每天 9 万款游戏：Roblox 押注 AI 应该先去洗碗

Konstantine Buhler 开场就抛出一串数字，让 Roblox 听起来不像一家游戏公司，更像一个小型经济体。录音时，公司市值为 290 亿美元，年化营收约 35 亿美元，营业利润 6 亿美元。在过去一年里，创作者的收入超过 8 亿美元，玩家在平台上累计花了 700 亿小时。

观众早已不只是孩子。日活跃用户约 7900 万，其中 4600 万超过 13 岁。语音聊天每天还有 380 万人在平台上说话。Roblox 不公开月活数据，但 Corazza 说，月活在数亿量级，他觉得这个数字比公司对外反复强调的日活还要惊人。

他最希望大家细想的，是创作的那一面。每天约有 90,000 个体验和游戏在 Roblox 上发布。其中一些会成为拥有数千万同时在线玩家的全球性品牌，另一些只是一个人的实验。在他看来，这些加在一起说明，Roblox 已经发展成一个创作平台，远不止一个可以玩的地方。

Corazza 最初并不是做游戏的。大约二十年前，他作为交换生从意大利来到斯坦福，研究计算机视觉和机器学习，用来测量人体运动。这项工作站在两条路的交界上：一条通向生物医学工程，另一条通向动画。他判断动画的市场更大，于是开发了基于视频的动作捕捉和动画工具，并在 2008 年分拆出 Mixamo。Adobe 在 2015 年收购了这家公司。Mixamo 至今仍是业界用得最多的机器学习服务之一，用于角色的绑定和动画。

之后他在 Adobe 工作了七年，参与搭建 3D 产品线，包括 Stager 和 AR 工具 Aero，还参与了对 Allegorithmic 的收购，把材质这一块补全。再后来，他和 Adobe 的首席技术官一起研究全新的内容生成方式。就是在这时，Roblox 找上了他。与 CEO Dave Baszucki 的几次早餐聊天，就足以让他相信：生成式 AI 会在已经有数据的地方开花结果。这里是一个每年约有 1500 万个体验被玩过的平台，还有一个在全球产生影响的机会。

谈到复利效应，他听上去仍有些惊讶。有人靠 Roblox 的收入买了房子；超过一百人的工作室也成立了，其中一些拿到了风投。他说：“这真是复利效应的一个绝佳例子，我们每天都为这份成功而着迷。”让他决定加入的，是那个一直摆在眼前、却没人在意的数据集，市值倒在其次。

Corazza 反复强调的独特之处在于，Roblox 是地球上垂直整合程度最高的公司之一。它自己有数据中心，以及数据中心里的硬件；它自己有分发游戏的应用；它自己有语音、实时聊天和聊天翻译；它也拥有 Roblox Studio，即他团队负责的创作工具，还有围绕它的各项创作服务。整个技术栈，从裸金属 CPU 和 GPU 集群一直延伸到编辑器。

这套技术栈之上的商业规则同样少见。只有创作者赚到钱，Roblox 才抽成。发布游戏不收前期费用，工具本身也不收费，还有一长串服务永久免费。无论一款游戏只有一名玩家还是一百万名，创作者都不用自己去配服务器。Roblox 负责扩容，承担 CPU、GPU 和存储的成本，并且对做游戏的人来说几乎不可见。开始创作的门槛，几乎为零。

这也是公司能够补贴 AI 的原因。Corazza 说，Roblox 是少数几家向创作者免费提供完整游戏开发 AI 助手的平台，涵盖代码、材质、纹理和资产。在他的叙述里，垂直整合并不只是拿来给投资人听的说辞，它正是助手没有价格标签的原因。

每个月有几百万人在 Roblox 上创作。创作者的平均年龄在 20 岁中后期，比玩家群体更大。他们大多是世界构建者和美术师，只有约 30% 到 40% 的人写代码。Corazza 自己最近迷上的是赛车游戏 Driving Empire，这点不一定有参考价值。代码占比低的原因很简单：搭建世界是直觉性的，而写代码不是。你得先掌握抽象的结构，场景里的东西才会动起来。

正因为有这道门槛，Code Assist 在 2023 年 3 月率先上线。一年半之后，它已经发展成一个包含三项工作的完整助手。在代码方面，它会自动补全、解释代码、调试，并把脚本挂到场景里的部件上。在文档方面，它会回答“我该怎么做”，让创作者不用再去开发者论坛里翻帖子。在资产方面，材质生成器和更复杂的纹理生成器，能根据一段文字提示，以不错的保真度给 3D 物体覆上表面。合在一起，人们已经能用自然语言输入需求，从零做出一款简单的游戏。他描绘的未来版本，是在手机上说一句话：生成世界、森林、Boss 和机制。

一场两小时的内部游戏创作活动里做出来的游戏，他说“相当惊艳”，但在复杂度上还比不上会写代码的人。这不是重点。第一段脚本是替你写好并挂到部件上的，下一次你就知道它该放在哪里了。助手像一个伙伴，边做边让你看，等技能扎根之后，它就退到一边。Sonya Huang 问，门槛降低之后，是不是有更多人开始写代码。Corazza 不谈比例，只给出一组同期用户的对比。使用助手的人，多产出 180% 的代码；使用素材生成器的人，多产出 60% 的素材。至于真正重要的发布，提升约 30%，而且产品的大部分仍处于测试阶段。

他团队最看重的指标是留存，时长和 Robux 都排在其后。助手用户的周留存高于他们推出过的任何其他功能，Studio 的整体留存也随之上升。日活用户是自然增长的，团队在营销上一分钱没花。他说，免费本身就是最好的营销，哪怕它并不便宜。

免费的成本，由 Corazza 一口气说清的一笔交易来覆盖。Roblox 对社区说：把你的数据开放给我们来训练 AI，我们会做出尽可能好的助手，再免费放回 Studio。“我们不是靠你的数据赚钱，我们是在帮你创作得更多。”绝大多数创作者都同意了。正因为有这份授权，他才能说，Roblox 拥有的不只是世界上最大的数据集之一，还是最具多模态特性的数据集之一：代码、图像、3D 资产、音频、视频，把它们串起来的互动性，以及玩家实际游玩情况的分析数据。

Buhler 听着，想起一段更早的记忆。2017 年和 2018 年，他和朋友 Craig Sherman 一起旁听过 Roblox 的董事会。关起门来谈的重点，是社区、教人写代码，以及帮助平台上的人成长，变现倒在其次。这样看，数据交换并不是一种新的性格，它只是同一种精神加上了一个训练回路。公司对这份数据采取了很高的安全标准，Corazza 特意强调了这一点。收集它的目的，并不是为了另外做一门模型 API 的副业。

他说，他们实际上是在教 AI 做游戏开发。早期的工具看上去都是小活儿：做一个材质、写一段纹理、补全一个函数，但它们正在汇聚成更大的任务。模型要学的，是一整款游戏是怎样做出来的，而不只是孤立地画一张图、写一段代码；最终还包括哪些关卡会被玩、哪些游戏能留住人。这些信号都在数据里。工具只是通往这一个目标的入口。

被问到 AI 会接管游戏开发的哪些环节时，Corazza 拒绝接受这个前提。两周前，团队在 RDC 上给出的最贴切的比喻，是洗碗机：没人愿意洗碗。最新发布的 Assistant Actions，就是冲着那些琐事去的。想象一个开放世界里有 100,000 棵树的森林，秋天来了。逐一手动给每一片树冠换色，工作量会大得吓人。只需三行文字：选中所有不是松树的树，把叶子变成黄色，几秒钟之内就有 57,000 棵树换了颜色。这项功能拿到了两年来 Studio 所有 AI 功能中最高的社区评分，而且遥遥领先。它没有取代人才，它做的是没人想做的活。

这项功能同时依托三样东西。Assistant 是一个大语言模型，其中包括 Roblox 用自己的数据训练的开源模型，例如 StarCoder，并且它生成代码的能力正在变好。其中一部分代码可以在编辑时、通过 Studio 的命令栏运行，而不只是在运行时执行。而且，因为助手就在 Studio 里面，它完全了解场景的数据模型：这是一棵树，这是一辆车。代码生成、命令执行和数据模型感知合在一起，让模型能够批量地操作一个世界。Corazza 说，这些对象的理解大多靠推理得出，并不是靠一堆人工标签堆出来的。

把视野拉远，他认为过去三十年的数字工具，都是在把更多的控制权摆到台面上。Photoshop 让你能掌控每一个像素，尽管大多数人根本用不上。下一代工具只有在能捕捉意图的时候才行得通。文字、图像、草图、语音，甚至高层级的手势，都可以成为输入；效率会跃升两个数量级。随性的创作者可能已经有足够的能力，把作品发到短视频平台上，或是邀请朋友进入 Roblox 的体验。专业人士仍然需要以前那种精细的控制。难点在于，怎样同时服务这两类人。

他的答案是：迭代、渐进式展开，以及拒绝让 Studio 什么都做。一次性生成就像老虎机：扔进去一段文字和一张图，拉下把手，看吐出什么。他相信，创作本质上是迭代的，所以同一个 AI 必须能听懂“只要五英尺以上的树”，或者“打开这张纹理，我想在上面画”。深层的工具可以藏在幕布后面，给需要它们的人用。对其他人来说，与 Blender、Photoshop 和 Substance Painter 的互通，才是诚实的设计。Studio 应该把自己擅长的事做好，别变成什么都能做、却样样不精的地方。

Studio 是孵化器。团队最兴奋的，是把同一套 AI 带进正在运行的体验里：你在玩，想改一改某个关卡；你和朋友想做点新东西，直接跳进去就行。Ego.live 等公司已经在用生成式智能体模拟社区。从玩家的角度看，Corazza 认为，游戏可以在开发者几乎不增加工作量的前提下，变得更个性化。一个能记住过往游戏过程的大语言模型，在你回来时可以调整挑战难度，或者改写剧情走向。同一款游戏，不必两次都玩得一模一样。

Buhler 问，这会给基础设施带来什么影响。Corazza 的回答，恰恰和系统工程师的直觉相反。第一步，是把 NPC 接到大语言模型上，这并不需要大规模重写。实时生成整个世界更难，但最大的挑战是审核，延迟和算力都还在其次。安全是 Roblox 的头号产品，公司希望大家能够文明地相互连接。一旦玩家能创造任何东西，门槛就会抬高。CDN、缓存、预生成、细节层次（LOD）和流式加载，在游戏行业早已是成熟的做法。开启体验内部创作的潘多拉魔盒，如果没有先搭好护栏，那才是真正的风险。

在 NPC 和完全生成的世界之间，他提到了受约束的创造力。Roblox 上一款很受欢迎的游戏 Build a Boat，只允许你用有限的材料、在有限的尺寸内，造一艘船，然后比赛。世界是开发者的，玩家的自由就藏在这种约束之中。由于 Roblox 是一个物理沙盒，涵盖空气动力学和流体动力学，风会告诉你这艘船造得好不好。AI 可以支撑这种模式：造一辆赛车、一架飞机，或者一套装备中的某个部件，不必重写游戏就能获得优势。至于神经物理引擎，他并不看好。在纯数字的世界里，高效的现实近似，仍然比把纳维-斯托克斯方程（Navier-Stokes）建模得多精确更重要。

在他看来，一个只有 NPC、只供观看不供游玩的世界，听起来像是电视，但他并不排除这种可能：人们本来就在看别人玩游戏。更现实的第一步是混合模式：在刚上线、还没有上千名真人同时在线的新地方，注入一些有意思的 NPC。在用户生成内容方面，化身的自动设置就是证明。一个庞大的社区靠卖服装和配饰就能维持生计，但在 Blender 或 Maya 里做 3D 建模，是一项狭窄的技能。从图像或文字生成化身，大幅提高了能创建的化身数量；这个早期测试版，他们计划继续加码。Huang 问，生成式 AI 是不是会把用户和创作者变成同一个人。他举了音乐的例子：先是卡拉 OK，然后是 GarageBand，再到输入歌词和风格就能出歌。游戏开发会花更长时间，因为内容更复杂，但熵只增不减。

Roblox 拥有海量的视频、音频、文本和 3D 数据。Corazza 说，难点已经不在于收集，而在于把原始数据转化为真正可以用于训练的东西。录制前几周，公司宣布正在打造一个 3D 基础模型，计划开源，用来从多模态输入中合成场景和世界。世界生成是第一个攻击面。之后是互动性：会开的门，能跑的车，然后才是玩法。由于他们能看到哪些游戏获得了关注、哪些关卡被反复游玩，他们希望模型做出的东西是好玩的，而不只是符合提示词。这需要无监督学习，也需要一种捕捉创作者意图信号的方法。

在他看来，物理引擎和完整的 3D 场景，相对于只依赖视频的世界模型，是一种结构性优势。只要有 3D 场景，你就能锚定空间和时间上的连贯性，而不必从 2D 去估计。视频到视频的风格化会漂移。ControlNet 加上深度图，也就是一种 2.5D 补丁，让结果更可靠了一些，但一个角色看你、转开、再转回来，回来时仍可能变成另一个人。大家都见过这类例子。业界在 2D 上已经走了很远，接下来还必须把 3D 信息引进来。

被问到 2D 是不是死路，他把问题拆成两半。对于单张图像，比如给角色贴纹理、给一帧做风格化，2D 已经非常出色。加上时间维度、加上移动的镜头，以及必须保持一致的 2000 帧，没有 3D 就会处于劣势。致命的漏洞是遮挡。如果一只胳膊藏在背后，然后突然冒出来，2D 数据从来没有见过那只手，所以没有任何东西能约束它应该长什么样。在 3D 表示里，即便镜头没有拍到的表面，依然存在。把这些喂给生成器，结果在他看来会好得多。

更长远的赌注是神经渲染。过去，资产和美术风格是粘在一起的：你不把所有东西重做，就没法把超级马里奥变成使命召唤。生成式渲染则会保留几何体和物理的胶囊，然后根据文字和参考图，实时地为游戏换上新风格，像泛光一样，是最后的一道计算，不增加额外下载。它仍然很贵。他相信，五年之内，游戏将以这种方式来制作，至少在高端手机上能跑起来。如果开发者允许，玩家甚至能选择自己的风格，同时和队友共享同样的物理和玩法，只是各自看到的画面不同。与此同时，助手即将退出测试版，这是创作者明天就能用上的，而且依然免费。