IT瘾游戏推荐

GDC：2026年游戏业界52%人士认为AI产生负面影响

Sun, 01 Feb 2026 21:18:49 CST

世界游戏业界专业开发者论坛Game Developers Conference（GDC）的组织者、Informa Tech于1月29日发布了一项最新调查报告“2026 STATE OF THE GAME INDUSTRY”，邀请了2300位游戏业界人士调查对于当下最火的AI技术对于游戏业界的影响，已经有52%的游戏业界人士认为AI会产生负面影响。

·“2026 STATE OF THE GAME INDUSTRY”总计收到了游戏业界人士2300人以上的有效调查问卷，其中既有一线游戏开发者，也有市场、营销、投资者等游戏业界相关人士。

·听起来似乎只有半数的游戏业界人士对AI持有悲观态度，但是对比前几年的调查，就会发现近三年对AI持有悲观态度的业内人士直线上升，相较而言，仍然对AI能够帮助游戏业界良性发展抱有信心的人士正在极速减少。

·在具体的负面影响细节调查方面，占比最多的是艺术设计达到64%，游戏设计以及剧本创作占比63%，编程为59%，实际上这些也是赞同AI参与游戏创作的开发商大力支持的主要原因。

·使用的AI模型工具最多的仍然是老牌工具ChatGPT，占比74%，占据绝对优势，其他各大巨头的主推工具各有排名。

自 3DMGame

接近九成 Windows 游戏能在 Linux 上运行

Wed, 29 Oct 2025 15:49:15 CST

根据 ProtonDB 的数据，近九成 Windows 游戏现在能在 Linux 上运行。这一进步受益于 WINE 和 Proton 翻译层开发者的努力，以及对 Steam Deck 等 Linux 掌机的兴趣。ProtonDB 将游戏分为五类：白金级游戏无需任何调整即可完美运行；金级游戏需要进行小的调整；银级游戏可玩但并不完美；Borked 级游戏完全无法运行；铜级游戏介于银级和 Borked 级之间。数据显示，白金级新游戏数量正在增长，而 Borked 级游戏数量则在减少。很多热门游戏不支持 Linux 主要是因为反作弊软件与 Linux 的不兼容性导致的。

休闲游戏增加老年人的幸福感

Sun, 23 Mar 2025 13:11:51 CST

随着全球人口老龄化加剧，越来越多的老年人住进养老院。对于他们来说，适应养老院的生活并非易事，不仅要面对身体机能的衰退，还要应对心理上的挑战，如孤独感、社交隔离、抑郁和躯体化等问题。这些心理问题不仅影响老年人的生活质量，还可能对他们的身体健康造成长期负面影响。土耳其研究人员开展了一项关于休闲游戏对老年人幸福感、生活满意度、孤独感和躯体化影响的研究，选取了 80 名来自两所养老院的 65 岁及以上老人，分为干预组和对照组。干预组的老人从 15 种游戏中选择 4 种（宾果游戏、单词挑战游戏、冷热游戏和配对游戏），每周玩两次，持续两个月；对照组照旧。研究人员在干预前、干预后 1 周和 1 个月分别测量了他们的心理状态。结果显示，干预组老年人的幸福感和生活满意度在干预后显著提升。研究表明休闲游戏对老年人的幸福感、生活满意度、孤独感和躯体化有积极影响。

真·开放式游戏，谷歌造出首个无限人生模拟游戏Unbounded

Sat, 26 Oct 2024 15:19:07 CST

无限游戏真的实现了。

如果你是一位开放世界或角色扮演游戏的玩家，你一定梦想过一款无限自由的游戏。没有空气墙，没有剧情杀，也没有任何交互限制。

现在，我们的梦想可能真的要开始成真了。

借助大型语言模型和视觉生成模型的力量，谷歌新开发的一个无限制（Unbounded）游戏已经为我们昭示了这一可能性。

^{Unbounded 一作 Jialu Li 的推文}

这个游戏世界是 AI 生成的，并且可随着游戏的推进而无限延展和演进，里面的角色也可根据用户的要求而定制，同时，这个游戏也不存在任何交互规则的限制。一切都是开放的，甚至你的想象力都无法限制它，就像《安德的游戏》中的心智游戏。

^{电影《安德的游戏》中的心智游戏画面}

虽然目前该游戏整体还比较简单，更多的还是进行一种概念验证，但其隐含的可能性却足以引起人们的无限遐想。

谷歌 Unbounded 游戏设计思路的根源可追溯到 1986 年 James P. Carse（詹姆斯・卡斯）的著作《有限与无限的游戏》，其中描绘了两种不同类型的游戏。

在卡斯的定义中，有限游戏是「以获胜为目的的游戏」，它们有边界条件、固定的规则和明确的终点。而无限游戏的「目标是让游戏继续下去」，没有固定的边界条件，规则也会不断演变。

传统的视频游戏基本都是有限游戏，存在计算机编程和计算机图形的限制。举个例子，所有的游戏机制都必须在编程语言中完全预定义，所有图形资产都必须预先设计（模块化程序生成也仍存在结构限制）。这样的游戏只允许一个有限的动作和路径集，有时候这些动作还是预先定义的。它们通常还有预定义的规则、边界条件和获胜条件。

生成模型的发展为游戏带来了全新的可能性。放开脑洞想想，我们甚至可以造出所谓的「生成式无限视频游戏」。

近日，谷歌和北卡罗来纳大学教堂山分校的一篇论文探索了这一可能性，提出了首个交互式生成式无限游戏 Unbounded，其中的游戏行为和输出皆由 AI 模型生成，从而超越了硬编码系统的限制。

论文标题：Unbounded: A Generative Infinite Game of Character Life Simulation
论文地址：https://arxiv.org/pdf/2410.18975
项目地址：https://generative-infinite-game.github.io/

据该团队介绍，Unbounded 的灵感来自《小小电脑人》、《模拟人生》和《拓麻歌子》等沙盒人生模拟和电子宠物游戏。其还整合了《龙与地下城》等桌面角色扮演游戏的元素，此类游戏能提供视频游戏不具备的无限制讲故事体验。

Unbounded 的游戏机制围绕角色模拟和开放式交互，如图 2 所示。

玩家可以将自己的角色插入游戏，定义自己角色的外观和个性。游戏会生成一个世界，这些角色可以在其中探索环境、与物体互动并进行对话。游戏会根据玩家的行为和选择生成新的场景、故事和挑战，从而创造个性化和无限的游戏体验。下图显示了一些生成游戏示例。

具体来说，Unbounded 具有以下功能：

1. 角色个性化：玩家可以将自己的角色插入游戏，定义自己的外观和个性。

2. 游戏环境生成：Unbounded 会生成一个持久的世界，让角色可以探索和互动。

3. 开放式互动：玩家可以使用自然语言指令与角色互动，并且没有预定义的规则来限制互动。

4. 实时生成：该团队强调了游戏速度的重要性，与初级实现相比，实际游戏实现了 5-10 倍的加速，每个新场景的延迟约为一秒。

为了做到这一点，该团队在语言模型和视觉生成方面都做出了一定的技术创新。

方法介绍

Unbounded 是一款由文本 - 图像生成模型和大语言模型驱动的交互式生成无限游戏。

Unbounded 包括：

(1) 个性化自定义角色：用户创建具有可自定义外观和个性的独特角色；

(2) 动态世界创建：系统生成一个持久的交互式游戏世界供探索；

(3) 开放式交互：玩家通过自然语言与角色互动，游戏根据玩家动作动态生成新的场景和故事情节；

(4) 以交互速度生成：游戏以近乎实时的交互性运行，实现接近一秒的刷新率。

潜在一致性模型

Unbounded 的一个关键特性是它能够为完全基于生成模型的游戏提供实时交互。这是通过使用潜在一致性模型 (LCM，latent consistency model) 实现的，该模型只需两个扩散步骤即可生成高分辨率图像。通过利用 LCM，Unbounded 实现了实时文本到图像 (T2I) 生成，这对于提供刷新率接近一秒的交互式游戏体验至关重要。

具有块丢失功能的区域 IP 适配器

Unbounded 的另一个关键特性是在预定义环境中生成角色，并根据用户指令执行不同的操作。

在游戏领域，保持角色和环境的一致性至关重要，目前来看，角色一致性的处理方式上还存在一些挑战。

该研究发现现有方法无法始终如一地满足所有交互速度要求。因此本文提出了一种新颖的区域 IP 适配器（regional IP-Adapter），以便按照文本提示在预定义环境中始终如一地植入角色。

该研究提出了 IP 适配器的改进版本，该版本能够对主体和环境进行双重调节，从而允许在用户指定的环境中生成预定义的角色。与专注于单图像调节的原始 IP 适配器不同，本文方法引入了双重调节和动态区域注入机制，以在生成的图像中同时表示这两个概念。

举例来说，如图 4 所示，给定文本提示「天空下的沙漠，女巫让仙人掌绽放出鲜艳、发着光的花朵」和沙漠环境图像，模型需要知道提示中的角色应该在仙人掌旁边，还需要知道仙人掌、花朵在沙漠环境中生成。

这要求模型正确地 (1) 保留环境 (2) 保留角色 (3) 遵循提示。然而利用 IP 适配器对环境进行编码会极大地损害原始图像的特点（图 8 中的 (2) 和 (3)）。

区域 IP 适配器很好的解决了这个问题。具体来说，本文引入了一种基于动态掩码的方法，该方法利用模型每一层的字符文本嵌入和隐藏状态之间的交叉注意力来实现。如图 4 所示，本文方法将适配器分别应用于与环境和角色相对应的区域，防止环境条件干扰角色的外观，反之亦然。

对于区域 IP 适配器，该研究使用字符文本和隐藏状态之间的交叉注意力的动态掩码。此掩码的质量是分离字符和环境生成的关键。图 5 显示了下采样块的交叉注意力层中字符嵌入和隐藏状态之间的注意力图。可以观察到，注意力并不集中在字符上，而是分散在这些块的整个图像上。这表明扩散模型不会在这些层中分离字符和环境生成，而是专注于基于文本提示的整体图像结构。

具有开放式交互和集成游戏机制的语言模型游戏引擎

该研究构建了一个角色生活模拟游戏，包含两个 LLM 智能体：

一个智能体充当世界模拟模型，负责设置游戏环境、生成叙事和图像描述、跟踪角色状态并模拟角色行为；
第二个智能体充当用户模型，模拟玩家与世界模拟模型的交互。它有三种类型的交互：在当前环境中继续故事、将角色移动到不同的环境中，或与角色互动。在每种交互类别中，用户都可以选择提供角色的个性细节，或者引导角色的行为，从而影响模拟器的叙事生成。

实验及结果

实验中，该研究使用 GPT-4o 收集了一个由 5,000 个（角色图像、环境描述、文本提示）三元组组成的评估数据集。它包括 5 个角色（狗、猫、熊猫、女巫和巫师）、100 个不同的环境和 1,000 个文本提示（每个环境 10 个）。

环境一致性和角色一致性之间的比较

在该实验中，作者主要将带有块丢失的区域 IP 适配器和此前方法进行了比较。

如表 1 所示，本文方法在保持环境一致性和角色一致性方面始终优于以前的方法，同时在保持语义对齐方面也达到了可比的性能。

具体来说，在角色一致性方面，本文方法在 CLIP-I^C 中显著超过 StoryDiffusion，在 DreamSim^C 中超过 StoryDiffusion 0.057。在环境一致性方面，本文方法也是优于其他方法。

图 7 是与其他方法进行了定性比较。区域 IP 适配器采用块丢失技术，始终能够生成具有一致性的图像，而其他方法可能无法包含角色或生成外观不一致的角色。此外，研究还表明，本文方法能够很好地平衡环境一致性和角色一致性，而其他方法可能会生成与条件环境不同的环境。

带有块丢失的动态区域 IP 适配器的有效性

实验证明，带有块丢失的区域 IP 适配器对于按照文本提示将角色放置在环境中至关重要。

如表 2 所示，添加块丢失可同时改善环境和角色的一致性，CLIP-I^E 中增加了 0.291，CLIP-I^C 中增加了 0.264，同时文本提示和生成的图像之间的对齐效果更好。此外，区域 IP 适配器增强了角色一致性和文本对齐效果，同时保持了环境一致性的可比性能。

图 8 给出了定性实验结果。可以看到，基于使用 IP 适配器的环境可以实现优良的环境重建，但角色一致性会受到环境风格的影响。

块丢失技术可提升遵从文本提示词的能力，从而让生成的图像中有正确的角色和环境空间布局。不过角色外观仍会受到周围环境的影响。通过将新提出的区域注入机制与新提出的动态掩码方案相结合，生成的图像可实现强大的角色一致性，同时还能有效地考虑环境条件。

蒸馏专业化 LLM 的有效性

实验表明，该团队的多样化用户 - 模拟器交互数据可以有效地将 Gemma-2B 蒸馏成功能强大的游戏引擎。

如表 3 所示，相比于该团队蒸馏得到的模型，在进行零样本推理时，小型 LLM（即 Gemma-2B、Llama3.2-3B）或稍大一些的 LLM（即 Gemma-7B）的表现会差一些，这说明针对游戏世界和角色动作模拟任务而蒸馏更强大的 LLM 是有效的。

此外，从结果数据上看，这个蒸馏版模型的表现与 GPT-4o 相当，这也足以说明该方法的有效性。该团队还研究了蒸馏数据规模对性能的影响，具体做法就是比较使用 1K 和 5K 数据来蒸馏 Gemma-2B 模型，看结果有何差异。结果没有意外，使用更大的数据集在各个方面都更优。

Mega Crit 发布用开源引擎 Godot 开发的游戏

Wed, 18 Oct 2023 22:11:36 CST

因为最近的 Unity 引擎引入受争议的安装量收费模式事件，独立游戏发行平台 itch.io 发起了 Jump Ship Jam 游戏开发马拉松活动。卡牌类 Roguelike 游戏《杀戮尖塔（Slay the Spire）》开发商 Mega Crit 工作室在三周时间内实验使用开源引擎 Godot 开发了套牌构筑自走棋游戏《Dancing Duelists》，支持 Windows、Linux 和 Mac 三大平台。Mega Crit 称，游戏是免费的，但如果玩家觉得好玩可以考虑向 Godot 项目捐款。Godot 项目目前的每月捐款接近了 5 万欧元。

中国游戏市场收入在 2022 年达到 455 亿美元

Wed, 07 Jun 2023 22:31:28 CST

中国游戏市场收入在 2022 年达到 455 亿美元，这涵盖了手游、主机游戏和 PC 游戏。Niko Partner 的报告称，中国游戏公司占到了全球手游收入的 47%，PC 游戏收入的 39%。它估计到 2027 年中国游戏市场收入将达到 570 亿美元，游戏玩家有 7.3 亿。中国游戏市场 66% 的收入来自移动设备，31% 来自 PC，3% 来自主机。腾讯和网易是中国最大的两家游戏公司，其游戏收入占到了总收入的 61%。但这一份额相比 2021 年有所下降，原因是缺乏新作推出，现有作品表现不佳。中国游戏公司正在大幅拓展海外市场。

无开发经验如何借助GPT-4开发一个 3D 太空赛跑游戏

Tue, 21 Mar 2023 07:35:05 CST

有人借助GPT-4，在没有JavaScript二胡3D游戏编程经验的情况下，一点点做除了一个 3D 太空赛跑游戏。最终效果看视频

他首先问GPT-4该如何制作游戏，它建议使用BabylonJS，以及HTML和CSS。

然后作者描述了他的具体要求：

———

1.游戏将采用与原版天空之城相同的摄像头，玩家从飞船后面看到轨道，而飞船则出现在他们面前

2. 我们只有一个关卡，它将是一条无止境生成的轨道，直到飞船掉进缝隙或撞上障碍物，所以这个版本不是关于达成目标，而是关于你能活多久。

3.游戏的控制方法是：空格键跳跃，左右箭头在轨道上左右移动，向上加速，向下减速。

4.做这个游戏时，请记住原来的SkyRoads机制。

5.将原版游戏中的一些颜色带入其中!

提供所有的代码。

———

从ChatGPT获得代码后，将其粘贴到Replit（一个在线运行代码的平台） GPT 告诉具体的运行方法，并且成功了！

当然有些Bug，比如无法左转或右转，无法躲避那些讨厌的障碍物。接着按照错误信息咨询GPT，GPT帮助修复了。

就这样一点完善后，接着游戏需要背景、纹理和宇宙飞船模型。

作者在 Sketchfab 网站上找到了宇宙飞船模型，并要求 GPT 提供代码，用 3D 模型文件替换原始游戏中的绿色立方体。

再去 MidJourney 寻找背景和纹理，并使用Pixelmator 提供的工具对图片进行放大，使纹理可以无缝融入到模型中。

然后再让 GPT 将所有的文件整合在一起。让游戏更具挑战性，障碍物需要有不同的宽度，轨道需要向左和向右分开，保存玩家的最好成绩等等

最后，去 Epidemic Sound 给游戏找音效，让 GPT-4 添加音乐播放器的代码，可以在有爆炸和游戏结束的声音。

注意事项：

1. 代码太长以至于 ChatGPT 无法作为问题接受，所以得借助 API playground，可以输入更多内容。

告诉 GPT 它是“世界级的 BabylonS 开发人员”时，GPT 生成的结果会更有针对性。

最后在 3 天的时间里，在 3D 游戏编程知识为零的情况下，作者能够使用 Al 和现有工具的组合重新制作他儿时最喜欢的游戏之一的改编版！

🧵 http://t.cn/A6CukJsO

🐦 twitter.com/ammaar/status/1637592014446551040 http://t.cn/A6Cukivs

腾讯孙驰天：游戏科技让数字孪生创造更大生产力

Wed, 04 Jan 2023 18:33:11 CST

毕业后做了几年赛车游戏，公司被苹果收购后转做自动驾驶。几年后离开苹果，成为了腾讯数字孪生仿真技术总监，孙驰天有着奇妙的转行经历。

几份工作看起来南辕北辙，但其实背后有着技术上的共通点，就是游戏科技。正如他所说，游戏人不只是玩游戏的达人，做游戏的开发者，更是用游戏科技进行前沿技术研发的人。

从小就热爱游戏的孙驰天在明白「游戏不能当饭吃」的道理后，爱上了数学物理，但在清华学习数学物理专业的时候，他发现自己缺少了一点做科学家的天赋，并且还是爱游戏。于是他从研究生又学起游戏开发，毕业后赴硅谷，开发了很成功的 AR 赛车游戏后，进入了苹果自动驾驶团队，再来到腾讯做自动驾驶模拟仿真系统，接着将这种数字孪生仿真技术应用到更大的工业互联网领域。

在他看来，自动驾驶模拟仿真系统近似为一种「高精度的赛车游戏」。现在元宇宙的模样会被很多人解释为「头号玩家」，一个所有人都在游戏的世界，实际上那个世界确实会被游戏充满，但不只是娱乐游戏，还有交通自动驾驶、建筑、工厂制造等各行各业的「游戏化」，也就是数字孪生的世界。

随着这个世界虚拟和真实越来越密不可分，孙驰天的工作经历背后，一场关于「游戏」的变革正在发生——游戏科技并非只能娱乐，而是已经成为重要的生产力工具。

以下为腾讯数字孪生仿真技术总监孙驰天在极客公园创新大会 IF 2023 上的演讲实录，由极客公园整理：

01

从赛车游戏，

到数字仿真

小霸王游戏机、Gameboy、PS2 等是我从小玩到大的游戏机。我是一个很爱游戏的人，可以说我的整个成长过程都和游戏相关。

我高中的时候对数学物理感兴趣，后来就去了清华数学物理专业，结果发现真正系统性的数学物理和中学的差异非常大。所以我发现天赋对学习数学物理很重要，我只能算是爱好者，当科学家太难了。于是后来我学了计算机图形学，本科时期的计算机课程也会涉及简单的沉浸式体验和游戏开发，为我后面做游戏打下了基础。

我很喜欢玩游戏，甚至研究生的时候直接申请了游戏开发学位，当时的课程主要是用游戏引擎进行游戏和沉浸式体验的应用开发。那是 2012 年，游戏引擎技术在国内用得还不多，对于我这个数学物理背景的人来说，花了很多时间学习理解掌握。

我读书期间用游戏引擎做了很多游戏开发，类型比较多，不管是普通的游戏还是 AR、VR 等交互性更有意思的沉浸式游戏。

毕业之后，我去了一家 AR 开发公司。当时是 2014 年，在硅谷 AR 很热，很多公司在探索使用 AR 开发游戏，我们也是其中之一。当时我们用英特尔的 Real Sense 摄像头帮助开发 AR 沉浸式游戏，用户可以通过摄像头，以 AR 方式控制游戏操作，是一个非常好用的 AR 交互设备。那是一个赛车类的乐高 IP 游戏。在当时来看，这款产品的游戏性、交互性、AR 的体验感都非常强，很受欢迎。

做了两个游戏后，这家 AR 公司被苹果收购，我也就加入了苹果。我当时有两个职业发展方向可以选择，一个是 AR 眼镜，一个是自动驾驶汽车。我当时很纠结，我的经理跟我说，你的背景和之前游戏开发的能力用于开发自动驾驶会更酷一些，尤其是开发自动驾驶汽车所需要的模拟仿真系统，会对这个行业有很好的帮助。我也觉得自动驾驶比较酷，就加入了自动驾驶团队，通过打造自动驾驶模拟仿真系统帮助自动驾驶的发展。

那么什么是自动驾驶汽车所需要的模拟仿真系统？大家可以理解为高精度的赛车游戏，我们通过营造高逼真的环境，让自动驾驶汽车在虚拟环境进行完整的场景测试，我们认为自动驾驶汽车在模拟环境测试得非常好，运行得非常平滑和稳定，我们才会将自动驾驶汽车在实地进行测试。

回国之后我加入了腾讯，一开始就是做自动驾驶模拟仿真相关工作。我们重新设计和打造了一个具备腾讯特色的自动驾驶模拟仿真系统产品，不仅自己用，还给国内外车厂、测试场、国家部委使用，是一个国产化自主可控的自动驾驶模拟仿真系统。

我当时选择的路线是游戏科技加数据驱动。数据驱动是采集大量的真实数据，比如真车的数据、动力学数据、传感器的数据，这些采集回来的真实数据训练和标定自动驾驶仿真系统。

游戏科技也是技术路线非常核心的一部分。腾讯在过去这些年具备扎实的游戏基础，比如游戏引擎，数据同步、场景生成的工具，以游戏引擎为例，比如一个摄像头、激光雷达是怎么运行和运作的，怎么让仿真的结果和真实的结果贴近，需要模拟激光雷达，进行反射，生成完整的点云的过程，进行场景的自动构建和渲染，整个过程需要借助游戏引擎的能力得到实现。

当时的技术路线，受到了传统仿真软件非常尖锐的挑战和批评，说「使用游戏引擎不够严谨」。但事实来看，5 年过去了，结果是所有的自动驾驶仿真软件全部支持游戏引擎，游戏科技的进步在仿真行业能帮助我们节省非常多的时间，解决很多问题，帮助我们加速仿真系统的开发速度。

我们打造这个产品的时候非常严谨，本着汽车行业非常规范的流程打造自动驾驶仿真系统，验证自动驾驶的安全性。我们用游戏科技和数据驱动精益求精地打造这个系统，帮助自动驾驶汽车进行测试和落地。

02

游戏科技让数字孪生

创造更大生产力

我们后面将数字孪生的能力扩展到更多的行业，不仅仅是解决自动驾驶仿真测试的问题，而是做得更通用。

数字孪生在过去几年比较火爆，它有很多的模块组成，包括渲染、大数据、模拟仿真、实时交互等，我们将在仿真积累的能力，游戏科技的能力用于更广泛的数字孪生的系统构建，核心的诉求是帮助我们更好地将物理世界映射到孪生世界内部，并且非常低成本的试错，将最优解或者最优方案反馈到物理世界，帮助我们进行物理世界的指挥或者控制。

其中我们用到了什么样的游戏科技点？一是自研的游戏引擎，游戏引擎是整个仿真孪生非常核心的点，使用自研游戏引擎可以实现国产化，而且可以帮助我们进行引擎的自定义化裁剪，不用使用标准化的商业引擎，商业引擎的沉重会带来计算的成本比较高，运行效率比较低等问题，而自研游戏引擎，可以帮助我们比较高效率地进行仿真、渲染的计算。

二是自动化建模和编辑工具，我们做数字孪生的时候用了很多这样的工具，比如高自动化地利用卫星图和地图数据，生成任何一个城市所有的道路、建筑、植被、水域，一天之内纯自动化地生成。

同时还有一些多用户协同。大家玩的王者荣耀或者主机游戏，本质上需要多用户协同做实时互动，而且对数据同步要求更高的方向，要求做到实时数据帧同步。大规模的云渲染得益于云游戏，可以帮助用户不依赖自己终端的性能，而是访问云端，获取好的渲染交互体验。我们不倾向于让用户采购非常贵的终端设备才能运行高保真效果，所以多用户协同和云渲染在数字孪生中是非常核心的能力。

我们在行业做了什么？比如交通行业，在地面交通仿真系统，我们基于实时车流数据，由高性能的传感器、摄像头+毫米波雷达感知到实时车流上报的系统，不是纯虚拟的交通流场景，而是映射智慧城市实时的车流。

基于这样的车流，我们可以注入一个虚拟事件，比如出现了虚拟的交通事故，对于道路有怎样的影响，从而帮助交通部门更好地疏导。右边是我们做一个无人机的应用，做航道的分析、冲突的预测、化解等，我们在交通行业，都用了游戏仿真的能力，实现交通系统效率提升的目的。

我们的孪生技术应用在不同行业的例子。比如政务孪生系统，工厂孪生系统可以提升工厂效率减少人员成本，建筑的孪生应用可以将电梯和所有的设备接入进行动态的管理，以及空调智能的管控，降低能耗……

我们也给到政府人员构建碳排放的管理平台，碳排放是比较复杂的问题，碳排放最大的行业，分别是工业、交通、建筑，所以要做比较好的碳排放的模型，需要将这三个领域的碳排放数据和短时间的预测，非常精准地孪生到数字孪生世界内部，基于碳排放模型作出未来的预测，帮助我们的环境管理方计算得出更好的解决之道，更好的实现碳达峰和碳中和的目的。

总结来看，不管是游戏引擎、自动化建模、云渲染，都是在通用型的数字孪生基础上提供用户从物理世界到孪生世界映射的工具。

小游戏开发引擎应该如何选型

Wed, 28 Dec 2022 18:13:31 CST

写在前面

前面写了几期有关于小游戏的文章，主要从小游戏开发、小游戏运营、小游戏变现等多个角度进行了较为粗略的介绍，很多同学表示对小游戏引擎部分很感兴趣，希望能够有一些更为深入的分析介绍。今天就对目前主流的小游戏引擎进行探讨。

九层之台，始于累土，所有的代码都需要从“0”开始，一行一行的写出来的，简单的游戏这样做可以，但是想要快速的生产产品，这样的步骤一再重复，最终抽取出通用的代码，用来提高工业的生产效率。

观察游戏发现游戏中通用的功能包括UI界面的显示系统，模型的加载系统，物理引擎系统，动画系统等等，这一系列的通用功能集就可以通过游戏引擎实现批量化的实现。

正式进入正文前，希望看到文章的大佬能够动动手顺带帮我冲击榜单投投票： https://rank.juejin.cn/rank/2022/writer/1293455879050157?utm_campaign=annual_2022&utm_medium=user_web_share&utm_source=%E7%BC%96%E5%8F%B7350

小游戏与小游戏引擎的关系

小游戏现在囊括的范围包括微信小游戏、QQ 空间小游戏、QQ 玩一玩（厘米游戏）、Facebook Instant Games、各手机厂商的快应用小游戏，他们都在尝试着将社交场景和游戏场景做融合。

我们这里以微信小游戏为例，其运行环境是微信小程序环境的扩展，在小程序环境的基础上提供了 WebGL 接口的封装，使得渲染能力和性能有了大幅度提升。不过由于这些接口都是微信团队通过自研的原生实现封装的，所以并不可以等同为浏览器环境。

作为小游戏引擎，可以尽可能简化开发者的工作量，这样能够帮助开发者完成的主要工作包括：

引擎框架适配微信小游戏 API，纯游戏逻辑层面，用户不需要任何额外的修改
编辑器提供了快捷的打包流程，直接发布为微信小游戏，并自动唤起小游戏的开发者工具
自动加载远程资源，缓存资源以及缓存资源版本控制

小游戏引擎选型需要考虑哪些因素

选择小游戏引擎一般情况下需要考虑以下几个方面，其中选择开发语言、性能、应用广度这三个重要的因素进行细致的说明。

开发语言的支持
2D、3D、VR的支持
核心性能
引擎的应用广度
设计理念
工作流支持力度
商业化成熟案例
学习资源与技术支持能力

1、开发语言的支持

拥有广泛开发者的小游戏开发语言共有2种：TypeScript、JavaScript。TypeScript 属于面向对象的高级脚本语言，通过编译器将原项目代码编译成 JavaScript 代码文件运行于浏览器之中，面向对象的高级语言无论是项目开发管理，还是项目开发的工具环境的成熟度都明显优于 JavaScript 脚本语言，尤其是中大型项目方面。

2、核心性能

性能是小游戏面临的核心门槛，游戏卡不卡顿，流不流畅都是小游戏开发者首要考虑的问题，只有一个成熟可靠的小游戏产品才能吸引用户持续玩下去甚至主动进行社交裂变。

近些年小游戏品质在迅速提高，包括精细的美术和炫酷的动画等。在复杂的游戏项目面前，上述种种元素，其流畅体验度对游戏引擎是极大的考验。所以选择性能优秀的引擎是保证品质的最重要基础，一定要谨慎。

在游戏项目研发开始时，一定要先对复杂的模块做 DEMO 测试，特别是带背景滚动的游戏。比如横屏卷轴游戏，对帧数稳定性要求极高，如果满足不了性能上的需求，可能会带来眩晕、眼花、疲倦等不良体验。

3、应用广度

随着小游戏开发者对于跨端需要的增长，希望自己开发的小游戏不仅是在微信中能够跑起来，还能支持App独立端、H5页面等也具备一定的竞争力和价值，一次开发可发行各个领域版本，这就需要小游戏引擎能够形成跨端统一的能力。

有哪些小游戏引擎

如果我们将以上考虑到的因素作为筛选条件，符合小游戏开发的引擎包括 Cocos2d-JS、Egret、Layabox、Unity是比较符合条件的。我们再通过细致的优劣势对比来看该如何帮助我们选型做决定。

1、Cocos

Cocos Creator 使用 JavanScript/TypeScript 开发，2010年的时候，能跨平台开发的游戏引擎只有Cocos，大部分都是2D游戏为主，Cocos 成为了国民手机移动端游戏引擎，那时很多手机游戏，都是基于Cocos开发，也让它迅速了占领了开发者的市场。

后来随着手机硬件的发展，3D游戏越来越多，手游市场份额慢慢的被 Unity 取代。Cocos 引擎完全免费，包体小，做2D游戏技术成熟， Cocos Creator 开发工具和 Unity 的易用性一样，极易上手。

最近2年全新引擎全面支持3D，一次开发能发布到PC端，Android、iOS、微信、抖音、华为等各大小游戏平台。

总结一下Cocos Creator特点：

引擎完全免费、开源、包体小、定制灵活；
引擎开发2D游戏经过大量验证，非常适合2D游戏开发。
全新的3D引擎，能开发3D游戏，但是还有提升空间。
一次开发多平台发布，与传统引擎不同的是，可以发布微信、抖音、华为小游戏多个平台。
Creator 3D引擎生态还不够丰富，如第三方插件等。
Cocos H5 游戏runtime内核在行业做的非常好，可以提供高效的H5游戏运行方案。

2、白鹭引擎

白鹭引擎，开发语言是 JavanScript/TypeScript，白鹭游戏引擎对于H5游戏是有着不可磨灭的贡献，它是最早的H5游戏引擎，它里面的很多工具非常好用，到现在还被其他的引擎使用，比如骨骼动画工具，DragonBones 被广泛引用到游戏开发中。

最早一批的 H5 游戏开发者一定都是使用白鹭。白鹭引擎在 H5 游戏这个邻域有着不可磨灭的贡献。后来白鹭也推出了 Native 平台，不过发现目前白鹭引擎逐渐落寞。

总结一下白鹭的特点：

H5游戏的先驱，为H5游戏做了不可磨灭的贡献。
H5 2D游戏技术成熟，经过很多商业游戏验证；
3D功能有，但是商业项目3D游戏用的比较少。

3、Layabox

Laya 游戏引擎，使用 JavanScript/TypeScript 开发。H5 刚新起时，H5 跑3D游戏，很多公司都不看好，认为以H5的性能，不足以跑效果好的3D游戏, 但是H5游戏有普通游戏无法比拟的优点就是不用安装，点开就可以玩。

那个时候PC页游已经发展成熟，同时手机页游大规模兴起，页游依靠FlashPlayer，而到手机上，就没有FlashPlayer 这个东西，随之取代的就是H5。

Flash 转 H5 商业上不上太成功，后来随着 h5 的发展，直接转为 H5 3D游戏引擎，是最早在H5上跑出大型商业3D游戏的H5 3D引擎, 在H5 3D这块积累了很多经验和成熟上线的产品案例，现在80%左右的 3D 微信、抖音、快应用小游戏都是 laya 引擎做的。

总结一下Laya的特点：

最早的被大规模商业项目验证的H5 3D游戏引擎，发布微信抖音等小游戏平台非常成熟。
借用强大易用的Unity编辑器可兼容3D资源,如果一个游戏是Unity开发，你要移植到H5，那么Laya一定是首选。

4、Unity

Unity, 使用 C# 或 Lua 语言开发。国民 3D 引擎，这个称号说明了 Unity 在 3D 引擎的市场地位，中小型的游戏公司做 3D 游戏，基本都是用 Unity , 很多大公司的游戏也用 Unity ，AppStore 上面80%的3D游戏都使用 Unity 游戏引擎开发。

为什么 Unity 打败了众多高手，成为国民游戏引擎，我们也好好的说一下。时间回到2010年左右，当时页游比较火，Unity那个时候引擎的定位是能开发PC端游和页游的游戏引擎。

随着手游时代来临，市场急需一个3D游戏引擎，能一次开发多平台发布到 Android、iOS、微信小游戏等 , 而 Unity 成为了当时唯一的3D游戏引擎解决方案。和手游市场一起，Unity实现快速增长。

Unity 能成为国民引擎还有一个很重要的原因，就是对初学者很友好，很方便就可以上手，极大的降低了3D游戏开发难度，Unity 引擎的市场份额越来越大，技术人才、SDK、第三方插件、技术资料等也越来越完整。

总结一下 Unity 的特点：

能制作精美的 3D 游戏画面，和定制渲染管线，画面效果不如 UE4。
能制作各种类型的 3D 游戏上线，每种类型的游戏都被商业项目验证过。
完整的生态，一次开发多, 平台发布。
Unity 不开源, 需要支付授权费才可以修改引擎代码, 发布后也要付授权费。
Unity 开发2D游戏相对包体过大。

写在最后

现在市场上的 H5游戏引擎很多，很难去直接定义哪个引擎的好坏，只能说每个引擎都有自己的特性，在某方面跟项目的契合程度比较高。

对于专注于小游戏公司，使用最多的是 Cocos creator 和 Layabox，其中又要属 Cocos creator 最多。

对于中小型以上的游戏公司，使用最多的是 Unity，也是目前市面上使用最广的游戏引擎，也是使用人员最多的引擎。

零基础的门外汉，能用AI独立完成一部游戏作品吗？ - 游研社

Tue, 15 Nov 2022 18:56:23 CST

或许将来的某一天，我们需要仔细搜寻，才能发现人类用心打造的游戏。

AI的实用化早已不是什么新鲜事。在过去的几年间，AI为我们提供过毫无逻辑可言的文学创作、机械质感浓厚的拟人配音、工业流水线式的背景音乐，不过上述内容无一例外，远不及如今走红的AI绘画这般实用。

十几年前的《快乐星球》预言了AI绘图的现状

喝彩也好，唱衰也罢，AI作图的热度无需赘述，随机生成的图片质量也有目共睹。但当大家还沉浸于这份抽卡式的快感时，有一群人看到了AI绘画背后更多的可能性。

既然AI绘画下放了美术这道门槛，那么将各个领域的AI统合整理，让AI产出的作品堆叠成为一款游戏，结果将会如何？

没有相关经验的外行，想用AI独立制作一款游戏，这个放在几年前多少有些天方夜谭的设想，如今就如同大家对AI不会画画的刻板印象一般，伴随着AI的进步发展，逐渐演变为现实。

国庆佳节之际，正是AI绘图工具Novel AI崭露头角之时。这个诞生于不久前专注于绘制二次元风格美少女的新晋AI网站，在经历了模型破解泄露后被广泛传播，彻底沦为民用生产工具。

量产画作成吨出炉，心得交流如火如荼，当时的风气俨然已有“AI终将取代人类画师”的趋势。

正是在这样的大背景下，国内首款由AI参与美术与配音的同人游戏应运而生。10月9日，B站UP主“秋之雪华”投载了一个名为《夏末弥梦》的自制Galgame视频，这个3分半长短的Demo流程实况，毫不意外地成了他播放量最高的视频。

秋之雪华并不是什么专业人士，实际上他在这之前完全没有过游戏制作的经验，但制作一款同人Galgame游戏，也从来都不是什么很难的事。

这个制作门槛相对较低的游戏类型，在数十年的发展期间，有过太多成熟的游戏引擎，甚至某些“傻瓜式”的辅助工具，能套用模板直接生成自己想要的效果。对于普罗大众来说，需要人工绘制的美术往往才是那道堵住大家创作热情的高墙，而现在，我们有了AI。

《夏末弥梦》倒也不是一款彻头彻尾的AI作品。作为第一个吃螃蟹的人，秋之雪华不图名也不图利，全凭兴趣和热爱撑起了为期三天的游戏制作，如果非要给他的热爱加上一个定语，那就是对于Vtuber的热爱，准确来说是对Vtuber“弥希Miki”的热爱。

弥希Miki本人也看到了秋之雪华的作品

这就是为什么，这款挂上了AI名号的游戏显得如此正常。为了描绘出自己心中那个趋近完美的弥希Miki，秋之雪华没有采用前言不搭后语的AI编剧，而是亲自执笔，将自己对主播的热爱融入其中，创作出了这段剧本。

“弥人”正是弥希Miki的粉丝称谓

而在剧本之外，Galgame三板斧之“美术”和“配音”，皆由傻乎乎的AI操刀负责。如何驾驭不懂得融会贯通的AI生成实际存在的人物形象，是游戏制作最费事的部分。根据秋之雪华的自述，弥希Miki极具辨识度的人设虽然可以用少量的说明Tag实现具象化，不过AI出图的随机性与模糊性，还是让反复调试、筛选可用图片占据了大量的制作时间。

图灵测试之AI不会画手

至于游戏的配音部分，借由AI也能做到免去主播亲自献声的环节。早在今年7月，国内的某些Galgame爱好者就在尝试通过投喂游戏内的配音样本，让AI在深度学习的过程中模仿自己心仪的角色声线，尽管会有难以避免的机械杂音，但最终呈现出的效果已经相当惊艳。

一位柚子厨得知宁宁的声优不再出演黄油，这是他大脑发生的变化

秋之雪华同样看中了这类先端技术的可用性，他利用大量的录音素材亲手训练出了弥希Miki的声音模型，从自娱自乐的代餐，逐步演变成为游戏制作中的音声数据，对主播的热爱正是促成了《夏末弥梦》诞生的最关键的因素。

与还算正常的《夏末弥梦》相比，由拔丝柠檬制作组带来的《未来地狱绘图》显然要“混沌”得多。

《未来地狱绘图》是拔丝柠檬制作组于10月11日完工的AI游戏。这款作品更契合人们对AI那“赛博精神病”般的既有印象，除了游戏的底层引擎以及演出调试，其余的诸如剧本、立绘、场景、音乐、配音等素材，皆由AI堆砌而成，更重要的是，从开始动手到最后完工，整个流程不过6个小时。

游戏Staff一览

将游戏制作的重担放权给AI，这堆无法理解何为“美”的代码，究竟是会朝着疯癫狂乱的风格前进，还是会保持相对理性克制的气质？

拔丝柠檬制作组选择了保守的做法，先定下大纲，再任由AI自由发挥，最后根据自己的喜好进行调整，毕竟他们的初衷是想向大家展示，用AI做一款Galgame到底能做到什么程度。

不过话虽这么说，AI笔下的剧本中透露出的那股傻里傻气是贯穿始终的，当然这也和拔丝柠檬制作组制定的剧本方向脱不了干系——在不远的未来，人类已经被AI淘汰。负责执笔的AI需要以人类的视角出发，构建一个AI高度发达的世界，颇有一股“赛博内战”的风味。

剧本大纲，非常标准的网络段子

AI自动生成的剧本，与其说是稚嫩，倒不如说有些笨拙。与日新月异的AI绘画不同，AI编写故事的能力还有很大的提升空间。在过去曾尝试过AI写作的朋友，能在这款《未来地狱绘图》看到很多熟悉的影子，比如一句话要重复三遍，还得多打几个感叹号彰显事态的严重程度；

又比如非常标准的废话文学，反复使用无意义修辞凑字数，某种程度上也算是习得了人类大学生撰写论文的奇技淫巧；

尽管充满违和感的文本时刻提醒着玩家这是AI的手笔，但从这些高度同质化的美少女嘴里冒出的诸如“剩余价值”之类的言论，还是不由得让人怀疑，理解了剩余价值的AI在这之后将会朝着哪个方向继续进化。

剧本并非AI的特长。拔丝柠檬制作组在游戏的第一章以几个句子定下了剧本的大致基调，却在第二章的文本校对上吃了瘪——是的，这游戏居然还有第二章。

第二章的制作周期与流程都是第一章的两倍

第二章是拔丝柠檬制作组尝试“怎样以较低的时间成本驯服AI”的实践成果，就结果而言，想要对AI生成的文本进行精修，还不如自己从头开始亲笔编写剧本。借用他们的原话，“如果你有质量要求的话，AI写文性价比真的很低。”

不只是剧本，AI作品的粗糙体现在方方面面。像是Galgame中至关重要的人设，由于AI出图的不确定性，要如何生成同一角色的不同姿态成了急需解决的头等大事。短篇作品尚且可以蒙混过关，但真要放到长篇作品之中恐怕有些不太现实。为此，拔丝柠檬制作组将女主的形象设定为了“女仆”，根据他们的解释，女仆的特征较为可控，用听话的AI能生成许多大差不差的作品。

制作组自己也承认，游戏的玩梗性质大于实际的可玩性，作为仅供图一乐的试水之作，《未来地狱绘图》的完成度明显还处在初级阶段，他们的工作重心，显然放在了另一款项目的推进之上。

《井域：喀洛之血》的是拔丝柠檬制作组正在开发的一款AVG，游戏的Demo发布于Game Creator平台，剧本表现与场景美术都称得上精美，他们甚至还为这个小型试玩版游戏做了好几段质感不错的3D动画，最关键的是，这个游戏并没有使用任何AI。

AI作品《未来地狱绘图》毫无悬念地碾压了《井域：喀洛之血》的热度，一边是6小时的速成品，另一边是耗时三个月才堪堪完工的序章，至少AI在噱头与效率这两方面，已经能稳稳压住创造出它的人类。

其实，将AI投入游戏制作早就不是什么新鲜事。

早在2019年的游戏开发者大会（GDC）上，就曾有过一个名为“机器学习教程”（Machine Learning Tutorial）的版块，多家游戏大厂参与了演讲授课，其中就包括了法国老牌游戏厂商育碧。育碧在AI领域的深耕领跑业界，最近他们还捣鼓出了个“AI动物园”，能借由AI的帮助完成各种动物复杂的动作捕捉。

不过在游戏制作中穿插大量AI素材辅助独立游戏开发，也确实是这段时期兴起的新风潮。

今年5月，一款名为《疯狂之源》(Source of Madness)的游戏结束了先行测试正式发售。游戏的关卡、美术与怪物动画，都是AI孕育出的素材，官方甚至以“玩家遭遇的敌人永远都不会重复”作为宣传语，配合上本作阴暗深沉的世界观与肉鸽玩法，AI癫狂的艺术风格的确能起到很好的催化效果。

《This Girl Does Not Exist》，一款于9月8日登陆Steam的拼图游戏。一对夫妇将游戏内的美术、故事、角色、配音都交给了AI担当，不过仅有的两篇评测，还是点出了游戏平平无奇的现状。

《Shoon》，一位名为Nao_u的日本游戏开发者独立制作的2D横板射击游戏。本作的美术素材均取自前段时间火热的AI作图工具 Midjourney，就连游戏名称“Shoon”都由AI自动生成，游戏的制作周期也只有短短的3天。

上个月，一位华盛顿大学深度学习领域的科学家，甚至在尝试通过给AI观看大量《宝可梦》游戏画面，让其照葫芦画瓢生成一款风格近似的2D游戏。虽然目前游戏的观感还很简陋，但AI能模拟出这样的成果已经实属不易。

当Novel AI这款专注于二次元美少女的绘图工具开始流行，AI做游戏的这阵风终于刮进了国内。

比起上面提到的那些品类繁多的游戏类型，Galgame制作的学习成本显然是普通人也能接受的程度。本文前半段提到的这两款国人打造的AI作品，其创作动机十分雷同，因AI绘图开始研究AI做游戏的可能性，而图片、剧本、配音又构成了Galgame的基本要素，水到渠成，一款同人游戏就这么诞生了。

在商业游戏泛滥的今天，曾经的老游戏里潜藏的那份“作者性”开始消逝。为市场妥协不得不放弃那些绝妙的想法已成常态，“遗憾的艺术”一词被用得越来越多，这成了独立游戏受到广泛追捧的一大要因。

而AI的出现，补全了游戏制作的最后一道缺口，让没有技术积累的普通人也能投身于自己梦想中的艺术创作。

但需要注意的是，现阶段的AI绘画还存在着复杂的版权问题，该如何界定AI的侵权范围，想必会是未来的相关产业必须解决的难题，至少，目前AI生成的图片只能存活于免费同人游戏之中。

至于当前AI作画的质量问题，其实也不必去细究，毕竟AI最擅长就是不断的学习累积。就在前些天，已经有人研究出了在保留原图的基础上增添新细节的全新功能，此举一旦被投入大范围运用，AI绘图的实用性又会前进一大步；恰巧，今天又出现了“由AI识别AI作画”的在线网站，准确率奇高无比。可见即便是电子斗蛐蛐，AI的发展进步也远超人类的预期。

或许将来的某一天，我们需要在成堆的工业流水线中，仔细搜寻人类用心打造的游戏，不过这样的未来，好像跟现在也没多大区别。

玩游戏的儿童在大脑功能测试中得分更高

Tue, 25 Oct 2022 15:55:08 CST

根据发表在《JAMA Netw Open》期刊上的一项研究，玩游戏的青少年比不玩的人有更好的记忆力和更好的运动控制技巧。研究只是展现了某种相关性，并不能从中得出因果联系，但研究为治疗认知问题的游戏开发提供了依据。该研究利用了来自青少年大脑认知发展（ABCD）的数据，跟踪了成千上万儿童成长过程中的大脑发育，参与者会定期参加评估，包括大脑成像、认知任务、心理健康筛查、身体健康检查等测试。针对游戏和认知能力的研究使用了来自 2217 名 9 岁和 10 岁儿童的数据。研究人员将他们分成视频游戏组（每周至少玩游戏 21 小时）和非视频游戏组。偶尔玩视频游戏的儿童不包含在研究中。研究人员观测了他们在注意力、冲动控制和记忆测试中的表现。研究发现，玩游戏的儿童表现更出色，而且他们有着不同的大脑活跃模式，大脑记忆力和注意力区域更活跃。他们的心理健康则没有什么差异。

一款学生开发的游戏，戳穿了当下年轻人的残酷现实 - 游研社

Thu, 20 Oct 2022 07:17:22 CST

2022年以来听到最扎心的一句话：‘你失去了梦想，但变成了他们想要的样子。’

pupu很小的时候就在玩游戏了。

她在上小学的时候就拥有了一台自己的PSP，并因此接触过上个掌机时代的许多优秀作品，这是她游戏生涯的启蒙，甚至还因为总偷偷在被窝玩导致近视加重了些。

那时她最喜欢的一款作品叫《美少女梦工厂5》，年纪太小她不知道怎么下载汉化版本，也理所当然的读不懂日文。但这款游戏依旧深深地吸引了她，靠着边学边猜边查字典，身为小学生的她硬生生的打通了这款游戏。

十多年后，pupu依旧清晰地记着这个场景，她就是从这款游戏开始，产生了 “我长大后也要做游戏！”的冲动。

而这冲动延续到现在， pupu正就读于美国卡耐基梅隆大学娱乐技术专业进行硕士深造，这是当今地球上最好的、专为培养游戏开发人才的学府圣地之一。在本专业之外，学校总共诞生过15位诺奖得主，连李开复都算不上校友里最出名的那一批人。

回顾玩《美少女梦工厂5》时激动的心情，pupu说：

“游戏的魅力和趣味可以跨越语言的障碍，激励玩家不断的去学习和掌握，真是一件很奇妙的事。而且当时国内比较缺少这种女性向游戏。如果更多玩家能感受到游戏的这份魅力就好了。”

《美少女梦工厂5》

“ 只是那时我太小还不知道，「做游戏」这件事究竟有多难。”

刘小宇是个很乖的孩子。

初三的他，正每天都很努力的学习，但爸爸妈妈还有很高的期待，总对他说：“学习好，才有好未来。”这是绝大多数中国家长的正常想法，伴随着“望子成龙”“学以至仕”这样最朴素的愿望，他们希望孩子好一点，再好一点，去见识他们不曾经历的山海的模样。

“可是，可是....”刘小宇想， “我想要的....似乎不是他们口中的那种未来.....？”

唉，别多想了，写作业吧先，省的爸妈又来唠叨。

睁开双眼，刘小宇身处于自己家中，墙上密密麻麻的贴着大小不一的各种奖状，游戏机锁在靠墙的玻璃柜里，与几排教辅书《5年中考3年模拟》放在一起。私自带回的小猫不见了，客厅里只剩下它住过的纸箱还没扔，妈妈说是它自己偷跑出门的.....这么小一只猫，也知道离家出走吗？刘小宇不明白。

站起身，刘小宇朝家中的神龛拜了拜，妈妈教导他没事就要多拜拜，虽然他也不清楚家里供奉的是哪一尊。他对菩萨的祈愿是希望爸爸妈妈天天开心，而妈妈的祈愿翻来覆去似乎总没什么变化，只是希望他“有出息”就行。

这时妈妈的声音从厨房传来，该吃饭了。刘小宇才想起那个 写着各种游戏设计小创意的涂鸦本还摊开在桌子上，还好没被发现，赶紧收起来，然后一路小跑来到了餐桌边，刚坐下妈妈就开启了例行的发问。

“家长群说月考出成绩了，怎么没听你跟我说？考怎么样？”

“就那样吧。”

“就那样是哪样？还是第五？”

“排名明天才出。”

“那你同桌呢？她之前不是第一吗？”

“她这次没发挥好......”

“没发挥好？我看是跟你打那个破游戏打的吧！”爸爸厉声加入战场将刘小宇打断。“别以为我不知道，去她家装作是写作业，实际呢？她爸上次家长会都告诉我了！”

“你自己不上进，别拖着其他同学下水！”

“我没有....”刘小宇想辩解一下。

“你爸说得对，就不该打游戏。没收的游戏机别想拿回来了！”

......

“可明明我考的还可以....”刘小宇没敢抬头直视父母，一边扒饭一边在心里暗想。

“啊，今天糖醋排骨不好吃，粘牙、太酸，而且冷掉了。”

和刘小宇很像，pupu从小也是个学习较好、自我感觉让父母挺省心的孩子。不过，虽然符合了父母和身边长辈的期许， 但其实pupu悄悄的也有了自己的一点小心思。

因为父母管得严，升到初二之后，pupu再想打游戏基本就成了奢望。但这并没有挡住她的热情，即便玩不到，她偶尔也会处于自己幻想的小世界中。

pupu也有个写游戏创意的涂鸦本子，有时会趁上课走神的功夫偷偷写点幻想中的剧情，有时会在课本上把历史人物涂鸦成自己幻想中的角色——很多人小时候都这么干过。晚上写作业时，pupu会尽快写完，然后偷偷看会儿喜欢的游戏视频。甚至、甚至，母亲总以为她每次洗澡都要花一个小时磨磨唧唧的，但其实pupu并没有洗澡，只是打开花洒掩盖偷偷玩游戏的声响罢了。

pupu自小酷爱各种模拟经营游戏，抛开《美少女梦工厂》不谈，《双点医院》、《模拟人生》系列、以及一些更古早的作品比如《中华客栈》都是她的心头好。在这些游戏中，尚未长大的她仿佛短时间内经历了一遍他人的人生，尝试过各种产业、身份、境遇，这让她深深感受到了“游戏”这种媒介伴随的乐趣，和区别于其他媒介的高自由度、沉浸感。

很有年头的游戏《中华客栈》

她愈发确认—— 如果我长大了，也能去做这样的游戏，让更多的人能感受到游戏的乐趣，就好了。

因此，临近高中毕业时，pupu郑重的与父母就自己的愿望展开了多次会谈。

pupu的父母是相对比较开明的人，但他们也几乎完全不了解电子游戏到底是什么，身边朋友和社会上的言论让他们对游戏有着较深的忌讳。pupu用尽了十几年来积攒的智慧，一遍遍向父母阐述游戏的正面价值、自己的热爱所在、以及当下国内外游戏行业发展较好的前景。最终他们选择尊重女儿的意愿，同意pupu去报考“游戏专业”——毕竟去往大型互联网公司就业也不错，虽不是老师、医生什么的，但时代变了嘛，有稳定高薪就行。

其实相比于在大型游戏公司上班，pupu更倾向于去做自由自在（但收入不稳）的独立游戏——但她没敢告诉父母——不过这已经是了不起的第一步了。

那时是pupu最快乐的日子之一，她一直期盼自己所向往的能得到家人的支持和理解。怀着这样的信念，pupu踏上了飞越大洋的飞机，去往了美国。

她希望未来自己能亲身参与一些最喜欢的模拟类游戏的创作。而在大学期间，pupu终于找到了一个这样的机会。

刘小宇失业了。

哦，别误会，刘小宇工作做得其实不错。他工作够努力，水平也没的说，在某大型互联网企业做算法工程师，虽然不是律师、医生那样爸爸妈妈原本设想的职业，但收入够高，福利待遇也不错，亲戚邻居家孩子都很羡慕他，因此爸爸妈妈也很满意。

但这些都是过去式了，因为刘小宇刚刚失业了。

实际上， 是他主动提出要走的，契机是最近的职级晋升失败。确实，确实，刘小宇工作够努力，水平也没得说，甚至在面谈中，上级都直白的告诉他“你干得很不错”。但是，但是，“哎呀，你也知道最近两年的大环境，不裁员就谢天谢地了，哪还能有升职的呢？”

“盘子就那么大，有人涨薪就有人要降薪甚至被辞退....你也不希望因为一己私欲让朋友同事卷铺盖走人吧？”PUA，又见PUA。

“那小马呢？为什么他却升职了？”刘小宇直接反问。

小马是与刘小宇同期进公司的，心思完全不在工作上，整天光顾着张罗饭局。钻营奉承的人悄悄上去了，脚踏实地做事的人却原地踏步——开什么玩笑呢？

刘小宇在心里恶狠狠的对自己说。你以为我每天早出晚归、身心俱疲、上班像打仗一样卷、陪父母女友的时间已经很少了、连游戏都很久没时间玩，为的是什么？开什么玩笑呢！

“哎呀、哎呀。”被提到小马，上级也明显有些急了，“小马虽然能力不行但人脉广啊，他给公司拉来了投资...你给公司拉来投资，你也能升职啊....”

坐在写字楼的格子间里，刘小宇感到一阵窒息。他电脑显示器上沾满了便利贴，他有这个习惯，一有任务就贴一张，一天下来随随便便就能贴满一半。今天便利贴的最上一层，刘小宇画了只流泪的狗狗覆盖住所有任务清单。他给这幅表情包的寓意是： 没有困难的工作，只有勇敢的狗勾！冲！

但现在刘小宇冲不动了。就在此刻，他刚从上级的办公室出来，内心对前途充满绝望。老实说他一开始就不喜欢现在的工作，只是顺着父母的安排一路做下来了。在这过程中他每天忙到两脚不沾地、水都来不及喝一口，但这些家人并不知道，只觉着他有份体面的工作就行。

就在刚刚的谈话结尾，上级对他说：

刘小宇抚摸着自己因高强度加班，而犯了腱鞘炎的手。

“再见了，大饼。”

自大学毕业以来，刘小宇一直保留着做游戏的梦想。他想起小时候画满了游戏创意的涂鸦本子，大学时与同学做了一半的demo至今还藏在硬盘某个角落，刘小宇确信demo总有一天会成为一个真正的游戏.....

或许现在是时候了。

pupu求学时，国内游戏行业虽然早已兴起，但还没什么游戏专业，所以出国学习是她最好的选择。

pupu当下正在读研的「美国卡耐基梅隆大学」，国内一般玩家可能比较陌生，但提到她本科学校 「美国南加州大学」听说过得人应该就很多了。pupu在这学的是计算机游戏专业，也是声名在外的“世界第一游戏专业”所在。 《光遇》《风之旅人》制作人陈星汉就毕业于该学校，B站一些游戏UP主如@白痴毛、@魔王酱maou_、@渗透之C菌，也都曾或正在这所学校就读。

虽然因碰上疫情，将近两年半的时间只能参与线上课程，但pupu的校园生活已经顶幸运了。

她遇到了许多志同道合、同样热爱游戏的同学一起创作，除了游戏开发与设计的专业课程外，学校还有一些游戏类社团可以加入。就比如每学期大伙一起脑暴选题创作个游戏、时常聚在一起讨论玩法的桌游评鉴社、亦或是密室逃脱社团，每年做几个密室节日时以供同学们体验。学校游戏创作氛围很好，pupu度过了相当快乐的时光。

相比于国内，pupu觉着美国对待「独立游戏」更加鼓励和包容，这里没有国内一般社会上对游戏的尖锐矛盾对立，很多游戏不止会考虑到游戏性，还会作为创作者映射、表达观点的媒介，或对某些社会现象发声。

就比如本科期间，pupu终于参与到的一款心心念念的模拟类游戏创作。

这是一款“种田”游戏，但和大多种田游戏不同，玩家在游戏里扮演的不再是善良淳朴的村民，而是遭人类厌恶的怪物一族。怪物们对人类完全没有恶意，但却总是会遭受一些偏见、甚至某些激进派人类的攻打。在此过程中玩家要做的，就是帮助怪物伙伴解决困难，彼此扶持着建设家园。

用游戏里的怪物遭遇，来映射现实美国社会上的歧视和对立问题，这也太酷了吧！pupu很高兴能参与到这样一个项目，作为社会问题的反抗者，用自己的游戏去一点点改变世界的状况，她觉着这种方式既新鲜又很有意义。

“真是充满梦幻的玫瑰色校园生活呐！”

或许也正是受这段经历影响，后来，当有一天pupu也站到了游戏制作人的位置上， 一个大胆的企划在她心中萌芽而生。

“要和父母摊牌吗？”

不同于快乐学习的pupu，人生重要的十字路口，刘小宇面临了不得不跨破的抉择。

关上房门，刘小宇躺在床上愣愣的看着天花板，真想就这么栽过去啊~睡到自然醒~。房间另一侧的桌子上，电脑正显示着一行行代码，这就是他偷偷在做的游戏demo，偶尔爸爸妈妈也会撞见他捣鼓这些代码，但看不懂是什么所以也没过问。

虽然已经很久没时间玩，但长大了的刘小宇终于可以正大光明的把游戏机放在桌子上。游戏机旁摆着的是自己和女友大学时拍的照片，那时刘小宇在打电竞，还在学校拿过冠军，决赛女友也来了，刘小宇拉着她拍了这张。虽然她完全看不懂，也不感兴趣，但总归是来了。

推开房门，爸爸妈妈在客厅里正襟危坐，不出意外是一场骤雨。

“为什么辞职？！”

“不想干了，而且有更重要的事情想做。”

“什么事比工作更重要？”

“我想做自己的游戏。”

“好，好啊！你小子真行！”

接着是一阵训斥甚至辱骂，刘小宇觉着自小就生活在爸妈爱的牢笼之中，而如今正是打破牢笼的过程。在这之后，爸爸妈妈一周没跟刘小宇再说过话，说不郁闷是不可能的。与此同时，女友的反应也给他泼了盆冷水。

“还想着做游戏呢？游戏只是爱好而已，你还当真了？”

不同于父母的不理解，女友的烦恼有更多现实层面的思考。相比于上班，自己做游戏并不是件有稳定回报的事，全身心投入开发，做了几年，不断思考、测试、迭代的作品，最终或许也并不赚钱。

但生活是有稳定支出的，女友也只是个刚毕业没几年的普通人，考虑到车子、房子、还有以后的小孩.....女友不敢想，她觉着刘小宇是拿他们的人生在赌。

“你是有精神食粮，你是不介意喝西北风，但我不可以，这个家不可以。”

“算我求你了？别再提梦想了行吗？”

最终女友也离刘小宇而去。他有时自己也会想，是不是他不辞职、不做游戏，继续回职场内卷，按部就班工作、生活、结婚、生子，结果会更好？可如果那样，一想到平行世界里勇敢追梦的自己，他又觉着不甘心。罢了，人做选择不就是这样？不求成功，但愿无悔。

像断了矛得唐吉坷德，刘小宇向命中注定的幻想风车发起了冲锋。

然后故事到此戛然而止了。

“所以刘小宇接下来怎么样了？他真去做游戏了吗？成功了吗？”

“主角性格也太刚了吧？忍一忍，先摸摸鱼工作，等两年，慢慢做游戏不好吗？”

“希望作者给主角安排一个好的结局。我已经放弃了，希望游戏里的他别再放弃了😢。期待完成版！加油加油！”

打开游戏商店网页，玩家的各种评论浮现在眼前，pupu满脸兴奋。她自己也没意料到，完成度这么低的一个游戏demo居然收获了不错的评价，很多玩家沉浸到了刘小宇的故事中，并获得了共情。

是的， 刘小宇是一个虚拟角色，他来自2N工作室游戏《听我说》，而制作人正是pupu。

作为一个游戏角色，刘小宇有着既定的结局、要走的道路，他的所作所为、经历的一切，都是开发者自身的映射。但他自己不知道这些。

作为一个少见的“游戏专业”学生，pupu将自己人生经历的切片裁剪了出来，润色出刘小宇的故事。而2N工作室其他成员也对刘小宇投射了情感，他们以自己的亲身经历为媒，共同捏塑了这个角色。

虽然成长路径风格完全不同，但某种程度上说，pupu和刘小宇其实是同一个人。

pupu有着五光十色的校园生活，而受尽艰难苦苦求索的刘小宇，则是她人生另一面的写照。

“小猫也会离家出走吗？”

“我看是被你带坏的吧！”

“你还年轻，好好干未来有的是机会。”

“没有困难的工作，只有勇敢的狗勾！”

“做游戏能当饭吃？”

2N工作室是由一群大学生临近毕业时组成的团队，《听我说》是他们利用课外时间做的游戏。今年年初，他们中一些人看到了腾讯GWB独立游戏大奖赛的消息，然后一些同学、朋友、朋友的朋友自发组织了起来，“我们也要参赛！”“冇错冇错！没游戏我们就现成做一个！”

说干就干，分散在杭州、合肥、匹兹堡、洛杉矶和纽约的一群人很快拉起了线上会议，每个人都提一些想做的项目，所有人共同参与投票。最终，pupu的提案获得了大家的一致认可，她想做一款“ 描绘独立游戏创业过程的，伴随「玫瑰」和「荆棘」的游戏” 。

然后时间又过三个月，这提案变成了我们可以试玩的游戏demo，《听我说》。

本质上说，《听我说》是一款像素画风、重叙事的 弹幕射击游戏（没想到吧！），并且还融入了些 roguelike要素。

目前游戏开发进度约30%，讲述了主人公刘小宇前半段人生， 从按部就班的学习、工作，到逐渐产生反抗意识，并决心辞去工作，加入独立游戏行业，创作自己所热爱的游戏的故事。

游戏一共9个章节，但目前试玩版仅有前四章的部分剧情，这也是我们前面故事戛然而止的原因。每个章节游戏都分为“场景探索阶段”和“战斗阶段”，玩家通过前期场景探索获取装备道具、经历故事剧情、发现有关主角刘小宇的生活线索，再以此为凭借参与后续各种 “由言语组成的战斗”。

每个章节的结尾都伴随着一场激烈的「语言冲突」。在游戏中，这一次次的言语冲突被具象化为了战斗场景，坚持一定时间或达成通关条件才能进入下一个章节。

刘小宇在公司里的场景，伴随着冷漠同事们的冷嘲热讽

刘小宇遭受女友的拷问

“谁不辛苦呢？为了我们的未来你忍忍吧！”

和我们一般理解中的“弹幕射击”不同，在《听我说》中，玩家面对的是 “文字弹幕”。

当被这些负面气息满满的弹幕击中时，刘小宇不仅生命值会下降， “热情、自信、决心”三项核心属性也会受到一定损害。而伴随着核心属性损害，玩家还会受到“移动速度缓慢”、“防御力减弱”等debuff——就如同我们真实生活中，受到质疑和嘲讽时那样。

文字弹幕，秃头版芙兰朵露和他“禁忌的四重存在”

游戏属性值和装备

这使得整个游戏过程其实相当艰难。抛开较高的操作难度不谈，游戏剧情和表达营造的困境更令人痛苦，是一段 不同于魂like的、在精神上饱受折磨的“受苦”体验。

《听我说》最大的价值在于情绪的传递，全程都在表现一种“失语”的困境。主角刘小宇从小就对被编排的人生抱有诸多不满，对自己未来也有着明确的目标和方向，但这方向与身边所有人期待的皆不相同。因此，当他决心做出改变时，就立刻遭遇到诸多言语阻挠。

在这个过程中，刘小宇一直有着非常强烈的倾诉欲望，他期待倾诉内心的想法，他期待能得到亲人爱人的支持，但却没有宣泄出口——而这或许也是游戏名《听我说》的理由。

值得一提的是，虽然游戏整体处于“文字弹幕射击”玩法框架内，但 游戏每一关玩法又都是不同的。

这其中，第一章只需要忍耐一定时限即可通关；而第二章则需要对领导扔的大饼“抱头蹲防”来削减言语气势；第三关玩家化身骑士，要在唇枪舌剑间歇打破牢笼，解救二十多年来被禁锢的本我；第四关则更加主动，要以与女友长期培养的感情化为子弹射出，祈求得到支持和认可。

第二章战斗场景

第三章战斗场景

第四章战斗场景

在游戏设计过程中，对《听我说》影响最大的参考来源是《传说之下》，虽然其游戏内的弹幕攻击和《听我说》的语言弹幕表达形式有所不同，但 《传说之下》每个人物的攻击形式都能强烈体现出人物特征这点，是2N工作室希望极力学习还原的。

《传说之下》同人图

“更重要的是，我们希望玩家在游玩过我们的游戏后，也会和体验《传说之下》后一样， 因游戏中对主角故事的沉浸式体验，在生活中进行更多思考。”pupu介绍说。

痛，太痛了

而需额外说明的是，《听我说》战斗环节压迫力十足，即使有满身神装，没有熟练操作的情况下也很容易暴毙。 每当游戏角色失败，意味着玩家“屈服于质疑的言语”，生活“重新回归了正轨”，游戏都会以如下画面作为终结，即——

浓浓的情绪输出，2022年以来听到最扎心的一句话

还好关卡失败就能重新挑战，而非一般roguelike那样重头再来。或许这是pupu为玩家留下的最后一丝温柔。

这里你可能也有点好奇—— 一群还没毕业的大学生，连正式工作都没参与过，怎么就已经在想“辞职去做独立游戏”了呢？

这源于同学们的共同遭遇，每个人成长过程中或多或少类似的境遇。

【刘小宇】并非一次真实经历的讲述，他更像是一个缩影，是团队每个人的写照和心声。

2N工作室全员会议，成员分散在世界各地，很长时间里大部分甚至都没彼此见过，总是线上沟通。

在pupu的童年里，虽然父母也因学业对她玩游戏做出诸多限制，但当她一次次向父母表明心意和热爱后，父母最终逐渐接受了她的想法，甚至愿意送她去读游戏专业。

但是，在父母心中，所谓的“做游戏”依旧是与“在互联网大厂工作，有体面的生活和高薪”画等号，而非“自己做独立游戏，面对数不清的风险”。

实际上， 现实里的pupu至今还没有对父母坦白自己想从事于独立游戏的勇气。

她觉着应该再等等、再等等......大概，总会有机会的吧？等做出了不错的作品，他们应该会理解。

“我猪肉佬何尝不想成为一名伟大的舞蹈家。”

2N工作室团队里有一位美术同学，她曾有过个相当不错的游戏创意，也真心考虑把游戏做出来，但身边人对她说的却是：“你这个专业还是先去大公司实习比较好”、“你自己做怎么可能成功”、“女孩子不要搞那么累”......所以最初立项投票时，她也义无反顾的支持了pupu的提案。

又或是游戏中的一些彩蛋，如刘小宇房间里挂的《挺进地牢》海报，他偷偷看的小说是《斗罗大陆》，这些都是2N工作室成员们“夹带私货”融合的个人经历。 “刘小宇不是一个人，他更像我们组里每一个人的影子。”

实际上，虽然只是一支临时搭起、全由学生组成的团队，但2N工作室阵容却意外的有些“豪华”：

策划和两名程序是pupu的同学，他们都是卡耐基梅隆大学娱乐技术专业的研一新生；

负责场景、立绘和封面图的两位美术，刚刚毕业于纽约视觉艺术学院；

另一位美术同学，现在正在加利福尼亚大学圣克鲁兹分校游戏专业学习；

负责UI的同学，毕业于卡耐基梅隆大学人机交互专业；

两位做音乐音效的同学，则来自浙大；

只有文案同学是“辈分”最大的，比所有人都高一届，正于美国南加州大学交互设计专业读研二。

这其中，只有一位美术同学今年刚刚回国就业，剩下所有人此刻都正在游戏及相关专业读研、或为考研做准备。

2N工作室，即“牛牛工作室”

这名字来源是，因为大家认可彼此的能力，

每当项目完成交接的时候，都会收获一股夸夸群友“牛牛牛”的夸赞

所有同学都很优秀。某种程度上说，这是一群被国内各大企业（尤其是游戏公司）争抢最激烈的“天之骄子”。在毕业时，大概率能轻松收到多个一线大厂的offer，得到一份刘小宇那样体面且高薪的工作——但他们偏偏更想做自己的游戏——还是在临近本科毕业的这个夏天。

试玩《听我说》的话推荐看一眼这个制作名单，2N工作室他们自己也觉着非常可爱，牛牛是所有成员都喜欢的吉祥物，所有开发者随牛牛登场。

实际上， 面对现实，大部分的团队成员毕业后是否会投身独立游戏行业也是个未知数。虽然尚未真正踏入游戏行业，但通过各种独立游戏人的故事，他们已深刻了解过独立游戏人面临的压力和困境，明白自己所向往的未来有多“离经叛道”。

因此， 在故事最后，pupu倾向于给刘小宇安排一个好的结局——虽然可能听起来俗套，但她觉着这故事能给自己打气，也能给玩过的玩家打气。游戏之外，所有人在现实中都不得已面临各种妥协和抉择。

“《听我说》的测试发布之后，很多玩家在评论表达了对我们游戏剧情的感同身受，这让我们很开心。”

“毕竟做这个游戏的初衷，正是想鼓励这些和我们、和刘小宇相似的年轻人去勇敢追梦，对独立游戏这条路上的前辈致敬，让他们知道他们是被看到、被支持的。”

20世纪末21世纪初，人们习惯把那些用音乐对抗世界、坚决不随波逐流的年轻人称为 『摇滚青年』。而倘若以此角度评判， 2N工作室这群人实在太摇滚了。

总的来说，我们相当推荐大家更多关注下他们的游戏。

虽然游戏目前还远远没有完成，当前试玩版战斗关卡体验也有不少欠缺，但我们依旧愿意推荐这部作品。

这里具有大多数游戏中难得一见的，只属于未出茅庐的年轻人的理想、冲动、不切实际的愿望。 站在理性立场上，这股冲动大概率是错误的，但回顾每位玩家自己的经历，所有人又都能从刘小宇的故事中体验到共情。

沉浸在刘小宇苦苦求索的经历里，是一段很有感染力的体验。并且我们也相信，给这群人更多的时间，他们清楚玩法究竟该如何打磨更好。

《听我说》目前仅在WeGame可以试玩，但后续还会出手机版，TapTap页面最近也刚刚建立。

同时，他们也在寻找更多志同道合的朋友加入（主要是美术）。如果你对这群年轻人和《听我说》感兴趣，也可以顺着游戏商店页找到他们的联系方式，真正的亲身参与到这样一款游戏的创作（但他们许多人有时差，可能回复不很及时）。

pupu觉着，独立游戏就是纯粹的，是一条自我表达、放飞灵感的道路。虽然注定充满艰辛，但她和2N工作室同学们都正跃跃欲试着。

《听我说》wegame玩家评测

人的痛苦来源于见识了美好而不可得的纠结感情。也正因如此，我们才会为这些赤诚的愿景和冲动所感动。大多数人或许终其一生都难具那样的勇气。

但时至今日，70、80一代依旧，会回味他们年轻时那些『摇滚青年』的味道。

这就是2N工作室

这就是pupu

中科院出了份70多页的报告居然是为了研究游戏？

Sat, 23 Jul 2022 00:34:50 CST

一谈到科学家，大伙们会想到什么？是高深的核物理，是神秘的量子通讯，还是遥远的深空宇宙，差不多是直接过了一遍《生活大爆炸》的片头了。然而，最近中科院有个团队却打破了我对科学家的固有“ 正经 ”印象。因为他们的研究对象，竟然不再是那些高深的课题。反而是看似有些“ 不大正经 ”的 —— 游戏。

不过，学霸们盘起游戏和普通人还是不一样的。

在咱们疯狂掉分的时候，他们就专门整出了一份正式的研究报告，而且首次提出了“ 游戏技术 ”的定义。

通过这报告，我也才知道，游戏不仅仅是个玩物，特别是游戏背后的技术，早就成了科学家等专业人士们的正经的研究对象。

怀着不可抵挡的好奇心，差评君也去扒了扒这个报告背后的研究团队，大概整明白了这份这报告，还有人工智能专家眼中的游戏技术到底是怎么一回事儿。

首先和差评君一样，大伙可能会好奇，为啥他们会在这个时间点出了一份游戏技术的报告？

难不成是因为最近爆火的元宇宙？或者最近发了什么我不知道的 3A 大作？

但事实证明，我还是太年轻了，因为并没啥新游戏发布，也并不是想蹭元宇宙的热点。

也对，有时候，差评君觉得，元宇宙像是个筐，啥都能往里面装，反而真正的技术，没多少人关注了。

相反，“ 变化 ”才是这份报告诞生的真正原因。

因为科学家们发现，这些年数字世界和物理世界走向交融共生的变化，在人类历史上从来都没有过的。

好巧不巧，游戏引擎、AI、AR、VR 等等的游戏技术，正是实现数实融合、虚实交互的重要工具。

这样的背景下，关注一波、重视一波、分析一波游戏技术，很合理也很必要吧。

说到这，对于不大了解游戏的差友们来说，多半就有疑问了。

游戏就游戏呗，不就是用来玩的，为啥要加个技术呢？

而要想知道到底啥是“ 游戏技术 ”，就不得不要从电子游戏本身的发展史讲起了。

说起来你们可能不信，电子游戏从一开始，其实是科学研究的副产品。

因为“ 人工智能之父 ”图灵在 1948 年，就觉得游戏能让计算机秀一波“ 思维 ”能力，

祖师爷甚至还写下了历史上第一行电子游戏代码（国际象棋程序），只不过当时的计算机还无法运行。。

所以电子游戏的诞生，就是计算机科学与人工智能的研究过程中的一次有趣意外。

而到了上世纪五六十年代，随着一个在示波器上运行的网球对战游戏《 Tennis for Two 》，和空战游戏《 Space War！》等冒出来。

大伙们发现，电子游戏这玩意除了搞实验，本身也还挺有趣的。

只不过因为在那古早年代，计算机还是个稀罕玩意儿，所以这些电子游戏只在大学实验室和计算机科学家之间流行。。。

但电子游戏的趣味体验，让不少人看到了背后的商业价值。

于是乎，为了把游戏卖到千家万户，各式专业的电子游戏机就渐渐被发明了出来。

像是 Magnavox 生产的 Magnavox Odyssey，雅达利整出的街机 Obyssey 、AtariVCS等等。

《 Computer Space 》《 Pong 》等游戏因此风靡一时。

其中名气比较大的《 Pong 》就是个乒乓球游戏，游戏画面在现在看来，多少有些简陋了。

但在当时，却需要很大一台机子来运行。

总而言之，这些商业化尝试，标志着电子游戏走出了实验室，成长成了一个独立的数字文化产业。

而和电子游戏一同演进的，还有背后的游戏技术。

因为为了让游戏越来越好玩、场景越来越逼真，游戏圈儿的人越来越卷。

像是游戏引擎、动作捕捉、游戏 AI、VR/AR 技术等等被玩出了花。。。一棵和游戏产业相关的科技树被越点越长。

以至于不得不专门给它们立个牌分个类，游戏技术，就这么成了一个值得深入研究的，独立的新技术集群。

报告对“ 游戏技术 ”的定义便是：在电子游戏中首次实现规模化应用，以丰富和提升人的交互体验为主要目标的技术集群。

那么问题就来了，既然游戏技术这么有说法，为啥这选题，偏偏会落到中科院这个团队的头上呢？

经过差评君的一番打探，才得知写报告的他们，妥妥地是和游戏“ 门当户对 ”。

就拿团队里的刘毅老师举例子，江湖传言，他就是个标准的游戏迷。

从当年的游戏启蒙红白机，再到如今的王者荣耀等手游一个不落，还有电脑上永远不删的三国志，仿佛是一个老派 Gamer 最后的倔强。

当然爱打游戏顶多是个加分项，身为研究人员的他们，更看重的是游戏技术的发展和背后的价值。

比如说团队里的王彦雨老师，他本身就是研究 AI 方面的专家。

而游戏及游戏技术的发展，是从 AI 研究开始的。

除了图灵的故事之外，“ 机器学习之父 ”塞缪尔，就是在研究跳棋游戏的时候，捯饬出了一篇名叫

做“ 使用跳棋游戏进行机器学习的一些研究 ”的论文。

这也是“ 机器学习 ”这个词儿，第一次被提出来。

另外，香农在研究双人棋类对弈时，提出了“ 极大极小搜索算法 ”，约翰·麦肯锡为了减少棋类游戏的搜索量，又发明了 alpha-beta 修剪法。

一位位祖师爷级别的大拿，为了提升博弈游戏的性能，不断地研发出一个个专有技术。

早期的 AI 就这样发起了芽儿。

之后伴着电子游戏的流行，游戏技术也跳出实验室，开始推动其他行业的发展。

大伙身边不少看得见摸得着的东西，其实已经被游戏技术悄悄改变了。

其中游戏引擎与显卡技术，便是一个很典型的例子。

玩家们想看到更牛掰的游戏画面，但总得有技术支持不是？

在上世纪末，压力就这么来到了游戏开发者和硬件厂商的头上。

而游戏引擎和 3D 显卡的出现，让画面更加震撼的 3D 游戏普及了开。

像是 Doom 和它的 Doom 引擎、雷神之锤和它的 Quake 引擎，就成了第一批 3D 吃螃蟹的人。

为了让画面能显示出来，硬件厂商不甘示弱，以 Voodoo 为代表的 3D 显卡们在市场上如雨后春笋一样冒出来。。

这游戏引擎对硬件要求这么高，咱们显卡行业得跟上啊！

这显卡性能这么爆炸，我们搞游戏引擎的不得物尽其用，榨出显卡的极限？

在之后的时间里，游戏引擎和显卡就这样你推着我，我载着，互相推动着技术进步。

而到如今，游戏引擎也早就卷出了游戏这个圈子，在影视行业，人们可以告别绿幕和抠图，直接用游戏引擎来搭特效。

反正差评君再看虚幻五引擎的 Demo 时，多少已经有点分不清真实和虚拟了。

同样因为有接近现实的物理引擎，一些自动驾驶 AI 省去了些实地的操练，选择在游戏引擎搭建的场景里不断“ 打怪练级 ”，来完善自个儿的驾驶技巧。

游戏引擎的好搭档，也就是显卡也不断迭代，除了打游戏之外，现在的 GPU 还被广泛用在深度学习、通用计算等领域。

而 GPU 芯片，如今也成了衡量一个国家芯片水平强弱的重要标志。

不得不说，有些技术进步还真就是这么“ 玩 ”出来的。

报告中游戏技术贡献率的描述▼

AR 和 VR 这类的技术也一样，其实早在 20 多年前的 1995 年，任天堂就推出过一款名叫 Virtual Boy 的 VR 设备。

只不过因为单眼分辨率只有 384x224，颗粒感非常严重，只支持红黑两色显示。。。

拉胯的体验，直接劝退了其他想入局的厂商。

直到 2012 年 Oculus Rift 和谷歌眼镜的问世，VR/AR 的概念才重新回到大家的视野面前。

大伙们觉得好像是时候了，技术的进步让体验完全不一样了。

2016 年《宝可梦GO 》，更是掀起的那一波 VR/AR 狂潮。

可以说游戏，在一定程度上推动了 VR/AR 的普及，带动了它们的发展。

就拿 VR 的数据为例，有个名叫 Omdia 的机构就出了报告，发现 89% 的 VR 付费用户，都把钱花在了游戏内容上。

中科院团队的报告也估算，游戏技术对 VR/AR 的科技贡献率为 71.6% 。

反正即使是现在，编辑部同事们也常常会戴起设备，在公司来两盘《节奏光剑》再下班回家。

说个题外话，这游戏差评君自己也玩得贼溜。

另外， VR/AR 这类的游戏技术，其实也开始在医疗和教育领域展开应用。

“ 南非处在非洲大陆南部，以地中海气候位置，同学们带上设备，咱们去现场看看吧！”差评君已经能想象到未来的课堂，会是什么样子了。

当然，作为梦开始的快乐老家，游戏技术在如今，也还一直在推动 AI 产业的发展。

在 2015 年 DeepMind 就基于经典的 Atari 2600 游戏，证明了通用人工神经网络具有可实现性。

几年之后， OpenAI 又使用独立的 LSTM网络，用游戏《 Dota 2 》来训练 AI，并证明了“强化学习可以形成大规模且可实现的长期规划。”

有新算法、新理论，大伙们已经默认来游戏里试试深浅了。

没想到游戏从 AI 研究的副产品，摇身一变成了 AI 研究的关键平台。

在最后呢，中科院团队的这份报告还谈到了游戏技术的未来。

啃完这四万多字的报告我才发现，科学家们所讨论所思考的东西，格局是真的大。

因为他们是站在人类社会变革的角度看这个问题的。

人类社会的数字化进程从 1946 年计算机的问世开始的。

随着计算能力、关键相关技术的发展，还有互联网的普及，数字世界和真实世界的边界越来越模糊。

24 小时不断线的 AI 虚拟老师、足不出户就可以云游世界、未来地理距离、国别、性别、语言、受教育程度等等都不再是交互的限制。

所以，教育、医疗、甚至是老百姓的工作和工业生产，都可能被游戏技术改变。

这种社会系统的变化，和当年的农业革命、工业革命、信息革命出奇的像，一场大变革可能正在来临。

而差评君也觉得，从当年的 AI 研究时的一个小意外，到如今作为数实交互领域的老前辈。。。

多少有点无心插柳柳成荫的意思了。

但游戏这个培养皿不断在数字时代造血，培养出了游戏引擎、 AI 、VR/AR 等游戏技术。

如今这些技术，也成了架在虚拟和现实之间的桥，值得咱们多去关注和研究。

而在未来，差评君也觉得会有更多的新玩意儿孕育在其中。

因为游戏产业就像是科技界的黄埔军校一样，桃李满天下。

而下一批优等生可能正在操练迭代，说不定不久之后，它们又要掀起一片天了。

资料来源：

中科院研究团队，《游戏技术—— 数实融合进程中的技术新集群》

因果推断在游戏个性化数值中的实践及应用

Tue, 17 May 2022 11:54:50 CST

一、背景

在游戏场景内，通常有着各种各样的玩法数值设计。由于不同用户在偏好、游戏经验等方面存在差异，因此同一数值并不适用于所有用户。例如一个闯关游戏，对于新手来说，设置关卡的难度系数可以比有丰富经验的老玩家低一些。为了让用户能够有更好的游戏体验，我们可以基于算法对用户进行个性化的数值调控，从而提升用户在游戏内的时长、留存等。

传统的监督学习方式聚焦于响应结果 Y 的预估，而我们场景更关注于变量的变化对于结果 Y 的影响。在业界，这类问题通常会放在因果推断(Causal Inference)的框架下进行讨论，我们通常将变量称为 T(treatment)，变量变化带来结果 Y 的变化称为 TE(treatment effect)，用来预估 TE 的模型称为因果模型(Uplift Model)。

目前业界中比较常用的因果模型有 meta-learner、dml、因果森林等，但是不同因果模型的优劣势及实际表现还没有做过很全面的对比。因此在我们场景中，我们对上述这些问题进行了详细的探索。

本文将从理论及实践两方面，对比及分析不同因果模型的优缺点及适用场景，希望能够为大家在后续处理相似问题时，提供启发及帮助。

二、常见模型介绍

2.1 Meta-learner

meta-learner 是目前主流的因果建模方式之一，其做法是使用基础的机器学习模型去预估不同 treatment 的 conditional average treatment effect(CATE)，常见的方法有：s-learner、t-learner。meta-learner 的思路比较简单，本质上都是使用 base-learner 去学习用户在不同 treatment 组中的 Y，再相减得到 te。区别在于在 s-learner 中，所有 treatment 的数据都是在一个模型中训练，treatment 通常会作为模型的一个输入特征。而 t-learner 会针对每个 treatment 组都训练一个模型。

2.2 Double machine learning\

在 meta-learner 中，中间变量的预测误差导致我们在进行 uplift 预估时天生存在 bias。为了解决该问题，DML 引入了残差拟合、cross fitting 等方式进行消偏处理，最终得到了无偏估计。

DML 的核心思想就是通过 拟合残差，来消除中间变量的 bias 的影响。论文中证实了误差的收敛速度快于 n^(-1/4)，确保了最终预估结果的收敛性。下图展示了论文中不使用 DML、使用 DML 但不使用 cross fitting、使用 DML-cross fitting 的效果对比：

2.3 Generalized Random Forests

GRF 是一种广义的随机森林算法，和传统的随机森林算法的不同点在于，传统的随机森林算法在做 split 时，是找 loss 下降最大的方向进行划分，而 GRF 的思想是找到一种划分方式，能够最大化两个子节点对于干预效果之间的差异。和随机森林相同，GRF 也需要构建多棵树。在每次建树时，也需要随机无放回的进行抽样，抽取出来的样本一半用来建树、一半用来评估。

GRF 算法延续了 DML 的思想，在第一阶段时，使用任意的机器模型去拟合残差。第二阶段时，GRF 算法引入了得分函数 Ψ(Oi)、目标函数 θ(x)和辅助函数 v(x)，其中得分函数的计算公式为：

很容易看出，得分函数 Ψ(Oi)其实就是残差，由公式 Y = θ(x)T + v(x)得到的。算法寻求满足局部估计等式的 θ(x)：对于所有 x，满足：

其实本质上也是学习 θ(x)，使得实验组和对照组数据的预估结果与真实值之差最小。

三、评估方式

目前因果模型常见的评估方式有两种：uplift bins 及 uplift curve

3.1 Uplift bins

将训练好的模型分别预测实验组和对照组的测试集数据，可以分别得到两组人群的 uplift score。按照 uplift score 的降序进行排列，分别截取 top10%、top20% .... top100%的用户，计算每一分位下两组人群分值的差异，这个差异可以近似认为是该分位下对应人群的真实 uplift 值。uplift bins 的缺陷在于，只能做一个定性的分析，无法比较不同模型效果好坏。

3.2 Qini curve

在 uplift bins 的基础上，我们可以绘制一条曲线，用类似于 AUC 的方式来评价模型的表现，这条曲线称为 uplift curve；我们将数据组的数据不断细分，精确到样本维度时，每次计算截止前 t 个样本的增量时，得到对应的 uplift curve。

计算公式为：

其中 Y_t^T 代表前 t 个样本增量时，实验组样本转化量，N_t^T 代表实验组的累计到 t 时，实验组样本总量，对照组同理。

如上图，蓝线代表的 uplift curve，实黑线代表 random 的效果，两者之间的面积作为模型的评价指标，其面积越大越好，表示模型的效果比随机选择的结果好的更多。与 AUC 类似，这个指标我们称为 AUUC(Area Under Uplift Curve)。

四、业务应用

4.1 样本准备

因果建模对于样本的要求比较高，需要样本服从 CIA(conditional independence assumption)条件独立假设，即样本特征 X 与 T 相互独立。因此在进行因果建模前，需要进行随机实验进行样本收集，通常是通过 A/B 的方式将用户随机的分配至不同的 treatment 中，观测用户在不同 treatment 下的表现。

4.2 样本构造

样本构造与常规机器学习的样本构造步骤基本一致，但是需要特别关注以下方面：

特征关联：用户特征 X 必须严格使用进入随机实验组前的特征，例如：用户 T 日进入实验组，那么用户的特征必须使用 T-1 日及以前的特征。这样做的原因是用户进入 treatment 后，部分特征可能已经受到 treatment 的影响发生了改变，使用受影响后的特征进行模型训练有几率造成信息泄露，对模型的效果造成比较大的影响甚至起反向的作用。

目标选择：在某些场景中，treatment 的影响需要一段时间才能够产生作用，例如道具数量的调整对用户留存的影响可能需要过一段时间才能体现。因此在选择目标时，可以选择更长周期的目标，例如相比于次日留存，选择 7 日留存或 14 日留存会更优。不过也不是越长周期越好，因为越长周期的目标有可能导致模型的学习成本增加从而效果下降，这种情形在小样本的场景更为突出。选择一个合适的目标能够很大程度上提升模型的线上表现。

4.3 模型训练

在我们的场景中，用户每次完成任务发放的道具数量为 treatment，用户留存以及用户活跃时长变化为我们关注的 uplift。实验过程中，我们先后对比了 s-learner、t-learner 以及 dml 的效果，三种模型选择的 base-learner 都为 lightgbm。

在实验的过程中，我们发现，当使用 s-learner 对活跃时长进行建模时，无论如何调试模型，得到的 treatment effect 都为 0，即用户在不同 treatment 下的活跃时长预测结果相同。但是当我们将模型换成 t-learner 或 dml 时，treatment effect 数据恢复正常。输出 s-learner 的特征重要度，我们发现 treatment 特征的重要度为 0。我们对用户在不同 treatment 下活跃数据进行分析，发现不同组的活跃数据弹性很小，即用户在不同 treatment 下的活跃改变很小。

而 s-learner 对于这种微弱的改动敏感度很低，因此效果不佳。而 t-learner 在进行训练时，会针对每个 treatment 都训练一个模型，相当于显性的将 treatment 的特征重要度加大，而 dml 在训练过程中主要关注训练的残差，因此这两类模型的效果都要好于 s-learner。 这也反映了 s-learner 在数据弹性不足时的效果缺陷，因此在后续的训练中，我们放弃了 s-learner，主要关注在 t-learner 以及 dml 上。

后续在不同指标的离线评估上， dml 模型的效果都要显著优于 t-learner。这也与理论相互印证：t-learner 由于引入中间变量，中间变量的误差使得对于最终 uplift 的预估有偏，而 dml 通过拟合残差，最终实现了无偏估计。

4.4 人群分配

根据训练效果，我们选择 dml 作为最终的预估模型，并得到了用户在不同 treatment 下的 uplift 值。我们会根据用户在不同 treatment 下的 uplift 值，对用户做人群分配。分配方案基于实际情况主要分为两种：有无约束条件下的人群分配及有约束条件下的人群分配。

无约束条件下的人群分配：只关心优化指标，不关心其他指标的变化。那么我们可以基于贪心的思想，选择每个用户 uplift 值最高的策略进行人群分配。
有约束条件下的人群分配：关注优化指标的同时，对于其他指标的变化也有一定的约束。我们可以通过约束求解的方式对该类问题进行求解。

在我们的业务场景下，我们同时对用户留存、活跃时长、流水等目标都有限制，因此进行了有约束条件下的人群分配方案。

4.5 实验效果

基于训练好的 dml 模型及约束分配后的结果，我们开启了线上 A/B 实验。在经过多周的测试后，相较于基准策略，我们的策略在流水、活跃等指标不降的情况，取得了置信的 10%+留存收益。目前我们基于因果模型的策略已经全量上线。

五、总结及后续展望

因果模型目前在互联网各大场景都得到了实践及应用，并取得了不错的收益。随着营销活动越来越多，营销手段越来越复杂，treatment 的维度也由常见的多 treatment 逐渐变为连续 treatment，这对于样本、模型学习能力等方面的要求也越来越严格。在后续工作开展，可以考虑从多目标建模、场景联动、无偏估计、强化学习等方面继续进行优化，为各个业务场景产生更大价值。

游戏社区运营的那些年，我总结了这些

Wed, 09 Feb 2022 19:01:10 CST

编辑导语：“如今越来越多的人喜欢在网上玩游戏，那么游戏社区有什么价值？游戏社区该如何搭建？以及游戏社区中常见的问题有什么？本篇文章对这几个问题做了解答，希望对你有所帮助。”

当前市场环境来说，游戏社区是游戏行业和内容行业的一个交叉赛道，很多人很多公司都尝试用社区这个概念去延长游戏的用户生命周期，可仍有相当一部分的从业者甚至无法分清社区和社群的区别，比如笔者在被面试的时候常常会遇到让一个社区运营去做社群运营。所以在说如何搭建社区之前，笔者认为先讨论一下何为社区更为合适。

一、游戏社区的含义

所谓社区即是在某些领域有共同爱好兴趣且具有一定社交关系的群体。当加上游戏和网络的标签后，就是当前我们所熟知的游戏社区。不同于游戏社群的是，游戏社区注重的是用户活跃指标，必要时候做转化指标，常以丰富的内容形式促进用户活跃；而游戏社群注重的则是用户转化指标，更多时候以社交关系沉淀用户。因为社交关系也是社区内容输出的一种方式，所以社区可包含社群职能。

再做细分的话，以笔者的角度会分为官方游戏社区和第三方游戏社区。官方游戏社区的特点是：PGC内容及时且丰富，实用性工具或内容较多，舆论氛围较好。

第三方社区的特点是：UGC内容互动量特别高，且越是指责游戏的内容越是容易引起共鸣。

这是因为两方除了背负活跃相关的目标外，官方还需要为游戏转化做反哺，对舆情的把控力度较大，常常会把舆论变成玩家与玩家间的矛盾。而第三方则更多是玩家与官方的矛盾，他们有着较成熟的商业化路线，通过用户量引起产品方的重视而不得不投入更多资源在此平台。

另外需要注意的是，第三方平台上的运营也分为游戏自主运营和平台运营（如taptap等）。两方负责的指标不同，若是游戏官方运营的方向则更偏向游戏转化指标，且无法根据用户需求修改产品框架性的功能，因此叫他们游戏渠道运营或者新媒体运营在笔者角度来看似乎更合适。

二、游戏社区的价值

关于社区价值绝对是目前从事游戏社区行业都常常会被问到头秃的一个问题，那么不妨跳开单一业务层级从从对公司以及对玩家两方面来简析。

1. 对公司的价值

一旦涉及到对公司价值，那么所有阐述的价值都必须量化，通过量化告诉公司你为什么做得好，这是前提。

（1）留存活跃价值

常见核心指标：日活、游戏渗透（对应游戏社区日活/游戏日活）等。

其他指标：月活、人均在线时长、人均打开频次、发帖量、互动量等（按业务目标因地制宜）。

这里需要强调一下游戏渗透这个概念，因为做的是游戏社区，游戏渗透的大小决定着对游戏的影响程度，是向产品证明社区的反哺价值的基础指标，且这个指标理论上是可以超过100%，即证明此时游戏大部分日活来源于社区。渗透指标较好的产品约为10%左右，如王者营地等。

同时通过这些活跃指标，我们也可以很直观的感受到游戏所谓口碑效应，即一个玩法热不热，可以看看这个玩法在社区内的关键词密度、讨论玩家占比等。

曾运营过的某款游戏社区产品中，建筑玩法因为关键词密度过高而成立相应板块，且游戏产品根据社区内容重度打造建筑沙盒玩法衍生出一批建筑类玩家间接带动游戏ltv提升。

（2）付费染色价值

常见核心指标：曝光/阅读人数、付费用户数、付费价值等（实际与产品协商结果为准）。

所谓“染色”就是标记用户，标记在一定周期内（通常是一周内）受社区内容影响的用户，再拉取这些用户在游戏内的付费行为，即可证明社区内容的促付费价值。

在目前所有运营过的游戏社区经历中，笔者发现，我们所打捞的社区活跃用户和游戏活跃大r用户有80%以上的重合度，因此对这批用户进行“染色”就有充分的理由证明社区除了能影响活跃还能影响付费。举个最简单的例子，“带货直播”就是利用内容影响用户付费行为，只不过把这套玩法融入到游戏社区领域。

2. 对玩家的价值

玩家可不管所谓量化指标，大部分人只会从社区获取直接的需求满足，即通过用户思维来思考社区价值，那么对于他们的价值就可概括为如下纬度。

（1）工具价值

福利就不说了，有构建过用户画像的同学就会知道，玩家第一需求几乎都是攻略向内容，未进入或刚进入游戏的玩家想知道游戏好不好玩，因此你需要筹备简单的游戏介绍，新手攻略等。

玩了一段时间高玩则倾向关注于投入成本的降低，就需要更针对性的制作一些当期版本攻略或者工具，比如阴阳师相关的社区会准备当期的活动阵容攻略，DNF的相关社区会准备装备提升计算器等，这个就是对他们产生的工具价值，是否能够满足工具向需求同时是社区能不能有新增的关键之一。

（2）社交价值

这是社区是否搭建完成定位的最终体现，即用户能不能自己建立社交联系沉淀社区。如果说初期是由于都玩同一款游戏的爱好而形成一个群体的话，那么社区成熟阶段，在脱离游戏、甚至游戏关服后，还能有用户间的联系就是社区沉淀了自己的调性而产生了社交价值。

比如想到影评书评就会想到豆瓣，想到专业知识问题就会想到知乎，想到直男社区就是虎扑，这就是他们构建的社区调性，最终拉动用户与用户间的社交。只不过目前垂类游戏社区能做到这种地步的少之又少，而在游戏这块比较容易实现的路径是ip文化的衍生以及流媒体的升级等。

三、如何从零搭建游戏社区

社区的搭建核心在三大模块：用户、内容、活动。再怎么不同的社区，只要三者关系玩的溜，都能诞生出一个活跃指标不错的社区。

1. 用户是基础

首先第一个要说的一定是用户，用户模块效率最高的方式就是kol运营，即抓住几个头部用户来辐射影响其他层级用户的行为，这也是目前各类头部社区产品所实践过的方式，如某字母站。那么该如何释放头部用户的影响力就是这个模块的关键。

而解决这个问题的答案，就是构建一套自下而上的激励方式。笔者的经验总结为“123”原则。理论依据来源于马斯洛需求定理，这部分用户不同于普通用户，除了物质需求还有着更高层次的精神向需求，笔者曾运营过某些头部手游，发现在游戏社区领域活跃付费用户的80%以上也都是社区活跃者，这部分用户若只给简单的物质奖励是无法长期维系在社区内的。

（1）“1”个品牌

一个人所能带来的粉丝效应可能很小，但是一个团就不一样了，所有小的粉丝效应都能通过一个品牌化的操作融入到这个群体，把这个团队当作一个kol去推广，在同样的资源内，就能取得更大的曝光量级。

对新成员来说：快速获得基础知名度。

对老成员来说：加强归属感，满足社交需求和荣誉需求。

值得一提的是，如果是游戏社区，可以将这种品牌化线上线下打通，线下社区内采用认证体系玩法，线上则采用游戏内的称号道具等玩法，进一步提升团队的影响力，也使游戏玩家获得更强的沉浸感。

（2）“2”种类型

组建玩家团队通常是存在两种类型的玩家，一种是内容生产者，另一种则是社区活跃者，他们的特点如下：

内容生产者：具备硬核内容产出能力，能独立完成流媒体内容，游戏等级较高，社区活跃频率常以“周”为单位，可以通过内容互动量、阅读量指标等构建画像筛选。

社区活跃者：具备较强的短内容生产能力，擅长带动活跃气氛，是玩家团队中各种活动参与的积极分子，同时也非常乐意帮忙处理团队中的各种杂事，减轻运营工作量，可以通过互动量指标、登陆频率指标等构建画像筛选。

（3）“3”种指标

三种指标包含：阅读指标、互动量指标、影响力指标（关注数、粉丝数等），指标存在的意义都是一种反馈行为，给用户的反馈，给运营的反馈，共同拉扯最终形成kol的衡量指标。

因为这些反馈指标是用户最关注的数据，我们不仅要将其放在用户最显眼的个人主页让其他用户形成对他的画像认知，也要建立趋势图放在创作者后台，帮助他们找到自己数据增长奇点，让爆款行为成为长期趋势。

正因如此，运营的数据化思维在此显得特别重要。（这种看数据的行为在笔者的心理感受就彷佛炒股一样欲罢不能：“涨了涨了，今天涨了”“今天跌了，是不是我标题取得不行？”）

而对于阅读用户来说，输出互动指标时不仅仅是因为创作者内容的问题，同时还有产品交互功能是否便利。

很多成熟的产品经理都会尽可能降低阅读者互动的门槛，亦或是加一些可爱有趣的交互，引起阅读者的注意，毕竟再牛逼的内容创作者，他也是从普通阅读用户一步步成长起来的，这种心理学中的“登门槛”玩法活用在社交内容产品功能中百利而无一害。

还是要说的是，部分平台已经完成了完整的商业化路线，他们会将用户创造的内容收益也变成一种非公开化的反馈指标，因需要保密，故该指标不列入基本反馈的三种指标。

2. 内容是体现

内容是所有用户行为的体现方式，因此从内容构成上，呈现的是一种“P-P-U”现象，即PGC、PUGC、UGC三者，可能在广义上释意不同，因此笔者想简单介绍下我所认知的游戏社区内的“P-P-U”。

（1）PGC

PGC指代官方生产的内容，社区内通常是游戏公告、游戏宣传视频、新手引导等。PGC内容制作的核心目的是为了形成对游戏的转化，除直接同步的公告类内容，其他PGC内容初期数量的多少取决于资金的多少以及后续roi决定持续供给数量。所以可以观察到，第三方平台社区很少自己做PGC内容，PGC内容较多都是游戏官方自建社区，这也是这类自建平台的一个能打的点。

（2）PUGC

PUGC内容指代的是受官方影响的UGC内容，不仅内容专业程度接近PGC，数量也较多。因此PUGC是目前大部分游戏社区想要构建的核心内容生态。

它的核心目的对于社区来说是促进活跃，并成为普通用户的创作模版，起承上启下的作用。

接下来笔者想要从需求数量、产生手段、分发方式三个方面去阐述。

需求数量：跟曝光在用户的内容篇数有强相关关系，我们希望尽可能呈现给用户优质的内容留住用户，可构建一个简单的公式粗略估计。

PUGC内容需求数≈单次人均阅读篇数*单日人均打开频次

PS：每个产品都有自己的算法导致每次打开呈现给用户的内容都不一样，单次人均阅读篇数*单日人均打开频次可以粗略计算单个用户一整天需要的不同的内容数。

产生手段：生产者为用户，但大部分内容框架或命题均由运营授意，通过任务制（任务制多为头部用户内部采用）或活动包装玩法（当任务玩法公开化会被包装成一种活动的形式，同时也便于挖掘潜在创作用户），整套流程跑顺后则会逐渐衍生出相关产品功能，如创作者收益后台等。

分发方式：首先一定是算法推荐分发，但这篇说的是运营，笔者仅从运营角度来说，那么我们要做的就是建立“审核、发现、曝光”三个基本流程实现运营分发。

审核：机审+人审，减少违规内容占据曝光资源
发现：建立舆情报警系统，及时发现潜力爆款内容
曝光：强运营或潜力爆款内容给予资源位尝试推广，周期替换

毫不夸张的说，一个用户如果每次进入社区能看到自己喜欢的PUGC内容，那这个社区运营就成功了一大半。

（3）UGC

UGC内容在游戏社区领域内跟PUGC的区别并不大，在笔者看来可能仅仅是是否有运营扶持及培训而产生的，它们的来源主要由运营活动（如运营发起简单的话题活动产生内容）及产品功能（如阴阳师开出ssr可以一见截图分享到社区等）两种途径。理论依据是用户福利需求产生UGC内容；产品低门槛创作使用户养成UGC习惯。

综上：内容是一种永不过时的形式，而笔者所认知的内容类型区分在游戏领域内也只是冰山一角，在当前背景的供给需求下还衍生了各种以此为生的角色，如自媒体、mcn等，因此做好内容运营真的不吃亏。

3. 活动是手段

活动运营是一种相对来说千变万化的基础能力，是我们社区运营介入用户关系的最有效手段，运营间常流行着一句话“只要成本够，没有什么kpi是活动运营达不成的。”

话虽如此，但是真的又有哪家社区是不计算roi转化的呢？所以针对活动这个模块，笔者最想谈的是如何在有限的成本内做出效果较好的活动。笔者愿称之为“137建议”（该建议来源于某同事多年大量的实战数据分析，如有幸看到可补充说明

（1）“1”个活动目的

目的要清晰且最好保持一个活动就一个目的。

活动运营对节假日的敏感是基本素质，但是有多少人是怀着目的去做活动的？或者说有多少人是想在一个活动内达成多个目的的？这些都是活动运营大忌。

运营在怀着一个目的的背景下去设计活动不管想法多么天马行空，都能保持主线而不乱，运营自己不乱，用户的参与门槛与转化路径才能更清晰，而在我们复盘时，也有主线目标去分析数据找出问题。

不过有时会出现需要达成多个“KPI”的情况，尽管不推崇一个活动多个目的，但也可以把这个活动拆分成多个活动或者多个阶段来完成，至少做到在用户参与路径上不能添加过多的理解成本。

（2）“3”天活动期

不管是任何类型的活动，活动参与人数总是呈现一个类正态分布曲线，而这个曲线的峰值大部分时候就是活动的第三天。

这个结论来源于超过100+活动复盘的数据，笔者大胆猜测是由于用户的构成所导致。活动进行到第三天时，活跃老用户均已经参与，所以从第四天开始，参与活动的老用户比例逐渐下降。

（3）“7”天最多一次

从频率上来讲，7天最多一次活动。

对于用户来说参与活动会有倦怠期，而这个周期是跟随着学习工作的周期，也就是一周。运营在此周期内将尽可能根据用户的活跃习惯选择活动上线期，比如用户年龄层在20以下的社区产品大多会选择在周四周五发布活动，涵盖最少一个休息日。

那假如这个周期内有很多必须做的活动该怎么办？这种情况下就需要包装活动概念，比如常见的“双旦”概念，将两个节日合并到一个活动中。

综上：“137建议”本质是基于数据分析反馈到用户参与活动路径形成的方法。用户本身基数较少或能保证全员均有和运营一样理解力的情况下，此建议可能有一定偏差，且若是遇到不得不折损效果去做活动的情况下，请务必保持目的清晰为基本原则。

最后强调：不是越好玩的活动参与人数就越多，不要为了做活动而做活动。

四、社区常见问题

Q1：KOC/KOL与普通用户产生矛盾该如何站队？

A1：在双方五五开的情况下站队KOC/KOL，这些是你培养的人，帮他们能够提高他们对平台的忠诚度，若是帮普通用户反倒很容易将之前玩家团队所建立的形象玩崩；在有明显错误的情况下，除非该KOC/KOL明确表示不服从组织安排，那么我们就要进行“阴阳”操作，明面上按社区规则处罚，台面下则进行安抚。

Q2：玩家的负面舆论倾向针对社区平台或游戏该怎么处理？A2：先安抚自身所扶持的玩家团队，防止内部失去信任，再安排玩家团队发布正向舆论带动其粉丝支持。必要时则需要营造舆论事件达成目的，比如先安排信任玩家站在官方对立面进行言论分析，再逐渐将支持玩家舆论方向掰正。

Q3：社区搭建初期内容不足该如何填充？A3：初期的内容我们重点要填充的是PUGC部分，在获得确定的用户需求画像后构建任务型活动给玩家团队促进产出形成样板内容，完成后再铺设公开性活动引导普通用户产出UGC部分，若是未有成型的用户团队，则可寻求外包写手或MCN去完成PUGC部分。

Q4：内容安全问题如何解决？

A4：撰写用户发布规则，倡导按规则产出，同时建立“先审后发”机制，防止违规内容的放出，如果有条件则可加入“机审+人审”模式，形成“先发后审”的用户感知形式，人审的这一步则可以去完成内容分发的职能。

Q5：社区运营团队人员构成？

A5：核心职能为用户运营、活动运营、内容运营，因三个职能关系较为紧密，绑定三者至一个岗位上即可。多人团队建议以OKR形式做人员工作内容区分。若不计成本也可按游戏类型甚至单个游戏项目组划分人员配置。务必不要尝试按职能划分，比如用户资源聚焦单个岗位身上，运营人员流动所造成的核心用户损失通常是不可逆的。

五、写在最后

作为一名社区运营所要面对的问题远不止这些，尤其是资本们所追逐的价值问题总是不断在刷新，但这是一份与人心交往的工作，是笔者在冰冷的互联网环境中感受到的温暖与热情，即便常常告诉部门的小朋友们要量化，也始终明白一件事——人心永远不可能被数字所代替。然后你就会发现，当社区用户理解你的热情之后，你想要的社区生态就已经形成了。

本文由@飞梦授权发布于运营派，未经许可，禁止转载

题图来自Unsplash，基于CC0协议

Google 准备将 Android 游戏带到 Windows 平台

Sat, 11 Dec 2021 13:00:40 CST

微软正与亚马逊等公司合作让包括游戏在内的 Android 应用能运行在 Windows 11 平台。现在，Google 准备了应对措施，将 Android 游戏带到所有 Windows 平台，不限于 Windows 11。Google 将在 2022 年发布 Google Play Games app，允许 Google Play 上的游戏应用能运行在 Windows 笔记本、平板和 PC 上。Google 自己开发了该应用，没有与微软等公司合作，将允许在不同平台上持续游戏，比如在手机上玩了之后可以在 PC 上恢复继续游戏。Google 没有透露它在 Windows 上模拟 Android 应用所采用的技术。

版署“游戏企业防沉迷落实情况举报平台”今日上线试运行 | 游戏大观 | GameLook.com.cn

Thu, 16 Sep 2021 20:01:25 CST

9月16日消息，今日由国家新闻出版总署主办的“游戏企业防沉迷落实情况举报平台”正式上线试运行。

该平台上线标志着国内网游防沉迷工作的进一步加强，除主管部门主动查处违规游戏之外，普通网民、游戏从业者均可通过该平台实名举报防沉迷措施落实不到位的违规游戏产品。

据了解，承办“游戏企业防沉迷落实情况举报平台”的中国搜索（www.chinaso.com）是由中央七大新闻单位——人民日报、新华社、中央电视台、光明日报、经济日报、中国日报、中国新闻社联手打造的国家互联网+创新应用平台。

举报平台网址：https://jubao.chinaso.com/

9月8日，中央宣传部、国家新闻出版署有关负责人会同中央网信办、文化和旅游部等部门，对腾讯、网易等重点网络游戏企业和游戏账号租售平台、游戏直播平台进行约谈。强调各网络游戏企业和平台要严格落实近日下发的《关于开展文娱领域综合治理工作的通知》，《关于进一步严格管理切实防止未成年人沉迷网络游戏的通知》的各项要求。

在约谈上，中央宣传部、国家新闻出版署曾表示表示，将会同有关部门和地方加大督查力度，开展专项检查，严肃处理违规行为；近期将上线防止未成年人沉迷网络游戏举报平台，及时受理和处置问题线索，对落实不到位的企业，发现一起严处一起，确保防沉迷工作落到实处、取得实效。

9月15日，北京市文化市场综合执法总队查处北京某信息技术有限公司通过其自营的游戏平台违规向未成年人提供网络游戏服务案，总队依法对该公司做出警告、罚款10万元，并对直接负责的主管人员罚款1万元的行政处罚。

“游戏企业防沉迷落实情况举报平台”上线，以及北京总队的查处都强调了落实新规的严肃性，国内游戏企业有必要自查自纠，及时完善游戏的实名制、以及防沉迷系统等工作的落实。

具体来说，“游戏企业防沉迷落实情况举报平台”可举报三类游戏企业违规情况，分别是：实名认证违规举报，时段时长违规举报，充值付费违规举报。

根据《举报须知》所列信息，举报人需按照相关要求填写举报信息，同时根据举报信息所属类别，选择相应的举报入口提交举报信息。若选择类型错误或举报要件缺失，所提交的举报可能无效。

游戏企业防沉迷落实情况举报平台将严格保护举报主体的权益，不泄露举报主体的任何个人信息。举报主体应对举报信息的客观性、真实性负责。对于借举报故意捏造事实，伪造举报证据的，或以举报为名制造事端，干扰职能部门正常工作的，将依法承担相应的法律责任。

举报信息填写页面

在举报信息填写页中，举报人必须实名举报，个人信息栏需填写姓名、电话、身份证号等信息。具体游戏产品则需提供，游戏名、游戏企业名、游戏下载渠道等必填信息，以及所举报游戏相关违规的证据。

该举报平台也列出了《举报指南》，内容如下：

一、举报主体

游戏企业防沉迷落实情况举报平台欢迎公民、法人或其他组织参与游戏防沉迷违规举报监督。

二、游戏防沉迷违规主要包括

1、实名认证违规

（1）无实名认证；

（2）虚假实名认证。

2、游戏时段时长违规

（1）非周五、周六、周日及法定节假日20时—21时提供游戏服务；

（2）超出1小时游戏时长限制；

（3）其他违规情况。

3、未成年人付费违规

（1）未满8周岁的用户可充值；

（2）8周岁以上未满16周岁的用户，单次充值超50元；

（3）8周岁以上未满16周岁的用户，月累计充值超200元；

（4）16周岁以上未满18周岁的用户，单次充值超100元；

（5）16周岁以上未满18周岁的用户，月累计充值超400元。

三、举报方式

登录游戏企业防沉迷落实情况举报平台https://jubao.chinaso.com/举报。

四、举报材料及要件

举报防沉迷违规时，举报主体应确认违规类型并提供相应的游戏名称、公司名称、下载渠道以及相关说明和举报证据材料等举报要件。

五、举报协助处置

举报主体在网上成功提交举报信息后，将收到一个查询码，通过查询码，可以查询该举报信息的处理进度。平台将对受理的举报信息进行核查，核查结果提供给职能部门依法依规严处。

六、注意事项

1、游戏企业防沉迷落实情况举报平台将严格保护举报主体的权益，不泄露举报主体的任何个人信息。

2、举报主体应根据举报信息所属类型，选择相应类别的举报入口提交完整举报信息。若选择类型错误或举报要件缺失，所提交的举报可能无效。

3、举报主体无需重复提交举报内容。为保障举报主体的权益，限制恶意重复举报，提高网上举报的运行效益，请举报主体合理依规享受自己的权益。

4、举报主体应对举报信息的客观性、真实性负责。对于借举报故意捏造事实，伪造举报证据的，或以举报为名制造事端，干扰职能部门正常工作的，将依法承担相应的法律责任。

七、相关规定

1、《国家新闻出版署关于进一步严格管理切实防止未成年人沉迷网络游戏的通知》（国新出发〔2021〕14号）。

2、《国家新闻出版署关于防止未成年人沉迷网络游戏的通知》（国新出发〔2019〕34号）。

国家新闻出版署：未成年人仅可在周五六日和法定节假日玩1小时网络游戏

Mon, 30 Aug 2021 17:35:00 CST

【TechWeb】8月30日消息，据新华社消息，国家新闻出版署近日印发《关于进一步严格管理切实防止未成年人沉迷网络游戏的通知》，针对未成年人过度使用甚至沉迷网络游戏问题，进一步严格管理措施。

通知针对防止未成年人沉迷网络游戏的关键环节，主要提出四方面举措：

一是在原有规定基础上，进一步限制向未成年人提供网络游戏服务的时段时长，要求网络游戏企业大幅压缩向未成年人提供网络游戏的时间，所有网络游戏企业仅可在周五、周六、周日和法定节假日每日的20时至21时向未成年人提供1小时服务，其他时间一律不得向未成年人提供网络游戏服务。

二是在国家新闻出版署网络游戏防沉迷实名验证系统已建成运行后，重申严格落实网络游戏账号实名注册要求，明确所有网络游戏必须接入该系统，所有网络游戏用户必须使用真实有效身份信息进行游戏账号注册和登录，网络游戏企业不得以任何形式(含游客体验模式)向未实名注册和登录的用户提供游戏服务。

三是加强对防沉迷措施落实情况的监督检查。针对网络游戏企业提供游戏服务的时间限制、实名注册、规范付费等方面要求的落实情况，出版管理部门将加大检查频次和力度，对未严格落实的网络游戏企业，依法依规严肃处理。

四是积极引导家庭、学校等社会各方面行动起来，切实承担监护守护职责，共同营造有利于未成年人健康成长的良好环境，形成防止未成年人沉迷网络游戏的工作合力。

游戏排名算法：Elo、Glicko、TrueSkill

Sat, 07 Aug 2021 12:58:32 CST

Elo等级分制度

Elo等级分制度（英语：Elo rating system）是指由匈牙利裔美国物理学家Arpad Elo创建的一个衡量各类对弈活动水平的评价方法，是当今对弈水平评估公认的权威标准，且被广泛用于国际象棋、围棋、足球、篮球等运动。网络游戏的竞技对战系统也采用此分级制度。

ELO等级分制度是基于统计学的一个评估棋手水平的方法。美国国际象棋协会在1960年首先使用这种计分方法。由于它比先前的方法更公平客观，这种方法很快流行开来。1970年国际棋联正式开始使用等级分制度。Elo模型原先采用正态分布。但是实践显明棋手的表现并非呈正态分布，所以现在的等级分计分系统通常使用的是逻辑分布。

两个选手（player）在排名系统的不同，可以用来预测比赛结果。两个具有相同排名（rating）的选手相互竞争时，不管哪一方获胜都会得到相同的得分（score）。如果一个选手的排名（rating）比他的对手高100分，则得64%；如果差距是200分，那么排名高的选手的期望得分(expected score)应为76%。（可以理解为，获胜的机率更高）

一个选手的Elo rating由一个数字表示，它的增减依赖于排名选手间的比赛结果。在每场游戏后，获胜者将从失利方获得分数。胜者和败者间的排名的不同，决定着在一场比赛后总分数的获得和丢失。在高排名选手和低排名选手间的系列赛中，高排名的选手按理应会获得更多的胜利。如果高排名选手获胜，那么只会从低排名选手处获得很少的排名分（rating point）。然而，如果低排名选分爆冷获胜（upset win），可以获得许多排名分。低排名选手在平局的情况下也能从高排名选手处获得少量的得分。这意味着该排名系统是自动调整的（self-correcting）。长期来看，一个选手的排名如果太低，应比排名系统的预测做得更好，这样才能获得排名分，直到排名开始反映出他们真正的实力。

计分方法

假设棋手A和B的当前等级分分别为$R_{A}$和$R_{B}$，则按Logistic distribution A对B的胜率期望值当为：

$$E_{A}=\frac {1}{1+10^{(R_{B}-R_{A})/400}}$$

类似B对A的胜率为：

$$E_{B}=\frac {1}{1+10^{(R_{A}-R_{B})/400}}$$

假如一位棋手在比赛中的真实得分$S_{A}$（胜=1分，和=0.5分，负=0分）和他的胜率期望值$E_{A}$不同，则他的等级分要作相应的调整。具体的数学公式为：

$$R_{A}^{\prime }=R_{A}+K(S_{A}-E_{A})$$

公式中$R_{A}$和$R_{A}^{\prime }$分别为棋手调整前后的等级分。在大师级比赛中{K通常为16。

例如，棋手A等级分为1613，与等级分为1573的棋手B战平。若K取32，则A的胜率期望值为$\frac {1}{1+10^{(1573-1613)/400}}$，约为0.5573，因而A的新等级分为1613 + 32*(0.5-0.5573) = 1611.166

国际足球等级分排名

世界足球Elo评级是由网站eloratings.net发布的男子国家联盟足球队的排名系统。它基于Elo评级系统，但也对足球运动修改了特定各种的变量。其中包括：净胜球的数量，比赛的重要程度，主场优势。这使得Elo评级方法可以用来对足球运动的球队进行排名，但目前还没有任何球队的官方，使用根据Elo系统算出的球队评级排名。

Elo评级背后的基本原则是将所有球队以一个联赛的形式进行赛后积分统计，球队不比赛等级分不会变动，这与国际足联计算世界排名的方式并不相同。Elo自己有一个复杂全面且有效的权重评分系统，这与国际足联计分系统中的第一步也不相同。另外在国际足联系统中，球队会在赛后计算后直接获得现有分数，而Elo系统中只是算出加减分数，然后再得出当前分数。

等级分的计算是基于以下公式：

$$R_{n}=R_{o}+KG(W-W_{e})$$

或者

$$P=KG(W-W_{e})$$

注解：

$R_{n}$ = 球队的新等级分
$R_o$ = 球队的旧等级分
K = 比赛的重要程度
G = 净胜球数
W =比赛结果
$W_{e}$ = 预期结果
P = 分数的变化

在计算球队的等级分时会将小数点四舍五入。

比赛的重要程度

比赛的权重指数由重要程度来衡量，这个指数反映了比赛的重要程度，指数越高比赛越重要。而这主要取决于该场比赛是属于什么类型的比赛。各主要赛事的重要程度指数如下表所示：

比赛类型	指数（K）
世界杯	60
洲际锦标赛和洲际锦标赛决赛	50
世界杯和洲际锦标赛的预选赛	40
其他所有比赛	30
友谊赛	20

进球数

如果比赛是平局，或者是一球小胜：G=1

如果比赛赢了两个净胜球：$G=\frac {3}{2}$

如果比赛赢了三个净胜球或以上：这里的 N 指的是净胜球数 $G=\frac {11+N}{8}$

示例表：

净胜球	K (G)系数
0	1
+1	1
+2	1.5
+3	1.75
+4	1.875
+5	2
+6	2.125
+7	2.25
+8	2.375
+9	2.5
+10	2.625

比赛结果

W是比赛的结果（胜一局为1，平一局为0.5，负一局为0）。注意：如果比赛拖进加时赛决胜负，那么加时赛的结果也会被计算在内。如果比赛由点球大战决定胜负，则比赛将会被判定为平局（W=0.5）。

比赛预期结果

$W_e$是比赛的预期结果，从下列公式得出：（比赛的结果符合预期为0.5）：

$$W_{e}=\frac {1}{10^{-dr/400}+1}$$

这里的dr是评级分的差额（为主队增加100分）。dr为0时获得0.5、为120时，高排名的队伍为0.666，低排名的队伍为0.334、为800时，高排名的队伍为0.99，低排名的队伍为0.01。

国际足联女子世界排名

另一种更为被大众所熟知的足球排名：国际足联世界排名则不是基于Elo系统，而是由国际足球管理机构使用自己官方的国家球队评级系统进行计算。但是国际足联女子世界排名系统却采用了一种修改后的Elo系统计算公式。

计分规则

$$R_{aft}=R_{bef}+K(S_{act}-S_{exp})$$

$$S_{exp}=\frac {1}{1+10^{-x/2}}$$

$$x=\frac {R_{bef}-O_{bef}\pm H}{c}$$

所有球队的平均积分约为1300分。顶级国家通常超过2000分。为了进行排名，一支球队必须与正式排名的球队至少打过5场比赛，并且已经没有超过18个月停赛。即使球队没有正式排名，他们的积分评分也会保持不变，直到他们进行下一场比赛。

实质比赛结果

实际结果的主要组成部分是球队是赢球，输球还是平局，但球差也被考虑在内。

如果比赛结果为赢家和输家，输家将获得由附表给出的百分比，结果总是小于或等于20%（对于大于零的目标差异）。其结果是基于目标差异和他们得分的目标数量。剩下的百分数奖励给获胜者。例如，2-1场比赛的比赛结果分别为84%-16%，4-3场比赛的比赛结果为82%-18%，8-3场比赛的比赛结果为96.2%-3.8%。因此，即使他们赢得比赛，球队也有可能失分，假设他们没有赢得足够的胜利。

如果比赛以平局结束，球队将获得相同的结果，但数量取决于得分目标，因此结果不一定总和为100%。例如，0-0平局每队获得47%的收入，1-1平局每场获得50%，4-4平局每场获得52.5%。

进球

以下是从非胜者的角度（落败或和局）。获胜队伍的因素最多可达100%。

	进球差
	0	1	2	3	4	5	6 /+
非胜队的进球数	给予比例(百分比)
0	47	15	8	4	3	2	1
1	50	16	8.9	4.8	3.7	2.6	1.5
2	51	17	9.8	5.6	4.4	3.2	2
3	52	18	10.7	6.4	5.1	3.8	2.5
4	52.5	19	11.6	7.2	5.8	4.4	3
5	53	20	12.5	8	6.5	5	3.5

胜者可以获得

	进球差
	1	2	3	4	5	6 /+
落败队伍的进球数	给予比例(百分比)
0	85	92	96	97	98	99
1	84	91.1	95.2	96.3	97.4	98.5
2	83	90.2	94.4	95.6	96.8	98
3	82	89.3	93.6	94.9	96.2	97.5
4	81	88.4	92.8	94.2	95.6	97
5	80	87.5	92	93.5	95	96.5

中立场或主客场

在历史统计上，主队获得66％的积分，而客队获得34％的积分。

这也有助于定义缩放常数c，其值为200。除了导致预期结果差异为64%-36%的100点差异外，还导致会有300积分的差异，导致预期结果为85%-15%。

比赛系数

重要比赛	重要比赛系数(M)	K-value
国际足联女子世界杯比赛	4	60
女子奥运足球比赛	4	60
女子世界杯外围赛	3	45
女子奥运会外围赛	3	45
女子洲区决赛圈	3	45
女子洲区外围赛	2	30
两队间前10友谊赛	2	30
友谊赛	1	15

国际足联世界排名

2018年6月10日，国际足联公布了最新的排名系统：

$$P=P_{\text{before}}+I(W-W_{e})$$

其中：

$P_{before}$ – 球队比赛前的积分
I – 赛事重要性系数：
- 05 – 于国际赛期期间以外的友谊赛
- 10 – 于国际赛期期间之内的友谊赛
- 15 – 国家联赛赛事（小组赛）
- 25 – 国家联赛赛事（附加战平决赛）
- 25 – 洲际赛预选赛赛事、世界杯预选赛
- 35 – 洲际赛决赛圈赛事（四分之一决赛阶段以前）
- 40 – 洲际赛决赛圈赛事（四分之一决赛阶段以后）
- 50 – 国际足联世界杯赛事（四分之一决赛阶段以前）
- 60 – 国际足联世界杯赛事（四分之一决赛阶段以后）
W – 比赛成绩：(假如一场赛事最终分出胜负，但仍然需要进行点球大战（意即两回合中的次回合赛事），这会被视为一场常规赛的胜负，而点球大战成绩不会计算。)
- 0 – 于常规时间或加时赛后落败
- 5 – 战平或于点球大战落败
- 75 – 于点球大战胜出
- 1 – 于常规时间或加时赛后胜出
We – 赛事之预计赛果：$W_{e}=\frac {1}{10^{-{\frac {dr}{600}}}+1}$,其中 dr 是两支球队之间比赛前的评分差

Glicko评分系统

Glicko评分系统（英文：Glicko rating system）及Glicko-2评分系统（英文：Glicko-2 rating system）是评估选手在比赛中（如国际象棋及围棋）的技术能力方法之一。此方法由马克·格利克曼发明，原为国际象棋评分系统打造，后作为等级分评分系统的改进版本广泛应用。格里克曼在此算法中的主要贡献是“评分可靠性”（Ratings Reliability，简称RD），即评分标准差（Ratings Deviation）。

Glicko与Glicko-2评分系统被发表至公有领域。诸多在线游戏服务器（如《Pokémon Showdown》、《Lichess》、《自由互联网国际象棋服务器》、《Chess.com》、《在线围棋服务器（页面存档备份，存于互联网档案馆）》[1]、《反恐精英：全球攻势》、《军团要塞2》、《刀塔霸业》、《激战2》、《Splatoon 2》及《皇舆争霸》）和多个竞技性编程比赛都采用此种评分方法。[2]Glicko所使用的算法可在其网站上找到。

算法中，评分可靠性用于测量选手的评分，一评分可靠性（评分标准差）相当于一标准差。举个例子，一名评分为1500分的选手，其评分可靠性为50，表示有95%的可能性这名选手的真实实力约在1400至1600分（1500分的两个标准差）之间。选手的实力区间需增加并减去评分中的两个评分标准差来计算。在比赛结束后，选手的实力评分的波动根据评分标准差来计算：当选手的评分标准差较低（选手的评分已较为准确）或其对手的评分标准差较高时（对手的真实实力无法确定）时，选手的评分波动也较小。评分标准差将在比赛后减小，但将在一段时间不活跃后渐渐增大。

Glicko-2是Glicko评分系统的改进版本，引进了评分挥发度$\sigma$（Rating Volatility）的概念。澳大利亚国际象棋联盟采用稍加修改版的Glicko-2评分系统。

Glicko

Elo系统的问题在于无法确定选手评分的可信度，而Glicko系统正是针对此进行改进。假设两名评分均为1700的选手A、B在进行一场对战后A获得胜利，在美国国际象棋联赛的Elo系统下，A选手评分将增长16，对应地B选手评分将下降16。但是加入A选手是已经很久没玩，但B选手每周都会玩，那么在上述情况下A选手的1700评分并不能十分可信地用于评定其实力，而B选手的1700评分则更为可信。

虽然很多情况下并不是这么极端，但我觉得把选手评分的可信度考虑进入是很有必要的。因此Glicko系统扩展了Elo，将不再是仅计算选手评分（可以视为选手实力的“最佳猜测”），还加入了“评分误差”（RD，ratings deviation），从统计术语的概念来说，RD用于衡量一个评分的不确定度（RD值越高，评分越不可信）。高RD值意味着选手并不频繁地进行对战，或者该选手仅进行了很少次数的对战，而低RD值说明选手会很经常地进行对抗比赛。

在Glicko 系统中，选手的评分仅根据对战的结果而改变，但其RD值改变同事取决于游戏结果和未进行游戏的时间长度。该系统的一个特征是游戏的结果经常会减少选手的RD值，而未进行对战的时间则经常会增长选手的RD值。造成这个现象的原因是因为选手玩的局数越多，关于选手能力的信息就学习到越多，评分也就越真实；而随着时间流失，我们对玩家实力就越不确定，反映在RD值上就是增长。

一个很有趣的发现是在Glicko系统中，双方评分的变化并不像Elo那样经常是相同的。例如A选手的评分增长了X，在Elo系统中对手B的评分会减少X，而在Glicko系统中并非如此。实际上，在Glicko中，对手B的评分减少取决于双方的RD值。

由于Glicko系统会同时用评分和RD值、以区间的形式评定选手实力，因此相较于仅使用评分更具有实际意义。此处应用95%置信区间，那么区间下限是选手评分减去2倍的RD值，区间上限是选手评分加上2倍的RD值。例如一个选手的评分是1850、RD值是50，那么他的实际实力区间为1750~1950。选手的RD值越小，该区间越窄，也就是说我们有95%的把握可以确定选手的实力在一个较小的区间值。

为了应用该算法，我们需要对发生在同一个“评分周期（rating period）”的所有游戏进行计算。一个评分周期可以长达数月，也可以短到一分钟。在前面的例子中，选手的评分和RD值在评分周期的一开始是已知的，对战的结果是可观测的，那么在评分周期结束时就可以根据计算更新选手的评分和RD值（同时该值可以作为下一评分周期的前置评分和RD）。当每个选手在评分周期中稳定地进行5~10局对战时，Glicko系统表现得最好。评分周期的时间长度由相关人员自行设定。

若选手没有评分，则其评分通常被设为1500，评分标准差为350。

测算标准差

新的评分标准差RD可使用旧的评分标准差$RD_{0}$计算：

$$RD=\min ({\sqrt {{RD_{0}}^{2}+c^{2}t}},350)$$

t为自上次比赛至现在的时间长度（评分期），350则是新选手的评分标准差。若选手在一个评分期间内进行了多场比赛，此算法会将进行的比赛作为一场看待。评分期根据选手进行比赛的频繁程度，可能长至七个月，短至几分钟。常数c根据选手在特定时间段内的技术不确定性计算而来，计算方法可能通过数据分析，或是估算选手的评分标准差将在什么时候达到未评分选手的评分标准差得来。若一名选手的评分标准差将在100个评分期间内达到350的不确定度，则评分标准差为50的玩家的常数c可通过解$350=\sqrt {50^{2}+100c^{2}}$的方式计算而来。或$c=\sqrt {(350^{2}-50^{2})/100}\approx 34.6$

测算新评分

在经过m场比赛后，选手的新评分可通过下列等式计算：

$$r=r_{0}+{\frac {q}{{\frac {1}{RD^{2}}}+{\frac {1}{d^{2}}}}}\sum _{i=1}^{m}{g(RD_{i})(s_{i}-E(s|r_{0},r_{i},RD_{i}))}$$

其中：

$g(RD_{i})=\frac {1}{\sqrt {1+{\frac {3q^{2}(RD_{i}^{2})}{\pi ^{2}}}}}$
$E(s|r,r_{i},RD_{i})=\frac {1}{1+10^{\left({\frac {g(RD_{i})(r_{0}-r_{i})}{-400}}\right)}}$
$q=\frac {\ln(10)}{400}=0.00575646273$
$d^{2}=\frac{1}{q^{2}\sum _{i=1}^{m}{(g(RD_{i}))^{2}E(s|r_{0},r_{i},RD_{i})(1-E(s|r_{0},r_{i},RD_{i}))}}$
$r_{i}$表示选手个人的评分；
$s_{i}$表示每场比赛后的结果。胜利为1，平局为$\frac {1}{2}$，失败为0。

测算新评分标准差

原先用于计算评分标准差的函数应增大标准差值，进而反应模型中一定非观察时间内，玩家的技术不确定性的增长。随后，评分标准差将在几场游戏后更新：

$$RD’=\sqrt {({\frac {1}{RD^{2}}}+{\frac {1}{d^{2}}})^{-1}}$$

Glicko-2

Glicko-2 系统中的每个玩家都有一个评分 r、一个评分偏差 RD 和一个评分波动率$\sigma$。波动性度量表明玩家评级的预期波动程度。当球员表现不稳定时（例如，当球员在稳定一段时间后取得了异常强劲的成绩）时，波动性衡量指标较高，而当球员表现稳定时，波动性衡量指标较低。与最初的 Glicko 系统一样，通常以间隔的形式总结球员的实力（而不仅仅是报告评级）。一种方法是报告 95% 的置信区间。区间中的最小值是玩家的评分减去两倍的RD，最高值是玩家的评分加上两倍的RD。因此，例如，如果某个玩家的评分为 1850，RD 为 50，则该区间将从 1750 到 1950。那么我们可以说我们有 95% 的把握认为该玩家的实际实力在 1750 到 1950 之间。当 a球员的 RD 较低，区间会很窄，因此我们有 95% 的信心认为球员的实力处于较小的数值区间。波动率度量没有出现在这个区间的计算中。

计算方法

为了应用评级算法，我们将“评级期”内的一组游戏视为同时发生。玩家在评级期开始时会有评级、RD 和波动率，将观察游戏结果，然后在评级期结束时计算更新的评级、RD 和波动率（然后将其用作预-后续评级期的期间信息）。 Glicko-2 系统在评级周期中的游戏数量中等到大时效果最佳，例如在评级周期中每个玩家平均至少玩 10-15 场游戏。评级期的时间长度由管理员自行决定。 Glicko-2 的评分量表与原始 Glicko 系统的评分量表不同。但是，很容易在两个尺度之间来回切换。以下步骤假设评级是在原始 Glicko 量表上，但公式会转换为 Glicko-2 量表，然后在最后转换回 Glicko。

步骤 1. 在评分期开始时确定每个玩家的评分和 RD。系统常数$\tau$限制了波动率随时间的变化，需要在应用系统之前设置。合理的选择介于 0.3 和 1.2 之间，但应测试系统以确定哪个值会导致最大的预测准确性。较小的 $\tau$ 值可防止波动性度量发生大量变化，从而防止基于非常不可能的结果的评级发生巨大变化。如果预计 Glicko-2 的应用涉及极不可能的游戏结果集合，那么 $\tau$ 应该设置为一个小值，甚至小到，比如，$\tau$ = 0.2。

如果玩家未评级，将评级设置为 1500，将 RD 设置为 350。将玩家的波动率设置为06（该值取决于特定的应用程序）。
否则，使用玩家最近的评分、RD 和波动率$\sigma$

步骤 2. 对于每个玩家，将评分和 RD 转换为 Glicko-2 量表：

$$\mu = (r – 1500)/173.7178$$

$$\phi = RD/173.7178$$

$\sigma$的值，即波动率，不会改变。

我们现在想用 (Glicko-2) 评分 $\mu$、评分偏差$\phi$和波动率$\sigma$更新玩家的评分。他与 m 个等级为$\mu_1,…\mu_m$的对手对战。评分偏差$\phi _1,…,\phi _m$。让$s_1,…,s_m$是对每个对手的得分（0 表示失败，0.5 表示平局，1 表示胜利）。对手的波动率与计算无关。

步骤 3. 计算v。这是仅基于比赛结果的球队/球员评分的估计方差。

$$v=[\sum_{j=1}^{m} g(\phi_{j})^{2} \mathrm{E}(\mu, \mu_{j}, \phi_{j})\{1-\mathrm{E}(\mu, \mu_{j}, \phi_{j})\}]^{-1}$$

其中：

$$g(\phi) =\frac{1}{\sqrt{1+3 \phi^{2} / \pi^{2}}}$$

$$\mathrm{E}(\mu, \mu_{j}, \phi_{j}) =\frac{1}{1+\exp (-g(\phi_{j})(\mu-\mu_{j}))}$$

步骤 4. 通过将前期评分与仅基于游戏结果的表现评分进行比较，计算$\Delta$，即评分的估计改进。

$$\Delta=v \sum_{j=1}^{m} g(\phi_{j})\{s_{j}-\mathrm{E}(\mu, \mu_{j}, \phi_{j})\}$$

g()和 E()在上一个步骤已经定义过了。

步骤 5. 确定波动率的新值$\sigma ^{‘}$。这个计算需要迭代。

1.让$a=\ln(\sigma^2)$，并定义

$$f(x)=\frac{e^{x}(\Delta^{2}-\phi^{2}-v-e^{x})}{2(\phi^{2}+v+e^{x})^{2}}-\frac{(x-a)}{\tau^{2}}$$

此外，定义收敛容差$\varepsilon $。值 $\varepsilon = 0.000001$ 是一个足够小选择。

2.设置迭代算法的初始值。

设置$A=a=\ln(\sigma^2)$

如果$\Delta ^2 > \phi ^2 + v$，设置$B=\ln(\Delta ^2-\phi ^2-v)$。

如果$\Delta ^2 \leq \phi ^2 + v$，执行以下迭代：

让k=1
如果$f(a-k\tau )<0$，然后设置k=k+1，然后继续执行(2)

设置$B= a-k\tau$，选择值 A 和 B 来减小ln(\sigma^2)。

3.让$f_A = f(A)$和$f_B = f(B)$

4.当$|B-A|>\varepsilon$，执行以下步骤。

(a)让$C=A+(A-B)f_A/(f_B-f_A)$，让$f_C=f(C)$。
(b)如果$f_Cf_B<0$，然后设置$A \leftarrow B$和$f_A \leftarrow f_B$；否则，只需设置$f_A \leftarrow f_A/2$。
(c)设置$B \leftarrow C$ 和$f_B \leftarrow f_C$
(d)如果$|B-A| \leq \varepsilon$停止，否则重复以上三步。

5.一旦$|B-A| \leq \varepsilon$，设置$\sigma ^{‘} \leftarrow e^{A/2}$

步骤 6. 将评级偏差更新为新的预评级期值，\phi ^*。

$$\phi ^* = \sqrt{\phi ^2+\sigma ‘^{2}}$$

步骤 7. 将评级和 RD 更新为新值$\mu ‘$和$\phi ‘$：

$$\phi^{\prime} =1 / \sqrt{\frac{1}{\phi^{* 2}}+\frac{1}{v}} $$

$$\mu^{\prime} =\mu+\phi^{\prime 2} \sum_{j=1}^{m} g(\phi_{j})\{s_{j}-\mathrm{E}(\mu, \mu_{j}, \phi_{j})\}$$

步骤 8. 将评分和 RD 转换回原始比例：

$$r’=173.7178u’+1500$$

$$RD’=173.7178\phi ‘$$

请注意，如果玩家在评分期间未参加比赛，则仅适用第 6 步。在这种情况下，玩家的评级和波动率参数保持不变，但 RD 根据：

$$\phi^{\prime}=\phi^{*}=\sqrt{\phi^{2}+\sigma^{2}}$$

TrueSkill

在电子竞技游戏中，特别是当有多名选手参加比赛的时候需要平衡队伍间的水平，让游戏比赛更加有意思。这样的一个参赛选手能力平衡系统通常包含以下三个模块：

一个包含跟踪所有玩家比赛结果，记录玩家能力的模块。
一个对比赛成员进行配对的模块。
一个公布比赛中各成员能力的模块。

事实上目前已经有的游戏评分系统是Elo评分，但是Elo评分仅只是两名选手参加的游戏。TrueSkill系统是基于贝叶斯推断的评分系统，由微软研究院开发以代替传统Elo评分，并成功应用于Xbox Live自动匹配系统。TrueSkill评分系统是Glicko评分系统的衍伸，主要用于多人游戏中。TrueSkill评分系统考虑到了你水平的不确定性，综合考虑了玩家的胜率和可能的水平涨落。当玩家进行了更多的游戏后，即使你的胜率不变，系统也会因为对你的水平更加了解而改变对你的评分。

相较Elo评价系统，TrueSkill的优势在于：

适用于复杂的组队形式，更具一般性。
置于更完善的建模体系，容易扩展。
继承了贝叶斯建模的好的特点，如模型选择等。

怎样进行能力计算

TrueSkill排名系统是针对玩家能力进行设计的，以克服现有排名系统的局限性，确保比赛双方的公平性，可以在联赛中作为排名系统使用。它为玩家排名使用的为贝叶斯定理。系统的特点是假设每一个玩家的能力不是固定的，其能力水平的表现为一个钟型曲线（正态分布或高斯分布）。

绿色区域15～20代表了Ranking System对的评分。可以看出系统的评分是比较保守的。$\sigma$越小则越靠近$\mu$，相应的玩家的能力水平就较高。总的来说玩家的水平受“平均得分”和“玩家稳定性”综合影响。

由于TrueSkill排名系统使用高斯信仰分布来描述一个玩家的能力，也就意味着玩家的能力始终落在4倍的$\sigma$内（概率为99.993666%）。从微软追踪的65万玩家数据显示，有99.99%都落在了3倍的$\sigma$内。有趣的是，TrueSkill排名系统可以使用1作为最初的不确定性做所有的计算，将相乘$\mu$和$\sigma$可以缩放到任何其他的范围。假设所有的计算都以初始值$\mu$=3和$\sigma$=1，如果一个玩家有50级，几乎所有的$\mu$的发生是在±3倍的初始$\sigma$，$\sigma$可得50/6 = 8.3。两个玩家最大的区别在于$\mu$值得大小。假设$\sigma$相当，那么$\mu$高的玩家赢得机会就越大，这一原则也适用在TrueSkill排名系统。但并不表示$\mu$高的就一定会赢。在单个的配对比赛中，玩家的个人表现与玩家的能力是相当的，游戏结果也是有个人表现决定的。因此，可以认为能力的一个玩家在TrueSkill的排名是在大量游戏中的平均表现。个人表现的变化原则是能力表现的一个参数。

怎样更新能力值

TrueSkill排名系统只会根据比赛结果更新$\mu$和$\sigma$，它假设的情况为一个玩家的表现围绕着他的能力水品进行变化，如果一个玩家玩一个基于点数的游戏，他战胜了所有的其他10个对手和他和战胜了另外一场比赛只有一个对手的积分是一样的，但是这样两场比赛确实反映了不同选手的能力情况。通常会使$\sigma$下降。在计算一场新的比赛结果之前，TrueSkill排名系统会计算比赛的排名与选手在比赛前的排名的变化情况。排名的变化最终影响了玩家技能的不确定性$\sigma$。这个参数可以被TrueSkill用来记录玩家的技能的变化。并且$\sigma$永远不可能为0。

下面这张表格来自微软研究院，此表格给出了8个新手在参与一个8人游戏后$\mu$和$\sigma$的变化。

这里有个很有意思的现象：注意第四名Darren和第五名Eve，他们的$\sigma$是最小的，换句话说系统认为他们能力的可能起伏是最小的。这是因为通过这场游戏我们对他们了解得最多：他们赢了3/4个人，也输给了4/3个人。而对于第一名Alice，我们只知道她赢了7个人。如果想知道更详细的定量分析可以先考虑最简单的两人游戏情况。

$$\begin{aligned}&\mu_{winner} \longleftarrow \mu_{winner}+\frac{\sigma_{winner}^{2}}{c} * v(\frac{\mu_{winner}-\mu_{loser }}{c}, \frac{\varepsilon}{c}) \\&\mu_{loser} \longleftarrow \mu_ {loser}-\frac{\sigma_{loser}^{2}}{c} * v(\frac{\mu_{winner}-\mu_{loser}}{c}, \frac{\varepsilon}{c}) \\&\sigma_{winner}^{2} \longleftarrow \sigma_{winner}^{2} *[1-\frac{\sigma_{winner}^{2}}{c} * w(\frac{\mu_{vinner}-\mu_{loser}}{c}, \frac{\varepsilon}{c}). \\&\sigma_{loser}^{2}<\sigma_{loser}^{2} * [1-\frac{\sigma_{loser}^{2}}{c} * w(\frac{\mu_{winner}-\mu_{loser}}{c}, \frac{\varepsilon}{c}). \\&c^{2}=2 \beta^{2}+\sigma_{winner}^{2}+\sigma_{loser}^{2}\end{aligned}$$

在上述的方程式中，唯一未知的就是选手的表现。另外还有就是游戏的模式。系数$\beta ^2$代表的是所有玩家的平均方差。v(.,.) 和w(.,.)是两个函数，比较复杂。$\varepsilon $是个与游戏模式有关的参数。简而言之，你赢了$\mu$就增加，输了$\mu$减小；但不论输赢，$\sigma$都是在减小，所以有可能出现输了涨分的情况。

怎样进行选手匹配

势均力敌的对手能带来最精彩的比赛，所以当自动匹配对手时，系统会尽可能的为你安排可能与水平最为接近的玩家。TrueSkill评分系统采用了一个值域为(0,1)的函数来描述两个人是否势均力敌：结果越接近0代表差距越大，越接近1代表水平越接近。假设有两个玩家A和B，他们的参数为$(\mu _{A},\sigma _{A})$和$(\mu _{B},\sigma _{B})$，则函数对这两个玩家的返回值为

$$e^{-\frac{(\mu_{A}-\mu_{B})^{2}}{2 c^{2}}} \sqrt{\frac{2 \beta^{2}}{c^{2}}}$$

c的值由如下公式给出

$$c^{2}=2 \beta^{2}+\mu_{A}^{2}+\mu_{B}^{2}$$

如果两人有较大几率被匹配在一起，光是平均值接近还不行（e指数上那一项），还得方差也比较接近才行（d）。

怎样创建能力排行榜

TrueSkill假设玩家的水平可以用一个正态分布来表示，而正态分布可以用两个参数：平均值和方差来完全描述。设Rank值为R，代表玩家水平的正态分布的两个参数平均值和方差分别为$\mu$和$\sigma$，则系统对玩家的评分即Rank值为 R=$\mu$-k*$\sigma$。k值越大则系统的评分越保守。在Xbox Live上，系统为每个玩家赋予的初值是$\mu = 25$以及 $\sigma = 25/3$，k=3。所以玩家的起始Rank值为R=25-3*25/3=0。

参考链接：

如何看待「我国电竞人才缺口达50万」？电竞人才具体指哪些方面？打游戏算吗？

Fri, 23 Jul 2021 00:00:00 CST

中国电竞这块，是目前唯一一个形成了彻底生态闭环的产业。

即所有的公司其实都是一条绳子上的附庸而已，从最顶端的游戏发行，到最低端的媒体宣发，再到渠道、直播、周边，全部都被一统江山。

一统江山的意义就是——他不需要生态建设，不需要人才进入，不需要开出高工资，只需要维持这个生态就可以了。

上海这种地方，小公司电竞岗给你开六七千的比比皆是，大一点的公司好一点，但也不会达到所谓的平均水平。

打游戏跟电竞可能是一码事，但游戏和电竞是完全两种东西。

电竞企业里90%都是媒体，而媒体的用处就是发通稿和提供人力来解决生态链人力不足的问题，因为没有任何难度所以谁都能做所以工资可以开的非常低所以人员流动非常恐怖，反正谁都能上，不是吗？

50W人才缺口什么概念，中国活跃的程序员数量也才300W左右（来自博客园数据），就算加上学生军，也就在400W~500W上下。

300W程序员撑起了高达30W亿的数字经济——50W电竞从业者我要求也不高，撑个一万亿试试？

然而真正权威的统计全球电竞产值也就10亿刀左右，折合人民币60亿，就算这60亿全发工资，按照一人一年10W块钱工资的平均水平，全球电竞从业者也就6W人。

更何况产值还不仅仅是发工资。

如果你要问我电竞产业有多少人，我只能说，按照我的估计，把选手、俱乐部、媒体方面所有公司捆在一起，中国可能有2~3W人从事电竞行业，假设平均工资10W，也就是30亿左右工资，倒过来产值应该在50~60亿左右——实际上这已经偏高了。

50W人，就意味着光发工资一年都得发出去五百亿（按照平均10W薪水），你要觉得可能，那你随意，良言难劝好死鬼。

除了大企业的电竞部门（比如哔哩哔哩、腾讯、网易）之类，其他任何电竞岗位一律不要想，除非你家里有矿或者真的是韩服千分王者，你随意。

否则，遇到给你推销电竞的，就赶快跑。

说实话，很多评论看了很好笑，这就是我觉得国内哪些胡说八道的公司是没救了的原因。

" width="2132"> " width="769">

直接去搜索Newzoo的报道吧，这家数据在游戏电竞领域是非常权威的。

你们不懂这个千亿数据是怎么来的，我来告诉你，因为TM有一些数据是怎么编的我都知道。

这个千亿是这么来的——首先游戏直播算电竞吧，编进去，然后网吧打游戏的算电竞吧，也给你编进去，然后电竞游戏的收入也算电竞吧，也编进去。

于是一个王者荣耀就给电竞增加了200亿的产值——王者荣耀+英雄联盟+和平精英三款游戏产值就四百个亿了。

50W缺口是拍脑袋写出来的，根本没有任何统计数据，到底工资多少你们可以去问问在电竞圈内做了很多年的。

我跟 @尹天两个人加起来在电竞这块做了十年，为什么现在都想跑路？

真赚钱何苦搞成这样？

如果现在还是要去，那还真的是良言难劝好死鬼，随意吧。

2020双跨平台再进5席，工业互联网已是“巨头游戏”？

Sat, 02 Jan 2021 22:20:00 CST

地理大发现，又名大航海时代或探索时代、新航路的开辟。

在这个时期，欧洲的航海家们在王室的支持下，组织船队向世界各处的海洋航行，探索新的贸易路线和寻找新的贸易伙伴。

在今年，类似的盛况也出现在了工业互联网领域。工业互联网平台们在市场巨头或区域政府的支持下，逐步整合生态资源，向各个产业领域出发，探索新的产业发展路径与寻找新的产业生态合作伙伴。

前不久，国家工信部公示2020年跨领域跨行业工业互联网平台清单，在2019年的十大双跨平台的基础上再添5席，成为本年度工业互联网平台发展的标杆。

不难发现，从第一梯队的情况来看，目前入选的国家级跨行业跨领域工业互联网平台基本都是各行各业的巨头在引领发展。那么，是否也就意味着工业互联网的发展只是巨头博弈的游戏？

双跨平台再进5席，全是巨头入场？

诚然，在2019年十大双跨工业互联网平台的榜单上，工业互联网平台第一梯队已经展露明显的巨头引领的特征。伴随着2020年双跨平台清单的公示，这一特征愈发显著。

简单从2020新入选的5家工业互联网平台的基本情况来看，其背后站着无一不是各行各业的巨擘。

腾讯WeMake工业互联网平台：该平台作为腾讯云面向工业行业，整合云产品、优图工业AI、大数据中心、物联网中心、微瓴、企业微信、企点等多个内部产品，以平台载体将产品能力对外输出而打造的工业互联网平台，其背后予以生态支持的腾讯自不必细说。

忽米H-IIP工业互联网平台：重庆忽米网络科技有限公司是宗申产业集团旗下的合资公司。宗申始创于1982年，是一家老牌科工贸企业，以发动机技术闻名，又集研制、开发、制造和销售于一体，产业优势显著。在其从传统制造业向“产融网”三位一体转型升级进程上，忽米成为其向工业互联网领域推进的重点业务。

宝信xIn3Plat工业互联网平台：宝信软件是宝钢股份控股的上市公司，隶属于中国宝武集团。作为中国最大、最现代化的钢铁联合企业，中国宝武在钢铁行业实力雄厚。今年1月，宝钢股份宝山基地更是入选世界经济论坛的“灯塔工厂”网络，从制造端到平台端，宝信都有足够的经验、资源与技术去打造一个赋能钢铁生态圈的工业互联网体系。

supOS工业操作系统：蓝卓工业互联网由褚健教授创立，也是在中控集团27年的工业积累基础上成立的。中控集团作为国内工控系统领域具有领先地位的企业，在提出supOS工业系统的理念时，便做好了打造国产自主可控工业互联网平台的展望。

UNIPower工业互联网平台：紫光云引擎科技是紫光集团的合资企业。紫光集团声名显赫，目前是我国最大的综合性集成电路企业，在企业级IT服务细分领域排名中国第一、世界第二，实业与资本资源雄厚。同时新华三集团在新IT领域云计算、大数据、大互联、大安全的全方位能力也将为其在打造工业互联网平台提供全面的技术支持。

总的来说，犹如地理大发现时期，欧洲王室对航海家的支持一般，工业互联网平台的背后也同样站立着一批行业巨头，从产业资源、资本投入、技术研发、生态赋能等全方位予以支持，帮助其平台在这个工业互联网的“新航海时代”远航探索新的产业数智化转型路线。

工业互联网平台只是“巨头博弈”？

因此，聚焦工业互联网的头部平台，往往也会给外界一种“错觉”，似乎工业互联网领域只属于巨头，其他的中小企业很难参与进来。

是否真是如此？换个角度来说，在中小微企业之间为什么很难诞生一家工业互联网平台？

“智能相对论”在过去一年内与树根互联、浪潮云洲、海尔COSMOPlat等平台交流时，发现当前我国大部分的中小企业的IT基础都比较薄弱，表现为没有IT投入、没有TI团队、更没有IT运维人才等。这甚至直接成为了他们向产业数智化转型的桎梏，更别提孕育一个工业互联网平台。

事实上，工业互联网平台所需要的资源、技术、产业、资本等生态支持绝非一家中小微企业可以承担，所以市场上的工业互联网平台往往由地区携手巨头共建，进而赋能当地中小微企业，推动区域产业向数智化转型升级。

面对工业互联网平台诞生的大背景，树根互联向“智能相对论”表示，「进入工业4.0时代，随着IoT、AI、大数据、区块链等新技术大量应用，产能共享、节能分成、个性化定制等新商业模式兴起，单点的企业级竞争也转变为产业级竞争，传统的ERP已经不能满足产业发展的诉求，工业互联网平台已经成为工业制造业转型升级的新型基础设施。」

简单来说，工业互联网平台诞生的逻辑在于产业竞争环境的复杂化演变，向内驱动头部企业逐步整合生态资源，打造工业互联网平台，进而向外赋能成为中小微企业的数智化转型服务者。

这也就直接导致了工业互联网平台孵化于产业巨头的结果。但是，这也不意味着工业互联网只是一场巨头参与的游戏。

截止2020年9月末，全国登记在册市场主体共计1.34亿户（99%以上为中小微企业），同比增长9%。简单来说，在时代向数智化发展的大趋势下，市场主体持续增加，其中又以中小微企业居多，接下来工业互联网真正的参与者理应是这些中小微企业。

工信部对此予以了明确的指示。在2020年的跨领域跨行业平台评选细则上，便从各个模块透露出了国家对于工业互联网平台面向中小微企业赋能的要求。

其一，平台资源管理能力。双跨平台必须具备良好的用户基础，能够服务海量工业企业，为制造企业和解决方案提供企业赋能。对此，重点考量工业互联网平台的工业设备连接能力、工业微服务数量、服务企业数量、数据汇集量等等。

其二，平台应用服务能力。双跨平台的解决方案需要具有较高的应用效益和较强的应用推广能力，具有显著的应用效益，且能够在行业内甚至在行业间复制推广。

其三，平台基础支撑能力。双跨平台需要支持国家疫情防控，提供疫情监测、资源对接等服务，更要能够支持国家“六稳六保”在带动就业、吸引投资、促进外贸等方面发挥作用。特别是“六稳六保”中面向中小企业的赋能，更是成为双跨平台本年度的一大考核目标。

总的来说，无论是市场服务需要，还是国家上层引导发展，工业互联网平台都在极力倾向于服务中小微企业实现数智化转型升级，进而推动国家产业的整体向前。

结语

如今，工业互联网相比前几年已是火热。其中，工业互联网平台作为一个服务赋能型的产品，其本质便是一个巨头引领的生态。

事实上，作为一个新生事物，工业互联网的热议不在于是否是巨头博弈，其更重要的在于在完善工业数智化体系的过程中确定好市场角色的定位，即谁来建设，谁来服务，谁来参与等等主体问题，避免各自为战、重复建设等情况带来的资源浪费。

未来，伴随着工业互联网深化发展，必然还会有更多的地区和巨头入场，发布新的工业互联网平台，继续向其他行业的中小企业赋能，届时是“盛况”，还是“乱象”，都将成为工业互联网开启“探索时代”的一个必然吧。

*本文图片均来源于网络，不作为商业用途，如有侵犯，请作者与我们联系。

不赌为赢，但有些人赌博、游戏氪金不是为了赢，是为了迷失与忘却

Wed, 09 Dec 2020 14:05:21 CST

拉斯维加斯的赌场里，所有的工作人员，甚至安保临时工，都要经过 医疗培训才能上岗。他们最主要的技能，是需要熟练操作 心脏除颤器（AED）对倒下的病人进行第一时间的急救——这可以说是世界上对医护水平要求最高的非医护行业之一了。

1997年，拉斯维加斯赌场的保安在展示AED设备

| Lennox McLendon, AP

听起来挺合理的，毕竟在赌场一掷千金，的确非常刺激。突然心脏病发，好像也没什么不对。

但实际上， 赌城对急救的需求，不仅来源于赌场的“刺激”，还来源于 赌场的布局设计。

对一般人而言，拉斯维加斯的赌场就仿佛一个弯弯绕绕的迷宫。在一排排仿佛没有尽头的闪动的机器中间，没有人知道自己在哪儿，没有人能够描述自己的位置。 万一有人发病，叫了救护车，医护人员通常要花上大量的时间寻找病人。他们需要穿过一排排大同小异的机器，绕过沉迷于游戏中不肯挪动的玩家，终于找到病人的时候，宝贵的抢救时间已经所剩无几。每耽误一分钟，抢救成功率就下降10%。

上世纪90年代，拉斯维加斯所在的内华达州克拉克郡（Clark County），因急性心血管疾病死亡的人，是全美平均水平的三倍，其中有2/3发生在赌场。

唯一清楚赌场布局的人，是赌场的工作人员，他们只好组成抢救的第一条阵线。赌场员工不仅要负责第一时间的急救、争取宝贵的时间，还要指引医护人员进场。在培训政策被采纳之后的5年内，安保人员手中的AED救了上千条人的性命。

看起来很荒谬，这难道不是建筑设计布局规划问题吗？很不幸， 这个布局规划不是 bug（错误），而是 feature（特点），它才是赌场的精华。哪怕要让工作人员负责抢救、甚至冒着顾客死在里面的风险，也无论如何不能更改。“ 迷宫一样的赌场”——这并不是夸张的描述，而是真实的设计。这种“迷宫”正在拉斯维加斯这座城市，甚至全世界所有的赌场大规模地量产。

当然，在赌场里不幸遭遇急病的，只是很小一部分人，而 大部分人在迷宫里，是为了故意迷失自己，更彻底地抛却现实。

如何用机器量产上瘾？

纽约大学人类学教授娜塔莎·舒尔（Natasha Schull）在拉斯维加斯呆了很长一段时间，逡巡于各类赌场中，密切地考察这个行业的方方面面。她在《设计上瘾》（Addiction by Design）一书中指出， 这是一个不顾一切、大规模精确制造“成瘾机制”的行业。

从天花板到地板，从机器屏幕到按钮声效再到算法， 所有的一切，都是为了让人在此地尽可能多地花时间、并投入金钱。所有的一切——设计、数据分析、心理学、乃至神经科学，都在为此服务。

前面说到的迷宫般的设计，是有其道理的。早在70年代，赌场设计的先锋比尔·弗里德曼（Bill Friedman）就用“迷宫”（maze）这个词描述过他想象中的完美赌场。 一个迷宫让人沉浸，让人迷惑，让人分不清现实和想象。“就像汉姆林镇吹着魔笛的人引诱着小孩和老鼠一样，一个设计得恰好的迷宫能让成人也迷失其中。”他用剩下的几十年细致地考察了拉斯维加斯的赌场，写出来的书已经成为了赌城设计圣经一般的存在。

这几十年，也是拉斯维加斯“高科技赌场”突飞猛进的几十年。一个普通玩家走进这个光怪陆离的世界，立马会感受到一种愉悦的迷失。坐在老虎机前面的时候，老虎机边上的环境完全是“私人”的，那些弯弯绕的走道，不同角度机器摆出的死角，能够把人完全包裹起来，形成一个私密的空间。 即使在喧闹的赌场，坐在机器面前的人也能感到某种程度的安全和抽离。

故意摆放，制造出“拥挤一角”的机器。| Addiction by Design

而灯光 和声效也被严格控制着。研究表明，太亮的顶灯或者墙壁会让玩家更快地感到累——即使他们自己不觉得，但呆的时间也会变短。光尤其不能往额头上照，这也会额外消耗玩家的能量。不能有太吵的声音，控制在一定强度的音乐作为背景存在，留给玩家的就只有机器发出的哗啦和叮咚声，让他们的注意力完全放在游戏之上。甚至有公司专门设计赌场的音乐播放时间表，根据不同的时间、人群规模的大小，调整音乐播放的速度、强度，保证最舒适的效果。

几乎所有设计者最重要的目标，都是 延长玩家在“设备上的时间”（Time-On-Device）。声效与视觉效果的交互，椅子和机器视角的设计，这一切都是为了让人完完整整地“嵌”到机器里面去，浑然忘记自己身处何地。他们越是感受不到周围环境的存在，越是会花时间在机器上；而讽刺的是，所有的环境都是为了他们“感受不到”而设计的，一切都作用于潜意识。

娜塔莎·舒尔采访的一个赌场常客莫莉形容说，“就像置身于风暴中心， 只有你面前的机器是清晰的，其余整个外部世界都在绕着你和机器旋转……你和机器在一起，那就是你的全部。”

从“刺激”转向“沉迷”

为了让玩家花更长时间在机器上，机器设计甚至可以在“金钱”方面做出有限的让步。

过去几十年，在老虎机上一掷千金的人越来越少（那些豪客大多会去玩德扑或者21点之类），机器游戏也变得越来越“不刺激”了。下注从一美元，50美分，逐渐减少到了25美分、10美分，甚至有所谓的“一分注”机器——你可以一分一分地玩。

机器设计商通过分析数据之后得出， 比起大起大落，人们在小赢小输的机器上花的时间更多——当然，结局是肯定的，到头来你一定会把所有钱输完，这是老虎机的本质。

机械时代，设计一个精确控制输赢的机器其实很困难。而 到了数码时代，一切都可以通过程序来完成，最后变成一个概率的游戏。它不仅能够大致计算出你“该”什么时候赢什么时候输，还能够制造“差一点点就赢了”的假象，催着你再来一次。同样的，大量的用户数据也被用来指导机器的下一步设计，对用户的追踪能够更加精准地打击用户的“弱点”，将他们牢牢地吸在机器前。

与其说老虎机是“赌博”游戏，不如说是“ 强化反馈回路”的游戏。

这是什么意思呢？把一只小白鼠放在笼子里，面前摆一个按钮，只要按下，就会有食物被丢进笼子。久而久之，小白鼠就学会了这个“反馈”——按钮=食物。但如果这个按钮按下之后，不是每次都有食物，而是随机掉下食物，那么小白鼠便会疯狂地、频繁地按下按钮，即使它已经吃饱了。神经科学发现， 这种带有“不确定性”的刺激带来的反馈，比一般的正反馈要更加愉悦。而经过精确计算的“不确定性”，能够把这种愉悦无限放大，让人欲罢不能。

在如今的电子游戏和手机游戏里，这种设计十分普遍。不管是“流畅”的游戏走向，还是声效、音效的设计，亦或者所谓“沉浸”的游戏体验，都与拉斯维加斯的赌场有几分相似。所谓的“心流”（Flow）体验，心理学家将其解构为 自我的控制感、不断探索的欲望、愉悦的反馈，以及对时间的流逝失去感觉。游戏之所以能制造这种心流，不是因为高性能的配置带来的每秒帧数的增加，而是因为 各种反馈回路在交互中驯化了玩家的认知，让人觉得一切都如想象般顺畅地、无止境地发生着。

人类学家Natasha Schüll对赌博行业的观察

| Addiction by Design

奖赏也不可或缺。虽然赌博类的游戏在各个地方都受到严格管制，但诸如 “氪金”之类的设计，依然贯彻了“赌”的原则。“氪金”时，游戏会将抽卡掉落物品的（理论上的）比率告诉你。而玩家“氪金”的手，与其说是在追求抽50次会获得的稀有物品，不如说是 追求对不确定掉落的期待和兴奋。

但只有设计还不够，还需要有“人”。

人的逃避，机器的入侵

并不是每个人都会沉迷于赌博或者游戏， 心理疾病、人格特质乃至基因等等，都会影响一个人是否“上瘾”。从人而不是机器的角度思考，我们会发现什么呢？

实际上，拉斯维加斯赌场很大一部分客源（以及老虎机上大约1/3的收入），不是来此“一掷千金”的游客，而是 长期在此日以继夜赌博的“驻场赌客”（resident gambler）。驻场赌客们每周至少去赌2次，每次至少赌4小时。有些人一周5~7天都呆在赌场。赌场为这些赌客提供免费餐，免费停车，免费房间，甚至儿童保育托管。这些赌客们追求的，并不是通过赌博发财（显然，这是不可能的），亦不是休闲娱乐。 他们需要的，恰好是“逃离”、“遗忘”和“隐藏”。

娜塔莎·舒尔在访谈中发现， 相当一部分拉斯维加斯的“驻场赌客”，都是在这里工作的服务业人员。在一天长时间地与各种客人打交道之后，他们非常需要一个不需要和人讲话、可以完全隐藏自己的地方。 大部分人生活中也出现了各种各样的问题——财产问题，家庭问题，工作不顺，等等。他们在描述玩老虎机的体验的时候，最常用的词是“ 忘记”——不知道什么时间，不知道接下来要干什么，也忘却了自己的身份。而这些游戏给他们的体验，不是兴奋、刺激，而是无数多细碎的快感带来的确定性，甚至是平静。

赌场常客莫莉就表示，她赌博并不是为了“赢”——也许最开始抱有那种幻想，但早已不再如此奢望。她说，“我赌得越多，就越明白自己并无胜算。我变得更聪明，但也更脆弱，更停不下来。我不是为了赢而赌博，我继续赌博 只是为了继续玩下去，一直呆在那个没什么别的重要事情的赌博机前面。”

日本东京在玩pachinko的玩家 | Issei Kato, Reuters

诚然，游戏上瘾，看起来像是重复地、沉迷地做一件事情，大脑的某些反馈回路被强烈地激活、并对某些事物形成依赖。但将观察镜头放大、放远， 观察“上瘾者”的生活史，人们对上瘾也有了更加深刻的理解。

美国罗格斯大学（Rutgers University）商学院教授伊丽莎白·赫希曼（Elizabeth Hirschman）研究的是购物上瘾。她认为，这种强迫性的、重复性的动作—— 不管是停不了的买买买，还是嗑药喝酒—— 很可能是一个人对失控生活的“掌控”。在一个看不到未来、看不到希望的情境中，唯有上瘾能够给予最基本、最确定的回馈。

而赫尔辛基大学技术哲学家米娜·鲁肯斯坦（Minna Ruckenstein）认为，上瘾就仿佛在正常生活的时间线外，制造了 一个自我满足、完全自洽的回路，让人躲藏、逃避；让长期的困难和阻碍，在短期的满足中得以逐渐消融。 机器——不管是电子游戏，还是老虎机，甚至是手机——都能将这种回路无限地强化。

我们和机器的未来在哪里？

那这一切是机器的“错”吗？

技术无疑用一种聪明但充满陷阱的方式，回应了这个问题。赌博和游戏行业都将自己标签为“休闲行业”（recreation）。休闲行业，顾名思义，想象的是在一个理想的情景中，一个人回到家之后、放下沉重的负担，放松地玩上几次，小赌怡情，还有利身心。

然而， 对于处于困境中的、脆弱的群体而言，这样的设计， 能够迅速将人拖进一个虚拟的正反馈循环中，玩得越多不一定越快乐，但一定会越熟练，越确定，越能“掌控”那片小小的天地，就越无法从那片天地里脱身。

现实是一个残酷的负循环—— 虚拟的世界不断扩大，逐渐蚕食本就灰暗的现实；而现实越来越困难，又不断将人往虚拟世界推。一旦过了那个平衡点，有些人就再也出不来了

我们应该关注的，不仅仅是机器，也不仅仅是上瘾这个“疾病”，而是“ 人”本身，以及 人与机器之间逐渐扭曲的关系。

最常用于劝诫赌徒的一句话是“不赌为赢”——别上赌桌，你就赢了。但如果赌徒们追求的本来就不是赢呢？如果他们是恐惧于完全无法预测的现实人生，而宁可在一个规则明确、结果明确的地方一直呆下去呢？

娜塔莎·舒尔采访的另一个赌徒沙龙表示， 说来讽刺，人人都觉得是在赌“不确定性”的赌博机器，是他觉得“最可预测”的存在——你投下一枚硬币，得到五张新牌，按下按钮，你要么赢，要么输。再投下一枚硬币，得到五张新牌，按下按钮，要么赢，要么输……你可以永远重复这样确凿无疑的过程，只要你有足够的硬币就行。赌博机器给人的也许不仅仅是“可能会赢”的快感，更是一个时间、地点、社会身份都暂时停滞的“静止空间”， 在这个空间里， 只有 不变的机器和重复的过程。

著名哲学家唐娜·哈拉维（Donna Haraway）认为， 当下的人类，已经无法独立存在。 各种各样的技术，已经将我们变身为人与机器的赛博格（Cyborg）。硬盘和存储帮我们记忆、手机帮我们提醒和导航；社交网络帮我们表达快乐与愤怒。

我们和技术到底是什么关系？是让我们能更加理智地思考、清醒地决策，还是像赌场的老虎机一样，被侵入、被剥夺、被淹没？

我们是不是在逃离“他人即地狱”的时候，慌不择路地逃进了机器构建的新型地狱？

这需要我们每个人都放下手机，好好思考一下。

参考文献

[1]Schüll, N. D. (2014). Addiction by design: Machine gambling in Las Vegas. Princeton University Press.

[2]Chou, T. J., & Ting, C. C. (2003). The role of flow experience in cyber-game addiction. CyberPsychology & Behavior, 6(6), 663-675.

[3]Hirschman, E. C. (1992). The consciousness of addiction: Toward a general theory of compulsive consumption. Journal of Consumer Research, 19(2), 155-179.

[4]Ruckenstein, M. (2012). Temporalities of addiction. In Making sense of consumption. Selections from the 2nd nordic conference on consumer research (pp. 107-118).

[5]Haraway, D. (2006). A cyborg manifesto: Science, technology, and socialist-feminism in the late 20th century. In The international handbook of virtual learning environments (pp. 117-158). Springer, Dordrecht.

作者：李子

编辑：游识猷，Cloud

资深游戏从业者说：如何应对孩子玩游戏

Fri, 08 May 2020 13:57:40 CST

为什么要写这个话题：

1. 市面上分析这个问题的教育文章大多水平极低，大多数写作者完全没有游戏方面的知识，或者游戏方面的知识极为落后，给出的建议以鸡汤式居多，毫无可行性

2. 新冠导致了初中以下的孩子在家上课，获得了大量接触电子设备的机会，家长们则由于要复工很难对孩子进行有效监督

3. 大多数家长在这个问题上要么简单粗暴，影响亲子关系，要么姑息妥协，导致孩子沉迷游戏，这两种都是错误的

提一个简单的问题：你认为游戏对孩子最大的负面效果是什么？

一、让孩子沉迷游戏，不爱学习

二、使孩子接触暴力，色*等不良内容

三、占用孩子时间

四、孩子在游戏上乱花钱

答不出或者答不对这个问题的父母，你需要阅读本文。

注：本文默认只讨论男孩玩游戏问题，女孩玩游戏一般沉迷的较少，加上笔者自己也没有养过女儿555

国际惯例，嫌太长的只看本段就可以，要想正确应对孩子玩游戏，你需要了解以下几件事：

游戏最大的负面效果是占用孩子大量时间和精力

要和孩子沟通，了解孩子对游戏的兴趣点和玩家类型

控制孩子玩游戏最重要的手段是控制游戏设备

把最大的精力花在控制孩子玩社交型游戏上

驳斥和纠正孩子对于游戏的一些错误认识和借口

让爸爸多参与（或者其他男性角色）

先说最后一点，虽然笔者的粉丝是男性多，但是笔者赌5毛认真看本文的肯定是妈妈多，我国男性（包括我在内）日常逃避教育孩子，笔者曾经有个著名论断是凡单亲爸爸99%都是好男人。

但是在管理孩子玩游戏这个问题上，一个爸爸顶10个妈妈，请一定要让爸爸多参与！因为：

1. 孩子开始爱玩游戏的年龄段（8-15岁），妈妈的影响力处于下降段，男孩在不自觉的模仿爸爸的男性行为，有兴趣的可以去看李玫瑾老师的视频，这方面传统教育学讲的很透彻，不赘述。

2. 男性家长通常对设备的控制能力更强，本文的主要观点之一就是控游戏最重要是控设备

3. 男性家长通常对游戏的知识较多，这个年龄段的孩子都崇拜强者，只愿意和有共同语言的人沟通，妈妈这方面一般较差，孩子会觉得你根本不懂我在做什么，凭什么来管我。

所以如果你的孩子爱玩游戏，你是你们家最懂游戏的男人，你责无旁贷，请你出手。

回到第一个问题，你认为游戏对孩子最大的负面效果是什么？

由于传统媒体对于游戏知识的缺乏，社会舆论在这方面是完全跑偏的。传统媒体似乎认为，控制游戏最重要的是“控内容”，早期对游戏的负面舆论主要集中在两方面，一是不良内容，一是孩子乱充值。实际上大量家长现在面对的问题都和这两者无关，首先通过游戏获取不良内容的效率是极低的，你要安装，要下载，要注册，费这么半天劲就为了看两张图？稍微玩过点游戏的都知道，那些东西玩久了不管母猪还是貂蝉都是一个符号。我有这功夫搜索一下图片快多了好吗？至于暴力方面，麻烦你们看看现在的网文，金庸小说都比游戏暴力一百倍好不好，你有本事把网文都禁了嘛？人家美国不禁枪，有个枪击案还能甩锅一下给游戏，中国玩个吃鸡怎么模仿暴力，顶个平底锅？说到底还是主流媒体和部分家长对游戏的知识比较缺乏，实际上最暴力色*血*的全在主机和蒸汽上，你见过哪个孩子玩ps4沉迷的嘛？如果你真的要防止孩子接触不良游戏内容的话，多关注一下UGC类的就可以了，比如迷你世界，这种自定义能力比较强社交性也比较强的游戏才需要关注内容。

乱充值就更好解决了，现在是手机游戏的世界，大部分乱充值都是偷偷用家长支付宝付款的。移动时代有个最好的东西叫发行渠道，苹果手机的渠道就是苹果，华为手机的渠道就是华为，真的家庭困难孩子还乱充值找渠道退款就行了，一般都能退，大厂的游戏一般一定次数之内也能退，不给退发社交媒体肯定能退。作为游戏从业者，每次看到传统媒体炒作这个都觉得超级无聊——你不会申请退款嘛？

至于沉迷游戏，不爱学习，这个就更可笑了。学习是艰苦的劳动，你爱艰苦的劳动嘛？笔者作为一个男生，从小到大都是顶级学霸，笔者没有一天爱上课写作业考试。笔者大学本科毕业就顶着家里的压力坚决不读研读博，导致现在大学同学聚会笔者差不多是一屋子里学历最低的人，因为读书读够了。笔者给孩子的教育就是，读书读到你喜欢的部分固然好，但是大多数内容你可能都不喜欢，但是为了你将来能自食其力，麻烦你把这些东西都给我做完。如果你不想做，咱们家蓝翔有人，高中毕业咱就去蓝翔，挖掘机还是厨师随你挑，老爸期待在火神山工地上看到你。虽然笔者是真心觉得开挖掘机也没什么不好，今年可能比游戏行业还好混，但是这个年龄段男孩大部分都是想拯救世界的，要不也没那么多人爱看修仙小说了不是嘛？你让他以熟练操纵挖掘机为人生目的大多数人还是绝对不肯的。

所以，笔者在这里再次强调，游戏对于未成年人的主要负面作用在于占用时间，如果是玩比较激烈的游戏的话，那么是占用时间和精力，所以控制孩子游戏的最重要的原则是控时间。如果孩子每天有1个小时自由时间的话，他拿来玩游戏还是看小说还是看电视差别是不大的，反正是他的时间。但是为什么沉迷游戏这个问题特别突出呢？这是因为：

1. 在线游戏的抗打断性较差，换句话说，不能停。别说孩子了，恋爱婚姻阶段，如果女方不玩游戏，男方玩游戏基本是绝对的减分项，为什么？因为他打游戏的时候不鸟我嘛！一个人在看书，看剧，甚至打麻将，你跟他说话他是能暂停一下理你的，但是很多人玩在线游戏，特别是pvp类的就不行，这样家长就会非常恼火。另外也会比较难控制时间，他一定要这局完了才能结束，而不是到了某个时间点结束。所以我们说，可以的话，请尽量从小引导孩子玩非pvp对战类的游戏，你见过孩子沉迷旅行青蛙宾果消消乐的嘛？能停啊，写完作业接着玩啊。

2. 部分在线游戏的社交性较强，解释一下就是，本来你孩子也没很想玩，但是别人微信来喊他一起玩，他可能忍不住就玩了，而且如果很多人一起玩，喊人本身也很费时间。这其实就跟打麻将一样，你让你老公天天打QQ麻将，他沉迷不到哪去，他有几个牌搭子，那就是另外一回事了。所以我家的经验是除非我事先同意，严禁任何形式的朋友同学邀请我儿子线上一起玩游戏，线下聚会除外。这一点绝对不让步，如果我没有控制住他设备（见后文）的话，这件事我是准备闹到对方家长和学校也不妥协的，我认为这个比什么家长守护平台都重要。另外孩子会有一个共同话题的问题，也就是大家都聊游戏，他插不上嘴也是很痛苦的，所以他现在会看看直播或者视频。我觉得这个大家看开点吧，除非你准备用华为路由，否则只要有浏览器这个也是没法百分百拦得住的。但是这个沉迷性较差，也容易控制时间，所以还可以忍受。

3. “别人家的xxx也天天玩xxx游戏”，这里驳斥一个孩子们常见的错误观点，也是他们特别常用的一个玩游戏的借口。首先人的能力有高低，别人能轻松玩游戏不代表你能。这里通常有两种情况，一，别人家的xxx是学渣，这种情况下大多数家长都知道怎么办，正因为他天天玩游戏所以他是学渣嘛；二，别人家的xxx是学霸，这里稍微有迷惑性，强调一下，笔者从小到大是当顶级学霸长大的，这个年龄段的男学霸99%有一个共同特点就是爱吹b，表现在以下三个方面：

一、对外特别是同龄人，夸大自己的游戏时间

二、对外特别是同龄人，缩小自己的学习时间和学习努力，以上两点的共同作用就是显示自己智力上的优势，即我没怎么努力学习也学的很好，千万不要相信！事实上现在的很多学霸都是补课补出来的，但是补课没有什么可吹的，还是吹自己没补课靠天赋比较爽。

三、自我为中心，自己想玩游戏的时候特别喜欢拉别人一起玩，特别是喜欢拉比自己成绩差的人一起玩，这就跟漂亮女生找闺蜜经常会找长相普通的一样，实际上别人可能正常学习都需要努力了。

以上三点要跟你的孩子讲明白，要让他们认清“自古以来”“学霸”们的真面目。另外有个简单的办法就是找机会当着孩子和对方的家长问：“听说你家xxx在家经常玩游戏哦”，我告诉你，多数的学霸家长都是自尊心强，控制欲强，很要面子的类型，他绝对不会认他家孩子天天在家打游戏的，他会跟你说“哦，周末补课补了一整天了，给他玩了一个小时，平时不让玩的”，看，不攻自破了吧。

所以我们总结一下第一部分，控制孩子玩游戏的核心问题在于控时间，控时间的重要性远远大于控内容和控消费。

根据第一部分的结论，我们可以得出，越是占用孩子时间的游戏越需要加强控制，作为家长，你需要简单了解不同的游戏类型，对孩子的时间占用：

多人联网PVP游戏》》多人联网PVE游戏》=单人联网PVP游戏》单人联网PVE游戏》》单机游戏

分不清你孩子玩的游戏是哪个类型的，请咨询你身边玩游戏的男性亲戚朋友。重要的是，你要花时间去了解孩子玩的是什么游戏，对症下药，你的话孩子才听的进去，简单粗暴的一刀切没有用。

比如你孩子玩纪念碑谷，属于单机游戏，就玩吧。。。开发智力呢

比如你孩子玩旅行青蛙，属于单人联网PVE游戏，你就不太需要担心他花太多时间，就限制他某一个时间段可以玩，不要频繁的去看手机打断学习的连贯性就好。

比如你孩子喜欢玩多人联网PVP或者PVE游戏，还喜欢和朋友一起玩……这边建议您直接封号呢，亲……这时候必须控制住设备，控制不住就弃疗吧，下一部分会讲。

另外一点就是了解一下您孩子的玩家分类，游戏行业有个很古老的四分类方法，现在有点过时了，这里暂且拿来用一下：

成就型玩家，这里主要指PVE游戏的玩家，通过一些虚拟的积累获得成就感

竞技性玩家，这一类跟上一类差不多，但是乐趣来源主要来源于“我比别人强”或者“击败别人”的快感

现实中很多成绩不好的孩子会是这两类。对这两类玩家，如果家长对游戏了解不多，就很难纠正他们一些错误的观点，把他们从虚拟的成就中拉出来。

比如这个年龄段的孩子崇拜强者，我儿子以前常问的一个问题是，爸，你农药到钻石还是王者？你厉害，他会佩服你，你不行，他会笑话你，觉得你这么菜凭什么管我。大部分妈妈都会遇到类似的问题吧，这个时候，请拿起你们的淘宝，大部分妈妈我相信都是淘宝技能点满的吧。搜索xxx游戏+上分，代练，陪玩等关键词，跟客服聊一下价格就好（客服态度比一般淘宝店还好哦）。xx精英大概皇冠15块钱升一段，xx荣耀陪玩大概20-50一小时。所有PVP联网游戏的核心就在于通过不停的练习提高熟练度和技术水平，孩子通常会错误的认为他通过训练积累的游戏水平是很有价值/很厉害的，给他看价格，让他知道世界上有陪练/代练这回事。我大概花了几个月时间教育我儿子理解一般程度上游戏打得好是不值钱的，任何一个有正常收入的成年人也可以花钱雇4个高手80块一小时虐小学生，所以你游戏打的好是没什么了不起的。我还许过愿说你考试考到多少名我雇几个陪练陪你吃一晚上鸡，包爽，事实上开挖掘机的正式工8000一个月是有可能的，我跟他说你不如学好开挖掘机然后雇人陪你玩农药，他说我还是去读书吧……

探索型玩家，孩子是这种玩家最不用担心，因为本质上探索型玩家是消耗内容的，内容一般都有限，所以不需要担心占用时间。同样的年龄段，为什么女孩子比较少沉迷追星，或者即便追星对学习影响也较少？因为你喜欢xz，你大不了把陈情令找来看一遍，一遍也就完了，然后你再盯着微博天天搜xz，他每天的新闻终归是有限的，不会过多消耗你的时间。但是PVP型联网游戏是可以没完没了的玩下去，或者PVE型联网游戏可以没完没了的刷下去，这就影响很大了。

社交型玩家，这种刚才提过了，和朋友同学聊游戏可以，约游戏坚决禁止，实在无法阻止请通过控制设备严格控制这一类的游戏时间。

第二部分总结，对孩子游戏的控制严格程度：

社交型玩家》》竞技型玩家》成就型玩家》探索型玩家

记住这个结论就可以了

第三部分，也是本文的最重要观点，控制孩子玩游戏最核心的是控设备，控不住设备一切免谈！

所谓身怀利器，杀心自起，怀揣手机，必玩游戏。成年人都知道，孤男寡女共处一室，指望男人当柳下惠是没意义的，你把手机交到孩子手上，指望他不玩游戏，是不可能的。所以，请家长们注意以下几点：

1. 我坚决反对孩子在18岁之前拥有自己的手机，我很明确的跟我儿子讲，你18岁以后，用自己的劳动挣来的手机，自己合法收入包的号码，才是你的。在此之前，这个手机是我借给你的，号码也是我借给你的。你的压岁钱，长辈给的红包，你买吃穿用都可以，买书也可以，玩游戏不行，需要我同意。不信可以去问孩子爷爷奶奶，外公外婆，就算再宠孙子辈也很少说我给你的钱你可以拿去玩游戏。这点最好从娃娃抓起，首先这个手机概念上就不是你的，是家长的，要有自己的手机，请你有独立经济来源，在此之前，是我借给你的。这个很重要，因为只要孩子有了物权的概念，你要拿走就很困难，他也会觉得这个是我的，你别管。

2. 管理好设备的权限，很多妈妈这个不在行，请让你老公出手。首先手机类产品请尽可能用安卓，苹果产品的权限控制较差。比如我家常用的小米，有个软件叫风筝守护，基本上可以封掉所有下载安装游戏的渠道，华为也有类似的软件。

3. 平板类产品由于安卓平板较差，很多人家用ipad不可避免，也有很多人已经给孩子配置了苹果手机。对于苹果类的产品：

不允许更改开机密码，发现改了密码请立即收回设备，如果不想让父母看到微信内容，可以让孩子自己登出微信；

不允许孩子使用独立的苹果id，请使用家长的苹果id，并把同苹果id的另外一个设备上app自动下载功能打开，这样他下了app什么一目了然

设置为下载免费应用必须输入密码

设置为应用内购必须输入密码，应用内购请勿直接挂信用卡，用支付宝等请勿设置免密支付

设置为不可以用面容id或指纹验证苹果商店的密码

如果孩子没有独立设备，常用家长设备的，请将家长设备按以上设置。

使用家长设备的，不要把设备密码告诉孩子，有需要可以家长帮助输入密码。如果孩子通过各种手段得知了密码，请立即修改。

除非家长和孩子双方都同意他在某种情况下可以反复玩的游戏，请坚持把孩子每次新下载的游戏在玩过之后及时删除，相信我，每次玩游戏之前都需要下载是一件很麻烦的事情，邀请孩子玩游戏的伙伴很多时候都没耐心等他下载完，这种做法可以打消很多玩游戏的冲动。

这样设置之后解决不了用微信小程序玩游戏的问题，要解决请使用腾讯家长守护平台

所以苹果设备比安卓难控制多了，可以的话还是用安卓设备吧……

4.熟练掌握断网技能。由于主流pvp类游戏都是强联网的，有过男朋友/老公沉迷游戏经历且没有分手/离婚的应该都知道制止对方的继续游戏的最好方式就是拔网线。当然这里顺便教学一下，不影响双方关系的办法最好还是威胁拔网线而不是真的拔，比如你这局结束如果再开，我就拔网线这样。一个爱玩强联网pvp或pve游戏的人是绝对不能忍断网的，更狠的是他的队友也不能忍，所以你老被老婆/老妈拔网线就没人爱带你玩游戏了，这样其实更为有效。另外广大爸爸妈妈在孩子进到青春期之后会遇到一个问题，武斗你可能打不动了，这时候硬抢手机既伤感情又伤身体，不如直接断网。当然这里依然推荐预告本局后断网而不是直接断网，这样能够不要到伤害亲子关系。请熟练掌握：

宽带进你们家有个盒子，那个东西叫猫，拔掉猫的电源可以全家断网。

不想全家断网的，你们那个有天线的盒子叫路由，拔掉路由的电源可以路由范围内断网

使用手机联网继续游戏的，打10086，10010，10000可以停机，这就是为什么孩子必须使用家长身份注册的电话号码的一个重要原因，容易停机。

碰上孩子去把电源再接上的，你再拔就行了，他接的绝对没有你拔的快，而且老断线以后就没人带他玩了

不要因为家里有人在用网络不敢拔，现在4g流量很便宜，用掉的那点流量和比起拯救你孩子沉迷游戏来说什么都不是。

5. 对于PC设备和主机设备的控制。其实我国的审查政策很搞笑，对于客户端游戏和主机游戏审查最严，其实能玩这两种的大多数是成年人，要么就是父母比较懂游戏的未成年人，这些管的严毫无意义……举个例子，我现在40岁了，根本不敢在我父母家玩PC游戏。因为玩pc游戏非常容易被看出来，也非常容易被阻止，蹲厕所里或者钻被窝里吃鸡多方便啊。主机游戏就更别说了，你家小孩爱玩主机游戏说明对游戏比较有品味，家里也有人懂游戏，将来可以考虑往游戏行业发展，虽然现在游戏行业未必能好过挖掘机行业……总之pc设备只需要注意两点：

1. 你们家有台式机的话，证明有一个人是比较懂游戏的，请他负起管理设备和孩子玩游戏的责任

2. 孩子需要用笔记本的话，请买轻薄本，能流畅运行powerpoint和看视频即可，价格以不超过4000元为宜，最好没有独立显卡，看到描述或商品评价里有流畅运行lol或者吃鸡的别买。

3. 如果你家孩子用笔记本看视频，直播和小说过多的话，有种东西叫笔记本锁，把笔记本锁在家庭公共区域，如客厅，仍然不能阻止的话就拔网线吧。

总结一下，控制孩子玩游戏的核心是控设备！特别是控制移动设备！

最后特别说一个问题，关于游戏打的好可以当电竞选手/主播/从事游戏行业的观点。

很多孩子为了给自己打游戏找借口都会跟家长讲这种观点，很多家长也不是很了解，甚至不知道如何反驳。前文已经说过了，一般性的游戏打的好是没有什么价值的，代练的水平肯定高于一般小学生，也就是20-50元/小时，上海的钟点工大概是30-40元小时，你游戏玩到能当代练的水平也就跟家政阿姨收入差不多，我真觉得学好挖掘机再雇人陪你打游戏是更好的选择。

电竞选手就更别说了，很简单的道理，电竞选手需要的身体门槛比足球运动员为低，也就是说，同样情况下，你踢足球进中超的竞争可能都没有电竞选手的竞争激烈，踢足球好歹还能强身健体呢，所谓“刻鹄不成尚类鹜”，搞电竞不行就是“画虎不成反类犬”了。当主播也差不多吧，现在直播平台的红利期已经过了，小主播连保底工资都没有，很多都兼职陪玩代练，又回到上一条。

至于游戏行业，现在的行情，小厂不如开挖掘机，要么就出海，出海起码你得学好英语吧。大厂必然挑学历，倒是要懂游戏的，问题那也是从985，211里挑懂游戏的，你能上985再考虑懂游戏的问题吧。另外即便是鹅厂校招，你只玩农药吃鸡这种流行游戏也是加不了分的，起码主机单机都有涉猎才成，所以对大多数人来说，别多想靠游戏赚钱了，好好读书吧

全文总结：

一、游戏对未成年人最大的负面作用不是不良内容，也不是花钱，而是占用大量时间

二、控制孩子游戏最重要的手段是控制游戏设备

三、社交型PVP强联网游戏最容易沉迷，请尽量避免或限制孩子玩这类游戏

四、让孩子树立正确的游戏观念，游戏玩的好是世界上最不值钱的事之一，在游戏上花时间99%纯属娱乐，基本没有额外价值

如果你觉得你孩子有一定的思辨能力，能讲道理，可以把本文给他看。防止孩子沉迷游戏的最好方法就是他自己认识到这玩意跟打麻将看肥皂剧一样，是纯娱乐，有时间不如多看看书打打篮球。

一个吃了15年游戏饭的人，写于不惑之年

Google 推出了一个游戏生成器，让不会编程的你也能自己设计游戏

Mon, 17 Jun 2019 10:53:53 CST

从像素时代开始，很多游戏就有「自定义模式」，它允许玩家将一些基本元素组合，制作出独特的关卡设计。这种玩法后来被《我的世界》发扬光大，超高的自由度让每个玩家都成了「创世神」，只要你想象力足够丰富，动手能力足够强，就可以在游戏世界里建造出任何东西。

最近 Google 也推出了一款叫做《Game Builder》游戏，你不仅能在里面随意建造物体，更可以通过引导设计出一个完整的游戏。它不需要你有任何编程基础，只要通过简单的卡片组合，就能实现复杂的交互逻辑。

是玩家，也是「上帝」

《Game Builder》目前已经在 Steam 上架，支持 Windows、Mac 平台，它的本质就是一款游戏。你可以新建一个项目，根据引导学习如何设计一款游戏。初始角色是一个机器人，你可以用 WASD 控制移动，空格键跳跃，Shift 加速。

遇到更高的台阶怎么办？以一个玩家的角度，当然是想办法去学习二段跳，或者踩在其它物体上进行跳跃。在《Game Builder》里，你除了是一个玩家，也是游戏设计师，可以站在上帝视角对游戏世界进行各种改动。

不用代码，拖动卡片就能实现复杂交互

界面顶部有 Play 和 Build 两个按钮，切换到 Build 可以进入建造模式。点击选中机器人，在 Logic 中找到 Player Control，调整 Walk and Jump 的 JumpHeight 参数，现在你的人物就可以跳得更高了。

在引导模式中，《Game Builder》会用游戏的方式引导你吃星星，沿途学习基本的游戏设计知识。你可以按 V 切换第一人称视角、第三人称视角、俯视视角，以此体验 FPS、RPG 等类型的游戏。

利用 If-Then 逻辑可以让角色与其它元素产生交互，冲撞树木使其变红，攻击敌人使其掉血。这些交互看似简单，实际在设计游戏时需要用代码实现，而《Game Builder》把这些复杂的操作简化成了卡片交互，只要拖动相应的卡片，选择触发动作和反馈方式，就可以创建复杂的交互逻辑。

人人皆是云玩家，云设计师

《Game Builder》的设想是让没有编程基础的人也能通过拖动卡片，设计出自己想要的游戏。它们将游戏中所需的各种要素都简化成了一个个卡片，移动、生命值、攻击、治疗药水，十分丰富。

为了让初学者更容易上手，《Game Builder》在主菜单页面提供了卡片 Demo，你可以控制机器人与游戏中的元素产生互动，旁边文字标明了这个行为会产生何种后果，以及它是怎么发生的。

Google 之前针对 3D 艺术家推出了 Poly 平台，用户可以上传和下载 3D 模型，这些模型现在可以直接用到《Game Builder》中。游戏建造还支持多人模式，你可以与朋友共同建造一个游戏世界。

《Game Builder》的更新文件中出现了 YouTube Textures 的信息，与云游戏平台 Stadia 的实现方式刚好吻合。Google 很可能是在用这种方式，让更多人参与到游戏创作中，而不仅仅是作为「云玩家」。

下载地址： Steam

编辑：Rubberso

报告：2018年应用内消费74%来自游戏

Thu, 13 Jun 2019 10:40:20 CST

据美国科技媒体VentureBeat报道，移动应用市场研究机构App Annie发现，智能手机已经成为了人们手中主要的便携游戏机，在该机构发布的最新报告中，他们对2018年度全世界移动应用市场进行了分析。数据显示，在2018年中，游戏下载量在应用总下载量中占比33%，人们在游戏中花费占应用总消费量的74%。

2018年中，苹果的App Store和谷歌的Google Play两大应用商店一共上架了超过270万个游戏应用。这个数字还未包括其它应用商店内上架的游戏。

今年早些时候，另一个市场分析机构Newzoo曾预测，在2019年中，全世界将会有24亿人成为手机游戏玩家，手游市场的规模将会达到700亿美元，而App Annie的最新报告也验证了Newzoo此前的预测。App Annie发现，用户在应用中花的所有钱中，有74%来自游戏应用，其中95%来自应用内付费，剩下的5%来自预付费游戏，也就是在下载时就需要进行付费的游戏。可以说，游戏正在主宰着移动应用经济。

以下是这份报告中的一些关键数据：

用户参与和行为

- 在应用总消耗时间中，游戏占10%。

- 在过去两年中，人们在应用上花费的总时间提升了50%。

- 用户游戏花费时间有所提升，一部分原因是老玩家每天玩游戏的时间相比以往有了提升。

- 还有一部分愿意，是游戏玩家的基数有所增长，尤其是在一些刚刚接触智能手机不久的欠发达地区内。

- 2018年，在全球用户应用总消耗时间中，社交和沟通应用占了50%，排在之后的分别是视频播放与编辑应用（15%）以及占比10%的游戏应用。

- 在美国市场上，平均每部智能手机上都装了8款游戏。

下载与消费

在移动应用领域，“应用发现”，也就是如何让用户看到你的应用，是开发者所遇到的最大的问题。App Annie的数据发现，2018年中苹果和谷歌的应用商店内一共上架了超过270万款游戏，如何在如此之多的游戏中脱颖而出，是游戏开发者最需要考虑的事情。

- 2018年中谷歌Google Play一共上架了超过160万款游戏。

- 2018年中苹果App Store一共上架了超过110万款游戏。

- 在下载量方面，Google Play占据领先地位；然而在消费方面，App Store有着较大的领先幅度，全球消费总量中，有64%来自App Store。

App Annie还发现，人们在竞速游戏中进行付费的意愿更高，相比其它类型的游戏，玩家在竞速游戏中的消费高出7.9倍。探险类游戏的增长也同样客观，人们在这类游戏中的消费比其它类型游戏高5倍。2015年，人们在游戏方面的消费总量同比提升了15%。

人们在手机游戏上的消费量，是PC、游戏主机和手持游戏机上消费量加在一起的1.2倍。由此可见，手机已经成为了人们主要的游戏设备。

[分享创造] 一个使用 Flask+gorse 实现的 Steam 游戏推荐系统

Tue, 04 Jun 2019 22:01:11 CST

之前小弟在 V2EX 推广过一个 Go 语言实现的 RESTful 的推荐系统后端，最近以它为后端，使用 Flask 实现了一个 Steam 推荐系统，发在 V2EX 听取一下老哥们的意见。

项目链接

网站地址： https://steamlens.gorse.io
网站源码： https://github.com/zhenghaoz/SteamLens
推荐系统后端： https://github.com/zhenghaoz/gorse

网站截图

个性化推荐

相似推荐

项目说明

关于工程量：因为 gorse 完成了大部分的逻辑，所以 Python 代码也就一百多行。前端用的是 Materialize，后端用的是 Flask。
关于 Steam 授权：获取 Steam 账号授权，它可以读取游戏列表，然后根据玩过的游戏进行推荐。当然，Steam 社区授权要文明上网的，所以使用上有些难度。这也就意味着，如果要部署这个网站，需要保证服务器和 Steam 社区之间的连接。
关于推荐效果：相似推荐还行，但是个性化推荐就不太准了，因为用的数据集是 13 年采集的，所以推荐结果不大可能是让人感兴趣的。图中就是推荐给我的游戏，然而由于我的大部分游戏都是 13 年之后的，因此推荐的大部分游戏都不是我感兴趣的。

腾讯宣布测试年满 16 周岁才能玩游戏

Mon, 22 Apr 2019 21:12:30 CST

腾讯是中国乃至世界最大的游戏公司，但过去一年它的游戏遭到了官媒党媒的批评，被指忽视了社会责任，让儿童沉迷于游戏，这一批评促使腾讯推出了所谓的健康系统——即实名制系统。凡是启用健康系统的游戏，其用户账号都会接受强制的公安实名校验，以确认相关身份信息的真实有效。校验通过后，确认为未成年人的帐号将纳入健康系统进行防沉迷，12 周岁以下（含 12 周岁）每天限玩 1 小时（同时每日 21:00 - 次日 8:00 之间禁玩），12 周岁以上未成年人每天限玩 2 小时。校验未通过的账号将禁止登录。现在，腾讯宣布将启动 16+ 试点，即年满 16 周岁的用户才可以获得系统授权，直接登录游戏体验；16 周岁及以上的未成年用户仍会受到健康系统防沉迷规则的管理，每天限玩 2 小时。

【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑 - 【浅墨的游戏编程Blog】毛星云（浅墨）的专栏 - CSDN博客

Mon, 25 Feb 2019 11:18:58 CST

文章链接： http://blog.csdn.net/poem_qianmo/article/details/25560901

本篇文章中，我们将一起学习OpenCV中边缘检测的各种算子和滤波器——Canny算子,Sobel算子,Laplace算子以及Scharr滤波器。文章中包含了五个浅墨为大家准备的详细注释的博文配套源代码。在介绍四块知识点的时候分别一个，以及最后的综合示例中的一个。文章末尾提供配套源代码的下载。

依然是是放出一些程序运行截图吧：

效果图看完，我们来唠唠嗑。

首先，需要说明的是，浅墨这篇文章最后的示例代码是采用两周前刚刚发布的2.4.9来书写的。里面的lib都已经改成了2.4.9版本的。如果大家需要运行的话，要么配置好2.4.9.要么把浅墨在工程中包含的末尾数字为249的各种lib改成之前的248或者你对应的OpenCV版本。

不然会提示： LINK : fatal error LNK1181: 无法打开输入文件“opencv_calib3d248.lib”之类的错误。

OpenCV 2.4.9的配置和之前的2.4.8差不多，如果还是不太清楚，具体可以参考浅墨修改过的对应2.4.9版的配置文章：

【OpenCV入门教程之一】安装OpenCV：OpenCV 2.4.8或2.4.9 +VS 开发环境配置

第二，给大家分享一个OpenCV中写代码时节约时间的小常识。其实OpenCV中，不用namedWindow，直接imshow就可以显示出窗口。大家看下文的示例代码就可以发现，浅墨在写代码的时候并没有用namedWindow，遇到想显示出来的Mat变量直接imshow。我们一般是为了规范，才先用namedWindow创建窗口，再imshow出它来，因为我们还有需要用到指定窗口名称的地方，比如用到trackbar的时候。而一般情况想显示一个Mat变量的图片的话，直接imshow就可以啦。

OK，开始正文吧~

一、关于边缘检测



在具体介绍之前，先来一起看看边缘检测的一般步骤吧。

1）滤波：边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核（具体见“高斯滤波原理及其编程离散化实现方法”一文），然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和（具体程序实现见下文）。

       2）增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。

       3）检测：经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是我们要找的边缘点，所以应该采用某种方法来对这些点进行取舍。实际工程中，常用的方法是通过阈值化方法来检测。

另外，需要注意，下文中讲到的Laplace算子，sobel算子和Scharr算子都是带方向的，所以，示例中我们分别写了X方向,Y方向和最终合成的的效果图。

OK，正餐开始，召唤canny算子。：）

二、canny算子篇

2.1canny算子相关理论与概念讲解

2.1.1canny算子简介

Canny边缘检测算子是John F.Canny于 1986 年开发出来的一个多级边缘检测算法。更为重要的是 Canny 创立了边缘检测计算理论（Computational theory ofedge detection），解释了这项技术是如何工作的。Canny边缘检测算法以Canny的名字命名，被很多人推崇为当今最优的边缘检测的算法。

其中，Canny 的目标是找到一个最优的边缘检测算法，让我们看一下最优边缘检测的三个主要评价标准:

1.低错误率:标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报。

2.高定位性:标识出的边缘要与图像中的实际边缘尽可能接近。

3.最小响应:图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。

为了满足这些要求 Canny 使用了变分法，这是一种寻找满足特定功能的函数的方法。最优检测使用四个指数函数项的和表示，但是它非常近似于高斯函数的一阶导数。

2.1.2Canny 边缘检测的步骤

1.消除噪声。一般情况下，使用高斯平滑滤波器卷积降噪。如下显示了一个 size = 5 的高斯内核示例:

2.计算梯度幅值和方向。此处，按照Sobel滤波器的步骤。

Ⅰ.运用一对卷积阵列 (分别作用于 x 和 y 方向):

Ⅱ.使用下列公式计算梯度幅值和方向:

梯度方向近似到四个可能角度之一(一般为0, 45, 90, 135)

3.非极大值抑制。这一步排除非边缘像素，仅仅保留了一些细线条(候选边缘)。

4.滞后阈值。最后一步，Canny 使用了滞后阈值，滞后阈值需要两个阈值(高阈值和低阈值):

Ⅰ.如果某一像素位置的幅值超过高阈值, 该像素被保留为边缘像素。

Ⅱ.如果某一像素位置的幅值小于低阈值, 该像素被排除。

Ⅲ.如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于高阈值的像素时被保留。

tips：对于Canny函数的使用，推荐的高低阈值比在2:1到3:1之间。

更多的细节，可以参考canny算子的wikipedia：

http://en.wikipedia.org/wiki/Canny_edge_detector

canny边缘检测的原理讲述，课参看这篇博文：

http://blog.csdn.net/likezhaobin/article/details/6892176

canny算子的中文wikipedia：

http://zh.wikipedia.org/wiki/Canny%E7%AE%97%E5%AD%90

2.2OpenCV中Canny函数详解

Canny函数利用Canny算法来进行图像的边缘检测。
        C++: void Canny(InputArray image,OutputArray edges, double threshold1, double threshold2, int apertureSize=3,bool L2gradient=false )
第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和类型。

第三个参数，double类型的threshold1，第一个滞后性阈值。

第四个参数，double类型的threshold2，第二个滞后性阈值。

第五个参数，int类型的apertureSize，表示应用Sobel算子的孔径大小，其有默认值3。

第六个参数，bool类型的L2gradient，一个计算图像梯度幅值的标识，有默认值false。

需要注意的是，这个函数阈值1和阈值2两者的小者用于边缘连接，而大者用来控制强边缘的初始段，推荐的高低阈值比在2:1到3:1之间。

调用示例：
        //载入原始图 
       Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图
       Canny(src, src, 3, 9,3 );
       imshow("【效果图】Canny边缘检测", src);
如上三句，就有结果出来，非常好用。

2.3调用Canny函数的实例代码

OpenCV中调用Canny函数的实例代码如下：
        //-----------------------------------【头文件包含部分】---------------------------------------
//            描述：包含程序所依赖的头文件
//----------------------------------------------------------------------------------------------
#include <opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>

//-----------------------------------【命名空间声明部分】---------------------------------------
//            描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------
using namespace cv;
//-----------------------------------【main( )函数】--------------------------------------------
//            描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{
	//载入原始图  
	Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图
	Mat src1=src.clone();

	//显示原始图 
	imshow("【原始图】Canny边缘检测", src); 

	//----------------------------------------------------------------------------------
	//	一、最简单的canny用法，拿到原图后直接用。
	//----------------------------------------------------------------------------------
	Canny( src, src, 150, 100,3 );
	imshow("【效果图】Canny边缘检测", src); 

	
	//----------------------------------------------------------------------------------
	//	二、高阶的canny用法，转成灰度图，降噪，用canny，最后将得到的边缘作为掩码，拷贝原图到效果图上，得到彩色的边缘图
	//----------------------------------------------------------------------------------
	Mat dst,edge,gray;

	// 【1】创建与src同类型和大小的矩阵(dst)
	dst.create( src1.size(), src1.type() );

	// 【2】将原图像转换为灰度图像
	cvtColor( src1, gray, CV_BGR2GRAY );

	// 【3】先用使用 3x3内核来降噪
	blur( gray, edge, Size(3,3) );

	// 【4】运行Canny算子
	Canny( edge, edge, 3, 9,3 );

	//【5】将g_dstImage内的所有元素设置为0 
	dst = Scalar::all(0);

	//【6】使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中
	src1.copyTo( dst, edge);

	//【7】显示效果图 
	imshow("【效果图】Canny边缘检测2", dst); 


	waitKey(0); 

	return 0; 
}
运行效果图：

三、sobel算子篇

3.1sobel算子相关理论与概念讲解

3.1.1基本概念

Sobel 算子是一个主要用作边缘检测的离散微分算子 (discrete differentiation operator)。它Sobel算子结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。

sobel算子的wikipedia：

http://zh.wikipedia.org/wiki/%E7%B4%A2%E8%B2%9D%E7%88%BE%E7%AE%97%E5%AD%90

sobel算子相关概念，还可以参看这篇博文：

http://www.cnblogs.com/lancidie/archive/2011/07/17/2108885.html

3.1.2 sobel算子的计算过程

我们假设被作用图像为 I.然后进行如下的操作：

1.分别在x和y两个方向求导。

Ⅰ.水平变化:将 I 与一个奇数大小的内核进行卷积。比如，当内核大小为3时, 的计算结果为:

Ⅱ.垂直变化:将: I 与一个奇数大小的内核进行卷积。比如，当内核大小为3时, 的计算结果为:

2.在图像的每一点，结合以上两个结果求出近似梯度:

另外有时，也可用下面更简单公式代替:

3.2OpenCV中Sobel函数详解

Sobel函数使用扩展的 Sobel 算子，来计算一阶、二阶、三阶或混合图像差分。
        C++: void Sobel (
InputArray src,//输入图
 OutputArray dst,//输出图
 int ddepth,//输出图像的深度
 int dx,
 int dy,
 int ksize=3,
 double scale=1,
 double delta=0,
 int borderType=BORDER_DEFAULT );
第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。

第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：

若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F

若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F

若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F

若src.depth() = CV_64F, 取ddepth = -1/CV_64F

第四个参数，int类型dx，x 方向上的差分阶数。

第五个参数，int类型dy，y方向上的差分阶数。

第六个参数，int类型ksize，有默认值3，表示Sobel核的大小;必须取1，3，5或7。

第七个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。

第八个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

第九个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。

一般情况下，都是用ksize x ksize内核来计算导数的。然而，有一种特殊情况——当ksize为1时，往往会使用3 x 1或者1 x 3的内核。且这种情况下，并没有进行高斯平滑操作。

一些补充说明：

1.当内核大小为 3 时, 我们的Sobel内核可能产生比较明显的误差(毕竟，Sobel算子只是求取了导数的近似值而已)。为解决这一问题，OpenCV提供了Scharr 函数，但该函数仅作用于大小为3的内核。该函数的运算与Sobel函数一样快，但结果却更加精确，其内核是这样的:

2.因为Sobel算子结合了高斯平滑和分化（differentiation），因此结果会具有更多的抗噪性。大多数情况下，我们使用sobel函数时，取【xorder = 1，yorder = 0，ksize = 3】来计算图像X方向的导数，【xorder = 0，yorder = 1，ksize = 3】来计算图像y方向的导数。

计算图像X方向的导数，取【xorder= 1，yorder = 0，ksize = 3】情况对应的内核：

而计算图像Y方向的导数，取【xorder= 0，yorder = 1，ksize = 3】对应的内核：

3.3调用Sobel函数的实例代码

调用Sobel函数的实例代码如下。这里只是教大家如何使用Sobel函数，就没有先用一句cvtColor将原图;转化为灰度图，而是直接用彩色图操作。
        //-----------------------------------【头文件包含部分】---------------------------------------
//            描述：包含程序所依赖的头文件
//----------------------------------------------------------------------------------------------
#include <opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>

//-----------------------------------【命名空间声明部分】---------------------------------------
//            描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------
using namespace cv;
//-----------------------------------【main( )函数】--------------------------------------------
//            描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{
	//【0】创建 grad_x 和 grad_y 矩阵
	Mat grad_x, grad_y;
	Mat abs_grad_x, abs_grad_y,dst;

	//【1】载入原始图  
	Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图

	//【2】显示原始图 
	imshow("【原始图】sobel边缘检测", src); 

	//【3】求 X方向梯度
	Sobel( src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );
	convertScaleAbs( grad_x, abs_grad_x );
	imshow("【效果图】 X方向Sobel", abs_grad_x); 

	//【4】求Y方向梯度
	Sobel( src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );
	convertScaleAbs( grad_y, abs_grad_y );
	imshow("【效果图】Y方向Sobel", abs_grad_y); 

	//【5】合并梯度(近似)
	addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );
	imshow("【效果图】整体方向Sobel", dst); 

	waitKey(0); 
	return 0; 
}
运行截图如下：

四、Laplace算子篇

4.1Laplace算子相关理论与概念讲解

Laplacian 算子是n维欧几里德空间中的一个二阶微分算子，定义为梯度grad（）的散度div（）。因此如果f是二阶可微的实函数，则f的拉普拉斯算子定义为：

(1)f的拉普拉斯算子也是笛卡儿坐标系xi中的所有非混合二阶偏导数求和：

(2)作为一个二阶微分算子，拉普拉斯算子把C函数映射到C函数，对于k ≥ 2。表达式(1)（或(2)）定义了一个算子Δ :C(R) → C(R)，或更一般地，定义了一个算子Δ : C(Ω) → C(Ω)，对于任何开集Ω。

根据图像处理的原理我们知道，二阶导数可以用来进行检测边缘。因为图像是 “二维”, 我们需要在两个方向进行求导。使用Laplacian算子将会使求导过程变得简单。

Laplacian 算子的定义:

需要点破的是，由于 Laplacian使用了图像梯度，它内部的代码其实是调用了 Sobel 算子的。

另附一个小tips：让一幅图像减去它的Laplacian可以增强对比度。

关于Laplace算子的相关概念阐述，可以参看这篇博文：

http://www.cnblogs.com/xfzhang/archive/2011/01/19/1939020.html

Laplace算子的wikipedia：

http://zh.wikipedia.org/wiki/%E6%8B%89%E6%99%AE%E6%8B%89%E6%96%AF%E7%AE%97%E5%AD%90

4.2OpenCV中Laplacian函数详解

Laplacian函数可以计算出图像经过拉普拉斯变换后的结果。
        C++: void Laplacian(InputArray src,OutputArray dst, int ddepth, int ksize=1, double scale=1, double delta=0, intborderType=BORDER_DEFAULT );
第一个参数，InputArray类型的image，输入图像，即源图像，填Mat类的对象即可，且需为单通道8位图像。

第二个参数，OutputArray类型的edges，输出的边缘图，需要和源图片有一样的尺寸和通道数。

第三个参数，int类型的ddept，目标图像的深度。

第四个参数，int类型的ksize，用于计算二阶导数的滤波器的孔径尺寸，大小必须为正奇数，且有默认值1。

第五个参数，double类型的scale，计算拉普拉斯值的时候可选的比例因子，有默认值1。

第六个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

第七个参数， int类型的borderType，边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate()处得到更详细的信息。

Laplacian( )函数其实主要是利用sobel算子的运算。它通过加上sobel算子运算出的图像x方向和y方向上的导数，来得到我们载入图像的拉普拉斯变换结果。

其中，sobel算子（ksize>1）如下：

而当ksize=1时，Laplacian()函数采用以下3x3的孔径：

4.3调用Laplacian函数的实例代码

让我们看一看调用实例：
        //-----------------------------------【头文件包含部分】---------------------------------------
//            描述：包含程序所依赖的头文件
//----------------------------------------------------------------------------------------------
#include <opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>

//-----------------------------------【命名空间声明部分】---------------------------------------
//            描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------
using namespace cv;


//-----------------------------------【main( )函数】--------------------------------------------
//            描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{
	//【0】变量的定义
	Mat src,src_gray,dst, abs_dst;

	//【1】载入原始图  
	src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图

	//【2】显示原始图 
	imshow("【原始图】图像Laplace变换", src); 

	//【3】使用高斯滤波消除噪声
	GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );

	//【4】转换为灰度图
	cvtColor( src, src_gray, CV_RGB2GRAY );

	//【5】使用Laplace函数
	Laplacian( src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT );

	//【6】计算绝对值，并将结果转换成8位
	convertScaleAbs( dst, abs_dst );

	//【7】显示效果图
	imshow( "【效果图】图像Laplace变换", abs_dst );

	waitKey(0); 

	return 0; 
}
示例效果图：

五、scharr滤波器篇

scharr一般我就直接称它为滤波器，而不是算子。上文我们已经讲到，它在OpenCV中主要是配合Sobel算子的运算而存在的,一个万年备胎。让我们直接来看看函数讲解吧。

5.1OpenCV中Scharr函数详解

使用Scharr滤波器运算符计算x或y方向的图像差分。其实它的参数变量和Sobel基本上是一样的，除了没有ksize核的大小。
        C++: void Scharr(
InputArray src, //源图
 OutputArray dst, //目标图
 int ddepth,//图像深度
 int dx,// x方向上的差分阶数
 int dy,//y方向上的差分阶数
 double scale=1,//缩放因子
 double delta=0,// delta值
 intborderType=BORDER_DEFAULT )// 边界模式
第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。

第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。

第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：

若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F

若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F

若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F

若src.depth() = CV_64F, 取ddepth = -1/CV_64F

第四个参数，int类型dx，x方向上的差分阶数。

第五个参数，int类型dy，y方向上的差分阶数。

第六个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。

第七个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。

第八个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。

不难理解，如下两者是等价的：

        Scharr(src, dst, ddepth, dx, dy, scale,delta, borderType);

与

        Sobel(src, dst, ddepth, dx, dy, CV_SCHARR,scale, delta, borderType);

5.2调用Scharr函数的实例代码

        //-----------------------------------【头文件包含部分】---------------------------------------
//            描述：包含程序所依赖的头文件
//----------------------------------------------------------------------------------------------
#include <opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>

//-----------------------------------【命名空间声明部分】---------------------------------------
//            描述：包含程序所使用的命名空间
//-----------------------------------------------------------------------------------------------
using namespace cv;
//-----------------------------------【main( )函数】--------------------------------------------
//            描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( )
{
	//【0】创建 grad_x 和 grad_y 矩阵
	Mat grad_x, grad_y;
	Mat abs_grad_x, abs_grad_y,dst;

	//【1】载入原始图  
	Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图

	//【2】显示原始图 
	imshow("【原始图】Scharr滤波器", src); 

	//【3】求 X方向梯度
	Scharr( src, grad_x, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT );
	convertScaleAbs( grad_x, abs_grad_x );
	imshow("【效果图】 X方向Scharr", abs_grad_x); 

	//【4】求Y方向梯度
	Scharr( src, grad_y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT );
	convertScaleAbs( grad_y, abs_grad_y );
	imshow("【效果图】Y方向Scharr", abs_grad_y); 

	//【5】合并梯度(近似)
	addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );

	//【6】显示效果图
	imshow("【效果图】合并梯度后Scharr", dst); 

	waitKey(0); 
	return 0; 
}

运行效果图：

六、综合示例篇——在实战中熟稔

依然是每篇文章都会配给大家的一个详细注释的博文配套示例程序，把这篇文章中介绍的知识点以代码为载体，展现给大家。

这个示例程序中，分别演示了canny边缘检测，sobel边缘检测，scharr滤波器的使用，那么，上详细注释的代码吧：

        //-----------------------------------【程序说明】----------------------------------------------
//		程序名称:：《【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑合辑》 博文配套源码 
//		开发所用IDE版本：Visual Studio 2010
//开发所用OpenCV版本：	2.4.9
//		2014年5月11日 Create by 浅墨
//		浅墨的微博：@浅墨_毛星云 http://weibo.com/1723155442/profile?topnav=1&wvr=5&user=1
//		浅墨的知乎：http://www.zhihu.com/people/mao-xing-yun
//		浅墨的豆瓣：http://www.douban.com/people/53426472/
//----------------------------------------------------------------------------------------------



//-----------------------------------【头文件包含部分】---------------------------------------
//		描述：包含程序所依赖的头文件
//---------------------------------------------------------------------------------------------- 
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

//-----------------------------------【命名空间声明部分】--------------------------------------
//		描述：包含程序所使用的命名空间
//----------------------------------------------------------------------------------------------- 
using namespace cv;


//-----------------------------------【全局变量声明部分】--------------------------------------
//		描述：全局变量声明
//-----------------------------------------------------------------------------------------------
//原图，原图的灰度版，目标图
Mat g_srcImage, g_srcGrayImage,g_dstImage;

//Canny边缘检测相关变量
Mat g_cannyDetectedEdges;
int g_cannyLowThreshold=1;//TrackBar位置参数  

//Sobel边缘检测相关变量
Mat g_sobelGradient_X, g_sobelGradient_Y;
Mat g_sobelAbsGradient_X, g_sobelAbsGradient_Y;
int g_sobelKernelSize=1;//TrackBar位置参数  

//Scharr滤波器相关变量
Mat g_scharrGradient_X, g_scharrGradient_Y;
Mat g_scharrAbsGradient_X, g_scharrAbsGradient_Y;


//-----------------------------------【全局函数声明部分】--------------------------------------
//		描述：全局函数声明
//-----------------------------------------------------------------------------------------------
static void ShowHelpText( );
static void on_Canny(int, void*);//Canny边缘检测窗口滚动条的回调函数
static void on_Sobel(int, void*);//Sobel边缘检测窗口滚动条的回调函数
void Scharr( );//封装了Scharr边缘检测相关代码的函数


//-----------------------------------【main( )函数】--------------------------------------------
//		描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
int main( int argc, char** argv )
{
	//改变console字体颜色
	system("color 2F");  

	//显示欢迎语
	ShowHelpText();

	//载入原图
	g_srcImage = imread("1.jpg");
	if( !g_srcImage.data ) { printf("Oh，no，读取srcImage错误~！ \n"); return false; }

	//显示原始图
	namedWindow("【原始图】");
	imshow("【原始图】", g_srcImage);

	// 创建与src同类型和大小的矩阵(dst)
	g_dstImage.create( g_srcImage.size(), g_srcImage.type() );

	// 将原图像转换为灰度图像
	cvtColor( g_srcImage, g_srcGrayImage, CV_BGR2GRAY );

	// 创建显示窗口
	namedWindow( "【效果图】Canny边缘检测", CV_WINDOW_AUTOSIZE );
	namedWindow( "【效果图】Sobel边缘检测", CV_WINDOW_AUTOSIZE );

	// 创建trackbar
	createTrackbar( "参数值：", "【效果图】Canny边缘检测", &g_cannyLowThreshold, 120, on_Canny );
	createTrackbar( "参数值：", "【效果图】Sobel边缘检测", &g_sobelKernelSize, 3, on_Sobel );

	// 调用回调函数
	on_Canny(0, 0);
	on_Sobel(0, 0);

	//调用封装了Scharr边缘检测代码的函数
	Scharr( );

	//轮询获取按键信息，若按下Q，程序退出
	while((char(waitKey(1)) != 'q')) {}

	return 0;
}


//-----------------------------------【ShowHelpText( )函数】----------------------------------
//		描述：输出一些帮助信息
//----------------------------------------------------------------------------------------------
static void ShowHelpText()
{
	//输出一些帮助信息
	printf( "\n\n\t嗯。运行成功，请调整滚动条观察图像效果~\n\n"
		"\t按下“q”键时，程序退出~!\n"
		"\n\n\t\t\t\t by浅墨"	);
}


//-----------------------------------【on_Canny( )函数】----------------------------------
//		描述：Canny边缘检测窗口滚动条的回调函数
//-----------------------------------------------------------------------------------------------
void on_Canny(int, void*)
{
	// 先使用 3x3内核来降噪
	blur( g_srcGrayImage, g_cannyDetectedEdges, Size(3,3) );

	// 运行我们的Canny算子
	Canny( g_cannyDetectedEdges, g_cannyDetectedEdges, g_cannyLowThreshold, g_cannyLowThreshold*3, 3 );

	//先将g_dstImage内的所有元素设置为0 
	g_dstImage = Scalar::all(0);

	//使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将原图g_srcImage拷到目标图g_dstImage中
	g_srcImage.copyTo( g_dstImage, g_cannyDetectedEdges);

	//显示效果图
	imshow( "【效果图】Canny边缘检测", g_dstImage );
}



//-----------------------------------【on_Sobel( )函数】----------------------------------
//		描述：Sobel边缘检测窗口滚动条的回调函数
//-----------------------------------------------------------------------------------------
void on_Sobel(int, void*)
{
	// 求 X方向梯度
	Sobel( g_srcImage, g_sobelGradient_X, CV_16S, 1, 0, (2*g_sobelKernelSize+1), 1, 1, BORDER_DEFAULT );
	convertScaleAbs( g_sobelGradient_X, g_sobelAbsGradient_X );//计算绝对值，并将结果转换成8位

	// 求Y方向梯度
	Sobel( g_srcImage, g_sobelGradient_Y, CV_16S, 0, 1, (2*g_sobelKernelSize+1), 1, 1, BORDER_DEFAULT );
	convertScaleAbs( g_sobelGradient_Y, g_sobelAbsGradient_Y );//计算绝对值，并将结果转换成8位

	// 合并梯度
	addWeighted( g_sobelAbsGradient_X, 0.5, g_sobelAbsGradient_Y, 0.5, 0, g_dstImage );

	//显示效果图
	imshow("【效果图】Sobel边缘检测", g_dstImage); 

}


//-----------------------------------【Scharr( )函数】----------------------------------
//		描述：封装了Scharr边缘检测相关代码的函数
//-----------------------------------------------------------------------------------------
void Scharr( )
{
	// 求 X方向梯度
	Scharr( g_srcImage, g_scharrGradient_X, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT );
	convertScaleAbs( g_scharrGradient_X, g_scharrAbsGradient_X );//计算绝对值，并将结果转换成8位

	// 求Y方向梯度
	Scharr( g_srcImage, g_scharrGradient_Y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT );
	convertScaleAbs( g_scharrGradient_Y, g_scharrAbsGradient_Y );//计算绝对值，并将结果转换成8位

	// 合并梯度
	addWeighted( g_scharrAbsGradient_X, 0.5, g_scharrAbsGradient_Y, 0.5, 0, g_dstImage );

	//显示效果图
	imshow("【效果图】Scharr滤波器", g_dstImage); 
}

放出一些运行效果图：

canny边缘检测效果图：

Sobel边缘检测：

Scharr滤波器：

好的，就放出这些效果图吧，具体更多的运行效果大家就自己下载示例程序回去玩~

本篇文章的配套源代码请点击这里下载：

【浅墨OpenCV入门教程之十二】配套源代码下载

OK，今天的内容大概就是这些，我们下篇文章见：）

为什么中国的游戏开发制作技术相对落后？

Thu, 01 Nov 2018 00:00:00 CST

今天有些空余时间，和大家展开说说我认知里国内游戏开发制作和国外的差距。因为我主要参与开发AAA主机/电脑游戏，所以以下讨论针对大屏幕游戏，暂不涉及手游。

国内游戏行业似乎存在一个比较主流的观点，那就是谈及游戏开发制作，普遍认为在制作上中国是可以和国际接轨的，我们差的是政策，社会发展，市场，玩家素质，开发者心态，投资者心态。我承认这些要素都很关键，因此在讨论前先抛出一个假设： 假设国家大力支持游戏产业，在创作上不设门槛，优质资本涌入，玩家对艺术作品有鉴赏和购买能力，开发者能够沉下心。在这种理想化的假设下，我给出一个结论： 中国目前的游戏开发制作，保守估计仍然与国外相差10-15年的水平，也就是说，关于我们和国外到底有多大差距，很多朋友盲目乐观了。

为什么这么说呢？给大家提供一个比较便捷的思路，即将要到2019年，我们来看看大约十年前2009年游戏业发生了什么？

年度游戏：神秘海域2
光环3：ODST
使命召唤：现代战争2
生化危机5
瑞奇与叮当：时空裂缝
恶魔之魂
等等

我的评估是这列表里的任何一作，目前中国（包括港台地区）都不存在能在同样资源条件下制作出同等质量作品的团队。

10年听起来是很漫长的时间，但我们可以做一个简单的计算：按照AAA大作平均3年开发一作，10年也就是打造一个新ip三部曲的时间周期。假设未来10年中国能够产生5个新兴AAA量级的工作室，那最理想的情况也只是5个我们自己的ip，一共15个游戏，再考虑到经历世代的跨越还必须抛弃旧东西和学习新东西，所以这个时间还是很有必要性的。

游戏开发大概包括程序，游戏设计，美术/特效，动画，技术美术（TA），音乐音效，测试，项目/团队管理这几块，因为重点讨论内容制作所以暂时排除游戏宣传，运营，社区维护和周边服务等领域。

程序

国内不缺乏好的程序，但游戏行业对程序的要求和互联网行业截然不同：

是（曾经是）重度游戏玩家，对各类游戏有涉猎，并对某几类游戏有深入理解。这点对Gameplay程序极其重要，Gameplay程序相当于游戏系统的设计者，如果你自己对什么是好玩都没有思考分析，纯机械化地实现功能结果就是做出来的东西毫无乐趣。
技能集要求广泛，数据结构，算法，计算机硬件，空间几何，数学，物理，光学，软件开发，这些专业知识往往在互联网行业不被需求，又缺乏高效的自学渠道，因此这样的复合型程序人才不多。
对游戏开发各个领域都有深入了解的经验老手非常少，因此国内大部分团队并没有自研和长期维护引擎的能力。当产品往高端和深入走的时候，自定义是积累和突出自身优势的关键壁垒，但实际上国内游戏程序在专业领域的专家很少，图形引擎，物理引擎，动画系统，管线工具，内存系统等领域要深入进去，必须经过至少几年，几个项目的积累才可以，仅仅会使用Unreal，Unity等商业引擎只能说是初学者级别，一个经验丰富的程序团队，对日常开发出现的问题有极高的解决能力。
技术人员普遍缺乏艺术欣赏热情和能力，缺乏感性思维。

游戏设计

大量所谓的游戏设计师本身并没有游戏积累，脑子里缺乏素材库。需要大量参考和针对学习的时候，又因为各种资源相对封闭匮乏而深入困难，这点目前在慢慢改善。
设计是可以被测试，验证和改进的，并不是纯粹的头脑风暴和突发奇想。设计本身是一种迭代，但国外普遍使用的几套创意流程比如Vertical Slice，Playtest等模式，国内都没有被引进实践，单机游戏的开发现状仍然是小作坊模式，这对大型项目来说极其混乱低效。
设计师技术背景弱，缺乏脚本编写能力和必要软件的使用能力。甚至对游戏开发的基本概念，比如事件，空间转换，碰撞体积等都不熟悉。
即使是玩家出身的设计师，对游戏之外的积累也很弱，电影，书籍，新闻，音乐等领域有综合了解的更是少之又少。
缺乏有成功游戏作品经验的领队型人才，也就是国外普遍说的游戏导演（Game Director）和创意总监（Creative Director）。大型游戏是几百上千个开发人员共同探索前进，如果没有一个领队有清晰的视野和坚定的目标，项目失败的可能性会非常大。
长期以来游戏和电影，电视，动画异步严重，很多时候设计师并不重视情感和叙事体验，反而过度追求做作和酷炫的表面演出效果。
国内目前优秀成熟的游戏作品，主体设计核心都是以借鉴模仿国外成功游戏再加以微创新为主。在产业起步阶段，适当的借鉴改良是非常有价值的，但这同时也暴露了我们的一个致命缺点， 那就是从无到有试错提炼核心玩法的能力基本为零。

美术/特效

我明白国内的外包产业很成熟，AAA游戏里大量模型，材质，动画都在中国制作，我也有不少做外包的朋友，即使如此，我仍想说明几点：

外包的本质，是廉价劳动力对简单清晰目标的机械化高效执行，是生产链的最下游，不能把外包成熟等同于有技术含量。别人告诉你做什么，怎么做，和你自己把控核心设计是两码事，后者才是真正困难和有门槛的东西。
外包并不碰触核心素材，都是边边角角的内容居多。
国内的视觉（概念）设计，不管从理念还是流程来说都很弱，简单总结就是会画，但不会设计，这和审美的缺乏，行业的封闭和没有项目实战经验有很大的关系。许多自称概念设计的作品实际上就是一幅插画，并没有可以落地的设计价值。
美术人员基础弱，对解剖学，构图，透视，色理，光照，基于物理渲染（PBR），镜头运用等专业知识重视不足，缺乏逻辑思维，实际应用的结果就是有形无神。
缺乏核心艺术总监（Art Director）， 从零到一构架世界的能力基本为零，这点也和游戏设计息息相关。
游戏内基本不存在对电影学（Cinematography）的各种研究和应用。
一直以来对UI的视觉，用户体验的打磨持不重视态度。
大量廉价特效，与世界设定格格不入。对特效人员的工作性质认知错误，既有印象是“很简单和没有技术含量的工作”。
特效人员缺乏经验，无法在好看和高效之间找到完美平衡，尤其欠缺使用类似Houdini等软件预模拟复杂特效并整合进游戏内的实战经验。

动画

动画技术落后，动画师对什么是好的动画理解不足，即使看似简单的卡通风格骨骼动画也无法抓住精髓乐趣。真实风格的动画又因为成本高，没有实际设计需求而毫无积累。
有大型团队设置了自己的动作捕捉工作室，但因为产品风格不契合导致动作捕捉效果不佳，没有深入理解自己的需求，杀鸡用牛刀。

技术美术（TA）

对什么是技术美术缺乏了解，找不准定位，很多人做着建模师或者动画师的工作，却戴着技术美术的头衔。
技术人员缺乏审美，缺乏对美术具体工作内容的兴趣和了解，因此无法转型TA。
美术人员缺乏逻辑思维，缺乏对简单编程语言如Python的了解和使用能力，更缺乏对材质制作至关重要的基础图形学知识，因此也无法转型TA。
管理层不懂项目开发，看不到或不理解技术美术的重要性，因此不管是外部引进还是内部培养途径都不成熟。

音乐音效

没有版权意识，认为音乐音效不该花钱，甚至不该自己制作，因此有内部音乐音效团队的例子极少。
不理解好的音乐音效对游戏体验的提升能力有多显著，即使有好的音乐音效，也使用不得当。
内部开发工具和流程不成熟，无法从技术和设计上整合好的音乐音效资源。
音乐音效行业总体人才匮乏，培育人才的途径稀缺。
同理艺术风格，缺乏对音乐音效的设计和总体把控能力。

测试

有内部成熟测试团队的工作室基本不存在，测试人员不被重视，大部分时间是在线游戏玩家发现bug然后团队修复，这种模式完全不适合大型单机游戏开发。
测试流程和工具缺乏，没办法根据项目开发进度合理切割和安排测试计划，并产生高效的测试结果及时反馈给开发团队。
对测试人员的长期培养重视不足，其实很多测试人员都有成为设计师，技术美术等职业的想法和目标，国外AAA工作室里有许多这种例子。

项目/团队管理

项目进度把控混乱，没有可执行和改进的流程，内部靠人脉和势力暴力争夺资源。
没有清晰定义项目的里程碑（Milestone），决策不透明。
公司文化官僚主义和保守主义泛滥导致创意和想法被扼杀，什么样的公司文化才最适合创意文化产业？这是许多国外工作室也没有解决好的问题。
管理团队并没有做到以人为本的经营建设。
整合资源和解决内部矛盾的全能型制作人（Producer）很少，资源真堆积到团队面前也未必有能力合理配备，有时候不会花钱或者不知道应该怎么花钱是和没钱同样严重的问题。

从这些具体细分领域可以看出，我们和国外的差距还是很巨大的。 理解这些的关键，是要明白游戏开发制作是一个整体性的项目工程，差距不在于某一项是否强或弱，而在于最后的综合评估。在我们缓慢进步的同时，国外的产业并没有停下来等我们，也仍然在全力积累，因此在谈论国内游戏开发制作和国外的差距时，要用一种动态的眼光去持续分析。

值得庆幸的是这几年国内开发者慢慢开始起步了，不管是中小型独立游戏，还是大型单机/多人游戏都出现了让人点头称赞的作品，况且这些年的差距也并非纯线性追赶，所以希望国内外的游戏开发者们能认清现状，用更务实的态度去对待未来的发展。

中国游戏行业预计还将面临半年的冰冻期

Sat, 18 Aug 2018 21:45:25 CST

由于政府游戏监管部门的重组，世界最大的游戏市场预计还将面临长达半年的冰冻期，包括腾讯在内的大小企业都哀声遍野。游戏的热度不会一直持续下去，游戏公司需要不停的推出新产品，让热点从一款产品延续到另一款产品，才能保持收入的稳定性，而在中国，游戏的上市和商业发行都需要经过审批，但审批游戏的机构现在不批了。有两个机构负责游戏审批：游戏公司需要向文化部申请备案，向国家新闻出版广电总局申请版本号。没有版本号，即使通过了文化部备案，也无法收费。今年 3 月，中央印发《深化党和国家机构改革方案》，计划将新闻出版广电总局重组，其中的新闻出版和电影监管职能均划归中宣部管辖。意味着中宣部将承担游戏版本号的审批工作。但目前机构改革仍在进行之中，版号审批处于暂停状态。自 3 月 28 日起，国产网络游戏版本号就没有发放过。目前已经过去了近 5 个月。进口游戏的版本号则从 2 月 5 日以来就没有发放过了。此前单月版号审批量大概为 700 款。如果按照这个数量计算，这意味着，已经有超出 2000 个新游被排出了市场之外。预计到 2018 年底、2019 年初，新的游戏监管机制有望彻底建立，流程也将恢复正常。