اگر توسعهدهندهٔ بازی هستید و ماهانه مبالغ هنگฟتی بابت API شخصیتهای هوش مصنوعی میپردازید، انتقال استنتاج به GPU کاربر میتواند تمام هزینههای زیرساختی شما را به صفر برساند. Tryll با ارائه پلتفرم جدید هوش مصنوعی روی دستگاه (On-Device AI)، موفق شد ۶۰۰ هزار دلار سرمایه در مرحلهٔ پیشبذره (Pre-seed) با ارزشگذاری ۶ میلیون دلار جذب کند؛ دور سرمایهای که توسط Early Game Ventures رهبری شد.
صنعت بازی سالهاست با «مالیات ابری» دستوپنجه نرم میکند. طبق گزارش منابع صنعتی، اجرای مدلهای زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — از طریق سرورهای خارجی برای بازیهایی با میلیونها کاربر و هزاران شخصیت تعاملی، بهشدت گران است. به همین دلیل، بیشتر استودیوها به درختهای دیالوگ خشک و از پیشنویسشده بسنده میکنند چون مقیاسبندی هوش مصنوعی پویا در ابر، توجیه اقتصادی ندارد. Tryll با تبدیل سختافزار بازیکن به موتور پردازشی اصلی، این معادله را تغییر میدهد.
زمینه و زیرساخت
به نقل از گزارش unite.ai، این شرکت نسخهٔ آلفای بستهٔ Tryll Engine را عرضه کرده است. این میانافزار از طریق پلاگینهای اختصاصی مستقیماً به Unity 6 و Unreal Engine 5 متصل میشود. تمرکز این سیستم بر مدلهای زبانی کوچک (SLM) است که استنتاج (Inference) — لحظهای که مدل واقعاً جواب تولید میکند، شبیه خودِ آشپزی و نه دورهی آموزش آشپز — و تشخیص گفتار و سنتز صدا را بدون ارسال داده به سرویسهای خارجی انجام میدهند.
با تبدیل شدن به زیرساختی برای گیمپلیهای بومیِ هوش مصنوعی، Tryll نیاز استودیوها به داشتن تیمهای بزرگ یادگیری ماشین را از بین میبرد. این پلتفرم مدیریت پیچیدهی بارهای کاری AI را بر عهده میگیرد و ارکستراسیون مدلها را هندل میکند تا توسعهدهندگان بهجای دیدن هوش مصنوعی به عنوان یک افزونهٔ ابری، آن را مستقیماً در قلب سیستمهای گیمپلی جای دهند.
جزئیات فنی
بر اساس مستندات فنی، قابلیتهای کلیدی این پلتفرم عبارتند از:
- حافظه پویا: شخصیتهای غیرقابلبازی (NPC) تاریخچهٔ بازیکن و جزئیات عمیق دنیای بازی (Lore) را به خاطر میسپارند و بهجای دنبال کردن اسکریپت، پاسخهای پویا میسازند.
- یکپارچگی صوتی: سیستمهای بومی تبدیل گفتار به متن (STT) و متن به گفتار (TTS) که اجازه میدهد بازیکن بهجای انتخاب گزینهها از منو، بهطور طبیعی با شخصیتها صحبت کند.
- مدیریت محلی: مدیریت بارهای کاری AI بهطور خاص برای VRAM دستگاههای مصرفکننده بهینهسازی شده است تا موتور AI بتواند همزمان با اجرای بازیهای مدرن فعال باشد.
- حریم خصوصی و دسترسی: چون پردازش روی دستگاه رخ میدهد، تعاملات بازیکن خصوصی میماند و هوش مصنوعی کاملاً آفلاین عمل میکند.
در حال حاضر ۶ شرکت سرگرمی در حال آزمایش این ویژگیها در قالب تجربههای نمایشی (Showcase) هستند. این پروژه توسط چهرههای شناختهشدهای چون Alexander Stojanovic (نایبرئیس R&D در NEXT AI مایکروسافت) و Pierre Moisan (مدیر اجرایی باسابقه که به تأسیس استودیو Ubisoft در شهر کبک کمک کرد و بعدها نقش کلیدی در توسعهدهندهٔ کانادایی Frima داشت) حمایت میشود. همچنین Epic Games از طریق برنامهٔ Epic MegaGrants از Tryll حمایت کرده است.
توجیه سختافزاری
این چرخش راهبردی تنها به این دلیل اکنون ممکن شده که سختافزار مصرفکننده بالاخره به سطح لازم رسیده است. PCهای گیمینگ مدرن اکنون VRAM کافی برای اجرای همزمان یک بازی با گرافیک بالا و یک مدل AI فشرده را دارند. همچنین مدلهای متنباز کوچکتر و کارآمدتر شدهاند و نیازهای محاسباتی برای ارائه هوش درونی در بازی را کاهش دادهاند.
برای بازیکن عادی، این یعنی بازیهایی که آفلاین کار میکنند و به حریم خصوصی دادهها احترام میگذارند. برای استودیو، این یعنی امکان استقرار هزاران شخصیت هوشمند برای جمعیتهای بزرگ بازیکن، بدون مواجهه با هزینههای سرسامآور پردازش ابری که معمولاً با استقرار AI همراه است. اثر ثانویهٔ این اتفاق، گذار از دیالوگهای «منو-محور» به سمت گیمپلیهای واقعاً نوظهور (Emergent Gameplay) است.
پیامدهای آینده
Tryll در واقع خودِ شخصیتها را نمیسازد، بلکه «لولهکشی» (Plumbing) آنها را فراهم میکند. با مدیریت انتخاب مدل، بهینهسازی و کنترل عملکرد، طراحان میتوانند بهجای مهندسی یادگیری ماشین، بر روایت و تجربهٔ بازیکن تمرکز کنند.
این رویکرد میتواند طراحی بازیها را به سمت دنیاهایی ببرد که بهطور مداوم با رفتار بازیکن سازگار میشوند. این سیستمها میتوانند بر تجربههای چندنفره، عناوین شبیهساز و بازیهای آموزشی — جایی که تعامل مبتنی بر AI یک مکانیک اصلی است و نه صرفاً یک ابزار تزئینی — تأثیر بگذارند.
این شرکت در حال حاضر پذیرش درخواست برای برنامهٔ بتا است و عرضهٔ عمومی گستردهتر برای اواخر سال ۲۰۲۵ برنامهریزی شده است.
گام بعدی شما
- اگر توسعهدهنده هستید، مستندات Unity 6 و Unreal 5 را برای یکپارچگی با مدلهای محلی بررسی کنید.
- روی مدلهای زبانی کوچک (SLM) تمرکز کنید تا وابستگی به APIهای گرانقیمت را کاهش دهید.
- برای دسترسی به نسخه بتا، در لیست انتظار Tryll ثبتنام کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell و آیندهٔ پردازش لبهای مراجعه کنید.
گفتگو