Pada tahun 2021, saya masih menjadi pemain Axie Infinity dan mengoperasikan sebuah guild beasiswa kecil. Jika Anda belum mengalami era itu, biarkan saya memberi tahu Anda - benar-benar liar.
Axie Infinity ini membuat orang menyadari bahwa Mata Uang Kripto dan permainan dapat digabungkan. Pada dasarnya, ini adalah permainan strategi gaya Pokémon yang sederhana di mana pemain perlu membangun tim yang terdiri dari 3 Axie (prajurit yang sangat ganas), setiap Axie memiliki kemampuan unik. Anda dapat memimpin tim Anda sendiri untuk bertarung dengan tim lain, dan memperoleh Token SLP sebagai hadiah dengan berpartisipasi dalam permainan dan memenangkan pertarungan.
Namun yang benar-benar membuat non-pemain game bersemangat adalah potensi untuk menghasilkan uang melalui game. Puncak keberhasilan Axie terletak pada dua mekanisme:
Yang pertama adalah Breeding Axies. Dapatkan dua Axie, gunakan SLP Token untuk berkembang biak, dan voilà - sebuah Axie baru dengan kemampuan unik yang digabungkan dari dua Axie asli lahir. Sebagai hasilnya, Axies yang langka dan kuat ini (disebut oleh pemain game sebagai OP Axies) menjadi barang yang sangat diminati, dan pasar pemuliaan yang sibuk pun muncul.
Mekanisme kedua adalah program beasiswa. Pemain perusahaan dari berbagai belahan dunia mulai meminjamkan Axies kepada 'akademisi'. Pemain-pemain ini biasanya berasal dari negara-negara berkembang seperti Filipina atau Argentina, di mana mereka tidak mampu membayar biaya awal sekitar 1000 dolar AS untuk membeli 3 token Axie Non-fungible. Para akademisi bermain game setiap hari untuk menghasilkan Token, dan berbagi keuntungan dengan gilda beasiswa, di mana gilda biasanya mengambil bagian sebesar 30-50%.
Pada masa kejayaannya, terutama selama pandemi 2019, Axie memiliki dampak besar pada ekonomi lokal di negara-negara berkembang. Di Filipina (sekitar 40% dari pengguna Axie Infinity berada di sana), pendapatan banyak pemain jauh melebihi upah minimum. Guild juga mendapatkan keuntungan yang besar.
Ini menyelesaikan masalah kunci pengembang game: Likuiditas pemain. Dengan mendorong pemain untuk menghabiskan beberapa jam setiap hari bermain game dengan antusias, Axie memastikan setiap pemain memiliki lawan yang menunggu di sana, membuat pengalaman bermain lebih menarik.
Tapi ini membutuhkan biaya.
Untuk mengatasi masalah Likuiditas para pemain, Axie memberikan banyak Token untuk mendorong partisipasi pemain. Cerita dimulai dari sini. Karena SLP tidak memiliki batas atas, Token berkembang dengan cepat, harga big dump, dan ekosistem hancur. Token terdepresiasi, pemain akan pergi. Axie hampir dalam semalam berubah dari 'anak ajaib' menjadi sebuah kisah peringatan.
Namun jika ada cara untuk mengatasi masalah Likuiditas pemain tanpa perlu mengandalkan ekonomi Token yang tidak berkelanjutan, apa yang akan terjadi?
Ini adalah sesuatu yang telah ARC / AI Arena usaha diam-diam selama tiga tahun terakhir. Sekarang, hasilnya mulai tampak.
1. Likuiditas pemain adalah nadi kehidupan
Likuiditas pemain adalah nadi dari permainan multiplayer dan juga kunci kesuksesan jangka panjang.
Banyak Web3 dan game independen menghadapi masalah 'pemula dingin' - terlalu sedikit pemain, tidak dapat dipasangkan dengan cepat, atau membentuk komunitas yang makmur. Mereka tidak memiliki anggaran pemasaran atau kesadaran IP alami yang dimiliki oleh perusahaan game besar. Hal ini menyebabkan waktu tunggu yang panjang, tidak dapat dipasangkan, dan tingkat kehilangan yang tinggi.
Permainan-permainan ini biasanya akan perlahan-lahan menghilang dengan penderitaan.
Oleh karena itu, pengembang game harus memprioritaskan Likuiditas pemain sejak awal. Game membutuhkan berbagai aktivitas untuk menjaga kesenangan - catur membutuhkan dua pemain, sementara pertempuran skala besar membutuhkan ribuan pemain. Mekanisme pencocokan keterampilan lebih meningkatkan ambang batas, membutuhkan lebih banyak pemain untuk menjaga keadilan dan daya tarik permainan.
Untuk permainan Web3, risikonya lebih besar. Menurut laporan tahunan Delphi Digital tentang permainan, biaya perolehan pengguna permainan Web3 77% lebih tinggi daripada permainan ponsel tradisional, yang membuat tingkat retensi pemain menjadi sangat penting.
Basis pemain yang kuat dapat memastikan pencocokan yang adil, ekonomi game yang dinamis (lebih banyak jual beli barang) dan interaksi sosial yang lebih aktif, sehingga membuat game lebih menarik.
2, ARC - Pionir Game AI
ARC yang dikembangkan oleh ArenaX Labs sedang memimpin masa depan pengalaman game online AI. Singkatnya, mereka menggunakan AI untuk menyelesaikan masalah Likuiditas yang mengganggu para pemain game baru.
Masalah sebagian besar robot AI dalam game sekarang adalah mereka terlalu buruk. Begitu Anda menguasai triknya dalam beberapa jam, robot-robot ini akan menjadi sangat mudah dikalahkan. Mereka dirancang untuk membantu pemain baru, tetapi tidak dapat memberikan banyak tantangan atau daya tarik bagi pemain yang berpengalaman.
Bayangkan, keterampilan pemain AI bisa sebanding dengan pemain manusia terbaik. Bayangkan, bisa melawannya kapan saja, di mana saja, tanpa perlu menunggu pasangan. Bayangkan, melatih pemain AI Anda untuk meniru gaya bermain Anda, memiliki mereka, dan mendapatkan imbalan melalui penampilan mereka.
Ini adalah kemenangan bagi pemain dan perusahaan game.
Perusahaan game menggunakan robot AI mirip manusia untuk membuat game populer, meningkatkan Likuiditas pemain, meningkatkan pengalaman pengguna, dan meningkatkan tingkat retensi - ini adalah faktor kunci bagi pemain baru untuk bertahan di pasar yang kompetitif.
Pemain memperoleh cara baru untuk berpartisipasi dalam permainan, membangun rasa kepemilikan yang lebih kuat selama proses melatih AI dan bertarung melawannya.
Mari kita lihat bagaimana mereka melakukannya.
3. Produk dan Arsitektur
ArenaX Labs, perusahaan induk, sedang mengembangkan serangkaian produk untuk mengatasi masalah Likuiditas pemain.
Produk yang ada: AI Arena, sebuah game pertarungan AI.
Produk Baru: ARC B2B, sebuah SDK game yang didukung AI, dapat dengan mudah terintegrasi ke dalam setiap game.
Produk baru: ARC Reinforcement Learning (RL)
（1）AI Arena: Permainan
AI Arena adalah game pertarungan yang mengingatkan pada Super Smash Bros dari Nintendo, di mana berbagai karakter kartun yang aneh bertarung di arena.
Namun di AI Arena, setiap karakter dikendalikan oleh AI - Anda berperan sebagai pelatih mereka, bukan prajurit. Tugas Anda adalah melatih prajurit AI Anda dengan strategi dan pengetahuan profesional Anda.
Melatih prajurit Anda seperti melatih siswa untuk persiapan pertempuran. Dalam mode latihan, Anda mengaktifkan pengumpulan data dan menciptakan adegan pertempuran untuk menyesuaikan gerakan mereka. Misalnya, jika prajurit Anda berada dekat dengan lawan, Anda dapat mengajari mereka untuk menggunakan perisai Anda untuk bertahan, lalu melakukan serangan combo. Bagaimana dengan pertempuran jarak jauh? Latih mereka untuk meluncurkan serangan jarak jauh.
Anda dapat mengendalikan pengumpulan data apa yang ingin Anda lakukan, memastikan hanya merekam gerakan terbaik untuk latihan. Dengan latihan, Anda dapat menyesuaikan parameter tambahan untuk mendapatkan keunggulan teknis yang lebih besar, atau hanya menggunakan pengaturan default yang ramah pengguna pemula. Setelah latihan selesai, pejuang AI Anda siap untuk bertarung.
Semua hal dimulai sulit - melatih model yang efektif membutuhkan waktu dan percobaan. Prajurit pertama saya beberapa kali jatuh dari platform, bukan karena lawan memukulnya. Tetapi setelah beberapa iterasi, saya berhasil membuat model yang berkinerja baik. Melihat latihan Anda mendapatkan imbalan adalah hal yang sangat memuaskan.
AI Arena memperkenalkan Kedalaman tambahan melalui prajurit Non-fungible token. Setiap karakter Non-fungible token memiliki tampilan dan atribut pertempuran yang unik, yang akan memengaruhi gameplay. Ini menambahkan lapisan strategi lain.
Saat ini, AI Arena berjalan di Arbitrum Mainnet, dan hanya orang-orang dengan token non-fungible AI Arena yang dapat mengaksesnya, sambil tetap menjaga eksklusivitas komunitas. Pemain dapat bergabung dengan guild, mengumpulkan token non-fungible juara dan NRN untuk pertempuran peringkat on-chain, dan mendapatkan hadiah. Ini dilakukan untuk menarik pemain setia dan mendorong kompetisi.
Pada akhirnya, AI Arena adalah platform pelatihan kecerdasan buatan ARC. Meskipun ini adalah titik masuk mereka ke dalam ekosistem, visi sejati jauh melampaui game ini sendiri.
（2）ARC: Infrastruktur
ARC adalah solusi infrastruktur AI yang dirancang khusus untuk desain game.
Tim ArenaX memulai semuanya dari awal, bahkan mengembangkan infrastruktur game mereka sendiri, karena solusi-solusi yang ada seperti Unity dan Unreal tidak dapat memenuhi visi mereka.
Selama lebih dari tiga tahun, mereka telah merancang tumpukan teknologi yang kuat yang mampu mengolah agregasi data, pelatihan model, dan pemeriksaan model untuk melakukan pembelajaran imitasi dan penguatan. Infrastruktur ini adalah tulang punggung AI Arena, tetapi potensinya jauh lebih besar.
Seiring dengan tim yang terus meningkatkan teknologi mereka, studio pihak ketiga mulai mencari ARC untuk mendapatkan lisensi atau label putih platform tersebut. Setelah menyadari kebutuhan ini, mereka memformalkan infrastruktur ARC menjadi produk B2B.
Saat ini, ARC bekerja sama langsung dengan perusahaan game untuk menyediakan pengalaman bermain game AI. Klaim nilainya adalah:
Pemain permanen Likuiditas yaitu layanan
Mengintegrasikan fitur bermain AI dengan mudah
Likuiditas sebagai Layanan Pemain Permanen
ARC berfokus pada kloning perilaku manusia - melatih model AI khusus untuk meniru perilaku manusia. Ini berbeda dengan penggunaan utama AI dalam permainan hari ini, di mana menggunakan model generatif untuk membuat aset permainan dan menggunakan LLM untuk menggerakkan percakapan.
Dengan menggunakan SDK ARC, pengembang dapat membuat agen kecerdasan buatan yang mirip dengan manusia dan memperluas sesuai kebutuhan permainan. SDK menyederhanakan pekerjaan yang melelahkan. Perusahaan game dapat memperkenalkan kecerdasan buatan tanpa harus menangani pembelajaran mesin yang rumit.
Setelah terintegrasi, implementasi model AI hanya memerlukan satu baris kode, ARC bertanggung jawab atas infrastruktur, pemrosesan data, pelatihan, dan implementasi backend.
ARC menggunakan pendekatan kerjasama dengan perusahaan game untuk membantu mereka:
Menangkap data gameplay asli dan mengonversinya menjadi dataset yang bermakna untuk pelatihan AI.
Menentukan variabel permainan kunci yang terkait dengan mekanisme dan titik keputusan.
Memetakan output model AI ke dalam kegiatan dalam game untuk memastikan fungsi berjalan lancar - misalnya, menghubungkan output AI 'klik kanan' dengan kontrol game tertentu.
Bagaimana AI Bekerja?
ARC menggunakan empat jenis model untuk interaksi permainan:
Jaringan saraf umpan maju: digunakan untuk lingkungan kontinu dengan fitur numerik seperti kecepatan atau posisi.
代理表格: Sangat ideal untuk permainan dengan skenario diskrit terbatas.
Jaringan Hierarkis dan Konvolusi sedang dalam pengembangan.
Ada dua ruang interaksi terkait model AI ARC:
Ruang status mendefinisikan pemahaman agen terhadap permainan pada setiap saat tertentu. Bagi jaringan feedforward, ini adalah kombinasi fitur input (seperti kecepatan atau posisi pemain). Bagi agen tabel, ini adalah skenario diskrit yang mungkin dihadapi agen dalam permainan.
Deskripsi ruang gerak menggambarkan apa yang agen dapat lakukan dalam permainan, mulai dari input diskrit (seperti menekan tombol) hingga kontrol kontinu (seperti gerakan tuas). Ini akan dipetakan ke input permainan.
Ruang status menyediakan input untuk model kecerdasan buatan (AI) ARC, model AI memproses input dan menghasilkan output. Kemudian output-output ini diubah menjadi tindakan permainan melalui ruang tindakan.
ARC bekerja sama erat dengan pengembang game untuk mengidentifikasi fitur-fitur kunci dan mendesain ruang status secara memadai. Mereka juga menguji berbagai konfigurasi dan ukuran model untuk menyeimbangkan kecerdasan dan kecepatan, serta memastikan pengalaman bermain game yang lancar dan menarik.
Menurut tim tersebut, permintaan layanan Likuiditas pemain mereka sangat tinggi. Perusahaan-perusahaan ini membayar untuk meningkatkan likuiditas pemain, dan ARC akan menggunakan sebagian besar pendapatan ini untuk pembelian kembali Token NRN.
Membawa Cara Bermain AI ke Pemain: Platform Pelatih
ARC SDK masih memungkinkan perusahaan web3 untuk mengakses platform pelatih permainan mereka, memungkinkan pemain melatih dan mengirimkan agen.
Seperti AI Arena, pemain dapat mengatur simulasi, mendapatkan data permainan, dan melatih model AI kosong. Model-model ini akan berkembang seiring waktu, menyerap data permainan baru sambil mempertahankan pengetahuan sebelumnya, tanpa perlu memulai dari awal setiap kali ada pembaruan.
Ini membuka kemungkinan yang menggembirakan: para pemain dapat menjual agen AI pelatihan kustom mereka di pasar, menciptakan lapisan ekonomi baru di dalam game. Di AI Arena, pelatih yang mahir dalam teknologi dapat membentuk serikat, di mana mereka dapat menawarkan keterampilan pelatihan kepada perusahaan lain.
Bagi perusahaan yang sepenuhnya mengintegrasikan fungsi agen, konsep Parallel Play (Permainan Paralel) juga menjadi lebih hidup. Agen AI tersedia sepanjang hari, dapat berpartisipasi dalam beberapa pertandingan atau contoh permainan sekaligus. Ini mengatasi masalah Likuiditas pemain, dan menciptakan peluang baru untuk daya tarik dan pendapatan pengguna.
Namun ini belum semuanya...
（3）ARC RL：Dari satu lawan satu hingga banyak lawan satu
Jika AI Arena dan platform pelatihan ARC terasa seperti mode satu pemain (Anda dapat melatih model AI sendiri di sana), maka ARC RL mirip dengan mode multipemain.
Bayangkan: DAO game keseluruhan mengumpulkan data bermain mereka untuk melatih model AI bersama, yang dimiliki dan dimanfaatkan bersama oleh semua orang. 'Agent utama' ini mewakili kecerdasan kolektif dari semua pemain, mengubah persaingan e-sports melalui usaha kolektif dan kerjasama strategis.
ARC RL menggunakan pembelajaran penguatan (atau "RL") dan data gameplay manusia crowdsourced untuk melatih agen "super pintar" ini.
Prinsip kerja pembelajaran penguatan adalah agen yang memberi penghargaan pada tindakan optimal. Ini sangat efektif dalam permainan karena fitur penghargaan yang jelas dan obyektif, seperti kerusakan yang disebabkan, koin yang diperoleh, atau kemenangan.
Ini memiliki preseden:
AlphaGo DeepMind mengalahkan pemain catur profesional dalam pertandingan Go, dengan melalui latihan jutaan pertandingan yang dihasilkan sendiri, setiap iterasi memperbaiki strateginya.
Saya sebelumnya tidak menyadari hal ini, tetapi jauh sebelum penciptaan chatGPT, OpenAI sudah sangat dikenal di kalangan pemain game.
OpenAI Five menghancurkan pemain manusia papan atas menggunakan pembelajaran penguatan dalam Dota 2 dan mengalahkan juara dunia pada tahun 2019. Ia menguasai strategi canggih seperti kerja sama tim melalui akselerasi simulasi dan sumber daya komputasi yang besar.
OpenAI Five menjalankan ratusan ribu permainan setiap hari, setara dengan simulasi selama 250 tahun setiap hari, didukung oleh 256 GPU dan 128.000 CPU. Dengan melewati rendering grafis, ini secara signifikan mempercepat kecepatan pembelajaran.
Pada awalnya, AI tersebut menunjukkan perilaku yang tidak stabil, seperti berkeliaran tanpa tujuan, namun segera memperbaiki diri. Ia menguasai beberapa strategi dasar, seperti merayap di lorong kecil dan mencuri sumber daya, akhirnya berkembang menjadi operasi yang lebih kompleks, seperti penyerangan mendadak.
Konsep kunci dari pembelajaran penguatan adalah bahwa agen AI belajar bagaimana mencapai kesuksesan melalui pengalaman, bukan dengan diberi tahu secara langsung apa yang harus dilakukan.
ARC RL membedakan dirinya dengan menggunakan pembelajaran penguatan offline. Agen AI belajar bukan dari kesalahan mereka sendiri, tetapi dari pengalaman orang lain. Ini seperti siswa yang menonton video orang lain naik sepeda, mengamati keberhasilan dan kegagalan mereka, dan menggunakan pengetahuan ini untuk menghindari jatuh dan meningkatkan lebih cepat.
Metode ini memberikan manfaat tambahan: pelatihan dan kepemilikan model yang kolaboratif. Ini tidak hanya membuat agen AI yang kuat menjadi lebih umum, tetapi juga membuat motivasi pemain, gilda, dan pengembang menjadi lebih sejalan.
Dalam penciptaan agen permainan 'Super Cerdas', ada dua peran kunci:
Sponsor: Seorang pemimpin seperti guild yang melakukan staking sejumlah besar Token NRN untuk memulai dan mengelola agen RL. Sponsor dapat menjadi entitas apa pun, tetapi kemungkinan besar adalah guild game, DAO, komunitas web3, atau bahkan agen personalisasi on-chain yang populer seperti Luna.
Pemain: stake Token NRN dalam jumlah kecil untuk menyumbangkan data permainan mereka untuk melatih agen perorangan.
Mensponsori, mengoordinasikan, dan membimbing tim pemain mereka, memastikan data pelatihan berkualitas tinggi agar agen AI mereka memiliki keunggulan kompetitif dalam pertandingan agen.
Hadiah didistribusikan berdasarkan kinerja Super Agensi dalam kompetisi. 70% hadiah dimiliki oleh pemain, 10% dimiliki oleh sponsor, dan sisanya 20% dimiliki oleh NRN Vault. Struktur ini memberikan insentif yang konsisten bagi semua peserta.
Kontribusi Data
Bagaimana Anda membuat pemain senang berkontribusi dengan data permainan mereka? Tidak mudah.
ARC membuat penyediaan data permainan menjadi lebih sederhana dan bermanfaat. Pemain tidak perlu pengetahuan khusus, hanya perlu bermain game. Setelah sesi selesai, mereka akan diminta untuk mengirimkan data untuk melatih agen tertentu. Dasbor melacak kontribusi mereka dan agen yang mereka dukung.
Algoritme atribusi ARC memastikan kualitas dengan mengevaluasi kontribusi dan memberi penghargaan pada data berkualitas tinggi dan berpengaruh.
Yang menarik adalah, bahkan jika Anda adalah pemain yang buruk (seperti saya), data Anda tetap berguna. Permainan yang buruk dapat membantu agen belajar apa yang tidak boleh dilakukan, sementara permainan yang ahli dalam teknik dapat mengajarkan strategi terbaik. Data yang tidak relevan akan disaring untuk menjaga kualitasnya.
Secara singkat, ARC RL dirancang sebagai produk pasar massal yang rendah gesekannya, dengan agen yang memiliki kemampuan melebihi manusia sebagai pusatnya.
4. Ukuran Pasar
Platform teknologi ARC adalah serbaguna, mendukung berbagai jenis permainan seperti game tembak-menembak, game pertarungan, kasino sosial, balap, permainan kartu perdagangan, dan RPG. Ini dirancang khusus untuk game yang memerlukan retensi pemain.
Produk ARC utamanya ditujukan untuk dua pasar:
ARC utamanya mengikuti pengembang dan perusahaan independen, bukan perusahaan besar yang sudah lama berdiri. Karena keterbatasan daya tarik merek dan sumber distribusi, perusahaan-perusahaan kecil ini biasanya sulit menarik pemain di awal.
AI ARC mengatasi masalah ini dengan menciptakan lingkungan permainan yang penuh dengan kehidupan dari awal, dan memastikan gameplay dinamis bahkan pada tahap awal permainan.
Ini mungkin mengejutkan banyak orang, tetapi industri permainan independen memang menjadi kekuatan utama dalam pasar permainan:
Pada tahun 2024, game independen menciptakan 48% dari total pendapatan di Steam.
Salah satu pasar target lainnya adalah gim Web3. Kebanyakan gim Web3 dikembangkan oleh perusahaan-perusahaan baru dan mereka juga menghadapi berbagai tantangan unik, seperti masalah login Dompet, keraguan enkripsi, dan biaya perolehan pengguna yang tinggi. Gim-gim ini sering menghadapi isu likuiditas pemain, agen AI dapat mengisi kekosongan ini dan menjaga daya tarik gim.
Meskipun game Web3 baru-baru ini menghadapi kesulitan karena kurangnya pengalaman yang menarik, namun tanda-tanda pemulihan mulai terlihat.
Misalnya, salah satu permainan Web3 kelas AAA pertama, Off the Grid, baru-baru ini mencapai kesuksesan awal, dengan 9 juta Dompet melakukan 1 miliar transaksi hanya dalam bulan pertama. Ini membuka jalan bagi kesuksesan umum dalam industri ini, dan menciptakan peluang untuk mendukung kebangkitan ARC.
5、Tim ARC
Tim pendiri di balik ArenaX Labs memiliki pengetahuan profesional yang kaya dalam pembelajaran mesin dan manajemen investasi.
CEO dan CTO Brandon Da Silva sebelumnya memimpin penelitian pembelajaran mesin di sebuah perusahaan investasi Kanada, dengan fokus pada pembelajaran penguatan, pembelajaran kedalaman Bayesian, dan adaptasi model. Dia adalah pengembang pertama strategi perdagangan kuantitatif senilai 10 miliar dolar yang berpusat pada pengelolaan risiko berimbang dan portofolio multi-aset.
Chief Operating Officer Wei Xie mengelola portofolio investasi strategis Likuiditas senilai 7 miliar dolar AS di perusahaan yang sama, dan memimpin proyek investasi inovatifnya yang fokus pada bidang-bidang baru seperti AI, pembelajaran mesin, dan teknologi Web3.
ArenaX Labs mendapatkan pendanaan putaran biji-bijian senilai $5 juta pada tahun 2021, dipimpin oleh Paradigm dan didukung oleh Framework Ventures. Pada bulan Januari 2024, perusahaan ini mendapatkan pendanaan sebesar $6 juta yang dipimpin oleh SevenX Ventures, FunPlus / Xterio, dan Moore Strategic Ventures.
6、Tokenonomi NRN - reformasi kesehatan sekali
ARC/AI Arena memiliki sebuah Token - NRN. Mari kita pertama-tama mengecek situasinya sekarang.
Pemeriksaan sisi pasokan dan permintaan akan membuat kita lebih jelas mengenai arah kecenderungan.
(1) Sisi Penawaran
Jumlah pasokan total NRN adalah 1 miliar, dengan sekitar 409 juta (40,9%) beredar.
Saat artikel ini ditulis, harga Token ini adalah $0.72, yang berarti kapitalisasi pasar sebesar $29 juta dan valuasi setelah dilakukan dilusi penuh sebesar $71 juta.
NRN dirilis pada tanggal 24 Juni 2024, dengan persediaan sirkulasi sebesar 40,9%:
Airdrop Komunitas (8% dari total)
Kas Foundation (mencakup 10.9%, di antaranya 2.9% telah terkunci, terkunci linear selama 36 bulan)
Penghargaan Ekosistem Komunitas (30%)
Sebagian besar pasokan beredar (30% dari 40,9%) terdiri dari hadiah ekosistem komunitas, yang dikelola oleh proyek untuk didistribusikan secara strategis sebagai hadiah staking, hadiah game, program naik ekosistem, dan program penggerak komunitas.
Jadwal pembukaan memberikan kepercayaan diri, tidak ada peristiwa penting dalam waktu dekat:
Unlock berikutnya adalah penjualan OTC dari Yayasan (1,1%), dimulai pada Desember 2024, dengan penguncian linear selama 12 bulan. Ini hanya akan meningkatkan tingkat inflasi bulanan sebesar 0,09%, yang tidak mungkin menimbulkan kekhawatiran yang besar.
Pembagian investor dan kontributor (50% dari total pasokan) akan mulai dibuka pada bulan Juni 2025, bahkan pada saat itu, akan dilakukan penguncian garis lurus dalam 24 bulan.
Saat ini, tekanan dumping diperkirakan masih cukup terkendali, terutama berasal dari imbalan ekosistem. Yang penting adalah kepercayaan bahwa tim memiliki kemampuan untuk secara strategis mendistribusikan dana ini untuk mendorong pertumbuhan protokol.
（2）sisi permintaan
NRN v1 - Ekonomi Pemain
Pada awalnya, NRN dirancang sebagai sumber daya strategis yang terkait dengan ekonomi permainan AI Arena.
Pemain akan bertaruh NRN pada pemain AI, jika mereka menang, mereka akan mendapatkan hadiah, jika kalah, sebagian taruhannya akan hilang. Ini menciptakan dinamika yang terkait langsung dengan kepentingan, mengubahnya menjadi olahraga kompetitif, dan memberikan insentif ekonomi bagi pemain yang terampil.
Penghargaan didistribusikan menggunakan sistem ELO untuk memastikan pembayaran seimbang berdasarkan keterampilan. Sumber pendapatan lainnya termasuk pembelian peralatan game, peningkatan pakaian, dan biaya masuk pertandingan.
Model Token awal sepenuhnya bergantung pada kesuksesan permainan dan terus ada pemain baru yang bersedia membeli NRN dan NFT untuk berpartisipasi dalam permainan.
Mari kita bicarakan mengapa kami begitu bersemangat...
NRN v2——玩家&平台经济
Tokenomik v2 yang ditingkatkan NRN memperluas utilitas Token dari AI Arena ke platform ARC yang lebih luas, memperkenalkan faktor dorongan permintaan baru yang kuat. Evolusi ini mengubah NRN dari Token game khusus menjadi Token platform. Menurut pendapat saya, ini adalah perubahan yang sangat positif.
Faktor pendorong tiga permintaan baru NRN termasuk:
Pendapatan dari integrasi ARC. Perusahaan game yang mengintegrasikan ARC akan menciptakan pendapatan untuk kas dengan biaya integrasi dan royalti berkelanjutan yang terkait dengan kinerja game. Dana kas dapat digunakan untuk mendorong pembelian kembali NRN, mengembangkan ekosistem, dan memberikan insentif kepada pemain di platform pelatihan.
Biaya pasar pelatih. NRN mendapatkan nilai dari biaya di pasar pelatih, dan pemain dapat melakukan perdagangan model AI dan data gameplay di pasar pelatih.
Partisipasi dalam stake ARC RL: Penyandang dana dan pemain harus stake NRN untuk bergabung dengan ARC RL. Seiring dengan bertambahnya jumlah pemain yang masuk ke ARC RL, permintaan terhadap NRN juga meningkat.
Terutama yang menarik adalah pendapatan perusahaan game. Ini menandai perubahan dari model B2C murni menjadi model campuran B2C dan B2B, menciptakan aliran modal eksternal yang berkelanjutan untuk ekonomi NRN. Dengan ARC memiliki pasar target yang lebih luas, aliran pendapatan ini akan melebihi pendapatan yang dapat dihasilkan oleh AI Arena itu sendiri.
Biaya pasar pelatih pelatihan memiliki prospek, tetapi tergantung pada apakah ekosistem dapat mencapai skala kritis - dengan cukup banyak permainan, pelatih, dan pemain untuk menjaga aktivitas perdagangan yang aktif. Ini adalah karir jangka panjang.
Dalam jangka pendek, stake ARC RL mungkin merupakan faktor pendorong permintaan yang paling langsung dan refleksif. Kolam hadiah awal yang cukup besar dan kegembiraan dari peluncuran produk baru mungkin memicu adopsi awal, mendorong harga Token dan menarik para peserta. Ini menciptakan siklus umpan balik Naik permintaan dan naik ekonomi. Namun, sebaliknya, jika ARC RL sulit mempertahankan daya tarik pengguna, permintaan mungkin segera menghilang.
Potensi efek jaringan sangat besar: lebih banyak permainan → lebih banyak pemain → lebih banyak permainan bergabung → lebih banyak pemain. Siklus positif ini dapat menempatkan NRN sebagai Token inti dalam ekosistem permainan Crypto AI.
7、ibu model AI permainan
Apa akhir dari ARC? Keunggulan ARC terletak pada kemampuannya untuk mempromosikan berbagai jenis permainan. Seiring berjalannya waktu, mereka dapat mengumpulkan basis data gameplay yang unik. Dengan integrasi ARC dengan lebih banyak permainan, data-data ini dapat terus dikembalikan ke dalam ekosistemnya sendiri, menciptakan siklus yang naik dan sempurna.
Setelah kumpulan data permainan lintang ini mencapai kualitas kritis, itu akan menjadi sumber daya yang sangat berharga. Bayangkan, menggunakan itu untuk melatih model Kecerdasan Buatan (AI) umum untuk pengembangan permainan - membuka kemungkinan baru untuk desain, pengujian, dan optimalisasi permainan skala besar.
Saat ini masih terlalu dini, tetapi dalam era kecerdasan buatan di mana data adalah minyak baru, potensinya tak terbatas.
8. Ide Kami
NRN Berubah Menjadi Permainan Platform - Token Dihargai Ulang
Dengan penerbitan ARC dan ARC RL, proyek ini tidak lagi hanya menjadi perusahaan game dengan satu produk, tetapi sekarang menggambarkan dirinya sebagai platform dan game AI. Perubahan ini seharusnya menyebabkan penilaian ulang Token NRN, yang sebelumnya terbatas pada kesuksesan AI Arena. Dengan memperkenalkan sumber Token baru melalui ARC RL, bersama dengan permintaan eksternal untuk pembagian pendapatan perusahaan game melalui protokol dan biaya transaksi pelatih, menciptakan dasar yang lebih luas dan beragam untuk utilitas dan nilai NRN.
Kerjasama Sukses dengan Mitra Game Sangat Terkait
Model bisnis ARC mengaitkan kesuksesannya dengan perusahaan-perusahaan yang bekerjasamanya, karena aliran pendapatan didasarkan pada distribusi Token (di dalam permainan Web3) dan pembayaran royalti permainan. Permainan yang terintegrasi erat dengan ini layak untuk diperhatikan.
Jika game ARC sukses besar, maka nilai yang dihasilkan akan mengalir kembali ke tangan pemegang NRN. Sebaliknya, jika game kerjasama mengalami kesulitan, aliran nilai akan terbatas.
Mengharapkan integrasi lebih lanjut dengan game Web3
Platform ARC sangat cocok untuk permainan Web3, di mana permainan Web3 dengan mekanisme insentif dikombinasikan dengan ekonomi Token yang ada dengan sempurna.
Dengan mengintegrasikan ARC, game Web3 dapat langsung masuk ke 'AI agent' narasi. ARC RL mengumpulkan komunitas bersama-sama dan mendorong mereka menuju tujuan yang sama. Ini juga membuka peluang bagi mekanisme inovasi, seperti membuat aktivitas 'game-to-Airdrop' lebih menarik bagi pemain. Dengan menggabungkan AI dan Token insentif, ARC menambahkan kedalaman dan kegembiraan yang tidak dapat ditiru oleh game tradisional.
** AI gameplay memiliki kurva belajar **
AI gameplay memiliki kurva belajar yang curam, ini mungkin menimbulkan gesekan bagi pemain baru. Saya membutuhkan satu jam untuk memahami cara melatih pemain saya dengan benar di AI Arena.
Namun, pengalaman pemain ARC RL memiliki gesekan yang lebih sedikit karena saat pemain bermain game dan mengirimkan data, pelatihan AI diproses di backend. Masalah lain yang belum terselesaikan adalah bagaimana perasaan pemain ketika mereka tahu lawan mereka adalah AI. Apakah ini memengaruhi mereka? Apakah ini meningkatkan atau memperlemah pengalaman bermain game? Hanya waktu yang bisa memberi kita jawaban.
9、Masa Depan yang Cerah
AI akan membuka pengalaman revolusioner baru di dunia game.
Tim-tim seperti Parallel Colony dan Virtuals sedang mendorong perkembangan agen AI mandiri, sementara ARC mengembangkan pasar niche mereka melalui fokus pada kloning perilaku manusia - menyediakan cara inovatif untuk mengatasi tantangan Likuiditas pemain, tanpa mengandalkan tokenomik yang tidak berkelanjutan.
Perubahan dari permainan ke platform yang matang adalah loncatan besar bagi ARC. Ini tidak hanya membuka peluang yang lebih besar melalui kerjasama dengan perusahaan game, tetapi juga mengubah cara integrasi AI dan game.
Dengan potensi ekonomi token yang ditingkatkan dan efek jaringan yang kuat, jalan terang ARC tampaknya baru saja dimulai.
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Dengan investasi utama Paradigm, bagaimana ARC Agency yang dikembangkan oleh ArenaX Labs akan mengubah pengalaman game AI yang ada?
Penulis: Teng Yan, Chain of Thought
Terjemahan: Golden Finance xiaozou
Pada tahun 2021, saya masih menjadi pemain Axie Infinity dan mengoperasikan sebuah guild beasiswa kecil. Jika Anda belum mengalami era itu, biarkan saya memberi tahu Anda - benar-benar liar.
Axie Infinity ini membuat orang menyadari bahwa Mata Uang Kripto dan permainan dapat digabungkan. Pada dasarnya, ini adalah permainan strategi gaya Pokémon yang sederhana di mana pemain perlu membangun tim yang terdiri dari 3 Axie (prajurit yang sangat ganas), setiap Axie memiliki kemampuan unik. Anda dapat memimpin tim Anda sendiri untuk bertarung dengan tim lain, dan memperoleh Token SLP sebagai hadiah dengan berpartisipasi dalam permainan dan memenangkan pertarungan.
Namun yang benar-benar membuat non-pemain game bersemangat adalah potensi untuk menghasilkan uang melalui game. Puncak keberhasilan Axie terletak pada dua mekanisme:
Yang pertama adalah Breeding Axies. Dapatkan dua Axie, gunakan SLP Token untuk berkembang biak, dan voilà - sebuah Axie baru dengan kemampuan unik yang digabungkan dari dua Axie asli lahir. Sebagai hasilnya, Axies yang langka dan kuat ini (disebut oleh pemain game sebagai OP Axies) menjadi barang yang sangat diminati, dan pasar pemuliaan yang sibuk pun muncul.
Mekanisme kedua adalah program beasiswa. Pemain perusahaan dari berbagai belahan dunia mulai meminjamkan Axies kepada 'akademisi'. Pemain-pemain ini biasanya berasal dari negara-negara berkembang seperti Filipina atau Argentina, di mana mereka tidak mampu membayar biaya awal sekitar 1000 dolar AS untuk membeli 3 token Axie Non-fungible. Para akademisi bermain game setiap hari untuk menghasilkan Token, dan berbagi keuntungan dengan gilda beasiswa, di mana gilda biasanya mengambil bagian sebesar 30-50%.
Pada masa kejayaannya, terutama selama pandemi 2019, Axie memiliki dampak besar pada ekonomi lokal di negara-negara berkembang. Di Filipina (sekitar 40% dari pengguna Axie Infinity berada di sana), pendapatan banyak pemain jauh melebihi upah minimum. Guild juga mendapatkan keuntungan yang besar.
Ini menyelesaikan masalah kunci pengembang game: Likuiditas pemain. Dengan mendorong pemain untuk menghabiskan beberapa jam setiap hari bermain game dengan antusias, Axie memastikan setiap pemain memiliki lawan yang menunggu di sana, membuat pengalaman bermain lebih menarik.
Tapi ini membutuhkan biaya.
Untuk mengatasi masalah Likuiditas para pemain, Axie memberikan banyak Token untuk mendorong partisipasi pemain. Cerita dimulai dari sini. Karena SLP tidak memiliki batas atas, Token berkembang dengan cepat, harga big dump, dan ekosistem hancur. Token terdepresiasi, pemain akan pergi. Axie hampir dalam semalam berubah dari 'anak ajaib' menjadi sebuah kisah peringatan.
Namun jika ada cara untuk mengatasi masalah Likuiditas pemain tanpa perlu mengandalkan ekonomi Token yang tidak berkelanjutan, apa yang akan terjadi?
Ini adalah sesuatu yang telah ARC / AI Arena usaha diam-diam selama tiga tahun terakhir. Sekarang, hasilnya mulai tampak.
1. Likuiditas pemain adalah nadi kehidupan
Likuiditas pemain adalah nadi dari permainan multiplayer dan juga kunci kesuksesan jangka panjang.
Banyak Web3 dan game independen menghadapi masalah 'pemula dingin' - terlalu sedikit pemain, tidak dapat dipasangkan dengan cepat, atau membentuk komunitas yang makmur. Mereka tidak memiliki anggaran pemasaran atau kesadaran IP alami yang dimiliki oleh perusahaan game besar. Hal ini menyebabkan waktu tunggu yang panjang, tidak dapat dipasangkan, dan tingkat kehilangan yang tinggi.
Permainan-permainan ini biasanya akan perlahan-lahan menghilang dengan penderitaan.
Oleh karena itu, pengembang game harus memprioritaskan Likuiditas pemain sejak awal. Game membutuhkan berbagai aktivitas untuk menjaga kesenangan - catur membutuhkan dua pemain, sementara pertempuran skala besar membutuhkan ribuan pemain. Mekanisme pencocokan keterampilan lebih meningkatkan ambang batas, membutuhkan lebih banyak pemain untuk menjaga keadilan dan daya tarik permainan.
Untuk permainan Web3, risikonya lebih besar. Menurut laporan tahunan Delphi Digital tentang permainan, biaya perolehan pengguna permainan Web3 77% lebih tinggi daripada permainan ponsel tradisional, yang membuat tingkat retensi pemain menjadi sangat penting.
Basis pemain yang kuat dapat memastikan pencocokan yang adil, ekonomi game yang dinamis (lebih banyak jual beli barang) dan interaksi sosial yang lebih aktif, sehingga membuat game lebih menarik.
2, ARC - Pionir Game AI
ARC yang dikembangkan oleh ArenaX Labs sedang memimpin masa depan pengalaman game online AI. Singkatnya, mereka menggunakan AI untuk menyelesaikan masalah Likuiditas yang mengganggu para pemain game baru.
Masalah sebagian besar robot AI dalam game sekarang adalah mereka terlalu buruk. Begitu Anda menguasai triknya dalam beberapa jam, robot-robot ini akan menjadi sangat mudah dikalahkan. Mereka dirancang untuk membantu pemain baru, tetapi tidak dapat memberikan banyak tantangan atau daya tarik bagi pemain yang berpengalaman.
Bayangkan, keterampilan pemain AI bisa sebanding dengan pemain manusia terbaik. Bayangkan, bisa melawannya kapan saja, di mana saja, tanpa perlu menunggu pasangan. Bayangkan, melatih pemain AI Anda untuk meniru gaya bermain Anda, memiliki mereka, dan mendapatkan imbalan melalui penampilan mereka.
Ini adalah kemenangan bagi pemain dan perusahaan game.
Perusahaan game menggunakan robot AI mirip manusia untuk membuat game populer, meningkatkan Likuiditas pemain, meningkatkan pengalaman pengguna, dan meningkatkan tingkat retensi - ini adalah faktor kunci bagi pemain baru untuk bertahan di pasar yang kompetitif.
Pemain memperoleh cara baru untuk berpartisipasi dalam permainan, membangun rasa kepemilikan yang lebih kuat selama proses melatih AI dan bertarung melawannya.
Mari kita lihat bagaimana mereka melakukannya.
3. Produk dan Arsitektur
ArenaX Labs, perusahaan induk, sedang mengembangkan serangkaian produk untuk mengatasi masalah Likuiditas pemain.
（1）AI Arena: Permainan
AI Arena adalah game pertarungan yang mengingatkan pada Super Smash Bros dari Nintendo, di mana berbagai karakter kartun yang aneh bertarung di arena.
Namun di AI Arena, setiap karakter dikendalikan oleh AI - Anda berperan sebagai pelatih mereka, bukan prajurit. Tugas Anda adalah melatih prajurit AI Anda dengan strategi dan pengetahuan profesional Anda.
Melatih prajurit Anda seperti melatih siswa untuk persiapan pertempuran. Dalam mode latihan, Anda mengaktifkan pengumpulan data dan menciptakan adegan pertempuran untuk menyesuaikan gerakan mereka. Misalnya, jika prajurit Anda berada dekat dengan lawan, Anda dapat mengajari mereka untuk menggunakan perisai Anda untuk bertahan, lalu melakukan serangan combo. Bagaimana dengan pertempuran jarak jauh? Latih mereka untuk meluncurkan serangan jarak jauh.
Anda dapat mengendalikan pengumpulan data apa yang ingin Anda lakukan, memastikan hanya merekam gerakan terbaik untuk latihan. Dengan latihan, Anda dapat menyesuaikan parameter tambahan untuk mendapatkan keunggulan teknis yang lebih besar, atau hanya menggunakan pengaturan default yang ramah pengguna pemula. Setelah latihan selesai, pejuang AI Anda siap untuk bertarung.
Semua hal dimulai sulit - melatih model yang efektif membutuhkan waktu dan percobaan. Prajurit pertama saya beberapa kali jatuh dari platform, bukan karena lawan memukulnya. Tetapi setelah beberapa iterasi, saya berhasil membuat model yang berkinerja baik. Melihat latihan Anda mendapatkan imbalan adalah hal yang sangat memuaskan.
AI Arena memperkenalkan Kedalaman tambahan melalui prajurit Non-fungible token. Setiap karakter Non-fungible token memiliki tampilan dan atribut pertempuran yang unik, yang akan memengaruhi gameplay. Ini menambahkan lapisan strategi lain.
Saat ini, AI Arena berjalan di Arbitrum Mainnet, dan hanya orang-orang dengan token non-fungible AI Arena yang dapat mengaksesnya, sambil tetap menjaga eksklusivitas komunitas. Pemain dapat bergabung dengan guild, mengumpulkan token non-fungible juara dan NRN untuk pertempuran peringkat on-chain, dan mendapatkan hadiah. Ini dilakukan untuk menarik pemain setia dan mendorong kompetisi.
Pada akhirnya, AI Arena adalah platform pelatihan kecerdasan buatan ARC. Meskipun ini adalah titik masuk mereka ke dalam ekosistem, visi sejati jauh melampaui game ini sendiri.
（2）ARC: Infrastruktur
ARC adalah solusi infrastruktur AI yang dirancang khusus untuk desain game.
Tim ArenaX memulai semuanya dari awal, bahkan mengembangkan infrastruktur game mereka sendiri, karena solusi-solusi yang ada seperti Unity dan Unreal tidak dapat memenuhi visi mereka.
Selama lebih dari tiga tahun, mereka telah merancang tumpukan teknologi yang kuat yang mampu mengolah agregasi data, pelatihan model, dan pemeriksaan model untuk melakukan pembelajaran imitasi dan penguatan. Infrastruktur ini adalah tulang punggung AI Arena, tetapi potensinya jauh lebih besar.
Seiring dengan tim yang terus meningkatkan teknologi mereka, studio pihak ketiga mulai mencari ARC untuk mendapatkan lisensi atau label putih platform tersebut. Setelah menyadari kebutuhan ini, mereka memformalkan infrastruktur ARC menjadi produk B2B.
Saat ini, ARC bekerja sama langsung dengan perusahaan game untuk menyediakan pengalaman bermain game AI. Klaim nilainya adalah:
Likuiditas sebagai Layanan Pemain Permanen
ARC berfokus pada kloning perilaku manusia - melatih model AI khusus untuk meniru perilaku manusia. Ini berbeda dengan penggunaan utama AI dalam permainan hari ini, di mana menggunakan model generatif untuk membuat aset permainan dan menggunakan LLM untuk menggerakkan percakapan.
Dengan menggunakan SDK ARC, pengembang dapat membuat agen kecerdasan buatan yang mirip dengan manusia dan memperluas sesuai kebutuhan permainan. SDK menyederhanakan pekerjaan yang melelahkan. Perusahaan game dapat memperkenalkan kecerdasan buatan tanpa harus menangani pembelajaran mesin yang rumit.
Setelah terintegrasi, implementasi model AI hanya memerlukan satu baris kode, ARC bertanggung jawab atas infrastruktur, pemrosesan data, pelatihan, dan implementasi backend.
ARC menggunakan pendekatan kerjasama dengan perusahaan game untuk membantu mereka:
Bagaimana AI Bekerja?
ARC menggunakan empat jenis model untuk interaksi permainan:
Ada dua ruang interaksi terkait model AI ARC:
Ruang status mendefinisikan pemahaman agen terhadap permainan pada setiap saat tertentu. Bagi jaringan feedforward, ini adalah kombinasi fitur input (seperti kecepatan atau posisi pemain). Bagi agen tabel, ini adalah skenario diskrit yang mungkin dihadapi agen dalam permainan.
Deskripsi ruang gerak menggambarkan apa yang agen dapat lakukan dalam permainan, mulai dari input diskrit (seperti menekan tombol) hingga kontrol kontinu (seperti gerakan tuas). Ini akan dipetakan ke input permainan.
Ruang status menyediakan input untuk model kecerdasan buatan (AI) ARC, model AI memproses input dan menghasilkan output. Kemudian output-output ini diubah menjadi tindakan permainan melalui ruang tindakan.
ARC bekerja sama erat dengan pengembang game untuk mengidentifikasi fitur-fitur kunci dan mendesain ruang status secara memadai. Mereka juga menguji berbagai konfigurasi dan ukuran model untuk menyeimbangkan kecerdasan dan kecepatan, serta memastikan pengalaman bermain game yang lancar dan menarik.
Menurut tim tersebut, permintaan layanan Likuiditas pemain mereka sangat tinggi. Perusahaan-perusahaan ini membayar untuk meningkatkan likuiditas pemain, dan ARC akan menggunakan sebagian besar pendapatan ini untuk pembelian kembali Token NRN.
Membawa Cara Bermain AI ke Pemain: Platform Pelatih
ARC SDK masih memungkinkan perusahaan web3 untuk mengakses platform pelatih permainan mereka, memungkinkan pemain melatih dan mengirimkan agen.
Seperti AI Arena, pemain dapat mengatur simulasi, mendapatkan data permainan, dan melatih model AI kosong. Model-model ini akan berkembang seiring waktu, menyerap data permainan baru sambil mempertahankan pengetahuan sebelumnya, tanpa perlu memulai dari awal setiap kali ada pembaruan.
Ini membuka kemungkinan yang menggembirakan: para pemain dapat menjual agen AI pelatihan kustom mereka di pasar, menciptakan lapisan ekonomi baru di dalam game. Di AI Arena, pelatih yang mahir dalam teknologi dapat membentuk serikat, di mana mereka dapat menawarkan keterampilan pelatihan kepada perusahaan lain.
Bagi perusahaan yang sepenuhnya mengintegrasikan fungsi agen, konsep Parallel Play (Permainan Paralel) juga menjadi lebih hidup. Agen AI tersedia sepanjang hari, dapat berpartisipasi dalam beberapa pertandingan atau contoh permainan sekaligus. Ini mengatasi masalah Likuiditas pemain, dan menciptakan peluang baru untuk daya tarik dan pendapatan pengguna.
Namun ini belum semuanya...
（3）ARC RL：Dari satu lawan satu hingga banyak lawan satu
Jika AI Arena dan platform pelatihan ARC terasa seperti mode satu pemain (Anda dapat melatih model AI sendiri di sana), maka ARC RL mirip dengan mode multipemain.
Bayangkan: DAO game keseluruhan mengumpulkan data bermain mereka untuk melatih model AI bersama, yang dimiliki dan dimanfaatkan bersama oleh semua orang. 'Agent utama' ini mewakili kecerdasan kolektif dari semua pemain, mengubah persaingan e-sports melalui usaha kolektif dan kerjasama strategis.
ARC RL menggunakan pembelajaran penguatan (atau "RL") dan data gameplay manusia crowdsourced untuk melatih agen "super pintar" ini.
Prinsip kerja pembelajaran penguatan adalah agen yang memberi penghargaan pada tindakan optimal. Ini sangat efektif dalam permainan karena fitur penghargaan yang jelas dan obyektif, seperti kerusakan yang disebabkan, koin yang diperoleh, atau kemenangan.
Ini memiliki preseden:
AlphaGo DeepMind mengalahkan pemain catur profesional dalam pertandingan Go, dengan melalui latihan jutaan pertandingan yang dihasilkan sendiri, setiap iterasi memperbaiki strateginya.
Saya sebelumnya tidak menyadari hal ini, tetapi jauh sebelum penciptaan chatGPT, OpenAI sudah sangat dikenal di kalangan pemain game.
OpenAI Five menghancurkan pemain manusia papan atas menggunakan pembelajaran penguatan dalam Dota 2 dan mengalahkan juara dunia pada tahun 2019. Ia menguasai strategi canggih seperti kerja sama tim melalui akselerasi simulasi dan sumber daya komputasi yang besar.
OpenAI Five menjalankan ratusan ribu permainan setiap hari, setara dengan simulasi selama 250 tahun setiap hari, didukung oleh 256 GPU dan 128.000 CPU. Dengan melewati rendering grafis, ini secara signifikan mempercepat kecepatan pembelajaran.
Pada awalnya, AI tersebut menunjukkan perilaku yang tidak stabil, seperti berkeliaran tanpa tujuan, namun segera memperbaiki diri. Ia menguasai beberapa strategi dasar, seperti merayap di lorong kecil dan mencuri sumber daya, akhirnya berkembang menjadi operasi yang lebih kompleks, seperti penyerangan mendadak.
Konsep kunci dari pembelajaran penguatan adalah bahwa agen AI belajar bagaimana mencapai kesuksesan melalui pengalaman, bukan dengan diberi tahu secara langsung apa yang harus dilakukan.
ARC RL membedakan dirinya dengan menggunakan pembelajaran penguatan offline. Agen AI belajar bukan dari kesalahan mereka sendiri, tetapi dari pengalaman orang lain. Ini seperti siswa yang menonton video orang lain naik sepeda, mengamati keberhasilan dan kegagalan mereka, dan menggunakan pengetahuan ini untuk menghindari jatuh dan meningkatkan lebih cepat.
Metode ini memberikan manfaat tambahan: pelatihan dan kepemilikan model yang kolaboratif. Ini tidak hanya membuat agen AI yang kuat menjadi lebih umum, tetapi juga membuat motivasi pemain, gilda, dan pengembang menjadi lebih sejalan.
Dalam penciptaan agen permainan 'Super Cerdas', ada dua peran kunci:
Mensponsori, mengoordinasikan, dan membimbing tim pemain mereka, memastikan data pelatihan berkualitas tinggi agar agen AI mereka memiliki keunggulan kompetitif dalam pertandingan agen.
Hadiah didistribusikan berdasarkan kinerja Super Agensi dalam kompetisi. 70% hadiah dimiliki oleh pemain, 10% dimiliki oleh sponsor, dan sisanya 20% dimiliki oleh NRN Vault. Struktur ini memberikan insentif yang konsisten bagi semua peserta.
Kontribusi Data
Bagaimana Anda membuat pemain senang berkontribusi dengan data permainan mereka? Tidak mudah.
ARC membuat penyediaan data permainan menjadi lebih sederhana dan bermanfaat. Pemain tidak perlu pengetahuan khusus, hanya perlu bermain game. Setelah sesi selesai, mereka akan diminta untuk mengirimkan data untuk melatih agen tertentu. Dasbor melacak kontribusi mereka dan agen yang mereka dukung.
Algoritme atribusi ARC memastikan kualitas dengan mengevaluasi kontribusi dan memberi penghargaan pada data berkualitas tinggi dan berpengaruh.
Yang menarik adalah, bahkan jika Anda adalah pemain yang buruk (seperti saya), data Anda tetap berguna. Permainan yang buruk dapat membantu agen belajar apa yang tidak boleh dilakukan, sementara permainan yang ahli dalam teknik dapat mengajarkan strategi terbaik. Data yang tidak relevan akan disaring untuk menjaga kualitasnya.
Secara singkat, ARC RL dirancang sebagai produk pasar massal yang rendah gesekannya, dengan agen yang memiliki kemampuan melebihi manusia sebagai pusatnya.
4. Ukuran Pasar
Platform teknologi ARC adalah serbaguna, mendukung berbagai jenis permainan seperti game tembak-menembak, game pertarungan, kasino sosial, balap, permainan kartu perdagangan, dan RPG. Ini dirancang khusus untuk game yang memerlukan retensi pemain.
Produk ARC utamanya ditujukan untuk dua pasar:
ARC utamanya mengikuti pengembang dan perusahaan independen, bukan perusahaan besar yang sudah lama berdiri. Karena keterbatasan daya tarik merek dan sumber distribusi, perusahaan-perusahaan kecil ini biasanya sulit menarik pemain di awal.
AI ARC mengatasi masalah ini dengan menciptakan lingkungan permainan yang penuh dengan kehidupan dari awal, dan memastikan gameplay dinamis bahkan pada tahap awal permainan.
Ini mungkin mengejutkan banyak orang, tetapi industri permainan independen memang menjadi kekuatan utama dalam pasar permainan:
Salah satu pasar target lainnya adalah gim Web3. Kebanyakan gim Web3 dikembangkan oleh perusahaan-perusahaan baru dan mereka juga menghadapi berbagai tantangan unik, seperti masalah login Dompet, keraguan enkripsi, dan biaya perolehan pengguna yang tinggi. Gim-gim ini sering menghadapi isu likuiditas pemain, agen AI dapat mengisi kekosongan ini dan menjaga daya tarik gim.
Meskipun game Web3 baru-baru ini menghadapi kesulitan karena kurangnya pengalaman yang menarik, namun tanda-tanda pemulihan mulai terlihat.
Misalnya, salah satu permainan Web3 kelas AAA pertama, Off the Grid, baru-baru ini mencapai kesuksesan awal, dengan 9 juta Dompet melakukan 1 miliar transaksi hanya dalam bulan pertama. Ini membuka jalan bagi kesuksesan umum dalam industri ini, dan menciptakan peluang untuk mendukung kebangkitan ARC.
5、Tim ARC
Tim pendiri di balik ArenaX Labs memiliki pengetahuan profesional yang kaya dalam pembelajaran mesin dan manajemen investasi.
CEO dan CTO Brandon Da Silva sebelumnya memimpin penelitian pembelajaran mesin di sebuah perusahaan investasi Kanada, dengan fokus pada pembelajaran penguatan, pembelajaran kedalaman Bayesian, dan adaptasi model. Dia adalah pengembang pertama strategi perdagangan kuantitatif senilai 10 miliar dolar yang berpusat pada pengelolaan risiko berimbang dan portofolio multi-aset.
Chief Operating Officer Wei Xie mengelola portofolio investasi strategis Likuiditas senilai 7 miliar dolar AS di perusahaan yang sama, dan memimpin proyek investasi inovatifnya yang fokus pada bidang-bidang baru seperti AI, pembelajaran mesin, dan teknologi Web3.
ArenaX Labs mendapatkan pendanaan putaran biji-bijian senilai $5 juta pada tahun 2021, dipimpin oleh Paradigm dan didukung oleh Framework Ventures. Pada bulan Januari 2024, perusahaan ini mendapatkan pendanaan sebesar $6 juta yang dipimpin oleh SevenX Ventures, FunPlus / Xterio, dan Moore Strategic Ventures.
6、Tokenonomi NRN - reformasi kesehatan sekali
ARC/AI Arena memiliki sebuah Token - NRN. Mari kita pertama-tama mengecek situasinya sekarang.
Pemeriksaan sisi pasokan dan permintaan akan membuat kita lebih jelas mengenai arah kecenderungan.
(1) Sisi Penawaran
Jumlah pasokan total NRN adalah 1 miliar, dengan sekitar 409 juta (40,9%) beredar.
Saat artikel ini ditulis, harga Token ini adalah $0.72, yang berarti kapitalisasi pasar sebesar $29 juta dan valuasi setelah dilakukan dilusi penuh sebesar $71 juta.
NRN dirilis pada tanggal 24 Juni 2024, dengan persediaan sirkulasi sebesar 40,9%:
Sebagian besar pasokan beredar (30% dari 40,9%) terdiri dari hadiah ekosistem komunitas, yang dikelola oleh proyek untuk didistribusikan secara strategis sebagai hadiah staking, hadiah game, program naik ekosistem, dan program penggerak komunitas.
Jadwal pembukaan memberikan kepercayaan diri, tidak ada peristiwa penting dalam waktu dekat:
Saat ini, tekanan dumping diperkirakan masih cukup terkendali, terutama berasal dari imbalan ekosistem. Yang penting adalah kepercayaan bahwa tim memiliki kemampuan untuk secara strategis mendistribusikan dana ini untuk mendorong pertumbuhan protokol.
（2）sisi permintaan
NRN v1 - Ekonomi Pemain
Pada awalnya, NRN dirancang sebagai sumber daya strategis yang terkait dengan ekonomi permainan AI Arena.
Pemain akan bertaruh NRN pada pemain AI, jika mereka menang, mereka akan mendapatkan hadiah, jika kalah, sebagian taruhannya akan hilang. Ini menciptakan dinamika yang terkait langsung dengan kepentingan, mengubahnya menjadi olahraga kompetitif, dan memberikan insentif ekonomi bagi pemain yang terampil.
Penghargaan didistribusikan menggunakan sistem ELO untuk memastikan pembayaran seimbang berdasarkan keterampilan. Sumber pendapatan lainnya termasuk pembelian peralatan game, peningkatan pakaian, dan biaya masuk pertandingan.
Model Token awal sepenuhnya bergantung pada kesuksesan permainan dan terus ada pemain baru yang bersedia membeli NRN dan NFT untuk berpartisipasi dalam permainan.
Mari kita bicarakan mengapa kami begitu bersemangat...
NRN v2——玩家&平台经济
Tokenomik v2 yang ditingkatkan NRN memperluas utilitas Token dari AI Arena ke platform ARC yang lebih luas, memperkenalkan faktor dorongan permintaan baru yang kuat. Evolusi ini mengubah NRN dari Token game khusus menjadi Token platform. Menurut pendapat saya, ini adalah perubahan yang sangat positif.
Faktor pendorong tiga permintaan baru NRN termasuk:
Pendapatan dari integrasi ARC. Perusahaan game yang mengintegrasikan ARC akan menciptakan pendapatan untuk kas dengan biaya integrasi dan royalti berkelanjutan yang terkait dengan kinerja game. Dana kas dapat digunakan untuk mendorong pembelian kembali NRN, mengembangkan ekosistem, dan memberikan insentif kepada pemain di platform pelatihan.
Biaya pasar pelatih. NRN mendapatkan nilai dari biaya di pasar pelatih, dan pemain dapat melakukan perdagangan model AI dan data gameplay di pasar pelatih.
Partisipasi dalam stake ARC RL: Penyandang dana dan pemain harus stake NRN untuk bergabung dengan ARC RL. Seiring dengan bertambahnya jumlah pemain yang masuk ke ARC RL, permintaan terhadap NRN juga meningkat.
Terutama yang menarik adalah pendapatan perusahaan game. Ini menandai perubahan dari model B2C murni menjadi model campuran B2C dan B2B, menciptakan aliran modal eksternal yang berkelanjutan untuk ekonomi NRN. Dengan ARC memiliki pasar target yang lebih luas, aliran pendapatan ini akan melebihi pendapatan yang dapat dihasilkan oleh AI Arena itu sendiri.
Biaya pasar pelatih pelatihan memiliki prospek, tetapi tergantung pada apakah ekosistem dapat mencapai skala kritis - dengan cukup banyak permainan, pelatih, dan pemain untuk menjaga aktivitas perdagangan yang aktif. Ini adalah karir jangka panjang.
Dalam jangka pendek, stake ARC RL mungkin merupakan faktor pendorong permintaan yang paling langsung dan refleksif. Kolam hadiah awal yang cukup besar dan kegembiraan dari peluncuran produk baru mungkin memicu adopsi awal, mendorong harga Token dan menarik para peserta. Ini menciptakan siklus umpan balik Naik permintaan dan naik ekonomi. Namun, sebaliknya, jika ARC RL sulit mempertahankan daya tarik pengguna, permintaan mungkin segera menghilang.
Potensi efek jaringan sangat besar: lebih banyak permainan → lebih banyak pemain → lebih banyak permainan bergabung → lebih banyak pemain. Siklus positif ini dapat menempatkan NRN sebagai Token inti dalam ekosistem permainan Crypto AI.
7、ibu model AI permainan
Apa akhir dari ARC? Keunggulan ARC terletak pada kemampuannya untuk mempromosikan berbagai jenis permainan. Seiring berjalannya waktu, mereka dapat mengumpulkan basis data gameplay yang unik. Dengan integrasi ARC dengan lebih banyak permainan, data-data ini dapat terus dikembalikan ke dalam ekosistemnya sendiri, menciptakan siklus yang naik dan sempurna.
Setelah kumpulan data permainan lintang ini mencapai kualitas kritis, itu akan menjadi sumber daya yang sangat berharga. Bayangkan, menggunakan itu untuk melatih model Kecerdasan Buatan (AI) umum untuk pengembangan permainan - membuka kemungkinan baru untuk desain, pengujian, dan optimalisasi permainan skala besar.
Saat ini masih terlalu dini, tetapi dalam era kecerdasan buatan di mana data adalah minyak baru, potensinya tak terbatas.
8. Ide Kami
NRN Berubah Menjadi Permainan Platform - Token Dihargai Ulang
Dengan penerbitan ARC dan ARC RL, proyek ini tidak lagi hanya menjadi perusahaan game dengan satu produk, tetapi sekarang menggambarkan dirinya sebagai platform dan game AI. Perubahan ini seharusnya menyebabkan penilaian ulang Token NRN, yang sebelumnya terbatas pada kesuksesan AI Arena. Dengan memperkenalkan sumber Token baru melalui ARC RL, bersama dengan permintaan eksternal untuk pembagian pendapatan perusahaan game melalui protokol dan biaya transaksi pelatih, menciptakan dasar yang lebih luas dan beragam untuk utilitas dan nilai NRN.
Kerjasama Sukses dengan Mitra Game Sangat Terkait
Model bisnis ARC mengaitkan kesuksesannya dengan perusahaan-perusahaan yang bekerjasamanya, karena aliran pendapatan didasarkan pada distribusi Token (di dalam permainan Web3) dan pembayaran royalti permainan. Permainan yang terintegrasi erat dengan ini layak untuk diperhatikan.
Jika game ARC sukses besar, maka nilai yang dihasilkan akan mengalir kembali ke tangan pemegang NRN. Sebaliknya, jika game kerjasama mengalami kesulitan, aliran nilai akan terbatas.
Mengharapkan integrasi lebih lanjut dengan game Web3
Platform ARC sangat cocok untuk permainan Web3, di mana permainan Web3 dengan mekanisme insentif dikombinasikan dengan ekonomi Token yang ada dengan sempurna.
Dengan mengintegrasikan ARC, game Web3 dapat langsung masuk ke 'AI agent' narasi. ARC RL mengumpulkan komunitas bersama-sama dan mendorong mereka menuju tujuan yang sama. Ini juga membuka peluang bagi mekanisme inovasi, seperti membuat aktivitas 'game-to-Airdrop' lebih menarik bagi pemain. Dengan menggabungkan AI dan Token insentif, ARC menambahkan kedalaman dan kegembiraan yang tidak dapat ditiru oleh game tradisional.
** AI gameplay memiliki kurva belajar **
AI gameplay memiliki kurva belajar yang curam, ini mungkin menimbulkan gesekan bagi pemain baru. Saya membutuhkan satu jam untuk memahami cara melatih pemain saya dengan benar di AI Arena.
Namun, pengalaman pemain ARC RL memiliki gesekan yang lebih sedikit karena saat pemain bermain game dan mengirimkan data, pelatihan AI diproses di backend. Masalah lain yang belum terselesaikan adalah bagaimana perasaan pemain ketika mereka tahu lawan mereka adalah AI. Apakah ini memengaruhi mereka? Apakah ini meningkatkan atau memperlemah pengalaman bermain game? Hanya waktu yang bisa memberi kita jawaban.
9、Masa Depan yang Cerah
AI akan membuka pengalaman revolusioner baru di dunia game.
Tim-tim seperti Parallel Colony dan Virtuals sedang mendorong perkembangan agen AI mandiri, sementara ARC mengembangkan pasar niche mereka melalui fokus pada kloning perilaku manusia - menyediakan cara inovatif untuk mengatasi tantangan Likuiditas pemain, tanpa mengandalkan tokenomik yang tidak berkelanjutan.
Perubahan dari permainan ke platform yang matang adalah loncatan besar bagi ARC. Ini tidak hanya membuka peluang yang lebih besar melalui kerjasama dengan perusahaan game, tetapi juga mengubah cara integrasi AI dan game.
Dengan potensi ekonomi token yang ditingkatkan dan efek jaringan yang kuat, jalan terang ARC tampaknya baru saja dimulai.