周天財經 原創出品
五個沒有一起開過黑的隊友，卻拿到了一場綿延數月的《王者榮耀》相關賽事冠軍？
實際上，這支來自清華大學，名為「五殺蔡文姬」隊伍的隊員們，不僅沒開過五黑，每個人的遊戲水平也參差不一 —— 參與戰鬥的，是他們利用 「開悟平台」所開發的王者榮耀智能體。
是的，這是屬於 AI 之間的戰鬥。
6 月 24 日，第二屆騰訊 STAC 科創聯合大會在成都舉辦，頒獎環節，「五殺蔡文姬」作為第二屆騰訊多智能體強化學習大賽的冠軍隊伍，在現場領取了屬於他們的優勝獎杯。
這可能是《王者榮耀》不為人知卻意義非凡的另一面：數字遊戲正在成為人工智能研究的前沿陣地，而在賽事的水面之下，還暗藏着人工智能產業需求轉型，謀求未來增長的暗流湧動。
01 從「感知智能」轉向「決策智能」的好生意
AI 是好生意嗎？答案是肯定的。
從 2016 年至今，已有 40 多個國家和地區出台了與人工智能相關的戰略政策與產業規劃文件，全球人工智能進入戰略佈局加快、產業應用加速發展落地的階段，而隨着各項要素湧入，近十餘年，人工智能的產業化進程大大加速，從實驗室來到商業世界。
根據 IDC 發佈數據統計，2022 年全球人工智能產業規模預計達到 4328 億美元，到 2023 年將突破 5000 億美元大關，而這還是基於軟硬件及服務收入口徑進行統計，如果將人工智能所撬動的經濟增長計算在內，或將帶來 10 倍於核心產值的效益。
一般來説，人工智能技術發展由淺到深可以劃分為計算智能（Computing）、感知智能（Sense）、決策智能（Act）三個階段；目前，人們身邊的商業應用主要集中在「感知智能」層面，比如智能語音控制、人臉識別技術、醫學影像識別等等。簡言之，感知智能解決的，是「是什麼」的問題，典型應用如亞馬遜的 Alexa 以及 IBM 重金投入多年的沃森醫療 AI 等。
前瞻產業研究院發佈的《2021 年中國家用智能視覺行業市場現狀及發展前景分析》稱，我國家用智能視覺市場高速增長，2020 年中國家用智能視覺產品市場規模為 331 億元，2016-2020 年年複合增長率近 54%。
但是，感知智能並不是人工智能產業如今的「重頭戲」。業界正在探索的是邁入「決策智能」階段，計算速度更快、自動化程度更高的機器能夠自動完成規則挖掘與學習分析，在「是什麼」的基礎上還知道要「怎麼辦」。
這顯然是一塊更加誘人的蛋糕——金融領域的智能投顧、製造領域的智能工業機器人、汽車領域的高級別自動駕駛以及醫療領域的新藥研發、蛋白質結構分析等等，每一項背後都是萬億級的產業規模，它們都將隨着「決策智能」照進現實而被徹底改造。
華經產業研究院發佈的《2022-2027 年中國人工智能行業市場全景評估及投資方向研究報告》顯示：截至 2020 年，決策類人工智能市場規模達 268 億元，近 4 年年均複合增長率實現 83.5%，有望在 2025 年突破 1847 億元。
如科幻電影《星際穿越》中無所不知，還能犧牲自己拯救主角的機器人「塔斯」，就常被視作「決策智能」一個未來目標。
故事令人憧憬，但「決策智能」的技術迭代與商業化路徑並不存在畫好的路線圖。
02 技術與人才短板，需要怎樣的「產業底座」
如今，人工智能科研的成本實在太過高昂。
OpenAI 在 2020 年發佈「史上最強 AI 模型」GPT-3，這款參數高達 1750 億的預訓練模型真正詮釋了「大力出奇跡」，幾乎可以高質量的完成有關語言處理的絕大多數任務，比如機器翻譯、語義推斷、文章生成等等，直接帶動行業進入到「大模型」時代。
但是，據業界測算，OpenAI 僅僅是在訓練 GPT-3 的階段就花費了 1200 萬美元，訓練語料龐大到難以想象。退一步説，即便是規模僅有 OpenAI 千分之一的訓練預算，也會耗幹絕大多數高校科研團隊的預算。
況且，人才要素上的短板同樣明顯。
中國雖然已經處在世界人工智能研究的第一梯隊，但是與美國相比任然有比較明顯的差距，根據 AIMiner 最新發布的 AI2000 榜單，美國入選榜單的知名學者供給 1146 人次，佔比 57.3%，中國位列第二，數量上為 232 人次，而在機構綜合排名中，前 20 名的機構中國僅有香港大學 1 名上榜。
由於 AI 技術的前沿特性，針對應用領域的人才培養需要很長的週期，並且技術提升十分依賴在真實環境中進行實踐，不能只靠照本宣科。
這種人才培養整條鏈路上都需要補齊、供需缺口嚴重的情況，在中國尤其突出，中國在 2019 年經過教育部批准才在 35 所高校開設人工智能專業，起步時間短，教學環節的師資也嚴重匱乏。
儘管國內頂級高校在相關教學探索上已有不錯成效，如清華「姚班」走出多位研究學者和 AI 獨角獸創業者，北京大學的智能科學與技術專業設立已開設多個細分方向，但坦率地説，大部分高校只是將電子信息類與計算機科學類的課程重新組合，並未真正在智能技術的教學上取得突破，學校、老師與學生都是在「摸着石頭過河」。
當前技術與人才上的瓶頸，説到底來自於我們仍未構建一套行之有效的基礎設施，或者説「產業底座」。
人工智能不同於工業時代的技術演進，它的迭代速度太快，產業對於創新成果轉化應用的需求又特別迫切，因此一個理想的「產業底座」，應當能夠讓產學研等要素低成本地接入、合作，並且高效率地產出符合產業實際需要的各項成果。
在國內外，有不少科技產業巨頭與科研機構都在用自己的方式試圖解決技術與人才上的瓶頸。
谷歌旗下的 DeepMind，廣泛與頂尖高校合作，跨學科、跨領域的探索人工智能的可能性，在為人熟知的 AlphaGo、AlphaFold 之外，DeepMind 還有與瑞士洛桑聯邦理工合作的 AI 在核聚變中應用的項目、與哈佛大學對動物神經結構的模擬項目等等。
又比如亞馬遜、Meta、蘋果、英偉達等大型科技公司，都在積極建立 AI 實驗室，高薪聘請學界大牛擔任主管，或是與高校機構保持長期資助關係。
這種跨區域的產學研合作不僅幫助企業建立更多維度的數據模型，也從科技倫理的角度收集到了多元反饋，部分研究者還會在項目結束後進入企業繼續開展工作。
在國內也有這樣的產學研項目正在開展，以此次騰訊 STAC 科創聯合大會的舉辦地成都為例，作為國家劃定的「第四極」，今年工信部宣佈第二批國家人工智能創新應用先導區名單，成都成為全國八個先導區之一，也是西部地區第一個先導區。
在算力基礎方面，成都擁有已經投入運營的超算中心和智算中心，並且地方政府還以市場化方式設立了成都市大數據集團，在創新應用先導區相關的人工智能平台建設項目評比之中，正是由大數據集團作為牽頭大衞，聯合騰訊雲、成都超算中心、電子科技大學等 9 家人工智能領域機構組建為「產、學、研、用」聯合體隊伍成功中標。
也正是由於成都在科創領域的獨特優勢，今年 6 月初，騰訊與成都高新區簽署合作協議，騰訊未來中心項目將在成都落地，共同探索全真互聯網未來科技與場景建設。
除了政府牽頭組局，提到成都的人工智能發展，不得不提的還有成都的遊戲產業——育碧將成都作為繼上海之後在中國的第二個落腳點，騰訊《王者榮耀》所在的天美工作室也位於成都。而《王者榮耀》本身，正在成為 AI 的極佳訓練場。
基於國內人工智能的產業轉型需求與趨勢，《王者榮耀》給出了「遊戲 +」的解題思路。
03 王者 AI 為「產業底座」貢獻了什麼
遊戲與 AI 的聯繫遠比大多數人想象的更緊密。
美國國防高級研究計劃局，也就是大名鼎鼎的 DARPA 的一項名為 ADAPT 的戰場輔助決策項目中，承包商 Aptima 公司就是利用遊戲《我的世界》來訓練 AI 去理解人類如何協同作戰並完成任務，最終分析戰場情況以減少指揮官的管理負擔。
推出 AlphaGo 的 DeepMind 在解決了圍棋算法之後，也選擇了信息不完全，複雜度更高的策略遊戲《星際爭霸》來訓練 AI AlphaStar，比圍棋更加複雜的地方在於，AI 需要收集並理解更多維度的數據，並且不斷迭代出相應的策略，比如資源開採、兵種配置、進攻時機等等，根據團隊透露，早期版本的 AlphaStar 僅靠自我博弈，就提升到了接近人類玩家的水平，並在進一步訓練後迅速超越了 99.8% 的人類玩家。
騰訊很早就開始開發《王者榮耀》在 AI 研究上的潛能，為許多玩家所熟知的「王者絕悟」就是王者榮耀團隊與騰訊 AI Lab 團隊合作探索的決策智能 AI；自 2017 年誕生以來，「王者絕悟」的水平不斷提升，從監督學習到強化學習；更重要的是，多篇「王者絕悟」相關成果論文已被 AAAI、NeurIPS 等 AI 頂會收錄。
千萬不要以為「王者絕悟」只是用來豐富玩法、提升玩家體驗的。王者絕悟底層的多智能體技術，本身就是一門「好生意」。
隨着工業領域對智能化水平需求的提升，多智能體技術成為了工業互聯網與人工智能技術交叉領域最前沿的研究熱點，因為其技術在解決產業實際複雜問題時具有獨特優勢。
比如説，如今定製化製造的興起，多品種、小批量的生產需求逐漸增多，尤其是在服裝、小商品等快消品行業。但這種模式混合排產難度大，供應鏈協同較差，庫存難以預測，關鍵物料的上下游訂單接合常需要「救火式」加班。
而將具有自主學習能力的多智能體技術引入供應鏈報價和物料協商中，能夠優化上下游連接企業的長供應鏈，實現物料、庫存、物流、訂單等的動態管理，增強產業集羣對市場的反應能力，能夠極大提高商家的生產與交易效率。
但有趣的是，王者榮耀與騰訊 AI Lab 似乎並沒有追求多智能體這項技術的商業收益，而是選擇了孵化了 AI 開放研究平台「開悟」，讓高校、研究機構以及算法開發者能夠利用開悟開展相關的多智能體算法研究、應用探索、成果交流等等。通過開放資源，嘗試解決上文提到的產業技術與人才瓶頸。
經過近幾年的完善，基於開悟平台，王者榮耀正在摸索出一條人工智能產學研合作的新通路，如同一條紐帶，將人才、技術和產業三個方面聯結起來。
從人才培養的角度來看，靠着與遊戲相結合的研究思路，開悟的相關賽事能幫助更多學生「祛魅」，提升他們對科研的熱情與積極性。況且，王者榮耀還與高校合作打磨課程內容，通過課程合作幫助更多學生打好強化學習相關的產業理論基礎，擴大人才培養的惠及範圍。
根據中智諮詢《人工智能行業人才管理研究報告》，人工智能行業中的算法研究崗、應用開發崗人才供應極度緊張，供需比僅為 0.13 和 0.17，技術人才上的有限供給已經制約了產業發展，所需要的正是更多有理論基礎、又有實踐經驗的人才供給。
來自中科大的趙鑑談到，「在得知能夠在《王者榮耀》裏訓練人工智能，周圍同學的報名熱情都很高漲」。目前，中科大還組建了 Game AI 社團，許多非強相關專業的學生也開始學 AI 知識。
而在技術層面，王者榮耀則是提供了「以賽促研」的破題思路。通過開悟平台，提供環境、算力、算法框架等方面的資源支持，讓各支站隊可以在複雜的遊戲環境與真實對抗中不斷訓練自己研發的 AI。而無論是算力、算法還是環境場景，都是目前高校開展 AI 研究所稀缺的資源。
與此同時，王者榮耀還協同騰訊 AI Lab 一起積極接入產業合作，在 STAC 大會上發佈了「騰訊 X 西南交通大學的智慧交通」合作項目，加快推動成都人工智能科技成果轉化及產業應用落地。
授人以魚不如授人以漁。與其閉門獨造一個「王者絕悟」，不如通過開悟平台，讓決定未來人工智能產業發展方向和高度的高新人才們，也有機會參與到 AI 的生態建設中來。這也許是做好一筆買賣，與做好一個「共贏」市場的區別。
學生獲得的並非是一個成熟的決策型 AI，而是在尋求方法，驗證理論，然後自己研發一個 AI。當這些經驗積累下來之後，那麼從遊戲內走到遊戲外，也只是時間問題罷了。
如陳華玉選手所提到的，「在遊戲中能做好決策本身就極具意義，因為現實中絕大多數的問題都是決策問題，比如車路協同、比如化工廠大量的閥門控制，都可以抽象為決策問題」。
如前文華經產業研究院發佈的報告所述，決策智能的商業前景十分理想。中商產業研究院發佈的《2021 中國人工智能行業市場規模及細分行業市場預測分析》中也指出：雖然決策類人工智能在市場佔比僅為 21%；但是，其也是目前人工智能市場中年均複合增長率最快的類別。
而在這其中，王者榮耀與騰訊 AI Lab 給出的遊戲解法，是以開悟平台為核心，通過「課程講理論 - 賽事磨技術 - 產業應用」的方式解決產業根源的人才與技術供給問題。
正如 STAC 大會上，文化和旅遊部科技教育司原司長孫若風所談到的，王者 AI 確定了以人工智能為核心、教育 + 產業為兩翼的發展戰略，發起建立人工智能科教聯盟和人工智能科創聯合體，通過交流賽事與課程合作，為高校師生提供技術、場景、平台支持與項目經驗，對於遊戲 AI 跨界應用有標杆性意義。
隨着產學研環境良性發展，對能處理複雜決策的智能體的研究越發深入，「決策智能」的天花板才能被真正打開 —— 技術研究進步，商業應用落地，人才也能夠以符合產業需要的方式得到訓練、培養，屆時所惠及的不但是人工智能產業，更將直接關係經濟社會的進一步增長。
04 結語
回顧歷史，遊戲產業一直是應用推動生態發展的重要培育池，近幾十年來，來自遊戲的需求推動了軟件、芯片、屏幕等技術一同前進。而在人工智能來到關鍵的轉折點，遊戲的意義又超越了娛樂休閒，成為撬動產業破局的關鍵變量。
這當然需要時間，但不斷擴大的賽事規模和科研成果驗證了「遊戲 +」的可行性——來源於產業、服務於產業，在低成本且接入友好的前提下，還能夠產出真正滿足未來產業發展需要的研究成果。