Artículo reimpreso de: Blockchain en lenguaje sencillo

Autor: Teng Yan, Cadena de Pensamiento

Traducción: Jinse Finance xiaozou

En 2021, todavía era un jugador de Axie Infinity y estaba operando una pequeña guilda de becas. Si no has experimentado esa época, déjame decirte: fue absolutamente salvaje.

El juego Axie Infinity hizo que las personas se dieran cuenta de que las criptomonedas y los juegos pueden combinarse. Es esencialmente un simple juego de estrategia al estilo Pokémon, donde los jugadores deben formar un equipo de 3 Axies (guerreros muy feroces), cada uno con habilidades únicas. Puedes dirigir tu equipo para competir contra otros equipos y ganar recompensas en tokens SLP participando en el juego y ganando.

Pero lo que realmente entusiasma a los no jugadores es el potencial de ganar dinero a través de los juegos. El rápido ascenso de Axie se debe a dos mecanismos:

El primero es criar Axies. Obtén dos Axies, usa tokens SLP para criarlos, y voilà: nace un nuevo Axie que combina las habilidades únicas de los dos Axies originales. Así, Axies raros y poderosos (que los jugadores llaman Axies OP) se convirtieron en artículos de gran demanda, y surgió un mercado de cría muy activo.

El segundo mecanismo es el programa de becas. Jugadores empresariales de todo el mundo comienzan a prestar Axies a 'estudiantes'. Estos jugadores suelen ser de países en desarrollo como Filipinas o Argentina, que no pueden pagar más de 1000 dólares por los costos iniciales para comprar 3 NFT de Axie. Los estudiantes juegan todos los días para ganar tokens y comparten las ganancias con las guildas de becas, que generalmente retienen un 30-50%.

En su apogeo, especialmente durante la pandemia de 2019, Axie tuvo un impacto significativo en las economías locales de los países en desarrollo. En Filipinas (donde aproximadamente el 40% de los usuarios de Axie Infinity están), muchos jugadores ganaban mucho más que el salario mínimo. Las guildas fueron muy rentables.

Esto aborda un problema clave para los desarrolladores de juegos: la liquidez de los jugadores. Al incentivar a los jugadores a pasar horas jugando activamente todos los días, Axie asegura que cada jugador tenga un oponente esperando, haciendo la experiencia más atractiva.

Pero esto tiene un costo.

Para abordar el problema de la liquidez de los jugadores, Axie distribuyó una gran cantidad de tokens para incentivar la participación de los jugadores. La historia comienza aquí. Debido a que SLP no tenía un límite, los tokens se inflaron locamente, los precios cayeron y el ecosistema colapsó. La devaluación del token hizo que los jugadores se fueran. Axie casi se convirtió de un favorito de 'jugar para ganar' en una historia de advertencia de la noche a la mañana.

Pero, ¿y si hubiera una manera de resolver el problema de la liquidez de los jugadores sin depender de una economía de tokens insostenible?

Esto es exactamente en lo que ARC/AI Arena ha estado trabajando silenciosamente durante los últimos tres años. Ahora, está comenzando a dar frutos.

1. La liquidez de los jugadores es vital

La liquidez de los jugadores es vital para los juegos multijugador y clave para el éxito a largo plazo.

Muchos juegos Web3 y juegos independientes enfrentan el problema del 'arranque en frío': hay muy pocos jugadores para emparejar rápidamente o formar comunidades prósperas. No cuentan con los presupuestos de marketing o el reconocimiento de IP que tienen las grandes empresas de juegos. Esto lleva a tiempos de espera prolongados, dificultades de emparejamiento y tasas de abandono elevadas.

Estos juegos suelen desaparecer lentamente y con dolor.

Por lo tanto, los desarrolladores de juegos deben priorizar la liquidez de los jugadores desde el principio. Los juegos necesitan actividades de este tipo para mantener la diversión: el ajedrez requiere dos jugadores, mientras que las batallas masivas requieren miles de jugadores. Los mecanismos de emparejamiento de habilidades aumentan aún más la barrera, lo que requiere más jugadores para mantener la equidad y el atractivo del juego.

Para los juegos Web3, el riesgo es mayor. Según el informe anual de videojuegos de Delphi Digital, los costos de adquisición de usuarios para juegos Web3 son un 77% más altos que para juegos móviles tradicionales, lo que hace que la retención de jugadores sea crucial.

Una sólida base de jugadores puede asegurar emparejamientos justos, una economía de juego vibrante (es decir, más compra y venta de artículos) y una interacción social más activa, lo que hace que el juego sea más divertido.

2. ARC—Pionero en juegos de IA

Desarrollado por ArenaX Labs, ARC está liderando el futuro de la experiencia de juego en línea con IA. En resumen, utilizan la IA para abordar el problema de la liquidez de los jugadores que afecta a los nuevos juegos.

Hoy en día, la mayoría de los robots de IA dentro del juego son un problema debido a su baja calidad. Una vez que pasas unas horas dominando los trucos, estos robots se vuelven muy fáciles de derrotar. Fueron diseñados para ayudar a nuevos jugadores, pero no ofrecen mucho desafío o retención para los jugadores experimentados.

Imagina que las habilidades de los jugadores de IA pueden compararse con las de los mejores jugadores humanos. Imagina poder competir contra ellos en cualquier momento y lugar, sin esperar emparejamiento. Imagina entrenar a tu jugador de IA para que imite tu estilo de juego, poseerlo y ganar recompensas según su rendimiento.

Esto es un ganar-ganar tanto para los jugadores como para las empresas de juegos.

Las empresas de juegos utilizan robots de IA similares a humanos para hacer que los juegos sean populares, aumentar la liquidez de los jugadores, mejorar la experiencia del usuario y aumentar la retención: este es un factor clave para que los nuevos entrantes en el mercado de juegos sobrevivan en un entorno competitivo.

Los jugadores obtienen una nueva forma de participar en el juego, desarrollando un sentido de pertenencia más fuerte al entrenar IA y competir contra ella.

Veamos cómo lo están logrando.

3. Productos y arquitectura

La empresa matriz ArenaX Labs está desarrollando una serie de productos para abordar los problemas de liquidez de los jugadores.

  • Producto existente: AI Arena, un juego de lucha con IA.

  • Nuevo producto: ARC B2B, un SDK de juego impulsado por IA que se puede integrar fácilmente en cualquier juego.

  • Nuevo producto: ARC Aprendizaje por Refuerzo (RL)

(1) AI Arena: Juego

AI Arena es un juego de lucha que recuerda a Super Smash Bros de Nintendo, donde una variedad de personajes de dibujos animados excéntricos luchan en la arena.

Pero en AI Arena, cada personaje es controlado por IA: no eres un guerrero, sino su entrenador. Tu tarea es utilizar tu estrategia y experiencia para entrenar a tu guerrero de IA.

Entrenar a tu guerrero es como preparar a un estudiante para la batalla. En el modo de entrenamiento, activas la recopilación de datos y creas escenas de combate para ajustar sus movimientos. Por ejemplo, si tu guerrero está muy cerca del oponente, puedes enseñarle a bloquear con tu escudo y luego hacer combos. ¿Cómo luchar a larga distancia? Entrénalos para realizar ataques a distancia.

Puedes controlar qué datos recopilar, asegurando que solo se registren los mejores movimientos para el entrenamiento. Con la práctica, puedes refinar los hiperparámetros para obtener más ventajas técnicas o simplemente usar las configuraciones predeterminadas que son amigables para los principiantes. Una vez que el entrenamiento esté completo, tu guerrero de IA estará listo para la batalla.

Cualquier comienzo es difícil: entrenar un modelo efectivo requiere tiempo y experimentación. Mi primer guerrero se cayó de la plataforma varias veces, no porque fuera golpeado por un oponente. Pero después de algunas iteraciones, logré crear un modelo que funcionara bien. Ver que tu entrenamiento da frutos es profundamente satisfactorio.

AI Arena introduce una profundidad adicional a través de guerreros NFT. Cada personaje NFT tiene características visuales únicas y atributos de combate que afectan la jugabilidad. Esto agrega otra capa de estrategia.

Actualmente, AI Arena funciona en la mainnet de Arbitrum y solo aquellos que tienen un NFT de AI Arena pueden acceder, manteniendo la exclusividad de la comunidad mientras se perfecciona la jugabilidad. Los jugadores pueden unirse a gremios, reunir campeones NFT y NRN para el ranking de batallas en cadena y recibir recompensas. Esto se hace para atraer jugadores leales y fomentar la competencia.

En última instancia, AI Arena es la vitrina de la tecnología de entrenamiento de IA de ARC. Aunque este es su punto de entrada al ecosistema, la verdadera visión va mucho más allá de este juego en sí.

(2) ARC: Infraestructura

ARC es una solución de infraestructura de IA diseñada específicamente para juegos.

El equipo de ArenaX comenzó desde cero, incluso desarrollando su propia infraestructura de juegos, porque soluciones existentes como Unity y Unreal no podían cumplir con su visión.

Durante más de tres años, han diseñado meticulosamente un robusto stack tecnológico capaz de manejar la agregación de datos, el entrenamiento de modelos y la verificación de modelos para el aprendizaje por imitación y por refuerzo. Esta infraestructura es el pilar de AI Arena, pero su potencial es mucho mayor.

A medida que el equipo continúa perfeccionando su tecnología, los estudios de terceros comienzan a buscar ARC para obtener licencias o etiquetas blancas en la plataforma. Al reconocer esta demanda, formalizan la infraestructura de ARC como un producto B2B.

Hoy en día, ARC colabora directamente con empresas de juegos para proporcionar experiencias de juego de IA. Su propuesta de valor es:

  • Liquidez permanente de jugadores como servicio

  • Integrar la jugabilidad de IA como una integración simple

Liquidez permanente de jugadores como servicio

ARC se centra en la clonación del comportamiento humano: entrenar modelos de IA especializados para imitar el comportamiento humano. Esto difiere del uso principal de la IA en los juegos de hoy, que utiliza modelos generativos para crear activos de juego y LLM para impulsar diálogos.

Utilizando el SDK de ARC, los desarrolladores pueden crear entidades de IA similares a humanos y escalarlas según las necesidades del juego. El SDK simplifica el trabajo pesado. Las empresas de juegos pueden incorporar IA sin tener que lidiar con el complicado aprendizaje automático.

Después de la integración, implementar modelos de IA solo requiere una línea de código, ARC se encarga de la infraestructura, el procesamiento de datos, el entrenamiento y el despliegue en el backend.

ARC adopta un enfoque colaborativo con las empresas de juegos para ayudarlas:

  • Capturar datos de jugabilidad en bruto y convertirlos en conjuntos de datos significativos para el entrenamiento de IA.

  • Identificar las variables clave de jugabilidad y los puntos de decisión relacionados con la mecánica del juego.

  • Mapear la salida de los modelos de IA a actividades dentro del juego, asegurando que las funcionalidades sean fluidas; por ejemplo, asociando la salida de 'clic derecho' de la IA con un control de juego específico.

¿Cómo funciona la IA?

ARC utiliza cuatro tipos de modelos para la interacción en juegos:

  • Redes neuronales feedforward: adecuadas para entornos continuos con características numéricas como velocidad o posición.

  • Agentes tabulados: ideales para juegos con un número limitado de escenarios discretos.

  • Las redes neuronales jerárquicas y convolucionales están en desarrollo.

Hay dos espacios interactivos relacionados con los modelos de IA de ARC:

El espacio de estado define lo que el agente sabe sobre el juego en un momento dado. Para redes neuronales feedforward, es una combinación de características de entrada (como la velocidad o posición del jugador). Para agentes tabulados, son las escenas discretas que el agente podría encontrar en el juego.

El espacio de acción describe lo que un agente puede hacer en el juego, desde entradas discretas (como presionar un botón) hasta controles continuos (como el movimiento de un joystick). Esto se mapea a la entrada del juego.

El espacio de estado proporciona entrada para los modelos de IA de ARC, los modelos de IA procesan la entrada y generan salida. Posteriormente, esta salida se convierte en acciones de juego a través del espacio de acción.

ARC trabaja en estrecha colaboración con los desarrolladores de juegos para identificar las funcionalidades más críticas y diseñar el espacio de estado en consecuencia. También prueban varias configuraciones y tamaños de modelos para equilibrar la inteligencia y la velocidad, asegurando que las operaciones del juego sean suaves y atractivas.

Según el equipo, la demanda de servicios de liquidez para jugadores por parte de las empresas Web3 es especialmente alta. Estas empresas están dispuestas a pagar por mejor liquidez de jugadores, y ARC destinará una gran parte de estos ingresos a la recompra de tokens NRN.

Llevar la jugabilidad de IA a los jugadores: plataforma de entrenadores

El SDK de ARC también permite a las empresas web3 acceder a la plataforma de entrenadores de sus juegos, permitiendo a los jugadores entrenar y enviar agentes.

Al igual que en AI Arena, los jugadores pueden configurar simulaciones, obtener datos de jugabilidad y entrenar modelos de IA en blanco. Estos modelos evolucionarán con el tiempo, integrando nuevos datos de jugabilidad mientras retienen el conocimiento previo, sin necesidad de comenzar de nuevo con cada actualización.

Esto abre posibilidades emocionantes: los jugadores pueden vender sus agentes de IA entrenados a medida en el mercado, creando una nueva capa de economía dentro del juego. En AI Arena, los entrenadores hábiles pueden formar guildas y ofrecer sus habilidades de entrenamiento a otras empresas.

Para las empresas que integran completamente las capacidades del agente, el concepto de Juego Paralelo se vuelve vívido. Los agentes de IA están disponibles todo el tiempo, pudiendo participar simultáneamente en múltiples competiciones o instancias de juego. Esto resuelve el problema de la liquidez de los jugadores y crea nuevas oportunidades para la retención de usuarios y los ingresos.

Pero eso no es todo...

(3) ARC RL: de uno a muchos

Si AI Arena y la plataforma de entrenadores de ARC se sienten como un modo para un solo jugador (donde puedes entrenar tus propios modelos de IA), entonces ARC RL se asemeja a un modo multijugador.

Imagina esto: una DAO de juegos entera reúne sus datos de jugabilidad para entrenar un modelo de IA compartido, donde todos poseen y se benefician del modelo. Estos 'agentes principales' representan la inteligencia colectiva de todos los jugadores, cambiando la eSports mediante la introducción de competencia impulsada por el esfuerzo colectivo y la cooperación estratégica.

ARC RL utiliza el aprendizaje por refuerzo (es decir, 'RL') y datos de jugabilidad humana crowdsourced para entrenar a estos agentes 'superinteligentes'.

El funcionamiento del aprendizaje por refuerzo es recompensar a los agentes por comportamientos óptimos. Es especialmente eficaz en juegos, ya que la función de recompensa es clara y objetiva, como el daño causado, las monedas obtenidas o las victorias.

Esto tiene precedentes:

AlphaGo de DeepMind derrotó a jugadores humanos profesionales en un juego de Go, entrenándose a través de millones de partidas auto-generadas, perfeccionando su estrategia en cada iteración.

No me di cuenta de esto antes, pero mucho antes de la creación de chatGPT, OpenAI ya era bien conocida en el círculo de los juegos.

OpenAI Five utilizó el aprendizaje por refuerzo para dominar a los mejores jugadores humanos en Dota 2, derrotando al campeón mundial en 2019. A través de la aceleración de simulaciones y grandes recursos computacionales, dominó estrategias avanzadas como el trabajo en equipo.

OpenAI Five ejecuta millones de juegos cada día, equivalentes a 250 años de juegos simulados al día, respaldados por 256 GPU y 128,000 CPU. Al omitir el renderizado gráfico, acelera enormemente la velocidad de aprendizaje.

Inicialmente, la IA mostró comportamientos inestables, como vagar sin rumbo, pero mejoró rápidamente. Dominó algunas estrategias básicas, como gatear por caminos pequeños y robar recursos, y eventualmente evolucionó hacia operaciones complejas, como emboscadas.

La idea clave del aprendizaje por refuerzo es que los agentes de IA aprenden a tener éxito a través de la experiencia, en lugar de que se les diga directamente qué hacer.

ARC RL se distingue al utilizar aprendizaje por refuerzo offline. Los agentes de IA no aprenden de sus propios errores, sino de la experiencia de otros. Es como si un estudiante observara videos de otros montando en bicicleta, aprendiendo de sus éxitos y fracasos, y utilizando ese conocimiento para evitar caídas y mejorar más rápidamente.

Este enfoque ofrece un beneficio adicional: entrenamiento colaborativo y propiedad compartida del modelo. Esto no solo hace que poderosos agentes de IA sean más accesibles, sino que también alinea más las motivaciones de los jugadores, guildas y desarrolladores.

En la creación de agentes de juego 'superinteligentes', hay dos roles clave:

  • Patrocinadores: líderes similares a guildas que apuestan grandes cantidades de tokens NRN para iniciar y gestionar agentes RL. Los patrocinadores pueden ser cualquier entidad, pero probablemente sean guildas de juegos, DAO, comunidades web3, e incluso agentes personalizados populares como Luna.

  • Jugadores: individuos que apuestan pequeñas cantidades de tokens NRN para contribuir con sus datos de jugabilidad para entrenar agentes.

Los patrocinadores coordinan y guían a sus equipos de jugadores, asegurando datos de entrenamiento de alta calidad, lo que brinda a sus agentes de IA una ventaja competitiva en las competiciones de agentes.

Las recompensas se distribuyen según el rendimiento de los superagentes en la competencia. El 70% de las recompensas pertenecen a los jugadores, el 10% a los patrocinadores y el 20% restante al tesoro de NRN. Esta estructura proporciona un mecanismo de incentivos coherente para todos los participantes.

Contribución de datos

¿Cómo haces que los jugadores estén dispuestos a contribuir con sus datos de jugabilidad? No es fácil.

ARC facilita la provisión de datos de jugabilidad, haciéndolo simple y beneficioso. Los jugadores no necesitan conocimientos especializados; solo necesitan jugar. Al final de una sesión, se les pedirá que envíen datos para entrenar un agente específico. Un panel de control rastrea sus contribuciones y los agentes que apoyan.

El algoritmo de atribución de ARC asegura la calidad al evaluar las contribuciones y recompensar datos de calidad e impacto.

Curiosamente, incluso si eres un jugador malo (como yo), tus datos siguen siendo útiles. Un juego malo puede ayudar a los agentes a aprender lo que no deben hacer, mientras que un juego hábil puede enseñar las mejores estrategias. Los datos redundantes se filtran para mantener la calidad.

En resumen, ARC RL está diseñado como un producto de mercado masivo de baja fricción centrado en la co-propiedad de agentes que superan las capacidades humanas.

4. Tamaño del mercado

La plataforma tecnológica de ARC es multifuncional y soporta varios tipos de juegos, como juegos de disparos, juegos de lucha, casinos sociales, carreras, juegos de cartas coleccionables y RPG. Está diseñada para aquellos juegos que necesitan mantener la lealtad de los jugadores.

Los productos de ARC están principalmente dirigidos a dos mercados:

ARC se centra principalmente en desarrolladores y empresas independientes, no en los grandes estudios establecidos. Debido a su limitada influencia de marca y recursos de distribución, estas pequeñas empresas a menudo tienen dificultades para atraer jugadores en las primeras etapas.

Los agentes de IA de ARC abordan este problema creando un entorno de juego dinámico desde el principio, asegurando jugabilidad dinámica incluso en las etapas iniciales del juego.

Esto puede sorprender a muchos, pero el campo de los juegos independientes es, de hecho, una fuerza principal en el mercado de videojuegos:

  • El 99% de los juegos en Steam son juegos independientes.

  • En 2024, los juegos independientes generaron el 48% de los ingresos totales en Steam.

Otro mercado objetivo son los juegos Web3. La mayoría de los juegos Web3 son desarrollados por empresas emergentes, que también enfrentan desafíos únicos, como el inicio de sesión en billetera, la incertidumbre sobre criptomonedas y altos costos de adquisición de usuarios. Estos juegos a menudo tienen problemas de liquidez de jugadores, y los agentes de IA pueden llenar el vacío, manteniendo la atracción del juego.

Aunque los juegos Web3 han enfrentado dificultades recientemente debido a la falta de experiencias atractivas, están mostrando signos de recuperación.

Por ejemplo, uno de los primeros juegos AAA de Web3, Off the Grid, recientemente logró un éxito temprano en el mercado masivo, con 9 millones de billeteras realizando 100 millones de transacciones en su primer mes. Esto allana el camino para el amplio éxito de la industria y crea oportunidades para ARC para apoyar este renacimiento.

5. Equipo de ARC

El equipo fundador detrás de ArenaX Labs cuenta con una rica experiencia en aprendizaje automático y gestión de inversiones.

El CEO y CTO Brandon Da Silva lideró la investigación de aprendizaje automático en una empresa de inversión canadiense, enfocándose en aprendizaje por refuerzo, aprendizaje profundo bayesiano y adaptabilidad de modelos. Desarrolló estrategias de trading cuantitativo de mil millones de dólares centradas en la paridad de riesgo y la gestión de carteras multi-activos.

El COO Wei Xie gestiona una cartera de inversiones de estrategias de liquidez de 7 mil millones de dólares en la misma empresa, y preside sus proyectos de inversión en innovación, centrándose en áreas emergentes como IA, aprendizaje automático y tecnología Web3.

ArenaX Labs recaudó 5 millones de dólares en una ronda de semillas en 2021, liderada por Paradigm y con Framework ventures participando. La compañía obtuvo 6 millones de dólares de financiamiento en enero de 2024, liderada por SevenX Ventures, FunPlus/Xterio y Moore Strategic Ventures.

6. Economía del token NRN—una reforma saludable

ARC/AI Arena tiene un token: NRN. Primero, veamos la situación actual.

Examinar el lado de la oferta y el lado de la demanda nos dará una mejor comprensión de la dirección de las tendencias.

(1) Lado de la oferta

La oferta total de NRN es de mil millones, de los cuales aproximadamente 409 millones (40.9%) están en circulación.

Al momento de escribir esto, el precio del token es de 0.72 dólares, lo que significa una capitalización de mercado de 29 millones de dólares, con una valoración completamente diluida de 71 millones de dólares.

NRN se lanzará el 24 de junio de 2024, y el 40.9% de la oferta en circulación proviene de:

  • Airdrop comunitario (8% del total)

  • Tesorería de la fundación (10.9%, de los cuales 2.9% están desbloqueados, desbloqueo lineal de 36 meses)

  • Recompensas del ecosistema comunitario (30%)

La mayor parte del suministro en circulación (30% de 40.9%) se compone de recompensas del ecosistema comunitario, y el proyecto gestiona estos tokens y los distribuye estratégicamente a recompensas de apuestas, recompensas de juegos, planes de crecimiento del ecosistema y proyectos impulsados por la comunidad.

El cronograma de desbloqueo es tranquilizador, sin eventos importantes a corto plazo:

  • El próximo desbloqueo es la venta OTC de la fundación (1.1%), que comenzará en diciembre de 2024, con un desbloqueo lineal de 12 meses. Esto solo aumentará la tasa de inflación mensual en un 0.09%, poco probable que cause preocupaciones significativas.

  • La distribución a inversores y contribuyentes (50% del suministro total) comenzará a desbloquearse en junio de 2025, y incluso entonces, se desbloquearán de manera lineal durante 24 meses.

Actualmente, se espera que la presión de venta siga siendo bastante controlable, proveniente principalmente de las recompensas del ecosistema. La clave es confiar en que el equipo tiene la capacidad de desplegar estratégicamente estos fondos para impulsar el crecimiento del protocolo.

(2) Lado de la demanda

NRN v1—Economía de jugadores

Originalmente, NRN fue diseñado como un recurso estratégico vinculado a la economía de juego de AI Arena.

Los jugadores apostarán NRN en jugadores de IA, y si ganan, obtendrán recompensas; si pierden, perderán parte de su apuesta. Esto crea una dinámica de interés directo que lo convierte en un deporte competitivo y proporciona incentivos económicos para los jugadores hábiles.

Las recompensas se distribuyen utilizando un sistema ELO, asegurando pagos equilibrados basados en habilidades. Otras fuentes de ingresos incluyen la compra de artículos del juego, actualizaciones de atuendos y tarifas de entrada a competiciones.

El modelo de tokens inicial dependía completamente del éxito del juego y de que nuevos jugadores estuvieran dispuestos a comprar NRN y NFT para participar en el juego.

Hablemos de por qué estamos tan emocionados...

NRN v2—Economía de jugadores y plataformas

La economía del token mejorada de NRN ha introducido poderosos nuevos factores de demanda al expandir la utilidad del token de AI Arena a la más amplia plataforma de ARC. Esta evolución transforma a NRN de un token de juego específico a un token de plataforma. En mi opinión, este es un cambio muy positivo.

Los tres nuevos factores de demanda impulsados por NRN incluyen:

Ingresos derivados de la integración de ARC. Las empresas de juegos que integren ARC generarán ingresos para el tesoro a través de tarifas de integración y regalías continuas vinculadas al rendimiento del juego. Los fondos del tesoro pueden impulsar la recompra de NRN, hacer crecer el ecosistema y motivar a los jugadores en la plataforma de entrenadores.

Costos del mercado de entrenadores. NRN obtiene valor de las tarifas cobradas en el campo de entrenadores, donde los jugadores pueden comerciar modelos de IA y datos de jugabilidad.

Participar en la apuesta de ARC RL: Tanto los patrocinadores como los jugadores deben apostar NRN para unirse a ARC RL. A medida que más jugadores ingresen a ARC RL, también aumentará la demanda de NRN.

Lo que es especialmente emocionante son los ingresos para las empresas de juegos. Esto marca una transición del modelo puramente B2C a un modelo híbrido B2C y B2B, creando un flujo continuo de capital externo hacia la economía de NRN. A medida que ARC tiene un mercado objetivo más amplio, este flujo de ingresos superará los ingresos que AI Arena podría generar por sí sola.

Aunque las tarifas del mercado de entrenadores tienen un gran potencial, dependen de que el ecosistema alcance una escala crítica: suficientes juegos, entrenadores y jugadores para mantener actividades de transacción activas. Este es un esfuerzo a largo plazo.

En el corto plazo, la apuesta de ARC RL puede ser el factor impulsor de demanda más directo y reflexivo. Un fondo de recompensas inicial bien financiado y la emoción por el lanzamiento de nuevos productos pueden provocar la adopción temprana, elevando el precio del token y atrayendo participantes. Esto forma un ciclo de retroalimentación de aumento de demanda y crecimiento económico. Sin embargo, por otro lado, si ARC RL tiene dificultades para mantener la lealtad del usuario, la demanda podría desaparecer rápidamente.

El potencial de efectos de red es enorme: más juegos → más jugadores → más juegos se suman → más jugadores. Este ciclo virtuoso puede posicionar a NRN como el token central en el ecosistema de juegos de IA Crypto.

7. La madre de los modelos de IA en juegos

¿Cuál es el resultado? La ventaja de ARC radica en su capacidad para promover varios tipos de juegos. Con el tiempo, esto les permitirá recopilar una base de datos única de jugabilidad específica. A medida que ARC se integre con más juegos, puede retroalimentar continuamente esos datos en su propio ecosistema, creando un ciclo virtuoso de crecimiento y perfeccionamiento.

Una vez que este conjunto de datos de juego transversal alcance una calidad crítica, se convertirá en un recurso muy valioso. Imagina utilizarlo para entrenar modelos de IA generales para el desarrollo de juegos: abre nuevas posibilidades para el diseño, prueba y optimización de juegos a gran escala.

Aún es pronto para decirlo, pero en la era de la inteligencia artificial donde los datos son el nuevo petróleo, el potencial en este ámbito es infinito.

8. Nuestras ideas

NRN se ha transformado en un juego de plataforma—revalorización del token

Con el lanzamiento de ARC y ARC RL, el proyecto ya no es solo una empresa de juegos de un solo producto, ahora se posiciona como una plataforma y un juego de IA. Este cambio debería llevar a una revalorización del token NRN, que anteriormente estaba limitado al éxito de AI Arena. La introducción de nuevas fuentes de tokens con ARC RL, junto con los acuerdos de participación en ingresos con empresas de juegos y la demanda externa de tarifas de transacciones en el mercado de entrenadores, crea una base más amplia y diversa para la utilidad y el valor de NRN.

El éxito está estrechamente relacionado con los socios de juegos.

El modelo de negocio de ARC vincula su éxito con las empresas con las que colabora, ya que los flujos de ingresos se basan en la distribución de tokens (en juegos Web3) y los pagos de regalías de los juegos. Los juegos estrechamente relacionados merecen atención.

Si los juegos de ARC tienen un gran éxito, el valor resultante fluirá de regreso a los titulares de NRN. Por el contrario, si los juegos colaborativos enfrentan problemas, el flujo de valor se verá restringido.

Esperando más integraciones con juegos Web3

La plataforma ARC es ideal para juegos Web3, donde la jugabilidad competitiva con mecanismos de incentivos se combina perfectamente con la economía de tokens existente.

Al integrar ARC, los juegos Web3 pueden entrar de inmediato en la narrativa de 'agentes de IA'. ARC RL reúne a la comunidad, incentivándola a avanzar hacia un objetivo común. Esto también abre nuevas oportunidades para mecanismos innovadores, como hacer que actividades como 'jugar para airdrop' sean más atractivas para los jugadores. Al combinar IA y recompensas de tokens, ARC agrega profundidad y emoción que los juegos tradicionales no pueden replicar.

La jugabilidad de IA tiene una curva de aprendizaje.

La jugabilidad de IA tiene una curva de aprendizaje empinada, lo que puede causar fricción para los nuevos jugadores. Pasé una hora tratando de averiguar cómo entrenar correctamente a mis jugadores en AI Arena.

Sin embargo, la experiencia del jugador de ARC RL tiene menos fricción, ya que el entrenamiento de la IA se procesa en el backend mientras los jugadores juegan y envían datos. Otra pregunta sin respuesta es cómo se sentirán los jugadores al saber que su oponente es IA. ¿Les afecta esto? ¿Mejorará o disminuirá la experiencia de juego? Solo el tiempo dirá la respuesta.

9. Un futuro brillante

La IA abrirá nuevas experiencias revolucionarias en el mundo de los juegos.

Equipos como Parallel Colony y Virtuals están impulsando el desarrollo de agentes de IA autónomos, mientras que ARC está explorando su propio nicho de mercado al centrarse en la clonación del comportamiento humano: ofreciendo un enfoque innovador para abordar los desafíos de liquidez de los jugadores sin depender de una economía de tokens insostenible.

La transformación de un juego a una plataforma madura es un gran salto para ARC. No solo abre mayores oportunidades a través de la colaboración con empresas de juegos, sino que también reconfigura la forma en que la IA se integra en los juegos.

Con su economía de tokens mejorada y el gran potencial de efectos de red, el futuro brillante de ARC parece estar apenas comenzando.