Penulis: Teng Yan, Rantai Pemikiran; Terjemahan: Golden Finance xiaozou

Pada tahun 2021, saya masih menjadi pemain Axie Infinity dan menjalankan serikat beasiswa kecil. Jika Anda tidak hidup melalui era itu, izinkan saya memberi tahu Anda – era itu benar-benar liar.

Axie Infinity adalah game yang menyadarkan orang bahwa cryptocurrency dan game bisa berjalan bersamaan. Pada intinya, ini adalah permainan strategi bergaya Pokémon sederhana di mana pemain membentuk tim yang terdiri dari tiga Axie (pejuang yang sangat ganas), masing-masing dengan kemampuan unik. Anda dapat memimpin tim Anda sendiri melawan tim lain dan menerima hadiah token SLP dengan berpartisipasi dalam permainan dan menang.

Namun yang paling menarik bagi non-gamer adalah potensi menghasilkan uang melalui game. Peningkatan pesat Axie disebabkan oleh dua mekanisme utama:

Yang pertama adalah Breeding Axies. Dapatkan dua Axies, gunakan token SLP untuk membiakkannya, dan voila lahir - Axie baru yang menggabungkan kemampuan unik dari dua Axies asli. Hasilnya, Axies yang langka dan kuat (disebut OP Axies oleh para gamer) menjadi komoditas panas, dan pasar pembiakan yang sibuk pun bermunculan.

Mekanisme kedua adalah program beasiswa. Pelaku korporasi dari seluruh dunia mulai meminjamkan Axies kepada "sarjana". Para pemain ini biasanya berasal dari negara berkembang seperti Filipina atau Argentina, dan mereka tidak mampu membayar biaya di muka sebesar $1.000+ untuk membeli 3 Axie NFT. Para sarjana bermain game setiap hari untuk mendapatkan token dan berbagi keuntungan dengan serikat beasiswa, yang biasanya mengambil potongan 30-50%.

Pada masa kejayaannya, terutama di masa pandemi COVID-19, Axie memberikan dampak yang signifikan terhadap perekonomian lokal di negara-negara berkembang. Di Filipina (tempat sekitar 40% pengguna Axie Infinity berada), banyak pemain yang berpenghasilan jauh di atas upah minimum. Guild itu mendapat untung besar.

Hal ini memecahkan masalah utama bagi pengembang game: mobilitas pemain. Dengan memberikan insentif kepada pemain untuk menghabiskan beberapa jam sehari secara aktif bermain game, Axie memastikan bahwa setiap pemain akan memiliki lawan yang menunggu di sana, sehingga membuat pengalaman pemain menjadi lebih menarik.

Tapi ini harus dibayar mahal.

Untuk mengatasi masalah likuiditas pemain, Axie memberikan sejumlah besar token untuk mendorong pemain berpartisipasi. Ceritanya dimulai di sini. Karena tidak ada batas atas SLP, token meningkat secara liar, harga anjlok, dan ekosistem runtuh. Saat token terdepresiasi, pemain akan pergi. Axie beralih dari permainan demi uang menjadi kisah peringatan hampir dalam semalam.

Namun bagaimana jika ada cara untuk menyelesaikan masalah likuiditas pemain yang tidak memerlukan token economics yang tidak berkelanjutan?

Hal inilah yang diam-diam dikerjakan oleh ARC/AI Arena selama tiga tahun terakhir. Kini, sudah mulai membuahkan hasil.

1. Mobilitas pemain adalah sumber kehidupan

Mobilitas pemain adalah sumber kehidupan game multipemain dan kunci kesuksesan jangka panjang.

Banyak Web3 dan game indie mengalami masalah "cold start" - terlalu sedikit pemain yang dapat ditandingkan dengan cepat atau membentuk komunitas yang berkembang. Mereka tidak memiliki anggaran pemasaran atau kesadaran IP alami seperti yang dimiliki perusahaan-perusahaan game besar. Hal ini dapat menyebabkan waktu tunggu yang lama, ketidakmampuan untuk memasangkan, dan tingkat churn yang tinggi.

Game-game ini biasanya mati dengan lambat dan menyakitkan.

Oleh karena itu, pengembang game harus mengutamakan mobilitas pemain sejak awal. Permainan membutuhkan aktivitas tertentu untuk menjaga kesenangan - catur membutuhkan dua pemain, sedangkan pertarungan skala besar membutuhkan ribuan pemain. Mekanisme pencocokan keterampilan semakin meningkatkan standar, membutuhkan lebih banyak pemain untuk menjaga permainan tetap adil dan menarik.

Untuk game Web3, risikonya lebih besar lagi. Menurut laporan game tahunan Delphi Digital, biaya akuisisi pengguna untuk game Web3 77% lebih tinggi dibandingkan game seluler tradisional, sehingga retensi pemain menjadi sangat penting.

Basis pemain yang kuat memastikan perjodohan yang adil, ekonomi game yang dinamis (yaitu lebih banyak item yang dibeli dan dijual), dan interaksi sosial yang lebih aktif, membuat game ini lebih menarik.

2. ARC——Pelopor game AI

ARC, yang dikembangkan oleh ArenaX Labs, memimpin masa depan pengalaman game online AI. Singkatnya, mereka menggunakan AI untuk memecahkan masalah mobilitas pemain yang mengganggu game-game baru.

Masalah dengan sebagian besar bot AI dalam game saat ini adalah bot tersebut sangat buruk. Setelah Anda menghabiskan beberapa jam untuk menguasainya, bot ini menjadi sangat mudah dikalahkan. Mereka dirancang untuk membantu pemain baru, tetapi tidak memberikan banyak tantangan atau hambatan bagi pemain berpengalaman.

Bayangkan seorang pemain AI yang keterampilannya menyaingi pemain manusia papan atas. Bayangkan bisa bermain melawan mereka kapan saja, di mana saja tanpa harus menunggu pertandingan. Bayangkan melatih pemain AI Anda untuk meniru gaya bermain Anda, memilikinya, dan mendapatkan imbalan atas kinerja mereka.

Ini adalah win-win solution bagi para pemain dan perusahaan game.

Perusahaan game menggunakan bot AI yang mirip manusia untuk menjadikan game mereka populer, meningkatkan mobilitas pemain, meningkatkan pengalaman pengguna, dan meningkatkan tingkat retensi—faktor kunci bagi pendatang baru dalam game untuk bertahan di pasar yang sangat kompetitif.

Pemain mendapatkan cara baru untuk berpartisipasi dalam permainan, membangun rasa memiliki yang lebih kuat dalam proses pelatihan dan bermain melawan AI.

Mari kita lihat bagaimana mereka melakukannya.

3. Produk dan arsitektur

Perusahaan induk ArenaX Labs sedang mengembangkan serangkaian produk untuk mengatasi masalah mobilitas pemain.

  • Produk yang ada: AI Arena, sebuah game pertarungan AI.

  • Produk baru: ARC B2B, SDK game bertenaga AI yang dapat dengan mudah diintegrasikan ke dalam game apa pun.

  • Produk Baru: Pembelajaran Penguatan ARC (RL)

(1) Arena AI: Permainan

AI Arena adalah game pertarungan yang mengingatkan kita pada Super Smash Bros dari Nintendo. Berbagai karakter kartun aneh bertarung di sebuah arena.

Namun di AI Arena, setiap karakter dikendalikan oleh AI - Anda tidak bermain sebagai petarung, melainkan sebagai pelatih mereka. Tugas Anda adalah menggunakan strategi dan keahlian Anda untuk melatih pejuang AI Anda.

Melatih prajurit Anda seperti melatih siswa untuk bersiap menghadapi pertempuran. Dalam mode pelatihan, Anda mengaktifkan pengumpulan data dan membuat skenario pertempuran untuk menyempurnakan pergerakan mereka. Misalnya, jika prajurit Anda dekat dengan lawan, Anda dapat mengajari mereka untuk memblokir dengan perisai Anda dan kemudian melakukan kombo. Bagaimana cara bertarung dari jarak jauh? Latih mereka untuk melancarkan serangan jarak jauh.

Anda mengontrol data apa yang dikumpulkan, memastikan hanya gerakan terbaik yang dicatat untuk pelatihan. Dengan latihan, Anda dapat menyempurnakan hyperparameter untuk mendapatkan lebih banyak keuntungan teknis, atau cukup menggunakan pengaturan default yang ramah bagi pemula. Setelah pelatihan selesai, prajurit AI Anda siap berperang.

Memulainya itu sulit — melatih model yang efektif membutuhkan waktu dan eksperimen. Prajurit pertamaku beberapa kali terjatuh dari platform, bukan karena terkena lawan. Namun setelah beberapa kali pengulangan, saya berhasil membuat model yang berkinerja baik. Melihat hasil pelatihan Anda sungguh memuaskan.

AI Arena memperkenalkan kedalaman tambahan dengan pejuang NFT. Setiap karakter NFT memiliki karakteristik penampilan dan atribut pertarungan yang unik, yang akan mempengaruhi gameplay. Hal ini menambah lapisan strategi lainnya.

Saat ini, AI Arena berjalan di mainnet Arbitrum dan hanya dapat diakses oleh mereka yang memiliki AI Arena NFT, meningkatkan gameplay sekaligus menjaga eksklusivitas komunitas. Pemain dapat bergabung dengan guild, mengumpulkan NFT dan NRN juara untuk peringkat pertempuran on-chain, dan menerima hadiah. Hal ini dilakukan untuk menarik pemain setia dan mendorong persaingan.

Pada akhirnya, AI Arena adalah pameran teknologi pelatihan AI ARC. Meskipun ini adalah titik masuk mereka ke dalam ekosistem, visi sebenarnya jauh melampaui permainan itu sendiri.

(2) ARC: Infrastruktur

ARC adalah solusi infrastruktur AI yang dirancang khusus untuk game.

Tim ArenaX memulai dari awal, bahkan mengembangkan infrastruktur game mereka sendiri, karena solusi yang ada seperti Unity dan Unreal tidak memenuhi visi mereka.

Selama tiga tahun, mereka menciptakan tumpukan teknologi canggih yang mampu menangani agregasi data, pelatihan model, dan pemeriksaan model untuk pembelajaran imitasi dan penguatan. Infrastruktur ini merupakan tulang punggung AI Arena, namun potensinya jauh lebih besar.

Saat tim terus menyempurnakan teknologinya, studio pihak ketiga mulai mendekati ARC dengan harapan memberi lisensi atau memberi label putih pada platform tersebut. Menyadari kebutuhan ini, mereka meresmikan infrastruktur ARC menjadi produk B2B.

Saat ini, ARC bekerja sama secara langsung dengan perusahaan game untuk memberikan pengalaman bermain game AI. Proposisi nilainya adalah:

  • Likuiditas Pemain Permanen sebagai Layanan

  • Gameplay AI sebagai integrasi sederhana

Likuiditas Pemain Permanen sebagai Layanan

ARC berfokus pada kloning perilaku manusia—melatih model AI khusus untuk meniru perilaku manusia. Hal ini berbeda dengan penggunaan utama AI dalam game saat ini, yang menggunakan model generatif untuk membuat aset game dan LLM untuk mendorong dialog.

Dengan menggunakan ARC SDK, pengembang dapat membuat agen AI yang mirip manusia dan menskalakannya berdasarkan kebutuhan game. SDK menyederhanakan pekerjaan berat. Perusahaan game dapat memperkenalkan AI tanpa harus berurusan dengan pembelajaran mesin yang rumit.

Setelah integrasi, penerapan model AI hanya memerlukan satu baris kode, dan ARC bertanggung jawab atas infrastruktur, pemrosesan data, pelatihan, dan penerapan back-end.

ARC bekerja sama dengan perusahaan game untuk membantu mereka:

  • Ambil data gameplay mentah dan ubah menjadi kumpulan data yang bermakna untuk pelatihan AI.

  • Identifikasi variabel gameplay utama dan poin keputusan yang terkait dengan mekanisme game.

  • Memetakan keluaran model AI ke aktivitas dalam game untuk memastikan kelancaran fungsionalitas - misalnya, menghubungkan keluaran "klik kanan" AI ke kontrol game tertentu.

Bagaimana cara kerja AI?

ARC menggunakan empat jenis model untuk interaksi permainan:

  • Jaringan Neural Feedforward: Cocok untuk lingkungan berkelanjutan dengan fitur numerik seperti kecepatan atau posisi.

  • Agen Tabular: Sangat ideal untuk game dengan skenario diskrit terbatas.

  • Jaringan saraf hierarkis dan konvolusional sedang dalam pengembangan.

Ada dua ruang interaktif yang terkait dengan model AI ARC:

Ruang negara mendefinisikan apa yang diketahui agen tentang permainan pada saat tertentu. Untuk jaringan feedforward, ini merupakan kombinasi fitur input (seperti kecepatan atau posisi pemain). Untuk agen tabular, ini adalah skenario terpisah yang mungkin dihadapi agen selama permainan.

Ruang tindakan mendeskripsikan apa yang dapat dilakukan agen dalam game, mulai dari input terpisah (seperti menekan tombol) hingga kontrol berkelanjutan (seperti gerakan joystick). Ini memetakan ke input game.

State space memberikan masukan ke model AI ARC, yang memproses masukan dan menghasilkan keluaran. Keluaran ini kemudian diubah menjadi aksi permainan melalui ruang aksi.

ARC bekerja sama dengan pengembang game untuk mengidentifikasi fitur paling penting dan merancang ruang negara yang sesuai. Mereka juga menguji berbagai konfigurasi dan ukuran model untuk menyeimbangkan kecerdasan dan kecepatan guna memastikan gameplay yang lancar dan menarik.

Menurut tim, permintaan akan layanan likuiditas pemain sangat tinggi di kalangan perusahaan Web3. Perusahaan-perusahaan ini membayar untuk likuiditas pemain yang lebih baik, dan ARC akan menggunakan sebagian besar pendapatan ini untuk pembelian kembali token NRN.

Menghadirkan gameplay AI kepada pemain: platform pelatih

ARC SDK juga memberi perusahaan web3 akses ke platform pelatih game mereka, memungkinkan pemain untuk melatih dan mengirimkan agen.

Seperti AI Arena, pemain dapat mengatur simulasi, memperoleh data gameplay, dan melatih model AI kosong. Model-model ini akan berkembang seiring waktu, mempertahankan pengetahuan sebelumnya sambil menggabungkan data gameplay baru, tanpa harus memulai dari awal pada setiap pembaruan.

Hal ini membuka kemungkinan menarik: pemain dapat menjual agen AI terlatih mereka di pasar, sehingga menciptakan lapisan ekonomi baru dalam game. Di AI Arena, pelatih terampil dapat membentuk guild, dan mereka dapat memberikan pelatihan keterampilan kepada perusahaan lain.

Konsep Parallel Play juga menjadi kenyataan bagi perusahaan yang sepenuhnya mengintegrasikan fungsi agensi. Agen AI tersedia 24/7 dan dapat berpartisipasi dalam beberapa turnamen atau permainan secara bersamaan. Hal ini memecahkan masalah likuiditas pemain dan menciptakan peluang baru untuk loyalitas dan pendapatan pengguna.

Tapi bukan itu saja…

(3) ARC RL: dari satu-ke-satu ke banyak-ke-satu

Jika AI Arena dan platform pelatih ARC terasa seperti mode pemain tunggal (di mana Anda dapat melatih model AI Anda sendiri), ARC RL mirip dengan mode multipemain.

Bayangkan ini: seluruh DAO game mengumpulkan data gameplaynya untuk melatih model AI bersama yang dimiliki dan dimanfaatkan oleh semua orang. “Agen utama” ini mewakili kecerdasan kolektif semua pemain, mentransformasikan esports dengan memperkenalkan kompetisi yang didorong oleh upaya kolektif dan kolaborasi strategis.

ARC RL menggunakan pembelajaran penguatan (alias "RL") dan data gameplay manusia yang dikumpulkan dari sumber daya manusia untuk melatih agen "super cerdas" ini.

Pembelajaran penguatan bekerja dengan memberi penghargaan kepada agen atas perilaku optimal. Ini bekerja sangat baik dalam permainan di mana fungsi hadiahnya jelas dan obyektif, seperti kerusakan yang diberikan, perolehan emas, atau kemenangan.

Ada preseden untuk ini:

AlphaGo dari DeepMind, yang mengalahkan pemain manusia profesional dalam permainan Go, dilatih pada jutaan permainan yang dibuat sendiri, menyempurnakan strateginya dengan setiap iterasi.

Saya tidak menyadarinya sebelumnya, namun OpenAI sudah terkenal di kalangan gaming jauh sebelum chatGPT dibuat.

OpenAI Five menggunakan pembelajaran penguatan untuk mengalahkan pemain manusia terbaik di Dota 2, mengalahkan juara dunia pada tahun 2019. Ia menguasai strategi tingkat lanjut seperti kerja tim melalui simulasi yang dipercepat dan sumber daya komputasi yang besar.

OpenAI Five menjalankan jutaan game setiap hari, setara dengan 250 tahun simulasi game setiap hari, dan didukung oleh 256 GPU dan 128.000 CPU. Dengan melewatkan rendering grafis, ini sangat mempercepat pembelajaran.

Awalnya, AI menunjukkan perilaku yang tidak menentu, seperti berkeliaran tanpa tujuan, namun hal ini dengan cepat membaik. Ia menguasai strategi dasar, seperti merangkak di jalan setapak dan mencuri sumber daya, dan akhirnya berkembang menjadi operasi yang lebih kompleks, seperti penyergapan.

Gagasan utama pembelajaran penguatan adalah bahwa agen AI belajar bagaimana mencapai kesuksesan melalui pengalaman, bukan secara langsung diberitahu apa yang harus dilakukan.

ARC RL membedakan dirinya dengan menggunakan pembelajaran penguatan offline. Agen AI belajar bukan dari trial and error mereka sendiri, namun dari pengalaman orang lain. Ini seperti menjadi seorang pelajar yang menonton video orang lain mengendarai sepeda, mengamati keberhasilan dan kegagalan mereka, dan menggunakan pengetahuan tersebut untuk menghindari terjatuh dan meningkat lebih cepat.

Pendekatan ini memberikan manfaat tambahan: pelatihan kolaboratif dan kepemilikan bersama atas model. Hal ini tidak hanya membuat agen AI yang kuat menjadi lebih umum, tetapi juga membuat motivasi pemain, guild, dan pengembang menjadi lebih selaras.

Dalam penciptaan agen permainan “super cerdas”, ada dua pemain kunci:

  • Sponsor: Mirip dengan pemimpin guild, mereka menjanjikan sejumlah besar token NRN untuk memulai dan mengelola agen RL. Sponsornya bisa berupa entitas apa pun, namun kemungkinan besar adalah guild game, DAO, komunitas web3, atau bahkan agen personalisasi on-chain yang populer seperti Luna.

  • Pemain: Seseorang yang mempertaruhkan sejumlah kecil token NRN untuk menyumbangkan data gameplay mereka guna melatih agen.

Sponsor mengoordinasikan dan melatih tim pemain mereka untuk memastikan data pelatihan berkualitas tinggi guna memberikan keunggulan kompetitif bagi agen AI mereka dalam kompetisi agen.

Hadiah didistribusikan berdasarkan kinerja Agen Super dalam kompetisi. 70% dari hadiah diberikan kepada pemain, 10% diberikan kepada sponsor, dan 20% sisanya diberikan kepada kas NRN. Struktur ini menyelaraskan insentif bagi seluruh peserta.

Kontribusi data

Bagaimana Anda membuat pemain menyumbangkan data gameplay mereka sendiri? Tidak mudah.

ARC membuat penyediaan data gameplay menjadi mudah dan bermanfaat. Pemain tidak membutuhkan pengetahuan profesional, cukup mainkan gamenya. Di akhir sesi, mereka diminta mengirimkan data untuk melatih agen tertentu. Dasbor melacak kontribusi mereka dan agen yang mereka dukung.

Algoritme atribusi ARC memastikan kualitas dengan mengevaluasi kontribusi dan memberikan penghargaan pada data berkualitas tinggi dan berdampak.

Lucunya, meskipun Anda pemain yang buruk (seperti saya), data Anda berguna. Gameplay yang buruk dapat membantu agen mempelajari apa yang tidak boleh dilakukan, sementara gameplay yang terampil dapat mengajarkan strategi yang optimal. Data yang berlebihan disaring untuk menjaga kualitas.

Singkatnya, ARC RL dirancang sebagai produk pasar massal dengan tingkat gesekan rendah yang berpusat pada agen yang secara kolektif memiliki kemampuan melebihi manusia.

4. Ukuran pasar

Platform teknologi ARC serbaguna dan mendukung berbagai jenis permainan, seperti penembak, permainan pertarungan, kasino sosial, balap, permainan perdagangan kartu, dan RPG. Ini dibuat khusus untuk game yang perlu membuat pemain tetap terlibat.

Produk ARC terutama menargetkan dua pasar:

ARC terutama berfokus pada pengembang dan perusahaan independen, dibandingkan produsen yang sudah mapan. Karena terbatasnya pengaruh merek dan sumber daya distribusi, perusahaan kecil ini sering mengalami kesulitan menarik pemain pada tahap awal.

Agen AI ARC memecahkan masalah ini dengan menciptakan lingkungan permainan yang dinamis sejak awal, memastikan alur permainan yang dinamis bahkan pada tahap awal permainan.

Hal ini mungkin mengejutkan banyak orang, namun sektor game indie memang merupakan kekuatan utama di pasar game:

  • 99% game di Steam adalah game indie.

  • Pada tahun 2024, game independen akan menghasilkan 48% dari total pendapatan di Steam.

Target pasar lainnya adalah game Web3. Sebagian besar game Web3 dikembangkan oleh perusahaan-perusahaan baru, yang juga menghadapi tantangan unik seperti login dompet, keraguan enkripsi, dan biaya akuisisi pengguna yang tinggi. Game-game ini sering kali memiliki masalah mobilitas pemain, dan agen AI dapat mengisi kekosongan tersebut dan membuat game tersebut tetap menarik.

Meskipun game Web3 mengalami kesulitan akhir-akhir ini karena kurangnya pengalaman yang menarik, game tersebut menunjukkan tanda-tanda pemulihan.

Misalnya, Off the Grid, salah satu game AAA Web3 pertama, baru-baru ini mencapai kesuksesan awal dengan 100 juta transaksi di 9 juta dompet pada bulan pertama. Hal ini membuka jalan bagi keberhasilan yang luas dalam industri ini, dan menciptakan peluang bagi ARC untuk mendukung kebangkitan ini.

5. Tim ARC

Tim pendiri di balik ArenaX Labs memiliki keahlian pembelajaran mesin dan manajemen investasi yang luas.

CEO dan CTO Brandon Da Silva pernah memimpin penelitian pembelajaran mesin di sebuah perusahaan investasi Kanada, dengan fokus pada pembelajaran penguatan, pembelajaran mendalam Bayesian, dan adaptasi model. Dia memelopori pengembangan strategi perdagangan kuantitatif senilai $1 miliar yang berpusat pada keseimbangan risiko dan manajemen portofolio multi-aset.

Chief Operating Officer Wei Xie mengelola portofolio strategi likuiditas senilai $7 miliar di perusahaan yang sama dan memimpin proyek investasi inovatifnya, dengan fokus pada bidang-bidang baru seperti AI, pembelajaran mesin, dan teknologi Web3.

ArenaX Labs menerima pendanaan putaran awal sebesar $5 juta pada tahun 2021, dipimpin oleh Paradigm dan diikuti oleh Framework Ventures. Perusahaan mengumpulkan pendanaan $6 juta pada Januari 2024, dipimpin oleh SevenX Ventures, FunPlus/Xterio, dan Moore Strategic Ventures.

6. Ekonomi Token NRN—Reformasi yang Sehat

ARC/AI Arena memiliki token - NRN. Mari kita lihat dulu situasi saat ini.

Meneliti sisi penawaran dan permintaan akan memberi kita gambaran yang lebih jelas tentang arah tren.

(1) Sisi pasokan

Total pasokan NRN adalah 1 miliar, dimana sekitar 409 juta (40,9%) beredar.

Pada saat penulisan, token tersebut dihargai $0,72, yang berarti kapitalisasi pasar sebesar $29 juta dan penilaian terdilusi penuh sebesar $71 juta.

NRN dirilis pada 24 Juni 2024, dengan 40,9% suplai yang beredar berasal dari:

  • Airdrop komunitas (8% dari total)

  • Perbendaharaan yayasan (terhitung 10,9%, dimana 2,9% telah dibuka, dibuka secara linier dalam 36 bulan)

  • Penghargaan ekosistem komunitas (30%)

Mayoritas pasokan yang beredar (30% dari 40,9%) terdiri dari imbalan ekosistem komunitas, dengan proyek yang mengelola dan mengalokasikan token ini secara strategis untuk mempertaruhkan imbalan, imbalan permainan, inisiatif pertumbuhan ekosistem, dan inisiatif berbasis komunitas.

Jadwal pembukaan kunci meyakinkan dan tidak ada peristiwa besar dalam jangka pendek:

  • Pembukaan berikutnya adalah penjualan OTC yayasan (1,1%), yang akan dibuka secara linier selama 12 bulan mulai bulan Desember 2024. Hal ini hanya akan meningkatkan inflasi bulanan sebesar 0,09% dan sepertinya tidak akan menimbulkan kekhawatiran besar.

  • Alokasi investor dan kontributor (50% dari total pasokan) tidak akan dibuka hingga Juni 2025, dan bahkan kemudian, akan dibuka secara linear selama 24 bulan.

Untuk saat ini, tekanan jual diperkirakan akan tetap terkendali, terutama berasal dari manfaat ekosistem. Kuncinya adalah memercayai kemampuan tim untuk menggunakan dana ini secara strategis untuk mendorong pertumbuhan protokol.

(2) Sisi permintaan

NRN v1 - Ekonomi Pemain

Awalnya, NRN dirancang sebagai sumber daya strategis yang terkait dengan ekonomi game AI Arena.

Pemain mempertaruhkan NRN pada pemain AI dan menerima hadiah jika mereka menang dan kehilangan sebagian dari taruhan mereka jika kalah. Hal ini menciptakan dinamika pertaruhan langsung, mengubahnya menjadi olahraga kompetitif dan memberikan insentif finansial bagi pemain terampil.

Hadiah didistribusikan menggunakan sistem ELO, memastikan pembayaran seimbang berdasarkan keterampilan. Sumber pendapatan lainnya termasuk pembelian item game, peningkatan kosmetik, dan biaya masuk kompetisi.

Model token awal sepenuhnya bergantung pada keberhasilan permainan dan kesediaan pemain baru untuk membeli NRN dan NFT untuk berpartisipasi dalam permainan.

Inilah alasan mengapa kami begitu bersemangat…

NRN v2——Ekonomi Pemain & Platform

Peningkatan ekonomi token v2 NRN memperkenalkan pendorong permintaan baru yang kuat dengan memperluas utilitas token di luar AI Arena ke platform ARC yang lebih luas. Evolusi ini mengubah NRN dari token khusus game menjadi token platform. Menurut saya, ini adalah perubahan yang sangat positif.

Tiga pendorong permintaan baru untuk NRN meliputi:

  • Pendapatan dari integrasi ARC. Perusahaan game yang mengintegrasikan ARC akan menghasilkan pendapatan melalui biaya integrasi dan royalti berkelanjutan yang terkait dengan kinerja game. Dana Vault dapat mendorong pembelian kembali NRN, menumbuhkan ekosistem, dan memberi insentif kepada pemain di platform pelatih.

  • Biaya Pasar Pelatih. NRN memperoleh nilai dari biaya peternakan pelatih, dan pemain dapat memperdagangkan model AI dan data permainan di pasar pelatih.

  • Staking untuk berpartisipasi dalam ARC RL: Sponsor dan pemain harus staking NRN untuk bergabung dengan ARC RL. Semakin banyak pemain yang memasuki ARC RL, permintaan NRN pun meningkat.

Yang paling menarik adalah pendapatan perusahaan game. Hal ini menandai peralihan dari model B2C murni ke model B2C dan B2B hibrid, sehingga menciptakan aliran masuk modal eksternal yang berkelanjutan ke perekonomian NRN. Dengan ARC yang memiliki target pasar yang lebih luas, aliran pendapatan ini akan melebihi apa yang dapat dihasilkan oleh AI Arena sendiri.

Biaya untuk pasar pelatih, meskipun menjanjikan, bergantung pada ekosistem yang mencapai masa kritis—cukup banyak permainan, pelatih, dan pemain untuk mempertahankan aktivitas perdagangan aktif. Ini adalah upaya jangka panjang.

Dalam jangka pendek, staking ARC RL mungkin merupakan pendorong permintaan yang paling cepat dan refleksif. Kumpulan hadiah awal yang didanai dengan baik dan kegembiraan atas peluncuran produk baru dapat memicu adopsi awal, menaikkan harga token, dan menarik peserta. Hal ini menciptakan feedback loop berupa meningkatnya permintaan dan pertumbuhan ekonomi. Namun, di sisi lain, jika ARC RL kesulitan mempertahankan kelekatan pengguna, permintaan bisa hilang dengan cepat.

Potensi efek jaringan sangat besar: lebih banyak game → lebih banyak pemain → lebih banyak game ditambahkan → lebih banyak pemain. Siklus baik ini dapat memposisikan NRN sebagai token inti dalam ekosistem game Crypto AI.

7. Ibu dari model AI game

Apa akhirnya? Keunggulan ARC adalah kemampuannya dalam mempromosikan berbagai jenis permainan. Seiring waktu, memungkinkan mereka mengumpulkan database unik dari gameplay tertentu. Saat ARC berintegrasi dengan lebih banyak game, ARC dapat terus memasukkan data ini kembali ke ekosistemnya sendiri, menciptakan siklus pertumbuhan dan peningkatan yang baik.

Setelah kumpulan data game lintas sektor ini mencapai masa kritis, ini akan menjadi sumber daya yang sangat berharga. Bayangkan menggunakannya untuk melatih model AI universal untuk pengembangan game - membuka kemungkinan baru untuk merancang, menguji, dan mengoptimalkan game dalam skala besar.

Ini masih tahap awal, namun di era kecerdasan buatan (AI) dimana data adalah minyak baru, potensinya tidak terbatas.

8. Pikiran kita

(1) NRN berkembang menjadi permainan platform - penetapan harga token

Dengan dirilisnya ARC dan ARC RL, proyek ini tidak lagi hanya berupa perusahaan game produk tunggal, namun kini memposisikan dirinya sebagai platform dan game AI. Pergeseran ini akan mengarah pada pemeringkatan ulang token NRN, yang sebelumnya dibatasi oleh keberhasilan AI Arena. Pengenalan sumber token baru melalui ARC RL, ditambah dengan perjanjian bagi hasil dengan perusahaan game dan permintaan eksternal untuk biaya transaksi pelatih, menciptakan basis yang lebih luas dan beragam untuk utilitas dan nilai NRN.

(2) Kesuksesan erat kaitannya dengan mitra permainan

Model bisnis ARC mengaitkan kesuksesannya dengan perusahaan yang menjadi mitranya, karena aliran pendapatan didasarkan pada distribusi token (dalam game Web3) dan pembayaran royalti game. Permainan yang terkait dengannya patut untuk dilihat.

Jika game ARC sukses besar, nilai yang dihasilkan akan mengalir kembali ke pemegang NRN. Sebaliknya, jika permainan kooperatif terhenti, aliran nilai akan terbatas.

(3) Menantikan integrasi lebih lanjut dengan game Web3

Platform ARC sangat cocok untuk game Web3, di mana gameplay kompetitif dengan mekanisme insentif terintegrasi sempurna dengan ekonomi token yang ada.

Dengan mengintegrasikan ARC, game Web3 bisa langsung memasuki narasi "agen AI". ARC RL menyatukan komunitas dan menginspirasi mereka menuju tujuan bersama. Hal ini juga membuka peluang baru untuk mekanisme inovatif, seperti membuat acara seperti “Game to Airdrop” lebih menarik bagi para pemain. Dengan menggabungkan AI dan insentif token, ARC menambah kedalaman dan kegembiraan yang tidak dapat ditiru oleh permainan tradisional.

(4) Gameplay AI memiliki kurva pembelajaran

Gameplay AI memiliki kurva pembelajaran yang curam, yang dapat menyebabkan gesekan bagi pemain baru. Saya membutuhkan waktu satu jam untuk memikirkan cara melatih pemain saya di AI Arena dengan benar.

Namun, pengalaman pemain dengan ARC RL tidak terlalu rumit karena pelatihan AI ditangani di backend saat pemain memainkan game dan mengirimkan data. Pertanyaan terbuka lainnya adalah bagaimana perasaan pemain saat mengetahui lawannya adalah AI. Apakah ini berdampak pada mereka? Apakah ini akan meningkatkan atau mengurangi pengalaman bermain game? Hanya waktu yang akan menjawabnya.

9. Masa depan cerah

AI akan membuka pengalaman terobosan baru di dunia game.

Tim seperti Parallel Colony dan Virtuals mendorong pengembangan agen AI otonom, sementara ARC mengukir ceruknya sendiri dengan berfokus pada kloning perilaku manusia - memberikan pendekatan inovatif untuk memecahkan tantangan mobilitas pemain tanpa bergantung pada Tokenomics yang tidak berkelanjutan.

Transisi dari game ke platform yang lengkap merupakan lompatan besar bagi ARC. Hal ini tidak hanya membuka peluang lebih besar melalui kerja sama dengan perusahaan game, namun juga merestrukturisasi cara AI dan game terintegrasi.

Dengan potensi peningkatan ekonomi token dan efek jaringan yang kuat, masa depan ARC yang cerah tampaknya baru saja dimulai.