Команды, такие как Parallel Colony и Virtuals, продвигают развитие автономных AI-агентов, в то время как ARC сосредоточен на клонировании человеческого поведения, чтобы создать свою нишу на рынке.
Автор: Тэн Ян, Цепочка мысли
Перевод: Золотая экономика xiaozou
В 2021 году я был игроком Axie Infinity и управлял небольшой гильдией стипендий. Если вы не пережили то время, позвольте мне сказать — это было совершенно безумно.
Игра Axie Infinity позволила людям осознать, что криптовалюта и игры могут сочетаться. По сути, это простая стратегия в стиле Pokémon, в которой игроки собирают команду из трех Axie (очень мощных воинов), каждый из которых обладает уникальными способностями. Вы можете вести свою команду в бой с другими командами, зарабатывая токены SLP за участие в игре и победы.
Но что действительно волнует неспециалистов, так это потенциал заработка через игры. Резкий рост Axie стал возможен благодаря двум механизмам:
Первый шаг — разведение Axies. Получите двух Axie, используйте токены SLP для их разведения, и вот, вуаля — новый Axie, обладающий уникальными способностями обоих изначальных Axie. Так редкие и мощные Axies (игроки называют их OP Axies) стали популярными товарами, и возникло активное разведение.
Второй механизм — это программы стипендий. Игроки из разных уголков мира начинают одалживать Axies «ученикам». Эти игроки обычно бывают из развивающихся стран, таких как Филиппины или Аргентина, которые не могут позволить себе первоначальные расходы более 1000 долларов на покупку 3 NFT Axies. Ученики каждый день играют, зарабатывают токены и делятся прибылью с гильдиями стипендий, которые обычно берут 30-50%.
В своем расцвете, особенно в период пандемии 2019 года, Axie оказал значительное влияние на местную экономику в развивающихся странах. На Филиппинах (где около 40% пользователей Axie Infinity) многие игроки зарабатывали значительно больше, чем минимальная заработная плата. Гильдии получали большую прибыль.
Это решает одну из ключевых проблем разработчиков игр: мобильность игроков. Стимулируя игроков тратить несколько часов в день на активные игры, Axie гарантирует, что у каждого игрока есть соперник, который ждет, что делает игровой процесс более привлекательным.
Но это имеет свою цену.
Чтобы решить проблему мобильности игроков, Axie раздает множество токенов, чтобы побудить игроков участвовать. История начинается отсюда. Поскольку SLP не имеет верхнего предела, токены взорвались, цена обрушилась, экосистема рухнула. Обесценивание токенов привело к тому, что игроки покинули. Axie почти за одну ночь превратилась из любимца «играть и зарабатывать» в поучительную историю.
Но если бы существовал способ решить проблему мобильности игроков, не прибегая к нестабильной токеномике, что бы вы сделали?
Именно этим ARC / AI Arena занимались в течение последних трех лет. Теперь это начинает приносить плоды.
1. Мобильность игроков — это жизненная сила
Мобильность игроков — это жизненная сила многопользовательских игр и ключ к долгосрочному успеху.
Многие Web3 и независимые игры сталкиваются с проблемой «холодного старта» — слишком мало игроков, чтобы быстро находить пары или создавать процветающее сообщество. У них нет маркетинговых бюджетов или естественного признания IP, как у крупных игровых студий. Это приводит к проблемам с долгим временем ожидания, отсутствием пар и высоким уровнем оттока.
Эти игры обычно медленно и мучительно умирают.
Поэтому разработчики игр должны с самого начала уделять приоритетное внимание мобильности игроков. Игры требуют активности, чтобы оставаться интересными — шахматы требуют двух игроков, а массовые сражения требуют тысяч игроков. Механизмы подбора навыков еще больше повышают порог, требуя больше игроков для поддержания равноправия и привлекательности игры.
Для игр Web3 риски выше. Согласно годовому отчету Delphi Digital о играх, стоимость привлечения пользователей для игр Web3 на 77% выше, чем для традиционных мобильных игр, что делает удержание игроков критически важным.
Сильная база игроков может обеспечить честное сопоставление, динамичную игровую экономику (т.е. больше покупок и продаж предметов) и более активное социальное взаимодействие, что делает игру более интересной.
2. ARC — пионер AI игр
ARC, разработанный ArenaX Labs, ведет будущее онлайн-игрового опыта с AI. Проще говоря, они используют AI для решения проблемы мобильности игроков, которая беспокоила новые игры.
Сегодня большинство AI-роботов в играх слишком плохи. Как только вы проведете несколько часов, осваивая уловки, этих роботов становится очень легко побеждать. Они созданы для помощи новым игрокам, но не могут предоставить достаточно вызовов или удержания для опытных игроков.
Представьте, что навыки AI-игроков могут сопоставляться с навыками лучших человеческих игроков. Представьте, что вы можете сражаться с ними в любое время и в любом месте, не дожидаясь поиска соперников. Представьте, что вы тренируете вашего AI-игрока, чтобы он имитировал ваш стиль игры, и зарабатываете награды в зависимости от его производительности.
Это выгодно как для игроков, так и для игровых компаний.
Игровые компании используют AI-роботов, похожих на людей, чтобы сделать игры более популярными, повысить мобильность игроков, улучшить пользовательский опыт и повысить уровень удержания — это ключ к выживанию новых игровых новичков на конкурентном рынке.
Игроки получили новый способ участия в игре, создавая более сильное чувство принадлежности в процессе тренировки AI и сражений с ним.
Давайте посмотрим, как они это сделали.
3. Продукты и архитектура
Материнская компания ArenaX Labs разрабатывает ряд продуктов для решения проблемы мобильности игроков.
Существующий продукт: AI Arena, игра в жанре боевиков с AI.
Новый продукт: ARC B2B, AI-управляемый игровой SDK, который легко интегрируется в любую игру.
Новый продукт: ARC обучение с подкреплением (RL)
(1) AI Arena: игра
AI Arena — это игра в жанре боевиков, напоминающая Nintendo's Super Smash Bros, где различные странные мультяшные персонажи сражаются на арене.
Но в AI Arena каждый персонаж управляется AI — вы не играете за бойца, а за их тренера. Ваша задача — использовать свою стратегию и экспертизу для тренировки вашего AI-бойца.
Обучение вашего бойца похоже на подготовку студента к битве. В режиме тренировки вы включаете сбор данных и создаете боевые сцены, чтобы подправить их действия. Например, если ваш боец близок к сопернику, вы можете научить его блокировать щитом, а затем делать комбо. Как сражаться на расстоянии? Обучите их дальним атакам.
Вы можете контролировать, какие данные собирать, гарантируя, что только лучшие действия записываются для обучения. После практики вы можете уточнить гиперпараметры для получения большего технического преимущества или просто использовать удобные для новичков настройки по умолчанию. Как только обучение завершено, ваш AI-боец готов к битвам.
Начинать всегда трудно — для обучения эффективной модели требуется время и эксперименты. Мой первый боец несколько раз падал с платформы не от удара противника. Но после нескольких итераций мне удалось создать модель с хорошими показателями. Видеть, как ваша тренировка приносит плоды, — это невероятно удовлетворительно.
AI Arena вводит дополнительную глубину через NFT-бойцов. Каждый NFT-герой имеет уникальные визуальные особенности и боевые атрибуты, которые влияют на игровой процесс. Это добавляет еще один уровень стратегии.
В настоящее время AI Arena работает в основной сети Arbitrum, и только те, кто владеет NFT AI Arena, могут получить доступ, сохраняя эксклюзивность сообщества, пока игра дорабатывается. Игроки могут присоединяться к гильдиям, собирать чемпионов NFT и NRN для ранжирования в цепочке и получать вознаграждения. Это делается для привлечения лояльных игроков и повышения конкуренции.
В конечном счете, AI Arena — это витрина технологии обучения AI ARC. Хотя это их точка входа в экосистему, настоящая амбиция выходит далеко за пределы этой игры.
(2) ARC: инфраструктура
ARC — это инфраструктурное решение AI, специально разработанное для игр.
Команда ArenaX разработала свою игровую инфраструктуру с нуля, поскольку существующие решения, такие как Unity и Unreal, не могли соответствовать их видению.
В течение более трех лет они тщательно проектировали мощный технологический стек, способный обрабатывать агрегацию данных, обучение моделей и проверку моделей для имитации и обучения с подкреплением. Эта инфраструктура является основой AI Arena, но ее потенциал намного больше.
По мере того как команда продолжает совершенствовать свои технологии, сторонние студии начинают находить ARC, желая получить лицензии или белые ярлыки на платформу. Осознав эту потребность, они формализовали инфраструктуру ARC в продукт B2B.
Сегодня ARC напрямую сотрудничает с игровыми компаниями, предлагая AI-игровой опыт. Их ценностное предложение:
Постоянная мобильность игроков как услуга
Простая интеграция AI-геймплея
Постоянная мобильность игроков как услуга
ARC сосредоточен на клонировании человеческого поведения — обучая специализированные AI-модели имитировать человеческое поведение. Это отличается от основного применения AI в играх сегодня, где используются генеративные модели для создания игровых активов и LLM для управления диалогом.
Используя ARC SDK, разработчики могут создавать AI-агентов, похожих на людей, и масштабировать их в соответствии с потребностями игры. SDK упрощает трудоемкую работу. Игровые компании могут вводить AI без необходимости разбираться в сложном машинном обучении.
После интеграции развертывание AI-моделей требует всего одной строки кода, ARC берет на себя инфраструктуру, обработку данных, обучение и развертывание на бэкенде.
ARC использует подход сотрудничества с игровыми компаниями, помогая им:
Сбор оригинальных данных об игровом процессе и их преобразование в значимые наборы данных для AI-обучения.
Определение ключевых игровых переменных и точек принятия решений, связанных с игровыми механиками.
Отображение вывода AI-моделей на действия внутри игры, чтобы обеспечить плавное функционирование — например, связывая вывод AI «правый клик» с конкретным игровым управлением.
Как работает AI?
ARC использует четыре типа моделей для игровых взаимодействий:
Полносвязные нейронные сети: подходят для непрерывной среды с числовыми признаками, такими как скорость или положение.
Табличные агенты: особенно подходят для игр с ограниченными дискретными сценами.
Иерархические и сверточные нейронные сети находятся в стадии разработки.
Существует два интерактивных пространства, связанных с AI-моделями ARC:
Пространство состояний определяет, что агент знает о игре в любой данный момент. Для перцептивных сетей это комбинация входных характеристик, таких как скорость или положение игрока. Для табличных агентов это дискретные сцены, с которыми агент может столкнуться в игре.
Описание пространства действий определяет, что агент может делать в игре, от дискретных вводов (например, нажатия кнопок) до непрерывного управления (например, движения джойстика). Это будет отображаться на вводах в игру.
Пространство состояний предоставляет входные данные для AI-моделей ARC, которые обрабатывают эти входные данные и генерируют выходные данные. Затем эти выходные данные преобразуются в игровые действия через пространство действий.
ARC тесно сотрудничает с разработчиками игр, чтобы определить наиболее критические функции и соответственно разработать пространство состояний. Они также тестируют различные конфигурации и размеры моделей, чтобы сбалансировать интеллект и скорость, гарантируя, что игровая операция будет плавной и увлекательной.
По словам команды, спрос со стороны Web3 компаний на их услуги мобильности игроков особенно высок. Эти компании готовы платить за лучшую мобильность игроков, и ARC будет использовать большую часть этого дохода для выкупа токенов NRN.
Предоставление AI-геймплея игрокам: платформа тренеров
ARC SDK также предоставляет компаниям web3 доступ к платформе тренеров их игр, позволяя игрокам тренировать и подавать агентов.
Как и в AI Arena, игроки могут настраивать симуляции, собирать данные об игровом процессе и тренировать пустые AI-модели. Эти модели будут эволюционировать со временем, сохраняя предшествующие знания и интегрируя новые данные об игровом процессе, не начиная с нуля при каждом обновлении.
Это открывает захватывающие возможности: игроки могут продавать своих настраиваемых тренированных AI-агентов на рынке, создавая новый уровень экономики внутри игры. В AI Arena опытные тренеры могут формировать гильдии и предлагать свои навыки тренировки другим компаниям.
Для компаний, полностью интегрировавших функции агентов, концепция параллельной игры становится особенно актуальной. AI-агенты могут быть доступны круглосуточно и участвовать сразу в нескольких матчах или игровых экземплярах. Это решает проблему мобильности игроков и создает новые возможности для удержания пользователей и доходов.
Но это еще не все...
(3) ARC RL: от один на один к много на один
Если AI Arena и платформа тренеров ARC похожи на одиночный режим (где вы можете тренировать свои AI-модели), то ARC RL больше похож на многопользовательский режим.
Представьте себе: целая игровая DAO собирает свои данные об игровом процессе, чтобы обучить общую AI-модель, которой все совместно владеют и из которой извлекают выгоду. Эти «главные агенты» представляют собой коллективную мудрость всех игроков, изменяя киберспорт с помощью коллективных усилий и стратегического сотрудничества.
ARC RL использует обучение с подкреплением (т.е. «RL») и краудсорсинг данных о человеческом игровом процессе для обучения этих «суперумных» агентов.
Работа обучения с подкреплением заключается в поощрении агентов за оптимальное поведение. Это особенно эффективно в играх, поскольку функции вознаграждения четкие и объективные, такие как нанесенный урон, полученные монеты или победы.
Это имеет прецеденты:
AlphaGo от DeepMind победил профессиональных человеческих игроков в го, обучаясь на миллионах самосгенерированных матчей, совершенствуя свою стратегию с каждой итерацией.
Я раньше не осознавал этого, но еще до создания chatGPT, OpenAI уже была широко известна в игровом кругу.
OpenAI Five использовал обучение с подкреплением, чтобы с легкостью победить лучших человеческих игроков в Dota 2 и в 2019 году одержал победу над мировым чемпионом. Он освоил такие сложные стратегии, как командная работа, благодаря ускорению симуляции и огромным вычислительным ресурсам.
OpenAI Five ежедневно запускает миллионы игр, что эквивалентно 250 годам симуляции игр ежедневно, поддерживаемых 256 GPU и 128000 CPU. Пропуская графическую отрисовку, это значительно ускоряет скорость обучения.
Изначально AI проявлял нестабильное поведение, например, бродил без цели, но вскоре улучшился. Он освоил некоторые базовые стратегии, такие как ползание по тропинкам и кража ресурсов, и в конечном итоге развился до сложных операций, таких как засада.
Ключевая идея обучения с подкреплением заключается в том, что AI-агенты учатся на опыте, как добиться успеха, а не получают прямые указания, что делать.
ARC RL выделяется, используя оффлайн обучение с подкреплением. AI-агенты учатся не на своих ошибках, а на опыте других. Это похоже на ученика, который смотрит видео, как другие учатся кататься на велосипеде, наблюдая за их успехами и неудачами, и используя эти знания, чтобы избежать падений и быстрее развивать свои навыки.
Этот подход предоставляет дополнительное преимущество: совместное обучение и совместное владение моделями. Это не только делает мощных AI-агентов более доступными, но и согласует мотивацию игроков, гильдий и разработчиков.
В создании «суперумных» игровых агентов есть две ключевые роли:
Спонсоры: лидеры, похожие на гильдии, которые ставят большие объемы токенов NRN для запуска и управления RL-агентами. Спонсорами могут быть любые сущности, но скорее всего это игровые гильдии, DAO, сообщества web3 или даже такие популярные как Luna.
Игроки: индивидуумы, ставящие небольшие объемы токенов NRN, чтобы поделиться своими данными об игровом процессе для обучения агентов.
Спонсоры координируют и направляют свои команды игроков, обеспечивая высококачественные тренировочные данные, чтобы их AI-агенты имели конкурентное преимущество в соревнованиях агентов.
Награды распределяются на основе производительности супер-агентов в соревнованиях. 70% награды получает игрок, 10% — спонсор, оставшиеся 20% идут в казну NRN. Эта структура обеспечивает согласованную мотивацию для всех участников.
Вклад данных
Как заставить игроков с удовольствием делиться своими данными об игровом процессе? Это непросто.
ARC делает предоставление данных о игровом процессе простым и выгодным. Игрокам не требуется никаких специальных знаний, достаточно просто играть в игру. По окончании сеанса они будут приглашены отправить данные для тренировки конкретного агента. Панель инструментов отслеживает их вклад и агентов, которых они поддерживают.
Алгоритм атрибуции ARC гарантирует качество, оценивая вклад и награждая качественными, значимыми данными.
Интересно, что даже если вы плохой игрок (как я), ваши данные все равно полезны. Плохой игровой процесс может помочь агентам изучить, что не следует делать, в то время как мастерский игровой процесс может обучить лучшим стратегиям. Избыточные данные фильтруются, чтобы сохранить качество.
Короче говоря, ARC RL был разработан как низкотехнологичный массовый продукт, сосредоточенный на совместном владении агентами, превосходящими человеческие способности.
4. Размер рынка
Технологическая платформа ARC многофункциональна, поддерживает множество типов игр, таких как шутеры, файтинги, социальные казино, гонки, карточные игры и RPG. Она разработана для игр, которым нужно удерживать игроков.
Продукты ARC в основном нацелены на два рынка:
ARC в основном ориентируется на независимых разработчиков и компании, а не на крупные компании с многолетним опытом. Из-за ограниченного влияния бренда и ресурсов дистрибуции маленьким компаниям часто бывает трудно привлечь игроков на ранних этапах.
AI-агенты ARC решают эту проблему, создавая динамичную игровую среду с самого начала, даже на начальных этапах игры.
Это может удивить многих, но независимые игры действительно являются основной силой на игровом рынке:
99% игр на Steam — это независимые игры.
В 2024 году независимые игры создали 48% общего дохода на Steam.
Еще одна целевая аудитория — игры Web3. Большинство игр Web3 разрабатываются новыми компаниями, которые также сталкиваются с уникальными вызовами, такими как вход в кошелек, сомнения в криптовалюте и высокие затраты на привлечение пользователей. Эти игры часто сталкиваются с проблемами мобильности игроков, и AI-агенты могут заполнить этот пробел, поддерживая привлекательность игры.
Хотя игры Web3 недавно испытывали трудности из-за отсутствия привлекательных впечатлений, сейчас наблюдаются признаки восстановления.
Например, одна из первых AAA-игр Web3, Off the Grid, недавно добилась раннего успеха на массовом рынке, в первый месяц зарегистрировав 9 миллионов кошельков и 100 миллионов транзакций. Это проложило путь к широкому успеху в этой индустрии и создало возможности для ARC поддерживать этот подъем.
5. Команда ARC
Основатели ArenaX Labs обладают обширным опытом в области машинного обучения и управления инвестициями.
Генеральный директор и технический директор Брендон Да Силва ранее возглавлял исследования в области машинного обучения в канадской инвестиционной компании, сосредоточив внимание на обучении с подкреплением, байесовском глубоком обучении и адаптивности моделей. Он впервые разработал стратегию количественной торговли на сумму 1 миллиард долларов, сосредоточенную на управлении рисками и многопортфельной инвестиции.
Директор по операциям Вэй Си в той же компании управляет портфелем ликвидностной стратегии на сумму 7 миллиардов долларов и курирует инновационные инвестиционные проекты, сосредоточенные на новых технологиях, таких как AI, машинное обучение и Web3.
ArenaX Labs в 2021 году получила 5 миллионов долларов на начальном раунде финансирования, возглавляемом Paradigm, с участием Framework ventures. В январе 2024 года компания получила 6 миллионов долларов финансирования от SevenX Ventures, FunPlus / Xterio и Moore Strategic Ventures.
6. Токеномика NRN — здоровая реформа
ARC/AI Arena имеет один токен — NRN. Давайте сначала подведем итоги текущей ситуации.
Исследование со стороны предложения и спроса позволит нам лучше понять текущие тренды.
(1) Сторона предложения
Общее предложение NRN составляет 1 миллиард, из которых примерно 409 миллионов (40.9%) находятся в обращении.
На момент написания этой статьи цена токена составляла 0.72 доллара, что соответствует рыночной капитализации в 29 миллионов долларов, а полностью размытая оценка — 71 миллион долларов.
NRN будет запущен 24 июня 2024 года, 40.9% циркулирующего предложения составляют:
Сообщественные аирдропы (8% от общего числа)
Казна фонда (10.9%, из которых 2.9% уже разблокировано, линейное разблокирование на 36 месяцев)
Вознаграждения экосистемы сообщества (30%)
Большая часть циркулирующего предложения (30% из 40.9%) состоит из вознаграждений экосистемы сообщества, проект управляет этими токенами и стратегически распределяет их между вознаграждениями за стейкинг, игровыми вознаграждениями, программами роста экосистемы и программами, управляемыми сообществом.
График разблокировок внушает доверие, на короткий срок нет значительных событий:
Следующее разблокирование — OTC-продажа фонда (1.1%), начиная с декабря 2024 года, 12-месячное линейное разблокирование. Это увеличит месячную инфляцию всего на 0.09%, вряд ли вызовет серьезные опасения.
Распределение для инвесторов и участников (50% от общего предложения) начнет разблокироваться только в июне 2025 года, даже тогда оно будет линейно разблокироваться в течение 24 месяцев.
В настоящее время ожидается, что давление на продажу останется довольно контролируемым, в основном из-за вознаграждений экосистемы. Ключевым моментом является доверие к команде в способности стратегически распределять эти средства для стимулирования роста протокола.
(2) Сторона спроса
NRN v1 — экономика игроков
Изначально NRN был разработан как стратегический ресурс, связанный с экономикой игр AI Arena.
Игроки ставят NRN на AI-игроков, если они побеждают, получают награды, если проигрывают, теряют часть ставки. Это создает динамику прямого интереса, превращая это в соревнование и предоставляя экономические стимулы для опытных игроков.
Награды распределяются с использованием системы ELO, чтобы обеспечить сбалансированное вознаграждение на основе навыков. Другие источники дохода включают покупки игровых предметов, улучшения нарядов и входные сборы на турниры.
Начальная модель токенов полностью зависела от успеха игры и постоянного появления новых игроков, готовых покупать NRN и NFT, чтобы участвовать в игре.
Теперь давайте поговорим о том, почему мы так взволнованы...
NRN v2 — экономика игроков и платформы
Улучшенная токеномика NRN v2 расширяет полезность токенов от AI Arena до более широкой платформы ARC, вводя мощные новые факторы спроса. Эта эволюция превращает NRN из токена, связанного с конкретной игрой, в токен платформы. На мой взгляд, это очень положительный шаг.
Три новых фактора спроса NRN включают:
Доходы от интеграции ARC. Игровые компании, интегрирующие ARC, будут создавать доход для казны через сборы за интеграцию и постоянные роялти, связанные с производительностью игр. Средства казны могут использоваться для выкупа NRN, развития экосистемы и стимуляции игроков на платформе тренеров.
Сборы за рынок тренеров. NRN получает ценность от сборов за тренеров, игроки могут обменивать AI-модели и данные об игровом процессе на рынке тренеров.
Участие в стейкинге ARC RL: спонсоры и игроки должны ставить NRN для входа в ARC RL. По мере того как все больше игроков присоединяются к ARC RL, спрос на NRN также увеличивается.
Особенно захватывающими являются доходы игровых компаний. Это свидетельствует о переходе от чисто B2C модели к смешанной модели B2C и B2B, создавая постоянный приток внешнего капитала в экономику NRN. С тем, что ARC имеет более широкий целевой рынок, этот поток доходов превысит доходы, которые может генерировать сама AI Arena.
Сборы на рынке тренеров, хотя и многообещающие, зависят от того, сможет ли экосистема достичь критической массы — достаточного количества игр, тренеров и игроков для поддержания активной торговли. Это долгосрочный проект.
В краткосрочной перспективе стейкинг ARC RL может стать самым прямым и рефлексивным фактором спроса. Обильный начальный пул вознаграждений и волнение от выхода нового продукта могут вызвать раннее принятие, повышая стоимость токена и привлекая участников. Это создает цикл обратной связи, в котором растет спрос и экономика. Однако с другой стороны, если ARC RL будет трудно удерживать пользователей, спрос может быстро исчезнуть.
Потенциал сетевых эффектов огромен: больше игр → больше игроков → больше игр присоединяется → больше игроков. Этот положительный цикл может позиционировать NRN как основной токен в экосистеме игр Crypto AI.
7. Мать игровых AI-моделей
Каков итог? Преимущество ARC заключается в том, что он может продвигать различные типы игр. Со временем это позволяет им собирать уникальную базу данных специфических игровых процессов. С интеграцией ARC с большим количеством игр он может постоянно возвращать эти данные в свою экосистему, создавая положительный цикл роста и улучшения.
Как только этот срез игровых данных достигнет критического качества, он станет очень ценным ресурсом. Представьте, что можно использовать его для обучения универсальных AI-моделей для разработки игр — открывая новые возможности для масштабного проектирования, тестирования и оптимизации игр.
Сейчас еще рано, но в эпоху искусственного интеллекта, где данные — это новая нефть, потенциал в этой области безграничен.
8. Наши мысли
(1) NRN эволюционирует в платформенную игру — переоценка токенов
С выходом ARC и ARC RL проект больше не является просто игровой компанией с единственным продуктом, он теперь позиционирует себя как платформу и AI-игру. Этот переход должен привести к переоценке токена NRN, который ранее был ограничен успехом AI Arena. Введение новых источников токенов с помощью ARC RL, вместе с соглашениями о распределении доходов с игровыми компаниями и внешним спросом на сборы за сделки с тренерами, создает более широкую и разнообразную основу для полезности и ценности NRN.
(2) Успех тесно связан с игровыми партнерами
Бизнес-модель ARC связывает его успех с компаниями, с которыми он сотрудничает, поскольку потоки доходов основаны на распределении токенов (в играх Web3) и выплатах роялти от игр. Игры, тесно связанные с этим, стоит изучить.
Если игры ARC добьются огромного успеха, создаваемая ценность вернется к держателям NRN. Напротив, если совместные игры столкнутся с трудностями, поток ценности будет ограничен.
(3) Ожидание большего сотрудничества с играми Web3
Платформа ARC отлично подходит для игр Web3, где конкурентный игровой процесс с механизмами стимулов прекрасно сочетается с существующей токеномикой.
Интегрируя ARC, игры Web3 могут немедленно войти в нарратив «AI-агентов». ARC RL объединяет сообщество, побуждая их двигаться к общей цели. Это также открывает новые возможности для инновационных механизмов, таких как «игра в аирдроп». Объединив AI и токенизированные стимулы, ARC добавляет глубину и волнения, которые традиционные игры не могут воспроизвести.
(4) AI-геймплей имеет кривую обучения
AI-геймплей имеет крутой порог обучения, что может вызывать трение у новых игроков. Я потратил час, чтобы понять, как правильно тренировать своих игроков в AI Arena.
Тем не менее, у игроков в ARC RL меньше трений в игровом процессе, поскольку во время игры и отправки данных обучение AI обрабатывается на бэкенде. Другой нерешенный вопрос заключается в том, как игроки будут себя чувствовать, когда узнают, что их соперник — AI. Это повлияет на них? Укрепит или ослабит игровой опыт? Только время даст ответ.
9. Светлое будущее
AI откроет новые прорывные впечатления в игровом мире.
Команды, такие как Parallel Colony и Virtuals, продвигают разработку автономных AI-агентов, в то время как ARC ориентируется на клонирование человеческого поведения, чтобы создать свою нишу — предлагая инновационный подход к решению проблем мобильности игроков, не полагаясь на нестабильную токеномику.
Переход от игры к зрелой платформе является огромным скачком для ARC. Это не только открывает большие возможности через сотрудничество с игровыми компаниями, но и перестраивает способы интеграции AI и игр.
С учетом улучшенной токеномики и потенциала мощных сетевых эффектов, светлый путь ARC, похоже, только начинается.
