魔方网8月15日报道 ,记者经多家渠道证实,美国上市游戏企业中国手游(NASDAQ:CMGE)正联手数十家知名国内安卓渠道就《航海王》《火影忍者》等诸多已获版权方授权的顶级IP展开大规模打击盗版活动。另据消息人士透露,中手游已经展开对中国市场上《航海王》、《火影忍者》等作品为题材的侵权盗版移动游戏进行监控和取证,准备提起法律诉讼。
在中国,盗版对于这个增速迅猛的手游市场已经是老生常谈的问题为何这些小厂商仍然乐此不疲铤而走险?这些盗版产品对于中国手游的发展又会有哪些危害?
盗版侵权成为快速致富的捷径
《海贼王》这部动画在中国可谓是家喻户晓,抛去那些无法估量的字幕版BT下载数,仅被搜狐引入版权后,仅用三周《海贼王》的播放量就已过一亿大关。高曝光量换来的是人气效应,一时间海贼的周边产品供不应求,而它也给手游市场留下了足够的空间。在中国手游集团今年8月宣布获得《航海王》、《火影忍者》、《大航海时代5》等一系列顶尖IP之前,就曾有公司推出一款使用火影IP名为《梦想海贼王》的产品,有业内人士直接点出该公司并没有获得IP授权,但依托这样一款产品,这家公司迅速从一个小手游公司变身为市值过亿的一线企业。而效仿其运作模式的公司更是不计其数。除了《海贼王》,诸如《火影忍者》《巨人的进击》《龙珠》等热门动漫基本都会有几十款山寨作品。当热他们只有一个目的:能吸量能赚钱。
盗版思想根深蒂固成主因
有市场能赚钱所以厂商愿意做,而另一方面根深蒂固的盗版思想也让侵权盗版游戏有了不小的市场。从当年PC盗版游戏的泛滥就已让中国的用户认为,玩游戏为什么还要花钱?显然有一部分厂商也将这个思想融入的研发手游的环节中。就算侵权了,真的有人会起诉我,“先上车后买票”这一方式也许还能让游戏继续盈利下去。另外,目前中国的手游市场渠道的话语权极高,而渠道规模大大小小也有几十家,并不是所有的渠道都会将侵权监管列为最重要的游戏引入考量因素,在高额的流水分成面前,一线手游发行商反而对这类侵权产品青睐有加,因为这类产品转化率高,成功机会大,甚至更愿意投入精力推广。
某渠道搜索《火影忍者》会出现226款火影题材手游
盗版侵权手游究竟伤害了谁?
版权方:这一点不用过多解释,无论是影视,动漫,游戏都会在最显着的标注“版权归某某所有”。为什么要标注它,创作是一个相当复杂、冗长的过程,在这其间付出的辛劳只有极少人清楚,当自己的产品被市场接受并肯定后,被其它人直接商业利用,于情于理都是说不通的。
正版授权的企业:经过长时间的谈判,以及大量资金的注入才能够拿到的IP授权,直接被“不劳而获”的人利用,而对方推出的产品极有可能与自己的产品是同类型的竞品关系,对于高价购买IP授权遵守法律的企业来说显然是不公平的。以中手游为例,公司不惜重金购买多款玩家耳熟能详的日本动漫IP,而其已购的航海时代、合金弹头等IP早就被几家手游公司制成产品抢先上市,要与盗版产品同时分一个市场,显然这已伤害到正版厂商的利益。
玩家:侵权盗版的专业户仍集中在中小研发团队身上,换皮、山寨、同质化是他们的杀手锏,很多制作出来的游戏都是1+1的模式,即一套最流行的游戏玩法+一套时下火热的IP就是一款受欢迎的手游。加上中小企业在管理,设备,人手上的不足,对于游戏品质的忽略,导致制作出来的产品很多都是粗制滥造,最后连同IP一起被定义为“失败之作”。哪个玩家希望自己掏钱玩到一个垃圾游戏呢?
已获正版授权厂商该如何应对?
面对还在出现的侵权盗版,诸如已获得《航海王》《火影忍者》手游改编权的中手游,正通过起诉盗版厂商、与渠道开展联合行动下架盗版手游、花重金推广正版手游等措施来保护自身的权益,也希望通过一系列行动为整个手游行业的版权意识做出表率。而随着中国手游市场的日趋成熟,将会有越来越多的企业意识到版权的重要性并会通过各种方式来保护自家产品的版权。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。