今年3月，笔者在个人微信公众号上撰写了一篇名为《“最美的整合”：从Vision Pro推演苹果LLM生态建设》的文章，大致预测了苹果人工智能可能会在WWDC上的呈现方式。而在WWDC 2024开幕演讲的演示中，也印证了笔者在那篇文章结尾段落中描述的一部分内容。
当然，在开幕演讲和第二天Keynote中展出的关于Apple Intelligence的更多内容，包括但不限于Math Notes、邮件整理和活动优先级编排、录音摘要等实用功能，都是笔者没有预测到的。
自然地，这也给予了笔者对于生成式AI更多的猜想空间。虽然Apple Intelligence目前展示的很多功能是苹果首创的，但都不是苹果的独家技术，只是其独家设计，因此，如果这些非独家的生成式AI技术，通过不同行业优秀的设计辐射到更广泛的领域，比如电子游戏领域，那一定会让更多人受益。
在过去几个月至一年间，部分媒体及自媒体曾推测，称微软和索尼的下一代游戏主机都会将生成式AI能力加入到主机硬件当中，以及在未来的游戏开发和游戏体验中加入生成式AI。但其实在更早的时候，微软和索尼也都已经将各自研发了数年的AI车手正式部署在旗下的第一方竞速游戏。就在一个多月前，微软在Build 2024大会上展示了Copilot辅助玩家游玩《我的世界》，英伟达也公布了Project G-assist游戏助手。种种迹象表明，生成式AI在游戏体验方面的能力，可能过不了几年就会在更多玩家面前呈现。
运行生成式AI游戏助手的基础资源
笔者认为，和G-assist、Copilot以及Apple Intelligence一样，运行生成式AI游戏助手需要本地端和云端共同协作完成。本地硬件需要NPU等单独高效处理AI工作的芯片，或是RTX系列显卡。而尽管G-assist并没有公布太多细节，但笔者认为，想要流畅运行生成式AI游戏助手，本地是需要一个经过了优化的小语言模型的。此外，每一位玩家可能还需要一个独占的，位于云端的大语言模型。
由于在2024年年初的时候，在本地运行生成式AI的场景还十分有限，因此虽然AIPC已经发布了一段时间，但独立的NPU芯片在内容创作者和科技尝鲜者手上常用的测试工具时，发挥的作用并不大，甚至在能源消耗上的表现也不尽如人意。但随着像是直接利用AI写网络小说这样的场景逐渐被发掘出来，以及AI Agent和AI工作流逐渐成为科技尝鲜者和专业人士的主流AI工具，单一生成式AI发挥更大能力的空间也在被逐渐提炼出来。
不仅如此，像是阿里巴巴和微软也都在今年第二季度左右发布了一些“边缘小模型”。这些小模型并非专门为笔记本电脑、平板电脑或手机设计，更多的是为了提升传统大语言模型在诸如编程和数学等细分领域的能力。只不过恰好这些边缘小模型只有十几或几十亿的参数，空间需求可能还不及微信，搭载近两年的手机芯片和8GB以上内存的手机就足以流畅运行它们。不仅如此，这些模型都能做到离线运行，即便不小心断了网，这些生成式AI依然能够在本地发挥作用。
专门为玩家设计的云端大模型也必不可少。边缘小模型有其低能耗高效率的优势，但面对较为复杂的问题，仍需要借助配备了强大算力和资源的大模型来解决。但笔者倾向于认为，当边缘小模型达到一定能力之后，云端大模型的作用倾向于为小模型更新知识库和数据，更多和游戏助手直接相关的任务几乎都可以依赖本地模型完成。
有了这些基础资源，笔者就能够尝试猜测，未来的生成式AI助手能够为玩家带来哪些功能。
生成式AI助手也许能做到什么
就像G-Assist展示的一样，生成式AI游戏助手首先要做的，就是为玩家在刚进入游戏时给予更多的基础引导。许多游戏可能会在初期提供不少的对话引导或文字教程，这有时候可能并不符合玩家的实际情况，或者一些游戏根本没有任何引导，玩家刚一进入游戏就会无所适从。生成式AI游戏助手恰好依赖玩家当前状况作出回应，因此这些引导或者建议或许会更容易被玩家所采纳，也可以让更多的人更快适应一些完全无引导的游戏。
随着游戏进入更深度的阶段，生成式AI游戏助手应当通过数据给出玩家在纸面上的优势能力、劣势能力，或者是想要过关所欠缺的能力和资源。笔者对于许多游戏的终局都是持较为娱乐的心态，但这就意味着终局阶段很长的游戏，在配装和技能分配上过于随意会导致游戏体验快速下降。这时，生成式AI游戏助手就需要同时理解玩家的数值面板和游戏提供了哪些优势资源和玩法，为像是笔者这样比较随意的玩家提供一个相比社区攻略更加易读，且更贴合玩家自身基础数据的配装和技能建议，并追踪玩家的进度。当玩家构建数值的阶段性进度达成时，AI助手会提醒玩家即时进行构建，比如取得某流派所需的装备时，AI助手会提醒玩家直接装备，或开始追踪装备需要搭配的资源。
更进一步，生成式AI助手可以利用游戏快照进行，结合玩家目前的进度，对玩家的玩法和数据进行解读，给出能够改善游戏体验或强化玩家流派的建议，展现出比G-Assist更深度的个性化设定。我们现在已经能够在B站上看到许多视频下面的评论都有AI小助手总结，结合上文提到的AI总结玩家面板数据的能力，就更可以根据玩家画像，提供最适合目前玩家的玩法——若玩家有意询问AI，AI当然也可以给出完全不同于玩家玩法和流派的，其他玩家或者官方推荐的流派的打法。
如果这一针对性的解读技术更加成熟，生成式AI甚至在电竞领域帮助一些新观众了解不同游戏的打法、流派，和有别于非竞技玩法的基础知识。这些知识很多时候是观众欣赏电竞项目的重大门槛，如果能够更好地降低这个门槛，对电子竞技在AI时代的发展或许会有着更加有利。
最后也是最关键的，就是若玩家在短时间内推进了多个游戏的进度，生成式AI游戏助手可以根据不同游戏的活动时间和时限、玩家的游戏表现和日常游戏时间安排优先级，这样能够以更高的效率推进各个游戏的进度。不同的刷子游戏和抽卡类游戏都有着各自的吸引力，而这些游戏为了争夺玩家注意力必然会频繁安排各种限时活动，自然地，一些玩家、消费者和从业者不可避免地会有意无意陷入到“多开”的窘况之中。如果生成式AI游戏助手能够在这种情况下助玩家一臂之力，想必对玩家的身心健康都会有极大的改善。
可能需要考虑的一些问题
想要让生成式AI游戏助手获得这些能力，尤其是多款游戏的进度编排追踪能力，除了上述所需的基础资源外，还牵扯到硬件绑定、平台独占性等问题。
比如G-Assist虽然可以用于多款游戏，英伟达也明确表示G-Assist可以针对某一款游戏对视觉和语言模型进行定制，但如果玩家想要使用G-Assist，就必须购买配备了RTX系列显卡的电脑，如果因为各种原因没有RTX系列显卡，而是选择了英特尔或者AMD的显卡，那么玩家就和G-Assist无缘了。
以及，玩家可能必须在统一的账号下管理自己的游戏才有可能用得上生成式AI游戏助手的多游戏进度编排追踪能力。并且这些生成式AI游戏助手还有可能只能在Xbox或者PS主机的第一方游戏上使用，因为只有这些第一方开发商的硬件才能够和本地AI无缝集成。而浩如烟海的第三方游戏或许就需要单独的AI工具或通用的AI助手连接器，利用游戏维基页和游戏助手构建单一维度的AI游戏助手。
可是，当玩家接入第三方AI服务，允许其统筹编排多款游戏的进度时，进度透明度可能成为难以逾越的障碍。虽然现在不少刷子类游戏的社区已经不需要登录就能看到玩家角色的基本信息，但诸如活动和实际游戏进度，在很多场合依然不可见，这时玩家要么需要手动完善活动进度，要么就只能用着“半残废”的AI助手来追踪游戏进度——比如多数Steam上有着无尽游戏时长的游戏甚至都没有玩家进度的独立页面，除非玩家在本地利用API等工具开发AI Agent，以自动化编排不同游戏的AI助手，否则玩家还是要靠自己追踪游戏进度。
目前，游戏社群对于生成式AI较为消极的态度和过去的NFT和区块链粗暴地冲进游戏开发行业有着类似的理由，因此，将AI以更友善的方式和游戏开发或游戏体验实现有机结合是AI在游戏行业扎根的关键要素。利用生成式AI帮助玩家改善游戏体验的方法有很多种，提供游戏助手可能是众多方法中，对于背景技术有较高要求，但对玩家而言可能是最友善的那一个。