2015 年Y束了，是r候看看 2016 年的技g荩尤是P於深度W方面。新智元在 2015 年末l^一篇文章《深度WC器W工程失I幔俊罚引l很大的反。的_，^去一年的rgY，深度W正在改愈碛多的人工智能I域。Google DeepMind 工程 Jack Rae Ayf，^去被於中型到大型集碇v最佳的Ay算法的那些模型（好比f提高Q策洌Boosted Decision Trees）和SC森林）得o人津。 算法

 

深度W，或者更泛地f――使用Y主x架的C器W算法，可能C器W算法成^去r，由於深度W算法hh不是和B。在淼啄暄Y，H有可能出F一些深度神Wj的方法，它可以@著提高性能。在化方法、激活功能、YY以及初始化步E之g，有一些突破出F的空g。程

 

@O可能不少C器W算法接近出局的。g[器

 

那N，2016 年是否能看做深度W正式y治人工智能的一年？若是是@樱咱又能此作好什N洌啃轮窃整理了I热耸筷P於 2016 年的深度W技g展望，以及 2015 年深度W最流行的 10 大框架。安全

 

 

 

IIya Sutskever：OpenAI 的研究部人Wj

 

咱期待看到更深度的模型（Deeper Models），相比今天的模型，它能母少的中W，尤是在非O督W方面，有@著的M步。咱能蚱诖，在Z音Re和D像ReI域，咱能看到更加精K且有用的Y果。架

 

Sven Behnke：波恩大W全教授，智能系y小M主任框架

 

我期待深度W技g，在那些日益增多的多Y}中@得用。@o深度W硇碌用I域，包括C器人，挖掘和知RlF。C器W

 

Christian Szegedy：Google 高工程程Z言

 

如今的深度W算法和神Wj，距x理上可能的表F很h。相比一年之前，咱如今的X神Wj模型，它的r格便宜了 5 到 10 倍，理的瞪倭 15 倍，但表F的更好。@背後是更好的WjY和更好的方法。我相信@HH是_始，深度W算法如此便宜，它能\行在便宜的手CO渲校K且不用更多的硬件O渲危也不要~外的存ζ鳌分咽

 

Andrej Karpathy：斯坦福大W算C科W博士，OpenAI 的研究工程

 

我看到了一荩Y於更大，更碗s。咱建造一超大型的神Wj，可以交Q神WjM件，提早部分Wj，增L新的模K，Bд{整全部M件。例如，卷e神Wj曾是最大的深度神Wj，可是今天它被分x出恚做新的大型神Wj一部分。似的，如今的@些神Wj，也是新一年更大型神Wj的一部分。咱在W犯咄婢叩钠捶ǎW如何把它高效拼接在一K骸

 

Pieter Abbeel：UC 伯克利大W助理教授，Gradescope 合始人

 

依於O督技g的深度W垂直I域，要用新的方法（NLP）超^F有的技g表F。咱看到深度W在非O督W和加W方面的突出表F。

 

Eli David：Deep Instinct CTO

 

在^去赡辏咱看到了深度W在各I域得到很大突破。但即使如此，5 年以K不_到人水平的}（但我J，K其一子@出F）。咱在各大I域看到O大的突破。特e的，我J最具涞的I域，碜造斗潜O督W，@世界的大部分是]有嘶`的，K且咱大X自己，也是很是好的非O督W盒子。

 

Deep Instinct 成第一在安全I域使用深度W的公司r，能蝾A有更多的公司也使用深度W聿渴稹？墒巧疃W的T仍是很是高，尤於互W安全公司碇v，他其K不使用人工智能工具（只有不多的解Q方案使用了鹘y的C器W技g）。因此深度W要在安全I域@得大模用，通^不少年的rg。

 

Daniel McDuff：Affectiva 研究主管

 

在算CX、Z音分析以及其NI域，深度W已成C器W中的支配形式。我但使用 1 到 2 GPUs 就能部署的蚀_Re系y，可以_l者把新的件部署到真世界。我但更多的焦c放在非O督，或者半O督的算法上。

 

J?rg Bornschein：Google W者，在加拿大前沿技g研究院（CIFAR）

 

Ay砝鲜呛茈y的。咱在大模系yY考]C器W，在C器人控制的系yI域，或者在大模系yY的大X系y，非O督、半O督和化W扮演愈l重要的角色。很明@的是，渭的O督W方法在理上受到太多限制，很y解QH}。

 

Ian Goodfellow：Google 高研究工程

 

我Ay在5年的rgY，咱的神Wj能w{lYl生了什N，K且有能力生成短l。神Wj已成X任盏式Q方案。我Ay神Wj成 NLP 和C器人任盏式Q方案。我Ay神Wj在其N科WI域扮演重要工具，例如在基因行Ay，物，蛋白|，新的t方案等。

 

Koray Kavukcuoglu & Alex Graves：Google DeepMind 研究工程

 

不少事情在 5 年l生。咱Ay非O督W和加W愈加重要。咱也Ay多方式W（Multimodal Learning）的d起，K且超越w集M行W。

 

 

 

 

1.Keras

 

Keras 是很是O、高度模K化的神Wj欤用 Python 成，K且能\行在 TensorFlow 和 Thenao 的印Ｋ的O初衷是F更快的，南敕ǖ浇Y果的rg量少，@是作好研究的PI所在。

 

2.MXNet

 

p量、便y、`活性的分咽/移由疃W系y，K能B的、突的流M行{度。MXNet 能支持 Python、R、Julia、Go、Javascript 等程Z言，是出於效率和`活性O的深度W框架。它可以o深度W程序增L一些小佐料，K且能最大化a品效率。

 

3.Chainer

 

深度W的神Wj`活框架。Chainer 支持各Wj架，包括 Feed-forward Nets、Convnets、Recurrent Nets 和 Recursive Nets。它也支持 per-batch 的架。Chainer 支持 CUDA 算，它在 GPU r只要仔写a。它也能^一些努力，\行在多 GPUs 的架中。

 

4.Sickit-Neuralnetwork

 

深度神Wj的施，K且]有W崖（Learning Cliff）。@炜梢绦卸痈兄器，自泳a器和fw神Wj，它\行在定的 Future Proof 交互界面，K能和τ舾加友好的 Scikit-Learn 以及 Python 交互界面兼容。

 

5.Theano-Lights

 

Theano-Lights 是基於 Theano 的研究架，提供最近一些深度W模型的F，以及便於和y功能。@些模型不是[藏起淼模而是在研究和W的^程中，有很大的透明性和`活性。

 

6.Deeppy

 

基於 Theano 高度U展性的深度W框架。

 

7.Idlf

 

Intel 的深度W框架。

 

Intel Deep Learning Framework（IDLF）是一 SDK 欤深度神Wj提供和绦小

 

它包括一些 API，可以把建神Wj拓渥算工做流程，M行函D形化K绦械接布。咱最初的重c是硬渴鹪 CPU（Xeon）和 GPU（Gen）上神Wj的物wRe（ImageNet 拓洌。

 

@ API 的O，使咱砟芎苋菀字С指多的O洹Ｔ的PI原t是在每一 Intel 支持的平_上F最大性能。

 

8.Reinforcejs

 

Reinforcejs 是一加W欤可以绦谐Ｒ的加W算法，K且能蜃 Web 端的 Demos。@烊缃癜括：

 

B方法（Dynamic Programming Methods）

 

rg差分W（Temporal Difference Learning）（SARSA/Q-Learning）

 

Deep Q-Learning

 

Stochastic/Deterministic Policy Gradients 和 Actor Critic 架

 

9.OpenDeep

 

OpenDeep 是服侦 Python 的一深度W框架，建在 Theano 的基A上，Ｒ辉陟`活性和易用性，行I的科W家和前沿研究者服铡OpenDeep 是一模K化、易U展的架，可以用建缀跞部的神Wj框架，以解Q你的}。

 

10.MXNetJS

 

MXNetJS 是一 DMLC/MXnet 的 Javasript 包。MXNetJS 能og[器碜钚滤平的深度WAy API。它^ Emscripten 和 Amalgamation \行。MXNetJS 容S你在各算D像中，\行最新水平的深度WAy，Ko客舳砩疃W的啡ぁ

清华虚拟学生”华智冰“都在学习的人工智能发展脉络，究竟是怎么生成的？

清华虚拟ai学生华智冰露脸弹唱,清华虚拟学生华智冰图片,清华大学虚拟学生华智冰视频,清华首个虚拟学生华智冰是什么

在文章开始前，我们来一起看看这段视频！

人工智能发展简史 - AMiner

人工智能到底是什么？通常来说，人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

但是事实上，给一门学科界定范围是很难的，尤其对于一门正在快速发展的学科更是难上加难。即使是数学这样成熟的学科，有时我们也很难梳理一个明确的边界。而像人工智能这样不断扩展边界的学科，更是很难做出一个相对准确的判断。对于人工智能的应用已经扩展到各个领域，机械、电子、经济甚至哲学，都有所设计。它的实用性极强，是一种极具代表性的多元跨专业学科。

基于AMiner科技情报引擎的梳理描绘，以河流图的形式展示了人工智能在60多年中的发展历史中取得的标志性成果。本文以该河流图为基础，系统的梳理了人工智能的发展过程及其标志性成果，希望能将这段60多年几经沉浮的历史，以一个更加清晰的面貌呈现出来。

人工智能的起源可以追溯到以及阿兰・图灵（Alan Turing）1936年发表的《论可计算数及其在判定问题中的应用》。后来随着克劳德・香农（Claude Shannon）在 1950 年提出计算机博弈。以及艾伦・麦席森・图灵（Alan Mathison Turing）在 1954 年提出“图灵测试”，让机器产生智能这一想法开始进入人们的视野。

1956年达特茅斯学院召开了一个研讨会，John McCarthy, Marvin Minsky, Nathaniel Rochester, 以及Claude Shannon等人正式提出“人工智能”这一概念。算法方面，1957年，Rosenblatt Frank提出感知机算法Perceptron，这不仅开启了机器学习的浪潮，也成为后来神经网络的基础（当然追溯的话，神经网络研究得追溯到1943年神经生理学家麦卡洛克（W. S. McCulloch）和皮茨（W. Pitts）的神经元模型）。

克劳德・艾尔伍德・香农（Claude Elwood Shannon，1916年4月30日―2001年2月24日）是美国数学家、信息论的创始人。

香农是世界上首批提出“计算机能够和人类进行国际象棋对弈”的科学家之一。1950年，他为《科学美国人》撰写过一篇文章，阐述了“实现人机博弈的方法”；他设计的国际象棋程序，发表在同年《哲学杂志》上（计算机下棋程序 Programming a Computer for Playing Chess）。

香农把棋盘定义为二维数组，每个棋子都有一个对应的子程序计算棋子所有可能的走法，最后有个评估函数（evaluation function）。传统的棋局都把下棋过程分为三个阶段，开局、中局和残局，不同阶段需要不同的技术手段。而此论文也引用了冯・诺依曼的《博弈论》和维纳的《控制论》。

这篇论文开启了计算机下棋的理论研究，其主要思路在多年后的“深蓝”及AlphaGo中仍能看到。1956年，在洛斯阿拉莫斯的MANIAC计算机上，他又展示了国际象棋的下棋程序。

艾伦・麦席森・图灵（英语：Alan Mathison Turing，1912年6月23日―1954年6月7日），英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父。

1954年，图灵测试（The Turing test）由图灵发明，指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。图灵测试一词来源于计算机科学和密码学的先驱艾伦・麦席森・图灵写于1950年的一篇论文《计算机器与智能》，其中30%是图灵对2000年时的机器思考能力的一个预测，目前我们已远远落后于这个预测。

他实际提出了一种测试机器是不是具备人类智能的方法。即假设有一台电脑，其运算速度非常快、记忆容量和逻辑单元的数目也超过了人脑，而且还为这台电脑编写了许多智能化的程序，并提供了合适种类的大量数据，那么，是否就能说这台机器具有思维能力？

图灵肯定机器可以思维的，他还对智能问题从行为主义的角度给出了定义，由此提出一假想：即一个人在不接触对方的情况下，通过一种特殊的方式，和对方进行一系列的问答，如果在相当长时间内，他无法根据这些问题判断对方是人还是计算机，那么，就可以认为这个计算机具有同人相当的智力，即这台计算机是能思维的。这就是著名的“图灵测试”（Turing Testing）。当时全世界只有几台电脑，其他几乎所有计算机根本无法通过这一测试。

要分辨一个想法是“自创”的思想还是精心设计的“模仿”是非常难的，任何自创思想的证据都可以被否决。图灵试图解决长久以来关于如何定义思考的哲学争论，他提出一个虽然主观但可操作的标准：如果一台电脑表现（act）、反应（react）和互相作用（interact）都和有意识的个体一样，那么它就应该被认为是有意识的。

为消除人类心中的偏见，图灵设计了一种“模仿游戏”即图灵测试：远处的人类测试者在一段规定的时间内，根据两个实体对他提出的各种问题的反应来判断是人类还是电脑。通过一系列这样的测试，从电脑被误判断为人的几率就可以测出电脑智能的成功程度。

图灵预言，在20世纪末，一定会有电脑通过“图灵测试”。2014年6月7日在英国皇家学会举行的“2014图灵测试”大会上，举办方英国雷丁大学发布新闻稿，宣称俄罗斯人弗拉基米尔・维西罗夫（Vladimir Veselov）创立的人工智能软件尤金・古斯特曼（Eugene Goostman）通过了图灵测试。虽然“尤金”软件还远不能“思考”，但也是人工智能乃至于计算机史上的一个标志性事件。

1956年夏季，年轻的明斯基与数学家和计算机专家麦卡锡（John MeCarthy，1927―2011）等10人在达特茅斯学院（Dartmouth College办了一个长达2个月的人工智能夏季研讨会，认真热烈地讨论用机器模拟人类智能的问题。会上正式使用了人工智能（artificial intelligence，即 AI）这一术语。

这是人类历史上第一次人工智能研讨，标志着人工智能学科的诞生，具有十分重要的历史意义，为国际人工智能的发展做出重要的开创性贡献。会议持续了一个月，基本上以大范围的集思广益为主。这催生了后来人所共知的人工智能革命。1956年也因此成为了人工智能元年。会议的主要议题包括自动计算机、如何为计算机编程使其能够使用语言、神经网络、计算规模理论、自我改造、抽象、随机性与创造性等。

1957年,弗兰克・罗森布拉特（Frank Rosenblatt）在一台IBM-704计算机上模拟实现了一种他发明的叫做“感知机”（Perceptron）的神经网络模型。罗森布拉特1962年出了本书：《神经动力学原理：感知机和大脑机制的理论》（Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms），基于MCP神经元提出了第一个感知器学习算法，同时它还提出了一个自学习算法，此算法可以通过对输入信号和输出信号的学习，自动获取到权重系数，通过输入信号与权重系数的乘积来判断神经元是否被激活（产生输出信号）。

感知机需要几个二进制输入， X1，X2，…Xn X1，X2，…Xn ，并产生一个二进制输出：

上图所示的 Perceptron Perceptron 有三个输入，但是实际的输入可能远多于三个或是少与三个。 Rosenblatt Rosenblatt 提出了一个简单的规则来计算输出，他首先引入了 weights weights（权重）概念， ω1，ω2,... ω1，ω2,...。以实数权重 ω ω表示输入到输出的重要性，神经元的输出 0 或 1 ，这取决于加权因子（即 weights weights）小于或大于某一阈值。就像权重，阈值为一个实数，是一个神经元的参数。

公式表示为：

这就是我们熟知的激活函数的最初形态， 0 0 状态代表抑制， 1 1 状态代表激活。这简单的数学公式帮助我们了解 perceptrons perceptrons 是如何工作的。姑且我们把它理解为： 它是一种通过权衡输入信息的重要性来决定你的输出。

到了 20 世纪 60 年代，人工智能出现了第一次高潮，发展出了符号逻辑，解决了若干通用问题，初步萌芽了自然语言处理和人机对话技术。其中的代表性事件是丹尼尔・博布罗（Daniel Bobrow）在1964年发表了Natural Language Input for a Computer Problem Solving System，以及约瑟夫・维森鲍姆（Joseph Weizenbaum）在1966年发表了ELIZA―A Computer Program for the Study of Natural Language Communication between Man and Machine。

早期的人工智能更多的侧重描述逻辑和通用问题求解上，到了60年代末，爱德华・费根鲍姆（Edward Feigenbaum）提出首个专家系统DENDRAL，并对知识库给出了初步的定义，这也孕育了后来的第二次人工智能浪潮。当然这个时期更重要的情况是大家对人工智能的热情逐渐褪去，人工智能的发展也进入了一轮跨度将近十年的“寒冬”。

1961年，Leonard Merrick Uhr 和 Charles M Vossler发表了题目为A Pattern Recognition Program That Generates, Evaluates and Adjusts its Own Operators 的模式识别论文，该文章描述了一种利用机器学习或自组织过程设计模式识别程序的尝试。程序启动时不仅不知道要输入的特定模式，而且没有任何处理输入的运算符。算符是由程序本身生成和提炼的，它是问题空间的函数，也是处理问题空间的成功和失败的函数。程序不仅学习有关不同模式的信息，而且至少在一定程度上，它还学习或构造适合于分析输入到它特定模式集的二级代码。这也是第一个机器学习程序。

2.2人机对话（Human computer coversation）

1966 年，麻省理工学院的计算机科学家Joseph Weizenbaum 在 ACM 上发表了题为《 ELIZA，一个研究人机自然语言交流的计算机程序》（ELIZA-a computer program for the study of natural language communication between man and machine）的文章。文章描述了这个叫作 ELIZA 的程序如何使人与计算机在一定程度上进行自然语言对话成为可能。Weizenbaum 开发了最早的聊天机器人 ELIZA，用于在临床治疗中模仿心理医生。

ELIZA 的实现技术是通过关键词匹配规则对输入进行分解，而后根据分解规则所对应的重组规则来生成回复。简而言之，就是将输入语句类型化，再翻译成合适的输出。虽然 ELIZA 很简单，但 Weizenbaum 本人对 ELIZA 的表现感到吃惊，随后撰写了《计算机的能力和人类的推理》（Computer Power and Human Reason）这本书，表达他对人工智能的特殊情感。ELIZA 如此出名，以至于 Siri 也说 ELIZA 是一位心理医生，是她的启蒙老师。

1968年，在美国国家航空航天局要求下，爱德华・费根鲍姆（Edward Feigenbaum）提出首个专家系统DENDRAL，并对知识库给出了初步的定义，这也孕育了后来的第二次人工智能浪潮。当然这个时期更重要的情况是大家对人工智能的热情逐渐褪去，人工智能的发展也进入了一轮跨度将近十年的“寒冬”。该系统具有非常丰富的化学知识，可根据质谱数据帮助化学家推断分子结构。这个系统的完成标志着专家系统的诞生。在此之后, 麻省理工学院开始研制MACSYMA系统，经过不断扩充, 它能求解600多种数学问题。

现在，专家系统(Expert System,简称ES)是人工智能(Artificial Intelligence,简称AI)的一个重要分支,同自然语言理解,机器人学并列为AI的三大研究方向。

20世纪70年代末、80年代初，人工智能进入了第二次浪潮，其中代表性的工作是1976年兰德尔・戴维斯（Randall Davis）构建和维护的大规模的知识库，1980年德鲁・麦狄蒙（Drew McDermott）和乔恩・多伊尔（Jon Doyle）提出的非单调逻辑，以及后期出现的机器人系统。

1980年，汉斯・贝利纳（Hans Berliner）打造的计算机战胜双陆棋世界冠军成为标志性事件。随后，基于行为的机器人学在罗德尼・布鲁克斯（Rodney Brooks）和萨顿（R. Sutton）等人的推动下快速发展，成为人工智能一个重要的发展分支。这其中格瑞・特索罗（Gerry Tesauro）等人打造的自我学习双陆棋程序又为后来的增强学习的发展奠定了基础。

机器学习算法方面，这个时期可谓是百花齐放，百家争鸣。Geoffrey Hinton等人提出的多层感知机，解决了Perceptron存在的不能做非线性分类的问题；Judea Pearl倡导的概率方法和贝叶斯网络为后来的因果推断奠定基础；以及机器学习方法在机器视觉等方向取得快速发展。

1975年，马文・明斯基(Marvin Minsky)在论文《知识表示的框架》(A Framework for Representing Knowledge)中提出框架理论，用于人工智能中的“知识表示”。

明斯基框架不是一种单纯的理论。除了数据结构上有单纯的一面外，在概念上是相当复杂的。针对的是人们在理解事物情景或某一事件时的心理学模型。它将框架看作是知识的基本单位，将一组有关的框架连接起来整合成框架系统。系统中不同框架可用有共同节点，系统的行为由系统的子框架的具体功能来实现。推理过程由子框架的协调来完成。框架理论类似于人工智能中的面向对象化程序设计。它的成功之处是它利用框架这种结构将知识有机的整合起来，使其有一种特定的结构约束。同时保持了结构的相对独立性、封闭性。

明斯基的框架理论体现出来的模块化思想和基于事例的认知推理为其理论增添了永恒的魅力，这也是认知哲学家关注它的一个重要原因。作为认知可计算主义核心代表的明斯基将心智与计算机类比，把认知过程理解为信息加工过程，把一切智能系统理解为物理符号系统。虽然这样做使人们能从环境到心智，又从心智到到环境的信息流中来分析问题，使心智问题研究具有实验上的严格性。但是机械性的缺陷也非常明显。

同时，框架跟软件工程领域面向对象语言中的“类”相似，只是两者的基本设计目标不同。

Douglas Lenat（道格拉斯・布鲁斯・勒纳特）（生于1950年）是德克萨斯州奥斯汀市Cycorp公司的首席执行官，一直是人工智能领域的杰出研究者。他从事过机器学习（与他的AM和Eurisko程序）、知识表示、黑板系统和“本体工程”（在MCC和Cycorp的Cyc程序）。他还从事军事模拟，并发表了一篇对传统随机突变达尔文学说的批判，这是基于他对尤里斯科的经验。列纳特是AAAI的最初成员之一。

在宾夕法尼亚大学，勒纳特获得数学和物理学士学位，并于1972年获得应用数学硕士学位。1976年，他从斯坦福大学获得博士学位，并发表论文《数学中发现的人工智能方法――启发式搜索》。

该文章描述了一个名为“AM”的程序，它模拟了初等数学研究的一个方面：在大量启发式规则的指导下开发新概念数学被认为是一种智能行为，而不是一种成品。本地启发式通过一个议程机制、系统要执行的任务的全局列表以及每个任务合理的原因进行通信。一个单独的任务可以指导AM定义一个新的概念，或者探索一个现有概念的某个方面，或者检查一些经验数据的规律性等。程序从议程中反复选择具有最佳支持理由的任务，然后执行它。每个概念都是一个活跃的、结构化的知识模块。最初提供了一百个非常不完整的模，每个模对应于一个基本的集合论概念（如并集）。这提供了一个明确但巨大的“空间”，AM开始探索。AM扩展了它的知识库，最终重新发现了数百个常见的概念和定理。

1976年，Randall Davis在斯坦福大学获得人工智能博士学位，并发表文章 Applications of Meta Level Knowledge to the Construction, Maintenance and Use of Large Knowledge Bases，此文提出：使用集成的面向对象模型是提高知识库（KB）开发、维护和使用的完整性的解决方案。共享对象增加了模型之间的跟踪能力，增强了半自动开发和维护功能。而抽象模型是在知识库构造过程中创建的，推理则是在模型初始化过程中执行的。

Randall Davis在基于知识的系统和人机交互领域做出了开创性的贡献，发表了大约100多篇文章，并在多个系统的开发中发挥了核心作用。他和他的研究小组通过创建能够理解用户图像、手势和交谈的

马化腾竞技类游戏 马化腾游戏点评

马化腾主要代表游戏,马化腾开的什么游戏,马化腾做了几个游戏,马化腾公司的所有游戏

21世纪经济报道记者蔡姝越上海报道

2022年即将行至尾声，本周游戏行业又有哪些新鲜看点值得关注？

行业动向方面，近日，人工智能研究公司OpenAI发布了最新的图片制作工具POINT-E，能够直接通过文本提示，在短期内生成3D图像。应用商店数据分析机构SensorTower也于本周发布《2022年日本IP手游海外市场洞察》报告，报告显示，2019年至2022年，接近37%的日本IP手游收入来自海外市场。

国内公司方面，本周腾讯CEO马化腾的内部讲话引起了业内的广泛关注。据悉，今年内部大会的主题是“降本增效”，多个事业群如CSIG、PCG、IEG中存在的问题都在会议中被提及。微信公众平台运营中心也在本周发布春节期间小程序审核调整通知，宣布非加急提审需求在此期间停审。聚焦至单个产品，据SensorTower发布的报告显示，由ShiftUp制作、腾讯LevelInfinite代理发行的《胜利女神：NIKKE》在发布后的一个月内，全球市场收入已超过1亿美元，位列全球手游月度收入榜单第四名。此外，本周网易旗下3D动作MOBA游戏《无尽战区》宣布重启，此前曾于5月20日停运。而在ESG建设方面，本周三七互娱发布了《投资于人・三七互娱社会价值共创计划进展报告（2022）》，阐述企业在过去一年多的“共创”成绩。

合规监管方面，本周上海市公安局关联相关行政执法部门，告破全国首例侵犯“剧本杀”著作权案，查获待销售的盗版“剧本杀”盒装剧本8万余盒，涉案金额5000余万元。

而把目光投向海外，本周《堡垒之夜》的开发商EpicGames因违反FTC儿童保护法规，收到了高达5.2亿美元的游戏史上最高罚单。此外，据媒体报道，微软现任首席执行官萨提亚・纳德拉正在考虑于2023年收购流媒体巨头Netflix。另外值得关注的是，本周韩国最大游戏开发商Nexon正式宣布与腾讯云达成合作，将共同搭建虚拟世界社区平台NEXONTOWN。

OpenAI发布AI工具POINT-E，将自动生成3D模型？

近日，OpenAI宣布发布其最新的图片制作工具POINT-E，可以直接从文本提示生成3D点云。据悉，现有系统，如Google的DreamFusion通常需要花费数小时和多个GPU来生成图像，而POINT-E只需要一个GPU和一两分钟即可完成。

在独立的网格生成模型之外，POINT-E主要由两个模型组成：文本到图像模型和图像到3D模型。文本到图像模型类似于OpenAI自家的DALL-E2和StableDiffusion等生成模型系统，在标记图像上进行训练以理解单词和视觉概念之间的关联。在图像生成之后，图像到3D模型被输入一组与3D对象配对的图像，训练出在两者之间有效转换的能力。

南财点评：自draft.ai、ChatGPT等AI工具的面世，令部分职能为策划、美术的游戏从业者开始担心自己的工作会不会终有一天被AI取代。而可自动生成3D模型的POINT-E，更是对游戏行业中对专业度要求更高的3D建模工程师的职能提出了挑战。不过从目前来看，AI工具仍然只能做一些辅助工作，距离真正取代一个职业群体还有较远的距离。

SensorTower：近37%的日本IP手游收入来自海外市场

12月21日，应用商店数据分析机构SensorTower发布《2022年日本IP手游海外市场洞察》报告。报告中指出，日本IP手游在海外市场具有重要影响力，2019年至2022年，接近37%的日本IP手游收入来自海外市场。受疫情等因素影响，2020年日本IP手游在海外市场收入同比上涨14.8%至33.8亿美元。2022年前11个月，随着疫情为手游市场带来的红利消退，日本IP手游海外收入回落至24.9亿美元。

其中，美国市场是日本IP手游海外收入的重要贡献者，2022年1-11月日本IP手游海外畅销榜Top100中，接近40%的收入来自美国市场。日本IP手游在邻近的中国和韩国市场也具一定的影响力，其收入仅次于美国市场。

马化腾发表对内讲话：称不再相信买量，认为不应浪费任何一个版号

12月22日，一份腾讯董事会主席兼首席执行官马化腾近日在腾讯内部的讲话被媒体曝光，讲话中，马化腾重点谈及腾讯业务变化，包括CSIG（云与智慧产业事业群）不要被市场份额裹挟；PCG（平台与内容事业群）某些业务可能再缩减；不再相信买量，以后要着重产品本身。

关于腾讯游戏的未来发展，马化腾也指出，版号和政策对IEG的影响确实比较大。未来希望探索更多的合作方式，把好产品的市场打开，更好地扩展国际市场。此外，他认为从长期看，国内游戏市场的版号肯定是紧缩状态，不会像过去那么容易（拿版号）。“所以（腾讯游戏）一定要聚焦精品，不要浪费任何一个版号的机会。”

南财点评：马化腾对于内部业务的点评，一定程度上可以视作是腾讯的各项业务在2023年的转向“预告”。对游戏业务而言，明年以买量为重点任务的游戏产品，可能会面临“去肥增瘦”，而腾讯又会如何运营今年以来获得的版号以及此前的版号储备，并实现“聚焦精品”的目标，是腾讯游戏2023年发展的一大看点。

微信：春节期间小程序审核调整，非加急提审需求在此期间停审

12月22日，微信公众平台运营中心发布春节期间小程序审核调整通知，小程序代码审核将在2023年春节期间1月21日（除夕）至1月27日（初六）仅支持开发者加急提审的需求，保障开发者在春节期间的紧急版本迭代需求。非加急提审需求在此期间停审。

如开发者希望在春节前完成常规版本迭代，建议在2023年1月16日24点前提交小程序代码审核。在此之前提交的小程序代码审核单，审核团队将在春节前优先审核。1月28日恢复正常审核后，将按提审时间顺序逐步审核春节期间常规版本提审。

SensorTower：《胜利女神：NIKKE》首月收入突破1亿美元，腾讯海外收入占比提升12.5%

12月23日，应用商店数据分析机构SensorTower发布分析报告指出，由ShiftUp制作、腾讯LevelInfinite代理发行的《胜利女神：NIKKE》(GODDESSOFVICTORY:NIKKE)（以下简称NIKKE）在11月4日发布当天就在全球多个国家与地区的下载榜单上位居前列。根据SensorTower商店情报显示，《NIKKE》在发布后的一个月内，在全球市场收入已超过1亿美元，位列全球手游月度收入榜单第四名。值得注意的是，其发行商腾讯凭借《NIKKE》与常年位列榜单前三位的《王者荣耀》和《PUBGMobile》，已经包揽11月收入榜单前五中的三个席位。2016年发行的《王者荣耀》和2017年发行的《PUBGMobile》在发行当月分别获得了约1000万美元和约300万美元的收入。

网易3D动作MOBA游戏《无尽战区》宣布重启

12月22日消息，网易旗下3D动作MOBA网游《无尽战区》宣布复活，本作由网易Inception工作室开发，曾于2020年5月20日停运。

据悉，《无尽战区》是一款快节奏MOBA游戏，游戏采用了与传统MOBA迥异的TPS视角，融合了格斗、射击、法术等多种战斗方式，带给玩家紧张刺激扣人心弦的战斗体验。游戏中玩家可以选择来自不同时空背景下的英雄参与到多种模式的战斗之中，领略在一个无限可能的时空领域中酣畅淋漓的战斗的快感。

三七互娱发布社会价值共创“成绩单”

12月21日，三七互娱发布了《投资于人・三七互娱社会价值共创计划进展报告（2022）》（以下简称《报告》）。其中，坚持以“人才赋能”为核心，促进“科技创新”，进而为社会创造正向价值，是《报告》中强调的重要发展方向。

作为一家人才引领、创新驱动的互联网企业，三七互娱始终认为，要投资于人。2021年9月，三七互娱发布5亿元“社会价值共创计划”，表示将在2025年之前进一步支持乡村教育振兴、乡村产业帮扶、产学研人才培养、员工职业发展、功能游戏开发、科技创新等六大方向的工作。

全国首例侵犯剧本杀著作权案告破，查获盗版剧本8万盒

12月21日，据“警民直通车上海”公众号信息显示，最近，全国首例侵犯“剧本杀”著作权案成功告破。

近日，上海市公安局关联相关行政执法部门，在当地公安机关的协助下，在浙、冀、鲁、苏、陕、辽、桂等全国7省9地开展集中收网行动，成功侦破全国首例侵犯“剧本杀”著作权案，共抓获盗版印刷、网络分销、线下门店等全环节犯罪嫌疑人39名，查处盗版剧本生产工厂3家，捣毁仓储、销售窝点15处，查获待销售的盗版“剧本杀”盒装剧本8万余盒，涉案金额5000余万元。

Epic因违反FTC儿童保护法规，收到5.2亿美元游戏史上最大金额罚单

当地时间12月19日，《堡垒之夜》的开发商EpicGames在与美国联邦贸易委员会（FTC）以5.2亿美元的罚款总额达成一项和解协议。FTC表示，他们在调查中发现EpicGames的该款作品利用“暗黑设计”（DarkPatterns）诱导未成年消费、儿童隐私保护措施缺失等行为违反了联邦儿童网络隐私保护法（COPPA）。

据FTC官方披露，此次5.2亿美元的罚款总额中的2.75亿为违反COPPA法案直接缴纳给FTC的罚款，是FTC史上以该法案为依据开出的最大单笔罚单；另外的2.45亿美元将被退还给因“暗黑设计”而受害的消费者，该笔金额同样创下了FTC史上最大的退款记录。

微软正考虑收购Netflix

当地据媒体报道，微软现任首席执行官萨提亚・纳德拉正在积极拓展公司业务，并考虑在2023年收购Netflix公司。推动这起收购的部分原因是微软希望在多种设备上提供视频游戏流媒体服务。

据悉，两家公司目前已经在多个领域建立了紧密合作。Netflix选择微软作为其广告合作伙伴，推出一项新的广告支持订阅服务。微软总裁布拉德・史密斯也是Netflix董事会成员。

韩国最大游戏开发商Nexon宣布与腾讯云合作

12月19日，韩国最大游戏开发商Nexon正式宣布与腾讯云达成合作，基于腾讯云的实时音视频(TRTC)技术，共同搭建虚拟世界社区平台NEXONTOWN。据悉，Nexon是知名的韩国游戏开发商，旗下有《地下城与勇士》《跑跑卡丁车》《冒险岛》《洛奇》《泡泡堂》等作品。

出品：南财合规科技研究院数字娱乐课题组

本期作者：蔡姝越