AI PC成为马良的“神笔”，让NPC成为“赛博话唠” | 钛极客

“我正在寻找马丁-莱恩先生，他告诉我正住在这间酒店，我有急事，请你帮我联系他，谢谢！”我说到。

“非常理解您焦急的心情，但是处于对酒店客人隐私的保护，我无法提供这位客人的信息给您，很抱歉。”前台服务员表示。

“我知道马丁-莱恩先生在这里寄存了东西，我是受到他委托来取走的，请你把它交给我吧。”我说到。

“好的，那您可以将行李寄存的寄存单给我吗？如果没有寄存单的话，可以让马丁-莱恩先生给礼宾部打电话，告知我们将东西给您。”

以上两段对话，听起来很像是摘取自某部小说或者是电影、游戏内容的固定台词，但它们竟然出自人与电脑的语音交流。

AI让游戏NPC“活”过来了

更准确地说，上述这些对话是玩家与游戏NPC的交流，只不过游戏流程中既没有固定逻辑脚本也没有预设提问、回答选项。玩家唯一要做的就是想尽办法与电脑“套话”获取信息。

电脑的目标则是确认玩家的身份确实与目标人物相关，在此之前，它们则要尽一切可能保守秘密。换句话说，这场对决其实是人脑与电脑间的“智力与信息的攻防游戏”，而驱动这台电脑的背后技术正是当下被所有行业集中讨论的“生成式AI”。

早在去年的COMPUTEX展会上，英伟达就推出了ACE（AvatarCloudEngine）技术，旨在通过生成式AI为游戏中的非玩家角色（NPC）带来智能对话和互动功能，如今大家看到的正是最新的DEMO演示。

与过去采用固定语句、动作与玩家交互的方式相比，利用NeMo语言模型，ACE可以创建能够进行自然语言对话的NPC。这些NPC不仅能理解玩家的输入，还能根据特定的背景和情境生成合适的回应，比如上文提到的各个角色会进行符合身份的回答，并且在称谓、回答内容上也会更加贴合真实场景。

对于ACE技术的出现，最大的意义在于可以帮助游戏内容制作者打破“线性”叙事的框架，也就是说，所有的游戏内容并不需要按照固定的内容流程完成。玩家可以充分发挥自己的想象，甚至可以颠倒任务的前后顺序，只要围绕最终目标即可，但这仅限于推理类的游戏，因为此类游戏中NPC的重要性更高。

那对于其他游戏而言，如果拥有开放式世界设定，也会在ACE技术上收益很大，因为每一位NPC都拥有了自身的“思维”而不是传统的固定逻辑，每天重复一样的事情。相比之下，过去的游戏就如同电影《楚门的世界》一样，只有玩家一个人可以尝试去灵活处置，而在ACE技术的加持下，玩家想出来的各种骚操作，电脑都有办法应对。

想象很美好，对吧？但就如同每次游戏画质的展示DEMO一样，回看2012年的虚幻4引擎展示，现在很多3A大作可能都还无法达到它的水平，ACE技术的应用也是如此，它的条件还是非常苛刻的，现阶段对线上同时在线的玩家数量、网络带宽等都有着严苛的要求。

据英伟达工作人员介绍，想要获得与NPC的实时沟通体验，专线网络是必备选项，同时在线的玩家数量也要控制在个位数，这对于一款商业游戏而言，是完全不可接受的。

那想要扩大玩家接入量，对于游戏开发商而言，就需要更强的云端算力作为支撑，但在整个游戏内容的制作过程中，是否应该为NPC配置如此重量的资源以及它能够带给玩家的反馈提升，都是现阶段面临的问题。所以说，ACE技术确实展现出了一个能够让游戏NPC“活”过来的办法。

AIPC成为数字时代的“神笔”

“神笔马良”是很多人都听过的中国童话故事，马良在获得神笔后，能够把自己的画作变成真正的物件。而在AI时代，PC反而成为了“神笔”的化身。一方面，StableDiffusion等工具可以将文字表述变成图像，这样就可以将脑中的构想通过最简单的方式呈现为画作，即便是没有绘画天赋的人也可以做到。

以英伟达目前的消费级旗舰产品RTX4090D为例，作为市面上最快的StableDiffusion计算出图方案，它可以支持每秒8张图的生成速度。使用当前最快的StableDiffusion加速方法TensorRT，再配合开发者进一步的性能优化，目前RTX4090DGPU最高能实现每秒超过100张图的生成速度。

这是什么概念呢？路边的肖像速写，应该是日常能够接触到的比较快速的绘画出图方式，而画成一幅人像作品的时间，通常在10分钟左右。在同样时间内，StableDiffusion生成的图片数量（以每秒8张计算），已经足够支持组合为每秒30帧的视频播放两分半钟，而图片数量则是整整的4800张。

当然，AIPC的能力不仅仅体现在文生图上。图生图的应用也很有趣，比如通过人像生成控制模型InstantID，就快速通过搭载RTX4090D的RTXAIPC上由普通摄像头的自拍照生成高质量影棚级别的肖像照，别的场景不说，至少笔者认为对很多以拍证件照作为主要盈利手段的小摄像馆来说，这项功能绝对是“抢饭碗”的利器。

应该说，更快的生图速度、更广泛的生图应用，其实也没有什么稀奇的，毕竟不是每一张图片都能符合预期。而且玩过AI生图的人都知道，生成的图片质量参差不齐，总是需要不断修改、不断尝试才能获得基本满意的效果，而绘画则不同，往往在起笔时就已经有了大概方向，途中也可以进行小范围的调整。

但钛媒体APP认为，AI生图应用出现，最大改变在于把绘画的门槛降低了，同时也进一步解放了人们脑中的万千创意，像“科幻元素“的作品，大众普遍能够输出的目前只包括文字部分，你可以把天马行空的想法“写”下来。

文字表述自然有其任凭读者想象优势，但在直观性上也恰恰受到了限制。因此很多科幻小说作品，比如《三体》《沙丘》等等，文字的描写在精妙，也会有很多超出读者想象的画面，而将这些作品影视化改编，其所付出的成本却又高的离谱，那么，通过AI绘图，是不是刘慈欣就可以简单描绘一下他心中的《三体》了呢？这是很有可能的。

其实，当前已经有很多设计师、艺术家，设法将生成式AI提供的“想法落地为现实”能力转变为自身的生产力。

像在建筑设计领域，即时AI基于扩散模型和蒸馏技术，通过RTXGPU的加速，实现了AI实时绘画，屏幕前的设计师只需要勾勒出简单的线条，AI就能帮助根据目标风格绘制出具体的概念图，设计师可以花更多时间集中在想法上，而不是如何把一个有趣的想法，一笔一笔“画”出来。

所以说，AIPC的生产力属性，真的在绘画这件事上表现的淋漓尽致。一方面，它确实大大降低了绘画的门槛，无需掌握具体的绘画手法、色彩选择，这些都由AI完成，人们只需要专注于“想法”。

另一方面，其在行业中的渗透和落地应用潜力也是更加直接的，ChatGPT也许什么都能干，但通过它，很难直接创造商业价值，但对于艺术家、设计师来说，提升几十上百倍的出图效率和“想法预览”确实能够直接转化为生产力。

视频会议、游戏场景，AIPC无处不在

很有意思的一点是，目前行业内对AIPC的定义也有着不小的分歧，如果按照英特尔的说法，2023年底AIPC才出现，2024年是AIPC元年，而对于微软、高通来说，似乎AIPC又是2024年刚刚推出的新物种。

但如果要追溯到更早，实际上英伟达于2018年就推出了RTX技术和首款专为AI打造的消费级GPU芯片(GeForceRTX)。在他们看来，AIPC是搭载专用AI加速硬件的计算机，而在RTXGPU上，这些专用的AI加速器被称为TensorCore。

TensorCore的出现，实际上就是为了能够加速AI性能，并为PC用户引入以前在云端才能运行的AI新功能。针对开发者或者深度AI用户，英伟达也已经上线了TensorRT开发者套件，实现加速深度学习推理性能。

TensorRT能加速热门的生成式AI模型，StableDiffusion1.5和SDXL等，全新的ULProcyonAI图像生成基准测试也已支持TensorRT加速。

AI能力除了可以用在提升游戏开发、生产力上，它还能做很多工作，当你觉得用自拍生成棚拍画面已经足够离谱，那么1分钟语音就能克隆声音的AI能力，是不是会感觉AI会有点“恐怖”？

基于RTXGPU加速的声音克隆可仅用5秒录音来克隆声音，实现无需训练的个性化声音生成。基于开源的GPT-SoVITS项目，声音克隆快速使用5秒声音样本，根据其发音特征由文本生成个性化语音片段，这个过程仅五分钟就能完成，而基于更多样本（1分钟）的微调训练则能实现更高质量接近1：1复刻的声音克隆。

作为消费级GPU产品的供应商之一，英伟达看中AIPC的其中一个落地场景当然是“游戏”，并为此推出了DLSS图形技术，其原理就是利用AI提高帧率并改善图像质量。最新的DLSS3.5技术中，可以通过AI增强光线追踪表现，备受期待的《黑神话：悟空》和《永劫无间》即将支持DLSS3.5光线重建和全景光线追踪技术。

换句话说，就是让显卡能够以更低的负载，输出更高帧率的画面以及光影质量更加逼真的内容，而这一切并不是通过传统意义上增加图形算力获得的，而是通过AI能力获得的。此外还有RTXRemix技术，通过使用生成式AI工具自动增强材质，以及借助全景光线追踪和DLSS快速创建画质更好的“重制版”游戏。

其他一些方面，AI的应用也在加速渗透当中。比如很早前就已经上线的NVIDIABroadcast应用，可以为直播提供AI增强型语音、视频工具，包括噪音和回音消除、虚拟背景和AI绿幕、面部追踪、视频降噪和目光接触，其实很多主播目前都已经开始使用了，本地算力调取不占网络带宽和低延迟是它最大的优势。

如果讨论生成式AI所能玩出的花样和上限，英伟达无疑是现阶段最有发言权的厂商，无论是已经看到的各类应用还是各个AI公司疯抢的高算力GPU，都能代表其在AI领域硬件方面的领先地位，但想要把AIPC普及起来，或者让普通消费者为AI功能而添置或升级GPU，现阶段而言并不现实。

可以预见的是，AIPC在各行各业的应用会越来越广泛。同时其对娱乐、办公、社交等场景的渗透也会慢慢深入，但与很多此前发布的技术不同，生成式AI的加入往往是“无感”的，比如StableDiffusion绘画出的高质量图片往往能够以假乱真，而ACE技术加持下的NPC也与真人有几分相似，更不要说AI还能帮助实现声音克隆等能力。