Kembali pada tahun 2021, saya adalah pemain Axie Infinity dan menjalankan gilda beasiswa kecil.

Dan jika kamu tidak ada di masa itu, biar aku ceritakan padamu — mereka benar-benar liar.

Axie Infinity adalah permainan yang membuat orang menyadari bahwa kripto dan gaming sebenarnya bisa menjadi sesuatu. Pada intinya, ini adalah permainan strategi berbasis giliran sederhana gaya Pokémon di mana Anda akan menyusun tim dari tiga Axies (petarung yang menggemaskan namun ganas), masing-masing dengan kemampuan unik. Anda akan membawa tim Anda, melawan tim lain, dan mendapatkan token SLP sebagai imbalan atas partisipasi dan kemenangan.

Tetapi yang membuat non-gamer benar-benar excited adalah potensi untuk mendapatkan keuntungan dari bermain. Axie memiliki dua mekanik unggulan yang mendorong kenaikannya dengan cepat:

Yang pertama adalah Breeding Axies. Ambil dua Axies, kembangbiakkan mereka menggunakan token SLP, dan voila—Axie baru dengan perpaduan unik dari kemampuan orang tuanya. Axies yang langka dan overpowered (OP Axies, untuk para gamer) menjadi komoditas panas, dan pasar pengembangbiakan yang ramai muncul.

Kedua, program beasiswa. Pemain-pemain berjiwa wirausaha dari seluruh dunia mulai meminjamkan Axie kepada "scholar". Mereka adalah pemain-pemain, seringkali berasal dari negara-negara berkembang seperti Filipina atau Argentina, yang tidak mampu membayar biaya awal sebesar $1.000+ untuk memiliki tiga Axie NFT yang diperlukan untuk bermain. Scholar akan bermain setiap hari, menghasilkan token, dan membagi keuntungan dengan guild mereka, yang biasanya mengambil potongan 30–50%.

Pada puncaknya, Axie memberikan dampak signifikan terhadap perekonomian lokal negara-negara berkembang, terutama selama pandemi COVID-19. Banyak pemain di Filipina, tempat ~40% basis pengguna Axie Infinity berada, dapat memperoleh pendapatan yang jauh lebih tinggi daripada upah minimum. Guild mendapat untung besar.

Program-program ini memecahkan masalah utama bagi pengembang game: likuiditas pemain. Dengan memberikan insentif kepada pemain untuk bermain aktif selama berjam-jam setiap hari, Axie memastikan setiap pemain selalu memiliki lawan yang menunggu, membuat pengalaman bermain lebih menarik.

Tapi ada kompromi.

Untuk mengatasi masalah likuiditas pemain, Axie memberikan sejumlah besar token sebagai insentif untuk berpartisipasi. Dan di sinilah masalahnya mulai muncul. Tanpa batas pada SLP, token mengalami inflasi yang luar biasa, harga anjlok, dan ekosistem runtuh. Ketika nilai token turun, para pemain pergi. Axie berubah dari anak poster play-to-earn menjadi cerita yang perlu diwaspadai hampir dalam semalam.

Tapi bagaimana jika ada cara untuk mengatasi masalah likuiditas pemain tanpa tokenomika yang tidak dapat dipertahankan?

Itulah yang tepat.ARC / AI Arenatelah bekerja dengan diam-diam selama tiga tahun terakhir. Dan sekarang, mulai membuahkan hasil.

(Catatan: Tim di balik Axie, Sky Mavis, sejak itu telah mengembangkan permainan menjadi sesuatu yang berbeda dan tetap menjadi studio game Web3 terkemuka hingga saat ini)

Likuiditas Pemain = Darah Kehidupan

Anda ingin permainan Anda terlihat seperti ini, bukan sebuah ruangan kosong. Sumber: @PimDEWitte

Likuiditas pemain adalah darah kehidupan dari permainan multipemain dan kunci kesuksesan jangka panjang.

Banyak game Web3 dan indie mengalami masalah "cold start" - terlalu sedikit pemain untuk pencocokan cepat atau komunitas yang berkembang. Mereka tidak memiliki anggaran pemasaran atau kesadaran IP alami yang dimiliki studio game besar. Hal ini mengakibatkan waktu tunggu yang lama, lawan yang tidak cocok, dan tingkat putaran yang tinggi.

Permainan-permainan ini sering berakhir dalam kematian yang lambat dan menyakitkan. RIP.

Oleh karena itu, pengembang game harus memprioritaskan likuiditas pemain sejak awal. Game membutuhkan tingkat aktivitas yang bervariasi agar tetap menyenangkan—catur membutuhkan dua pemain, sedangkan pertempuran skala besar membutuhkan ribuan pemain. Skill-based matchmaking juga meningkatkan standar yang lebih tinggi, membutuhkan basis pemain yang lebih besar untuk menjaga keadilan dan keterlibatan dalam permainan.

Untuk permainan Web3, taruhannya lebih tinggi. Menurut Delphi Digital’sulasan permainan tahunan, biaya perolehan pengguna untuk permainan Web3 adalah 77% lebih tinggi daripada permainan seluler tradisional, sehingga retensi pemain menjadi sangat penting.

Basis pemain yang kuat menjamin pencocokan yang adil, ekonomi dalam game yang bersemangat (lebih banyak pembelian dan penjualan item), dan interaksi sosial yang lebih aktif, yang membuat permainan lebih menyenangkan.

ARC — Permainan AI-Driven yang Membuka Jalan

ARC, oleh ArenaX Labs, sedang memimpin masa depan berbasis kecerdasan buatan untuk pengalaman bermain game online.

Singkatnya, mereka menggunakan kecerdasan buatan untuk menyelesaikan masalah likuiditas pemain yang melanda game-game baru.

Masalah dengan sebagian besar bot AI dalam permainan hari ini adalah bahwa mereka mengerikan. Begitu Anda menghabiskan beberapa jam belajar dasar-dasarnya, bot-bot ini menjadi sangat mudah untuk dikalahkan. Mereka dirancang untuk membantu pemain baru tetapi tidak memberikan tantangan atau keterlibatan yang banyak bagi yang berpengalaman.

Bayangkan pemain AI dengan keterampilan yang sebanding dengan pemain manusia terbaik. Bayangkan bermain melawan mereka kapan saja, di mana saja, tanpa harus menunggu pencocokan. Bayangkan melatih pemain AI Anda untuk meniru gaya permainan Anda sendiri, menguasainya, dan mendapatkan hadiah dari performanya.

Ini adalah kemenangan bagi kedua pemain dan studio.

Studio game menggunakan bot AI yang mirip manusia untuk mengisi permainan mereka, meningkatkan likuiditas pemain, meningkatkan pengalaman pengguna, dan meningkatkan retensi - faktor kunci bagi judul baru yang mencoba bertahan di pasar yang kompetitif.

Pemain mendapatkan cara baru untuk berpartisipasi dalam permainan, membangun rasa kepemilikan yang lebih kuat saat mereka berlatih dan bersaing dengan AI mereka.

Mari kita lihat bagaimana mereka melakukannya.

Produk & Arsitektur

ArenaX Labs adalah perusahaan induk yang membangun rangkaian produk untuk mengatasi masalah likuiditas pemain.

1. Ada: AI Arena, sebuah game pertarungan AI
2. Baru: ARC B2B, sebuah SDK game berbasis AI yang dapat dengan mudah diintegrasikan ke dalam game apa pun
3. Baru: Penguatan Pembelajaran Perkuatan (RL) ARC

#1. AI Arena: The Game

AI Arenaadalah permainan pertarungan gaya brawler yang mengingatkan pada Super Smash Bros milik Nintendo. Ini menampilkan karakter-karakter yang aneh dan kartun bertarung di arena.

Namun di AI Arena, setiap karakter dikendalikan oleh AI—Anda tidak bermain sebagai seorang petarung tetapi sebagai pelatih mereka. Tugas Anda adalah melatih petarung AI Anda menggunakan strategi dan keahlian Anda.

Melatih petarung Anda seperti mempersiapkan seorang murid untuk pertempuran. Dalam mode pelatihan, Anda mengaktifkan pengumpulan data dan membuat skenario pertempuran untuk menyempurnakan gerakan mereka. Misalnya, jika petarung Anda berada dekat dengan lawannya, Anda mungkin mengajari mereka untuk memblokir dengan perisai Anda dan melanjutkan dengan serangan pukulan kombinasi. Pada jarak? Latih mereka untuk meluncurkan serangan jarak jauh untuk menutup kesenjangan.

Anda mengontrol data apa yang dikumpulkan, memastikan hanya gerakan terbaik yang dicatat untuk pelatihan. Setelah latihan, Anda dapat memperbaiki hiperparameter seperti tingkat pembelajaran dan ukuran batch untuk keunggulan yang lebih teknis, atau hanya menggunakan pengaturan default yang ramah pemula. Setelah pelatihan selesai, petarung AI Anda siap untuk bersaing.

Memulai tidaklah mudah - melatih model yang efektif membutuhkan waktu dan percobaan. Petarung pertama saya terus jatuh dari platform tanpa terkena pukulan dari lawan. Tetapi setelah beberapa iterasi, saya berhasil membuat model yang bisa bertahan sendiri. Hal ini membuat rendah hati namun sangat memuaskan untuk melihat hasil latihan Anda berbuah.

AI Arena memperkenalkan kedalaman tambahan melalui para pejuang berbasis NFT. Setiap karakter NFT memiliki karakteristik kosmetik yang unik dan atribut pertarungan - seperti efek elemen - yang mempengaruhi gameplay. Ini menambahkan lapisan strategis lainnya (detail lebih lanjut didokumen permainan)

Saat ini, AI Arena tersedia di mainnet Arbitrum dan hanya dapat diakses oleh mereka yang memiliki AI Arena NFT, menjaga komunitas tetap eksklusif sementara gameplay disempurnakan. Pemain dapat bergabung dengan Guild, mengumpulkan NFT juara, dan NRN untuk pertempuran on-chain berperingkat dengan hadiah dan pengganda guild. Hal ini dilakukan untuk menarik pemain yang berdedikasi dan memicu adegan kompetitif.

Pada akhirnya, AI Arena adalah sebuah showcase untuk teknologi pelatihan AI ARC. Meskipun ini adalah titik masuk ke dalam ekosistem mereka, visi sebenarnya jauh melampaui permainan tunggal ini.

Yang membawa kita ke...

#2. ARC: Infra

ARC adalah solusi infrastruktur AI yang dibuat khusus untuk bermain game.

Tim ArenaX memulai dari nol, bahkan mengembangkan infrastruktur game mereka sendiri karena solusi yang ada seperti Unity dan Unreal tidak dapat mencocokkan lingkup visi mereka.

Selama lebih dari tiga tahun, mereka membuat tumpukan teknologi yang kuat yang mampu menangani agregasi data, pelatihan model, dan pemeriksaan model untuk pembelajaran imitasi dan penguatan. Infrastruktur ini adalah tulang punggung AI Arena, tetapi potensinya jauh lebih besar.

Saat tim menyempurnakan teknologi mereka, studio pihak ketiga mendekati ARC, bersemangat untuk melisensi atau memberi merek putih platform tersebut. Mengakui permintaan ini, mereka memformalisasi infrastruktur ARC sebagai produk B2B.

Saat ini, ARC bekerja sama langsung dengan studio game untuk menyediakan pengalaman bermain game yang diperkuat oleh kecerdasan buatan (AI). Proposisi nilai yang ditawarkan adalah:

1. Likuiditas Pemain Permanen sebagai layanan
2. Menghadirkan gameplay AI sebagai integrasi sederhana

Liquidity Player Permanen sebagai Layanan

ARC fokus pada kloning perilaku manusia—melatih model AI khusus untuk meniru tindakan manusia. Ini berbeda dari penggunaan dominan AI dalam game saat ini, yang menggunakan model generatif untuk membuat aset game dan LLM untuk menggerakkan dialog.

Dengan SDK ARC, pengembang dapat membuat agen AI mirip manusia dan menyesuaikannya dengan kebutuhan permainan mereka. SDK menyederhanakan pekerjaan berat. Studio permainan dapat menghadirkan AI tanpa harus berurusan dengan kompleksitas pembelajaran mesin.

Setelah integrasi, menerapkan model AI hanya memerlukan satu baris kode, dengan ARC menangani infrastruktur, pemrosesan data, pelatihan, dan penyebaran di backend.

ARC mengambil pendekatan kolaboratif dengan studio permainan, membantu mereka:

1. Merekam data permainan mentah dan mengonversinya menjadi kumpulan data yang bermakna untuk pelatihan AI.
2. Identifikasi variabel gameplay kunci dan titik keputusan yang terkait dengan mekanika permainan.
3. Memetakan output model AI ke tindakan dalam permainan, memastikan fungsi yang lancar—misalnya, menghubungkan output AI "pukulan kanan" ke kontrol permainan tertentu.

Bagaimana AI bekerja

ARC menggunakan empat jenis model yang disesuaikan dengan interaksi permainan:

1. Jaringan Saraf Feedforward: Ideal untuk lingkungan kontinu dengan fitur numerik seperti kecepatan atau posisi.
2. Agen Tabular: Ideal untuk permainan dengan skenario terbatas dan diskrit.
3. Hierarchical & Convolutional Neural Networks sedang dalam pengembangan.

Ada dua ruang berinteraksi yang terkait dengan model AI ARC:

Ruang keadaan mendefinisikan apa yang agen ketahui tentang permainan pada setiap saat tertentu. Untuk jaringan feedforward, ini adalah kombinasi fitur input (seperti kecepatan atau posisi pemain). Untuk agen tabular, ini adalah skenario diskrit yang mungkin dihadapi agen dalam permainan.

Ruang aksi menggambarkan apa yang dapat dilakukan agen dalam permainan, dari input diskrit (misalnya, menekan tombol) hingga kontrol berkelanjutan (misalnya, gerakan joystick). Ini dipetakan ke input game.

Ruang status menyediakan input ke model AI ARC, yang memprosesnya dan menghasilkan output. Output ini kemudian diterjemahkan ke dalam tindakan permainan melalui ruang aksi.

ARC bekerja sama erat dengan pengembang game untuk mengidentifikasi fitur-fitur paling penting dan merancang ruang keadaan sesuai. Mereka juga menguji berbagai konfigurasi dan ukuran model untuk menyeimbangkan kecerdasan dan kecepatan, memastikan gameplay yang lancar dan menarik.

Menurut tim, permintaan akan layanan likuiditas pemain mereka sangat tinggi terutama di kalangan studio Web3. Studio membayar untuk akses ke likuiditas pemain yang lebih baik, dan ARC akan menginvestasikan sebagian besar pendapatan tersebut ke dalam pembelian kembali token NRN.

Membawa Permainan Kecerdasan Buatan ke Pemain: Platform Trainer

SDK ARC juga memungkinkan studio untuk mengakses Platform Pelatih untuk game mereka, memungkinkan pemain untuk melatih dan mengirimkan agen.

Seperti di AI Arena, pemain dapat mengatur simulasi, menangkap data gameplay, dan melatih model AI kosong. Model-model ini berkembang seiring waktu, mempertahankan pengetahuan sebelumnya sambil menggabungkan data gameplay baru, menghilangkan kebutuhan untuk memulai dari awal dengan setiap pembaruan.

Ini membuka kemungkinan menarik: pemain dapat menjual agen AI yang telah dilatih khususnya di pasar, menciptakan lapisan baru dalam ekonomi dalam permainan. Di AI Arena, pelatih berbakat membentuk guild, dan mereka dapat menawarkan keahlian pelatihan mereka kepada studio lain.

Bagi studio yang sepenuhnya mengintegrasikan kemampuan agen, konsep Parallel Play juga menjadi nyata. Agen AI, tersedia 24/7, dapat berpartisipasi dalam beberapa pertandingan, turnamen, atau instansi permainan secara bersamaan. Ini mengatasi masalah likuiditas pemain dan membuka peluang baru untuk keterlibatan dan penghasilan.

Tapi... itu belum semuanya...

#3 ARC RL: Dari satu lawan satu menjadi banyak lawan satu

Jika AI Arena dan ARC Trainer Platform terasa seperti mode pemain tunggal — tempat Anda melatih model AI pribadi Anda — ARC RL mirip dengan mode multipemain.

Bayangkan ini: seluruh DAO game mengumpulkan data gameplay-nya untuk melatih model AI bersama yang dimiliki dan dimanfaatkan bersama oleh semua orang. "Agen utama" ini mewakili kecerdasan gabungan dari semua pemain, mengubah esports dengan memperkenalkan kompetisi yang didorong oleh upaya kolektif dan kolaborasi strategis.

ARC RL menggunakan pembelajaran penguatan (disebut “RL”) dan data permainan manusia bersumber dari kerumunan untuk melatih agen-agen “superinteligensia” ini.

Pembelajaran penguatan bekerja dengan memberikan penghargaan kepada agen-agennya untuk tindakan optimal. Ini bekerja sangat baik dalam permainan karena fungsi penghargaannya jelas dan objektif, seperti kerusakan yang dihasilkan, emas yang didapat, atau kemenangan.

Ada beberapa preseden untuk ini:

AlphaGodari DeepMind mengalahkan pemain manusia profesional dalam Go dengan bermain jutaan pertandingan yang dihasilkan sendiri, menyempurnakan strateginya dengan setiap iterasi.

Sebelumnya saya tidak menyadari, tetapi OpenAI sudah terkenal di kalangan pemain game sejak lama sebelum chatGPT diciptakan.

OpenAI LimaMenggunakan RL untuk mendominasi pemain manusia teratas di Dota 2, mengalahkan juara dunia pada tahun 2019. Ia menguasai kerja sama tim dan strategi lanjutan melalui simulasi yang dipercepat dan sumber daya komputasi yang besar.

OpenAI Five dilatih dengan menjalankan jutaan permainan setiap hari—setara dengan 250 tahun permainan simulasi per hari—pada setup yang kuat dengan 256 GPU dan 128.000 inti CPU. Dengan melewati render grafis, itu mempercepat pembelajaran secara dramatis.

Awalnya, AI menunjukkan perilaku yang tidak teratur, seperti berkelana tanpa tujuan, tetapi dengan cepat membaik. AI menguasai strategi dasar seperti mengumpulkan creeps di jalur dan mencuri sumber daya, akhirnya maju ke manuver yang kompleks seperti serangan mendadak dan serangan menara yang terkoordinasi.

Idea kunci dalam RL adalah bahwa agen AI belajar cara berhasil melalui pengalaman daripada langsung diberitahu apa yang harus dilakukan.

ARC RL membedakan diri dengan menggunakan pembelajaran penguatan offline. Alih-alih agen belajar dari percobaan dan kesalahan sendiri, ia belajar dari pengalaman orang lain. Ini seperti siswa yang menonton video orang lain naik sepeda, mengamati keberhasilan dan kegagalan mereka, dan menggunakan pengetahuan itu untuk menghindari jatuh dan meningkatkan kemampuan lebih cepat.

Pendekatan ini memberikan kesempatan untuk sentuhan tambahan: pelatihan kolaboratif dan kepemilikan bersama model-model. Ini tidak hanya demokratisasi akses ke agen AI yang kuat tetapi juga menyelaraskan insentif bagi para pemain game, guild, dan pengembang.

Ada dua peran kunci dalam membangun agen permainan 'superintelligent':

1. Sponsor: Pemimpin seperti guild yang mempertaruhkan token NRN yang signifikan untuk memulai dan mengelola agen RL. Sponsor dapat berupa entitas apa saja tetapi kemungkinan besar adalah guild game, DAO, komunitas web3, dan bahkan agen kepribadian on-chain populer seperti Luna.
2. Pemain: Individu yang memasang jumlah token NRN yang lebih kecil untuk menyumbangkan data permainan mereka untuk melatih agen.

Sponsor mengkoordinasikan dan memandu tim pemain mereka, memastikan data pelatihan berkualitas tinggi yang memberikan keunggulan kompetitif bagi agen AI mereka dalam kompetisi berbasis agen.

Hadiah didistribusikan berdasarkan kinerja super agen dalam kompetisi. 70% dari hadiah diberikan kepada pemain, 10% kepada Sponsor, dan 20% sisanya disimpan di kas NRN. Struktur ini menyelaraskan insentif untuk semua pihak yang terlibat.

Kontribusi data

Bagaimana cara membuat pemain bersemangat untuk menyumbangkan data gameplay mereka? Tidak mudah.

ARC membuat kontribusi data gameplay menjadi sederhana dan memuaskan. Pemain tidak perlu keahlian—hanya bermain game. Setelah sesi (misalnya, Mario Kart), mereka diminta untuk mengirimkan data untuk melatih agen tertentu. Dasbor melacak kontribusi dan agen yang didukung mereka.

Algoritma atribusi ARC memastikan kualitas dengan mengevaluasi kontribusi dan menghargai data berkualitas tinggi dan berdampak.

Menariknya, data Anda bisa berguna bahkan jika Anda adalah pemain yang buruk (seperti saya). Permainan yang buruk membantu agen belajar apa yang tidak boleh dilakukan, sementara permainan yang terampil mengajarkan strategi yang optimal. Data yang redundan, seperti pertanian yang berulang, disaring untuk menjaga kualitas.

Singkatnya, ARC RL dirancang sebagai produk pasar massal dengan gesekan rendah yang berpusat pada kepemilikan bersama agen yang melampaui kemampuan manusia.

Ukuran Pasar

Platform teknologi ARC sangat serbaguna dan dirancang untuk beroperasi di berbagai genre seperti penembak, game fighting, kasino sosial, balapan, game kartu perdagangan, dan RPG. Platform ini dibuat khusus untuk game yang perlu menjaga pemain terlibat.

Ada dua pasar alami yang ARC targetkan dengan produknya:

ARC secara utama berfokus pada pengembang dan studio indie daripada yang besar dan mapan. Studio-studio kecil ini seringkali kesulitan menarik pemain awal karena sumber daya branding dan distribusi yang terbatas.

Agensi AI ARC memecahkan masalah ini dengan menciptakan lingkungan dalam game yang dinamis sejak awal, memastikan gameplay yang dinamis bahkan selama tahap awal permainan.

Wawasan Permainan Video

Mungkin mengejutkan bagi banyak orang, tetapi sektor game indie adalah kekuatan utama di pasar game:

• 99% dari game yang dirilis di Steam adalah judul indie (Sumber)
• Game indie menghasilkan 48% dari total pendapatan di Steam pada tahun 2024.

Sasaran pasar lain adalah Web3 Games. Sebagian besar game Web3 dikembangkan oleh studio-studio baru, yang juga menghadapi tantangan unik seperti pengenalan dompet, ketidakpercayaan terhadap kripto, dan biaya akuisisi pelanggan yang tinggi. Game-game ini sering mengalami masalah likuiditas pemain, di mana agen-agen yang didorong AI dapat mengisi kesenjangan dalam pertandingan dan menjaga gameplay tetap menarik.

Sementara game Web3 telah berjuang baru-baru ini karena kurangnya pengalaman yang menarik, tanda-tanda kebangkitan muncul.

Sebagai contoh, “Off the Grid”—salah satu dari game Web3 AAA pertama—mencapai keberhasilan awalkesuksesan mainstreamBaru-baru ini, dengan 9 juta dompet dibuat dan 100 juta transaksi dalam satu bulan pertama. Ini membuka jalan bagi keberhasilan yang lebih luas di sektor ini, menciptakan peluang bagi ARC untuk mendukung kebangkitan ini.

Tim ARC

Tim pendiri di balik ArenaX Labs memiliki keahlian mesin pembelajaran dan manajemen investasi yang melimpah.

Brandon Da Silva, CEO dan CTO, sebelumnya memimpin penelitian ML di perusahaan investasi Kanada yang mengkhususkan diri dalam pembelajaran penguatan, pembelajaran dalam kedalaman Bayesian, dan adaptabilitas model. Dia memimpin pengembangan strategi perdagangan quant senilai $1 miliar yang berpusat pada risiko parity dan manajemen portofolio multi-aset.

Wei Xie, COO, mengelola portofolio strategi likuid senilai $7 miliar di perusahaan yang sama dan memimpin program investasi inovasinya, dengan fokus pada bidang-bidang baru seperti AI, pembelajaran mesin, dan teknologi Web3.

ArenaX labs mengumpulkan putaran bibit $5M pada tahun 2021 yang dipimpin oleh Paradigm dan dengan partisipasi dari Framework ventures. Itu terangkatputaran tindak lanjutsebesar $6 juta pada Januari 2024, dipimpin oleh Framework dengan SevenX Ventures, FunPlus / Xterio, dan Moore Strategic Ventures turut serta.

Ekonomi Token NRN — Sebuah Perbaikan Sehat

Arena ARC/AI memiliki token live, NRN. Mari pertama-tama kita mengevaluasi di mana kita berada saat ini.

Memeriksa dinamika sisi pasokan dan permintaan akan memberikan gambaran yang lebih jelas tentang kemana arahnya mungkin menuju.

Sisi Pasokan

Total pasokan NRN adalah 1B, dimana ~ 409M (40,9%) beredar saat ini.

Pada saat penulisan, harga token adalah $ 0,072, menyiratkan kapitalisasi pasar $ 29 juta dan penilaian terdilusi penuh $ 71 juta.

NRN diluncurkan pada 24 Juni 2024, dan 40,9% pasokan beredar berasal dari

• Airdrop komunitas (8% dari total)
• Kekayaan yayasan (2.9% terbuka dari total 10.9%, penguncian linear selama 36 bulan)
• Hadiah ekosistem komunitas (30%)

Sebagian besar pasokan yang beredar (30% dari 40,9%) terdiri dari penghargaan ekosistem masyarakat, yang dikelola proyek dan dialokasikan secara strategis untuk insentif staking, hadiah dalam game, inisiatif pertumbuhan ekosistem, dan program berbasis komunitas.

Jadwal pengunciannya menenangkan, tanpa ada peristiwa besar dalam waktu dekat:

• Pembukaan berikutnya adalah dari penjualan OTC yayasan (1,1%), mulai Desember 2024 dan membuka kunci secara linear selama 12 bulan. Ini menambahkan hanya ~ 0,09% ke inflasi bulanan dan tidak mungkin menimbulkan kekhawatiran yang signifikan.
• Alokasi investor dan kontributor (50% dari total pasokan) tidak akan mulai dibuka hingga Juni 2025, dan bahkan kemudian, akan dirilis secara linear selama 24 bulan.

Untuk saat ini, tekanan jual diharapkan tetap cukup mudah dikendalikan, terutama berasal dari imbalan ekosistem. Kuncinya adalah kepercayaan pada kemampuan tim untuk mendayagunakan dana-dana ini secara strategis untuk mendorong pertumbuhan protokol.

Sisi Permintaan

NRN v1 — Ekonomi Berbasis Pemain

Awalnya, NRN dirancang sebagai sumber daya strategis yang terkait secara eksklusif dengan ekonomi permainan AI Arena.

Pemain bertaruh NRN pada pemain AI mereka, mendapatkan imbalan dari kolam jika mereka menang dan kehilangan sebagian dari taruhan mereka jika mereka kalah. Ini menciptakan dinamika "skin-in-the-game", mengubahnya menjadi olahraga kompetitif dengan insentif keuangan bagi pemain berbakat.

Imbalan didistribusikan menggunakan sistem berbasis ELO, memastikan pembayaran seimbang berdasarkan keterampilan. Sumber pendapatan lainnya termasuk pembelian item dalam permainan, upgrade kosmetik, dan biaya pendaftaran turnamen.

Model token awal ini sepenuhnya bergantung pada kesuksesan permainan dan arus masuk yang stabil dari pemain baru yang bersedia membeli NRN dan NFT untuk berpartisipasi.

Yang membuat kami begitu bersemangat adalah...

NRN v2 - Ekonomi Berbasis Pemain & Platform

Tokenomics v2 yang diperbarui NRN memperkenalkan penggerak permintaan baru yang kuat dengan memperluas utilitas token di luar AI Arena ke platform ARC yang lebih luas. Evolusi ini mengubah NRN dari token khusus permainan menjadi token platform. Menurut pendapat saya, ini sangat positif.

Tiga penggerak permintaan baru untuk NRN termasuk:

1. Pendapatan dari integrasi ARC. Studio game yang mengintegrasikan ARC akan menghasilkan pendapatan untuk kas negara melalui biaya integrasi dan royalti yang terkait dengan kinerja game. Dana kas negara dapat digunakan untuk membeli kembali NRN, mengembangkan ekosistem, dan memberikan insentif kepada pemain di platform Trainer.
2. Biaya Pasar Pelatih. NRN menangkap nilai dari biaya di Pasar Pelatih, di mana pemain dapat menukar model AI dan data gameplay.
3. Staking untuk partisipasi ARC RL: Baik sponsor maupun pemain harus melakukan staking NRN untuk bergabung dengan ARC RL. Seiring semakin banyak pemain yang terlibat dalam ARC RL, permintaan NRN juga meningkat.

Yang terutama menarik adalah inklusi pendapatan dari studio game. Ini menandai pergeseran dari model B2C murni menjadi model hibrida B2C dan B2B, menciptakan aliran modal eksternal yang konsisten ke dalam ekonomi NRN. Dengan pasar yang dapat dijangkau yang lebih luas dari ARC, aliran pendapatan ini akan melampaui apa yang AI Arena sendiri dapat hasilkan.

Biaya Pasar Pelatih, meskipun menjanjikan, bergantung pada ekosistem mencapai massa kritis—cukup banyak permainan, pelatih, dan pemain untuk menjaga kegiatan perdagangan yang semarak. Ini adalah permainan jangka panjang.

Dalam jangka waktu dekat, staking untuk ARC RL kemungkinan adalah faktor pendorong permintaan yang paling langsung dan refleksif. Kolam imbalan awal yang didanai dengan baik dan antusiasme peluncuran produk baru dapat memicu adopsi awal, mendorong kenaikan harga token, dan menarik peserta. Ini menciptakan siklus umpan balik permintaan yang meningkat dan pertumbuhan. Namun, sebaliknya juga mungkin—jika ARC RL kesulitan mempertahankan keterlibatan pengguna, permintaan dapat memudar dengan cepat.

Potensi efek jaringan ini sangat besar: lebih banyak permainan → lebih banyak pemain → lebih banyak permainan bergabung → bahkan lebih banyak pemain. Siklus yang baik ini dapat menempatkan NRN sebagai token pusat dalam ekosistem permainan Crypto AI.

Ibu Model AI Gaming

Apa tujuan akhirnya? Keunggulan ARC terletak pada kemampuannya untuk secara umum berlaku di berbagai genre game. Seiring waktu, ini memungkinkan mereka untuk mengumpulkan reservoir data yang unik untuk gameplay. Saat ARC terintegrasi dengan lebih banyak game, ia dapat terus memberikan data ini kembali ke dalam ekosistemnya, menciptakan siklus pertumbuhan dan penyempurnaan yang positif.

Setelah dataset game lintas-seksional ini mencapai massa kritis, itu akan menjadi sumber daya yang sangat berharga. Bayangkan memanfaatkannya untuk melatih model AI yang dapat digeneralisasi untuk pengembangan game - membuka kemungkinan baru untuk merancang, menguji, dan mengoptimalkan game secara besar-besaran.

Masih terlalu awal namun di era kecerdasan buatan di mana data adalah minyak baru, potensinya di sini tidak terbatas.

Pemikiran kami

1. NRN Berkembang Menjadi Platform Play — Token Repricing

Dengan diluncurkannya ARC dan ARC RL, proyek ini tidak lagi hanya menjadi studio permainan dengan satu judul saja - sekarang ini mengarahkan dirinya sebagai platform dan AI play. Pergeseran ini seharusnya mengarah pada peningkatan peringkat token NRN, yang sebelumnya terbatas pada kesuksesan AI Arena. Pengenalan penyerapan token baru melalui ARC RL, yang digabungkan dengan permintaan eksternal dari perjanjian pembagian pendapatan dengan studio permainan dan biaya transaksi pelatih, menciptakan pondasi yang lebih luas dan lebih terdiversifikasi untuk utilitas dan nilai NRN.

1. Kesuksesan terkait erat dengan studio game mitra

Model bisnis ARC terikat pada keberhasilan studio yang diintegrasikan dengannya, karena aliran pendapatan didasarkan pada alokasi token (dalam game Web3) dan pembayaran royalti dari game-game tersebut. Pantau dengan seksama game-game yang terintegrasi dengannya.

Jika game yang mendukung ARC mencapai kesuksesan besar, nilai yang dihasilkan akan mengalir kembali ke pemegang NRN. Sebaliknya, jika permainan mitra berjuang, aliran nilai akan terbatas. Struktur ini secara alami menyelaraskan insentif antara ARC dan studio game.

1. Mengharapkan lebih banyak integrasi dengan Game Web3

Platform ARC sangat cocok untuk game Web3, di mana gameplay kompetitif yang diincentivasi sejalan dengan ekonomi berbasis token yang ada.

Dengan mengintegrasikan ARC, game Web3 dapat segera memanfaatkan narasi "Agen AI". ARC RL menyatukan komunitas dan memotivasi mereka menuju tujuan bersama. Ini juga membuka peluang baru untuk mekanik inovatif, seperti membuat kampanye play-to-airdrop lebih menarik bagi pemain. Dengan menggabungkan AI dan insentif token, ARC menambahkan lapisan kedalaman dan kegembiraan yang tidak dapat ditiru oleh game tradisional.

1. Permainan AI memiliki kurva pembelajaran

Permainan AI memperkenalkan kurva pembelajaran yang curam, yang dapat menciptakan gesekan bagi pemain baru. Saya butuh satu jam hanya untuk mencari tahu cara melatih pemain saya dengan benar di AI Arena.

Namun, pengalaman pemain dalam ARC RL lebih rendah gesekannya, karena pelatihan AI ditangani di belakang layar saat pemain bermain game dan mengirimkan data mereka. Pertanyaan terbuka lainnya adalah bagaimana pemain akan merasa tentang bersaing dengan orang lain, mengetahui bahwa lawan mereka adalah AI. Apakah itu akan penting bagi mereka? Apakah itu akan meningkatkan atau mengurangi pengalaman? Hanya waktu yang akan memberitahu.

Masa Depan Cerah

AI siap membuka pengalaman baru yang revolusioner di dunia game.

Tim-tim seperti Koloni ParaleldanVirtualsmendorong batas-batas dengan agen AI otonom, sementara ARC memahami kelebihannya dengan fokus pada pengkloningan perilaku manusia - menawarkan pendekatan inovatif untuk mengatasi tantangan likuiditas pemain tanpa tokenomik yang tidak berkelanjutan.

Perubahan dari sebuah permainan menjadi platform yang lengkap adalah lompatan besar bagi ARC. Hal ini tidak hanya membuka peluang yang lebih besar dengan studio game tetapi juga membayangkan bagaimana AI terintegrasi dengan game.

Dengan tokenomik yang dirubah dan potensi efek jaringan yang kuat, ARC tampaknya baru saja dimulai.

Penafian:

1. Artikel ini dicetak ulang dari [rantai pemikiran]. Semua hak cipta adalah milik penulis asli [Teng Yan]. Jika ada keberatan terhadap cetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan cepat.
2. Penolakan Tanggung Jawab: Pandangan dan pendapat yang terdapat dalam artikel ini semata-mata milik penulis dan tidak merupakan saran investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.