回到2021年，我是一名Axie Infinity的玩家，还经营着一个小型奖学金公会。如果你那时候不在场，我可以告诉你——那段时间真是疯狂。Axie Infinity让人们意识到加密货币和游戏可以结合在一起。它本质上是一个简单的宝可梦风格的回合制策略游戏，你需要组建一个由三只Axies（可爱又凶猛的战斗者）组成的团队，每只Axie都有独特的技能。你带着队伍与其他玩家对战，参与和获胜后可以获得SLP代币。
真正让非游戏玩家兴奋的是通过游戏赚钱的机会。Axie有两个关键机制促成了它的飞速发展：
第一个是Axies的繁殖。将两只Axie用SLP代币繁殖，便可以得到一只具有父母独特能力的新Axie。稀有且强大的Axies（玩家称之为OP Axies）成为了市场的热门商品，繁殖市场也随之兴起。
第二个是奖学金计划。来自世界各地的玩家开始将Axies借给“学者”，这些学者通常是来自菲律宾或阿根廷等发展中国家的玩家，他们无法支付购买三只Axie NFT所需的1000美元以上的费用。学者们每天玩游戏，赚取代币，并与公会分成，公会通常抽取30%到50%的利润。
在巅峰时期，Axie对发展中国家的地方经济产生了显著影响，尤其是在COVID-19疫情期间。许多在菲律宾的玩家（约40%的Axie Infinity用户来自这里）能够获得远高于最低工资的收入，公会也从中获利丰厚。
这些计划解决了游戏开发者面临的一个重要问题：玩家流动性。通过鼓励玩家每天积极游戏数小时，Axie确保每位玩家总能找到对手，使游戏体验更加丰富。
不过，这一切也有代价。
为了解决玩家流动性问题，Axie大量发放代币以激励参与，但这也导致了问题的出现。由于SLP没有上限，代币价格急剧膨胀，最终崩溃。当代币失去价值时，玩家纷纷离开，Axie几乎一夜之间从“玩赚”典范变成了警示故事。
但如果有一种方法能在不依赖不可持续的代币经济的情况下解决玩家流动性问题，那该多好？
这正是ARC / AI Arena在过去三年中默默追求的目标，现在它开始见到成效。
（注：Axie的开发团队Sky Mavis已经将游戏转型为不同的内容，并且今天仍然是领先的Web3游戏工作室）
玩家流动性=命脉
希望你的游戏充满活力，而不是空荡荡的房间。来源：@PimDEWitte
玩家流动性是多人游戏的核心，也是长期成功的关键。
许多Web3和独立游戏面临“冷启动”问题——玩家数量太少，无法快速匹配或形成活跃的社区。它们缺乏大型游戏工作室的营销预算或品牌知名度，导致玩家等待时间长、对手匹配不当、流失率高。
这些游戏常常以缓慢而痛苦的方式走向灭亡。安息吧。
因此，游戏开发者必须从一开始就重视玩家流动性。不同类型的游戏需要不同程度的活跃度才能保持趣味性——国际象棋需要两名玩家，而大规模战斗需要成千上万的玩家。基于技能的匹配机制进一步提高了要求，需要更大的玩家池以保持游戏的公平和吸引力。
对于Web3游戏来说，风险更高。根据Delphi Digital的年度游戏评估，Web3游戏的用户获取成本比传统移动游戏高出77%，因此玩家留存变得尤为重要。强大的玩家基础能够确保公平的匹配、活跃的游戏内经济（更多物品的买卖）和更积极的社交互动，从而提升游戏的乐趣。
ARC — 开创AI驱动的游戏体验ARC由ArenaX Labs开发，正在引领在线游戏体验的AI驱动未来。简单来说，他们利用AI来解决新游戏面临的玩家流动性问题。目前大多数游戏中的AI机器人表现都很糟糕。一旦你花时间学习游戏规则，这些机器人就变得非常容易被击败。虽然它们旨在帮助新玩家，但对有经验的玩家来说，挑战性和趣味性都不够。想象一下，AI玩家的技能可以与顶级人类玩家相媲美。想象一下，你可以随时随地与他们对战，无需等待匹配。想象一下，你可以训练你的AI玩家模仿你的游戏风格，掌控比赛，并从它的表现中获得奖励。这对玩家和游戏工作室来说都是双赢的局面。
游戏工作室使用类人AI机器人来填充游戏，提升玩家流动性，改善用户体验，增加留存率——这些都是新游戏在竞争激烈的市场中生存的关键因素。玩家获得了一种新的参与方式，通过与AI的训练和竞争，增强了对游戏的归属感。
接下来，让我们看看他们是如何做到这一点的。
产品与架构
ArenaX Labs是一个致力于解决玩家流动性问题的母公司，正在开发一系列产品。
现有产品：AI Arena，一款AI格斗游戏。新产品：ARC B2B，一款可以轻松集成到任何游戏中的AI驱动游戏SDK。新产品：ARC强化学习（RL）。
#1. AI Arena：游戏AI Arena是一款类似于任天堂《超级大乱斗》的格斗游戏，游戏中有各种古怪的卡通角色在竞技场中激烈对战。但在AI Arena中，每个角色都是由AI控制的——你不是作为战斗者参与，而是作为他们的教练。你的任务是利用你的策略和专业知识来训练你的AI战士。
训练你的战士就像为学生准备战斗。在训练模式下，你可以开启数据收集，创建战斗场景来微调他们的动作。例如，如果你的战士靠近对手，你可能会教他们用盾牌进行防御，然后跟进一套拳击组合；如果距离较远，你则训练他们发起远程攻击以缩短距离。你可以选择收集哪些数据，确保只记录最佳动作进行训练。训练结束后，你可以调整学习率和批量大小等超参数，以获得更技术性的优势，或者使用简单的默认设置。一旦训练完成，你的AI战士就可以准备参赛。
开始并不容易——训练一个有效的模型需要时间和实验。我的第一个战士在没有被对手击中的情况下总是掉下平台。但经过几次迭代，我成功创建了一个能独当一面的模型。看到你的训练成果，既令人谦卑又令人感到满足。
AI Arena通过基于NFT的角色增加了更多深度。每个NFT角色都有独特的外观和战斗属性，比如元素效果，这些都会影响游戏的玩法。这为游戏增添了一个新的战略层面（更多细节请参见游戏文档）。目前，AI Arena在Arbitrum主网上可用，只有拥有AI Arena NFT的玩家才能访问，这样保持了社区的独特性，同时也在不断优化游戏玩法。玩家可以加入公会，集中冠军NFT和NRN，参与带有奖励和公会加成的排名链上战斗。这是为了吸引热衷的玩家，并推动竞争氛围的形成。
最终，AI Arena展示了ARC的AI训练技术。虽然这是进入他们生态系统的起点，但真正的愿景远超这款单一游戏。
这引出了我们要讨论的内容…
#2. ARC：基础设施
ARC是一个专为游戏设计的AI基础设施解决方案。ArenaX团队从头开始构建，甚至开发了自己的游戏基础设施，因为现有的解决方案如Unity和Unreal无法满足他们的愿景。在过去三年中，他们打造了一个强大的技术栈，能够处理数据聚合、模型训练和模型检查，以支持模仿学习和强化学习。这一基础设施是AI Arena的核心，但其潜力远不止于此。
随着团队不断完善技术，第三方工作室开始接洽ARC，渴望获得平台的许可或白标服务。意识到这种需求后，他们将ARC的基础设施正式化为B2B产品。
如今，ARC直接与游戏工作室合作，提供AI驱动的游戏体验。其价值主张包括：
持续的玩家流动性作为服务简单集成的AI游戏玩法
持续的玩家流动性作为服务ARC专注于人类行为的克隆，即训练专门的AI模型来模仿人类的动作。这与当前游戏中主流的AI使用方式不同，后者主要依赖生成模型来创建游戏资产和使用大型语言模型（LLM）进行对话。
通过ARC SDK，开发者可以创建类人AI代理，并根据游戏需求进行扩展。SDK简化了繁重的工作，游戏工作室可以轻松引入AI，而无需处理机器学习的复杂性。集成后，部署AI模型只需一行代码，ARC负责后台的基础设施、数据处理、训练和部署。
ARC与游戏工作室采取协作方式，帮助他们：
捕获原始游戏数据并将其转换为AI训练所需的有意义数据集。确定与游戏机制相关的关键变量和决策点。将AI模型的输出映射到游戏内的动作，确保功能顺畅——例如，将AI的“向右打击”输出链接到特定的游戏控制。
AI的运作原理ARC使用四种类型的模型来适应游戏交互：
前馈神经网络：适用于具有数值特征（如速度或位置）的连续环境。表格代理：适用于有限的离散场景的游戏。层次和卷积神经网络正在开发中。
ARC的AI模型涉及两个交互空间：
状态空间定义了代理在任何时刻对游戏的了解。对于前馈网络，这包括输入特征（如玩家的速度或位置）；对于表格代理，这是代理在游戏中可能遇到的离散场景。
动作空间描述了代理在游戏中可以执行的操作，从离散输入（如按按钮）到连续控制（如摇杆移动），这些都映射到游戏输入。
状态空间为ARC的AI模型提供输入，模型处理这些输入并生成输出，随后通过动作空间将这些输出转换为游戏动作。
ARC与游戏开发者密切合作，识别最关键的特征，并相应设计状态空间。他们还测试不同的模型配置和规模，以平衡智能与速度，确保游戏流畅且引人入胜。
根据团队的说法，Web3工作室对他们的玩家流动性服务的需求特别高。工作室为获取更好的玩家流动性付费，ARC将把一部分收入用于NRN代币的回购。
将AI游戏玩法带给玩家：训练平台ARC SDK还使工作室能够访问训练平台，允许玩家训练和提交AI代理。就像在AI Arena中一样，玩家可以设置模拟，捕获游戏数据并训练空白AI模型。这些模型会随着时间的推移而演变，保留之前的知识，同时吸收新的游戏数据，避免每次更新都要从头开始。
这为玩家提供了新的机会：他们可以在市场上出售自己训练的AI代理，创造新的游戏经济。在AI Arena中，熟练的训练者可以组成公会，向其他工作室提供他们的训练经验。
对于完全整合代理能力的工作室，平行游戏的概念也得以实现。AI代理可以全天候参与多个比赛或游戏实例，解决了玩家流动性的问题，并为参与和收入创造了新机会。
然而，这还不是全部……
#3 ARC RL：从一对一到多对一如果说AI Arena和ARC训练平台是单人模式——你在训练自己的AI模型——那么ARC RL就像是多人模式。
想象一下：一个游戏DAO汇聚玩家的游戏数据，训练一个所有人共同拥有的AI模型。这些“主代理”代表了所有玩家的集体智慧，通过集体努力和战略合作引入竞争，改变电子竞技的格局。
ARC RL利用强化学习（即“RL”）和众包的人类游戏数据来训练这些“超智能”代理。
强化学习通过对最佳行为给予奖励来运作，尤其适合游戏，因为奖励函数明确，如造成的伤害、获得的金币或胜利次数。
这方面已有成功的先例：
DeepMind的AlphaGo通过进行数百万场自我对弈的比赛，击败了职业围棋选手，并在每次对弈中不断完善策略。
我之前并未意识到，OpenAI在chatGPT诞生之前已在游戏圈内颇具声望。
OpenAI Five利用强化学习在Dota 2中战胜顶级玩家，并在2019年击败世界冠军。它通过加速模拟和强大的计算资源掌握了团队合作和高级策略。
OpenAI Five通过每天进行数百万场游戏进行训练，相当于每天模拟250年的游戏时间，使用256个GPU和128,000个CPU核心。通过省略图形渲染，显著加快了学习速度。
起初，AI表现得相当不稳定，常常漫无目的，但很快就提升了技能。它掌握了基本策略，如在小路上打小怪和获取资源，最终能够进行复杂的战术，如伏击和协同推进塔。
强化学习的核心理念在于，AI代理通过经验学习如何成功，而不是被直接告知该做什么。
ARC RL的独特之处在于使用离线强化学习。代理不是通过自己的试错来学习，而是借鉴他人的经验。这就像学生观看别人骑自行车的教学视频，学习他们的成功与失败，从而更快地掌握技能。
这种方法提供了一个新的机会：协作训练和共同拥有模型。这不仅让强大的AI代理更易获得，也使玩家、公会和开发者的激励相一致。
在构建“超智能”游戏代理时，有两个关键角色：
赞助者：类似公会的领导者，他们质押大量NRN代币以启动和管理RL代理。赞助者可以是任何实体，但通常是游戏公会、DAO、web3社区，甚至是流行的链上个性代理。玩家：个人质押较少的NRN代币，以贡献他们的游戏数据来训练代理。
赞助者协调并指导他们的玩家团队，确保高质量的训练数据，从而使他们的AI代理在竞争中具备优势。
奖励根据超代理在比赛中的表现进行分配。70%的奖励归玩家，10%归赞助者，剩下的20%则存入NRN国库。这一结构确保了所有参与者的激励相一致。
数据贡献如何让玩家愿意贡献他们的游戏数据？这并不容易。
ARC使得贡献游戏数据既简单又有回报。玩家不需要专业知识，只需参与游戏。在一局游戏结束后（例如，马里奥赛车），他们会被提示提交数据以训练特定代理。一个仪表板会跟踪他们的贡献和支持的代理。
ARC的归因算法通过评估贡献并奖励高质量的数据来确保数据的有效性。
有趣的是，即使你是个糟糕的玩家（像我一样），你的数据依然有用。糟糕的游戏表现帮助代理学习不该如何操作，而优秀的表现则教会最佳策略。冗余数据，如重复的农作物行为，会被过滤掉以保持质量。
总之，ARC RL旨在成为一个低摩擦的大众市场产品，围绕超越人类能力的代理的共同拥有而设计。
市场规模ARC的技术平台功能多样，适用于多种类型的游戏，包括射击、格斗、社交赌场、赛车、交易卡和角色扮演游戏。它专为需要保持玩家参与的游戏量身定制。
ARC主要针对两个自然市场：
ARC主要关注独立开发者和工作室，而非大型成熟的公司。这些小型工作室在早期往往难以吸引玩家，因为它们缺乏品牌和分销资源。
ARC的AI代理通过从一开始就营造一个充满活力的游戏环境，解决了这个问题，确保即使在游戏的初期阶段也能保持动态的游戏体验。
视频游戏洞察
许多人可能会感到惊讶，但独立游戏行业在游戏市场中占据重要地位：
99%的Steam上发布的游戏是独立游戏（来源）。独立游戏在2024年占据了Steam总收入的48%。
另一个目标市场是Web3游戏。大多数Web3游戏由新工作室开发，这些工作室面临独特的挑战，如钱包入门、对加密货币的怀疑以及高昂的客户获取成本。这些游戏通常存在玩家流动性问题，而AI驱动的代理可以填补比赛中的空缺，保持游戏的吸引力。
尽管Web3游戏近期因缺乏吸引人的体验而面临困境，但复苏的迹象已经显现。
例如，“Off the Grid”——第一款AAA级Web3游戏之一——最近取得了早期的主流成功，创建了900万个钱包，并在首月内进行了1亿次交易。这为该行业的更广泛成功铺平了道路，为ARC支持这一复兴创造了机会。
ARC 团队ArenaX Labs的创始团队拥有丰富的机器学习和投资管理背景。
首席执行官兼首席技术官Brandon Da Silva曾负责一家专注于强化学习、贝叶斯深度学习和模型适应性的加拿大投资公司的机器学习研究。他主导开发了一项以风险平价和多资产投资组合管理为核心的10亿美元量化交易策略。
首席运营官Wei Xie在同一家公司管理了一个70亿美元的流动策略投资组合，并负责创新投资项目，专注于人工智能、机器学习和Web3等新兴领域。
ArenaX Labs在2021年获得了500万美元的种子轮融资，由Paradigm主导，并得到了Framework Ventures的参与。2024年1月，ArenaX Labs又获得了600万美元的后续融资，由Framework主导，SevenX Ventures、FunPlus / Xterio和Moore Strategic Ventures参与。
NRN 代币经济学——健康的改造
ARC/AI Arena有一个活跃的代币NRN。我们先看看目前的情况。
通过分析供给和需求的动态，我们可以更清楚地了解未来的发展趋势。
供给侧NRN的总供应量为10亿枚，目前约有4.09亿枚（40.9%）在流通中。
目前代币的价格为0.072美元，这意味着市值为2900万美元，完全稀释估值为7100万美元。
NRN于2024年6月24日上线，其40.9%的流通供应来源于：
社区空投（占总量的8%）基金会国库（10.9%中解锁的2.9%，36个月线性解锁）社区生态系统奖励（30%）
流通供应的大部分（40.9%中的30%）来自社区生态系统奖励，项目负责管理并战略性分配这些奖励，用于质押激励、游戏内奖励、生态系统发展计划和社区驱动项目。
解锁时间表令人放心，近期没有重大事件：
下一个解锁来自基金会的场外交易（1.1%），将于2024年12月开始，12个月内线性解锁。这每月只增加约0.09%的通货膨胀，预计不会引起重大关注。投资者和贡献者的分配（占总供应的50%）将在2025年6月开始解锁，并将在24个月内线性释放。
目前，卖压预计将保持相对可控，主要来自生态系统奖励。关键在于对团队战略性使用这些资金推动协议增长的信任。
需求侧NRN v1 ——基于玩家的经济
最初，NRN被设计为与AI Arena游戏经济紧密相关的战略资源。
玩家在他们的AI玩家上质押NRN，获胜时从池中获得奖励，失败时则失去部分质押。这种机制创造了“身陷其中”的动态，使其成为一种具有财务激励的竞争性运动。
奖励采用基于ELO的系统分配，确保根据技能进行平衡支付。其他收入来源包括游戏内物品购买、外观升级和锦标赛报名费。
这一初始代币模型完全依赖于游戏的成功和持续涌入的新玩家，他们愿意购买NRN和NFT以参与其中。
这引出了我们为何如此兴奋的原因……
NRN v2 ——基于玩家和平台的经济
NRN的改进版v2代币经济学通过将代币的实用性扩展到更广泛的ARC平台，引入了强大的新需求驱动因素。这一演变使NRN从一个特定于游戏的代币转变为平台代币。对此，我认为非常积极。
NRN的三个新需求驱动因素包括：
ARC集成带来的收入：集成ARC的游戏工作室将通过集成费用和与游戏表现挂钩的持续版权费为国库创造收入。这些资金可以用于NRN回购、生态系统增长和对训练平台玩家的激励。训练市场的费用：NRN从训练市场的费用中获取价值，玩家可以在这里交易AI模型和游戏数据。参与ARC RL的质押：赞助者和玩家都必须质押NRN才能加入ARC RL。随着越来越多的玩家参与ARC RL，对NRN的需求也会相应增加。
尤其令人兴奋的是游戏工作室带来的收入。这标志着从纯粹的B2C模型向混合的B2C和B2B模型的转变，为NRN经济带来了持续的外部资本流入。随着ARC可触及市场范围的扩大，这一收入流将超过AI Arena单独所能产生的。
训练市场的费用虽然前景良好，但依赖于生态系统达到临界质量——即足够的游戏、训练者和玩家，以维持活跃的交易活动。这是一个长期的过程。
在短期内，参与ARC RL的质押可能是最直接和快速的需求驱动因素。充足的初始奖励池和新产品发布带来的兴奋可能会促进早期用户的参与，推动代币价格上涨，吸引更多参与者。这将形成一个需求与增长的良性循环。然而，如果ARC RL无法保持用户的参与，需求也可能迅速下降。
网络效应的潜力非常巨大：更多的游戏 → 更多的玩家 → 更多的游戏加入 → 更多的玩家。这种良性循环可能使NRN成为加密AI游戏生态系统中的核心代币。
游戏AI模型的先锋最终目标是什么？ARC的优势在于它能够跨越不同的游戏类型进行概括。随着时间的推移，这使得他们能够积累独特的游戏数据资源。随着ARC与更多游戏的整合，它可以不断将这些数据反馈到生态系统中，从而形成增长和优化的良性循环。
一旦这个跨游戏的数据集达到一定规模，它将成为一个极具价值的资源。想象一下，利用这些数据来训练一个通用的AI模型，用于游戏开发——这将为大规模的游戏设计、测试和优化开启新的可能性。
虽然现在还处于早期阶段，但在数据被视为新石油的AI时代，这里的潜力是无限的。
我们的看法
NRN演变为平台模式——代币重新定价
随着ARC和ARC RL的推出，该项目不再只是一个单一的游戏工作室，而是开始定位为一个平台和AI项目。这一转变应该会导致对NRN代币的重新评估，之前它的价值主要依赖于AI Arena的成功。通过ARC RL引入新的代币消耗机制，加上来自游戏工作室的收入分享协议和训练者交易费用的外部需求，为NRN的实用性和价值提供了更广泛和多样化的基础。
成功与合作游戏工作室密切相关
ARC的商业模式将其成功与整合的游戏工作室紧密相连，因为收入流基于代币分配（在Web3游戏中）和游戏的版税支付。值得关注的是它所整合的游戏。
如果ARC支持的游戏取得巨大成功，产生的价值将回流到NRN持有者。反之，如果合作的游戏遇到困难，价值流动将受到限制。这种结构自然使ARC与游戏工作室之间的激励保持一致。
期待与Web3游戏的更多整合
ARC平台非常适合Web3游戏，激励性的竞争玩法与现有的基于代币的经济体系完美契合。
通过整合ARC，Web3游戏可以立即利用“AI代理”的概念。ARC RL将社区聚集在一起，激励他们朝着共同目标努力。它还为创新机制提供了新机会，例如让游戏内的空投活动对玩家更具吸引力。通过将AI与代币激励结合，ARC增加了传统游戏所无法提供的深度和兴奋感。
AI游戏玩法的学习曲线
AI游戏玩法引入了一定的学习曲线，这可能会给新玩家带来挑战。我花了一个小时才弄明白如何在AI Arena中正确训练我的角色。
不过，在ARC RL中，玩家体验的摩擦较小，因为AI训练在后台自动完成，玩家只需进行游戏并提交数据。另一个待解的问题是，玩家如何看待与AI对手的竞争。对他们来说，这是否重要？这会增强还是削弱他们的游戏体验？只有时间才能给出答案。
光明的未来人工智能将为游戏领域带来全新的突破性体验。
团队如Parallel Colony和 Virtuals正通过自主AI代理不断拓展边界，而ARC则专注于人类行为克隆，开辟了自己的市场——提供了一种创新的解决方案，以应对玩家流动性问题，而不依赖于不可持续的代币经济模式。
从单一游戏转型为全面平台是ARC的一次重大飞跃。这不仅为游戏工作室创造了更多机会，也重新定义了人工智能与游戏的结合方式。
随着其代币经济学的改进和强大网络效应的潜力，ARC似乎才刚刚开始。
声明：
本文转载自【chainofthought】，著作权归属原作者【Teng Yan】，如对转载有异议，请联系 Gate Learn 团队，团队会根据相关流程尽速处理。免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。文章其他语言版本由Gate Learn团队翻译， 除非另有说明，否则禁止复制、传播或抄袭经翻译文章。