黄仁勋来台与趁COMPUTEX 2024发表演讲，公布其革命性的AI游戏助理GeForce Project G-Assist，看似仅是帮助玩家攻略的游戏助理，但分析其背后原理与应用，也看出了AI硬件大厂Nvidia首次为全球游戏领域开拓了新方向，深远影响游戏领域的发展与事业，本文试着深度解析，未来游戏界与AI结合的大趋势，以及未来区块链游戏(GameFi)的赛道趋势。
AI从画面走向游玩体验(Game Play)
Nvidia过去以游戏图形显示卡与驱动程序起家，2020年4月更是破天荒开启AI与游戏的首次结合，公布深度学习超级采样(Deep Learning Super Sampling，DLSS)供RTX系列显卡使用，开启游戏新纪元。
DLSS原理是通过大量的Nvidia游戏显卡与后台游戏计算，通过多次与游戏场景的图像分析计算出在高解析度下，肉眼无法察觉的无效运算，借此通过AI模型在绘图上「降低性能负载」，借此画面不缩水，但每秒张数(FPS)暴增的革命性功能。
而在2023年LLM语言模型爆发后，OpenAI开启了用Nvidia显卡的计算战争，许多软件大厂包含微软、Google、马斯克(XAI)等都参与其中，显卡制造商Nvidia虽然看似一派轻松，但仍然没有忘记在软件上创新，今日推出了Project G-Assist，则坐实了Nvidia把LLM语言模型与游戏结合的野心，势必将引领全新一波革命。
据Nvidia所述，G-Assist可以达成为游戏提供游玩建议、剧情引导，玩家可以询问机器人装备建议，实际上背后就是搜集大量玩家的游戏游玩数据(Game PlayInput)，丢进大型语言模型学习，可以有效地降低玩家游玩游戏的门槛，打造出更具有一致性的游戏服务，这将从根本上改变游戏的制作以及游玩生态。
AI将淘汰不好玩的游戏
G-Assist会如何改变游戏生态？想像如果游戏从alpha、Beta到发行都被游戏等级的大型语言模型搜集数据，将会出现怎样的状况，结果是不够多样化以及游戏性不高的游戏，就容易被机器学习找到最佳解，任何电竞级玩家在不成熟的游戏中与一般的新手玩家的差距将缩到最小，或将带来以下几个影响：
新手教学门槛最低化
模板化套皮游戏从游玩到腻的时间更短(手机到3A皆是)
游戏多样化做不好，就吸引不到优秀玩家
氪金陷阱马上被AI识破
加速电竞游戏改版与迭代
如今游戏界充斥着大量类似系统体验的手游与3A游戏，这些游戏虽然标榜多样化，但实际上每家都是通过一个标准化的流程来做生产，其游玩的游戏性与变化性在跨游戏的向度上其实非常有限。
实际上玩法之间的体验，随着个人的游玩差异性(看攻略、氪金)，事实上会主导不同的游玩体验，而这些游玩体验的差异若能被快速的最佳化，举例来说，拿A游戏改的套皮B游戏，马上会被A生成的模型与形式光速训练出B的最佳解，
那结果便是，当前的大型游戏公司的一套模板产多款游戏的方式，将快速使游戏性被数据化，因此只换皮的3A以及换皮手游势必会受到挑战。
以手游举例，试想着若AI若已经大量某款不怎么好玩的氪金手游，那么AI便能很快算出来，你若不氪金多久后会遇到挫折，免费玩需要多少时间才能玩到多少等级，而氪金玩家跟你的差距又有多大，那么厂商精心设计的「氪金心理学」将会不攻自破，若没有厂商限制AI，玩家一开始就能通过AI看透这一切。
因此未来游戏厂商势必分为两派，第一为迎合AI派，通过AI数据学习、多样化、以及平衡各种游戏体验，另一者为限制AI派，借由API以及加密方式限制G-Assist或者其他开源游戏语言模型的辨识，形成一场新的数据解读攻防战，以保障商业利益。
区块链游戏：P2E将消失
虽然看似与区块链产业、GameFi没有关联，但web3项目与社群已深入开源精神，设想若代码以及不够成熟的一轮游戏、庞氏局，势必会被G-Assist以及相关类似的语言模型竞品迅速学习完毕，马上就会察觉此游戏「没有未来」，因此在类G-Assist的普及下，不具游玩性质的短命游戏与骗局将会迅速淘汰，因此未来不够永续的「Play To Earn」、VC灌估值仿盘、庞氏局或许会被科技给直接终结。
相反的，颇具游戏性以及机制多元，能备受AI考验的真区块链游戏，或许才有高机率活下，对web3游戏产业来说是喜也是忧，这代表无论资金有多们大，看似多么豪华的游戏，在科技下其游戏性将无所遁形，这对玩家来说必定是福音，但这也限制了未来游戏从业人员的营销手法。
无论怎样，游戏界在G-Assist类似技术的引进下，势必会兴起一阵腥风血雨，公式化大成本制作的3A游戏或将被大幅挑战，而小成本、颇具创意重玩法的独立游戏或许将脱颖而出，但这或许也要等到G-Assist等新模型技术更迭数代才有可能看到。
