文 | 光子星球
相比其他动辄瞄准万亿市场的同行，网易的风格决定了其在新业务拓展上基本遵循小叙事，强调高效率，带有强烈实用主义与碎片化色彩。
务实仿佛成了网易创新业务的定语，任何微小的创新都将场景作为迈出的第一步——其许多新业务未能走出 「小打小闹」 的范畴，随大市场需求而流变，尤其是在需求系统性思维 to B 领域。另一方面，常规互联网 to B 思路是既有业务与组织能力的经验迁移，游戏与物理世界间的场景割裂是天然的鸿沟。
Gen AI 持续迭代，泛化的可能性让 AI 有望成为厂商弥合场景的桥梁。好比玩家推动迭代的英伟达 GPU，涉及剧情文字、图形、动捕、建模等多个 AI 应用领域的游戏是 AI 的来路，也可以是 AI 的去向。
光子星球获悉，网易伏羲实验室 （下称伏羲） 旗下工程智能化品牌网易灵动 （下称灵动） 经市场验证，开始步入规模扩张阶段。目前其主要运营方向是在国内拓展市场渠道，同时尝试方案出海。
大多数时候，小众突围都存在一定偶然色彩。但不可否认，于网易而言，灵动是游戏与 AI 技术向物理场景迁移的成功实践。
更重要的是，AI 与游戏紧密贴合的特性，昭示着网易乃至整个游戏行业有着更大的主线任务：在服务型内容游戏当道的当下，游戏外的业务实践能否为游戏本身提供更多产能上的支持和升级，较游戏技术向外迁移更重要。
「副业」 的自我突围
游戏扛鼎的网易有 「不务正业」 的资格，但相比于其他企业的创新业务，网易的风格独树一帜。
正如创新前的那句定语，相同的管理理念下，网易创新业务的发展与游戏工作室相似。全权负责业务的负责人需要带队从 0 到 1 实现落地，而后才能进一步争取资源与支持。
换句话说，网易孵化的创新项目自诞生之初，便背负着较强的落地期望。此外，部分市场前景较明晰的业务存在营收 KPI 指标，如网易数智旗下互联网安防业务易盾在 KPI 完成度上较为出色。
至于从 0 到 1 的过程，创新业务亦与游戏业务无二：内部验证可行性后再由负责人主导对外输出。简单梳理灵动项目发展历程，我们能看到自内向外的清晰轨迹。
2021 年下半年，机器人项目正式启动；2022 年，相关技术支持下的挖掘机投身网易杭州园区建设；2023 年后开始外部实践，通过与中建八局的战略合作打开垂直市场的大门。
与其他创新业务相比，灵动的优势在于游戏 3D 建模、数字孪生与拟态技术，为内部验证提供了基础。
据了解，灵动的前身是伏羲下属的一个 AI 落地探索团队，受 GPT3 启发，自 2021 年起开始锚定工程机械智能化为游戏外的重要 AI 落地场景。在那个机器学习与 NLP 占绝对主流的年代，国内大厂大多将目光放在流水线的生产管理与提效上，工程机械反倒有种 「灯下黑」 的意味。
或是得益于此，灵动在这个极为小众的新市场站住了脚跟，并于 2023 年成立网易灵动，以解决落地、客户交付等商业化问题。负责人小新 （化名） 表示：「我们的客户不在科技圈，而是在矿山、港口、搅拌站这些垂直基建场景。」
尤其是在立项之初，团队对工程机械缺乏具体认知的时候，他们便通过仿真游戏的渲染引擎建模挖掘机、装载机等，低成本进行碰撞、摩擦与物体识别等实验以验证算法。如今早已在网易多款游戏中应用的智能 NPC，同样可以直接迁移到工程场景，无非是将数据来源由玩家转为操作机器作业的 「老师傅」。
另一方面，在前述内部机制下，领队人之于项目亦起到至关重要的作用。
接近网易人士张涵 （化名） 告诉光子星球，小新有着创业背景和 AOP（面向 「智能体」 编程） 相关技术经验，且早年在网易负责内部支撑与产研。前者造就了他对工程机械和 AOP 落地的 「执念」，后者则为团队争取了更多资源支持与空间。
我们了解到，灵动品牌今年的 ARR（年度经常性收入） 在过去一年保持着高增速——除了来自雷火的技术支持，网易相关领导也很关注该项目。
如果不是起初便锚定了明确的场景，解决商业化的先验难题，灵动的落地道路可能不会像如今一般顺畅。
值得一提的是，2024 年初恰逢游戏行业变故。张涵提到，这场变故对网易而言，受影响最大的并非游戏，而是基于游戏业务上的创新业务。这或进一步加剧了灵动团队的商业化压力。
基业优先的特性导致网易可能会在探索新业务时难以 「毕其功于一役」，却不妨碍具备创新性的产品在小众市场自我突围。游戏业务上，网易曾推出一系列小众品类精品，创新业务也跑出了有道、网易云音乐以及网易灵动等细分市场位置靠前的项目。
小众赛道的红与黑
很多时候，新技术是债务而非资产，因为许多技术在诞生之初找不到足够清晰、连贯的应用场景。而什么都有想要的结果则是核心研发能力被指数级地稀释，最终追随者取得胜利。
处于资本风口，广义上的具身智能还在凭借通用性寻找诸如巡检、监测、救援等确定的落地场景。反映到商业化上，据人形机器人场景应用联盟统计，上半年国内公开的人形机器人订单中，高校、科研院所、职校等 「探索性」 主体占比为 75%。
「不要到大家都看好的路上挤，而要顺势而为，到安静处去积蓄力量」。承继相似管理哲学，一早便确定场景的灵动不太受此烦扰，商业化更多像是一个随技术演进而循序渐进的过程。
小新表示，灵动积累了大量挖掘机、装载机等工程机械一线作业的行业数据。这些行业生产商都未必掌握的数据，经清洗标注后便是智能化的行业 Know How。我们了解到，灵动在招聘中特别提到员工需要自己赶赴作业现场验收数据与实践成果，并以此迭代产品和算法。
比较典型的落地案例是灵动前段时间发布的无人装载机。据悉，在掌握挖掘机相关作业的物体识别、避障等数据后，灵动团队仅花费三个月便在模拟环境下跑通单机智能化，即自 A 点铲料，去 B 点卸料。但在实际投入一线中，仍面临不少难点。
「跑通智能化之后，后续的任务就是单机效率的提升。这个过程中会遇到许多工程化问题，比如人员误入、料斗大小的适应、障碍物的避让与多机并行 调度」，小新表示。
基于此有两个重要参考指标，一个是单机效率相比人类操作能提升多少，另一个是 AI 接管率，即有多少任务可以完全交由 AI 完成——两相结合，即可得出规模生产场景下，无人方案较传统作业的综合能耗优势。
目前，灵动智能化方案下的无人装载机的综合能耗较传统人工节省 30%，其中部分来自于省去了夜间高峰作业的照明费用。从最早的矿山，到港口、搅拌站，跑通垂直场景技术路径后，灵动需要做的不过是不同基建场景的横向拓展。
「选好自己的场景，先不去解决通用性问题，尽可能垂直，最后和客户做双向筛选」，灵动的发展路径，从某种程度上与多数偏向通用性能力的具身智能独角兽形成了差异化。
具身智能的最大敌人是人类自己，而高度碎片化的市场特征，也让专精垂直领域的打法更易积累早期优势，直到项目在小众市场触顶。
今年 7 月的 WAIC，网易灵动发布全球首个为露天矿山挖掘机装车场景打造的具身智能模型 「灵掘」 与训练框架 「机械智心」。为加速赛道发展，其还开源了模型数据集。
小新透露，灵动正在积极接触工信部、工程机械协会，以推动行业标准化，吸引更多主体与合作伙伴参与。据了解，灵动商业化落地案例中，有 50% 的客户会找网易灵动来购买全套的方案，包含工程机械本体和智能化套件服务。灵动再向徐工、长安重工等主机厂下单定制化生产无人化的设备。其余 40% 是在现有工程车辆的基础上，灵动提供软硬件一体的背包服务，安装到工程机械上，使其可以直接实现自动化无人化的作业能力
大致算下来，灵动仅有 10% 的订单是经由合作伙伴封装交付，自侧面印证其拓展渠道合作的迫切，亦表明业务自早期验证步入市场拓展阶段。前文提到的开放数据集，以及灵动目前正在着手的出海，均是开拓市场空间的表现。
早些时候，以灵动为代表的网易创新业务更多只能充当集团营收的补充，尽可能回收内部初期开发成本。随着 Gen AI 持续演进，或通用或垂直的 Agent 加速泛化，创新业务有望在实践中反哺游戏 AI。
游戏才是星辰大海
黄仁勋来华，穿唐装卖芯片；蔡浩宇赴美，开公司做游戏。多位行业大佬身体力行，足以证明游戏与 AI 从未分家。
自 2023 年起，AI 游戏的初创公司与项目便层出不穷。只是多数项目在人才密集型的组织中沦为一闪而过的 「流星」。
大语言模型的成本已经被打下来，但生图模型的成本仍高居不下，导致多数项目不得不为 AI NPC 与 Agent 披上像素游戏的外壳。这般类似 90 年代掌机的 「复古」 沙盒体验，而今多出于小成本独立游戏，画面表现甚至不如小程序运行的小游戏。
另一方面，目前许多 AI 游戏项目以 「共建线上社会」 为验证落地的核心目标，需求玩家与 AI 高频交互。可不论是打字还是语音，于玩家而言都是不小的交互成本；开发者亦需要为交互背后的 Tokens 付费。
自由度与低成本之间的天平没有谁能平衡。
参考蔡浩宇推出的 Demo 项目 《Whispers from the Star》。其以线性推动剧情叙事的方式限制自由度，从而控制交互成本的做法倒向了另一个极端：推动玩家买账的是 AI，而非游戏性——逻辑上与 Character.AI 这般 AI 陪伴产品没有本质区别，只是游戏为玩家预设好了背景和场景。
为 AI 寻找游戏落地场景是创业者的乐土，成熟厂商无需 「为赋新词强说愁」。相反，多个已验证的场景需要 AI 的参与。事实上，AI 游戏没有 「Native」，AI 本就应该是游戏的底层技术。
以 《逆水寒》 为例，AI 的介入正在缓慢改变 MMO 的社交生态体系。其联合快手推出的剧组玩法，支持玩家一键导入预先准备好的视频片段或清晰图片作为动作捕捉的基础素材，生成动作和表情数据，甚至生成游戏 「短剧」。
公开数据显示，《逆水寒》 剧组模式 UGC 总数破千万，已经成为维护玩家留存与活跃的重要动力。
对于有技术而缺场景的网易而言，依靠模拟建模初步跑通的灵动迈出了游戏到其他垂直场景的第一步，过去限制网易创新业务的场景割裂问题已经解决一半。
在此之后，灵动与伏羲实验室的进一步挑战是加速批量化与规模化。至于未来的发力方向，亦昭然若揭——AI 产能于工业化管线中的占比。
