在更強大的AI及相關技術的加持下，游戲行業將出現怎樣的變革？

4月13日周三，方正證券分析師楊曉峰發表了題為《游戲的AI革命：StableDiffusion到Nerf》的行業研究報告。

【資料圖】

在這份報告中，方正證券表示，游戲行業能夠根據現有的AI模型——GPT、Stable Diffusion以及Nerf，實現“無中生有做3D”。

GPT文本生成神器的功能已被大眾所熟知，這里方正證券著重介紹了Stable Diffusion和NeRF模型。

據方正證券介紹，Stable Diffusion是一個文本到圖像的潛在擴散模型，可以實現“文生圖”功能。不過，當前的輸入內容類似于程序代碼，具有一定的門檻。

Stable Diffusion提供開源模型，用戶可對其進行進一步訓練，風格多樣化。

同時，使用controlnet插件可以使Stable Diffusion生成多視角圖片。

NeRF，全稱為Neural Radiance Fields(神經輻射場)，是一項利用多視角圖像重建三維場景的技術，即利用2D圖片搭建3D場景。

當前基于NeRF技術構建的模型主要有谷歌的Mip-NeRF、Block-NeRF、LOLNeRF，英偉達開發的instant NGP。

據方正證券稱，instant NGP可以極大的提高NeRF的效率，在某些情況下速度可以提升超過1000倍。

Instant NeRF可在單GPU（RTX3090）環境下實現秒級的3D場景生成。在高清分辨率下，合成甚至真實 場景可以在幾秒內訓練，幵以 60幀/秒的速度渲染。

另外，3D建模軟件服務商Luma AI近期開發了NeRF相關的APP，目前已上線APP Store，極大的降低了NeRF的使用門檻：

僅需要一部手機，通過APP導引進行場景的拍攝，就可以隨時隨地渲染三維場景，輕松使用NeRF。

2023年3月24日，Luam獲2000萬美元的A輪融資，英偉達為其投資方之一。

據介紹，目前由文字到3D模型，存在兩種路徑。

使用“文生圖”模型+NeRF生成3D模型，GPT在其中可以發揮重要作用。例如，使用stable diffusion+controlnet插件，生成多視角的2D圖，再由NeRF形成3D建模。但由于目前文生圖模型的prompt仍有一定的門檻，因此或可訓練GPT，使其掌握，進而實現自然語言生成滿意的多視角2D圖。

使用文字生成3D模型。這一類模型往往是，文本到圖像擴散模型和NeRF的結合。其原理為，先通過文本到圖像的擴散模型生成2D圖，再通過NeRF將2D圖生成3D模型。

目前，國內常見的游戲美術制作方式有四種，分別是3渲2制作、3D 現世代制作( 傳統手繪)、3D 傳統次世代制作和3D次世代制作。

但總體來看，當前制作一個3D游戲角色的周期在30-45天左右，需要的步驟較多，參與的人員眾多。

使用NeRF可以快速建模，從而提高效率，節省成本。

時間上，AI生成圖片的速度相對手畫來說，大幅度提高；而NeRF建模也可一次性完成上文中步驟的多個， 在時間上有極大的提高。

人力上，“文生圖”和NeRF可以完成多個角色的工作，同時也更加快速。

本文主要觀點來自方正證券楊曉峰，原文標題：《游戲的AI革命：StableDiffusion到Nerf》

楊曉峰持證編號S1220522040001

本文來自華爾街見聞，歡迎下載APP查看更多

關鍵詞：