7月23日,全球 Unity 开发者的行业盛会 Unite 在上海举行,在为期三天的会议里,与来自全球的Unity用户齐聚一堂,共同见证了Unity领先全球的技术实力、在中国本土的技术发展,以及Unity在游戏、汽车、工业等多个领域的创新应用。
目前,全球一半以上的游戏即是基于Unity引擎开发,在全球排名前1000名的手游中,占比更是高达73%,其中不乏来自中国开发者的作品,如《王者荣耀》《绝区零》等等。Unity中国坚持贯彻Unity“开发大众化、解决工具难题、助力开发者成功”的三大原则,将Unity的技术带到中国市场,通过一系列本地化举措获得了巨大的成功。如今,Unity在中国拥有高达350万的注册用户。
连接全球创新技术 赋能中国本土开发
7月24日,在本届大会的核心环节——Keynote主旨演讲中,Unity CEO Matthew Bromberg 及Unity 中国 CEO 张俊波均发布了主题演讲。
Unity CEO Matthew Bromberg 表示:“Unity 中国是Unity的重要组成部分,对我们实现‘让世界拥有更多创造者’的愿景至关重要。成立 Unity 中国是为了更好地支持中国的开发者,将我们全球的创新技术带给大家,并将我们的服务本地化以适应中国的生态系统。”
在本次Keynote环节,Unity本土化的最新成果——团结引擎也备受关注,Unity 中国CEO 张俊波介绍称:“我们一直都在强调,Unity的三大原则,开发大众化、解决工具难题、助力开发者成功。本着这些原则,我们在Unity引擎的基础上研发了团结引擎。团结引擎将进一步点燃中国开发者们的创新活力,帮助他们以代码致敬时代,探索更多元的创意世界。”
Unity 6赋能创意与增长
今年5月,Unity 6预览版率先发布,其渲染性能、照明增强等方面的提升旋即在Unity社区引发了极大的讨论及期待。在今年Unite大会的Keynote演讲中,Unity一线研发团队到场为全球开发者深度解读这款全新的引擎及生态增长。诸如Unity 全球客户成功总裁Agatha Hood 带了《Unity助力中国市场成功》的演讲,Unity Grow亚太区总经理祁凯、Unity Engine 产品副总裁Ryan Ellis则分别带来Unity增长、以及Unity 6线路图的分享。
值得一提的是,为了与开发者同步Unity 6未来的发展规划,Unite大会详细介绍了 Unity 6 的路线图、所有辅助产品及服务以帮助开发者更好创建和运行游戏。其中Unity 线路图讲解环节,主创团队深度展示了Unity 6用于创建沉浸式世界的全新图形功能、XR 创新技术、 Unity AI产品及Unity Cloud等产品及服务。创新技术的推出与应用为开发者带来更加流畅、沉浸的操作体验,帮助他们轻松实现创意的同时也收获更加令人惊叹的效果。
此外,Unity在活动现场全球首发了全新超写实Demo《Time Ghost》的预览版,完整版预计在秋季正式公布,该视频采用了Unity 6的技术,其呈现出的生动、宏大的作战场景令参会的开发者们震撼,直观感受这款新引擎的魅力所在。
团结引擎聚焦本土Unity生态繁荣
团结引擎的应用及技术支持也是本次Keynote分享环节的焦点内容之一。团结引擎是基于 Unity研发的,其肩负着将 Unity 的全球创新进行本地化的天然使命。在本次Keynote演讲中,Unity中国副总裁肖蓓蓓、Unity中国引擎技术负责人左瑞文以及Unity中国发行负责人王巍等,分别分享了团结引擎在支持中国本土市场中的探索与创新应用。
团结引擎在微信小游戏、OpenHarmony、智能座舱等领域进行了深度技术部署。团结引擎推出的微信小游戏解决方案,不仅在引擎轻量化方面做了充分的技术部署,还专门针对小游戏平台进行了优化。团结引擎还新增了对国产操作系统OpenHarmony 的支持,帮助开发者快速将应用部署到新操作系统。同时,已经有多家公司在基于OpenHarmony和ARM Linux开发国产工业操作系统,相信这一方向会成为未来的一大趋势。此外,Unity中国已经与35家车厂建立了合作关系,并赋能了市面上68款量产车型,团结引擎车机版的代码就来自于这丰富的实战经验中。
除了技术上的支持,Unity中国还特别推出支持中国游戏开发者的服务,如面向中小团队推出“Unity 中国游戏发行”服务,帮助中国本土开发者打通从创作到落地的最后一公里。
在Unite 上海 2024的Keynote分享中,Unity以技术为支点,以本地化为方向,点燃了现场开发者的巨大热情。Unity的所有努力,最终都将赋能开发者,帮助他们追逐梦想,实现成功。明天,Unite大会将继续为我们带来更多精彩,让我们共同期待,在Unity的推动下,更多令人惊叹的创新、更多改变世界的梦想,即将就此起航。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。