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。