اگر امروز در حال توسعهی یک بازی هستید، احتمالاً متوجه شدهاید که صورتحسابهای استنتاج AI شما با رشد تعداد بازیکنان، بهصورت خطی افزایش مییابد. راهکار Tryll ساده است: انتقال تمام محاسبات از سرورهای گرانقیمت به سختافزار خود کاربر.
این شرکت روی این فرض شرطبندی کرده که آیندهی شخصیتهای غیرقابلبازی (NPC) نه در کلاود، بلکه روی واحد پردازش گرافیکی (GPU) محلی است. صنعت بازی سالها با «مالیات کلاود» دستوپنجه نرم میکرد؛ یعنی هزینه سنگین اجرای مدل زبانی بزرگ (LLM) — که شبیه کتابخانهداری است که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — از طریق API برای میلیونها کاربر. همانطور که در تحلیلهای قبلی ما دربارهی رایانش لبه اشاره کردیم، این مانع مالی در کنار تأخیر در پاسخدهی، باعث شد اکثر NPCها در همان درختهای دیالوگ قدیمی و نوشتهشده گیر کنند.
طبق گزارش unite.ai، شرکت Tryll موفق به جذب ۶۰۰ هزار دلار در مرحلهی pre-seed شد که منجر به ارزشگذاری ۶ میلیون دلاری آن گردید. این موتور میانی که با Unity 6 و Unreal Engine 5 سازگار است، در حال حاضر در نسخهی آلفای بسته با ۶ شرکت سرگرمی آزمایش میشود. قابلیتهای کلیدی این سیستم عبارتند از:
- اجرای محلی مدل زبانی کوچک (SLM) برای حذف هزینههای زیرساختی.
- یکپارچهسازی تبدیل گفتار به متن و متن به گفتار برای تعاملات صوتی طبیعی.
- حافظهی پویا برای بهخاطرسپاری اقدامات بازیکن و تاریخهی بازی.
بر اساس مستندات منتشرشده، این تغییر پارادایم، کامپیوتر بازیکن را به سرور تبدیل میکند. حمایتهای Epic Games از طریق MegaGrants نشان میدهد که صنعت به سمت طراحی «AI-native» میرود؛ جایی که دنیای بازی در لحظه با بازیکن سازگار میشود.
گام بعدی شما
- اگر توسعهدهنده هستید، بررسی کنید که آیا VRAM سختافزاری مخاطبان هدف شما برای اجرای SLMها کافی است یا خیر.
- مدلهای بازمتن کوچک را برای جایگزینی دیالوگهای اسکریپتی در پروژههای خود تست کنید.
- منتظر انتشار عمومی Tryll Engine در اواخر سال ۲۰۲۴ باشید تا انسجام روایی مدلهای محلی را بسنجید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ برای درک اینکه چرا تراشههای جدید لبه را متحول میکنند، به تحلیل ما دربارهی NPUها مراجعه کنید.
گفتگو