Article reproduit de : Blockchain en langage courant
Auteur : Teng Yan, Chaîne de pensée
Traduction : Jinse Finance xiaozou
En 2021, j'étais encore un joueur d'Axie Infinity et je dirigeais une petite guilde de bourses. Si vous n'avez pas vécu cette époque, laissez-moi vous dire - c'était absolument sauvage.
Le jeu Axie Infinity a fait prendre conscience aux gens que la crypto-monnaie et les jeux peuvent être combinés. Essentiellement, c'est un jeu de stratégie au style Pokémon simple, où les joueurs doivent constituer une équipe de 3 Axies (des guerriers très féroces), chacun ayant des capacités uniques. Vous pouvez mener votre équipe à affronter d'autres équipes, obtenant des récompenses en jetons SLP en jouant et en gagnant.
Mais ce qui excite vraiment les non-joueurs, c'est le potentiel de gagner de l'argent grâce aux jeux. La montée rapide d'Axie est due à deux mécanismes :
Le premier est la reproduction d'Axies. Prenez deux Axies, utilisez des jetons SLP pour les reproduire, et voilà - un nouvel Axie combinant les capacités uniques des deux Axies d'origine. Ces Axies rares et puissants (que les joueurs appellent Axies OP) sont devenus des objets très demandés, créant un marché de reproduction actif.
Le deuxième mécanisme est le programme de bourses. Des joueurs d'entreprise du monde entier commencent à prêter des Axies à des 'érudits'. Ces joueurs viennent généralement de pays en développement comme les Philippines ou l'Argentine, où ils ne peuvent pas se permettre de payer plus de 1000 dollars pour acheter 3 Axie NFT. Les érudits jouent chaque jour pour gagner des jetons et partagent les profits avec la guilde de bourses, qui prend généralement une commission de 30 à 50 %.
À son apogée, en particulier pendant la pandémie de 2019, Axie a eu un impact significatif sur l'économie locale des pays en développement. Aux Philippines (environ 40 % des utilisateurs d'Axie Infinity y sont), de nombreux joueurs gagnent bien plus que le salaire minimum. Les guildes en tirent d'énormes profits.
Cela résout un problème clé pour les développeurs de jeux : la fluidité des joueurs. En incitant les joueurs à passer plusieurs heures à jouer activement, Axie s'assure que chaque joueur a un adversaire qui l'attend, rendant l'expérience des joueurs plus attrayante.
Mais cela a un coût.
Pour résoudre le problème de la fluidité des joueurs, Axie a distribué d'énormes quantités de jetons pour inciter les joueurs à participer. L'histoire commence ici. Avec l'absence de limite pour SLP, les jetons ont explosé, le prix s'est effondré et l'écosystème s'est effondré. Avec la dévaluation des jetons, les joueurs s'en vont. Axie est devenu presque du jour au lendemain un récit d'avertissement de 'jouer pour gagner'.
Mais que se passerait-il s'il existait un moyen de résoudre le problème de la fluidité des joueurs sans recourir à une économie de jetons non durable ?
C'est exactement ce sur quoi ARC / AI Arena travaille discrètement depuis trois ans. Maintenant, cela commence à porter ses fruits.
1, La fluidité des joueurs est la clé
La fluidité des joueurs est la clé des jeux multijoueurs et un facteur essentiel du succès à long terme.
De nombreux jeux Web3 et indépendants sont confrontés à des problèmes de 'cold start' - trop peu de joueurs pour s'apparier rapidement ou former une communauté prospère. Ils n'ont pas les budgets marketing ni la notoriété des IP des grandes entreprises de jeux. Cela entraîne des temps d'attente prolongés, des difficultés de mise en relation et des taux de désabonnement élevés.
Ces jeux finissent généralement par s'éteindre lentement et douloureusement.
Ainsi, les développeurs de jeux doivent prioriser la fluidité des joueurs dès le départ. Les jeux nécessitent diverses activités pour maintenir le plaisir - les échecs nécessitent deux joueurs, tandis que les combats de masse nécessitent des milliers de joueurs. Les mécanismes de correspondance de compétences augmentent encore le seuil, nécessitant plus de joueurs pour maintenir l'équité et l'attractivité du jeu.
Pour les jeux Web3, le risque est plus élevé. Selon le rapport annuel sur les jeux de Delphi Digital, le coût d'acquisition des utilisateurs pour les jeux Web3 est 77 % plus élevé que pour les jeux mobiles traditionnels, rendant le taux de rétention des joueurs essentiel.
Une base de joueurs solide peut garantir un matchmaking équitable, une économie de jeu dynamique (c'est-à-dire plus d'achats et de ventes d'objets) et des interactions sociales plus actives, rendant le jeu plus intéressant.
2, ARC - Pionnier des jeux AI
Développé par ArenaX Labs, ARC est à l'avant-garde de l'avenir des expériences de jeu AI en ligne. En résumé, ils utilisent l'AI pour résoudre le problème de la fluidité des joueurs qui affecte les nouveaux jeux.
Aujourd'hui, la plupart des problèmes des robots AI dans les jeux résident dans leur médiocrité. Une fois que vous avez passé quelques heures à maîtriser les subtilités, ces robots deviennent très faciles à battre. Ils sont conçus pour aider les nouveaux joueurs, mais ne présentent pas vraiment de défi ou d'adhérence pour les joueurs expérimentés.
Imaginez que les compétences des joueurs AI soient comparables à celles des meilleurs joueurs humains. Imaginez pouvoir vous y confronter à tout moment et en tout lieu, sans attendre une mise en relation. Imaginez entraîner votre joueur AI à imiter votre style de jeu, le posséder et gagner des récompenses en fonction de ses performances.
C'est une situation gagnant-gagnant pour les joueurs et les entreprises de jeux.
Les entreprises de jeux utilisent des robots AI semblables à des humains pour rendre les jeux populaires, améliorer la fluidité des joueurs, améliorer l'expérience utilisateur et augmenter le taux de rétention - un facteur clé pour la survie des nouveaux entrants dans un marché compétitif.
Les joueurs acquièrent un nouveau moyen de participer au jeu, développant un sentiment d'appartenance plus fort en entraînant l'AI et en s'affrontant avec elle.
Voyons comment ils y parviennent.
3, Produits et architecture
La société mère ArenaX Labs développe une gamme de produits pour résoudre les problèmes de fluidité des joueurs.
Produits existants : AI Arena, un jeu de combat AI.
Nouveau produit : ARC B2B, un SDK de jeu alimenté par AI qui peut être facilement intégré dans n'importe quel jeu.
Nouveau produit : ARC Renforcement par apprentissage (RL)
(1) AI Arena : Jeu
AI Arena est un jeu de combat rappelant le Super Smash Bros de Nintendo, avec une variété de personnages de dessins animés excentriques s'affrontant dans une arène.
Mais dans AI Arena, chaque personnage est contrôlé par l'AI - vous ne jouez pas le guerrier, mais son entraîneur. Votre tâche est d'utiliser votre stratégie et votre expertise pour entraîner votre guerrier AI.
Entraîner votre guerrier, c'est comme préparer un élève à un combat. Dans le mode d'entraînement, vous activez la collecte de données et créez des scénarios de combat pour affiner ses mouvements. Par exemple, si votre guerrier est proche de l'adversaire, vous pouvez lui apprendre à parer avec votre bouclier, puis à enchaîner les coups. Comment se battre à distance ? Entraînez-les à lancer des attaques à distance.
Vous pouvez contrôler quel type de données est collecté, garantissant que seules les meilleures actions sont enregistrées pour l'entraînement. Avec la pratique, vous pouvez affiner les hyperparamètres pour obtenir plus d'avantages techniques, ou simplement utiliser des paramètres par défaut conviviaux pour les débutants. Une fois l'entraînement terminé, votre guerrier AI peut entrer en combat.
Tout commence par des débuts difficiles - entraîner un modèle efficace nécessite du temps et des expériences. Mon premier guerrier est tombé plusieurs fois de la plateforme, non pas en étant frappé par un adversaire. Mais après quelques itérations, j'ai réussi à créer un modèle performant. Voir votre entraînement porter ses fruits est une expérience profondément satisfaisante.
AI Arena introduit une profondeur supplémentaire avec des guerriers NFT. Chaque personnage NFT a des caractéristiques d'apparence uniques et des attributs de combat qui influencent le gameplay. Cela ajoute une autre couche stratégique.
Actuellement, l'AI Arena fonctionne sur le réseau principal d'Arbitrum, et seuls ceux qui possèdent un NFT d'AI Arena peuvent y accéder, tout en maintenant l'exclusivité de la communauté tout en perfectionnant le gameplay. Les joueurs peuvent rejoindre des guildes, rassembler des NFT champions et NRN pour des classements de combats en chaîne et gagner des récompenses. Cela vise à attirer des joueurs fidèles et à encourager la compétition.
En fin de compte, AI Arena est la vitrine de la technologie d'entraînement AI d'ARC. Bien que cela soit leur point d'entrée dans l'écosystème, la véritable vision va bien au-delà du jeu lui-même.
(2) ARC : infrastructure
ARC est une solution d'infrastructure AI conçue spécifiquement pour les jeux.
L'équipe ArenaX a démarré de zéro et a même développé sa propre infrastructure de jeu, car des solutions existantes comme Unity et Unreal ne pouvaient pas répondre à leur vision.
Pendant plus de trois ans, ils ont soigneusement conçu une pile technologique robuste capable de gérer l'agrégation de données, l'entraînement de modèles et l'évaluation de modèles pour l'imitation et l'apprentissage par renforcement. Cette infrastructure est le pilier de l'AI Arena, mais son potentiel est bien plus grand.
À mesure que l'équipe perfectionne sa technologie, des studios tiers commencent à chercher ARC pour obtenir l'autorisation ou une étiquette blanche de la plateforme. Reconnaissant cette demande, ils ont formalisé l'infrastructure d'ARC en un produit B2B.
Aujourd'hui, ARC collabore directement avec des entreprises de jeux pour offrir des expériences de jeu AI. Sa proposition de valeur est :
Service de fluidité des joueurs permanente
Intégrer le gameplay AI comme une intégration simple
Service de fluidité des joueurs permanente
ARC se concentre sur le clonage du comportement humain - entraînant des modèles AI spécialisés pour imiter le comportement humain. Cela diffère de l'utilisation principale de l'AI dans les jeux aujourd'hui, qui utilise des modèles génératifs pour créer des actifs de jeu et des LLM pour alimenter les dialogues.
Avec le SDK ARC, les développeurs peuvent créer des agents AI semblables à des humains et les étendre en fonction des besoins du jeu. Le SDK simplifie le travail lourd. Les entreprises de jeux peuvent introduire l'AI sans avoir à gérer des apprentissages machine complexes.
Après l'intégration, le déploiement des modèles AI ne nécessite qu'une ligne de code, ARC se charge de l'infrastructure, du traitement des données, de l'entraînement et du déploiement backend.
ARC adopte une approche collaborative avec les entreprises de jeux pour les aider :
Capturer des données de gameplay brutes et les transformer en ensembles de données significatifs pour l'entraînement AI.
Identifier les variables de gameplay et les points de décision clés associés aux mécanismes de jeu.
Mapper les sorties des modèles AI aux activités in-game, garantissant une fonctionnalité fluide - par exemple, en liant la sortie 'clic droit' de l'AI à un contrôle de jeu spécifique.
Comment fonctionne l'AI ?
ARC utilise quatre types de modèles pour l'interaction de jeu :
Réseaux neuronaux feedforward : adaptés aux environnements continus avec des caractéristiques numériques comme la vitesse ou la position.
Agents tabulaires : idéaux pour les jeux avec des scénarios discrets limités.
Des réseaux neuronaux hiérarchiques et convolutionnels sont en cours de développement.
Il existe deux espaces d'interaction associés aux modèles AI d'ARC :
L'espace d'état définit ce que l'agent sait du jeu à tout moment donné. Pour un réseau feedforward, il s'agit d'une combinaison de caractéristiques d'entrée (comme la vitesse ou la position du joueur). Pour un agent tabulaire, il s'agit des scénarios discrets que l'agent peut rencontrer dans le jeu.
L'espace d'action décrit ce que l'agent peut faire dans le jeu, allant des entrées discrètes (comme appuyer sur un bouton) à des contrôles continus (comme déplacer un joystick). Cela se traduit par des entrées de jeu.
L'espace d'état fournit des entrées pour les modèles AI d'ARC, les modèles AI traitent les entrées et génèrent des sorties. Ces sorties sont ensuite traduites en actions de jeu via l'espace d'action.
ARC collabore étroitement avec les développeurs de jeux pour identifier les fonctionnalités les plus critiques et concevoir l'espace d'état en conséquence. Ils testent également diverses configurations et tailles de modèles pour équilibrer intelligence et rapidité, garantissant que les opérations de jeu se déroulent de manière fluide et engageante.
Selon l'équipe, la demande des entreprises Web3 pour leurs services de fluidité des joueurs est particulièrement élevée. Ces entreprises paient pour obtenir une meilleure fluidité des joueurs, et ARC consacrera une grande partie de ces revenus au rachat de jetons NRN.
Apporter le gameplay AI aux joueurs : plateforme d'entraîneurs
Le SDK ARC permet également aux entreprises web3 d'accéder à leur plateforme d'entraîneurs de jeux, permettant aux joueurs d'entraîner et de soumettre des agents.
Comme avec AI Arena, les joueurs peuvent configurer des simulations, obtenir des données de gameplay et entraîner des modèles AI vierges. Ces modèles évolueront avec le temps, intégrant de nouvelles données de gameplay tout en conservant les connaissances précédentes, sans avoir besoin de recommencer à chaque mise à jour.
Cela ouvre des possibilités passionnantes : les joueurs peuvent vendre sur le marché leurs agents AI entraînés sur mesure, créant ainsi un nouveau niveau économique à l'intérieur du jeu. Dans AI Arena, des entraîneurs techniquement compétents peuvent former des guildes, offrant leurs compétences d'entraînement à d'autres entreprises.
Pour les entreprises qui intègrent complètement les fonctionnalités des agents, le concept de jeu parallèle devient également vivant. Les agents AI sont disponibles en permanence et peuvent participer simultanément à plusieurs compétitions ou instances de jeu. Cela résout le problème de la fluidité des joueurs et crée de nouvelles opportunités pour l'adhérence des utilisateurs et les revenus.
Mais ce n'est pas tout...
(3) ARC RL : de un contre un à plusieurs contre un
Si AI Arena et la plateforme d'entraîneurs ARC ressemblent à un mode solo (où vous pouvez entraîner votre propre modèle AI), alors ARC RL ressemble davantage à un mode multijoueur.
Imaginez ceci : un DAO de jeu entier rassemblant ses données de gameplay pour entraîner un modèle AI partagé, que tout le monde possède ensemble et en tire profit. Ces 'agents maîtres' représentent l'intelligence collective de tous les joueurs, transformant l'e-sport grâce à l'introduction d'efforts collectifs et de compétitions propulsées par la collaboration stratégique.
ARC RL utilise l'apprentissage par renforcement (c'est-à-dire 'RL') et les données de gameplay humaines crowdsourcées pour entraîner ces agents 'super intelligents'.
Le fonctionnement de l'apprentissage par renforcement repose sur la récompense des comportements optimaux des agents. Cela est particulièrement efficace dans les jeux, car les fonctions de récompense sont explicites et objectives, comme les dégâts infligés, les pièces d'or gagnées ou les victoires.
C'est sans précédent :
AlphaGo de DeepMind a battu des joueurs humains professionnels dans des compétitions de go, perfectionnant sa stratégie à chaque itération grâce à des millions de matchs auto-générés.
Je ne l'avais pas réalisé auparavant, mais bien avant la création de chatGPT, OpenAI était déjà bien connu dans le monde des jeux.
OpenAI Five a écrasé les meilleurs joueurs humains dans Dota 2 en utilisant le renforcement par apprentissage et a battu le champion du monde en 2019. Il a maîtrisé des stratégies avancées telles que la coopération en équipe grâce à l'accélération des simulations et à d'énormes ressources de calcul.
OpenAI Five simule des millions de jeux chaque jour, équivalent à 250 ans de jeux simulés par jour, soutenus par 256 GPU et 128 000 CPU. En évitant le rendu graphique, cela a considérablement accéléré la vitesse d'apprentissage.
Au départ, cette AI affichait des comportements instables, comme errer sans but, mais s'est rapidement améliorée. Elle a maîtrisé quelques stratégies de base, comme ramper sur des chemins étroits et voler des ressources, évoluant finalement vers des opérations complexes, comme des embuscades.
L'idée clé de l'apprentissage par renforcement est que les agents AI apprennent à réussir par l'expérience, plutôt que d'être directement informés de ce qu'ils doivent faire.
ARC RL se distingue par son utilisation de l'apprentissage par renforcement hors ligne. Les agents AI n'apprennent pas par leurs propres essais et erreurs, mais par l'expérience des autres. C'est comme un élève qui regarde des vidéos de personnes apprenant à faire du vélo, observant leurs succès et leurs échecs, et utilisant ces connaissances pour éviter les chutes et progresser plus rapidement.
Cette approche offre un avantage supplémentaire : un entraînement collaboratif et une propriété partagée des modèles. Cela rend non seulement les agents AI puissants plus accessibles, mais aligne également les motivations des joueurs, des guildes et des développeurs.
Dans la création d'agents de jeu 'super intelligents', il existe deux rôles clés :
Sponsors : chefs de file similaires aux guildes, qui stakent de grandes quantités de jetons NRN pour lancer et gérer des agents RL. Les sponsors peuvent être n'importe quelle entité, mais il est probable qu'il s'agisse de guildes de jeux, de DAO, de communautés web3, voire d'agents personnalisés en ligne populaires comme Luna.
Joueurs : personnes qui stakent une petite quantité de jetons NRN pour contribuer à leurs données de gameplay afin d'entraîner des agents.
Les sponsors coordonnent et dirigent leurs équipes de joueurs, garantissant des données d'entraînement de haute qualité pour donner à leurs agents AI un avantage compétitif dans les compétitions d'agents.
Les récompenses sont attribuées en fonction des performances des super agents dans les compétitions. 70 % des récompenses reviennent aux joueurs, 10 % aux sponsors, et les 20 % restants vont au trésor NRN. Cette structure donne à tous les participants des incitations cohérentes.
Contribution de données
Comment inciter les joueurs à contribuer leurs données de gameplay ? Ce n'est pas facile.
ARC rend simple et bénéfique la fourniture de données de gameplay. Les joueurs n'ont pas besoin de compétences techniques, ils ont juste à jouer. À la fin d'une session, ils seront invités à soumettre des données pour entraîner un agent spécifique. Un tableau de bord suit leurs contributions et les agents qu'ils soutiennent.
L'algorithme d'attribution d'ARC garantit la qualité en évaluant les contributions et en récompensant des données de haute qualité et ayant un impact.
Il est intéressant de noter que même si vous êtes un mauvais joueur (comme moi), vos données sont utiles. Un gameplay médiocre peut aider les agents à apprendre ce qu'ils ne doivent pas faire, tandis qu'un gameplay expert peut enseigner les meilleures stratégies. Les données redondantes sont filtrées pour maintenir la qualité.
En bref, ARC RL est conçu comme un produit de masse à faible friction, centré sur la possession collective d'agents dépassant les capacités humaines.
4, Taille du marché
La plateforme technologique d'ARC est polyvalente, prenant en charge divers types de jeux tels que les jeux de tir, les jeux de combat, les casinos sociaux, les courses, les jeux de cartes à collectionner et les RPG. Elle est conçue sur mesure pour les jeux qui doivent maintenir la fidélité des joueurs.
Les produits d'ARC ciblent principalement deux marchés :
ARC se concentre principalement sur les développeurs et entreprises indépendants, plutôt que sur les grandes entreprises établies. Étant donné la portée de la marque et les ressources de distribution limitées, ces petites entreprises ont souvent du mal à attirer les joueurs tôt dans le cycle.
Les agents AI d'ARC résolvent ce problème en créant un environnement de jeu dynamique dès le départ, garantissant un gameplay dynamique même dans les phases initiales du jeu.
Cela peut surprendre beaucoup de gens, mais le domaine des jeux indépendants est en effet une force motrice majeure du marché des jeux :
99 % des jeux sur Steam sont des jeux indépendants.
En 2024, les jeux indépendants ont généré 48 % des revenus totaux sur Steam.
Un autre marché cible est le jeu Web3. La plupart des jeux Web3 sont développés par des entreprises émergentes qui font face à des défis uniques tels que la connexion par portefeuille, le scepticisme sur la crypto et des coûts d'acquisition d'utilisateurs élevés. Ces jeux rencontrent souvent des problèmes de fluidité des joueurs, et les agents AI peuvent combler cette lacune pour maintenir l'attractivité du jeu.
Bien que les jeux Web3 aient récemment du mal en raison d'une expérience peu attrayante, des signes de reprise commencent à apparaître.
Par exemple, l'un des premiers jeux Web3 AAA, Off the Grid, a récemment connu un succès précoce sur le marché, avec 9 millions de portefeuilles effectuant 100 millions de transactions au cours du premier mois. Cela pave la voie à un succès généralisé pour l'industrie et crée une opportunité pour ARC de soutenir ce renouveau.
5, Équipe ARC
L'équipe fondatrice derrière ArenaX Labs possède une grande expertise en apprentissage automatique et en gestion d'investissement.
Le PDG et CTO Brandon Da Silva a dirigé la recherche en apprentissage automatique dans une société d'investissement canadienne, se concentrant sur l'apprentissage par renforcement, l'apprentissage profond bayésien et l'adaptabilité des modèles. Il a été le pionnier du développement de stratégies de trading quantitatif de 1 milliard de dollars centrées sur la parité des risques et la gestion de portefeuilles multi-actifs.
Le COO Wei Xie gère un portefeuille d'investissement de stratégie de liquidité de 7 milliards de dollars dans la même entreprise et supervise ses projets d'investissement innovants, concentrés sur les domaines émergents tels que l'AI, l'apprentissage automatique et la technologie Web3.
ArenaX Labs a levé 5 millions de dollars lors d'un tour de financement de semences en 2021, dirigé par Paradigm, avec Framework Ventures en participation. La société a obtenu 6 millions de dollars de financement en janvier 2024, dirigé par SevenX Ventures, FunPlus / Xterio et Moore Strategic Ventures.
6, Économie des jetons NRN - une réforme saine
ARC/AI Arena a un jeton - NRN. Commençons par faire le point sur la situation actuelle.
Examiner les côtés de l'offre et de la demande nous aidera à mieux comprendre les tendances.
(1) Côté offre
L'offre totale de NRN est de 1 milliard, dont environ 409 millions (40,9 %) sont en circulation.
Au moment de la rédaction, le prix du jeton est de 0,72 $, ce qui signifie une capitalisation boursière de 29 millions de dollars, avec une évaluation complètement diluée de 71 millions de dollars.
NRN sera lancé le 24 juin 2024, 40,9 % de l'offre en circulation proviennent de :
Airdrop communautaire (8 % du total)
Fonds de la fondation (10,9 %, dont 2,9 % déjà débloqués, déblocage linéaire sur 36 mois)
Récompenses écosystémiques communautaires (30 %)
La majorité de l'offre en circulation (30 % des 40,9 %) provient de récompenses écosystémiques communautaires, le projet gérant ces jetons et les attribuant stratégiquement aux récompenses de staking, aux récompenses de jeu, aux programmes de croissance de l'écosystème et aux initiatives communautaires.
Le calendrier de déblocage est rassurant, sans événements majeurs à court terme :
Le prochain déblocage est la vente OTC de la fondation (1,1 %), à partir de décembre 2024, avec un déblocage linéaire sur 12 mois. Cela n'augmentera la taux d'inflation mensuel que de 0,09 %, peu susceptible de susciter de vives inquiétudes.
La distribution aux investisseurs et contributeurs (50 % de l'offre totale) ne commencera à se débloquer qu'en juin 2025, et même alors, elle sera débloquée linéairement sur 24 mois.
Actuellement, la pression à la vente devrait rester relativement contrôlée, principalement en raison des récompenses de l'écosystème. L'important est de faire confiance à l'équipe pour déployer stratégiquement ces fonds afin de faire croître le protocole.
(2) Côté demande
NRN v1 - Économie des joueurs
Initialement, NRN a été conçu comme une ressource stratégique liée à l'économie du jeu AI Arena.
Les joueurs stakent NRN sur des joueurs AI, recevant des récompenses s'ils gagnent, et perdant une partie de leur mise s'ils perdent. Cela crée une dynamique d'intérêt direct, transformant cela en un sport compétitif et offrant des incitations économiques aux joueurs compétents.
Les récompenses sont attribuées à l'aide d'un système ELO, garantissant des paiements équilibrés basés sur les compétences. D'autres sources de revenus incluent les achats d'objets de jeu, les mises à niveau de costumes et les frais d'entrée aux compétitions.
Le modèle de jetons initial dépendait entièrement du succès du jeu et de l'attrait croissant de nouveaux joueurs prêts à acheter NRN et NFT pour participer au jeu.
Parlons maintenant des raisons pour lesquelles nous sommes si enthousiastes...
NRN v2 - Économie des joueurs & plateforme
L'économie des jetons améliorée de NRN v2 introduit de puissants nouveaux moteurs de demande en élargissant l'utilité des jetons de l'AI Arena à l'ensemble de la plateforme ARC. Cette évolution transforme NRN d'un jeton de jeu spécifique en un jeton de plateforme. À mon avis, c'est une évolution très positive.
Les trois nouveaux moteurs de demande de NRN incluent :
Revenus provenant de l'intégration d'ARC. Les entreprises de jeux intégrant ARC généreront des revenus pour le trésor grâce aux frais d'intégration et aux redevances continues liées aux performances des jeux. Les fonds du trésor peuvent alimenter le rachat de NRN, développer l'écosystème et inciter les joueurs sur la plateforme des entraîneurs.
Frais de marché des entraîneurs. NRN tire de la valeur des frais perçus sur le terrain des entraîneurs, les joueurs pouvant échanger des modèles AI et des données de gameplay sur le marché des entraîneurs.
Participer au staking d'ARC RL : Les sponsors et les joueurs doivent staker NRN pour rejoindre ARC RL. À mesure que de plus en plus de joueurs rejoignent ARC RL, la demande pour NRN augmente également.
Ce qui est particulièrement excitant, ce sont les revenus des entreprises de jeux. Cela marque la transition d'un modèle purement B2C à un modèle mixte B2C et B2B, créant un flux de capitaux externes durable pour l'économie NRN. À mesure qu'ARC élargit son marché cible, ce flux de revenus dépassera celui que l'AI Arena elle-même peut générer.
Bien que les frais du marché des entraîneurs présentent des perspectives, cela dépend de la capacité de l'écosystème à atteindre une échelle critique - suffisamment de jeux, d'entraîneurs et de joueurs pour maintenir une activité de transaction active. C'est un projet à long terme.
À court terme, le staking d'ARC RL pourrait être le facteur de demande le plus direct et le plus réflexif. Un pool de récompenses initial bien financé et l'excitation d'un nouveau produit pourraient déclencher l'adoption précoce, faire grimper le prix des jetons et attirer des participants. Cela crée un cycle de rétroaction de la montée de la demande et de la croissance économique. Cependant, inversement, si l'ARC RL a du mal à maintenir la fidélité des utilisateurs, la demande pourrait rapidement disparaître.
Le potentiel des effets de réseau est énorme : plus de jeux → plus de joueurs → plus de jeux ajoutés → plus de joueurs. Ce cycle vertueux peut positionner NRN comme le jeton central de l'écosystème de jeux AI Crypto.
7, Mère des modèles AI de jeu
Quelle est la conclusion ? L'avantage d'ARC réside dans sa capacité à promouvoir divers types de jeux. Au fil du temps, cela leur permettra de constituer une base de données unique de gameplay spécifique. Au fur et à mesure que l'ARC s'intègre à plus de jeux, elle pourra constamment renvoyer ces données dans son propre écosystème, créant ainsi un cycle vertueux de croissance et d'amélioration.
Une fois que cet ensemble de données de jeux transversaux atteint une qualité critique, il devient une ressource extrêmement précieuse. Imaginez l'utiliser pour entraîner un modèle AI général pour le développement de jeux - ouvrant de nouvelles possibilités pour la conception, le test et l'optimisation à grande échelle.
Il est encore trop tôt, mais dans l'ère de l'intelligence artificielle où les données sont le nouveau pétrole, le potentiel dans ce domaine est illimité.
8, nos idées
NRN évolue vers un jeu de plateforme - revalorisation des jetons
Avec le lancement d'ARC et d'ARC RL, le projet n'est plus simplement une entreprise de jeux à produit unique, mais se positionne désormais comme une plateforme et un jeu AI. Ce changement devrait entraîner une revalorisation du jeton NRN, qui était auparavant limité au succès d'AI Arena. L'introduction de nouvelles sources de jetons avec ARC RL, combinée à des accords de partage des revenus avec les entreprises de jeux et à la demande externe pour les frais de transaction des entraîneurs, crée une base plus large et plus diversifiée pour l'utilité et la valeur de NRN.
Le succès est étroitement lié aux partenaires de jeu
Le modèle économique d'ARC lie son succès aux entreprises avec lesquelles elle collabore, car les flux de revenus reposent sur la distribution de jetons (dans les jeux Web3) et le paiement des redevances de jeu. Les jeux étroitement liés valent la peine d'être examinés.
Si les jeux ARC rencontrent un énorme succès, la valeur qui en découle reviendra aux détenteurs de NRN. Inversement, si les jeux collaboratifs rencontrent des difficultés, le flux de valeur sera limité.
Attendez-vous à plus d'intégrations avec les jeux Web3
La plateforme ARC est très adaptée aux jeux Web3, où la compétition avec des mécanismes d'incitation s'harmonise parfaitement avec l'économie de jetons existante.
En intégrant ARC, les jeux Web3 peuvent immédiatement entrer dans le récit des 'agents AI'. ARC RL rassemble la communauté et les incite à avancer vers un objectif commun. Cela ouvre également de nouvelles opportunités pour des mécanismes innovants, tels que rendre des activités comme 'jouer pour des airdrops' plus attrayantes pour les joueurs. En combinant AI et incitations en jetons, ARC ajoute une profondeur et une excitation que les jeux traditionnels ne peuvent pas reproduire.
Le gameplay AI a une courbe d'apprentissage
Le gameplay AI a une courbe d'apprentissage abrupte, ce qui peut créer une friction pour les nouveaux joueurs. J'ai passé une heure à comprendre comment entraîner correctement mes joueurs dans AI Arena.
Cependant, l'expérience des joueurs avec ARC RL est moins frictionnée, car lorsque les joueurs jouent et soumettent des données, l'entraînement AI est traité en arrière-plan. Une autre question en suspens est de savoir comment les joueurs se sentent lorsqu'ils savent que leur adversaire est une AI. Cela les affecte-t-il ? Cela renforce-t-il ou affaiblit-il l'expérience de jeu ? Seul le temps nous le dira.
9, Un avenir radieux
L'AI ouvrira de nouvelles expériences révolutionnaires dans le monde du jeu.
Des équipes comme Parallel Colony et Virtuals poussent le développement des agents AI autonomes, tandis qu'ARC se taille une niche en se concentrant sur le clonage du comportement humain - offrant une approche innovante pour relever le défi de la fluidité des joueurs sans dépendre d'une économie de jetons non durable.
La transition d'un jeu à une plateforme mature est un énorme saut pour ARC. Cela ouvre non seulement de plus grandes opportunités à travers des collaborations avec des entreprises de jeux, mais restructure également la manière dont l'AI est intégrée aux jeux.
Avec son économie de jetons améliorée et son potentiel de puissants effets de réseau, l'avenir radieux d'ARC semble à peine commencer.
