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

借助 Amazon Bedrock（仅在海外区域可用），沐瞳上线了《MLBB》游戏内基于生成式 AI 的辱骂识别和舆情分析功能，走出了一条将大语言模型应用于游戏实践的道路。目前，沐瞳使用的亚马逊云科技服务包括：Amazon Bedrock、Amazon OpenSearch Service 等。

过往历史表明，任何新兴技术对于业务的助力，都必须与业务自身特点相结合；而沐瞳作为领先的游戏出海公司，一直在积极探索大模型结合旗下游戏特征、赋能游戏业务的可能性。

从成立之初，沐瞳就确立了全球化的发展战略，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，与游戏长期以来注重玩家体验、能够因地制宜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，本地化工作有很大困难。这一前提下，沐瞳并没有选择使用统一的语言包，而是针对包括众多小语种国家在内的每一个国家，分别制作了各自的语言包。这使得早期《MLBB》中有20多个语言包，如高棉语、塔加洛语等小语种都有覆盖到，很好地照顾到了当地玩家的体验。

此外，《MLBB》的游戏运营也体现出了很强的因地制宜特征，实现了很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 玩家获得了很强的文化认同感。

从注重玩家体验以及因地制宜运营这两个成功经验出发，见微知著，《MLBB》对于玩家体验的高要求，决定了其在运用生成式 AI 技术时，首要希望优化的地方，就是与玩家体验息息相关的辱骂识别和舆情分析：

另一方面，舆情分析是沐瞳战略决策的依据，能够为因地制宜的游戏运营提供助力，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，即是来自于舆情分析。广义的舆情分析还能通过对玩家评论进行深层分析，挖掘更多关键信息如游戏平衡性的需求，这对于每年年底的电竞赛事至关重要，因为电竞赛事对平衡性的要求极高。然而，沐瞳每天会收到一万四千余条来自不同国家、以不同语言撰写的评论，人力难以覆盖如此海量的评论，抽样分析又可能导致以偏概全，更难以实现高颗粒度、细分层级的舆情分析。

因此，辱骂识别和舆情分析，就成为了沐瞳在这场生成式 AI 浪潮中首当其冲的发力点。

早在一年前，沐瞳就与亚马逊云科技在人工智能技术改善游戏体验方面做过深入的挖掘，并收到了良好成效。基于此前良好合作的基础，以及看到了亚马逊云科技在生成式 AI 领域技术堆栈的不断完善，沐瞳与亚马逊云科技第一时间开展合作，希望借助生成式 AI 技术，改善游戏体验，赋能业务决策。

在辱骂识别方面，沐瞳最初尝试过多种传统翻译服务，但因为游戏玩家交谈内容以东南亚本地小语种为主，涉及到十几种东南亚语言，在语言迭代的过程中，对语义语言情绪的精准表达，以及自研服务的持续投入的性价比对比 LLM 而言较低，而如果完全依赖人工介入的方式，则不仅对辱骂判罚的响应速度相应较长，且同时需要投入大量人力。

沐瞳于今年10月成为了 Amazon Bedrock 的首批用户。基于沐瞳的需求，亚马逊云科技推荐沐瞳借助 Amazon Bedrock 调用 Claude 模型，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 调用来自 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon 等领先人工智能公司的高性能基础模型（FM），例如 Claude、Stable Diffusion、Llama2、Amazon Titan 等。其中，Claude 模型因其快速响应能力（1.3秒到1.5秒）和能够处理大量数据的能力（支持约 200K 的 tokens 输入）受到了沐瞳的青睐。

通过应用 Claude 模型，《MLBB》中辱骂识别的效率和准确性显著提高，舆情分析的效率也有了大幅度提升。此外，沐瞳还利用了 Claude 模型进行 Prompt Engineering（提示工程） 优化，帮助用户更有效地编写和调整模型的提示语，从而实现更佳的模型性能和输出效果。

值得注意的是，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，极大提升了数据的检索效率，帮助沐瞳迅速定位关键数据并提取、应用于 Amazon Bedrock 平台上，以进行更深一步分析。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，这一叠加优势极大地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 中的双模型 Claude Instant 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。该模型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 Claude2 进行文本摘要，将每日一万四千余条评论作为 token（令牌）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。

沐瞳通过 Amazon Bedrock 使用 Claude 进行辱骂识别分析后，其响应速度相较比之前的大模型得到了明显的提升。同时，通过 Claude 的二次过滤功能，辱骂识别的准确率也得到了显著优化。

在舆情分析方面，Claude 实现了更为精准的结论输出。由于 Claude2 支持 200k 的输入，意味着相对于市场上主流大模型 100k 上下文的 token 输入，Claude 的信息量增加一倍、扩展到 200k 个 Token，这相当于大约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。

Amazon Bedrock 平台的应用不仅优化了沐瞳的数据处理流程，还提高了响应速度、准确率和舆情分析的效果等关键业务功能的整体效能和质量。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，有力地保障了沐瞳注重玩家体验、因地制宜进行游戏运营战略的实现。

沐瞳与亚马逊云科技的合作目前已初具成效，马上，沐瞳拥有月活亿级以上体量的游戏，将 Amazon Bedrock 应用在这个级别的游戏线上，除了商业收入外，也将会在技术层面取得重要进展，反向促成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，双方将就生成式 AI 技术进行更多合作与探索，把生成式 AI 作为游戏体验核心的智能底座，应用在沐瞳所有研发的新游戏上。