P2E的下一個時代：遊戲、AI 代理和加密貨幣的融合

作者｜Sid @IOSG

Web3 遊戲的現狀

隨着更新穎更具注意力的敘事方式的出現，Web3 遊戲作為一個行業在一級和公开市場的敘事都退居其次。根據Delphi2024 年關於遊戲產業的報告，Web3 遊戲在一級市場的累計融資額不足 10 億美元。這並不一定是壞事，這恰恰表明泡沫已經消退，現在的資本可能正在向更高質量的遊戲兼容。下圖就是一個明顯的指標：

在整個 2024 年，Ronin 等遊戲生態系統的用戶數量大幅飆升，而且由於 Fableborn 等高品質新遊戲的出現，幾乎媲美 2021 年 Axie 的輝煌時期。

遊戲生態系統（L1s、L2s、RaaS）正越來越像 Web3 的 Steam，它們掌控着生態系統內的分發，這也成為遊戲开發商在這些生態系統中开發遊戲的動力，因為這可以幫助他們獲取玩家。根據他們之前的報告，Web3 遊戲的用戶獲取成本比 Web2 遊戲高出約 70%。

玩家粘性

留住玩家與吸引玩家同樣重要，甚至更重要。雖然缺乏 Web3 遊戲玩家留存率的數據，但玩家留存率與“Flow”的概念（匈牙利心理學家Mihaly Csikszentmihalyi提出的術語）密切相關。

“流狀態”是一種心理學概念，在這種狀態下，玩家在挑战和技能水平之間達到了完美的平衡。這就像 “進入狀態”——時間似乎過得飛快，你完全沉浸在遊戲中。

持續創造流狀態的遊戲往往具有更高的留存率，原因在於以下機制：

#進階設計

遊戲初期：簡單挑战，建立信心

遊戲中期：逐漸增加難度

遊戲後期：復雜挑战，精通遊戲

隨着玩家技能的提高，這種細致的難度調整可讓他們保持在自己的節奏範圍內

#參與循環

短期：即時反饋（擊殺、積分、獎勵）

中期：關卡完成、每日任務

長期：角色發展、排名

這些嵌套循環可在不同時間範圍內維持玩家的興趣

#破壞流狀態的因素則為：

1. 難度/復雜度設置不當：這可能是由於糟糕的遊戲設計，或者甚至可能是由於玩家數量不足而導致的匹配失衡

2. 目標不明確：遊戲設計因素

3. 反饋延遲：遊戲設計和技術問題因

4. 侵入式貨幣化：遊戲設計+產品

5. 技術問題/滯後

遊戲與 AI 的共生

AI agents 可以幫助玩家獲得這種流狀態。在探討如何實現這一目標之前，讓我們先來了解一下什么樣的代理適合運用到遊戲領域：

LLM 與強化學習

遊戲 AI 的關鍵在於：速度和規模。在遊戲中使用 LLM 驅動的代理時，每個決策都需要調用一個龐大的語言模型。這就好比在邁出每一步之前都要有一個中間人。中間人很聰明，但等待他的回應會讓一切變得緩慢痛苦。現在想象一下，在遊戲中為數百個角色做這樣的工作，不僅速度慢，而且成本很高。這就是我們尚未在遊戲中看到大規模 LLM 代理的主要原因。我們目前看到的最大實驗是在 Minecraft 上开發的 1000 個代理的文明。如果在不同的地圖上有 10 萬個並發代理，這將會非常昂貴。由於每添加一個新代理都會導致延遲，玩家也會受到流量中斷的影響。這就破壞了流狀態。

強化學習（RL）是一種不同的方式。我們把它想象成訓練一個舞者，而不是通過耳麥給對方手把手的指導。通過強化學習，你需要在前期花時間教 AI 如何 “跳舞”，以及如何應對遊戲中的不同情況。一旦訓練有素，AI 就會自然流暢，在幾毫秒內做出決定，而無需向上請求。你可以讓數百個這樣訓練有素的代理在你的遊戲中運行，每個代理都能根據自己的所見所聞獨立做出決定。他們不像 LLM 代理那樣能說會道或靈活機動，但他們做事快速高效。

當你需要這些代理協同工作時，RL 的真正魔力就顯現出來了。LLM 代理需要冗長的 “對話 ”來協調，而 RL 代理則可以在訓練中形成一種隱性的默契——就像一支一起訓練了數月的橄欖球隊。他們學會預測對方的動作，自然而然地進行協調。當這並不完美，有時它們會犯一些 LLM 不會犯的錯誤，但它們可以在 LLM 無法比擬的規模上運作。對於遊戲應用來說，這種權衡總是有意義的。

代理和 NPC

作為 NPC 的代理將解決當今許多遊戲面臨的第一個核心問題：玩家流動性。P2E 是第一個使用密碼經濟學解決玩家流動性問題的實驗，我們都知道結果如何。

預先訓練好的代理有兩個作用：

• 填充多人遊戲中的世界
• 維持世界中一組玩家的難度水平，使他們處於流狀態

雖然這看起來非常明顯，但構建起來卻很困難。獨立遊戲和早期的 Web3 遊戲沒有足夠的財力聘請人工智能團隊，這為任何以 RL 為核心的代理框架服務商提供了機會。

遊戲可以在試玩和測試期間與這些服務提供商合作，為遊戲發布時的玩家流動性奠定基礎。

如此一來，遊戲开發者就可以把主要精力放在遊戲機制上，使他們的遊戲更加有趣。盡管我們喜歡將代幣融入遊戲，但遊戲終究是遊戲，遊戲應該是有趣的。

代理玩家

世界上玩家最多的遊戲之一《英雄聯盟》有一個黑市，玩家在黑市上用最好的屬性訓練自己的人物，而遊戲禁止他們這樣做。

這有助於形成遊戲角色和屬性作為 NFT 的基礎，從而創建一個市場來實現這一點。

如果出現一個新的 “玩家 ”子集，作為這些人工智能代理的教練呢？玩家可以指導這些人工智能代理，並以不同的形式將其貨幣化，例如贏得比賽，還可以充當電競選手或激情玩家的 “訓練夥伴”。

元宇宙的回歸？

元宇宙的早期版本可能只是創造了另一種現實，而不是理想的現實，因此沒有達到目標。AI agents 幫助元宇宙居民創造一個理想世界 —— 逃離。

在我看來，這正是基於 LLM 的代理可以大顯身手的地方。也許有人可以在自己的世界中加入預先訓練好的代理，這些代理都是領域專家，可以就他們喜歡的事物進行對話。如果我創建了一個經過 1000 小時 Elon Musk 訪談訓練的代理，而用戶希望在他們的世界中使用這個代理的實例，那么我就可以為此獲得獎勵。這樣就能創造新的經濟。

有了 Nifty Island 這樣的元宇宙遊戲，這就可以成為現實。

在 Today: The Game 中，團隊已經創建了一個基於 LLM 的 AI agent，名為 “Limbo”（發布了投機性代幣），其愿景是多個代理在這個世界中自主互動，同時我們可以觀看 24x7 的直播流。

Crypto 如何與之融合？

Crypto 可以通過不同方式幫助解決這些問題：

• 玩家貢獻自己的遊戲數據，以改進模型，獲得更好的體驗，並因此獲得獎勵
• 協調角色設計師、訓練師等多方利益相關者，創建最好的遊戲內代理
• 創建一個擁有遊戲內代理所有權的市場，並將其貨幣化

有一個團隊正在做這些事情，而且做得更多：ARC Agents。他們正在解決上面提到的所有問題。

他們擁有 ARC SDK，允許遊戲开發人員根據遊戲參數創建類似人類的人工智能代理。通過非常簡單的集成，它就能解決玩家流動性問題，清理遊戲數據並將其轉化為見解，還能通過調整難度級別幫助玩家在遊戲中保持流狀態。為此，他們使用了強化學習（Reinforcement Learning）技術。

他們最初开發了一款名為 “AI 競技場”（AI Arena）的遊戲，在這款遊戲中，基本上是在訓練你的 AI 角色進行战鬥。這幫助他們形成了一個基准學習模型，該模型構成了 ARC SDK 的基礎。這就形成了某種類似 DePIN 的飛輪：

所有這一切都以他們的生態系統代幣 $NRN 作為協調。Chain of Thought團隊在他們關於 ARC 代理的文章中對此做了很好的解釋：

像Bounty這樣的遊戲正採取 agent-first 的方法，在一個狂野的西部世界中從頭开始建立代理。

結語

AI agents、遊戲設計和 Crypto 的融合不僅僅是另一種技術趨勢，它還有可能解決困擾獨立遊戲的各種問題。AI agents 在遊戲領域的妙處在於，它們增強了遊戲的樂趣所在——良好的競爭、豐富的互動，以及讓人流連忘返的挑战。隨着 ARC 代理等框架的成熟和更多遊戲集成 AI agents，我們很可能會看到全新的遊戲體驗出現。想象一下，世界之所以充滿活力，並不是因為裏面有其他玩家，而是因為裏面的代理能夠與社區一起學習和進化。

我們正在從一個“play-to-earn”轉向一個更令人興奮的時代：既富含真正的樂趣，又可無限擴展的遊戲。對於關注這一領域的开發者、玩家和投資者來說，未來幾年將非常精彩。2025 年及以後的遊戲不僅在技術上更加先進，而且從根本上講，它們將比我們以前看到的任何遊戲都更吸引人、更易參與、更有生命力。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。