全球开源技术峰会（Global Open-source Technology Conference） GOTC 2023 由开放原子开源基金会、 Linux 基金会亚太区、上海浦东软件园和开源中国联合发起， 于 5 月 27 日至 28 日在上海顺利举行。

GOTC是面向全球开发者的一场盛大开源技术盛宴，大会以行业展览、主题发言、专题论坛、开源市集的形式展现，与会者将一起探讨元宇宙、3D 与游戏、eBPF、Web3.0、区块链等热门技术主题，以及开源社区、AIGC、汽车软件、AI 编程、开源教育培训、云原生等热门话题，探讨开源未来，助力开源发展。

北京鸥睿零世科技有限公司创始人&CEO白景文受邀出席Web3元宇宙世界专题论坛，发表了题为《元宇宙时代Web3D的生态优势及WebGPU引擎的机遇》的演讲，并参与了《游戏与3D渲染引擎》圆桌讨论。

圆桌会议

一、AIGC在3D行业的突破

随着ChatGPT的出现，LLM的多模态能力已经在文字和图片的生成上表现出了非常好的效果。下一个被LLM覆盖的场景，必然是3D内容的生成。AIGC在3D行业的突破，我们理解为两种表现形式：生成派和调用派。

生成派：资产的生成

比如ChatGPT，Jasper，Imagen，Dall·E 2，Stable Diffusion，Midjourney等，都是在文字或图片的场景里，从0到1的直接创造内容。对于3D资产，通过AI最终也一定可以实现从0到1的直接创造。从当前3D内容生产工作流兼容性的角度，考虑到3D资产需要应用到渲染管线，3D资产最流行的representation就是Mesh，除此之外还包括NeRF，体素，点云，SDF等。当下，可以基于3D数据集直接训练AI模型，实现3D Mesh资产的创作，也可以基于2D图片信息，来生成各种representation的3D资产。虽然目前来看，3D资产的生成还是处于相对早期的阶段。但是，这些不同的representation最终都会通过AI，实现从0到1的直接生成创造。

调用派：资产的产品化

在3D应用场景中，LLM是否可以学习各种DCC软件（通过教程、案例、代码等），通过“调用”的方式，完成3D内容的创作。比如我们是不是未来可以教会LLM使用Unity引擎工具，通过prompt，就可以直接生成我们需要的3D应用。LLM本身更擅长的是对文字内容的理解，而复杂繁琐的专业性工作，有很多成熟的工具可以完成。这好比我们的大脑只需要完成思考，再通过控制我们的手脚来完成工作一样。这种调用派的逻辑更像是ChatGPT当下的插件机制，如果想购买机票，只需要告诉ChatGPT我们的意图，然后通过插件调用成熟的机票购买服务就好了。

生成派解决的是资产创造的问题，但是3D资产创造完，需要有去处，有场景。调用派解决的资产转换为3D资产，产品化的问题。

二、带有AI大脑的3D引擎必然出现

功能级：AI能力独立调用

⾕歌在5月10号召开的I/O⼤会，展示了AI和安卓系统的结合能力：生成式AI的壁纸应用和智能短信助手Magic Compose。这些AI能力的应用还都是属于一个个独立功能的存在，不是系统级的接入。

这种结合AI的形式和运用3D游戏引擎的AI能力开发游戏类似。当下，我们开发游戏也用到了很多AI能力：传统AI能力应用包括语音生成，语音生成面部表情，AI视频动捕等等；大模型AI能力应用包括生成原画素材，游戏剧本，智能NPC等等。我们认为这种AIGC的应用的确可以大大加速3D内容的生成效率，但是都不是系统级别的。

系统级：3D内容工具的范式转变

微软在5月23号召开Build开发者大会，推出了Windows Copilot，这对微软有重大战略意义。它的本质是给windows安装了一个大脑，而且它可以慢慢进化的。虽然现在能做的事情有限，但是这可能是新⼀代AI操作系统的雏形，通过自然语言的方式，完成人和操作系统（机器）的交流。

在这个AIGC的时代，我们需要给3D引擎装上一个大脑，大语言模型，必须系统级的理解3D引擎，这将是3D内容创作工具的范式转变。

充分发挥AI的先发优势，需要像微软一样从战略上重视。半年来，我们对AI大语言模型了解的还非常浅显，战略上愈加重视，才能理解的更为深刻，才有可能制定出更加领先且正确的战术计划。

3D应用的开发必须有3D引擎的支持，是非常不容易被大模型替代的。在这个相对的垂直场景，一定会出现一个带有AI大脑的3D引擎，为3D创作提供系统级的AIGC能力。

专题演讲

三、WebGPU和AIGC对3D引擎的影响

简单回顾游戏引擎30多年的发展史，每个时代都会有不同的3D内容需求，不同的需求又会催生出不同的引擎公司，进而站上历史舞台。

第一款游戏引擎，是由ID Software在1993年发布的《德军总部3D》，创始人John Carmack也被称为“FPS游戏之⽗”。同年，经过优化后，ID发布了《DOOM》，最终成为了游戏引擎技术的代表。但是，这两款引擎都是伪3D。真正的3D引擎是ID在1996年发布的《Quake》，它开始⽀持模型，动画和粒子特效。1997年的《Quake2》，开始⽀持OpenGL。

1998年，Epic公司的Unreal诞生。当时游戏的开发已经变的相对复杂，需要很多功能模块。Unreal当时最主要的特征是集成了游戏开发的很多模块，包括物理、⾳效、碰撞等。所以，从游戏引擎通用性角度，Unreal要好很多。但是这还不够，Unreal真正能⽐肩Quake，是经过几轮的代码重构和迭代后，发布的Unreal3。这个过程中，Epic公司做的最成功的决定就是全力拥抱微软的生态，努力适配Widows的图形API接口DX。最终在Xbox上发布了《战争机器》，也奠定了它在PC主机这个时代的引擎霸主的地位。这个时代对3D内容的需求，就是渲染逼真，效果好。

2004年，伴随着让游戏引擎大众化的口号，Unity成⽴。Unity成功的很大原因是借助于移动互联⽹的浪潮，尤其是2007年iPhone发布的时候，当时只有Unity一款引擎可以为IOS开发游戏应用。最终Unity凭借它的跨平台特性，很快的成为了移动互联网时代的主流引擎⼯具。这个时代对3D内容的需求，就是人们可以通过移动⼿机，随时随地的快速进⼊3D世界。

随后，各家游戏引擎开始普遍的去游戏化标签。比如，Unity的口号从“game development platform”变成了“real-time 3D content platform”，Unreal也开始深⼊到各个⾏业，包括影视，⼯业，仿真，⾃动驾驶等等。随着覆盖场景的增多，协作的需求也多了起来。所以英伟达推出的Omniverse，横向打通了各种3D内容制作工具，让不同的角色可以快速协作，进而提升工作效率。

在这个发展的过程中，出现过3D内容轻量化的阶段。曾经的Flash被抛弃后，很多优势都被WebGL所借鉴，也出现过非常火爆的页游。但是，从商业角度，并没有出现特别成功的引擎公司。

我们也尝试做过分析，首先Web技术不只是可以用来做网页，一样可以打包发布成移动端和桌面端的应用，甚至是未来的VR/AR/MR的应用。其次，Web在2D内容有《羊了个羊》，在工具层面上有Figma。3D场景上没有特别成功的案例，一个很有可能的原因就是Web上的3D天花板WebGL的性能问题。这导致在Web上很难开发出高质量，高性能，高留存的3D应用。

但是，这样⼀种局⾯，很有可能随着WebGPU的出现被彻底打破。2023年5⽉2号WebGPU正式发布，它本质上是释放了GPU的⽣产⼒，在浏览器上可以进⾏⾼性能的计算和渲染。

WebGPU增加了计算着色器，可以把GPU的通用计算能力独立出来，不再需要通过 fragment shader和vertext shader进⾏模拟；同时WebGPU取消了全局状态机，把内存管理交给技术人员，大大提高了灵活度，可以针对不同的需求进行自由调整。这两个技术上的变化，也表现在两个⽐较实际的场景上。第一个场景是，浏览器通过WebGPU可以直接运行大模型，比如Stable Diffusion。第⼆个场景式，浏览器中可以更加轻松的实现桌⾯级的渲染效果算法，实现更加逼真的3D内容呈现。

浏览器的全球安装量是非常巨大的，Chrome一家在全球就有30亿用户。WebGPU带来的技术和场景的变化，意味着几十亿人，可以⼏乎0成本的获得超强的计算和渲染能⼒。再配合上浏览器天然的跨平台，易传播的属性，便可以轻松的让⽤户体验到各种AI能力和高质量3D内容。

大模型的训练是需要巨大算力支持的，因此我们在当下体验AI服务的时候，经常因为云端资源的限制而被“卡”住。有了WebGPU的技术，它可以轻松的释放端侧的算力，未来AIGC服务表现为“训练在云测，推理在端测”的模式很有可能成为新的趋势。

以ChatGPT为代表的⼤语⾔模型，已经改变了人们的习惯和认知。当下，是一个AIGC普众化需求爆发的时代，更多的⼈都渴望更方便快捷的获得AI的能⼒，获得AIGC的3D创作能⼒。 我们认为不久的将来，⼀定会出现⼀个轻量级的、易传播的，系统级集成AI能⼒的AI原⽣3D引擎。

欢迎大家加入开发者社区交流群（tips：已在123群的就不要重复加入哦，所有的信息每个群都会同步滴！）

如果出现扫码进群已达到上限，请加大添加小鸥微信（图右），我们会邀请您进群~