從Unity開發快速轉型到UE4開發
1. 大概介紹了Unity引擎和UE4引擎的相同點和不同點
2. 具體介紹了UE4的渲染管線：這個從UE3開始就是這樣，差別不大
3. 分析了Unity和UE4的優勢：
能夠制作出畫面比較精良的游戲
由於引擎框架上的設計不同，UE4能夠承擔起比Unity更多面/資源/效果的客戶端繪制效果。
開源：能夠深度定制/可以修改源碼來擴展需求
做完一個項目能夠培養出一批技術高超的技術人員，在之后的項目中能夠擔當起比較總要的角色。
同時也分析了一些UE4的劣勢：
開發者程序員必須使用C++，會導致開發的門檻提高，人不好找。
項目需求開發難度提升，進度可能會不好把控。
4. 總體聽下來的感想：
目前UE4的成熟項目挺少（吃雞應該是一波）包括后面拿出來分享的兩個項目：魂斗羅/使命召喚移動版，都是基於Unity開發，有點小尷尬。
騰訊應該后面會大力發展UE4的游戲制作，據他們內部消息，新的中大型項目，必須得使用UE4來來發，相當於上升到了一個行政層面規定了。
騰訊想從UE4出發，培養出一批高端開發UE4的技術人才，考慮到UE4的難度可能會建立一定的技術壁壘。
和其他公司同行交流下來,UE4的一些效果開發不同於unity提供的更加徹底的方式(舉例:shader的pass數量),雖然是開源,但是需要一個比較給力的引擎團隊進行維護和定制化開發幾乎是必要條件
全程沒怎么很多的講到UE4的分成模式,據個人了解這才是擋在很多中小團隊門檻外的最大原因
手游《魂斗羅：歸來》同步方案分享
1. 采用狀態同步模式，服務器也跑游戲邏輯，來裁決戰斗結果。
2. 采用UDP網絡傳輸協議，同時集成冗余發包機制，跟我們的方案類似
3. 快速射擊子彈的武器，是直接客戶端計算好了結果，發送給服務器，服務器只做校驗工作（這里會導致一部分的作弊）
4. 有彈道/慢速的武器，服務器產生子彈，擊中結果也是服務器計算好了，同步給客戶端。
5. 對於電梯同步的特殊處理：由於電梯如果同步位置，考慮到網絡的抖動，會引起角色核電梯的穿插，所以在電梯上的移動，只是同步角色在電梯上的【局部坐標】
6. 服務器跑Unity，相當於服務器一個unity進程負責一個聯機戰斗局
7. 總體聽下來的感想：
狀態同步確實能夠解決掉作弊問題，實時性也能有保障。
服務器跑unity的想法比較新穎，畢竟這樣的話很多相同的代碼可以一起運行（如unity本身的剛體/碰撞/GameObject之類）代碼天然共用（環境一致）
一個unity進程負責一個聯機戰斗局，一個進程150M內存，5%CPU消耗，算下來一台他們內部的物理機器（60+G內存，20核CPU）同時負載400局，考慮到騰訊的用戶量，這個服務器配置確實是有點土豪。
1. 介紹了PBR技術的一些基本概念，容易產生的一些誤區，制作規范等內容。
2. 由於Unity自帶本身的Standard的PBR shader在手機上性能不夠，他們為使命召喚重寫了所有的PBR材質，場景/角色出了幾個特殊的（頭發，皮膚）等，統一使用相同的shader，方便統一管理。
3. 由於PBR材質，在不同的場景下，產生的效果存在巨大的差異，為了方便確認美術產生的制作效果，他們TA制作了檢查小工具，也就是有6個預先設置的場景，包括正常/陰暗/曝光/全明（檢查AO）等預設條件，
4. 為了統一美術制作規范，他們對pbr的制作軟件SubstancePainter的設置預先調整好，所有的美術制作必須要在預先設置好的環境下工作。
5. 人眼對光照強度的估計是有巨大的偏差，所以實際制作的時候，需要借助外部的工具來對環境進行測量得出正確的值。他當時帶了3個工具出來做演示
一個是測量光強，對着一個方向會實時顯示出來光線強度。他舉例說天空一般是1萬以上，室內只有100~1000。人眼基本感覺不出來這個十多倍的差距。
一個是色卡（和目標物體一起拍照之后在軟件里面通過色卡調整）軟件不知道是啥，色卡就是個塑料盒里面有10來重各樣的顏色，說要800塊錢。
6. 使命召喚發外包的規定：
他們把sp的預先設置文件發給外包公司，讓外包公司在這個軟件環境下制作。
他們把unity的檢查工具（包含6套預設場景）的也發給外包公司自查。
他們還有開發檢查貼圖數值的工具，用來對外包資源自動檢查。
7. 總體聽下來的感想：
他們的TA確實了解了當前3A大作的制作流程/規范，而且開發出了豐富的工具/軟件
最重要的還是定義出來了制作規范文檔：這些都是我們需要學習的方向
他們很多東西也在摸索階段，但是比我們在這種3A級大作的開發路上已經領先了很多。
PBR渲染直接將表現效果提高了一個檔次,個人認為這種3A級別效果開發最重要的是工作流,包括人員工種配備,工作規范,外包規格等等.即便技術一樣, 好的工作流和差的工作流相差的效果可能是百倍的.如果可以更加深入的了解到這套具體的工作流程那就更好了
人工智能技術在游戲研發與運營中的運用
1. 介紹了一些大概的概念，包括現有的一些人工智能在游戲里面的開發：如openAI做的dota2，還有暴雪的星際爭霸AI等。
2. 介紹了騰訊人工智能技術在游戲中的一些應用：
歡樂斗地主的托管模式：能夠根據被托管的角色等級，估計下一次出牌的概率，來進行托管打牌（等級需要匹配，不能太強）
歡樂斗地主的殘局模式：他們發現人家有一個斗地主平台出了殘局模式，很受歡迎，但是策划擺出來只有10局，他們用機器自動產生殘局（並且給殘局的優劣評分）總共有上千萬的殘局了！
QQ飛車的機器人：采用自動強化學習，能夠生成不同難度下的賽車機器人（完全不干預的情況下，一條賽道自己訓練個幾十萬盤就能夠滿足需求了。）
3. 介紹了一些研究方向和設計架構：
程序化的自動美術生成：生成樹木/草叢/地形之類的
人臉的3D模型自動生成：根據一張自拍的人臉照片（無深度信息），自動生成三維模型，在此基礎上進行捏臉。
視頻動作提取：就是提供一套三維模型，將視頻里面的動作提取動畫出來匹配到三維模型上面去。
支持機器學習應用的大規模並行計算系統構架
棋牌游戲訓練架構
視頻游戲訓練架構
4. 總體聽下來的感想：
他們的AI部門和游戲部門分開的，做AI的據說還沒有做過游戲，也是基於一些內部的需求來做相關工作。
人工智能能夠解決很多之前程序無法（很難）解決的問題，需求搭配的話，應該還是比較有前途。（只是之前的積累還是要比較多）