HASH GAME - Online Skill Game GET 300

　　22 年底我们初创团队开始看 Games101、以及 dreamfusion 等一系列论文，产品人一样得啃。啃完的结果我们知道，当下大模型在 3D 领域发展的制约要素：数据，和图、文、视频是非常不一样的，以及在经典图形学领域里，深度学习、强化学习到了哪一步，未来和大模型的结合会是什么趋势？这些在 22 年底、23 年初的时候我们就已经消化、判断出来了，我也发了几篇短视频来分享里面的观点。结合产品人在战略、产品分析上的积累，这对指明公司、产品的发展方向是很重要的。

　　图形学里最大的问题是分支非常多，数据不统一，算法也有很多不统一的地方，想要在一朝一夕改变是很难的，也没有必要。我们很细要关注的点，是围绕战略目标和用户需求，看互动娱乐内容需要的图形学算法里，哪些是很重要的？比如刚刚说的投篮，抛物线的模拟是可以通过大模型实现的，抛物线的运动轨迹有大量的数据。根据物体不同质量不同密度，可以通过大模型的方式求解，这不是一个无法实现的问题。只是原来图形学算法的实现方式和大模型完全不同，那么怎么把这些数据获取进来，标注好，做清晰，放到 diffusion 的大模型里去，和整个引擎管线传统起来，最终能够实现那样的效果，这是我们未来要攻克的重点方向。