作者：Teng Yan，Chain of Thought
翻譯：金財經xiaozou
2021 年時我還是個Axie Infinity 玩家，並且經營著一個小型獎學金公會。如果你未曾經歷過那個時代，讓我來告訴你——絕對狂野。
Axie Infinity 這款遊戲讓人們意識到加密貨幣和遊戲可以結合在一起。從本質上來說，這是一款簡單的Pokémon 風格的策略遊戲，玩家需要組建一支由3 名Axie（非常兇猛的戰士）組成的團隊，每個Axie 都擁有獨特的能力。你可以帶領自己的隊伍對戰其他隊伍，透過參與遊戲並獲勝獲得SLP 代幣獎勵。
但真正讓非遊戲玩家感到興奮的是透過遊戲賺錢的潛力。 Axie 的快速崛起得益於兩大機制：
第一個是Breeding Axies。取得兩個Axie，使用SLP 代幣繁殖它們，就誕生了voilà——一個新的結合原有的兩個Axie 獨特能力的Axie。於是這樣稀有且強大的Axies（遊戲玩家稱為OP Axies）成為了熱門商品，一個繁忙的繁殖市場出現了。
第二個機制是獎學金計畫。來自世界各地的企業玩家開始將Axies 借給「學者」。這些玩家通常來自菲律賓或阿根廷等發展中國家，他們無法支付1000 多美元的前期費用來購買3 個Axie NFT。學者們每天都在打遊戲賺取代幣，並與獎學金公會分享利潤，公會通常會抽成30-50%。
在其鼎盛時期，特別是在2019 疫情期間，Axie 對發展中國家的當地經濟產生了重大影響。在菲律賓（約40% 的Axie Infinity 用戶都在那裡），許多玩家的收入遠高於最低工資。公會獲利豐厚。
這就解決了遊戲開發者的一個關鍵問題：玩家流動性。透過激勵玩家每天花幾個小時積極玩遊戲，Axie 確保每個玩家都會有一個對手等在那裡，讓玩家體驗更有吸引力。
但這是有代價的。
為了解決玩家的流動性問題，Axie 送出大量代幣來激勵玩家參與。故事從此處開始。由於SLP 沒有上限，代幣瘋狂膨脹，價格暴跌，生態系統崩潰。代幣貶值，玩家就會離開。 Axie 幾乎在一夜之間從「玩賺」寵兒變成了一個警世故事。
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學會怎麼樣？
這正是ARC / AI Arena 在過去三年裡一直在默默努力的事情。現在，它開始開花結果了。
1.玩家流動性是命脈
玩家流動性是多人遊戲的命脈，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，無法快速配對或形成繁榮社群。他們沒有遊戲大廠所擁有的行銷預算或自然的IP 意識。這就會導致漫長的等待時間、無法配對以及較高的流失率等問題。
這些遊戲通常都會慢慢地痛苦地消亡。
因此，遊戲開發者必須從一開始就優先考慮玩家的流動性。遊戲需要這樣或那樣的活動來維持樂趣——西洋棋需要兩名玩家，而大規模戰鬥需要數千名玩家。技能匹配機制進一步提高了門檻，需要更多玩家來保持遊戲的公平性和吸引力。
對於Web3 遊戲來說，風險更大。根據Delphi Digital 的年度遊戲報告，Web3 遊戲的用戶獲取成本比傳統手機遊戲高出77%，這使得玩家留存率變得至關重要。
強大的玩家基礎能夠確保公平匹配、充滿活力的遊戲經濟（即更多的道具買賣）以及更活躍的社交互動，從而讓遊戲變得更有趣。
2、ARC——AI 遊戲先鋒
由ArenaX Labs 開發的ARC 正在引領AI 線上遊戲體驗的未來。簡而言之，他們使用AI 來解決困擾新遊戲的玩家流動性問題。
如今遊戲內大多數AI 機器人的問題就在於它們太差勁了。一旦你花幾個小時掌握了竅門，這些機器人就會變得非常容易被打敗。它們是為了幫助新玩家而設計的，但卻不能為經驗豐富的玩家帶來太多挑戰或黏性。
想像一下，AI 玩家的技能可以與頂級人類玩家相媲美。想像一下，可以在任何時間、任何地點與它們對抗，而無需等待配對。想像一下，訓練你的AI 玩家模仿你的遊戲風格，擁有它，並透過其表現賺取獎勵。
這對玩家和遊戲公司來說都是雙贏的。
遊戲公司使用類似人類的AI 機器人來讓遊戲大受歡迎，提高玩家流動性，改善用戶體驗，提高留存率——這是新的遊戲後來者在競爭激烈的市場中生存的關鍵因素。
玩家獲得了參與遊戲的新方式，在訓練AI 並與其對抗的過程中建立了更強烈的歸屬感。
讓我們來看看他們是怎麼做的。
3、產品和架構
母公司ArenaX Labs 正在開發一系列產品來解決玩家流動性問題。
- 現有產品：AI Arena，一款AI 格鬥遊戲。
- 新產品：ARC B2B，一個AI 驅動的遊戲SDK，可以輕鬆整合到任何遊戲中。
- 新產品：ARC 強化學習（RL）
（1）AI Arena：遊戲
AI Arena 是一款能讓人聯想到任天堂的Super Smash Bros 的格鬥類遊戲，各種各樣古怪的卡通角色在競技場中展開戰鬥。
但在AI Arena 中，每個角色都是由AI 控制的——你扮演的不是戰士，而是他們的教練。你的任務是使用你的策略和專業知識來訓練你的AI 戰士。
訓練你的戰士就像訓練一個學生為戰鬥做準備。在訓練模式中，你打開資料收集並創建戰鬥場景來微調它們的動作。例如，如果你的戰士離對手很近，你可以教它們用你的盾牌擋格，然後連擊。如何遠距離戰鬥？訓練他們發動遠程攻擊。
你可以控制收集什麼樣的數據，確保只記錄最好的動作用於訓練。經過練習，你可以細化超參數，以獲得更多的技術優勢，或者簡單地使用對初學者友好的預設。一旦訓練完成，你的AI 戰士就可以參加戰鬥了。
萬事起頭難——訓練一個有效的模型需要時間和實驗。我的第一個戰士好幾次都從平台上掉了下來，並不是被對手擊中掉下來的。但經過幾次迭代後，我成功創建了一個表現良好的模型。看到你的訓練得到了回報，是一件令人深感滿足的事。
AI Arena 透過NFT 戰士引入了額外的深度。每個NFT 角色都有獨特的外觀特徵和戰鬥屬性，這些都會影響遊戲玩法。這增加了另一個策略層。
目前，AI Arena 在Arbitrum 主網上運行，並且只有那些有AI Arena NFT 的人才可以訪問，在完善遊戲玩法的同時保持社區的排他性。玩家可以加入公會，聚集冠軍NFT 和NRN 進行鏈上戰鬥排名，並獲得獎勵。這樣做是為了吸引忠誠的玩家並推動競爭。
最終，AI Arena 是ARC 的AI 培訓技術的展位。雖然這是他們進入生態系統的入口點，但真正的願景遠遠超出了這款遊戲本身。
（2）ARC：基礎設施
ARC 是專為遊戲設計的AI 基礎設施解決方案。
ArenaX 團隊從頭開始，甚至開發自己的遊戲基礎設施，是因為Unity 和Unreal 等現有解決方案無法滿足他們的願景。
在三年多的時間裡，他們精心設計了一個強大的技術棧，能夠處理資料聚合、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，但它的潛力要大得多。
隨著團隊不斷完善他們的技術，第三方工作室開始找到ARC，希望獲得該平台的授權或白標籤。在認識到這一需求後，他們將ARC 的基礎設施形式化為B2B 產品。
如今，ARC 直接與遊戲公司合作，提供AI 遊戲體驗。其價值主張是：
- 永久玩家流動性即服務
- 將AI 玩法作為一個簡單集成
永久玩家流動性即服務
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。這與今天遊戲中AI 的主要用途不同，後者使用生成式模型來創建遊戲資產，並使用LLM 來驅動對話。
使用ARC SDK，開發者可以創建類似人類的AI 智能體，並根據遊戲需求進行擴展。 SDK 簡化了繁重的工作。遊戲公司可以在不處理複雜的機器學習的情況下引入AI。
整合後，部署AI 模型只需要一行程式碼，ARC 負責基礎設施、資料處理、訓練和後端部署工作。
ARC 採用與遊戲公司合作的方式，幫助他們：
- 捕獲原始遊戲玩法數據，並將其轉換為用於AI 訓練的有意義的數據集。
- 確定與遊戲機制相關的關鍵玩法變數和決策點。
- 將AI 模型輸出對應到遊戲內活動，確保功能順暢－例如，將AI 的「右鍵」輸出與特定的遊戲控制連結。
AI 是如何運作的？
ARC 針對遊戲互動使用了四類模型：
- 前饋神經網路：適用於具有速度或位置等數值特徵的連續環境。
- 表格代理：對具有有限離散場景的遊戲特別理想。
- 層次化和卷積神經網路正在開發中。
有兩個與ARC 的AI 模型相關的互動空間：
狀態空間定義了代理人在任何給定時刻對遊戲的了解。對於前饋網絡，這是輸入特徵（如玩家的速度或位置）的組合。對於表格代理，這是該代理在遊戲中可能遇到的離散場景。
動作空間描述代理在遊戲中可以做什麼，從離散輸入（如按下按鈕）到連續控制（如操縱桿移動）。這會映射到遊戲輸入。
狀態空間為ARC 的AI 模型提供輸入，AI 模型處理輸入並產生輸出。隨後這些輸出透過動作空間轉化為遊戲動作。
ARC 與遊戲開發者密切合作，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，以平衡智慧和速度，確保遊戲操作順暢，引人入勝。
據該團隊稱，Web3 公司對他們的玩家流動性服務的需求尤其高。這些公司為獲得更好的玩家流動性而付費，ARC 將把這筆收入的很大一部分用於NRN 代幣回購。
將AI 玩法帶給玩家：訓練師平台
ARC SDK 還讓web3 公司訪問他們的遊戲的訓練師平台，允許玩家訓練並提交代理。
與AI Arena 一樣，玩家可以設定模擬，取得遊戲玩法資料並訓練空白AI 模型。這些模型會隨著時間的推移而進化，在保留之前的知識的同時融入新的遊戲玩法數據，不需要每次更新都從頭開始。
這開啟了令人興奮的可能性：玩家可以在市場上出售他們客製化訓練的AI 代理，創造一個新的遊戲內經濟層。在AI Arena 中，技術嫻熟的訓練師可以組成公會，他們可以向其他公司提供訓練技能。
對於那些完全整合代理功能的公司來說，Parallel Play（平行遊戲）的概念也變得生動起來。 AI 代理全天候可用，可以同時參與多個比賽或遊戲實例。這解決了玩家的流動性問題，並為用戶黏性和收益創造了新的機會。
但這還不是全部…
（3）ARC RL：從一對一到多對一
如果說AI Arena 和ARC 訓練師平台感覺像是單人模式（你可以在其中訓練自己的AI 模型），那麼ARC RL 就類似於多人模式。
想像一下：一整個遊戲DAO 匯集其玩法資料來訓練一個共享AI 模型，每個人都共同擁有該模型並從中受益。這些「主代理」代表了所有玩家的集體智慧，透過引入集體努力和策略合作推動的競爭來改變電競。
ARC RL 使用強化學習（即“RL”）和眾包人類遊戲玩法資料來訓練這些「超智慧」代理。
強化學習的工作原理是獎勵最優行為的代理。它在遊戲中尤其有效，因為獎勵功能是明確而客觀的，例如造成的傷害、獲得的金幣或勝利。
這是有先例的：
DeepMind 的AlphaGo 在圍棋比賽中擊敗了專業人類棋手，透過數百萬場自生成的比賽訓練，每次迭代都在完善自己的策略。
我之前沒有意識到這一點，但早在chatGPT 創建之前，OpenAI 就已經在遊戲圈中廣為人知了。
OpenAI Five 在Dota 2 中使用強化學習碾壓頂級人類玩家，並在2019 年擊敗了世界冠軍。它透過加速模擬和大量的運算資源掌握了團隊合作等先進的策略。
OpenAI Five 每天運行數百萬個遊戲，相當於每天250 年的模擬遊戲，由256 個GPU 和128,000 個CPU 提供強大支援。透過跳過圖形渲染，它大大加快了學習速度。
最初，該AI 表現出不穩定的行為，例如漫無目的地閒逛，但很快就改善了。它掌握了一些基本策略，如在小路上匍匐以及盜資源，最終發展為複雜操作，如伏擊。
強化學習的關鍵理念是，AI 代理透過經驗學習如何取得成功，而不是直接告知該做什麼。
ARC RL 透過使用離線強化學習來使自己與眾不同。 AI 代理不是從自己的試誤中學習，而是從別人的經驗中學習。這就像是觀看別人騎自行車影片的學生，觀察他們的成功和失敗，並利用這些知識來避免摔倒，更快地提高。
這種方法提供了一個額外好處：協作訓練和模型的共同所有權。這不僅讓強大的AI 代理變得更加普及，也讓玩家、公會和開發者的動機更加一致。
在「超智能」遊戲代理的創建中，有兩個關鍵角色：
- 贊助者：類似公會的領導者，他們質押大量NRN 代幣來啟動和管理RL 代理。贊助商可以是任何實體，但很可能是遊戲公會、DAO、web3 社區，甚至是像Luna 這樣受歡迎的鏈上個人化代理。
- 玩家：質押少量NRN 代幣貢獻其遊戲玩法資料以訓練代理商的個人。
贊助商協調和指導他們的玩家團隊，確保高品質的訓練數據，使他們的AI 代理在代理比賽中具有競爭優勢。
獎勵是根據超級代理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，剩下的20% 歸NRN 金庫所有。這種結構讓所有參與者都有一致的激勵機制。
數據貢獻
你如何讓玩家樂於貢獻自己的遊戲玩法數據？不容易的。
ARC 讓提供遊戲玩法數據變得簡單又有益。玩家不需要專業知識，只要玩遊戲就行了。在一個會話結束後，他們會被提示提交資料去訓練一個特定代理程式。儀表板追蹤他們的貢獻和他們支援的代理商。
ARC 的歸因演算法透過評估貢獻和獎勵高品質、有影響力的數據來確保品質。
有趣的是，即使你是一個糟糕的玩家（像我一樣），你的數據也是有用的。糟糕的遊戲玩法可以幫助代理商學習不該做什麼，而技術高超的遊戲玩法則可以教導最佳策略。冗餘資料被過濾掉以保持品質。
簡而言之，ARC RL 被設計成一種低摩擦的大眾市場產品，以共同擁有超越人類能力的代理為中心。
4、市場規模
ARC 的技術平台是多功能的，支援多種類型的遊戲，如射擊遊戲、格鬥遊戲、社交賭場、賽車、卡片交易遊戲和RPG。它是為那些需要保持玩家黏性的遊戲量身定制的。
ARC 的產品主要針對兩個市場：
ARC 主要關注的是獨立開發者和公司，而不是老牌大廠。由於品牌影響力和分銷資源有限，這些小公司通常很難在早期吸引玩家。
ARC 的AI 代理透過從一開始就創造一個充滿活力的遊戲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。
這可能會讓許多人感到驚訝，但獨立遊戲領域確實是遊戲市場的主要力量：
- Steam 上99% 的遊戲都是獨立遊戲。
- 2024 年，獨立遊戲在Steam 上創造了總收入的48%。
另一個目標市場是Web3 遊戲。大多數Web3 遊戲都是由新興公司開發的，它們也面臨著這樣或那樣的獨特挑戰，如錢包登入、加密質疑和高昂的用戶獲取成本。這些遊戲通常存在玩家流動性問題，AI 代理可以填補空白，保持遊戲的吸引力。
雖然Web3 遊戲最近因為缺乏吸引人的體驗而舉步維艱，但正在顯現復甦跡象。
例如，最早的AAA 級Web3 遊戲之一Off the Grid 最近取得了早期主流成功，第一個月就有900 萬個錢包進行了1 億筆交易。這為該行業獲取廣泛成功鋪平了道路，為ARC 創造了支持這一復興的機會。
5、ARC 團隊
ArenaX Labs 背後的創始團隊擁有豐富的機器學習和投資管理專業知識。
執行長兼技術長Brandon Da Silva 曾在加拿大投資公司主導機器學習研究，專注於強化學習、Bayesian 深度學習和模型適應性。他率先開發了以風險平價和多資產組合管理為中心的10 億美元量化交易策略。
營運長Wei Xie 在同一家公司管理70 億美元的流動性策略投資組合，並主持其創新投資項目，專注於AI、機器學習和Web3 技術等新興領域。
ArenaX Labs 在2021 年獲得了500 萬美元的種子輪融資，由Paradigm 領投，Framework ventures 參投。該公司在2024 年1 月獲得了600 萬美元的融資，由SevenX Ventures、FunPlus / Xterio 和Moore Strategic Ventures 領投。
6、NRN 代幣經濟學—一次健康的改革
ARC/AI Arena 有一個代幣—NRN。讓我們先來盤點一下如今的情況。
考察供給面和需求面將使我們更清楚地了解趨勢走向。
（1）供給側
NRN 的總供應量為10 億，其中約4.09 億（40.9%）處於流通中。
在撰寫本文時，該代幣價格為0.72 美元，這意味著市值為2900 萬美元，完全稀釋後估值為7100 萬美元。
NRN 於2024 年6 月24 日發布，40.9% 的流通供應來自：
- 社區空投（佔總數的8%）
- 基金會金庫（佔10.9%，其中2.9% 已解鎖，36 個月線性解鎖）
- 社區生態系獎勵（佔30%）
大部分流通供應（40.9% 中的30%）由社區生態系統獎勵組成，專案管理這些代幣並將其策略性地分配給質押獎勵、遊戲獎勵、生態系統成長計劃和社區驅動計劃。
解鎖時間表令人放心，短期內沒有重大事件：
- 下一個解鎖是基金會的OTC 銷售（1.1%），從2024 年12 月開始，12 個月線性解鎖。這只會使每月通膨率增加0.09%，不太可能引起重大擔憂。
- 投資者和貢獻者的分配（總供應量的50%）要到2025 年6 月才開始解鎖，即使到那時，也會在24 個月內進行線性解鎖。
目前，拋售壓力預計仍將相當可控，主要源自於生態系獎勵。關鍵是信任團隊有能力策略性地部署這些資金，以推動協議的成長。
（2）需求面
NRN v1——玩家經濟
最初，NRN 被設計為與AI Arena 遊戲經濟相關聯的戰略資源。
玩家將NRN 押在AI 玩家身上，如果它們贏了就會獲得獎勵，如果輸了就會失去部分質押。這創造了一種直接利益相關的動態，將其轉變為競技運動，並為熟練的玩家提供經濟誘因。
獎勵使用ELO 系統進行分配，確保基於技能的平衡支付。其他收益來源還包括遊戲道具購買、裝扮升級和比賽入場費。
最初的代幣模式完全依賴遊戲的成功以及不斷有新玩家願意購買NRN 和NFT 參與遊戲中來。
下面來說一下我們為何如此興奮…
NRN v2——玩家&平台經濟
NRN 改進的v2 代幣經濟學透過將代幣的效用從AI Arena 擴展到更廣泛的ARC 平台，引入了強大的新需求驅動因素。這種演變將NRN 從特定遊戲代幣轉變為平台代幣。在我看來，這是非常正面的轉變。
NRN 的三個新需求驅動因素包括：
來自ARC 整合的收入。整合ARC 的遊戲公司將透過整合費用和與遊戲表現掛鉤的持續版稅為金庫創造收益。金庫資金可以推動NRN 回購，發展生態系統，並激勵訓練師平台上的玩家。
訓練師市場費用。 NRN 從訓練師場的收費中獲取價值，玩家可以在訓練師市場上交易AI 模型和遊戲玩法資料。
參與ARC RL 的質押：贊助商和玩家都必須質押NRN 才能加入ARC RL。隨著越來越多的玩家進入ARC RL，對NRN 的需求也隨之增加。
尤其令人興奮的是遊戲公司的收益。這標誌著從純粹的B2C 模式向B2C 和B2B 混合模式的轉變，創造了NRN 經濟的持續的外部資本流入。隨著ARC 擁有更廣泛的目標市場，這種收益流將超過AI Arena 本身所能產生的收益。
訓練師市場的費用雖然有前景，但取決於生態系統能否達到臨界規模——足夠的遊戲、訓練師和玩家來維持活躍的交易活動。這是一個長期事業。
在短期內，ARC RL 質押可能是最直接且最具反射性的需求驅動因素。資金充足的初始獎勵池和新產品發布的興奮可能會引發早期採用，推高代幣價格並吸引參與者。這就形成了需求上升和經濟成長的反饋循環。然而，反過來看，如果ARC RL 難以維持使用者黏性，需求可能很快就會消失。
網路效應的潛力是巨大的：更多遊戲→更多玩家→更多遊戲加入→更多玩家。這種良性循環可以將NRN 定位為Crypto AI 遊戲生態系統中的核心代幣。
7.遊戲AI 模型之母
結局是什麼？ ARC 的優點在於它能夠推廣各種遊戲類型。隨著時間的推移，讓他們能夠收集獨一無二的特定遊戲玩法資料庫。隨著ARC 與更多遊戲的集成，它可以不斷地將這些數據反饋到自己的生態系統中，從而創造一個成長和完善的良性循環。
一旦這個橫斷面遊戲資料集達到臨界質量，它將成為一個非常有價值的資源。想像一下，利用它來訓練遊戲開發的通用AI 模型——為大規模設計、測試和優化遊戲開啟新的可能性。
現在還為時過早，但在數據就是新石油的人工智慧時代，這方面的潛力是無限的。
8、我們的想法
NRN 演變為平台遊戲—代幣重定價
隨著ARC 和ARC RL 的發行，該項目不再只是一個單一產品的遊戲公司，它現在將自己定位為一個平台和AI 遊戲。這項轉變應該會導致NRN 代幣的重新評級，在這之前NRN 代幣受限於AI Arena 的成功。透過ARC RL 引進新的代幣來源，再加上與遊戲公司的收入分成協議和訓練師交易費的外部需求，為NRN 的效用和價值創造了更廣泛、更多樣化的基礎。
成功與遊戲合作夥伴密切相關
ARC 的商業模式將其成功與它合作的公司聯繫在一起，因為收益流是基於代幣分配（在Web3 遊戲中）和遊戲版稅的支付。與之緊密結合的遊戲值得一看。
如果ARC 遊戲獲得巨大成功，那麼由此產生的價值將回流到NRN 持有者手中。相反，如果合作遊戲陷入困境，價值流將受到限制。
期待與Web3 遊戲的更多集成
ARC 平台非常適合Web3 遊戲，在Web3 遊戲中，具有激勵機制的競爭玩法與現有的代幣經濟完美結合。
透過整合ARC， Web3 遊戲可以立即進入「AI 代理」敘事。 ARC RL 將社區聚集在一起，激勵他們朝著共同的目標前進。這也為創新機制開啟了新的機會，例如讓「遊戲到空投」等活動更吸引玩家。透過將AI 和代幣激勵措施相結合，ARC 增加了傳統遊戲無法複製的深度和興奮度。
AI 玩法有一個學習曲線
AI 玩法有陡峭的學習曲線，這可能會給新玩家帶來摩擦。我花了一個小時才弄清楚如何在AI Arena 中正確訓練我的玩家。
然而，ARC RL 的玩家體驗摩擦更小，因為當玩家玩遊戲並提交資料時，AI 訓練是在後端處理的。另一個懸而未決的問題是，當玩家知道自己的對手是AI 時，他們會有什麼感覺。這對他們有影響嗎？會增強還是削弱遊戲體驗？只有時間才能告訴我們答案。
9、光明的未來
AI 將在遊戲世界中開啟全新的突破性體驗。
Parallel Colony 和Virtuals 等團隊正在推動自主AI 代理的發展，而ARC 則透過專注於人類行為克隆來開拓自己的利基市場——提供一種創新方法來解決玩家流動性挑戰，而不依賴不可持續的代幣經濟學。
從遊戲到成熟平台的轉變對ARC 來說是一個巨大的飛躍。這不僅透過與遊戲公司的合作開啟了更大的機遇，也重構了AI 與遊戲的整合方式。
憑藉其改進的代幣經濟學和強大網路效應的潛力，ARC 的光明之路似乎才剛開始。
