我们也突发奇想也问了一些无聊的问题，类似于让他把墨镜送给我们之类，从它的回答能看出，它记得这副墨镜是这个NPC角色的标志，说什么也不能给我——做人，哪怕是做机器人，也是有底线的。这个底线就是NPC会坚持输出与故事、角色相关的内容，而不是天南地北给你一些不着边际的回答。
在多轮对话的体验后，我们也发现了一些此次预览中存在的明显不足。比如NPC的回答有时会显得着急，过于想要推进剧情的进度，以及语音识别带来的延迟、声音的机械感也让沉浸感有所减分。
但与 ChatGPT 带来的震撼体验类似，Quantum Engine 具备多轮对话的能力，互动表述的合理行和逻辑性，完全不逊于真人游戏策划们为 NPC 所做的设计。这一技术对游戏开发来说可能是划时代的，AIGC 的效率是人力无法比较的，a16z 在前述文章中曾预言，AIGC 在游戏领域的运用会打破游戏开发中 “成本、质量和速度” 的不可能三角。
在其团队的帮助下，我们提前体验了下一更新版本中“用户自主上传故事”的功能，AI在学习了故事、角色设定后，用户可以自由选择任何角色与其他角色对话，体验全开放式的故事互动。
我们尝试让AI学习了《甄嬛传》滴血认亲的故事桥段，然后扮演甄嬛与皇后NPC对话。
能感受到AI已经成功领悟故事中的角色关系，以及皇后NPC在故事中的任务设定是让甄嬛说出与温实初的事件真相，会千方百计地逼着甄嬛坦白。
在体验了 AI 实时生成的游戏剧情互动后，我们有一个无法回避的疑惑，它是不是一个语音版的 ChatGPT？我们也将这个疑惑抛给了 Quantum Engine 团队，其回复说：
Quantum Engine utilizes low-level OpenAI APIs and open-sourced models, trained and finetuned by Cyber Manufacture Co., to achieve highly contextual, text-based multi-modal (voice + text + 3D models) & multilingual (e.g. English, French, Chinese, Japanese, Spanish) understanding of user intentions, character-character interaction and environment response within a scene. On top of it, Quantum Engine contains a highly scalable , streaming orchestrator that schedules calls to large-language-model APIs and transforms raw-text outputs into structured data (audio text-to-speech, 3d point cloud, Unreal Engine primitives, screenplay scenes) that comprises of the end user experience. The result is self-composing script in the Hollywood standard that is able to interact with user in near-real-time fashion, able to retain memory of past interactions, and respond to normal and outlier user requests while adhering to the character and plot.
其中可以解读出的关键信息是：
他们有用到OpenAI的定制API接口，从多轮体验上推测，类似于GPT3.5的级别，所以在对话感受上跟ChatGPT有相似之处；
除了OpenAI，他们也针对游戏互动的垂直场景，做了向上和平行的技术开发，比如语音识别，又比如让角色限定在故事中，坚持输出角色目的等等；
目前与用户实时互动的内容会自动转化为标准的好莱坞剧本格式，这是为下一步的游戏画面结合做准备。
Quantum Engine 的本次技术预览让我们看到，AIGC 在游戏中的探索又前进了一步，“无限生成”“合理” 故事的能力已经基本能实现了，但继续向前发展，其商业化前景会如何？
AIGC如何在游戏产业淘金？
最近这一轮 AIGC 热潮引发关注，有一篇重要的文章起到了推波助澜的作用，红杉资本两位合伙人与 GPT-3（AI 模型）联合撰写《Generative AI: A Creative New World》。
在这篇文章中，将AI划分为了传统的“分析型AI”和“生成型AI”。前者常常用于内容推荐算法，分析已经存在的东西；后者则用于创造，生成新的东西。AI绘图、AI写代码以及上面介绍的AI实时生成游戏剧情，都是生存型AI的技术结果。
这篇文章认为当下的市场阶段，平台层开始巩固，模型继续变得更好、更快、更便宜，以及模型的使用趋向于免费和开源，应用层的创造力爆发的时机已经成熟，正在孕育一款生成型AI的杀手级应用。
该文章认为，“正如移动通信通过GPS、相机和随身连接等新功能催生出了新类型的应用，我们预计这些大型模型将激励新一波生成型AI应用的诞生。正如十年前移动通信的拐点为少数几个杀手级应用创造了一个市场缺口一样，我们预计杀手级应用也将出现在生成型AI当中。如今，比赛正在激烈进行当中。”
作者尝试预测了下各个领域的应用爆发时间表。