生成式 AI 创新游戏体验，Amazon Bedrock 助力沐瞳实现高效内容审核

生成式 AI 的爆发引发了各行业的智能革新，作为 “第九艺术” 的游戏行业，同样也希望借助生成式 AI 提升游戏品质，实现更好的玩家游戏体验。沐瞳作为全球领先的游戏公司，一直在积极探索结合旗下游戏特征，利用 LLM 赋能游戏业务的可能性。

从成立之初，沐瞳就确立了全球化发展战略，旗下 MOBA（Multi-Player Online Battle Arena，多人在线战斗竞技场游戏）类游戏《MLBB》发售后不仅成为风靡东南亚的 “国民游戏”，同时也走向了中亚、中东、拉美、独联体等国家与地区，获得了广泛的国际影响力。《MLBB》能取得这样的成绩，与沐瞳长期以来注重玩家体验、开展本地化运营等策略密不可分。

注重玩家体验，是《MLBB》的基本原则。例如在开拓东南亚业务的过程中，沐瞳发现由于东南亚国家数量众多，且各地的互联网基建水平参差不齐，本地化工作面临严峻的挑战。为此，沐瞳没有选择使用统一的语言包，而是为包含众多小语种国家在内的每个国家，分别制作了各自的语言包。这一策略使得早期《MLBB》覆盖了 20 多种语言，包括高棉语、塔加洛语等小语种，有效提升了当地玩家的游戏体验。

此外，《MLBB》的游戏运营也体现了其因地制宜的特征，实现了诸多成功的本地化实践。例如，针对不同地区的文化特色与历史传统，沐瞳推出了包括印尼金刚神 Gatotkaca、 菲律宾对抗外敌的民族英雄拉普拉普、马来西亚传奇勇士巴当、缅甸的江喜陀、韩国武将李舜臣等在内的多款本地化英雄，让各国 MLBB 玩家获得了强烈的文化认同感。

同样，在 沐瞳将生成式 AI 技术 引入《MLBB》时，从注重玩家体验和因地制宜运营这两大成功经验出发，首先聚焦于与玩家体验息息相关的辱骂识别和舆情分析：

作为多人在线对战型游戏，MOBA 类游戏体现了零和博弈，对战双方必然有成功者与失败者，而失败的一方很有可能会辱骂对方；此外，在失败一方中数名不同玩家之间也有可能因对队友的表现不满而进行辱骂。这些辱骂严重影响了玩家的游戏体验，可能导致玩家流失，因此需要有效避免。此前，《MLBB》通过玩家自主举报和客服人员通过翻译软件判定来确定辱骂行为，不仅需要专业客服人员支持，且判断周期长、准确率低，整体效果不佳。沐瞳迫切需要引入更高效的方式来识别和遏制辱骂行为，改善玩家的游戏体验。

另一方面，舆情分析能够为游戏运营提供助力，是沐瞳业务决策的依据之一。如玩家需要文化认同感、希望本民族特色英雄加入游戏的需求，皆是来自于舆情分析。广义的舆情分析还能通过对玩家评论进行深层分析，挖掘更多关键信息，例如从每年年底的电竞赛事相关评论中，可分析出电竞赛事对平衡性要求较高，进而将游戏平衡性作为重点场景需求之一。沐瞳每天会收到约 14000 条来自不同国家、以不同语言撰写的评论，人力难以覆盖如此海量的评论，而抽样分析又可能导致以偏概全，这使得高颗粒度、细分层级的舆情分析变得更具挑战性。因此，辱骂识别和舆情分析，成为沐瞳在这场生成式 AI 浪潮中首要发力点。

一年前，沐瞳就与亚马逊云科技在运用人工智能与机器学习技术改善游戏体验方面进行了深入的探索，并取得了良好成效。基于此前的成功合作，以及亚马逊云科技在生成式 AI 领域技术栈能力的不断完善，沐瞳再次与亚马逊云科技携手，借助生成式 AI 技术改善游戏体验，赋能业务决策。

在辱骂识别方面，沐瞳最初尝试过传统翻译服务，但由于游戏玩家交谈内容以东南亚本地小语种为主，涉及十几种东南亚语言，如果分别进行大模型自研开发会导致成本高昂，而如果完全依赖人工介入，不仅对辱骂判罚的响应速度相对较慢，还需要大量人力投入。

沐瞳于 2023 年 10 月成为了 Amazon Bedrock 的首批用户。基于海外业务需求，沐瞳通过亚马逊云科技 Amazon Bedrock 调用业界领先 LLM ，实现文本处理任务。Amazon Bedrock 是一项完全托管的生成式 AI 服务，用户可以使用单个 API 调用众多领先的高性能大模型。其中，某业界领先 LLM 因其 1.3 秒到 1.5 秒的快速响应能力和能够支持约 200K  Token 输入的数据处理能力，受到了沐瞳的青睐。通过调用该模型，《MLBB》中辱骂识别的效率和准确性显著提高，同时舆情分析效率也得到了大幅提升。此外，面向海外业务，沐瞳还利用了该 LLM 进行提示词工程优化，帮助用户更有效地编写和模型调优的提示词，从而实现更优异的模型性能和输出效果。

在舆情分析以及风险控制方面，Amazon Bedrock 与 Amazon OpenSearch Service 的集成使得数据的处理和分析收效甚佳。Amazon OpenSearch Service 作为 PB 级别的搜索引擎，能够极大提升数据的检索效率，帮助沐瞳针对其海外业务迅速定位关键数据并提取，从而能将数据应用于 Amazon Bedrock 上进行更深入的分析。相较于市面上的其他选择，Amazon OpenSearch Service 拥有对类文本和类日志数据的高效处理能力，同时兼具支持同义词和向量存储的特性，这一叠加优势能够进一步提高了数据搜索和分析的精确度。

目前，《MLBB》中的辱骂识别场景由亚马逊云科技 Amazon Bedrock 中的某业界领先 LLM 以及另一主流模型联合支持机器翻译，并将翻译后的结果进行精准识别。该 LLM 可以精准识别小语种，并运用系统调优解决翻译精度问题；而针对于舆情分析的应用，《MLBB》基于亚马逊云科技 Amazon Bedrock 调用该 LLM 进行文本摘要，将每日 14000 余条评论作为 Token 输入，并对其进行深化分析，进一步夯实该游戏世界观、角色的论证基础，为未来新游戏角色的构建提供事实依据。

针对海外业务，沐瞳通过 Amazon Bedrock 调用该业界领先 LLM 进行辱骂识别分析后，其响应速度相较于之前的大模型得到了明显提升。同时，通过该 LLM 的二次过滤功能，《MLBB》辱骂识别的准确率也得到了显著优化，达到了 90% 以上。

在舆情分析方面，该业界领先 LLM 实现了更为精准的结论输出。由于该 LLM 支持 200K Token 的输入，意味着相对于行业内主流大模型 100k 上下文的 Token 输入，该LLM支持的信息量增加一倍、扩展到 200k 个 Token，相当于大约 15 万个单词或超过 500 页的材料，对于用户每天评论 500-600k 的输入，能够输出较少的文本切片，让输出结果更精准。

沐瞳技术 VP 李斌表示：“沐瞳一直致力于 ‘体验至上・创新突破’ 的文化理念，我们正在与亚马逊云科技合作，基于 Amazon Bedrock 构建面向游戏行业的生成式 AI 应用，服务于海外玩家，创造更契合用户需求的创新游戏体验。我们期待  Amazon Bedrock 能够成为次世代的游戏 AI 引擎。”

沐瞳智能服务负责人张文文表示：“沐瞳拥抱变化，追求极致的用户体验。我们惊讶于大语言模型的潜力，由好奇开始，到逐渐理解，并在 Amazon Bedrock 持续构建面向海外业务的生成式 AI 应用，在提升海外玩家游戏体验和提升内部能效上齐头并进。我们希望站在生成式 AI 与游戏结合的前沿，也希望 Amazon Bedrock 能成为我们坚实的伙伴。”

Amazon Bedrock 的应用不仅优化了沐瞳海外业务的数据处理流程，还提高了响应速度、准确率和舆情分析的效果等关键业务的整体效能。这些看似简单的优化，对玩家的体验来说却是质的提升，也在一定程度上给业务的战略决策带来了可靠的参考意见，有力地保障了沐瞳的玩家体验以及业务战略的实现。

沐瞳与亚马逊云科技的合作目前已初具成效。面向海外玩家的基于 Amazon Bedrock 的战场即时风控系统即将上线，旨在通过生成式 AI 为沐瞳带来更多收益。另一方面，沐瞳拥有月活亿级以上体量的游戏，将 Amazon Bedrock 应用在这样用户规模的游戏上，不仅能带来商业收益，还将在技术层面取得重要进展，反向推动亚马逊云科技在生成式 AI 方面的创新与发展，形成良性闭环。未来，双方将持续深入合作，将生成式 AI 作为游戏体验的核心智能底座，应用在所有沐瞳研发的新游戏中。

沐瞳成立于 2014 年，业务遍布印度尼西亚、新加坡、香港、菲律宾等地。公司创立之初便立足于全球化游戏的开发，通过领先的研运优势，打造全球发行体系，已成功推出多款在海外具有高知名度的移动游戏产品，《MLBB》更是成为风靡东南亚的 “国民游戏”。 沐瞳旗下游戏产品包括《Magic Rush: Heroes》《Mobile Legends: Adventure》《Mobile Legends: Bang Bang》 《Watcher of Realms》等。其中《Mobile Legends: Bang Bang》 2016 年上线，全球累计下载量超 10 亿次，是全球最受欢迎的 MOBA 类手游之一。

*前述特定亚马逊云科技生成式人工智能相关的服务仅在亚马逊云科技海外区域可用，亚马逊云科技中国仅为帮助您了解行业前沿技术和发展海外业务选择推介该服务。