最近ChinaJoy的气氛如火如荼，大会上能看到不少新朋友和老朋友。在AIGC峰会上，葡萄君就注意到了一个背靠字节跳动的厂商，它让我很感兴趣。
大家可能听说过，它是一个云服务平台——「火山引擎」。简单来说，他们的业务就是把字节这些年积累的技术、方法、工具等能力集成起来，输出给外部公司。而这次，他们首次面向游戏行业展示了一系列能力。我隐约感觉到，这可能会让许多团队的研运得到一定改变。在CJ上，火山引擎面向游戏行业，提出了一个听起来很新鲜的解决方案，大概意思是：除了提供成熟稳定的基础云服务之外，他们还会通过与巨量引擎、抖音内容平台、字节互娱的生态联动，为游戏团队提供面向游戏全生命周期、全场景的解决方案，借此给游戏业务带来创新和增长——这相当于在说，在游戏研运的全流程中，大多数环节他们都有能力帮忙优化。此外，在AI、大模型等行业热点这块，火山引擎的游戏AI解决方案还能通过AI开放平台、机器学习开发平台、火山引擎方舟平台，分别释放开箱即用的AI原子化能力、算法和模型的一站式开发训练推理能力、大模型推理调用及大模型精调能力，让游戏玩法创新更有机会实现——这相当于在说，他们甚至能结合AI能力，在上一段所说的基础上更进一步。这样的说法，让我一时不太理解——虽然现在AI技术大热，但在我印象中，敢这么提的平台好像还是第一次见。在这种动作背后，他们究竟有什么底气？最近，我和火山引擎游戏行业解决方案负责人聊了聊，发现他们的能力确实与我们印象中的云平台有所不同。在了解之后，你或许会对这个平台，甚至是未来几年的行业发展有不一样的认知。说实话，一开始看到火山引擎解决方案的内容时，我是很迷茫的，因为其中包含了太多业务场景、技术方案，以及各种面向专业人士的细节——光是这一张图，就够我研究很久了。如何能快速了解其核心竞争力，并且定位到自己需要的场景？如果你换个角度，从三个大层面来理解他们的能力，就会变得非常清晰：第一层，是基础的云服务能力。这对云平台来说是最底层，也是最普遍的能力。而大部分团队对此需求也比较简单，无非两件事：稳定和高性价比。而火山引擎在这一层主打的优势，就是“极致的性价比”。这种性价比从哪来？其核心在于，字节本身在IT方面的规模和弹性。一方面，相较于通常游戏公司的需求量来说，字节的IT体量是绝对管够的；另一方面，由于抖音的业务本身有较大的弹性，他们也不用担心需求淡季时的售卖率。两种因素相结合，才让火山引擎有能力“把价格打下来”。第二层，是主要针对运营和投放等环节的数据驱动能力。在当下的行业环境中，虽然时不时有团队因为过于偏重数据、形成路径依赖而被吐槽，但大家想必也都明白一件事：从一定程度上来说，在长线运营中，数据驱动能力已经成了行业的一道硬门槛。但相应地，具有这种能力的平台并不多。而这种形势，对火山引擎来说实在是正中下怀。因为早在做云服务之前，字节跳动就在数据驱动上有了多年沉淀的工具、数据，同时又是主场作战，天然就解决了一些第三方平台的痛点。怎么理解这个主场优势？打个比方：如果抖音是大家最终投放和验证数据的战场，那么第三方数据平台相当于一个“练兵场”，厂商只能尽量把方案“练”好，再去战场上搏命；而火山引擎本身就是和抖音、巨量引擎打通的平台，自产自销之下，它的每一次练兵就相当于真刀真枪的厮杀。第三层，是能应用于大大小小许多环节的AI能力。大家都知道，字节本身就在业务中大量应用了AI、算法相关技术，当这些经过打磨的外溢能力被开放在火山引擎上，就成了许多“原子化”的组件。这些组件，在游戏研运全周期中的应用非常细碎，但也非常广泛。比如研发期的机器翻译、TTS语音合成技术、防拉⼈、动画资源⽣成；运营期的个性化推荐、反外挂、游戏内容风控、LTV预估等等。就连一些头部公司旗下游戏社区的内容推荐，也用到了火山引擎的推荐算法。而对游戏公司来说，能根据自身需求直接获取这些成熟的能力，就是一种极大的便捷。而且在大模型时代到来之后，许多传统能力还可以用新技术翻新一遍。最简单的例子就是，TTS在如今可以利用大模型做得更加低成本、高效，同时输出结果更精细可控。当然，在生成式AI方面，他们也有专门的布局：就在前不久，火山引擎发布了大模型服务平台「火山方舟」。这个平台不直接生产大模型，而是一些前沿AI团队的“舞台”——比如百川智能、出门问问、复旦大学MOSS、IDEA研究院、澜舟科技、MiniMax、智谱AI……等等企业或科研院所研究的大模型，都被火山引擎集成在了同一个平台上。为什么大模型的发展需要建立平台？一方面，大多团队需要的只是几种模块化能力，比如利用AI绘画模型提升原画的创作效率。这样刁钻的需求很多，甚至同一种模型下还会有不同的细分方向。这时，模型平台能提供多种不同模型、满足不同需求的优势就凸显出来了。另一方面，平台作为中立的第三方，也可以对接二者、利用技术和审计来保证合作的安全顺利。这三层能力综合起来，就让火山引擎成为了一个画风相当独特的平台。至少在这种架构之下，他们面对游戏产品会有三个相当关键的优势：其一，相比传统的云服务平台，它能接一些别人不敢接的活，直接对项目的一些业务指标负责。对于大部分服务商来说，对指标负责都是一件难事。打个比方：某公司向平台购买了一套智能推荐方案，在交易时大概率就是一锤子买卖——平台通常不会为公司后续的使用效果负责，因为怎么用、提升了多少留存或转化，都是你自己的事。而火山引擎在提供这种方案时，往往都会去盯一些指标具体提升了多少，最终根据优化效果来结算。敢用这种商业模式，他们在技术和优化能力上显然是相当自信的。更关键的是，在与巨量引擎相互打通，且能力互补的前提下，火山引擎已经拆分出一些详细的量化方案，形成正向循环。比如在分析一款产品的用户时，他们会结合平台端前链路、游戏端后链路的数据同时分析，借此直接优化投放，并且预测出将来的新进用户数据会有什么具体提升。这样一来，很多难以捉摸的指标就会变得更加清晰。其二，它的能力可以覆盖游戏项目的全生命周期，在各个环节提供很细致的支持。在AI应用这一层，不论是传统的API还是新兴的大模型，火山引擎提供的都是被掰开揉碎的、有针对性的能力，这让游戏公司可以在不同环节，按自己的需求即拿即用。而且更进一步，火山引擎的团队也可以出动专家，来帮你解决一些更定制化、更刁钻的需求。拿运营方面举例，某头部SLG项目希望基于游戏内7天数据，预估游戏玩家的LTV值，从而分析出高价值玩家画像，制定后续的投放和运营策略。但他们自己经过计算后，发现误差竟然有60%。此后火山引擎派出了算法工程师小组支援他们，找出了核心的问题——算法的结构与选型，于是从底层开始优化后，最终把误差降低到了20%以内。其三，这样的平台尤其适合中小游戏团队快速提升能力、避免重复造轮子。如今大模型虽然发展神速、一天一个样，但是平心而论，大多数团队其实并没有快速应用的能力。其中不仅涉及到对模型本身的理解和研究，也关系到平台对模型标准化、流程化的进程。就拿最常见的AI绘画来说，平台应该做的，一方面是尽可能在多元化上满足不同团队的需求，比如搜集不同画风、不同应用场景的大模型；另一方面，则是在通用性上做到最好，比如尽可能便捷的接入流程、稳定的生成性能。说白了，从平台上挑选模型来用，至少要比自己内部研究花更少的时间、有更好的成果。在捋过一遍以上内容之后，我其实并不对火山引擎的决策和布局感到意外。倒不如说，在AI时代到来后，这种平台的出现是一种必然。因为游戏公司在研发和运营等方面，必然也会经历一轮AI的洗礼，全面结合更高效的方式来“重置”一次或多次。这个进程，就好像曾经计算机出现后，会计行业的电算化一样——换个近点的说法，游戏行业也早就经历了几轮类似的变革，比如用更加智能化、数据化的思维和管线做事。在这种背景下，火山引擎的这些能力，是有利于AI真正在游戏行业落地的。因为AI本来就是一个需要高度开放的生态，才能自由生长的技术。只有在平台生态真正形成气候之后，AI应用才有机会形成大规模的流动、各种不同的尝试，进而慢慢积累到行业产生质变。进一步来说，这也关系到一些创新能力的提升——许多团队并非没有想法，而是手中的积木不够多，永远做不出超出能力限制的创新。而在将来，平台或许就会扮演这个提供积木的角色。当生态形成、AI的技术门槛被抹平，许多团队就会站在同一起跑线上。到那时，行业才可能迎来新一轮的浪潮。
