En 2021, yo era un jugador de Axie Infinity y dirigía una pequeña guild de becas.

Y si no estuviste presente en esos tiempos, déjame decirte que fueron absolutamente salvajes.

Axie Infinity fue el juego que hizo que la gente se diera cuenta de que la criptomoneda y los videojuegos realmente podían ser una cosa. En su esencia, era un juego de estrategia por turnos simple al estilo de Pokémon en el que debías armar un equipo de tres Axies (luchadores adorables y feroces), cada uno con habilidades únicas. Llevarías a tu equipo a luchar contra otros equipos y ganarías tokens SLP por participar y ganar.

Pero lo que realmente entusiasmó a los no jugadores fue el potencial de obtener ganancias al jugar. Axie tenía dos mecánicas destacadas que impulsaron su ascenso meteórico:

El primero fue Breeding Axies. Toma dos Axies, críalos usando tokens SLP y voilà, un nuevo Axie con una combinación única de las habilidades de sus padres. Los Axies raros y dominados (OP Axies, para los jugadores) se convirtieron en un producto de moda, y surgió un bullicioso mercado de cría.

En segundo lugar, programas de becas. Jugadores emprendedores de todo el mundo comenzaron a prestar Axies a 'becarios'. Estos eran jugadores, a menudo de países en desarrollo como Filipinas o Argentina, que no podían permitirse el costo inicial de más de $1,000 de poseer tres Axie NFTs necesarios para jugar. Los becarios jugarían diariamente, ganarían tokens y compartirían las ganancias con sus gremios, que normalmente se llevan un 30-50%.

En su apogeo, Axie tuvo un impacto significativo en la economía local de los países en desarrollo, especialmente durante la pandemia de COVID-19. Muchos jugadores en Filipinas, donde se ubicaba aproximadamente el 40% de la base de usuarios de Axie Infinity, podían ganar ingresos significativamente más altos que el salario mínimo. Las hermandades obtuvieron ganancias generosas.

Estos programas resolvieron un problema clave para los desarrolladores de juegos: la liquidez de los jugadores. Al incentivar a los jugadores a jugar activamente durante horas al día, Axie aseguró que cada jugador siempre tuviera un oponente esperando, lo que hace que la experiencia del jugador sea más atractiva.

Pero había una compensación.

Para resolver el problema de liquidez de los jugadores, Axie regaló una gran cantidad de tokens para incentivar la participación. Y aquí es donde las cosas se desmoronaron. Sin límite en SLP, el token se infló como loco, los precios cayeron y el ecosistema colapsó. Cuando el token perdió valor, los jugadores se fueron. Axie pasó de ser el ejemplo perfecto de jugar para ganar a una historia de advertencia casi de la noche a la mañana.

Pero ¿y si hubiera una forma de resolver el problema de liquidez del jugador sin una tokenomía insostenible?

Eso es exactamente lo que ARC / AI Arenaha estado trabajando en silencio durante los últimos tres años. Y ahora, comienza a dar frutos.

(Nota: El equipo detrás de Axie, Sky Mavis, ha evolucionado el juego hacia algo diferente y sigue siendo hoy un estudio líder de juegos en Web3)

La liquidez del jugador = Vida

Quieres que tu juego se vea así, no como una habitación vacía. Fuente: @PimDEWitte

La liquidez de los jugadores es la vida de los juegos multijugador y la clave del éxito a largo plazo.

Muchos juegos Web3 e independientes luchan con el problema del "inicio en frío" - demasiados pocos jugadores para emparejamientos rápidos o comunidades prósperas. No tienen los presupuestos de marketing o la conciencia natural de la PI que tienen los grandes estudios de videojuegos. Esto resulta en largos tiempos de espera, oponentes no coincidentes y alta rotación.

Estos juegos a menudo terminan en una muerte lenta y dolorosa. RIP.

Por lo tanto, los desarrolladores de juegos deben priorizar la liquidez de jugadores desde el principio. Los juegos requieren diferentes niveles de actividad para mantenerse divertidos: el ajedrez necesita dos jugadores, mientras que las batallas a gran escala necesitan miles. El emparejamiento basado en habilidades eleva aún más el listón, exigiendo una piscina de jugadores más grande para mantener los juegos justos y atractivos.

Para los juegos de Web3, las apuestas son más altas. Según Delphi Digital’srevisión anual de juegos, los costos de adquisición de usuarios para los juegos Web3 son un 77% más altos que los juegos móviles tradicionales, lo que hace que la retención de jugadores sea fundamental.

Una base de jugadores sólida garantiza un emparejamiento justo, economías de juego vibrantes (más compra y venta de artículos) e interacciones sociales más activas, lo que hace que los juegos sean más agradables.

ARC — Pionero AI-Driven Gameplay

ARC, por ArenaX Labs, está liderando el futuro impulsado por IA de las experiencias de juego en línea.

En pocas palabras, utilizan la inteligencia artificial para resolver el problema de liquidez del jugador que afecta a los juegos más nuevos.

El problema con la mayoría de los bots de IA en los juegos de hoy es que son terribles. Una vez que has pasado unas cuantas horas aprendiendo los conceptos básicos, estos bots se vuelven ridículamente fáciles de vencer. Están diseñados para ayudar a los nuevos jugadores pero no ofrecen mucho desafío o compromiso para los experimentados.

Imagina jugadores de IA con habilidades que rivalizan con las de los mejores jugadores humanos. Imagina jugar contra ellos en cualquier momento y en cualquier lugar, sin tener que esperar emparejamientos. Imagina entrenar a tu jugador de IA para que imite tu estilo de juego, ser su dueño y obtener recompensas por su rendimiento.

Esto es beneficioso para ambos jugadores y estudios.

Los estudios de juegos utilizan bots de IA similares a humanos para poblar sus juegos, aumentando la liquidez del jugador, mejorando las experiencias de usuario y aumentando la retención, factores clave para los nuevos títulos que intentan sobrevivir en un mercado competitivo.

Los jugadores obtienen una nueva forma de participar en el juego, construyendo un sentido más fuerte de propiedad a medida que entrenan y compiten con su IA.

Veamos cómo hacen esto.

Producto y Arquitectura

ArenaX Labs es la empresa matriz que está construyendo una suite de productos para abordar el problema de liquidez de los jugadores.

1. Existente: AI Arena, un juego de lucha de IA
2. Nuevo: ARC B2B, un SDK de juegos impulsado por IA que se puede integrar fácilmente en cualquier juego
3. Nuevo: ARC Reforzamiento de Aprendizaje (RL)

#1. AI Arena: The Game

AI Arenaes un juego de lucha estilo brawler reminiscente de Super Smash Bros. de Nintendo. Presenta personajes peculiares y caricaturescos que luchan en una arena.

Pero en AI Arena, cada personaje es controlado por IA, no juegas como un luchador sino como su entrenador. Tu trabajo es entrenar a tu luchador de IA utilizando tu estrategia y experiencia.

Entrenar a tu luchador es como preparar a un estudiante para la batalla. En modo de entrenamiento, activas la recopilación de datos y creas escenarios de combate para perfeccionar sus movimientos. Por ejemplo, si tu luchador está cerca de su oponente, podrías enseñarle a bloquear con tu escudo y seguir con un combo de golpes. ¿A distancia? Entrénalos para lanzar un ataque a distancia y cerrar la brecha.

Usted controla qué datos se recopilan, asegurándose de que solo se registren los mejores movimientos para el entrenamiento. Después de la práctica, puede refinar los hiperparámetros, como las tasas de aprendizaje y los tamaños de los lotes, para obtener una ventaja más técnica, o simplemente usar la configuración predeterminada para principiantes. Una vez que se completa el entrenamiento, tu luchador de IA está listo para competir.

Comenzar no es fácil, entrenar un modelo efectivo requiere tiempo y experimentación. Mi primer luchador se caía repetidamente de la plataforma sin ser golpeado por el oponente. Pero después de varias iteraciones, logré crear un modelo que podía defenderse. Es humillante pero profundamente satisfactorio ver que tu entrenamiento da resultados.

AI Arena introduce mayor profundidad a través de luchadores basados en NFT. Cada personaje de NFT tiene rasgos cosméticos y atributos de combate únicos, como efectos elementales, que influyen en el juego. Esto añade otra capa estratégica (más detalles en el Documentos del juego)

Actualmente, AI Arena está disponible en la mainnet de Arbitrum y solo es accesible para aquellos con AI Arena NFT, manteniendo la comunidad exclusiva mientras se perfecciona la jugabilidad. Los jugadores pueden unirse a los Gremios, agrupando campeones NFT y NRNs para batallas en cadena clasificadas con recompensas y multiplicadores de gremios. Esto se hace para atraer a jugadores dedicados y alimentar una escena competitiva.

En última instancia, AI Arena es una vitrina para la tecnología de entrenamiento de IA de ARC. Si bien es el punto de entrada a su ecosistema, la visión real se extiende mucho más allá de este único juego.

Lo que nos lleva a...

#2. ARC: La Infraestructura

ARC es una solución de infraestructura de IA especialmente diseñada específicamente para juegos.

El equipo de ArenaX comenzó desde cero, incluso desarrollando su propia infraestructura de juegos porque las soluciones existentes como Unity y Unreal no podían igualar el alcance de su visión.

Durante más de tres años, han creado una pila tecnológica robusta capaz de manejar la agregación de datos, el entrenamiento de modelos y la inspección de modelos para el aprendizaje por imitación y reforzado. Esta infraestructura es la columna vertebral de AI Arena, pero su potencial es mucho mayor.

A medida que el equipo perfeccionaba su tecnología, los estudios de terceros se acercaron a ARC, ansiosos por licenciar o etiquetar en blanco la plataforma. Reconociendo esta demanda, formalizaron la infraestructura de ARC como un producto B2B.

Hoy, ARC se asocia directamente con estudios de juegos para ofrecer experiencias de juego con inteligencia artificial. Las propuestas de valor son:

1. Liquidez permanente del jugador como servicio
2. Llevando la jugabilidad de la IA como una integración simple

Liquidez permanente de jugadores como servicio

ARC se centra en la clonación del comportamiento humano, entrenando modelos de IA especializados para imitar acciones humanas. Esto difiere del uso dominante de la IA en los juegos de hoy, que utiliza modelos generativos para crear activos de juego y LLM para alimentar el diálogo.

Con el SDK de ARC, los desarrolladores pueden crear agentes de IA similares a humanos y adaptarlos a las necesidades de su juego. El SDK simplifica la tarea ardua. Los estudios de juegos pueden incorporar IA sin lidiar con las complejidades del aprendizaje automático.

Después de la integración, implementar un modelo de IA solo requiere una línea de código, con ARC encargándose de la infraestructura, el procesamiento de datos, la formación y la implementación en el backend.

ARC adopta un enfoque colaborativo con los estudios de juegos, ayudándoles:

1. Capture datos brutos de juego y conviértelos en conjuntos de datos significativos para el entrenamiento de IA.
2. Identificar las variables clave de la jugabilidad y los puntos de decisión relacionados con la mecánica del juego.
3. Asigne los resultados del modelo de IA a las acciones del juego, lo que garantiza una funcionalidad fluida, por ejemplo, vinculando la salida de "puñetazo correcto" de una IA a un control de juego específico.

Cómo funciona la IA

ARC utiliza cuatro tipos de modelos adaptados a las interacciones de juego:

1. Redes Neuronales de Retroalimentación: Ideal para entornos continuos con características numéricas como velocidad o posición.
2. Agentes tabulares: Ideales para juegos con escenarios finitos y discretos.
3. Las redes neuronales jerárquicas y convolucionales están en desarrollo.

Hay dos espacios interactivos relacionados con el modelo de IA de ARC:

El espacio de estado define lo que el agente sabe sobre el juego en cualquier momento dado. Para las redes de avance, esto es una combinación de características de entrada (como la velocidad o posición de un jugador). Para los agentes tabulares, son escenarios discretos que el agente podría encontrar en el juego.

El espacio de acción describe lo que el agente puede hacer en el juego, desde entradas discretas (por ejemplo, presionar botones) hasta controles continuos (por ejemplo, movimientos del joystick). Esto se asigna a las entradas del juego.

El espacio de estado proporciona insumos al modelo de IA de ARC, que los procesa y genera resultados. Estos resultados se traducen luego en acciones de juego a través del espacio de acción.

ARC colabora estrechamente con los desarrolladores de juegos para identificar las características más críticas y diseñar el espacio de estado en consecuencia. También prueban varias configuraciones y tamaños de modelos para equilibrar la inteligencia y la velocidad, asegurando un juego suave y atractivo.

Según el equipo, la demanda de su servicio de liquidez de jugadores es particularmente alta entre los estudios de Web3. Los estudios pagan por acceder a una mejor liquidez de jugadores, y ARC reinvertirá una parte significativa de esos ingresos en recompras de tokens NRN.

Llevando la jugabilidad de IA a los jugadores: la plataforma Trainer

El ARC SDK también permite a los estudios acceder a una Plataforma de Entrenamiento para su juego, lo que permite a los jugadores entrenar y enviar agentes.

Al igual que en AI Arena, los jugadores pueden configurar simulaciones, capturar datos de juego y entrenar modelos de IA en blanco. Estos modelos evolucionan con el tiempo, conservando el conocimiento previo e incorporando nuevos datos de juego, lo que elimina la necesidad de comenzar desde cero con cada actualización.

Esto abre posibilidades emocionantes: los jugadores podrían vender sus agentes de IA entrenados a medida en un mercado, creando una nueva capa de economía en el juego. En AI Arena, los entrenadores expertos forman gremios y pueden ofrecer su experiencia de entrenamiento a otros estudios.

Para los estudios que integran por completo las capacidades de los agentes, también cobra vida el concepto de Juego Paralelo. Los agentes de IA, disponibles las 24 horas del día, los 7 días de la semana, pueden participar en múltiples partidas, torneos o instancias de juego simultáneamente. Esto resuelve los problemas de liquidez de los jugadores y abre nuevas oportunidades de participación y generación de ingresos.

Pero.... eso no es todo...

#3 ARC RL: From one-to-one to many-to-one

Si AI Arena y ARC Trainer Platform se sienten como modos para un solo jugador—donde entrenas tu modelo AI personal—ARC RL es similar al modo multijugador.

Imagínese esto: una DAO de juegos completa que agrupa sus datos de juego para entrenar un modelo de IA compartido del que todos son copropietarios y del que se benefician. Estos "agentes maestros" representan la inteligencia combinada de todos los jugadores, transformando los deportes electrónicos mediante la introducción de la competencia impulsada por el esfuerzo colectivo y la colaboración estratégica.

ARC RL utiliza el aprendizaje por refuerzo (eso es el “RL”) y los datos de juego humano recopilados en masa para entrenar a estos agentes “superinteligentes”.

El aprendizaje por refuerzo funciona recompensando a los agentes por acciones óptimas. Funciona especialmente bien en los juegos porque las funciones de recompensa son claras y objetivas, como el daño infligido, el oro ganado o las victorias.

Hay precedentes de esto:

AlphaGopor DeepMind derrotó a jugadores humanos profesionales en Go jugando millones de partidas generadas por sí mismo, refinando sus estrategias con cada iteración.

No me había dado cuenta antes, pero OpenAI ya era conocido en los círculos de los videojuegos mucho antes de que se creara chatGPT.

OpenAI Five usó RL para dominar a los mejores jugadores humanos en Dota 2, derrotando a los campeones mundiales en 2019. Dominó el trabajo en equipo y las estrategias avanzadas a través de simulaciones aceleradas y recursos computacionales masivos.

OpenAI Five entrenado ejecutando millones de juegos diariamente, equivalente a 250 años de juego simulado por día, en una potente configuración de 256 GPUs y 128,000 núcleos de CPU. Al omitir la renderización de gráficos, aceleró el aprendizaje drásticamente.

Inicialmente, la IA mostraba un comportamiento errático, como deambular sin rumbo, pero mejoró rápidamente. Dominó estrategias básicas como la agricultura de súbditos en los carriles y el robo de recursos, progresando eventualmente a maniobras complejas como emboscadas y empujes coordinados de torres.

La idea clave en RL es que el agente de IA aprende a tener éxito a través de la experiencia en lugar de que se le diga directamente qué hacer.

ARC RL se diferencia al utilizar el aprendizaje por refuerzo fuera de línea. En lugar de que el agente aprenda de su propio ensayo y error, aprende de las experiencias de los demás. Esto es como el estudiante que ve videos de otros montando en bicicleta, observando sus éxitos y fracasos, y utilizando ese conocimiento para evitar caerse y mejorar más rápido.

Este enfoque brinda la oportunidad de un giro adicional: la capacitación colaborativa y la copropiedad de modelos. Esto no solo democratiza el acceso a potentes agentes de IA, sino que también alinea los incentivos para los jugadores, gremios y desarrolladores.

Hay dos roles clave en la construcción de un agente de juego 'superinteligente':

1. Patrocinadores: Líderes tipo gremio que apuestan una cantidad significativa de tokens NRN para iniciar y gestionar el agente RL. Los patrocinadores pueden ser cualquier entidad, pero probablemente serán gremios de juegos, DAO, comunidades web3 e incluso agentes de personalidad populares en cadena como Luna.
2. Jugadores: Individuos que apuestan cantidades más pequeñas de tokens NRN para contribuir con sus datos de juego para entrenar al agente.

Los patrocinadores coordinan y guían a su equipo de jugadores, asegurando datos de entrenamiento de alta calidad que brindan a su agente de IA una ventaja competitiva en competiciones basadas en agentes.

Las recompensas se distribuyen en función del rendimiento de los superagentes en las competiciones. El 70% de las recompensas van a los jugadores, el 10% al Patrocinador, y el 20% restante se mantiene en el tesoro de NRN. Esta estructura alinea los incentivos para todos los involucrados.

Contribuciones de datos

¿Cómo logras que los jugadores se emocionen por contribuir sus datos de juego? No es fácil.

ARC hace que contribuir datos de juego sea simple y gratificante. Los jugadores no necesitan experiencia, solo juegan el juego. Después de una sesión (por ejemplo, Mario Kart), se les pide que envíen datos para entrenar a un agente específico. Un panel de control sigue sus contribuciones y agentes soportados.

El algoritmo de atribución de ARC garantiza la calidad mediante la evaluación de las contribuciones y la recompensa de los datos impactantes y de alta calidad.

Curiosamente, tus datos pueden ser útiles incluso si eres un jugador pésimo (como yo). Un mal juego ayuda a los agentes a aprender qué no hacer, mientras que un juego hábil enseña estrategias óptimas. Los datos redundantes, como la agricultura repetitiva, se filtran para mantener la calidad.

En resumen, ARC RL está diseñado como un producto de mercado masivo de baja fricción centrado en la copropiedad de agentes que superan las capacidades humanas.

Tamaño del mercado

La plataforma tecnológica de ARC es versátil y está diseñada para funcionar en varios géneros como shooters, juegos de lucha, casinos sociales, carreras, juegos de cartas coleccionables y RPGs. Está especialmente diseñada para juegos que necesitan mantener a los jugadores involucrados.

ARC tiene dos mercados naturales a los que apunta con sus productos:

ARC se enfoca principalmente en desarrolladores y estudios independientes en lugar de grandes empresas establecidas. Estos estudios más pequeños a menudo tienen dificultades para atraer a jugadores al principio debido a recursos limitados de marca y distribución.

Los agentes de inteligencia artificial de ARC resuelven este problema creando un entorno vibrante en el juego desde el principio, garantizando una jugabilidad dinámica incluso durante las etapas iniciales del juego.

Perspectivas de videojuegos

Puede resultar sorprendente para muchos, pero el sector de los videojuegos independientes es una fuerza importante en el mercado de los videojuegos:

• El 99% de los juegos lanzados en Steam son títulos independientes (Fuente)
• Los juegos independientes generaron el 48% de los ingresos totales en Steam en 2024.

Otro mercado objetivo es el de los juegos Web3. La mayoría de los juegos Web3 son desarrollados por nuevos estudios, que también se enfrentan a retos únicos como la incorporación de carteras, el escepticismo sobre las criptomonedas y los altos costes de adquisición de clientes. Estos juegos a menudo sufren problemas de liquidez de los jugadores, donde los agentes impulsados por IA podrían llenar los vacíos en los partidos y mantener el juego atractivo.

Mientras que los juegos de Web3 han tenido problemas recientemente debido a la falta de experiencias convincentes, están surgiendo señales de reavivamiento.

Por ejemplo, “Off the Grid”—uno de los primeros juegos AAA Web3—logró tempranoéxito mainstream recientemente, con 9 millones de billeteras creadas y 100 millones de transacciones en su primer mes. Esto allana el camino para un éxito más amplio en el sector, creando oportunidades para que ARC apoye este resurgimiento.

El equipo de ARC

El equipo fundador detrás de ArenaX Labs tiene una gran riqueza de experiencia en aprendizaje automático y gestión de inversiones.

Brandon Da SilvaEl CEO y CTO, anteriormente lideró la investigación de ML en una empresa de inversión canadiense especializada en aprendizaje por refuerzo, aprendizaje profundo bayesiano y adaptabilidad de modelos. Fue el impulsor del desarrollo de una estrategia de trading cuantitativo de $1 billón centrada en la paridad de riesgo y la gestión de carteras de múltiples activos.

Wei Xie, COO, gestionó una cartera de estrategias líquidas de $7 mil millones en la misma empresa y presidió su programa de inversiones en innovación, centrándose en campos emergentes como la inteligencia artificial, el aprendizaje automático y las tecnologías Web3.

ArenaX labs recaudó una ronda de financiación de $5M en 2021 liderada por Paradigm y con la participación de Framework Ventures. Levantó unaronda de seguimiento de 6 millones de dólares en enero de 2024, liderados por Framework con la participación de SevenX Ventures, FunPlus/Xterio y Moore Strategic Ventures.

Economía de tokens NRN - Un saneamiento saludable

ARC/AI Arena tiene un token en vivo, NRN. Primero hagamos un balance de dónde estamos hoy.

Examinar la dinámica de la oferta y la demanda nos dará una imagen más clara de hacia dónde podría dirigirse esto.

Oferta

El suministro total de NRN es de 1B, de los cuales ~409M (40.9%) están en circulación hoy en día.

En el momento de escribir, el precio del token es de $0.072, lo que implica una capitalización de mercado de $29M y una valoración total diluida de $71M.

NRN se lanzó el 24 de junio de 2024 y el 40.9% del suministro en circulación proviene de

• Airdrop comunitario (8% del total)
• Tesorería de la Fundación (2,9% desbloqueado de un total del 10,9%, desbloqueo lineal de 36 meses)
• Recompensas del ecosistema comunitario (30%)

La mayor parte de la oferta circulante (el 30% de los 40.9%) consiste en recompensas del ecosistema comunitario, que el proyecto gestiona y asigna estratégicamente para incentivos de staking, recompensas en el juego, iniciativas de crecimiento del ecosistema y programas impulsados por la comunidad.

El cronograma de desbloqueo es tranquilizador, sin eventos importantes a corto plazo:

• El próximo desbloqueo es de la venta OTC de la fundación (1,1%), a partir de diciembre de 2024 y desbloqueo lineal durante 12 meses. Esto agrega solo ~ 0.09% a la inflación mensual y es poco probable que cause una preocupación significativa.
• Las asignaciones de inversores y contribuyentes (el 50% del suministro total) no comenzarán a desbloquearse hasta junio de 2025, y aún así, se liberarán de forma lineal durante 24 meses.

Por ahora, se espera que la presión de venta siga siendo bastante manejable, principalmente proveniente de las recompensas del ecosistema. La clave será la confianza en la capacidad del equipo para desplegar estos fondos estratégicamente para impulsar el crecimiento del protocolo.

Demanda Lateral

NRN v1 — Economía basada en jugadores

Inicialmente, NRN fue diseñado como un recurso estratégico vinculado exclusivamente a la economía del juego de AI Arena.

Los jugadores apuestan NRN en sus jugadores de IA, ganando recompensas de un grupo si ganan y perdiendo parte de su apuesta si pierden. Esto crea una dinámica de "piel en el juego", convirtiéndolo en un deporte competitivo con incentivos financieros para jugadores habilidosos.

Las recompensas se distribuyen utilizando un sistema basado en ELO, asegurando pagos equilibrados basados en la habilidad. Otras fuentes de ingresos incluyen compras de objetos dentro del juego, mejoras cosméticas y tarifas de entrada a torneos.

Este modelo de token inicial depende por completo del éxito del juego y de un flujo constante de nuevos jugadores dispuestos a comprar NRN y NFT para participar.

Lo que nos lleva a por qué estamos tan emocionados...

NRN v2 - Economía basada en jugadores y plataformas

La nueva economía tokenómica v2 de NRN introduce nuevos impulsores de demanda al expandir la utilidad del token más allá de AI Arena hacia la plataforma ARC en general. Esta evolución convierte a NRN de un token específico del juego en un token de plataforma. En mi opinión, esto es extremadamente positivo.

Los 3 nuevos impulsores de la demanda para NRN incluyen:

1. Ingresos por integraciones de ARC. Los estudios de juegos que integren ARC generarán ingresos para la tesorería a través de tarifas de integración y regalías continuas vinculadas al rendimiento del juego. Los fondos de tesorería pueden impulsar las recompras de NRN, hacer crecer el ecosistema e incentivar a los jugadores en la plataforma Trainer.
2. Tarifas del Mercado de Entrenadores. NRN captura valor de las tarifas en el Mercado de Entrenadores, donde los jugadores pueden comerciar modelos de IA y datos de juego.
3. Participación en ARC RL mediante apuesta: tanto los patrocinadores como los jugadores deben apostar NRN para unirse a ARC RL. A medida que más jugadores se sumergen en ARC RL, la demanda de NRN también aumenta.

Lo que es especialmente emocionante es la inclusión de ingresos de estudios de juegos. Esto marca un cambio de un modelo puramente B2C a un modelo híbrido B2C y B2B, creando flujos de capital externos consistentes hacia la economía NRN. Con un mercado direccionable más amplio de ARC, este flujo de ingresos eclipsará lo que AI Arena solo puede generar.

Las tarifas del Mercado de Entrenadores, aunque prometedoras, dependen de que el ecosistema alcance una masa crítica, suficientes juegos, entrenadores y jugadores para mantener una actividad comercial vibrante. Es una estrategia a largo plazo.

A corto plazo, la participación en ARC RL es probablemente el impulsor de demanda más inmediato y reflexivo. Un fondo de recompensas iniciales bien financiado y la emoción de un nuevo lanzamiento de producto podrían generar una adopción temprana, aumentando los precios de los tokens y atrayendo a los participantes. Esto crea un ciclo de retroalimentación de aumento de la demanda y crecimiento. Sin embargo, también es posible lo contrario: si ARC RL tiene dificultades para mantener a los usuarios comprometidos, la demanda podría desaparecer tan rápidamente como surgió.

El potencial de los efectos de red es enorme: más juegos → más jugadores → más juegos se unen → aún más jugadores. Este ciclo virtuoso podría posicionar a NRN como un token central en el ecosistema de juegos Crypto AI de Gate.io.

La Madre de los Modelos de IA de Juegos

¿Cuál es el final del juego? La fuerza de ARC radica en su capacidad para generalizar entre géneros de juegos. Con el tiempo, esto les permite agregar una reserva única de datos específicos del juego. A medida que ARC se integra con más juegos, puede retroalimentar continuamente estos datos en su ecosistema, creando un círculo virtuoso de crecimiento y refinamiento.

Una vez que este conjunto de datos de juegos transversales alcance una masa crítica, se convertirá en un recurso inmensamente valioso. Imagina aprovecharlo para entrenar un modelo de IA generalizable para el desarrollo de juegos, desbloqueando nuevas posibilidades para diseñar, probar y optimizar juegos a gran escala.

Todavía es pronto, pero en la era de la IA, donde los datos son el nuevo petróleo, el potencial aquí es ilimitado.

Nuestros pensamientos

1. NRN se convierte en una plataforma de juego - Reprecio de tokens

Con el lanzamiento de ARC y ARC RL, el proyecto ya no es solo un estudio de juegos de un solo título, ahora se posiciona como una plataforma y un juego de IA. Este cambio debería llevar a una revalorización del token NRN, que anteriormente estaba limitado al éxito de AI Arena. La introducción de nuevos sumideros de tokens a través de ARC RL, combinado con la demanda externa de acuerdos de participación en los ingresos con estudios de juegos y tarifas de transacción de entrenadores, crea una base más amplia y diversificada para la utilidad y el valor de NRN.

1. El éxito está estrechamente ligado a los estudios de juegos asociados

El modelo de negocio de ARC vincula su éxito a los estudios con los que se integra, ya que los flujos de ingresos se basan en asignaciones de tokens (en juegos Web3) y pagos basados en regalías de los juegos. Vale la pena observar de cerca los juegos con los que se integra.

Si los juegos habilitados para ARC logran un gran éxito, el valor resultante fluirá de vuelta a los titulares de NRN. Por el contrario, si los juegos asociados tienen dificultades, los flujos de valor serán limitados. Esta estructura alinea naturalmente los incentivos entre ARC y los estudios de juegos.

1. Esperando más integraciones con juegos Web3

La plataforma ARC es perfecta para los juegos de Web3, donde la jugabilidad competitiva incentivada se alinea perfectamente con las economías existentes basadas en tokens.

Al integrar ARC, los juegos Web3 pueden aprovechar de inmediato la narrativa de "AI Agent". ARC RL reúne a las comunidades y las motiva hacia metas compartidas. También abre nuevas oportunidades para mecánicas innovadoras, como hacer que las campañas de juego airdrop sean más atractivas para los jugadores. Al fusionar la IA y los incentivos de tokens, ARC agrega capas de profundidad y emoción que los juegos tradicionales no pueden replicar.

1. El juego de IA tiene una curva de aprendizaje

El juego de IA introduce una curva de aprendizaje empinada, lo que puede crear fricciones para los nuevos jugadores. Tardé una hora en descubrir cómo entrenar correctamente a mi jugador en AI Arena.

Sin embargo, la experiencia del jugador en ARC RL es de menor fricción, ya que el entrenamiento de IA se encarga en el backend mientras los jugadores juegan y envían sus datos. Otra pregunta abierta es cómo se sentirán los jugadores al competir contra otros, sabiendo que su oponente es una IA. ¿Les importará? ¿Mejorará o restará a la experiencia? Solo el tiempo lo dirá.

Un Futuro Brillante

La IA está lista para desbloquear nuevas experiencias revolucionarias en el mundo de los videojuegos.

Equipos como Colonia Paralela y Virtuales están superando los límites con agentes autónomos de IA, mientras que ARC se hace un hueco centrándose en la clonación del comportamiento humano, ofreciendo un enfoque innovador para resolver los problemas de liquidez de los jugadores sin una tokenómica insostenible.

El cambio de un juego a una plataforma completa es un gran salto para ARC. Esto no solo abre mayores oportunidades con estudios de juegos, sino que también reimagina cómo se integra la IA con los juegos.

Con su tokenómica renovada y el potencial de poderosos efectos de red, ARC parece estar recién comenzando.

Descargo de responsabilidad:

1. Este artículo es reimpreso de [gatecadena de pensamiento]. Todos los derechos de autor pertenecen al autor original [Teng Yan]. Si hay objeciones a esta reimpresión, póngase en contacto con el Gate Learnequipo, y ellos lo manejarán rápidamente.
2. Descargo de responsabilidad de responsabilidad: Las opiniones expresadas en este artículo son únicamente las del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de aprendizaje de Gate. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.