数据和算法：开启全球游戏行业的工业化新时代

本文系用户投稿，不代表机核网观点
   
2020 年 12 月 19 日，随着以数据和人工智能为核心驱动的游戏公司 Playtika 正式提交 Nasdaq 上市申请，时间仿佛被拉回了十年前。那时候的 Zynga 是名副其实的王者，俯视着整个社交游戏市场，旗下拥有多款超过千万日活用户的游戏，甚至其中一款游戏的单日收入能超过 1000 万美元。
无论是十年前的 Zynga，还是十年后今天的 Playtika，他们都是以数据和技术为核心来驱动游戏核心玩法的展现，针对不同玩家提供个性化的体验，并快速且精准地调整运营策略。事实上，一个产业对于数据应用的程度，直接决定了其工业化发展的程度。
欧美的游戏产业起步早，工业化发展相对成熟；而中国的游戏产业虽然起步晚，但大量的用户基数提供了非常多的数据基础，也形成了一定程度的优势。同时，随着互联网的快速发展，中国的游戏行业不仅在工业化层面上正在快速地追赶欧美的成熟体系，同时也在大数据、人工智能、推荐算法等技术的基础上，快速地实现下一轮的工业化。

在过去几十年的发展中，中国形成具有鲜明特色的互联网产业，拥有了其他国家所不具备的发展性资源，比如人口基数、数据、场景、应用、人工智能等。正是因为这些条件，使得中国的互联网产业拥有了数据化和个性化的优势，率先拿到了下一个时代的门票。
与此同时，中国的游戏产业想要筑起十足的文化自信，并不是一定需要通过传统四大名著、江湖、古风等具有明显的中国传统文化元素的内容。无论是字节跳动的 TikTok、华为的 5G、米哈游的《原神》、乐元素的《开心消消乐》，还是其他源于中国的产品、游戏和应用，它们在近几年内都快速地走向了世界的舞台，在获取全球用户的同时，也刷新了以欧美为代表的各国对于中国文化的新认知。
在新时代的全球格局下，对于任何一个产业来说，不拘泥于某种固化的认知并且充分拥抱未来的形态，才是真正文化自信的表现。
一、Playtika 百亿 IPO 背后的数据力量
Our mission is to entertain the world through infinite ways to play.
伴随着这个愿景，北京时间 2020 年 12 月 19 日，以色列科技公司 Playtika 正式向美国证券交易委员（SEC）会提交了 S-1 注册声明，拟在纳斯达克上市。Playtika 是一家通过人工智能技术打造全新游戏体验的数据驱动型技术公司，由 Robert Antokol 和 Uri Shahak 联合创建于 2010 年，其总部位于以色列。
作为一家具有鲜明以色列高科技特色的公司，Playtika 近年来持续布局人工智能业务。2017 年 3 月，Playtika 以不到 1000 万美元的代价，收购了以色列广告公司 Aditor。这家公司发布了一款名叫 PredictAI 的产品，允许客户在 Facebook、Twitter、LinkedIn、Instagram 和 YouTube 等社交网络上管理其活动，并使用 AI 监视客户和竞争对手的行为。
另外，根据公开资料显示，Playtika 通过收购人工智能公司 DS and DE Lab，设立全新人工智能部门，聚拢了众多以色列顶尖的人工智能科研人员。这些人工智能和机器学习成果，除了用来预测和分析用户的行为，还使 IT 团队在应用程序虚拟化，负载平衡和工作负载管理方面变得更加智能，目前正陆续被应用于新收购资产的整合改造中。

通过不断打磨他们在游戏领域中的 AI 应用，他们尝试在游戏史上创造另一个故事：即通过 AI 赋能游戏的运营过程，来延长整个游戏的生命周期。该公司拥有全球独创的业务模式，对收购的游戏资产进行改造，通过大数据、人工智能等技术手段对用户进行持续性的分析、理解与学习，输出对游戏的精细化运营改造方案，从而实现游戏数据的大幅增长。在他们的哲学体系中，玩家与游戏的互动并不应该是短短的从接触到熟悉再到放弃的过程，游戏的寿命并不应该局限于这短短的几年，而是可以与玩家互动长达数十年之久。
为了达到这样的效果，Playtika 会根据玩家的游戏行为为玩家持续不断地提供高度个性化的新内容。这种做法称为 Live Operations 或“LiveOps”。Playtika 是 LiveOps 的早期领导与实践者，并一直在此基础上继续发展。LiveOps 的底层基础是考虑如何利用数据使其游戏更具粘性，更有趣，帮助玩家对游戏有更好的理解。
另外，Playtika 已经将其在数据分析，营销和货币化方面的专有技术产品综合到一个技术平台，称为 Playtika Boost Platform。该平台为游戏运营商提供了一系列技术组件，包括市场营销，玩家交流，客户服务，数据建模，人工智能和机器学习等等。

而正如上文所说，这家诞生在以色列的科技公司，通过不断的收购来丰富自己的游戏产品组合，应用实时运营服务和技术平台 Playtika Boost 来提高这些游戏的规模和盈利能力。
​根据招股书显示，在截至到 2020 年 9 月 30 日的十二个月中，Playtika 大约一半的收入来自于 2016 年或更早版本下载或首次玩过其游戏的用户。另外，其于 2019 年 1 月收购的 Solitaire Grand Harvest 以及 2018 年 11 月收购的 June's Journey 均表现出了大幅的增长，在收购后的季度收入分别增长了 146.3% 和 147.7%。此外，Bingo Blitz 在收购后的季度收入增长 4.1 倍，平均季度DPU（日付费用户）增长了 3 倍，这均显示了 Playtika 具有卓越的并购和游戏改造与赋能能力。

Playtika 在原始的游戏基础之上创造了更多新的功能，并为玩家带来了更新的体验，从而优化玩家的参与度，提高转化率。进一步来说，以 Solitaire Grand Harvest 为例，该游戏能够再一次获得成功，在很大程度上得益于 Playtika 在运营方面的专业知识。
事实上，纸牌游戏已经存在于世界上数百年了，其核心玩法基本上保持不变。但自从 Playtika 在 2019 年收购后，一直尝试为 Solitaire Grand Harvest 添加新的内容和社交元素，使得该游戏对于用户来说更加具有吸引力以及新鲜感。他们使用数据驱动的方式吸引用户参与，不断动态的插入新功能来保持个性化的游戏玩法。从 2019 年 6 月 30 日到截至2020年9月30日的季度，Playtika 将《Solitaire Grand Harvest》的平均 DPU 提高了 2.1 倍，超过了平均 DAU 的增长。

在过去的八年中，Playtika 也成功收购了许多手机游戏工作室，包括 Seriously (2019)，Supertreat (2019)，Wooga (2018)，Jelly Button (2017)，House of Fun (2014)，World Series of Poker (2013) 和 Bingo Blitz (2012)。从收购日期开始的第一个完整季度到 2020 年 9 月 30 日结束的季度之间，Playtika 已成功将所收购游戏的收入平均增长了 6.2 倍。

从这些显而易见的结果出发，Playtika 让我们看到了数据在游戏应用中的巨大潜力。在游戏的开发过程中，有一个必不可少的环节就是数据结构的设计，这也为游戏带来了非常结构化的数据集合。
在 2017 年的 GDC 上，暴雪发布了《守望先锋》的架构设计，一个被称为 Entity Component System（简称 ECS）的框架才逐渐被国内开发团队所知。简单来说，这种框架能够提供以非常结构化的方式展现游戏中的运行数据，包括游戏本身的各类型数据和玩家与内容之间的交互数据等。
一款游戏真正的吸引力在于其核心的逻辑和玩法，这也对应着不同的数据结构。随着通信技术和硬件的升级，手机游戏和社交游戏迎来了迅速的发展，同时也诞生了大量具有不用玩法和体验的 Free to play 类型的游戏。玩家们则趋向于采用碎片化的方式去快速地体验，并在结束对一款游戏的一系列核心玩法后，快速做出判断是否留在这款游戏中，这也直接决定了这些采用 Free to play 模式的游戏能否获得玩家用金钱进行的投票。
二、游戏数据的传统应用：提高玩家对抗体验
在过去，视频游戏的商业化大多依赖于买断或订阅的模式，它们需要游戏玩家提前支付游戏的购买（类似于购买电影票、光盘和录像带等），或是按照一定的体验时长支付订阅费（按小时计费的点卡、按月付费的月卡等）。而随着数字生活发展的碎片化和去中心化，这几种商业模式正在被具有“免费体验+游戏内购”模式和“完全免费+观看广告”模式的游戏所取代。在这背后，其实是结构化的数据在支撑着精细化的运营体系，从而能在不同的游戏类型之间汇集多种业务货币化的方法。
与此同时，移动网络的发展也为游戏本身带来了更多社交化的数据，从而进一步推进了数据驱动的运营模式。从 Zynga 旗下拥有 4000 万用户且单日收入突破 1000 万美元的《FarmVille》，到 Playtika 收购与重塑的棋牌社交类游戏，再到《PUBG》和《王者荣耀》等现象级游戏，基于用户社交行为的数据分析与优化无疑是游戏设计和运营的重要成分。然而，若仅是将基于数据的运营作为游戏本身最核心的部分，则很大可能会将 Zynga 的故事重蹈覆辙。

对于 Zynga 来说，成也数据，败也数据。2010 年 Q4 的季度总结会，无疑是 Zynga 最巅峰的时期。Facebook 的 CEO Mark Zuckerburg 也和 Zynga 的 CEO Mark Pincus 同时出现在了当天的活动上，纷纷表示对其 IPO 充满了信心。而 Zynga 如日中天的发展却随着《Mafia Wars 2》、《The Ville》等游戏的失利，掉头直下。
表面上看是由于 Zynga 没有及时地抓住移动互联网的趋势，忽略了 Facebook 的用户流失；而实际上更多的内因则来源于 Zynga 内部的“数据至上”文化，给游戏这种创意性产品的设计带上了巨大的精神枷锁，从而让 Zynga 过渡依赖于数据来验证游戏设计的对与错，使其不敢做任何没有被数据验证过的事情。这样的结果则是，2012 年后， Zynga 的很多游戏都是通过模仿其他成功游戏的核心玩法，并通过数据分析和精细化的运营加以辅佐。
Playtika 的大数据和人工智能技术能够在其游戏中大放异彩的原因，在于他们的游戏大多是棋牌类游戏，玩法非常固定，对于玩家行为数据的分析、学习和模拟能直接影响到游戏的表现和收入。而除了棋牌类的游戏外，一些其他类型的游戏虽然同样也在几乎不变的玩法上更新着不同的视觉效果，并在计算好投放成本并获取玩家后，通过简单的数据分析和人工运营，快速地获取用户收入，但实际上这样的数据利用行为无疑是饮鸠止渴。
当然，并不是说游戏中数据的分析和运营不重要，只是 Zynga 的历史不断强调的是，精细化的数据运营应该在战略层面上让步于游戏本身的创新，因为只有不断地创新，才是一个游戏真正的生命力。
随着人们不断增加对游戏数据的应用，人工智能也逐渐地成为游戏开发和运营中不可缺少的一部分。在传统的发行方式不断受到挑战的今天，几乎每个游戏团队都会使用数据分析的方式，不仅在游戏外获取更加精准的用户，也在游戏内通过玩家行为数据生成用户画像，调整游戏内容和玩家交互的方式，尝试给予不同玩家不同的体验。总体来看，大数据和人工智能的结合分为两个方向，一个是在游戏生产的过程中介入，另一个则是直接影响用户的游戏体验。
在游戏生产中，逻辑型的 AI 可以协助开发者减少规则和行为树的编码难度，甚至完全不使用行为树来进行剧情和角色的设定，也能实现关卡、任务、对话等自动化地生成。同时，由于游戏拥有结构化的数据，相比起传统的大规模人力投入，AI 能够非常高效地进行自动化的游戏测试，快速找到 bug 来源或者不合理、不平衡的点并修改与调整。
而大数据和人工智能在游戏体验层面的应用，又可以分为增强现有的游戏体验和创造新的游戏体验。对于现有的游戏体验来说，对抗类玩法由于其明确且简单的逻辑，被很多开发者视为数据应用的合适场景。这种应用在具有对抗元素的游戏中尤为突出，数据的应用方式也较为传统，主要是为了提高玩家的对抗体验，为玩家带来适当的对抗压力，增加用户的游戏时长，最终达到用户以各种方式在游戏中充值的目标。
对抗类游戏总体可以分为对抗人数和对抗对象两种维度：根据对抗人数可以分为单人对抗和多人对抗；而根据对抗对象，则可将游戏分为 PVP 和 PVE。不同类型的对抗，数据甚至人工智能的应用方式则不同。

在三消、塔防类游戏为代表的单人 PVE 对抗类游戏中，游戏设计者需要设计大量不同难度的关卡，而关卡的难度变化则会极大地影响玩家在这一类休闲游戏中的体验：过低的难度会被认为毫无挑战，过高则很容易挫伤玩家的积极性。但对难度这一指标的评价通常会较为主观，即使是经验丰富的策划人员也无法覆盖到每一个玩家的情况。
AI 的出现使得这一类的游戏内容能通过对不同玩家的行为分析，实时生成针对不同玩家的具有不同难度的关卡，对应不同的地图分布、对手实力、布阵方式等。这背后其实是由 AI 和数据所操控的动态数值微调体系。这套体系也能根据玩家的行为数据和一些客观指标，进行自动测试、辅助策划优化运营策略等，其中胜率、通关时间、生命值、操作时间间隔等都是可以被使用的指标。
对于单人 PVP 对抗类游戏，比如集换式卡牌、格斗类、SLG 等，传统的数据分析能给运营者提供平衡性相关的策略，使其评估玩家在现有玩法下的整体对抗体验，尽量避免因为充值或其他因素给内生的对抗策略带来的失衡，从而造成玩家的流失。相比起数据分析的方式在 MMO 类型游戏（多人 PVE）中的副本剧情和支线任务中起到数值平衡的作用，对抗类 AI 在多人 PVP 游戏中则更加普遍，比如自走棋、MOBA、大逃杀、FPS/TPS、SLG、棋牌类等。
这一类的游戏中，游戏设计者往往会训练出不同难度等级的“AI 玩家”，在冷启动和早中期的运营中通过实时地满足匹配条件，来将玩家引导至核心对抗玩法的体验中。虽然游戏本质是一种互动体验，但这一类传统的数据分析技术的应用，仅仅是体现出互动中作为对抗的一部分。所以这种技术的目标仅仅是为了让玩家的留存率提高，而并没有真正在乎作为玩家的对抗体验。
三、游戏数据的未来应用：提高玩家的互动体验

随着《糖豆人终极淘汰赛》, 《Among US》以及 《Party Animal》的火爆，休闲游戏以及多人实时在线游戏逐渐进入了一个新的成熟增长期，但是在这类休闲类游戏火爆的现象背后，剥去外表看本质，其实每一款游戏的火爆都是由以下两个方面作为核心来驱动的：
无论是在与 AI 对抗还是和真实玩家对抗的休闲或者竞技游戏里，玩家的核心动机来源于人与人之间竞争带来的强烈的好胜心。打败不同类型、不同性格的真人才会有成就感，而不是仅仅与一个能有着不同策略的机器人来竞争。基于每一个用户的视角，这里所谓的成就感和好胜心的建立是有一个必要的基础的，也就是交互的“真实性”。但是，由于这里的真实性是玩家在一个虚拟世界里主观构建出来的，因此，它实际上的本质是在于游戏内和玩家陪伴的、玩家操控的、或者是与玩家对抗的这些角色的行为的动态丰富程度。

除了在对抗中获得的成就感之外，作为玩家在休闲或竞技类游戏里的核心驱动力的另一方面，和剧情体验、叙事类游戏类似，是玩家从对抗中所能获得的“互动性”。在对抗中获得成就感需要一定的游戏技巧和经验，因此，对于用户金字塔腰部或底部的更大规模的普通用户来说，“互动性”其实是他们更为关注的。比如说在很多的逃杀类游戏里，和钢枪流相比起来，很多年轻玩家更喜欢通过语音或文字相互交流，进行互动，也比如说在很多 SLG 游戏里，很多玩家追寻的其实是和卡片里的人物角色之间的养成关系，和另外一部分对战斗狂热的核心玩家相比，这些玩家对战斗没有强烈的欲望，而更看重和角色之间的互动和情感连接。
我们可以看到，当我们在强调通过更细维度的用户行为数据（In-Game Data）来生成游戏内的更个性化的体验的时候，这里的“个性化”和上文所提到的“真实性”其实并不是冲突的，相反，这两者都在强调一个核心，那就是让玩家体验到此刻他最想体验到的内容，看到最能够吸引他的情感和冲动的反馈。
文首分析的 Playtika 的案例就是为了佐证这一结论，在 Slot 游戏里，他们找到了一个非常简单直接的方法，来证明这个方向是有着巨大潜力和价值的，而在更多类型的游戏里，我们都看到了非常多更进一步的应用潜在可能性。
例如，在二次元游戏或者模拟经营类的游戏里，玩家和虚拟角色之间的情感互动主要通过基于文本的对话来实现和维系。传统的技术下，策划需要消耗大量的时间和精力来生产这些对话内容，而且这些内容在用户交互的过程中也只能以一个静态的方式呈现给用户，即用户只会在可能性极其有限的分支里去获得一种内容体验。

随着自然语言文本生成技术的进步，更大规模的语言模型让更加动态的对话树和对话内容的自动生成逐渐变得可能。比如，在特定场景的对话中，人物在受到场景状态和条件的约束下，可以从极少的语料里，生成大量表达方式各不相同的台词文本，也可以根据状态的不同自行调整表达方式，而人物的对话树也可以由预先训练好的语言模型自行进行发散，生成出几十甚至几百层、每个节点都能延伸出多个子分支的对话树。
这对于传统的工作流程和用户体验都是一个极大的提升和改进。除此之外，对话的生成也可以根据玩家的行为偏好来进行自我调整，每一个角色的台词都会根据不同玩家不同的性格特征动态的变化，这些潜在的应用都会极大的提升用户体验里的“互动性”。
再例如，在一些逃杀类、休闲类的游戏里，为了维持真人玩家所能获得的“真实性”，特别是在一些不平衡的游戏机制里，运营方必须使用大量的 AI 来填充匹配时所遭遇到的其他玩家。这些不平衡的游戏机制给匹配提出了更困难的挑战：玩家遭遇到的对手必须要符合玩家当前的水平，否则不仅无法保证“真实性”，连游戏给玩家带来的成就感和好胜心都会被因此而摧毁殆尽。同时，在这样的游戏里，当玩家开始因为“真实性”不足而流失的时候，更多的玩家会因为其他玩家的流失而匹配到 AI，进一步地形成一个大量用户流失、数据崩盘的恶性循环，这也是很多休闲游戏在持久化运营上遇到的问题。

然而，更加性格化的 AI 的引入能够让玩家在体验上获得更优质的、更具有自我迭代能力的“真实性”和“互动性”。不同难度下的 AI 可以具有不同的性格特征，比如激进的、佛系的、搞怪的等等，且在行为和对话表现出不同性格特征的同时，可以根据匹配到的真人玩家的行为数据，动态的调整策略以及生成的内容。基于强化学习和推荐算法的结合来实现个性化的反馈内容，这将是比传统的大数据方法更加精准，更加智能的运营方法。
从模拟经营到养成，从休闲到棋牌，从卡牌到 ARPG，从 MMO 到开放世界，几乎所有的游戏类型背后都有这样一个核心的对于长期运营的关键要素贯穿其中，那就是提升玩家所感知到的互动性。无论是简单的基于经验的数据分析来优化数值和运营策略，还是加入一些对话机器人来实现游戏内一些功能性的问答，或者是针对不同的玩家群体设计具有不同行为树的 AI，这些都代表了一个新的时代的开端，一个基于更智能、更精细化运营的游戏体验来和用户互动的新时代。
四、游戏产业的工业化
历史告诉我们，一个产业对于数据应用的程度，直接决定了其工业化发展的程度。对于游戏产业来说，欧美的游戏产业起步早，工业化发展相对成熟；而中国的游戏产业虽然起步晚，但大量的用户基数提供了非常多的数据基础，形成了一定程度的优势。随着互联网的快速发展，中国的游戏行业不仅在工业化层面上，正在快速地追赶欧美的成熟体系，同时也在利用大数据、人工智能等技术的基础上，快速地实现下一轮的工业化。
从宏观层面上来看，前段时间 Newzoo 再次更新了对全球游戏市场规模的预测，从此前的 1593 亿美元上调至 1749 亿美元，同比增长 20%。这表明 COVID-19 并没有阻碍游戏行业的发展，反而加快了人们走向虚拟世界的速度。在不受物理世界约束的虚拟世界，人们获得了更多的互动和社交活动，无论是为了逃避现实世界而进入虚拟世界，还是将现实世界的期望带入虚拟世界，这都推动了疫情期间游戏市场的收入增长。此外，中美仍是两个最大的游戏市场，共占据整个市场的49%，并且中国的游戏市场规模（$44.08Bn）超过了美国（$41.38Bn）。

同时，在微观层面上，截至 2020 年 7 月底，游戏行业内共有 54 家游戏公司消失，其中七成是研发商，具体来说包括了 39 家游戏研发商，8 家发行商以及 3 家游戏媒体及社区，另外还有 4 家属于“其他游戏服务”和“游戏道具衍生品”。这些游戏公司倒下背后的关键原因除了在于中小企业较为脆弱的现金流以及收缩的版号发放数量，更在于不断被拉高的游戏研发门槛，以及逐渐成为行业主流的“工业化”和“差异化”趋势，这使得中小厂商明显处于被动位置。
针对游戏的工业化，完美世界 CEO 萧泓在 2020 年中国游戏产业年会提到，在游戏行业讲工业化或者讨论工业化趋势，核心在于如何把游戏产业建成有工业化基因的产业。行业里常说中国游戏缺乏 3A 产品，并不是因为缺少创意，是缺少把创意实现成 3A 产品的工业化布局。
事实上，工业化的概念最早诞生于工业革命时期。轰鸣的机器替代了传统的手工，丰富的工作流水线提高了生产的效率，工人们高效且有目的的工作着，而这背后最核心的本质还是在于：工业化过程中产生了更加明确且细致的分工。后来在《资本论》中，马克思提及“机器体系”的第二个阶段其实是“有组织的机器体系”，产品通过“局部机器”从一个生产阶段过渡到另一个阶段，工人只需要在一旁照看即可。在工业化的体系下，生产效率和产品质量都得到了极大的提升。
工业革命后，工业化的浪潮开始在各行各业兴起。尽管很难将充满人文和浪漫主义色彩的电影艺术和工业化联系起来，但工业化过程中的“业务拆分”、“流程化”和“标准化”确实为电影的制作过程启发了不少。20 世纪 20 年代，美国电影实现了大工业化生产。电影从制作到放映的各个环节，像流水线上的罐头一样被批量生产出来。这也暴露出好莱坞影视最本质的矛盾：电影既是艺术品，也是工业品。在这套体系里，影片制作从故事创意到上映，中间的分工进一步得到了的精细分工，每一环节都会由具体的部门和集体进行操作，并且逐步形成了统一的规范。
同样的，受到好莱坞电影工业化制作的影响，欧美游戏产业中大量的 3A 大作也在尝试将游戏的制作过程工业化，不断的拆分与细化各业务，匹配更多不同的人才去实现，而就在这个工业化的过程中，实现了艺术与工业的结合，带给了玩家们更棒的游戏体验以及极致的游戏细节。
值得一提的是，在早期的游戏工业化阶段，Supercell 拓展出了游戏中台的概念，即开发一些基础设施、内部开发工具和平台，为公司内的其他小分队提供工作的工具和框架。这其实就是有了对游戏制作的深刻认知后对其业务做出的一种拆分，而这种工作拆分又能够独立出来辅助其他工作的完成，以此来提高整个游戏制作的迭代速度和完成率。随着技术的发展和对游戏制作的理解，游戏行业内便出现了越来越多的 AI 工具箱加以辅助游戏的制作流程，来改善游戏的质量以及制作速度，包括图像 API、模型动画、语音文本、游戏机器人以及营销运营等等。
这也正是悠米互娱 CEO 童喜所说的游戏工业化的三个发展阶段：第一阶段，积累、整合、中台化；第二阶段，3A 品质、供应链；第三阶段，人工智能技术（AI）在游戏产品中的应用。有了工业化的制作过程，欧美的 3A 大作也产生了对应的商业模式，即以内容付费为主（pay to play），厂商制作游戏作品，玩家花钱购买其游戏内容。
2020 年 12 月 12 日，CDPR 在官方公告中宣布《赛博朋克 2077》的预购量和首发当日销售额已经超过了巨大的投入和市场宣传费用。也就是说，《赛博朋克 2077》仅用一天的时间就已经回本和盈利了。Pay to play 商业模式的成功也与欧美玩家的消费习惯以及游戏载体的普及度相关，据 ESA（美国娱乐软件协会）发布的《2020 年游戏行业基本现状》报告显示，从游戏设备来看，主机是美国人最主要的游戏设备，73% 的游戏玩家拥有主机，43% 的人拥有掌上游戏系统。29% 玩家有 VR 设备，25% 玩家有 VR 移动头显。不过，成年人最主要的游戏设备仍是智能手机（61%），52% 的成年人使用主机玩游戏，49% 的成年人玩游戏是通过 PC。 
另一方面，游戏的工业化除了“标准化”以及“流程化”了游戏的制作过程，还对游戏进行了“类型化”。这一过程能够帮助游戏在市场上获得更大概率的成功，相应的风险会更小。据 ESA 报告显示，从游戏类型来看，美国玩家最喜欢的游戏分别是休闲游戏（71%）、动作游戏（53%）和射击游戏（48%）。

而对于中国来说，游戏的工业化过程仍在进行，并且逐渐发展出自己的特色。首先，中国游戏市场结构细分不断的深化，手游玩家数量增长迅速，在 2016 年首次超过 PC 客户端，2019 年已经占据中国游戏市场的 72.5%。2019 年中国移动游戏用户规模约 6.6 亿人，对比中国移动网民数量（CNNIC 发布的第 44 次《中国互联网络发展状况统计报告》中可知，截止至 2019 年 6 月，中国网民规模约为 8.47 亿），占比约为 77.92%。

同时，在以手游为主要游戏载体的市场环境下，大部分游戏的商业模式以免费体验为主，降低游戏的入门门槛，后续将付费转为游戏内购买。根据 Sensor Tower 的数据显示，自 2020 年 9 月 28 日游戏上市以来，米哈游的《原神》在 30 天内便收入 2.45 亿美元，而这个转化过程则需要强大的后续游戏运营能力。
事实上，对于具有原生数字化业务的游戏来说，具有以下两个特点：
非线性增长，即不受物理世界空间和时间的约束，可以瞬时传播到全球每一个网络终端，可以实现高速复制，达到非线性增长
实时性，这意味着，它可以实时了解每一个用户的行为，从而快速制定策略来响应这些行为
而对于第二个特点，中国游戏产业在数据驱动发展的角度上，具备了非常明显的特点的优势，从而比欧美游戏产业有着更好的机会实现下一个阶段的工业化进程。
五、中国游戏产业的机会
我们常说的弯道超车，其实包含了一个假设，就是在已经被定义好的“道”上，用更有效率的方式来超越前辈。找到新的实现路径实现固然重要，但同样重要的是识别什么是“道”，以及创造赛道的能力。
在过去几十年里，中国互联网生态所拥有的独特发展轨迹，提供了丰富的数据基础，数字化几乎渗透到社会的每个场景，从科技到文娱、从消费到出行等。用户在与互联网交互的过程中，也产生了海量的用户数据。随着数量的积累，我们获取信息和交流的方式，从搜索到变成了推荐，再细分为基于关系的推荐和基于行为和偏好的推荐。在技术发展受到限制时，供给无法满足需求，有限的创意、内容等资源就成为了价值传播的重要中心节点，以中心化的方式输出特定个体的创意。
当技术的应用变得民主化、需求侧本身能够成为供给时，个性化的趋势就出现了，再通过互联网的方式快速地放大其传播的影响力，进一步冲击“普世化”的价值与观点。这背后的基础则是庞大的数据体量和愈发多元化、细分化的数据种类，使得用户从主动的搜索逐渐变成推荐内容的接收。

游戏对于玩家来说，既是一种虚拟世界中的独特体验，也是真实世界中的需求与情感的满足方式之一。以“好莱坞模式”为代表的欧美游戏产业所具备的文化内核，多少都具有一些“普世思想”。在不同的个人意志驱动下，游戏制作人、策划或编剧为玩家构建出一个个看似宏大、精妙、曲折的游戏剧情和玩法，并让其在拥有一定自由度的基础上，按照设定好的单一或多样化的路线，对游戏内容进行一种讨巧式的个性化体验。我们也能看到游戏和影视正在相互靠近，它们的边界正在模糊：电影正在为观众寻求一种具有更高自由度的观看选择，而游戏也在不断尝试为玩家呈现影视级的内容和情感交互，这其实是一种“普世化”和“个性化”的冲突与融合。
随着游戏产业变得愈发成熟与工业化，结构化的开发方式为游戏本身提供了大量的数据集合。这些不同的数据集合分别代表了不同类型、不同含义的游戏内容。玩家在与这些数字内容进行交互的时候，会产生大量的行为数据，而这些数据反映着不同玩家的性格特征、内容偏好、操作习惯、甚至作息时间等。这些数据在进行脱敏处理后，会逐渐地勾勒出不同玩家的全貌，从而为个性化的内容推荐提供了数据的基础。
也正是这样的思路，让中国和欧美的游戏产业在不同的发展轨迹中，发展出了各有特色的产业特征和商业模式。在过去几十年里，对全球游戏产业的发展起到主要推进作用的是欧美成熟的工业化制作流程和工艺，并在此基础上通过“好莱坞模式”进行游戏创意的实现，将相似的核心剧本体系通过不同的世界观、故事、玩法等进行反复地呈现，从而形成以大规模投入为代表的“好莱坞模式”；而在未来，具有中国特色的数据运营和个性化推荐模式，将给全球游戏行业带来新的赛道和发展动力。
与 Playtika 和 Zynga 模式相似的是，大数据和人工智能将在游戏的运营中发挥出非常显著的作用，在已有的游戏玩法和内容中，技术除了能不断地给不同用户呈现不同的个性化体验，也会协助运营者去优化游戏整体的运营策略；但不同点在于个性化互动内容的生成。其实这和游戏最核心的玩法有直接的关系，传统的数据应用在对抗类的玩法中，仅仅是强化了不同玩家的对抗体验，并不能带来创新性的游戏体验；但强化学习等技术的突破和发展，为所有类型的游戏带来了更具个性化的互动方式，这也能直接在各类游戏的核心玩法上，增加新的元素和突破点。

在内容生成和推荐算法层面，中国为全球行业带来的最具有代表性的产品是 TikTok，它通过 feed 流的方式，在内容的外部进行推荐；而目前在游戏产业中有着相似交互方式的产品，则是以《开心消消乐》为代表的三消类游戏，它们通过推荐算法的方式分析玩家的行为，在游戏中随着玩家的交互，产生个性化的内容（组合、关卡等）。对于这一类具有对抗玩法的游戏，数据分析和推荐算法的作用就是强化现有体验。
与此同时，中国的游戏厂商也已经能在性格、情感等交互性上实现一定程度的内容生成，比如虚拟偶像能根据不同玩家的交互做出个性化的反应，二次元、养成类、女性向等游戏中的角色会根据玩家不同的对话选择、物品购置、陪伴时间等，产生不同的交互方式和内容。基于对用户行为偏好的分析，人工智能可以为不同的游戏玩法中增加个性化的交互，甚至能为三消类、自走棋类的游戏增加性格和角色属性，让玩家能够感受行为特征迥异的对手。再通过数据运营和内容生成的方式，为不同的玩家生成具有不同性格、对话、动作等特点的角色形象，不仅为现有的对抗类游戏增加性格化、情感化的交互，也能为剧情和叙事类游戏带来更加开放和个性化的探索与创造。

未来游戏的命题是个性化创造与交互，这也对游戏数据的应用提出了更高的要求。大数据、人工智能和推荐算法的结合，将会给游戏注入全新的动力。玩家在游戏中的行为和偏好数据将会被系统性地分析和理解，比如玩家喜欢看到 NPC 做什么动作、使用什么语气、说什么话、给玩家制定什么目标，或者能让玩家感觉到具有不同性格的对手等，在此基础上通过推荐算法的方式，实时且不断地给玩家带来个性化的内容。
在这个过程中，人工智能将会协助这些文字、语言、图像、动画、音效等形式数字内容的快速、高效、准确的生成，突破传统制作流程中使用人力去开发、迭代和实现的效果。用户不仅将以玩家的身份与数字内容发生个性化的交互，也会在交互的过程中，为下一秒自己想体验到的游戏内容，提供人工智能生成内容和推荐算法所需要的数据，从而真正地实现“自己为自己创造内容和体验”。
这种会根据不同玩家产生不同交互内容的玩法，会因为游戏中结构化数据体量的增加，人工智能生成数字内容效率的上升，以及推荐算法对于玩家行为偏好分析的优化，从而给玩家带来越来越多个性化的游戏体验。
写在最后：关于文化自信
当然，相比起欧美游戏产业中成熟的工业化开发流程，中国游戏产业仍然存在非常显著的学习和提升空间，但由于中国整个互联网生态所提供的数据基础、人工智能和推荐算法的应用发展，使得中国游戏产业也具有了开辟新赛道的机会。
事实上，中国的游戏产业想要筑起十足的文化自信，并不是一定需要通过传统四大名著、江湖、古风等具有明显的中国传统文化元素的内容。在过去这么多年的发展中，中国形成了非常有特色的互联网产业，拥有了其他国家所不具备的发展性资源，比如人口基数、数据、场景、应用、人工智能等。正是因为这些条件，使得中国的互联网产业拥有了数据化和个性化的优势，率先拿到了下一个时代的门票。
无论是字节跳动的 TikTok、华为的 5G、米哈游的《原神》、乐元素的《开心消消乐》，还是其他源于中国的产品、游戏和应用，它们在近几年内都快速地走向了世界的舞台，在获取全球用户的同时，也刷新了以欧美为代表的各国对于中国文化的新认知。
在新时代的全球格局下，对于任何一个产业来说，不拘泥于某种固化的认知并且充分拥抱未来的形态，才是真正文化自信的表现。

关于 rct
rct 成立于 2018 年，Y Combinator W19 成员，汇聚了来自人工智能、游戏、设计和商业化等领域的人才。rct 致力于使用人工智能打造下一代交互式娱乐体验，我们的使命是帮助人类更多地了解自己。至今 rct 已获得来自星瀚资本、Y Combinator 和 Makers Fund 的投资。