及到對模型本身的理解和研究,也關係到平臺對模型標準化、流程化的進程。
就拿最常見的AI繪畫來說,平臺應該做的,一方面是儘可能在多元化上滿足不同團隊的需求,比如蒐集不同畫風、不同應用場景的大模型;另一方面,則是在通用性上做到最好,比如儘可能便捷的接入流程、穩定的生成性能。說白了,從平臺上挑選模型來用,至少要比自己內部研究花更少的時間、有更好的成果。
03
結語:
行業需要更多“積木”
在捋過一遍以上內容之後,我其實並不對火山引擎的決策和佈局感到意外。倒不如說,在AI時代到來後,這種平臺的出現是一種必然。因為遊戲公司在研發和運營等方面,必然也會經歷一輪AI的洗禮,全面結合更高效的方式來“重置”一次或多次。
這個進程,就好像曾經計算機出現後,會計行業的電算化一樣——換個近點的說法,遊戲行業也早就經歷了幾輪類似的變革,比如用更加智能化、數據化的思維和管線做事。
在這種背景下,火山引擎的這些能力,是有利於AI真正在遊戲行業落地的。因為AI本來就是一個需要高度開放的生態,才能自由生長的技術。只有在平臺生態真正形成氣候之後,AI應用才有機會形成大規模的流動、各種不同的嘗試,進而慢慢積累到行業產生質變。
進一步來說,這也關係到一些創新能力的提升——許多團隊並非沒有想法,而是手中的積木不夠多,永遠做不出超出能力限制的創新。而在將來,平臺或許就會扮演這個提供積木的角色。當生態形成、AI的技術門檻被抹平,許多團隊就會站在同一起跑線上。到那時,行業才可能迎來新一輪的浪潮。