作者｜Sid@IOSG

Web3游戲的現狀

隨著更新穎更具注意力的敘事方式的出現，Web3游戲作為一個行業在一級和公開市場的敘事都退居其次。根據Delphi 2024年關于游戲產業的報告，Web3游戲在一級市場的累計融資額不足10億美元。這并不一定是壞事，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游戲兼容。下圖就是一個明顯的指標：

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游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MihalyCsikszentmihalyi 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，玩家在挑戰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，你完全沉浸在游戲中。

游戲與AI的共生

AIagents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游戲領域：

LLM與強化學習

代理和NPC

游戲AI的關鍵在于：速度和規模。在游戲中使用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，在游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。這就是我們尚未在游戲中看到大規模LLM代理的主要原因。我們目前看到的最大實驗是在Minecraft上開發的1000個代理的文明。如果在不同的地圖上有10萬個并發代理，這將會非常昂貴。由于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”，以及如何應對游戲中的不同情況。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游戲中運行，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。當這并不完美，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。對于游戲應用來說，這種權衡總是有意義的。

Crypto如何與之融合？

Crypto可以通過不同方式幫助解決這些問題：

玩家貢獻自己的游戲數據，以改進模型，獲得更好的體驗，并因此獲得獎勵

協調角色設計師、訓練師等多方利益相關者，創建最好的游戲內代理

創建一個擁有游戲內代理所有權的市場，并將其貨幣化

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

他們擁有ARCSDK，允許游戲開發人員根據游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，清理游戲數據并將其轉化為見解，還能通過調整難度級別幫助玩家在游戲中保持流狀態。為此，他們使用了強化學習（ReinforcementLearning）技術。

他們最初開發了一款名為“AI競技場”（AIArena）的游戲，在這款游戲中，基本上是在訓練你的AI角色進行戰斗。這幫助他們形成了一個基準學習模型，該模型構成了ARCSDK的基礎。這就形成了某種類似DePIN的飛輪：

結語

AIagents、游戲設計和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游戲的各種問題。AIagents在游戲領域的妙處在于，它們增強了游戲的樂趣所在——良好的競爭、豐富的互動，以及讓人流連忘返的挑戰。隨著ARC代理等框架的成熟和更多游戲集成AIagents，我們很可能會看到全新的游戲體驗出現。想象一下，世界之所以充滿活力，并不是因為里面有其他玩家，而是因為里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，又可無限擴展的游戲。對于關注這一領域的開發者、玩家和投資者來說，未來幾年將非常精彩。2025年及以后的游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游戲都更吸引人、更易參與、更有生命力。