Команди, такі як Parallel Colony та Virtuals, просувають розвиток автономних AI-агентів, в той час як ARC відкриває свою нішу, зосереджуючись на клонуванні людської поведінки.
Автор: Тенг Ян, Ланцюг думок
Переклад: Jinse Finance xiaozou
У 2021 році я був гравцем Axie Infinity і керував невеликою стипендійною гільдією. Якщо ви не пережили той час, дозвольте мені сказати — це було абсолютно божевільно.
Гра Axie Infinity показала, що криптовалюти та ігри можуть поєднуватися. Це, по суті, проста стратегічна гра в стилі Pokémon, де гравці формують команду з 3 Axies (дуже сильних воїнів), кожен з яких має унікальні здібності. Ви можете вести свою команду до битви з іншими командами, отримуючи винагороди у вигляді токенів SLP за участь у грі та перемогу.
Але те, що дійсно захоплює неігрових гравців, — це потенціал заробітку через гру. Швидкий підйом Axie став можливим завдяки двом механізмам:
Перший — розведення Axies. Дістати два Axie, використати токени SLP для їх розведення, і ось, voilà — новий Axie, який об'єднує унікальні здібності двох попередніх Axies. Таким чином, рідкісні та потужні Axies (гравці називають їх OP Axies) стали популярним товаром, і виник жвавий ринок розведення.
Другим механізмом є програма стипендій. Гравці з усього світу почали позичати Axies «студентам». Ці гравці зазвичай з таких країн, як Філіппіни чи Аргентина, які не можуть дозволити собі початкові витрати на придбання 3 Axie NFT за понад 1000 доларів. Студенти щодня грають у гру, заробляючи токени, і ділять прибуток з стипендійними гільдіями, які зазвичай беруть 30-50%.
У свій розквіт, особливо під час пандемії 2019 року, Axie суттєво вплинула на місцеву економіку в країнах, що розвиваються. У Філіппінах (близько 40% користувачів Axie Infinity там) багато гравців отримували доходи, які значно перевищували мінімальну заробітну плату. Гільдії отримували значні прибутки.
Це вирішує одну з ключових проблем, що стоять перед розробниками ігор: ліквідність гравців. Стимулюючи гравців активно грати кілька годин на день, Axie забезпечує, що кожен гравець матиме суперника, що чекає, що робить гру більш привабливою.
Але це має свою ціну.
Щоб вирішити проблему ліквідності гравців, Axie безкоштовно роздає велику кількість токенів, щоб стимулювати гравців до участі. Історія починається звідси. Оскільки SLP не має обмежень, токени шалено розширилися, ціни впали, а екосистема зазнала краху. Знецінення токенів призвело до втечі гравців. Axie майже за одну ніч перетворилася з улюбленця «грати щоб заробити» в повчальну історію.
Але що, якщо існує спосіб вирішити проблему ліквідності гравців без покладання на несвітлі токеноміки?
Це саме те, над чим ARC / AI Arena тихо працювали протягом останніх трьох років. Тепер це починає приносити плоди.
1. Ліквідність гравців є життєво важливою
Ліквідність гравців є життєво важливою для багатокористувацьких ігор і є ключем до довгострокового успіху.
Багато Web3 і незалежних ігор стикаються з проблемою «холодного запуску» — замало гравців для швидкого матчмейкінгу або формування процвітаючої громади. У них немає маркетингового бюджету або природного усвідомлення IP, на відміну від великих ігрових компаній. Це може призвести до тривалого часу очікування, неможливості матчмейкінгу та високих показників відтоку.
Ці ігри зазвичай повільно і болісно помирають.
Отже, розробники ігор повинні з самого початку приділяти пріоритет ліквідності гравців. Ігри потребують різних активностей, щоб залишатися веселими — шахи вимагають двох гравців, тоді як масові битви потребують тисячі гравців. Механізми відповідності навичок підвищують поріг, вимагаючи більше гравців для підтримки справедливості та привабливості гри.
Для ігор Web3 ризики вищі. Згідно з річним звітом Delphi Digital про ігри, вартість залучення користувачів для ігор Web3 на 77% вища, ніж для традиційних мобільних ігор, що робить утримання гравців надзвичайно важливим.
Сильна база гравців може забезпечити справедливе матчування, жваву ігрову економіку (тобто більше угод з предметами) та активнішу соціальну взаємодію, що робить гру більш цікавою.
2. ARC — піонер AI-ігор
ARC, розроблений ArenaX Labs, веде до майбутнього онлайн-ігрових досвідів AI. Простими словами, вони використовують AI, щоб вирішити проблему ліквідності гравців, яка турбує нові ігри.
Сьогодні більшість AI-роботів у грі занадто погані. Як тільки ви витратите кілька годин, щоб освоїти хитрощі, ці роботи стають дуже легкими для перемоги. Вони створені, щоб допомогти новим гравцям, але не можуть запропонувати багато викликів або залучення досвідченим гравцям.
Уявіть собі, що навички AI-гравців можуть зрівнятися з кращими людськими гравцями. Уявіть собі, що ви можете змагатися з ними в будь-який час і в будь-якому місці, не чекаючи матчмейкінгу. Уявіть собі, що ви навчаєте свого AI-гравця імітувати ваш стиль гри, володіти ним і заробляти нагороди за його виступи.
Це вигідно як для гравців, так і для ігрових компаній.
Ігрові компанії використовують подібних до людей AI-роботів, щоб зробити гру популярною, підвищити ліквідність гравців, покращити користувацький досвід та підвищити рейтинги — що є ключовим фактором виживання нових гравців на конкурентному ринку.
Гравці отримали новий спосіб участі в грі, формуючи сильніше відчуття приналежності, тренуючи AI і змагаючись з ним.
Давайте подивимося, як вони це зробили.
3. Продукти та архітектура
Материнська компанія ArenaX Labs розробляє ряд продуктів для вирішення проблеми ліквідності гравців.
Існуючий продукт: AI Arena, гра в стилі бою AI.
Новий продукт: ARC B2B, AI-орієнтований ігровий SDK, який можна легко інтегрувати в будь-яку гру.
Новий продукт: ARC підкріплювальне навчання (RL)
(1) AI Arena: гра
AI Arena — це бійка, яка нагадує Nintendo's Super Smash Bros, де різноманітні кумедні карикатурні персонажі б'ються на арені.
Але в AI Arena кожен персонаж контролюється AI — ви не є воїном, а їх тренером. Ваше завдання — використати свою стратегію та досвід для навчання вашого AI-воїна.
Навчати своїх воїнів — це як готувати студента до бою. У режимі навчання ви відкриваєте збір даних і створюєте бойові сцени для коригування їхніх дій. Наприклад, якщо ваш воїн близько до супротивника, ви можете навчити їх блокувати щитом, а потім завдавати ударів. Як битися на відстані? Навчити їх здійснювати дальні атаки.
Ви можете контролювати, які дані збирати, щоб забезпечити, що тільки найкращі дії використовуються для навчання. Практикуючи, ви можете уточнити надпараметри для отримання додаткових технічних переваг або просто використовувати дружні до початківців налаштування за замовчуванням. Як тільки навчання завершено, ваш AI-воїн може брати участь у боях.
Усе починається важко — навчити ефективну модель вимагає часу та експериментів. Мій перший воїн кілька разів падав з платформи, і це не було через удари супротивників. Але після кількох ітерацій я успішно створив модель, яка добре працює. Бачити, як ваша робота приносить плоди, — це дуже задовольняюче.
AI Arena вводить додаткову глибину через NFT воїнів. Кожен NFT персонаж має унікальні ознаки зовнішності та бойові характеристики, які впливають на ігровий процес. Це додає ще один стратегічний рівень.
Наразі AI Arena працює на основній мережі Arbitrum, і лише ті, хто має NFT AI Arena, можуть отримати доступ, зберігаючи ексклюзивність громади, поки вдосконалюються механіки гри. Гравці можуть приєднатися до гільдій, збирати чемпіонські NFT та NRN для ранжування боїв на ланцюгу та отримувати винагороди. Це зроблено для залучення лояльних гравців та стимулювання конкуренції.
Врешті-решт, AI Arena є вітриною технології навчання AI ARC. Хоча це є їхнім шляхом до екосистеми, справжня візія виходить далеко за межі цієї гри.
(2) ARC: інфраструктура
ARC — це рішення для інфраструктури AI, розроблене спеціально для ігор.
Команда ArenaX почала з нуля, навіть розробивши власну ігрову інфраструктуру, оскільки існуючі рішення, такі як Unity та Unreal, не могли задовольнити їхнє бачення.
Протягом більш ніж трьох років вони ретельно розробили потужний технологічний стек, здатний обробляти агрегацію даних, навчання моделей та перевірку моделей для імітаційного та підкріплювального навчання. Ця інфраструктура є стрижнем AI Arena, але її потенціал набагато більший.
З ростом команди, яка вдосконалює свою технологію, сторонні студії почали знаходити ARC, прагнучи отримати ліцензію або білогет. Усвідомивши цю потребу, вони формалізували інфраструктуру ARC у вигляді B2B продукту.
Сьогодні ARC працює безпосередньо з ігровими компаніями, щоб надати AI ігровий досвід. Його ціннісна пропозиція така:
Постійна ліквідність гравців як послуга
Інтегрувати AI-ігри як просту інтеграцію
Постійна ліквідність гравців як послуга
ARC зосереджується на клонуванні людської поведінки — навчанні спеціалізованих AI-моделей, щоб імітувати людську поведінку. Це відрізняється від основного використання AI в іграх сьогодні, яке полягає у створенні ігрових активів за допомогою генеративних моделей і використанні LLM для ведення діалогу.
Використовуючи ARC SDK, розробники можуть створювати AI-інтелекти, подібні до людей, і масштабувати їх відповідно до потреб гри. SDK спрощує складну роботу. Ігрові компанії можуть інтегрувати AI, не вплутуючись у складні механізми машинного навчання.
Після інтеграції розгортання AI-моделей вимагає лише одного рядка коду, ARC відповідає за інфраструктуру, обробку даних, навчання та розгортання на бекенді.
ARC співпрацює з ігровими компаніями, щоб допомогти їм:
Збір первинних даних про ігровий процес та їх перетворення на значущі набори даних для навчання AI.
Визначення ключових змінних ігрового процесу та точок прийняття рішень, пов'язаних з механікою гри.
Відображення виходу моделі AI на внутрішньоігрові дії, щоб забезпечити плавність функціонування — наприклад, пов'язуючи вихід «правого кліка» AI з конкретним керуванням у грі.
Як працює AI?
ARC використовує чотири категорії моделей для ігрової взаємодії:
Передавальні нейронні мережі: підходять для безперервного середовища з числовими характеристиками, такими як швидкість або позиція.
Табличні агенти: особливо ідеальні для ігор з обмеженими дискретними сценами.
Ієрархічні та згорткові нейронні мережі знаходяться в розробці.
Існує два інтерактивних простори, пов'язаних з AI-моделями ARC:
Простір стану визначає розуміння агента гри в будь-який момент часу. Для передавальної мережі це комбінація вхідних характеристик, таких як швидкість або позиція гравця. Для таблиць агентів це дискретні сцени, з якими агент може стикатися в грі.
Простір дій описує, що агент може робити в грі, від дискретних входів (наприклад, натиснення кнопки) до безперервного контролю (наприклад, переміщення джойстика). Це буде відображатися на введенні в гру.
Простір стану надає вхідні дані для AI-моделей ARC, які обробляють ці вхідні дані та генерують виходи. Потім ці виходи трансформуються в ігрові дії через простір дій.
ARC тісно співпрацює з розробниками ігор, щоб визначити найважливіші функції та відповідно спроектувати простір стану. Вони також тестують різні конфігурації моделей і розміри, щоб збалансувати інтелект та швидкість, забезпечуючи плавність ігрового процесу.
Згідно з командою, попит компаній Web3 на їхні послуги ліквідності гравців особливо високий. Ці компанії платять за покращення ліквідності гравців, а ARC витратить велику частину цього доходу на викуп токенів NRN.
Впровадження AI-ігор для гравців: платформа тренерів
ARC SDK також надає доступ компаніям web3 до платформи тренерів їхніх ігор, дозволяючи гравцям навчати та подавати агентів.
Як і в AI Arena, гравці можуть налаштовувати симуляції, отримувати дані про ігровий процес і навчати пусті AI-моделі. Ці моделі розвиваються з часом, зберігаючи попередні знання, і в той же час інтегруючи нові дані про ігровий процес, не починаючи з нуля при кожному оновленні.
Це відкриває захоплюючі можливості: гравці можуть продавати свої налаштовані навчанням AI-агенти на ринку, створюючи новий внутрішньоігровий економічний шар. У AI Arena технічно обізнані тренери можуть формувати гільдії, які можуть надавати свої навички навчання іншим компаніям.
Для компаній, які повністю інтегрують функції агентів, концепція Паралельної гри стає реальністю. AI-агенти доступні 24/7 і можуть брати участь у кількох матчах або ігрових прикладах одночасно. Це вирішує проблему ліквідності гравців і створює нові можливості для залучення користувачів і доходів.
Але це ще не все…
(3) ARC RL: від один на один до множинного на один
Якщо AI Arena та платформа тренерів ARC виглядають як одиночний режим (де ви можете навчати свої AI-моделі), то ARC RL більше нагадує багатокористувацький режим.
Уявіть собі: ціле DAO гри об'єднує свої дані про ігровий процес, щоб навчити спільну AI-модель, якою всі володіють і з якої всі отримують вигоду. Ці «головні агенти» представляють колективну мудрість усіх гравців, змінюючи електронний спорт, вводячи колективні зусилля та стратегічну співпрацю.
ARC RL використовує підкріплювальне навчання (тобто «RL») і краудсорсингові дані про ігровий процес людей для навчання цих «суперінтелектуальних» агентів.
Принцип підкріплювального навчання полягає в тому, щоб винагороджувати агента за оптимальні дії. Це особливо ефективно в іграх, оскільки функція винагороди є чіткою та об'єктивною, такою як завдана шкода, отримані монети або перемоги.
Це має прецеденти:
AlphaGo компанії DeepMind перемогла професійного гравця в го, тренуючи через мільйони самосгенерованих матчів, удосконалюючи свою стратегію з кожною ітерацією.
Я раніше не усвідомлював це, але ще до створення chatGPT OpenAI вже була широко відома в ігровій індустрії.
OpenAI Five використала підкріплювальне навчання, щоб знищити топових людських гравців у Dota 2, перегравши світового чемпіона у 2019 році. Вона освоїла складні стратегії, такі як командна робота, завдяки прискореній симуляції та величезним обчислювальним ресурсам.
OpenAI Five щодня запускає мільйони ігор, що еквівалентно 250 рокам симульованих ігор на день, підтримуваних 256 GPU та 128,000 CPU. Пропускаючи графічний рендеринг, він значно прискорює швидкість навчання.
Спочатку AI демонстрував нестабільну поведінку, наприклад, блукаючи без мети, але швидко покращився. Він освоїв кілька базових стратегій, таких як повзання по стежці та крадіжка ресурсів, і зрештою розвинувся до складних дій, таких як засідки.
Ключова концепція підкріплювального навчання полягає в тому, що AI-агенти навчаються на досвіді, як досягти успіху, а не отримують прямі вказівки про те, що робити.
ARC RL відрізняється тим, що використовує офлайн підкріплювальне навчання. AI-агенти не навчаються на власному досвіді, а вчаться на досвіді інших. Це як студент, який дивиться відео про те, як інші їдуть на велосипеді, спостерігаючи за їхніми успіхами та невдачами, і використовує ці знання, щоб уникнути падінь та покращити швидше.
Цей підхід надає додаткову перевагу: кооперативне навчання та спільне володіння моделями. Це не лише робить потужні AI-агенти більш поширеними, але й забезпечує кращу узгодженість мотивів гравців, гільдій та розробників.
У створенні «суперінтелектуальних» ігрових агентів є дві ключові ролі:
Спонсори: лідери, подібні до гільдій, які стейкують великі кількості токенів NRN для запуску та управління RL-агентами. Спонсорами можуть бути будь-які суб'єкти, але, ймовірно, це будуть ігрові гільдії, DAO, спільноти web3 або навіть популярні персоналізовані агенти, такі як Luna.
Гравці: особи, які стейкують невелику кількість токенів NRN і вносять свої дані про ігровий процес для навчання агентів.
Спонсори координують і керують своїми командами гравців, забезпечуючи високоякісні дані для навчання, щоб їхні AI-агенти мали конкурентну перевагу в агентських матчах.
Винагороди розподіляються на основі виступів суперагентів у матчах. 70% винагород належить гравцям, 10% — спонсорам, а решта 20% — казні NRN. Ця структура забезпечує всіма учасниками однакові стимули.
Внесок даних
Як змусити гравців із задоволенням ділитися своїми даними про ігровий процес? Це не легко.
ARC робить надання даних про ігровий процес простим і вигідним. Гравцям не потрібні спеціальні знання, їм просто потрібно грати в гру. Після завершення сеансу їм запропонують подати дані для навчання конкретного агента. Панель моніторингу відстежує їхній внесок та агентів, яких вони підтримують.
Алгоритм атрибуції ARC забезпечує якість, оцінюючи внесок і винагороджуючи якісні, впливові дані.
Цікаво, що навіть якщо ви поганий гравець (як я), ваші дані все ще можуть бути корисними. Погані ігрові дії можуть допомогти агентам навчитися, чого не слід робити, тоді як технічно вмілі дії можуть навчити найкращих стратегій. Надлишкові дані фільтруються, щоб підтримувати якість.
Коротше кажучи, ARC RL був розроблений як продукт масового ринку з низьким тертям, зосереджений на спільному володінні агентами, які перевершують людські можливості.
4. Розмір ринку
Технологічна платформа ARC є багатофункціональною, підтримуючи різні типи ігор, такі як шутери, бойові ігри, соціальні казино, гонки, карткові ігри та RPG. Вона розроблена для ігор, яким потрібно утримувати залучення гравців.
Продукти ARC в основному націлені на два ринки:
ARC в основному зосереджується на незалежних розробниках і компаніях, а не на великих старих компаніях. Через обмежений вплив бренду та ресурси розподілу цим малим компаніям часто важко залучити гравців на ранніх етапах.
AI-агенти ARC вирішують цю проблему, створюючи динамічне ігрове середовище з самого початку, навіть на початкових стадіях гри.
Це може здивувати багатьох, але інді-ігри дійсно є основною силою на ігровому ринку:
99% ігор на Steam є інді-іграми.
У 2024 році інді-ігри створили 48% від загального доходу на Steam.
Ще одна цільова аудиторія — ігри Web3. Більшість ігор Web3 розроблені новими компаніями, які також стикаються з унікальними викликами, такими як вхід через гаманці, крипто-сумніви та високі витрати на залучення користувачів. Ці ігри часто мають проблеми з ліквідністю гравців, і AI-агенти можуть заповнити цю прогалину, підтримуючи привабливість гри.
Хоча ігри Web3 останнім часом страждали через брак привабливих досвідів, ознаки відновлення вже починають з'являтися.
Наприклад, одна з перших AAA Web3 ігор Off the Grid нещодавно досягла раннього масового успіху, з 9 мільйонами гаманців, які здійснили 100 мільйонів транзакцій за перший місяць. Це прокладає шлях до широкого успіху для індустрії, створюючи можливості для ARC підтримувати це відновлення.
5. Команда ARC
Засновницька команда ArenaX Labs має великий досвід у машинному навчанні та управлінні інвестиціями.
Генеральний директор та технічний директор Брендон Да Сілва раніше очолював дослідження з машинного навчання в канадській інвестиційній компанії, зосереджуючись на підкріплювальному навчанні, байєсівському глибокому навчанні та адаптивності моделей. Він першопроходець у розробці стратегій кількісної торгівлі на 1 мільярд доларів, зосереджених на ризиковій інвестиційній і багатопрофільній управлінні активами.
Операційний директор Вей Сьє в тій же компанії керував портфелем інвестицій в стратегії ліквідності на 7 мільярдів доларів і очолював інноваційні проекти, зосереджуючи увагу на нових технологіях, таких як AI, машинне навчання та Web3.
ArenaX Labs отримала 5 мільйонів доларів у рамках раунду посівного фінансування в 2021 році, який очолив Paradigm з участю Framework ventures. Компанія отримала 6 мільйонів доларів у січні 2024 року від SevenX Ventures, FunPlus / Xterio та Moore Strategic Ventures.
6. Економіка токенів NRN — здорові реформи
ARC/AI Arena має один токен — NRN. Давайте спочатку підсумуємо ситуацію на сьогодні.
Дослідження пропозицій і попиту дозволить нам чіткіше зрозуміти тенденції.
(1) Пропозиційна сторона
Загальна пропозиція NRN становить 1 мільярд, з яких близько 409 мільйонів (40,9%) перебуває в обігу.
На момент написання ціна токена становила 0,72 долара, що означає ринкову капіталізацію в 29 мільйонів доларів та повністю розведену вартість у 71 мільйон доларів.
NRN буде випущено 24 червня 2024 року, 40,9% обігової пропозиції складається з:
Громадські аірдропи (8% від загальної кількості)
Казна фонду (10,9%, з яких 2,9% вже розблоковано, 36-місячне лінійне розблокування)
Винагороди екосистеми громади (30%)
Більша частина обігової пропозиції (30% з 40,9%) складається з винагород екосистеми громади, проект управляє цими токенами та стратегічно розподіляє їх для винагород за стейкинг, ігрових винагород, програм зростання екосистеми та ініціатив, що ведуться громадою.
Графік розблокування заспокоює: у короткостроковій перспективі немає значних подій:
Наступне розблокування — OTC-продажі фонду (1,1%), що почнуться з грудня 2024 року, з лінійним розблокуванням протягом 12 місяців. Це лише на 0,09% підвищить місячну інфляцію, малоймовірно, що це викличе значні занепокоєння.
Розподіл інвесторів та учасників (50% від загальної пропозиції) почне розблокування лише в червні 2025 року, навіть тоді це буде лінійне розблокування протягом 24 місяців.
Наразі очікується, що тиск на продаж залишиться досить контрольованим, в основному через екосистемні винагороди. Ключовим є довіра до команди в її здатності стратегічно вкладати ці кошти для стимулювання зростання протоколу.
(2) Сторона попиту
NRN v1 — економіка гравців
Спочатку NRN був розроблений як стратегічний ресурс, пов'язаний з економікою гри AI Arena.
Гравці ставлять NRN на AI-гравців, і якщо вони виграють, отримують винагороду, якщо програють, втрачають частину застави. Це створює динаміку прямого інтересу, перетворюючи це на вид спорту та надаючи економічні стимули для досвідчених гравців.
Винагороди розподіляються за системою ELO, що забезпечує збалансовані виплати на основі навичок. Інші джерела доходу також включають покупки ігрових предметів, оновлення костюмів і плати за участь у матчах.
Початкова модель токенів повністю залежала від успіху гри та готовності нових гравців купувати NRN і NFT для участі в грі.
Тепер давайте поговоримо про те, чому ми так захоплені…
NRN v2 — економіка гравців і платформ
Поліпшена токеноміка NRN v2 розширила корисність токена з AI Arena на більш широку платформу ARC, вводячи потужні нові рушії попиту. Ця еволюція перетворила NRN з токена для конкретної гри на платформу. На мою думку, це дуже позитивна зміна.
Три нові рушійні сили попиту для NRN включають:
Доходи від інтеграції ARC. Ігрові компанії, які інтегрують ARC, створять доходи через плати за інтеграцію та постійні роялті, пов'язані з ігровими показниками. Кошти казни можуть сприяти викупу NRN, розвитку екосистеми та стимулюванню гравців на платформі тренерів.
Комісії з ринку тренерів. NRN отримує цінність з комісій, стягуваних на ринку тренерів, а гравці можуть торгувати AI-моделями та даними про ігровий процес на ринку тренерів.
Участь у стейкингу ARC RL: спонсори та гравці повинні стейкнути NRN, щоб приєднатися до ARC RL. Зі збільшенням кількості гравців у ARC RL попит на NRN відповідно зростає.
Особливо захоплюючими є доходи від ігрових компаній. Це означає перехід від чисто B2C моделі до змішаної B2C і B2B моделі, що створює постійний зовнішній капітал для економіки NRN. Оскільки ARC має ширшу цільову аудиторію, цей дохід перевищить прибуток, який може генерувати сама AI Arena.
Комісії з ринку тренерів мають перспективи, але залежать від того, чи зможе екосистема досягти критичної маси — достатньої кількості ігор, тренерів та гравців для підтримки активних торгових активностей. Це довгострокова справа.
У короткостроковій перспективі стейкинг ARC RL може бути найпрямішим і найрефлексивнішим рушійним фактором попиту. Щедрий початковий пул винагород і збудження від випуску нових продуктів можуть спровокувати раннє прийняття, підвищити ціну токенів та залучити учасників. Це створює зворотний зв'язок між зростанням попиту та економіки. Однак, якщо ARC RL не зможе утримати користувацьку залученість, попит може швидко зникнути.
Потенціал мережевих ефектів величезний: більше ігор → більше гравців → більше ігор приєднуються → більше гравців. Цей позитивний цикл може позиціонувати NRN як основний токен в екосистемі Crypto AI-ігор.
7. Мати ігрових AI моделей
Який результат? Перевага ARC полягає в тому, що вона може просувати різні типи ігор. З часом це дозволить їм збирати унікальну базу даних даних про конкретні ігри. У міру інтеграції ARC з більшою кількістю ігор, вона може постійно зворотньо зв'язувати ці дані в свою екосистему, створюючи позитивний цикл зростання та вдосконалення.
Коли цей поперечний набір даних про ігри досягне критичної якості, це стане дуже цінним ресурсом. Уявіть собі, як його можна використовувати для навчання універсальної AI-моделі для розробки ігор — відкриваючи нові можливості для масштабного дизайну, тестування та оптимізації ігор.
Зараз ще рано, але в епоху штучного інтелекту, де дані — нова нафта, потенціал в цій сфері безмежний.
8. Наші ідеї
(1) NRN еволюціонує в платформу ігор — переоцінка токена
З випуском ARC та ARC RL проект більше не є просто ігровою компанією з єдиним продуктом; тепер він позиціонує себе як платформу та AI-ігри. Ця зміна повинна призвести до повторної оцінки токена NRN, який раніше обмежувався успіхом AI Arena. Введення нових джерел токенів через ARC RL, разом із угодами про розподіл доходів з ігровими компаніями та зовнішнім попитом на комісії за операції тренерів, створює для NRN більш широке й різноманітне підґрунтя для корисності та цінності.
(2) Успіх тісно пов'язаний з ігровими партнерами
Комерційна модель ARC пов'язує його успіх з компаніями, з якими він співпрацює, оскільки потоки доходів базуються на розподілі токенів (в іграх Web3) та виплатах роялті за ігри. Ігри, з якими це тісно пов'язане, заслуговують на увагу.
Якщо гра ARC досягне великого успіху, то створена вартість повернеться до власників NRN. Навпаки, якщо співпраця з гру зазнає невдачі, потік вартості буде обмежено.
(3) Очікування більше інтеграцій з іграми Web3
Платформа ARC ідеально підходить для Web3 ігор, в яких змагальний ігровий процес з механізмами стимулювання ідеально поєднується з існуючою токеномікою.
Інтегруючи ARC, ігри Web3 можуть негайно увійти в оповідь «AI агентів». ARC RL об'єднує громади, спонукаючи їх до спільної мети. Це також відкриває нові можливості для інноваційних механізмів, таких як більш привабливі акції «гра до аірдропа». Поєднуючи AI та токенізовані стимули, ARC додає глибину та емоції, які традиційні ігри не можуть відтворити.
(4) AI-ігри мають криву навчання
AI-ігри мають круту криву навчання, що може створити тертя для нових гравців. Я витратив годину, щоб зрозуміти, як правильно навчати своїх гравців у AI Arena.
Однак досвід гравців у ARC RL має менше тертя, оскільки навчання AI обробляється на бекенді, коли гравці грають і подають дані. Інше питання, яке залишається невирішеним, — як почуватимуться гравці, коли вони дізнаються, що їх суперник — AI. Чи вплине це на них? Чи посилить чи послабить це ігровий досвід? Лише час покаже нам відповідь.
9. Яскраве майбутнє
AI відкриє нові проривні досвіди в ігровому світі.
Команди, такі як Parallel Colony і Virtuals, просувають розвиток автономних AI-агентів, тоді як ARC відкриває свою нішу, зосереджуючи увагу на клонуванні людської поведінки — пропонуючи інноваційний підхід до вирішення проблеми ліквідності гравців без покладання на несвітлі токеноміки.
Перехід від ігор до зрілої платформи є величезним стрибком для ARC. Це не лише відкриває більші можливості через співпрацю з ігровими компаніями, але й змінює спосіб інтеграції AI в ігри.
З поліпшеною токеномікою та потужним потенціалом мережевих ефектів шлях ARC виглядає лише на початку.
