早在 2021 年，我還是 Axie Infinity 玩家，並經營著一個小型獎學金公會。

如果你不在那個時代，讓我告訴你，那些時光真是瘋狂。

Axie Infinity是一款讓人們意識到加密貨幣和遊戲可以成為一件事情的遊戲。從本質上講，它是一款簡單的、類似寶可夢的回合制策略遊戲，在遊戲中你需要組建一支由三個Axies（可愛而兇猛的戰士）組成的隊伍，每個Axie都有獨特的能力。你可以帶著你的小隊與其他隊伍戰鬥，並通過參與和勝利獲得SLP代幣。

但真正讓非遊戲玩家興奮的是從玩遊戲中獲利的潛力。Axie具有兩個突出的機制，推動了其迅猛增長:

第一個是育種軸。拿兩個 Axies，使用 SLP 代幣繁殖它們，瞧——一個新的 Axie，具有其父母能力的獨特組合。稀有的、強大的 Axies（OP Axies，對於遊戲玩家來說）成為一種熱門商品，一個熙熙攘攘的育種市場出現了。

第二，獎學金計劃。來自世界各地的企業家玩家開始將 Axies 借給「學者」。這些玩家通常來自像菲律賓或阿根廷這樣的開發中國家，他們無法負擔擁有三個 Axie NFT 所需的 1,000 美元以上的前期成本。學者每天玩遊戲，賺取代幣，並與他們的公會分享利潤，而公會通常會提取 30-50% 的份額。

在巔峰時期，Axie 對發展中國家的當地經濟產生了重大影響，尤其是在 COVID-19 大流行期間。菲律賓的許多玩家，~40% 的 Axie Infinity 使用者群所在地，可以賺取明顯高於最低工資的收入。公會獲得了豐厚的利潤。

這些計劃解決了遊戲開發者面臨的一個關鍵問題：玩家流動性。通過激勵玩家每天積極遊玩數小時，Axie確保每一位玩家總是有對手在等待，從而使玩家體驗更加引人入勝。

但這裡有一個權衡。

為了解決玩家流動性問題，Axie贈送了大量代幣以激勵參與。而這就是事情開始失控的地方。由於SLP沒有上限，代幣通貨膨脹得像瘋了一樣，價格下跌，生態系統崩潰。當代幣失去價值時，玩家離開了。 Axie從賺錢遊戲的標誌性代表幾乎一夜之間變成了一個戒備故事。

但如果有一種方法可以解決玩家流動性問題，而不需要不可持續的代幣經濟模型呢？

這正是gateARC / AI ArenaGate在過去三年裡默默地進行了工作。現在，它開始見效果了。

(注意：Axie的團隊Sky Mavis已將遊戲發展成為一個不同的東西，並成為當今領先的Web3遊戲工作室)

玩家流動性 = 生命之源

你想讓你的遊戲看起來像這樣，而不是一個空房間。來源：@PimDEWitte

玩家流動性是多人遊戲的生命力量，也是長期成功的關鍵。

許多Web3和獨立遊戲都面臨“冷啟動”問題——玩家太少，無法進行快速配對或繁榮社區。他們沒有大型遊戲工作室具有的市場營銷預算或自然IP意識。這導致長時間等待，對手不匹配和高流失率。

這些遊戲通常最終都會以緩慢而痛苦的死亡告終。RIP。

因此，遊戲開發者必須從一開始就優先考慮玩家的流動性。遊戲需要不同程度的活動才能保持有趣 - 象棋需要兩個玩家，而大規模戰鬥需要數千人。基於技能的配對進一步提高了門檻，要求有更多的玩家群體才能保持遊戲的公平和吸引力。

對於Web3遊戲來說，風險更高。 根據Delphi Digital的年度遊戲回顧，Web3 遊戲的用戶獲取成本比傳統手機遊戲高出 77%，因此玩家留存至關重要。

強大的玩家基礎確保公平的匹配、充滿活力的遊戲經濟（更多物品的買賣）和更活躍的社交互動，使遊戲更加愉快。

ARC — 開創性的人工智慧驅動遊戲玩法

ARCArenaX Labs正在開創人工智慧驅動的在線遊戲體驗的未來。

簡而言之，他們使用人工智能來解決困擾著新遊戲的玩家流動性問題。

今天遊戲中大多數AI機器人的問題是它們太糟糕了。一旦你花了幾個小時學習遊戲的基本操作，這些機器人就變得可笑地容易打敗了。它們被設計來幫助新玩家，但對於有經驗的玩家來說，它們並不提供太多挑戰或樂趣。

想象一下，具有與頂級人類玩家技能相媲美的AI玩家。想象隨時隨地與他們對戰，而不需要等待配對。想象訓練您的AI玩家模仿您的遊戲風格，擁有它，並從其表現中獲得獎勵。

這對於玩家和工作室來說都是雙贏的。

遊戲工作室使用類似人類的 AI 機器人來填充他們的遊戲，增加玩家流動性，改善用戶體驗，並提高留存率——這是新遊戲在競爭激烈的市場中求生存的關鍵因素。

玩家們獲得了一種全新的參與遊戲的方式，通過與他們的人工智能進行訓練和競爭，建立了更強的所有權感。

让我们来看看他们是如何做到这一点的。

產品與架構

ArenaX實驗室是一家母公司，正在構建一套產品來解決玩家流動性問題。

1. 現有：AI競技場，一款人工智能格鬥遊戲
2. 新功能：ARC B2B，一個AI動力遊戲SDK，可以輕鬆整合到任何遊戲中
3. 新消息：ARC 強化學習 (RL)

#1. AI Arena：遊戲

人工智慧競技場是一款類似於任天堂Super Smash Bros的格鬥遊戲。它具有奇特的、卡通般的角色在競技場上激烈對戰的特點。

但在AI Arena中，每個角色都由AI控制 - 你不是扮演一名戰士，而是他們的教練。你的工作是利用你的策略和專業知識訓練你的AI戰士。

訓練你的戰士就像讓學生為戰鬥做準備。在訓練模式下，您可以打開數據收集並創建戰鬥場景以微調他們的動作。例如，如果你的戰士靠近他們的對手，你可以教他們用你的盾牌格擋，然後用拳擊連擊。在遠處？訓練他們發動遠端攻擊以縮小差距。

您控制收集的數據，確保僅記錄用於訓練的最佳動作。練習後，您可以調整超參數，如學習速率和批量大小，以獲得更專業的優勢，或者只需使用適合初學者的默認設置。訓練完成後，您的 AI 鬥士已準備好競爭。

起步並不容易-訓練一個有效的模型需要時間和實驗。我的第一個戰鬥者在沒有被對手擊中的情況下一再從平台上掉落。但經過幾次迭代，我成功地創建了一個能夠自立的模型。看到你的訓練取得成果令人感到謙卑，但深感滿足。

AI 競技場通過基於 NFT 的戰鬥機引入了額外的深度。每個 NFT 角色都有獨特的外觀特徵和戰鬥屬性——比如元素效果——影響遊戲玩法。這將添加另一個戰略層（更多詳細資訊在遊戲文件)

目前，AI Arena在Arbitrum主网上可用，只有擁有AI Arena NFT的人才能使用，使社區保持獨家性，同時遊戲玩法也在不斷完善。玩家可以加入公會，將冠軍NFT和NRN集結起來進行排名上鏈戰鬥，獲得獎勵和公會加成。這樣做是為了吸引有心玩家並推動競爭場景的發展。

最終，AI Arena 是 ARC 的人工智慧訓練技術的展示櫥窗。雖然它是他們生態系統的入口，但真正的願景遠不止於這一款遊戲。

這就帶我們來到...

#2.弧線：基礎設施

ARC 是一個專為遊戲設計的特定人工智慧基礎架構解決方案。

ArenaX 團隊從零開始，甚至開發了自己的遊戲基礎設施，因為現有的解決方案如 Unity 和 Unreal 無法滿足他們的願景範圍。

在三年的時間里，他們製作了一個強大的技術堆疊，能夠處理數據聚合、模型訓練和模型檢查，以進行模仿和強化學習。這種基礎設施是AI Arena的支柱，但其潛力要大得多。

隨著團隊不斷完善他們的技術，第三方工作室接洽 ARC，渴望許可或白牌該平台。他們意識到這種需求，將 ARC 的基礎設施正式化為一個 B2B 產品。

今天，ARC直接與遊戲工作室合作，提供由人工智慧驅動的遊戲體驗。價值主張是：

1. 永久玩家流動性服務
2. 將人工智能遊戲作為一種簡單的整合

以永久性玩家流動性作為服務

ARC專注於人類行為複製-訓練專門的AI模型來模仿人類行為。這與當今遊戲中AI的主要用途不同，後者使用生成模型來創建遊戲資產和LLM來提供對話能力。

借助 ARC SDK，開發人員可以創建類似人類的 AI 代理並對其進行擴展以滿足遊戲需求。SDK 簡化了繁重的工作。遊戲工作室可以在不處理機器學習的複雜性的情況下引入人工智慧。

在集成后，部署AI模型只需一行代码，ARC负责处理基础设施、数据处理、训练和后端部署。

ARC與遊戲工作室採取協作方式，幫助他們：

1. 捕獲原始遊戲數據並將其轉換為有意義的數據集，用於AI訓練。
2. 識別與遊戲機制相關的關鍵遊戲變數和決策點。
3. 將 AI 模型的輸出映射到遊戲內動作，確保平滑功能—例如，將 AI 的“向右出拳”輸出鏈接到特定的遊戲控制。

AI的運作方式

ARC 使用四種適用於遊戲互動的模型：

1. 前饋神經網絡：適用於具有速度或位置等數值特徵的連續環境。
2. 表格代理：非常適合具有有限、離散場景的遊戲。
3. 分層和卷積神經網絡正在開發中。

ARC的AI模型涉及兩個互動空間：

狀態空間定義了任何給定時刻代理人對遊戲的了解。對於前向網絡，這是輸入特徵（比如玩家的速度或位置）的組合。對於表格代理，它是代理可能在遊戲中遇到的離散情景。

行動空間描述了代理在遊戲中可以做的事情，從離散輸入（例如按鈕）到連續控制（例如搖桿移動）。這被映射到遊戲輸入。

狀態空間為 ARC 的 AI 模型提供輸入，該模型處理這些輸入並生成輸出。然後通過動作空間將這些輸出轉化為遊戲動作。

ARC與遊戲開發人員密切合作，以確定最關鍵的功能，並相應地設計狀態空間。他們還測試各種模型配置和大小，以平衡智能和速度，確保遊戲暢順且引人入勝。

根據團隊表示，Web3工作室對其玩家流動性服務的需求特別高。工作室支付費用以獲得更好的玩家流動性，而ARC將將其中相當大一部分收入重新投資於NRN代幣回購。

將 AI 遊戲玩法帶給玩家：培訓師平臺

ARC SDK 還使工作室能夠訪問其遊戲的培訓師平臺，允許玩家訓練和提交代理。

就像在AI競技場中一樣，玩家可以設置模擬、捕獲遊戲數據並訓練空白的AI模型。這些模型會隨著時間進化，保留先前的知識，同時納入新的遊戲數據，消除了每次更新都需要從頭開始的需求。

這打開了令人興奮的可能性：玩家可以在市場上出售他們訓練有素的自定義 AI 代理，從而創造了一個新的遊戲經濟層面。在 AI 競技場中，有經驗的訓練師組成公會，他們可以向其他工作室提供他們的訓練專長。

對於完全整合代理能力的工作室來說，平行遊戲的概念也得以實現。人工智能代理可以全天候參與多個比賽、錦標賽或遊戲實例，從而解決玩家流動性問題，並為參與和收入創造新機會。

但是...那還不是全部...

#3 ARC RL：從一對一到多對一

如果AI Arena和ARC Trainer平台感覺像單人模式-在這裡您可以訓練自己的AI模型-ARC RL則類似於多人模式。

想象一下：整個遊戲DAO聚集其遊戲數據，以訓練一個共同擁有並受益於的共享AI模型。這些“主代理”代表所有玩家的綜合智能，通過引入集體努力和戰略協作推動電子競技的競爭力。

ARC RL 使用強化學習（即“RL”）和眾包的人類遊戲數據來訓練這些“超智能”代理。

強化學習通過獎勵代理人的最佳行動來運作。它在遊戲中特別有效，因為獎勵函數清晰而客觀，比如造成的傷害、獲得的金幣或勝利。

這方面已經有先例：

AlphaGoDeepMind通過進行數百萬場自生成比賽，在圍棋中擊敗了職業人類棋手，並在每次反覆運算中完善其策略。

以前我沒有意識到，但在 chatGPT 誕生之前，OpenAI 在遊戲界早已聲名遠揚。

OpenAI Five在Dota 2中使用強化學習技術（RL），在2019年擊敗了世界冠軍，掌握了團隊合作和先進策略，通過加速模擬和大量計算資源。

OpenAI Five每天通過在256個GPU和128,000個CPU核心的強大設置上運行數百萬個遊戲（相當於每天模擬遊戲時間達到250年）來進行訓練。通過跳過圖形渲染，它極大地加速了學習過程。

最初，AI表现出不稳定的行为，比如漫无目的地漫游，但很快就有所改善。它掌握了像在车道中耕种小兵和窃取资源等基本策略，最终进展到像伏击和协调的推塔这样的复杂动作。

強化學習的關鍵思想是，人工智慧代理通過經驗學習如何成功，而不是直接被告知該做什麼。

ARC RL 通過使用離線強化學習來區分自己。代理不是從自己的試錯中學習，而是從他人的經驗中學習。這就像學生觀看他人騎自行車的視頻，觀察他們的成功和失敗，並利用這些知識來避免摔倒並更快地提高。

這種方法提供了一個額外的轉折的機會：合作訓練和模型的共同擁有。這不僅使得強大的人工智能代理變得民主化，而且也為遊戲玩家、公會和開發者提供了激勵。

構建「超級智慧」遊戲代理有兩個關鍵角色：

1. 贊助商：類似公會領袖，他們押注大量的 NRN 代幣來啟動和管理 RL 代理。贊助商可以是任何實體，但可能是遊戲公會、DAO、web3 社區，甚至是像 Luna 這樣的熱門鏈上人物代理。
2. Players：個人以較小的NRN代幣抵押，將其遊戲數據貢獻給訓練代理。

贊助商協調和指導他們的球員團隊，確保高質量的訓練數據，為他們的 AI 代理在基於代理的比賽中獲得競爭優勢。

獎勵是根據超級特工在比賽中的表現來分配的。70%的獎勵歸玩家所有，10%歸贊助商所有，其餘20%保存在NRN金庫中。這種結構使所有相關人員的激勵措施保持一致。

資料貢獻

如何讓玩家對貢獻他們的遊戲數據感到興奮？不容易。

ARC使貢獻遊戲數據變得簡單且有價值。玩家不需要專業知識，只需玩遊戲。在遊戲結束後（例如馬里奧賽車），他們會收到提示，提交數據以訓練特定的代理。儀表板會跟踪他們的貢獻和支持的代理。

ARC的歸因算法通過評估貢獻並獎勵高質量、有影響力的數據來確保質量。

有趣的是，即使你是一個糟糕的玩家（像我一樣），你的數據也會很有用。糟糕的遊戲玩法有助於代理學習不該做什麼，而熟練的遊戲玩法則教授最佳策略。冗餘數據（如重複農業）被過濾掉以保持品質。

簡而言之，ARC RL 設計成為一種低摩擦、大眾市場產品，以超越人類能力的代理人共同擁有為核心。

市場規模

ARC的技術平台多才多藝，設計用於多種類型的遊戲，如射擊遊戲、格鬥遊戲、社交賭場遊戲、賽車遊戲、交易卡牌遊戲和角色扮演遊戲。它是為需要讓玩家投入的遊戲量身定制的。

ARC的產品面向兩個自然市場：

ARC主要專注於獨立開發者和工作室，而不是大型、已建立的開發者。這些較小的工作室通常由於品牌和分發資源有限，很難在早期吸引玩家。

ARC的AI代理通過從一開始就創建一個充滿活力的遊戲內環境來解決這個問題，即使在遊戲的初始階段也能確保動態的遊戲玩法。

視訊遊戲洞察

對許多人來說，也許令人驚訝的是，獨立遊戲行業在遊戲市場中佔據著重要地位:

• 在 Steam 上發佈的遊戲中，99% 是獨立遊戲（源)
• 2024年，獨立遊戲在Steam平台上產生的總收入佔48%。

另一个目标市场是Web3游戏。大多数Web3游戏由新的工作室开发，他们也面临着独特的挑战，比如钱包入门、加密怀疑论和高客户获取成本。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，并保持游戏的吸引力。

雖然 Web3 遊戲最近由於缺乏引人入勝的體驗而苦苦掙扎，但復興的跡象正在出現。

例如，“Off the Grid”—第一個AAA Web3遊戲之一—早期達成了主流成功最近，已經創建了900萬個錢包並在首個月完成了1億筆交易。這為該行業的更廣泛成功鋪平了道路，為ARC支持這一復甦創造了機會。

ARC團隊

ArenaX Labs的創始團隊擁有豐富的機器學習和投資管理專業知識。

布蘭登·達席爾瓦，首席執行官兼首席技術官，曾在一家專門從事強化學習、貝葉斯深度學習和模型適應性的加拿大投資公司領導機器學習研究。他帶頭制定了10億美元的量化交易策略，該策略以風險平價和多資產投資組合管理為中心。

魏歇COO，在同一家公司管理了價值 70 億美元的流動策略投資組合，並主持其創新投資計劃，專注於人工智能、機器學習和 Web3 技術等新興領域。

ArenaX 實驗室在 2021 年籌集了 500 萬美元的種子輪融資，由 Paradigm 領投，框架風險投資公司參與。它提出了一個跟隨回合在2024年1月，由Framework、SevenX Ventures、FunPlus / Xterio和Moore Strategic Ventures帶頭，投資額達到600萬美元。

NRN 代幣經濟學 — 健康的改造

ARC/AI Arena擁有一個名為NRN的代幣，讓我們首先檢視一下我們今天的狀況。

研究供應方和需求方的動態將使我們更清楚地瞭解這可能走向何方。

供應方

NRN的總供應量為10億，其中約409M（40.9％）今天在流通中。

撰寫本文時，代幣價格為$0.072，意味著市值為$29M，全面稀釋估值為$71M。

NRN 於2024年6月24日推出，而40.9%的流通供應量來自

• 社區空投（總量的8%）
• 基金會庫（線性解鎖36個月，總共解鎖10.9％中的2.9％）
• 社區生態系統獎勵（30%）

大部分流通供應（佔 40.9% 中的 30%）由社區生態系統獎勵組成，該專案對其進行管理和戰略分配，用於質押激勵、遊戲內獎勵、生態系統增長計劃和社區驅動的計劃。

解鎖時間表令人放心，近期沒有重大事件:

• 下一個解鎖來自基金會的場外交易銷售 （1.1%），從 2024 年 12 月開始，並在 12 個月內線性解鎖。這隻會增加~0.09%的月度通貨膨脹率，不太可能引起重大關注。
• 投資者和貢獻者分配（佔總供應量的 50%）要到 2025 年 6 月才會開始解鎖，即便如此，它也將在 24 個月內線性釋放。

目前，預計拋售壓力仍將相當可控，主要來自生態系統的回報。關鍵是相信團隊有能力戰略性地部署這些資金來推動協議增長。

需求方

NRN v1 — 基於玩家的經濟體系

最初，NRN被設計為僅與AI Arena遊戲經濟體系聯繫在一起的戰略資源。

玩家在他們的AI玩家上下注，如果他們贏了，就能從獎池中獲得獎勵，如果他們輸了，則會失去一部分賭注。這創造了一種「參與遊戲」的動力，將其轉變為一項具有財務激勵的競技運動。

獎勵使用基於 ELO 的系統進行分配，確保基於技能的平衡支付。其他收入來源包括遊戲內物品購買、外觀升級和錦標賽入場費。

這種初始代幣模型完全依賴於遊戲的成功和不斷湧入願意購買NRN和NFT參與的新玩家。

這就帶我們來到為什麼我們這麼興奮的原因...

NRN v2 — 基於玩家和平台的經濟

NRN的重新設計的v2代幣經濟模型引入了強大的新需求驅動因素，通過將代幣的實用性擴展到更廣泛的ARC平台，使NRN從一個遊戲特定的代幣變成了平台代幣。在我看來，這是非常積極的。

NRN的三個新需求驅動因素包括：

1. 從ARC整合獲得的收益。將ARC整合到遊戲工作室將通過整合費和與遊戲表現相關的持續版稅為金庫帶來收益。金庫資金可以用於NRN回購，發展生態系統，並激勵Trainer平台上的玩家。
2. 培訓師市場費用。NRN 從培訓師市場中的費用中獲取價值，玩家可以在其中交易 AI 模型和遊戲數據。
3. 參與 ARC RL 的押注：贊助商和玩家都必須押注 NRN 來參與 ARC RL。隨著更多玩家加入 ARC RL，對 NRN 的需求相應增加。

特別令人興奮的是包括來自遊戲工作室的收入。這標誌著從純粹的B2C模式向混合B2C和B2B模式的轉變，創造了持續流入NRN經濟的外部資本。隨著ARC更廣泛的潛在市場，這一收入來源將超過AI Arena本身所能產生的收入。

Trainer Marketplace費用雖然有所承諾，但取決於生態系統達到臨界質量——足夠的遊戲、訓練師和玩家，以維持充滿活力的交易活動。這是一個長期的策略。

在短期內，ARC RL的质押可能是最直接和反射性的需求驅動因素。充足的初始獎勵池和新產品上市的興奮可能會引發早期采用，推高代幣價格並吸引參與者。這將創造出需求和增長的正反饋循環。然而，相反的情況也可能發生——如果ARC RL難以吸引用戶參與，需求可能就會迅速消退。

網絡效應的潛力是巨大的：更多的遊戲 → 更多的玩家 → 更多的遊戲加入 → 更多的玩家。這種良性循環可能使NRN成為加密AI遊戲生態系統中的核心代幣。

遊戲AI模型之母

終極目標是什麼？ ARC的強項在於其能夠跨遊戲類型進行概括。隨著時間的推移，這使得它們能夠聚合一個獨一無二的遊戲特定數據的儲備。隨著ARC與更多的遊戲整合，它可以不斷將這些數據反饋到其生態系統中，創造一個增長和完善的良性循環。

一旦這個跨部門的遊戲數據集達到臨界值，它將成為一個非常有價值的資源。想像一下利用它來訓練一個可推廣的人工智能模型，用於遊戲開發——為設計、測試和優化大規模遊戲開啟新的可能性。

這還是早期階段，但在人工智慧時代，數據是新石油，這裡的潛力是無限的。

我們的想法

1. NRN進化為平台遊戲-代幣重新定價

隨著 ARC 和 ARC RL 的推出，該項目不再只是一家單一遊戲工作室，而是正在將自己定位為一個平台和人工智能項目。這一轉變應該導致 NRN 代幣的重新定價，該代幣以前僅限於 AI Arena 的成功。通過 ARC RL 引入新的代幣池，再加上與遊戲工作室的分成協議和教練交易費用的外部需求，為 NRN 的實用性和價值創造了更廣泛和多元化的基礎。

1. 成功與合作夥伴遊戲工作室息息相關

ARC的商業模式將其成功與其整合的工作室緊密相連，收入流來源基於代幣分配（在Web3遊戲中）和來自遊戲的版稅支付。值得密切關注其整合的遊戲。

如果啟用ARC的遊戲取得巨大成功，將會使價值流回給NRN持有人。相反地，如果合作夥伴遊戲遇到困難，價值流動將受到限制。這種結構自然地對齊了ARC和遊戲工作室之間的激勵措施。

1. 期待與Web3遊戲更多整合

ARC平台是Web3遊戲的天然選擇，激勵競技玩法與現有的基於代幣的經濟體系完美契合。

通過整合ARC，Web3遊戲可以立即利用“AI代理”敘事。ARC RL將社區聚集在一起，激勵他們朝著共同目標邁進。它還為創新機制開辟了新機遇，比如使遊戲空投活動對玩家更具吸引力。通過將人工智能和代幣激勵相結合，ARC增加了傳統遊戲無法複製的深度和刺激。

1. AI 遊戲玩法有一定的學習曲線

AI遊戲玩法引入了一個陡峭的學習曲線，這可能會給新玩家帶來困難。我花了一個小時才弄清楚如何在AI競技場中正確訓練我的玩家。

但是，ARC RL 中的玩家體驗摩擦較小，因為當玩家玩遊戲並提交數據時，AI 訓練會在後端進行。另一個懸而未決的問題是，玩家在知道對手是人工智慧的情況下，與他人競爭會有什麼感受。這對他們有關係嗎？它會增強還是減損體驗？只有時間會證明一切。

光明的未來

AI設定將在遊戲世界中打開新的突破性體驗。

像Gate.io這樣的團隊平行殖民地並且虛擬正在突破自主人工智慧代理的界限，而ARC則通過專注於人類行為克隆來開闢自己的利基市場——提供了一種創新的方法來解決玩家流動性挑戰，而無需不可持續的代幣經濟學。

從一個遊戲轉變為一個完整的平台對於ARC來說是一個巨大的飛躍。這不僅為遊戲工作室帶來了更大的機會，也重新設想了人工智慧如何與遊戲整合。

憑藉其改進的代幣經濟模型和強大的網絡效應潛力，ARC似乎只是剛剛開始。

免責聲明：

1. 本文轉載自 [chainofthought]. 所有版權屬於原作者 [騰炎].如果對此轉載有異議，請聯繫Gate 學習團隊，他們會迅速處理。
2. 責任聲明：本文所表達的觀點和意見僅代表作者個人觀點，並不構成任何投資建議。
3. 文章的翻譯工作由 Gate Learn 團隊完成。除非另有說明，禁止複製、分發或抄襲翻譯的文章。