在更強大的AI及相關技術的加持下，遊戲行業将出現怎樣的變革？
4月13日周三，方正證券分析師楊曉峰發表了題為《遊戲的AI革命：StableDiffusion到Nerf》的行業研究報告。
在這份報告中，方正證券表示，遊戲行業能夠根據現有的AI模型——GPT、Stable Diffusion以及Nerf，實作“無中生有做3D”。
GPT文本生成神器的功能已被大衆所熟知，這裡方正證券着重介紹了Stable Diffusion和NeRF模型。
AI生成2D作畫：Stable Diffusion
據方正證券介紹，Stable Diffusion是一個文本到圖像的潛在擴散模型，可以實作“文生圖”功能。不過，目前的輸入内容類似于程式代碼，具有一定的門檻。
Stable Diffusion提供開源模型，使用者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生成多視角圖檔。
AI推動“2D到3D” ：NeRF模型
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圖檔搭建3D場景。
目前基于NeRF技術建構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）環境下實作秒級的3D場景生成。在高清分辨率下，合成甚至真實 場景可以在幾秒内訓練，幵以 60幀/秒的速度渲染。
另外，3D模組化軟體服務商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，就可以随時随地渲染三維場景，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。
GPT→Stable Diffusion→Nerf：無中生有做3D
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模組化。但由于目前文生圖模型的prompt仍有一定的門檻，是以或可訓練GPT，使其掌握，進而實作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将2D圖生成3D模型。
AI推動降本增效
目前，國内常見的遊戲美術制作方式有四種，分别是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，目前制作一個3D遊戲角色的周期在30-45天左右，需要的步驟較多，參與的人員衆多。
使用NeRF可以快速模組化，進而提高效率，節省成本。
時間上，AI生成圖檔的速度相對手畫來說，大幅度提高；而NeRF模組化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，原文标題：《遊戲的AI革命：StableDiffusion到Nerf》