图片来源：Sequoia Capital

Z Highlights

• 未来甚至可以直接用手机上的麦克风来创建游戏——你只需对Assistant说话，它就会自动生成整个世界，比如创建一片森林、设置敌人、添加Boss战，并且完成所有游戏机制的搭建，整个过程完全自动化。

• Roblox社区中绝大多数创作者都同意授权我们使用他们的数据进行训练。这使得我们不仅拥有全球最大的数据集之一，而且这个数据集是高度多模态的。

• 我们现在正迈向一个完全不同的工具世代。在这个世代里，工具的成功与否不再取决于它能提供多少控制权，而是取决于它能否准确捕捉用户的创作意图。

Stef Corazza：Roblox生成式AI负责人，先前创立过Mixamo，一家在角色动画领域处于领先地位的AI公司，后被Adobe收购。本次访谈为红杉资本旗下播客对Stef的采访，旨在了解Roblox在生成式AI领域布局。

高度垂直整合的元宇宙世界Roblox

Sequoia Capital：欢迎来到Training Data。今天，我们有一位非常出色的嘉宾——Stef Corazza。他是Roblox的生成式AI负责人，Roblox是全球最大的游戏平台之一。该平台拥有7900万日活跃用户，并建立了一个庞大的创作者经济体系，每年向创作者支付数亿美元的收益。正因为如此，Roblox在利用AI改变游戏的制作和玩法方面具有得天独厚的优势。

Stef之前是一位创业者，他创立了Mixamo，这是一家在角色动画领域处于领先地位的AI公司，后来被Adobe收购。Roblox邀请他加入，希望他能在自家平台上彻底革新游戏的制作方式。在Stef的领导下，Roblox正在推动AI与游戏的结合不断突破极限。从他们的AI助手——让用户仅通过自然语言就能生成游戏，到他们的3D基础模型技术，Roblox正站在行业前沿。

Sequoia Capital：今天，我们要聊聊游戏。特别是关于Roblox的AI。Roblox是全球最大的游戏世界之一。我这里用“世界”而不是“平台”，因为“平台”这个词已经被用滥了，而Roblox创造的远不止是一个平台。Roblox是一个让你可以创造、可以游玩、可以结交新朋友的虚拟空间，而这一切都在线上完成。

我们不仅是技术专家，同时也是投资者。所以我想先花点时间聊聊Roblox在商业上的非凡成就。Roblox无疑是一项了不起的技术，我们稍后会深入探讨。但从商业角度来看，它同样令人惊叹。

Roblox目前的市值高达290亿美元，年化营收超过35亿美元。而最令人瞩目的数据是，他们真正构建了一个经济体系。这不仅仅是一家追求自身利益的公司，它还为创作者带来了实实在在的收益。过去一年间，Roblox向平台上的创作者支付了超过8亿美元。Roblox上的游戏总时长每年达700亿小时——是的，700亿小时！同时，他们还保持了可观的现金运营利润，达到了6亿美元。他们能够做到这一点，是因为他们服务着一个庞大的用户群体——7900万日活跃用户。

并且，随着时间的推移，这个用户群体的年龄结构也在上升。目前，在这7900万用户中，有4600万日活跃用户的年龄已经超过13岁。此外，还有380万用户每天活跃使用语音功能。而这一切的数据仍在持续增长，这家公司的表现令人惊叹。所以，Stef，我们今天真的非常高兴能邀请你来。在AI与游戏的交汇点上，我们再也找不到比你更合适的人选了。

从机器学习到计算机视觉，再到生物医学工程，你的技术背景令人印象深刻。从最初的生物医学领域，到如今主导生成式AI的前沿研究，你的旅程充满了传奇色彩。所以，我们想从你的故事开始。你是如何走到今天这一步的？你最初是从事一个完全不同的工程领域，是什么让你最终成为了生成式AI的负责人？

Stef Corazza：感谢你对Roblox的精彩介绍。Roblox的成功确实是复利效应的一个惊人案例。即便是我们自己，每天都还在不断被它的发展所震撼。

我的旅程可以追溯到大约20年前，那时我从意大利来到斯坦福大学，作为交换生学习。我当时的研究方向是计算机视觉和机器学习，专注于人体运动的测量。在这个领域，基本上有两个主要市场：一个是你刚刚提到的生物医学领域，另一个则是动画领域。而我们的研究正处于这两个领域的交界点。

在某个时刻，我意识到动画领域蕴藏着更大的机遇。因此，我开始专注于基于视频的动作捕捉和动画制作解决方案，并最终在2008年创立了Mixamo。这家公司在2015年被Adobe收购。直到今天，Mixamo仍然是行业内使用最广泛的机器学习服务之一，专门用于角色的绑定和动画制作。

在Adobe的几年时光实际上是七年，我帮助构建了公司的3D产品线，其中包括我的团队开发的产品，比如Adobe Stager，以及用于增强现实（AR）的Adobe Aero。此外，我们还收购了Algorithmic，并最终完善了Adobe的3D产品组合。

之后，我对生成式AI产生了极大的兴趣。我当时和Adobe的CTO合作，希望探索全新的内容生成方式。就在那时，Roblox联系了我。我们深入交流了这个话题。我逐渐意识到，生成式AI真正的潜力可能会在游戏领域，尤其是在Roblox这样的平台上得以释放。Roblox每天都有大量的数据流动，每年有超过1500万个游戏体验被创造和游玩。我发现，Roblox正是这样一个地方，它可以让生成式AI的潜力真正绽放，并在全球范围内产生深远的影响。

Sequoia Capital：在我们深入探讨AI的部分之前，你能先给我们介绍一下Roblox这个平台吗？你本身是工程师出身，我想对你来说，规模化一定是一个令人兴奋的话题。而Roblox的规模确实令人难以置信。当然，像Facebook这样的平台可能在日活跃用户方面更庞大，或者某些平台的月活跃用户更多。但很少有平台能在一个地方同时承载如此巨大的带宽、计算能力和图形处理能力。这个平台每天有1500万个游戏会话，月活跃用户达到7900万，这些数据在技术层面意味着什么？

Stef Corazza：是的，我们经常提到日活跃用户数，你刚刚提到的7900万。但其实，我们不太对外公布月活跃用户的数据，因为它的规模更加惊人，已经达到了数亿级别。这是一个庞大、健康且增长迅猛的社区。

很多人会问我们，玩家游玩的这些游戏究竟是从哪里来的？现在，一些游戏已经成为全球性的IP，拥有数千万的同时在线玩家。为了让大家更直观地感受Roblox的规模，我经常分享这样一个数字：每天大约有9万个新的游戏和体验在Roblox上发布。这展现了惊人的人类创造力，同时也说明Roblox正越来越成为一个创作与游戏开发的平台，其创作规模之大令人难以置信。

此外，Roblox还是一个完整的经济体系。正如你提到的，我们过去一年向创作者支付了8亿美元。这不仅仅是一个游戏平台，更是一个造就就业机会的平台。人们在这里工作、购买房产，甚至创建自己的公司。目前，Roblox上已经出现了一些超过100人的游戏工作室，其中有些甚至获得了风投资金。这意味着Roblox正在构建一个独立的创作经济，而这种模式的潜力是巨大的。

Roblox的独特性还体现在它是世界上垂直整合程度最高的公司之一。首先，我们拥有自己的数据中心，在全球设有多个数据中心，并且完全控制硬件。其次，我们不仅提供游戏平台，还拥有自己的应用程序，负责分发游戏，并提供所有相关的服务，比如视频聊天、实时聊天、聊天翻译等。再者，我们拥有自己的创作工具——Roblox Studio，这正是我和我的团队负责的领域。除此之外，我们还提供一整套创作相关的服务，从最底层的CPU、GPU集群，到最终的游戏开发工具，一应俱全。

而且，我们的收入模式也与众不同。我们只有在创作者赚钱时才会抽取分成。换句话说，我们的盈利模式是建立在创作者成功的基础上的。Roblox不收取任何前期费用。进入平台是免费的，使用开发工具也是免费的，许多相关服务同样免费。无论你的游戏有一个用户还是百万级用户，你都不需要担心扩展问题。我们会自动为你扩展计算资源，包括CPU、GPU实例、云存储等，而你作为创作者无需操心这些技术层面的事情。

这种高度的垂直整合也使我们能够大力支持AI的发展。我们是少数能够为游戏开发提供完整AI助手的公司之一。这包括代码生成、材质创建、纹理制作、资源生成等全方位的AI支持，并且对所有创作者完全免费。

Roblox游戏开发AI助手：编写代码、整合文档、生成资源

Sequoia Capital：我很想深入探讨这个话题。你能带我们了解一下，今天在Roblox上创建游戏的体验是什么样的吗？比如，你们平台上的典型创作者是什么样的人？他们是高中生？还是专业的游戏开发者？他们通常会创作哪些类型的游戏？

Stef Corazza：目前，每个月在我们的平台上都有数百万创作者，数量相当庞大。创作者的平均年龄大约在二十多岁，比玩家群体的年龄层稍高一些。通常来说，大多数创作者专注于“世界构建”，也就是搭建环境、创造内容。他们往往是艺术家、设计师，或者游戏开发者。此外，大约30%到40%的创作者会进行编程。当然，这两类人群之间是有重叠的。但从整体上看，创作内容非常多样，从自然灾害模拟到教育类体验，从传统的游戏玩法到线上活动、音乐会，甚至时尚设计。每天都会有全新的体验在Roblox上诞生，这一点非常令人着迷。

Sequoia Capital：那你最喜欢的游戏是什么？

Stef Corazza：最近我玩得比较多的是 Driving Empire，我真的很喜欢这类游戏，所以这是一个我个人比较喜欢的作品。

Sequoia Capital：其实，我很惊讶你刚刚提到，大约30%到40%的开发者会在搭建关卡之外真正编写代码。为什么会这样？这是否也与你们开发的AI助手有关？

Stef Corazza：是的，编写代码本身是一项较难掌握的技能，需要一定的学习门槛。很多创作者都是从玩家转变而来的，他们想要创造自己的内容，于是最直观的方式就是先从世界构建开始，而不是直接学习编程。编写代码需要理解高级概念，并将其应用到交互逻辑中。这正是我们开发AI助手的初衷之一，我们希望降低编程门槛，让创作者不需要学习编程语言也能轻松实现游戏中的交互功能。

这也是为什么Code Assist成为了我们最早推出的功能之一。这个功能在2023年3月上线——虽然现在看起来像是很久以前的事情——而到今天，一年半过去了，我们的AI助手已经发展成一个完整的游戏开发辅助系统。它可以：编写代码、自动补全代码、解释代码、调试代码，以及直接将脚本应用到游戏场景中的组件或物体上。

除此之外，我们还整合了文档支持功能。以前，开发者如果想查找“如何实现某个功能”，通常需要浏览论坛、翻阅各种文档。而现在，Assistant可以直接为他们总结这些信息，提高开发效率。

第三个重要方面是资源生成。我们推出了材质生成器和纹理生成器，后者更为复杂，它允许用户仅通过文本描述，就能为任何3D物体生成高质量、高清晰度的纹理。

这些功能统称为Assistant，它使得用户仅凭自然语言输入，就能从零开始创建一款简单的游戏。未来，我们会支持更多的多模态输入，比如图像。目前，一些用户已经开始尝试仅靠Assistant创建游戏，作为一种测试体验。你可以想象，未来甚至可以直接用手机上的麦克风来创建游戏——你只需对Assistant说话，它就会自动生成整个世界，比如创建一片森林、设置敌人、添加Boss战，并且完成所有游戏机制的搭建，整个过程完全自动化。

Sequoia Capital：如果让你对游戏进行评分，满分是10分，你会如何评价由开发者通过编码创建的游戏和目前使用AI Assistant创建的游戏？

Stef Corazza：如果你会编写代码，那当然可以实现更复杂的玩法，添加各种细节，使游戏变得更有趣。因此，目前AI生成的游戏还远远达不到手工编码游戏的复杂度。现在，我们在Game Jams中会使用Assistant，在大约两个小时的时间里尝试制作一款游戏。最终的成品通常看起来还算不错，算是“可行的”游戏体验。但在更广泛的创作社区里，我相信他们会将Assistant的能力推向更高的层次。我们的目标并不是让创作者完全依赖Assistant，而是希望它成为一种学习工具，让用户在使用的过程中提升自己的开发技能。

比如，在开发初期，Assistant可以帮你编写第一段脚本，并将其附加到游戏对象上。这时你会了解到脚本应该放在哪个位置。接着，你可能会学习如何让一个平台上下移动，逐步理解代码的逻辑。因此，我们把Assistant看作是一个“开发伙伴”，它通过实践向用户展示如何制作游戏，而随着时间的推移，用户能够掌握那些原本较难习得的开发技能。

Sequoia Capital：你是否会觉得Assistant改变了开发者的创作方式？我指的不仅是代码或文档支持，Assistant现在还能生成图像。在技术方面我们稍后会详细讨论，但从用户体验的角度来看，它已经涵盖了语言、代码和图像生成。你有没有观察到开发者的行为发生了变化？比如，使用Assistant后，实际编写代码的人数是否有所增加？从外部来看，我的直觉是代码的学习门槛降低了，可能会有更多人尝试编程。但这是否意味着编程的用户比例保持不变，只是整体开发者数量增加了？

Stef Corazza：我们对比了使用Assistant的开发者和未使用Assistant的开发者，并测量了他们的生产力。结果发现，使用Assistant的开发者编写的代码量增加了180%。使用Assistant后，开发者的个人生产力显著提升。我们对有编程经验的用户进行了两个不同的用户群测试。其中一个群体使用了Assistant和Code Assist，Code Assist是代码建议工具，而Assistant可以从零开始生成代码，但两者的使用流程是相互整合的。

另外，我们也对比了使用Material Generator的人和未使用该工具的创作者。结果发现，使用Material Generator的开发者创建的材质数量比未使用者多60%。

此外，我们还观察了游戏发布量，这是最终衡量创作成果的关键指标。数据显示，使用Assistant的开发者游戏发布率提高了30%。也就是说，他们的游戏产出比未使用Assistant的用户高30%。

要注意的是，目前Assistant仍处于测试阶段，但很快就会正式推出。我现在不能透露具体日期，但已经进入最终阶段，正式发布后，Assistant的普及率和影响力都会进一步扩大。

Sequoia Capital：最后还有一个关于质量的问题——游戏的使用情况如何？你们已经看到Assistant帮助提升了游戏发布量30%，你们有没有KPI能够衡量Assistant生成的游戏表现，比如玩家在这些游戏上花费的时间、他们使用的金额等等？这些数据是否也有30%的提升？

Stef Corazza：这是个很好的问题。目前，我们最关注的KPI是用户留存率。我们发现，Assistant的周留存率比我们以往推出的任何功能都要高。而且，从长期来看，用户的留存率仍在持续增长。

对于使用Assistant的开发者，我们看到整体Studio的留存率显著提升，Assistant本身的留存率也在稳步上升。值得注意的是，这一增长完全是自然增长，因为我们没有为Assistant做任何市场推广。它是免费提供的，而免费往往是最好的推广方式。

当然，尽管它对用户是免费的，实际上它的运行成本并不低。Roblox在这方面投入了大量资源，非常慷慨。但我们与社区建立了独特的合作模式，我们告诉创作者：“如果你允许我们使用你的数据来训练AI，我们会为你打造最强大的AI助手，并免费提供给你。”

我们并不是利用创作者的数据来盈利，而是帮助他们创造更多内容。结果是，Roblox社区中绝大多数创作者都同意授权我们使用他们的数据进行训练。这使得我们不仅拥有全球最大的数据集之一，而且这个数据集是高度多模态的，涵盖了代码、图片、3D资产、音频和视频等多种数据类型。此外，游戏中的交互数据也是其中的重要部分，使我们的数据更具价值。

当然，我们非常重视数据的安全性，采取了严格的隐私保护措施，以确保数据的安全和合规性。但与此同时，我们也能够真正释放这些数据的价值。

归根结底，我们正在做的事情就是教AI如何开发游戏。我们不是单纯地训练它如何生成一张图片，或写一段代码，而是教它如何完整地开发一款游戏。在早期阶段，AI的功能可能是分散的，比如“生成材质”、“创建纹理”或“编写代码”。但我们已经开始整合这些工具，使AI具备更完整的游戏开发能力。这些工具最终不会只是独立的功能，而是逐渐演变成一个完整的游戏开发系统。

Sequoia Capital：我非常喜欢“AI学习如何开发游戏”这个愿景。那么，如果我们把游戏开发拆解成不同的部分，你认为在短期内，哪些部分最有可能被AI接管？而哪些部分仍然是人类在较长时间内无法被替代的？

Stef Corazza：这是个很好的问题。但首先我要强调，我们并不认为AI会“接管”游戏开发。在几周前的Roblox开发者大会（RDC）上，我们用过一个比喻：“AI就像你的洗碗机。”没有人喜欢洗碗，所以我们要让AI来做那些琐碎、重复的工作。

我们最近推出的Assistant功能，就专注于那些开发者不愿意做的任务。举个例子，假设你开发了一款开放世界游戏，其中有一片10万棵树的森林。现在，你希望这片森林的树叶能随着季节变化，比如秋天时变成黄色。如果手动实现这个效果，那将是一项巨大的工程。而现在，Assistant可以用三行文本完成这个任务：“选择所有树木。”；“排除松树。”；“将叶子变成黄色。”。Assistant 会自动选中57,000棵非松树，然后在几秒钟内修改它们的颜色。

这种功能的价值非常大，而且在所有AI功能中，这是社区最喜欢的一项。在过去两年里，Roblox Studio发布了许多AI功能，但这一项得到了最高的评分和用户反馈。原因很简单：它解决了开发者的痛点，这就是那个“洗碗机”。AI的目标不是取代人的创造力，而是帮助开发者完成他们不想做的繁琐任务。

Sequoia Capital：Roblox对社区的关注让我印象深刻，尤其是你们对教学的重视。在过去几分钟的对话里，你多次提到如何帮助创作者学习编程、如何教他们开发游戏、如何提升整个社区的能力。坦率地说，这一点真的渗透到了公司的核心。我之前曾跟随我的好友Craig Sherman 参加过2017年和2018年的Roblox董事会会议。即使是在闭门会议里，Roblox的焦点始终是社区。你们讨论的核心不是单纯的商业化和盈利，而是如何提升社区、如何帮助创作者学习、如何让每个人都能从Roblox的生态中受益。

另外，刚才提到的功能太令人印象深刻了。你们是如何实现的？听起来像是一种“对任何事物进行分割”的算法。这是一种分割方法，还是特定的功能？

Stef Corazza：基本上，我们找到了一种方式来提供辅助。基于大语言模型的辅助系统在代码生成方面非常出色。有些代码不需要在运行时执行，而是可以直接在Studio中执行。Studio里有一个命令栏，你可以直接在其中执行这些代码。因此，辅助操作的本质就是创建能够直接在Studio中执行的代码。而且，由于我们已经将其集成到Studio中，它可以完全感知你的场景数据模型。它知道“这是一棵树”、“这是辆车”，它了解你所做的一切，并且对整个场景有全面的认知。因此，我们结合了代码生成能力、使用Lua命令在Studio中创建内容的能力，以及对数据模型的认知能力。这三者结合在一起，基本上释放了LLM在数据模型操作方面的潜力。

Sequoia Capital：那么，你们是事先给这些对象贴了标签，还是系统可以动态地识别出“这是一辆车”？

Stef Corazza：其中有相当一部分是通过推理自动完成的。

未来游戏创作趋势

Sequoia Capital：那么你如何想象未来10年的创作体验会如何发展？你认为辅助系统会如何演进？

Stef Corazza：我们大约在两年前见面时就讨论过AI对创作的影响以及应该从哪里入手。我们当时预测，整个行业不仅仅是Roblox，而是整个行业都会经历一个范式转变。这个转变的核心是从对创作的精细控制向“捕捉意图”转变。

我曾在Photoshop领域工作了相当长一段时间，在那里，你可以精确控制图像中每一个像素的颜色，尽管大多数人并不需要这种级别的控制，但仍然有些人会使用。因此，这类工具的核心理念是100%的控制，以及非破坏性的工作流程，确保你对最终作品拥有绝对掌控权。

然而，我们现在正迈向一个完全不同的工具世代。在这个世代里，工具的成功与否不再取决于它能提供多少控制权，而是取决于它能否准确捕捉用户的创作意图。在过去30年里，我们看到的所有数字化工具，其核心逻辑都是为用户提供更多的控制选项，让用户自己决定如何使用这些选项。

但现在，我们正在从“控制”转向“意图捕捉”，这将带来巨大变革。未来可能会有成千上万家创业公司尝试用不同方式实现这一点，同时会涌现出全新的用户体验范式。例如，我们可能会看到音频输入的使用，或更高级的手势交互，不仅仅是手部动作，还包括鼠标和键盘操作。这些都将成为表达创作意图的输入方式。

我们已经在看到多模态输入的发展趋势。例如，如果我想描述一个世界，我可以通过文字输入，同时提供一张概念艺术图，甚至在其上进行简单的草图绘制。这与过去那种极度精细化的手动控制方式截然不同，但它的创作速度却快了两个数量级。

在这一切变革之中，挑战在于如何平衡两类创作者的需求。对于那些只是偶尔创作、时间有限的用户来说，AI所提供的结果已经足够好了，比如用于分享到TikTok，或者在Roblox上创建一个体验并邀请朋友加入。但对于那些想要投入大量时间精雕细琢的创作者来说，我们仍然需要提供足够的精细控制能力。

所以，真正的挑战在于，如何打造一个工具，使其既能够精准捕捉用户最初的创作意图，同时又能为专业用户提供与传统工具同等水平的精细控制。这是目前我们在Studio中面临的挑战，而许多其他公司也都在面对类似的问题。

Sequoia Capital：我们曾有一期节目采访了一个叫Dust的团队。他们的创始人之一Gabriel Hubert谈到了光栅化（rasterization）与矢量化（vectorization）的问题。这应该正是你的领域，因为你是图形专家。他们团队中的成员也大多是斯坦福计算机视觉方向的专家。这场转变似乎正在发生，而矢量化——从某种程度上来说，正是你所描述的那种方式：你可以基于意图扩展它，使其变得更加庞大，同时也可以缩小至极小的细节层级，甚至像分形（fractals）一样不断深入到更精细的层次。你认为我们什么时候能够实现这一目标？你觉得什么时候能达到这样的程度——我们可以说“这是初步的尝试”，然后再深入到像分形一样的细节层级，基于意图对每个像素进行调整？

Stef Corazza：我们现在的目标是让助手首先具备执行这些操作的能力。同样的AI，不仅仅能提供类似拉老虎机的那种输入方式——就像把一些文本转换成图像，拉下拉杆，看会生成什么——我们还希望它能够进行更精细的修改。比如，我们希望助手能够执行这样的任务：“把所有超过五英尺的树的颜色改变一下。”或者：“能不能把这棵树的纹理打开，让我直接在上面涂画？”我们希望AI能够超越“一次性生成”的模式，支持迭代修改。我们认为迭代是人们进行创作的基本方式，因此我们希望AI从一开始就能支持这种工作流程。

当然，我们仍然会提供一些备选工具，可能会采用“渐进式展示”的方式，不会把所有选项都直接摆在用户面前，而是只有那些想要深入探索的用户才能解锁更高级的功能。在某些情况下，我们甚至会让其他工具介入。毕竟，有些事情只能用Blender、Photoshop或Substance Painter来完成。我们的Studio不会变成一个功能极端庞杂、但什么都做不好的地方。相反，我们致力于让Studio在自己擅长的领域做到最好，而对于专业用户，我们也希望能提供与外部工具的良好兼容性。

我们经常谈论Studio，但实际上最让我们兴奋的，是如何把这些AI能力带入“体验内创作”（in-experience creation）领域。我们认为，这才是下一个真正的前沿方向。整个行业目前还处于非常早期的阶段，我们也不知道最终会如何发展，但我们对此充满好奇。

像Ego.live这样的公司正在尝试用AI打造全新的用法，而我们希望利用AI释放的创作能力，让玩家可以在游戏内直接进行创作。比如，我正在Roblox里玩游戏，突然我想修改这个关卡，或者和朋友们一起创建一个新的游戏内容，让我们可以共同游玩。这是一种完全不同的创作体验，而AI将会彻底释放这种可能性。

现在，我们正在Studio里孵化这些功能，确保它们足够稳固、输出质量足够高。但我们更期待的是，把这些AI能力开放为API，带入即时创作领域——我们认为这才是真正会产生重大影响的地方。

Sequoia Capital：我很想深入探讨这一点。也许我们可以先从游戏玩法的角度切入。你认为从玩家的角度来看，这些游戏未来会有哪些不同？

Stef Corazza：我认为，即使开发者几乎不需要额外投入精力，游戏仍然可以变得更加个性化，并且始终保持新鲜感。比如，如果你玩的是同一款游戏，但背后有一个LLM，它可以记住你的游戏历史——所有你在过去游戏过程中做过的事情——那么当你再次进入游戏时，它就能动态调整，让游戏变得不一样，更有趣。它可以改变挑战难度，调整剧情发展，使游戏体验更加个性化。

当AI变得足够智能，能够跟踪玩家的游戏历史，并对其有深入理解时，游戏就可以真正变成一个为你量身定制的、更加沉浸的体验。这将是一个巨大的机会。目前，许多公司都在进行相关实验，而我们最兴奋的，是能够提供AI作为平台，让他们探索各种不同的游戏玩法。

Sequoia Capital：这听起来在技术上非常困难。我记得，即使是最简单的Roblox游戏——其实根本没有“简单”的Roblox游戏——本质上都是在不断生成数字世界，这其实是一个非常庞大的工作量。你之前提到过，你们有自己的数据中心，确保低延迟，让全球玩家可以流畅联机。那么，在这样的基础上，你如何看待再增加一个复杂层级，比如AI推理在游戏玩法中的应用？像是实时生成世界，并随时对其进行变化，这对基础设施而言意味着什么？会有哪些必须改变的地方？

Stef Corazza：我认为实现这个目标的第一步将是NPC，也就是非玩家角色连接到LLM。这其实不会对基础设施带来巨大的变化，相对来说是一个比较直接的步骤。我认为这将是AI在游戏中应用的第一个阶段，我们会看看它带来的影响。

然后，我们确实看到了一些希望用AI来生成完整世界的尝试。当然，这其中存在许多挑战。而我认为最大的挑战其实是内容审核（moderation）。Roblox的安全性是我们的第一要务，我们希望保持平台的安全性，并鼓励玩家之间的文明交流。当你让玩家可以创建任何内容时，审核的门槛就会提高。我们在打开这个“潘多拉魔盒”的同时，也必须建立完善的防护措施，以确保平台上的互动始终是积极的、健康的，让所有用户都能有良好的体验。

所以，我认为这方面的挑战远远大于基础设施层面的延迟问题。因为从技术角度来说，我们可以找到解决方案，比如进行内容缓存、预生成部分数据，或者利用不同级别的细节渲染（Level of Detail, LOD）。游戏行业已经开发了许多技术来优化数据流，比如流式传输（streaming），而我们在Roblox平台上也在使用这类技术。这样，我们可以实时生成并流式加载更多的游戏资源。

真正的挑战在于，如果你让玩家能够自由地掌控他们正在玩的游戏，那如何确保其他玩家也能拥有良好的体验？这个问题不仅涉及内容审核，也涉及如何让游戏本身保持有趣。我们对游戏开发者充满敬意，因为他们知道如何让游戏变得有趣。而并不是每一位玩家都具备这种能力，毕竟游戏设计经验的积累可能需要20年。我们的难题是，如何在赋予玩家自由创造权的同时，确保游戏的核心玩法和叙事仍然足够吸引人。

说到底，这些都是我们希望从社区中学习的事情。而这也是作为一个平台的美妙之处——我们不需要自己去解决所有问题，我们只需要提供API，让社区去探索、创新。Roblox的社区拥有无限的创造力，他们最终会找到最合适的解决方案。

Sequoia Capital：我听过很多关于NPC作为游戏AI发展的第一步的讨论。那么你认为下一个关键的进展会是什么？

Stef Corazza：目前，我看到的一个趋势是，将AI创作限制在特定的游戏元素上，而不是整个游戏世界。比如，在Roblox上有一款非常受欢迎的游戏，叫Build a Boat。玩家进入游戏后，需要建造一艘船，然后出售它，接着与其他玩家竞速。但在这个游戏中，世界本身是由开发者预先定义的，玩家并不会改变整个游戏世界，而是可以在某些受限的范围内进行创作。

比如，游戏会提供一套限定的材料，你只能用这些材料来建造船只，并且尺寸也有一定的限制。但在这些框架内，玩家可以尽情发挥，创造各种各样的船型。而由于Roblox是一个物理引擎沙盒，它支持空气动力学和流体力学，因此，玩家的创作实际上会受到风力等物理因素的影响，最终看到自己设计的船是如何在环境中表现的。

目前，这类游戏的制作难度较大，但AI可以大大提升这类玩法的体验。比如，玩家可以用AI创建自己的赛车、船只或者飞机，并且游戏可以根据他们的创作结果，给予他们在游戏中的优势。然而，这种变化是有限制的，它不会彻底颠覆整个游戏，而是只在某些特定元素上增强玩家的创造能力。

Sequoia Capital：受限的创造力（Constrained creativity），这个思路很棒。我有两个后续问题。第一个是，你刚刚提到了物理引擎。近年来，围绕物理神经网络（PINNs）和各种神经物理引擎的讨论一直很热烈。那么，Roblox的物理引擎目前是否已经使用了这类技术？如果可以透露的话，你们是否在物理引擎中使用了神经网络？比如，你刚才提到了空气动力学——你们是否已经开始用神经网络来求解纳维-斯托克斯方程（Navier-Stokes equations），因为它现在变得足够廉价，可以通过神经网络计算？还是说这仍然是未来的事情？

第二个问题是关于NPC。你们是否会允许某个世界或游戏完全由NPC构成？换句话说，玩家只是观看，而不是参与？

Stef Corazza：关于物理引擎，目前使用神经网络来计算物理效果的有效性并没有被完全证明。实际上，已经有大量经过验证的现实世界近似方法，它们计算效率极高，而计算效率比对现实的精准模拟更重要。因此，就目前而言，我不确定神经网络在物理计算方面能带来多少真正的价值。尤其是在一个完全数字化的世界里，如果你已经实现了所有基础物理功能，并且用户可以成功地使用它们，那么引入神经网络可能并不会带来太大的优势。

Sequoia Capital：特别是像Roblox这样的环境，它是一个封闭的、可控的数字世界，而不像现实世界那样充满噪声和不确定性，对吧？

Stef Corazza：是的，没错。所以目前我认为，神经网络在物理计算中的作用还没有完全被验证。或许未来会有进展，但现在还不是主要方向。

至于NPC，如果你设想一个游戏，其中所有玩家都是NPC，而你只是观看，那听起来就像是一种新的电视节目，对吧？我们每天都在观看这样的内容。而且，这些NPC可以变得非常智能，它们可以比赛、可以执行各种有趣的任务，纯粹作为观赏性的娱乐内容。现在已经有大量的玩家喜欢观看别人玩游戏，所以未来这些“玩家”完全可以由LLMs驱动的NPC来替代，它们依然可以创造有趣的娱乐体验。因此，我不会排除这种可能性。

不过，我认为最初的模式可能会是混合型的。比如，在传统的游戏环境中，我们可以通过注入NPC来丰富游戏体验，或者填充那些刚刚上线、还没有足够玩家的游戏世界。这样，即使一款新游戏没有成千上万的同时在线玩家，也可以通过智能NPC创造一个热闹、充满互动的世界。这方面确实有很大的潜力。

生成式AI在UGC内容中的应用

Sequoia Capital：对于用户生成内容（UGC）呢？你认为，随着生成式AI被进一步融入游戏体验，UGC会发生怎样的变化？

Stef Corazza：我们其实已经在一些生成式AI功能上做了探索，比如用于Avatar（虚拟形象）创建的GenAI功能。虚拟形象的创造是Roblox生态中一个非常庞大的创作领域。平台上有大量的创作者在设计Avatar的服装、配件和外观，许多人甚至以此为生。但与此同时，我们也发现，很多有创意的用户，并不具备3D建模的能力。例如，他们可能不会使用Blender或Maya这样的专业工具，但他们对于想要创造的服饰却有非常清晰的构想。于是，我们尝试引入AI，让用户可以通过输入文本或提供参考图片来生成虚拟形象。事实证明，这极大地降低了创作门槛，让更多人能够参与其中。

目前，我们已经推出了Avatar自动设置功能的早期测试版，未来几个月内我们会在这一领域投入更多资源，带来更多新的功能。我们的目标是让用户能够轻松创建Avatar、服饰和配件，通过多模态输入（文本、图片等）来降低创作门槛。

因为，现实情况是，总会有更多的人拥有绝妙的创意，而真正能执行这些创意的人却相对较少。我们的目标就是消除这种障碍，让AI成为用户表达创意的一种工具。

Sequoia Capital：你觉得生成式AI是否会模糊“用户”和“创作者”之间的界限？在现在的定义里，这两者还是不同的概念，对吧？但未来会不会变成同一个？

Stef Corazza：毫无疑问，它一定会模糊这种界限。想想音乐领域的变化。一开始，作曲家、演奏者和听众之间的界限是非常清晰的。但后来，卡拉OK的出现彻底模糊了这一界限，而如今，任何人都可以在GarageBand里创作音乐，甚至只需要输入歌词和曲风，AI就能生成完整的歌曲。在音乐和音频创作领域，这种界限已经彻底消失了。

在游戏开发领域，这一变化可能会需要更长的时间，因为游戏本质上更加复杂。但从趋势来看，熵只会不断增加，而界限只会变得越来越模糊。因此，我认为，这种转变一定会发生，只是时间问题。

Sequoia Capital：你刚才提到你们拥有海量数据，包括大量的视频数据。我认为Roblox仍然是全球领先的VR应用，远远领先于其他产品，无论是在VR头显上，还是在PC、各种移动设备等平台上。此外，你们还拥有大量的音频数据、文本数据，几乎涵盖了所有类型的数据。面对如此庞大的训练数据，你们是否计划构建一个“世界模型”？如果是的话，这个世界模型会是什么样子？它的边界在哪里？接下来，你们又会如何推进？

Stef Corazza：是的，我们确实拥有海量数据。但对我们来说，挑战不在于数据的收集，而是如何有效地利用这些数据。因为从原始数据到能够用于训练LLM或AI系统的有效数据，这其中涉及大量的处理工作。这也是我们当前的主要工作方向。

就在几周前，我们宣布Roblox正在研发一个3D基础模型，我们的目标是将其开源。这个模型的作用是，通过多模态输入，实现对场景和世界的数字化合成。这就是我们的目标。

但我认为，我们可以在此基础上更进一步。就像我之前提到的，我们的最终目标是教会AI如何进行游戏开发。不仅仅是创建游戏世界——虽然这可能是我们首先会攻克的方向，但接下来，我们还希望AI能够理解世界的交互性，比如如何让物体移动、弯曲，如何让门打开，如何让角色在其中奔跑，甚至如何设计完整的游戏玩法。

此外，我们可以通过数据分析来识别哪些游戏内容更受欢迎，哪些关卡更受玩家喜爱。未来，我们不仅能够生成游戏，还可以确保AI生成的游戏是有趣的，而不是随机拼凑出来的。AI可以基于游戏数据分析，推测出哪些设计元素能吸引更多玩家，哪些游戏机制能够提升玩家的参与度。

当然，这需要大量的无监督学习。我们需要找到方法，从创作者的行为中提取信号，并利用这些信号来自动分类，以便让AI学会从哪些数据中进行学习。这将是一个漫长的过程，但我们拥有足够的数据来支持这一研究。

Sequoia Capital：由于你们有自己的物理引擎，我想这给了你们在物体放置、物体交互等方面巨大的竞争优势。目前，很多视频训练模型的核心问题在于，它们是2D的，无法真正理解3D物体之间的相互作用。虽然可以通过某些技术推断出三维结构，但仍然不够精准。那么，你们是否会依赖这一优势？这对你们的3D模型来说是不是一个巨大助力？

Stef Corazza：是的，这确实是一个巨大的优势，尤其是在保持时间和空间上的一致性（spatial and temporal coherence）方面。如果你拥有完整的3D模型，并且可以精确地重建整个3D场景，那么在时间维度上，你可以确保所有物体的一致性，而不需要依赖2D推断。例如，在视频风格化的案例中，如果你只是进行视频到视频的转换，很容易出现偏移和视觉伪影。

最近，ControlNet和深度图（depth map）等2.5D技术在一定程度上提高了视频转换的一致性，但它仍然不够完美。例如，如果你风格化了一张角色的正面图像，然后这个角色转身再回头，最终的视觉效果可能会发生变化，变成“另一个人”。

我认为，唯一的解决方案就是使用3D数据进行训练。目前，整个行业在2D方向已经取得了惊人的进展，并且正在利用2D数据创造出非常神奇的效果。但是，仍然需要探索如何将2D信息更好地整合进3D算法，从而真正实现时间和空间上的一致性。

Sequoia Capital：所以，你的意思是，2D技术最终会走进死胡同，必须重新从3D开始？还是说，你认为2D通过规模化仍然能取得突破？

Stef Corazza：如果目标只是处理单张图片，那么2D已经做得非常出色了。例如，纹理贴图、风格化处理等方面，2D表现得非常好。但如果目标是处理视频——也就是涉及时间轴，并且摄像机还在移动，比如你需要处理连续2000帧画面，那么如果不使用3D数据，就会面临巨大的劣势。你会遇到严重的漂移问题，即使有多种方式可以部分修正，但核心问题仍然存在。

2D的核心问题在于遮挡——比如，如果我一开始站着，而我的手臂藏在背后，然后突然伸出来，AI无法保证手臂的视觉一致性，因为它从未见过这部分内容。而如果使用3D数据，这个问题就会迎刃而解，因为即使摄像机没有拍摄到某些角度的信息，3D数据仍然可以提供完整的视角。

所以，行业已经在2D方向取得了巨大的突破，试图尽量弥补数据缺失的问题。但如果我们能够真正利用3D数据，那么最终的结果一定会更加稳定、更加一致。

Sequoia Capital：在我们为这期节目做准备时，我们了解到你对神经渲染（neural rendering）非常感兴趣。你能跟我们聊聊这个话题吗？

Stef Corazza：我非常相信神经渲染将彻底改变游戏的视觉风格，让游戏变得更加美观和生动。回顾游戏开发的历史，游戏的视觉风格一直与资产的创建方式紧密绑定。如果你制作《超级马里奥》，它就会有特定的像素风格，而你不能随意把它变成《使命召唤》的视觉风格——因为那样你需要重新制作所有资源。

但是，如果使用神经渲染或生成式渲染技术，我们可以仅通过文本描述或参考图像，在实时渲染过程中改变游戏的视觉风格。而游戏的几何结构仍然保持不变，所有的物理特性仍然一致，只是视觉外观发生改变。这意味着，即使你的游戏资产是低分辨率的，或者纹理质量较低，你仍然可以在最终渲染阶段，通过AI技术，让游戏达到照片级真实感，或者变成任何你想要的风格。这项技术不仅可以让游戏看起来更加精美，也能让开发者实时调整游戏的艺术风格，而无需重新创建所有资源。甚至可以用它来优化帧后处理（post-processing），就像目前游戏里使用的光晕特效一样。

目前，这仍然是一个计算密集型的过程，但考虑到近年来的技术进步，我相信在未来五年内，这将成为游戏开发的标准方式，并且可以运行在高端手机上。我们对此感到非常兴奋！

Sequoia Capital：你认为未来玩家是否可以自行决定游戏的渲染风格？比如，我可以在任何游戏中应用自己喜欢的“皮肤”或视觉风格？

Stef Corazza：如果游戏开发者愿意给予玩家这种自由，当然可以！这会成为一种艺术选择——开发者可以允许玩家自由定义游戏的视觉风格，而所有游戏的物理、玩法和逻辑仍然保持一致。这意味着，你和你的朋友可以玩同一款游戏，但每个人看到的视觉风格可能完全不同。

Sequoia Capital：Stefano，今天非常感谢你的分享！我们学到了很多，不仅是关于Roblox的技术架构，也了解了它的庞大影响力，数亿的月活用户，以及支撑这一切所需的深厚技术能力。期待未来看到Roblox带来的更多创新！

原视频：Roblox Studio Head Stef Corazza: Using AI to Empower Creators

https://www.youtube.com/watch?v=xMrBgC-bKUU&ab_channel=SequoiaCapital

编译：Yvonne

请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。

Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。

——-

（文：Z Potentials）