无限世界

AI、IP 可组合性和自主代理

一年前，我和Sid 写了这篇文章 讨论创作者经济在游戏中是如何结合在一起的。在随后的这一年中，我们在四个游戏项目中获得了少数股权。其中一个项目的安装量超过了1亿。但游戏本身的单位经济学自那时以来有所演变。因此，我们重新审视了这一主题，这篇文章就是由此产生的。

任何足够先进的技术都与魔法几乎没有区别。本文中有许多宏大的声明。尽可能地，我引用了有效产品的实时实例。对于那些尚未上线的产品，我也引用了在前沿领域的创始人的论述并归属给他们。

可以将其视为关于网络如何因AI经济学变化而演变的初步介绍。

我们用游戏作为背景来解释自主代理如何嵌入我们的活动。我们采用这种方法是因为游戏是实验成本较低的封闭环境。本文中提出的论点可以推断到我们几乎未曾想到的金融、劳动协调和小众垂直领域的前沿。尤其是在新兴市场中。

如果你是一位探索这些主题的创始人，我们很乐意与你交谈。请使用下面的表单与我们联系。

我们还希望在Decentralised.co团队中增加一名分析师。

更多详细信息，点击下面的按钮。

回到文章……

在1950年，阿兰·图灵写了一篇题为 计算机机械与智能 的论文。他首先提出一个简单的问题：机器能够思考吗？在现代历史上，有许多尝试创建模仿人类智能的机器。最初的机械土耳其人是一台伪装成下方隐藏的人与人下棋的机器。

当蒸汽机和电力推动我们的机械时，我们几乎没有途径来复制人类意识。图灵预测，到2000年，当计算机内存达到100 MB时，我们将拥有模仿人类智力的机器。

图灵测试——以图灵的名字命名——旨在检测机器是否能通过会话伪装成一个人。我在一台拥有32 GB RAM的机器上写下这些文字——大约是图灵所设想的机器在接下来的几十年中会拥有的320倍内存。我今天使用了三次ChatGPT，生成的一些对话似乎可以被认为是真正的人类。

今天的问题探讨一个简单的问题：自主代理能否在区块链上为了乐趣和利润复制人类的行为？如果可以，这对虚拟经济（例如游戏中的经济）意味着什么？我知道这些术语可能听起来难以理解。自主代理究竟是什么？

请跟我一起，我们将进行一次探索之旅，涉及非玩家角色（NPC）、去中心化金融（DeFi）、游戏和人工智能（AI）互动的统一经济层。

NPC 到人类

我们首先来看一下自主代理的理解。今天，机器人占所有互联网流量的超过45%。这些基于规则的实体完成某些功能，比如在某个时间点发推，或者在航班可用时立即预订。它们通常只在一两个功能上表现优秀。

另一方面，自主代理是指在其所处环境中独立行为的实体。

自主代理的最佳示例是《侠盗猎车手 V》（GTA 5）中的 NPC。这些角色在如何与玩家互动方面差异很大。

例如，在《荒野大镖客救赎》中，NPC 会根据你是否杀害其他角色而以不同的方式对待你。类似地，《刺客信条》游戏中的 NPC 根据你在游戏中的选择采取道德立场。NPC 的这种变化丰富了每个玩家的体验。每当你玩这些开放世界游戏时，你都会得到略有不同的体验。

这可能看起来并不重要，但非玩家角色在游戏中的行为举止对玩家的体验产生了极大的影响。上图来自于育碧解释其如何使用 AI 的一篇文章。

在线性故事中，你只能体验一次游戏。你或多或少知道会有什么期望。然而在《GTA 5》或《刺客信条》等开放世界中，NPC 的行为差异增加了体验的随机性。这种不可预测性使每次玩游戏时都形成独特的故事情节。工作室意识到了这一点。

然而，人类在设计 NPC 时是有限制的。例如，如果你的游戏中有一千个 NPC，可能需要找到方法为每个 NPC 设计其行为、服装和语言。每个角色的设计将增加成本。

这部分也是为什么像《荒野大镖客救赎》和《GTA 6》在新的发行之间要间隔十年。去年，育碧尝试使用 AI 来设计 NPC 角色脚本。生成型 AI 会创建脚本来指示角色如何响应。然后，人类编剧会规划角色在游戏中对某些行为的响应。

在这样的模型中，使用 AI 会减少生成新角色所需的时间。工作室声称，人类仍然负责设计游戏的核心故事情节。但虽然故事情节和角色脚本也许难以设想，但使用 AI 进行世界生成却非常真实。

最突出的例子是《微软飞行模拟器》。这个游戏允许玩家模拟全球数百种飞机的飞行。为了从飞行员的视角重现世界，游戏团队利用卫星图像绘制了世界地图。然后，他们使用 AI 模型创建世界的 3D 模型。这个游戏足够复杂，能够实时复制 内部的天气风暴，使用天气数据来实现所有这些。目前所有这些操作都运行在Azure AI上。

这是迪拜在微软飞行模拟器中的样子，来自 Reddit。

游戏与 AI 之间的这种相互作用并不是新的。早在1997年，Deepmind 就被训练得比人类下棋更优秀。25年后，目标已变为制造越来越像人类的机器人。在 Deepmind 胜利的比赛中对于人类的强烈渴望未被忽略，而机器学习模型如Maia则沉迷于模仿游戏中人类的行为。

这个模型基于大约1200万个不同水平的人类游戏进行教学。这个模型中有九个模块化级别，因此低等级的玩家将能找到模仿他们的对手。如果你想尝试一下，可以点击这里。

这有什么重要性？如果目标是娱乐，那么模型需要模仿人类行为。如果目标是竞争，你可能需要一个总是获胜的模型。一些初创公司正在尝试通过视频录像复制人类玩家的行为。他们的说法是，仅仅有来自CS:GO或类似游戏的录像就足以复制玩家的自然游戏风格。理论上，该技术意味着我应该能够复制朋友在FIFA或GTA 5中的游戏风格。

由于玩家通常有Twitch直播，直接包含他们游戏的片段，想象一个可以为他们的游戏能力或游戏风格获利的世界并不遥不可及。在这样的（假设的）模型中，一位在Fortnite中排名非常高的玩家可以教授模型如何玩，并对其他玩家收取微交易以与AI驱动的版本对战。

对于工作室来说，利用自主代理的好处在于，可以提供比仅在游戏中使用NPC更丰富的游戏体验。我的理解是，独立开发者在这些因素的融合中将获得最大益处。值得一提的是，这是一个很大胆的声明，我们仍然没有看到与人类玩家一样好的功能代理的实时实例。

但在我们接触这些之前，值得探讨的是 AI 在链上交易中所扮演的角色。

智能链

在2023年9月，一半的所有交易 在Gnosis链上是通过AI代理执行的。这些代理能够执行的任务复杂性如火箭般快速演变。理解这一点的一个很好的基准是Mason Nystrom对AI代理光谱的详细描述，如下所示。早期的代理能执行简单的功能，比如提醒用户有关特定钱包的交易或查询用户的余额。

来源于 Mason Nystrom 的关于代理的文章。

这些代理检查链上的数据并提供输出。最近，随着Telegram机器人的出现，零售用户获得了更先进的机器人。这些机器人可以跟踪链上的活动，并通知用户在Uniswap上发布的新池。它们还可以检测Token转移是否存在税收，并评估Token是否可能是欺诈。

使用Telegram机器人的用户可以向这些机器人分配小额资金，希望能提早了解到某个Token。像Onthis.xyz这样的一些项目使任何用户都能执行意图中心的交易。你提供一系列指令——包括在链ABC上将资产X交换为Y——它会为你生成一个钱包。只要你向这个钱包发送资产，它就会执行所需的任务。

这些机器人分析链上的数据并执行特定任务。它们的功能受到其执行的限制，并且需要人类输入。根据Mason的说法，代理的逐渐演变将更向自主发展。这些代理可能能够预测特定DeFi池的收益如何在未来六个月内发展，或自动跟踪最佳池以存放资本。

它们的能力不局限于查询当前的收益市场情况。相反，它们可以预测市场条件并相应行动。

我看到的两个在这一方向建设的产品是Mozaic和Noya。这两个产品声称能协助跨链收益。它们的优化旨在减少交易费用，跨网络桥接，为闲置资产寻找流动性以实现收益，所有这些都由它们自主完成。也就是说，一个自主代理能够在多个地方移动你的闲置资产，以找到停放它们以获取最高利率的最佳位置。

我无法验证Mozaic或Noya相比传统基金经理到底如何提高效率。不过，我对名为Spectral Labs的工具进行了实验。这是一个无代码框架，允许任何人使用自然语言处理创建自主代理。因此，你可以在Syntax这个基于聊天的编码工具上使用文本，并期望得到经过审计的准备好发布的代码。

我们看到的链上发展经历了快速演变的意图（使用自然语言处理和类似的用户手势来启动交易）以及使用户能够在没有其实时监控数据的情况下进行交易的工具。这些工具使用户能够快速投资新的Token、购买 meme 代币的指数，或在特定链上参数满足时从某些资产中旋转出来。你还记得我提到过一半 Gnosis 交易是通过代理进行的？推动这一转变的关键参与者是Olas Networks。

ElCollectooorr 构建模型从 ArtBlocks 中挑选最佳 NFT

Olas 提供一整套工具，使用户能够创建和管理他们自己的自主代理。我看到的一个应用程序暗示了该生态系统如何发展的趋势是ElCollectooor。这个工具帮助创建一个库，供一群朋友存入 ETH。每当在ArtBlocks发布艺术作品时，代理会代表库的用户收集它。当库关闭时，用户可以决定如何处理库中的资产。它可以兑换为 ETH，或用户自己接收资产。

这与一群用户拥有多签名钱包有所不同。快速观察目前 DAO 的运作方式解释了为什么单靠人类智能很难有效应对市场事件以协调链上资源。当一组用户有一个多签名钱包时，他们需要通过投票来共同决定收集哪些艺术品。相比之下，代理可以做出更快的决策，并在变化的市场条件下不断自我更新。

人们达成共识需要时间，他们会受到参与决策的社会经济动态的影响，而算法则并不关心。

ElCollectooorr声称他们的代理更适合挑选获胜的收藏。如果你要创建一个简单的代理，你可以简单地在ArtBlocks上铸造任何发布的艺术作品；但智能代理则可以理想地确定哪些收藏值得铸造，哪些是应该避免的。

最后一点——智能——目前并不在链上存在。相反，企业利用密码学原语来激励和验证自主代理。 AI x Crypto Primer 由Mohamed Baioumy和Alex Cheema提供了这一现象的很好的解析。

下面是他们入门文中关于洛克菲勒机器人的描述。

**洛克菲勒机器人是一个在链上运行的交易机器人。它使用AI来决定哪些交易应当进行，但由于AI模型并未运行在智能合约上，我们依赖服务提供商为我们运行模型，然后告知智能合约AI的决定，并向智能合约证明他们不是在撒谎。如果智能合约不检查服务提供商是否没有撒谎，服务提供商可能会代表我们进行有害交易。洛克菲勒机器人使我们能够通过零知识证明（ZK）来证明服务提供商没有对智能合约撒谎。

_在这里，ZK 被用来改变 AI 栈。AI 栈需要采用 ZK 技术，否则我们无法使用 ZK 来证明模型为智能合约决定了什么。最终的 AI 模型因 ZK 技术输出可验证输出，而现在可以在链上查询，因此这个AI模型被用于加密栈中。在这种情况下，我们在智能合约内使用AI模型公平地决定交易和价格。这在没有AI的情况下是无法实现的。_

我们将在未来的文章中深入讨论零知识证明，但可以这样理解：每当LLM模型生产输出（这建议你买入或卖出某种资产），就会提及验证服务提供商身份的机制。

这些机制建议你进行某个特定的举动（例如，你可以验证RenTech建议你购买10,000 WIF代币）。这一举动不会透露具体来源（即RenTech不会分享他们用于得出决定的专有模型）。

正如我所说，在这样的模型中，数据和模型本身仍保持离线，但采用密码学原语用于以下目的：

1. 验证模型的输出，以便没有第三方提供恶意输出（例如，竞争的对冲基金可能建议你购买Bonk代币，导致损失，并声称是RenTech建议的）

2. 激励第三方专家在该数据上运行他们的模型（Numeraire 是此类模型成功运作的早期实例之一）

例如，Numeraire提供标准化数据集，数以千计的数据科学家通过数据科学竞赛来提供输出。科学家会质押他们的NumeraireToken以显示自己的风险与投入。也就是说，拥有更多NMR代币的人的预测将被加大权重。如果他们的预测持续正确，他们将获得更多NMR代币。

如果错误，他们的代币会被削减——也就是说，他们将失去自己的NMR代币。根据他们的仪表盘，Numeraire现在大约有1,218位数据科学家在参加他们的竞赛。

Numeraire的仪表盘是我们当前在Web3中对数据科学家及其模型的公开排名最接近的实例。

当规模扩大时，你将拥有开放市场，多个参与者可以预测商品（例如 NFT）的定价。我看到的一个实地运作的例子就是Upshot。在为像NFT这样的商品构建金融产品时，你首先需要准确的价格信息。有时，这些价格信息需要前瞻性。也就是说，你必须预测资产几周后可能交易的价格，以便准确提供贷款。

Upshot使用机器学习模型来执行这一操作。但没有办法验证数据确实来自他们的模型。Upshot的一名员工（假设情况下）可以篡改NFT价格信息，获得其中的利益。ZKP提供了保护隐私的替代方案，但它们在大规模运作时曾经成本过高。根据Modulus，在以太坊主网上进行单次评估可能造成近100万美元。这假设模型直接在以太坊上运行。

你可以在他们的论文《智能成本》中阅读更多有关这方面的内容。

Modulus与Upshot合作，大幅降低了此类操作的成本。现在，任何使用Upshot价格信息的人都可以可验证地声称该价格来自Upshot。自去年11月以来，他们在以太坊上近乎每小时执行10,000次基于AI的零知识验证评估。你可以在这里阅读更多关于他们的做法。

用户拥有的数据和第三方模型之间的这种联系在各个用例中正变得普遍。今年早些时候，Zama，一家提供全同态加密(FHE，允许在不将数据自身提交给第三方的情况下对数据进行计算)的供应商，筹集了近7300万美元。其焦点从链上信用评分到根据你的健康数据预测疾病。你可以在这里看到它解析情感数据的现成实施：文本情感分析。

我带你走过这些例子的原因是因为我们看到了一系列因素的交汇。

1. 首先，FHE的发展将允许用户向模型传递数据，以更高的隐私度，相比以前的水平，正如Zama展示的那样。

2. 其次，验证这些模型输出的成本（利用Modulus等工具）已大幅下降。你可以数万次运行这些验证，而成本不会增加，就像Upshot所展示的一样。

3. 最后，链上机器人已经充分进化，可以在用户不主动监测数据的情况下代表用户进行交易，这也体现在洛克菲勒机器人和ElCollectooorr中。

所有这一切有一个最后的因素：链上交易的成本近年来也大幅降低。像Solana以及基于EVM的网络（如Base （无故意的双关，意思指基本的））允许用户以不到一美元的成本进行数百次交易。

在一个交易成本迅速下降，而解析数据和代表（为用户）进行交易的能力飞速提高的经济中，我们将看到机器人越来越常见地成为日常交易的一部分。

根据CNBC的报道，美国证券市场上接近80%的交易由机器人执行。 机器人甚至在购买航班或音乐会门票时变得司空见惯。显然，自我交易的机器人进入市场标志着市场的进化，正如我们在中心化交易所的流动资产中看到的那样。

如果不是数百个机器人在交换对（BTC、USDT或ETH）之间进行套利，至今我们可能在价格方面更加糟糕。我们现在看到的是可以在链上进行交易的自主机器人。

一个在这一背景下，AI的影响与用户拥有代理相关的正在发挥作用的市场是游戏。让我解释一下它是如何发展的。

虚拟经济的智能

我思考了很多什么使得一个代理与游戏中的角色不同。在Web3游戏的背景下，代理可以拥有共享的状态记忆。因此，如果代理——一个玩家拥有的角色——注意到某个竞技对手购买了他们竞争的某个头像，代理可以相应地演变其玩法。

为了使这一过程实现，代理必须能够访问市场以供交易头像，并能够根据所面对的玩家竞争进行技能自我提升。为了实现这样的经济体系，整个生态系统必须集成。

也就是说，IP、游戏、市场和代理本身必须有共同的连接关系。在我看来，这正是Parallel 正在努力实现的目标。他们今天并不是要取代大型AAA工作室（如育碧）。他们正在创建一个统一的生态系统，致力于在虚拟经济中使用代理进行交易。稍后我会详细说明他们的业务。但让我们首先拉远视角来看一下这里发生的事情。

每当一种新技术出现时，通常是多种因素交汇使其成为主流。在2000年代初，基于Flash的游戏在网络上大受欢迎，但由于互联网速度较慢，主机游戏的体验更好。直到移动设备的崛起，微型游戏（如《愤怒的小鸟》）才变得流行。

这需要移动设备变得更加可负担，可移动互联网的成本急剧下降，以及手机上的触摸屏普及。这种类似的因素交汇可能正在Web3游戏中再现。

在2021年，来到Web3游戏的玩家不得不承受在以太坊上转移资产的高成本。在玩像《Axie Infinity》这样的游戏之前，玩家还必须投入资金购买NFT。整个体验从一开始就是交易性。就其本性而言，拓展产品的最接近的市场是“玩赚”（play-to-earn）。

只有当用户知道可以从投资中获利，他们才会向一款原始的、崭新的游戏投资。而今天的生态系统与此大相径庭，因为越来越多的用户聚集在P2E周围，社区已经成为游戏比单纯获利更大的吸引力。

当游戏与AI原件相结合时，我们可能会再次见证一系列新技术的交汇。同时大型工作室（如育碧）因为拥抱生成世界而有很多风险，而像Parallel这样的新兴公司可能会因为能够为用户提供更好的体验而予以欢迎。AI原生的NPC或可以训练以获利的代理所带来的新奇感可能会推动Web3游戏步入主流。

在理想的情况下，Web3原生的游戏和AI将把这一类别从主要交易性转换为更休闲的生态系统。Parallel似乎正在利用这个机会。

可组合IP理论上应该使同一角色能够在不久的将来跨游戏界面使用。

Parallel目前以其Parallel TCG著称，这是他们的一款卡牌游戏。但支持该游戏的是由Echelon基金会主导的生态系统。它是一个非营利机构，旨在为集体生态系统提供基础设施、IP和专业知识。PRIME是他们用来治理生态系统的代币。Parallel Studios是一家独立的工作室，致力于游戏开发。从2023年7月起，Parallel TCG上线。

他们是可组合IP在游戏中实际运作的最早实例之一。例如，Parallel Avatars是一个包含11,000个NFT的系列。拥有这些卡的初步好处可能只是可以获得游戏的提前体验。但未来，他们计划将其用于游戏故事背景。

这一切得以实现的地方是Parallel Avatar发布的第二款游戏Colony——一个战略生存模拟游戏，在游戏中以AI为基础的代理相互竞争以求生存。

Parallel今天生态系统内价值流动的缩影。

其运作方式是一个游戏可以简单地将Parallel的Avatars（NFT）集成到任何新推出的游戏中，以吸引21300+今日拥有Parallel Avatars的用户。因此，你实际上拥有的是IP的可组合性。游戏的开发商可以根据NFT自身的元数据将某些技能关联到角色。

上周，他们宣布了Wayfinder——为开发者颁发和管理代理的一整套工具。这白皮书本身也将会是一个重要的研究方向，但对于Web3游戏的演变有着深刻的启示。他们想象的未来中，AI代理——你在游戏中的角色——可以在不需要用户输入的情况下（像洛克菲勒机器人那样）执行链上活动，而用户则在屏幕之外。

Parallel的做法似乎是在捆绑一些互操作的服务。他们从Avatars开始，获得了初步的用户基础，然后又发布了TCG和Colony——这两个可以共享NFT的独立游戏。现在，他们发布了Wayfinder——一个在游戏经济中构建代理的工具。

Wayfinder为游戏工作室提供了构建游戏内代理以执行链上活动的工具。例如，如果代理在游戏中发现套利机会，他们可以使用Wayfinder进行链上交易以利用这一机会。（你可以在这里查看该产品的早期演示）。

Nim Network 也聚合了一些在自主代理与游戏交叉领域发展的小型公司。他们本周早些时候发出基于dymension的滚轴应用程序。

这一趋势过去不止属于Web3。甚至在区块链之外，游戏与AI之间的融合正在不断加深。下面的市场图是今天一些融合游戏与AI的工具的完整列表。

你可以实际使用AI生成一个世界使用Blockade，为其添加音乐通过Suno，使用Luma Labs来建模3D资产，并用Inworld填充充满NPC的世界。

我们目前正在看到创建虚拟世界所需的成本和努力的急剧降低。社交媒体使每个人都可以成为独立的媒体 outlet。AI将使每个人能够创建自己的独立游戏。

一个非详尽列表，展示了在生成AI与游戏的交叉点上进行建设的公司。

这是否意味着我们对游戏的传统看法即将变得过时？可能不会。社交媒体并未颠覆传统电影行业。相反，发生的将是人类的注意力现在将分散到多个提供独特、按需体验的游戏中。这些更新可与用户实际的变量关联，比如地理位置或链上足迹。

不断更新的游戏将反过来吸引更多用户长时间参与，因为其中总有新事物可以期待。

A16z称这一类游戏为永无止境的游戏。 我们真正看到的是三种因素的交汇。

• 首先，有能力使用工具（如ZKML）将链外智能引入链上机器人。

• 其次，得益于生成AI，虚拟世界呈现爆炸式增长。

• 最后，出现了Olas网络和Parallel等集成生态系统，推动工具发展，能够创造高效互动的代理。

赋予这一转变以推动力量的部分元素是代币绑定账户（TBA）。

我之前对代币绑定账户进行了介绍。 这里是一段关于该文章的快速回顾：

**在身份方面，这些资产目前以两种方式使用。NFT用于通过简单检查钱包余额来验证所有权。使用NFT来证明身份将意味着一个人要么拥有足够的财富去获得（与资本相关），要么具有在NFT发布时早期铸造的技能。与之相反，无魂证书（SBT）通常不能仅由资本获得。它们本质上是不可转让的，因此用户必须投入努力和时间以获得。

_但是，如果你有机制将SBT、简单资产（如稳定币）和NFT合并为单一标准并赋予其交易能力呢？那就是 ERC-6551。在这个模型中，你可以将NFT转变为钱包。一个用户的动作可以向NFT添加资产层。这些层可以是托管在中心化服务器上的元数据，也可以是链上持有的资产。拥有 TBA 的用户可以移动单一资产（如稳定币）或转移 TBA，同时转移所有由其持有的资产。_

ERC-6551 本质上是一种.wallet的NFT。下方的图片展示了这在实际中的运作方式。你可以从像Parallel的Avatar这样的简单NFT开始。随着游戏的进展，其能力和资源将在链上演变。因此，假设你在某个游戏中狩猎动物收到 +100 食物，该信息会在链上留下印记。当你用同一个钱包登录到另一款游戏中时，这些信息就可以被处理，以便赋予不同的体验。

ERC-6551允许的（在AI之前）是跨游戏的单一钱包（及其相关数据）之间的互操作性。因此，如果你构建了一个AI生态系统，就可以使用数据（来自NFT）重新创建独特的世界和体验。你还记得我在文章的初始部分提到的关于NPC的挑战吗？你可以（假设性地）重建游戏世界的样子，或者角色与玩家的互动取决于NFT的特征。

这可能看起来不可思议，但让这一切发生所需的基元今天就已存在。

例如，Virtuals.so允许你在数字世界中创建、铸造和产生AI角色的收益。你可以“教会”角色如何进行某些技能，比如会计、提供心理辅导，或者在游戏中担任副驾驶。同样，Story Protocol允许你在多个媒介上构建可以编程的IP。

以上图像来自于Jason Zhao的推特。

Story Protocol 正在努力实现一个IP成为平台的世界。你可以在一个游戏中使用来自Marvel或Pokémon的人物，只要原始创作者获得一部分收入。在过去，IP作为平台的方法难以取得成功，因为你没有机制可以在网络上信任地验证使用IP的过程。如果我可以下载Marvel角色并让它们通过LLM模型进行运作，而不被制片厂起诉，制片厂本身就没有激励让我这么做。

然而，如果一个去中心化账本（像区块链）使得许可IP的过程像下载图像一样普遍化并与工作室分享相关收入，工作室就会对此产生激励。

NFT的诞生是解决该问题的前期方法。你可以合理地“验证”你拥有一个在你的T恤上打印的BAYC角色。然而，连在这里，真正的挑战是原始创作者（Yuga Labs）没有机制来获得与这些角色产生的收入的一部分。侧注：据我了解，BAYCs 的最佳用途是在这个 Eminem 视频中。

将这样的代理与虚拟经济融合，可以进一步促进价值流动。例如，一组用户可以联合起来创建极具趣味的代理，以供用户对战。然后，他们可以将这些代理“租赁”给第三方游戏开发者，以便整合到游戏中并赚取部分产生的收入。

在这样的模式下，“NFT”（或 ERC-6551）并不在链上托管其所需的技能执行这些功能。这些技能将会在链外托管（并开发）。然而，验证谁拥有这些技能将通过交叉引用钱包是否持有访问技能所需的 NFT 来进行。

基于代理的虚拟经济的最终状态将是独立开发者使用可组合的 IP 为单个玩家创建定制化体验。

让我用更简单的术语解释。还记得我最初提到的基于 AI 的艺术块收藏家 ElCollectooorr 吗？假设你有一个通过 AI 模型训练的代理，能够代表用户进行高效交易。一名开发者可以在某个游戏等级中给予特定 NFT 持有者对该代理的访问权。

在这种情况下，用于训练代理的模型和数据并不直接连接到 NFT。它们仍然保持链外，但用户可以通过代理与多个游戏内市场的互动来创造利润。也许开发者甚至可以收取一部分通过这些代理互动产生的利润来为此服务收费。

目前有两个产品可以看到这些技术的结合。其中一个是 Alethea 的实时代理。这些代理能够根据文本输入生成情感面孔。另一个是 Polywrap 的 AutoTx 代理。基于 Biconomy 的账户抽象 SDK， Polywrap 的代理 能够仅通过对话输入进行基本功能，如发送代币或进行交换。

未来，我们可能会有一个市场，将这种代理租赁给用户。

如果能够将其扩展到多个玩家，这个系统会变得更加有趣，因为这使得贡献故事、情节、3D 资产或技能成为开发者模型中可以使用的内容。在过去，由于游戏所需的技能以及标准输入化，玩家在提供输入方面几乎不可能。但生成性 AI 解决了这一技能差距。

因此，假设如此，玩家可以提供故事、情节、3D 资产或特定技能的元素，以便在开放世界中使用，并让经济价值双向流动。最重要的是，玩家可以贡献以在游戏中获得附加福利。对参与这种模型的“动机”将从赚钱转变为在游戏经济中获得的地位。

左侧是管理和开发游戏的开发者。右侧是为开发游戏所需资产贡献的个别玩家。双方的努力将终汇聚于更好的游戏体验。

即，开发者可以在游戏中使用这些资产，而玩家则可以因此获取平台奖励或部分生成的收入。

在这样的模型中，用户的收益将是能够拥有一个动态游戏的生态系统——这些游戏因不是由个人开发者开发而是由开放的贡献者生态系统快速演变。如果开发者参与的生态系统良好，那就会有可能融合 IP、游戏和经济价值传递。

我认为这种方法对整个行业也有更广泛的影响。目前，AI 限于少数几款由几个开发者发布的游戏。它们的用户主要受制于“玩赚”的经济学。也就是说，游戏必须是高通胀（或投机性）才能留住用户。Web3 游戏受到限制的原因是可以发布的游戏数量有限。

在生成性 AI 的世界中，“玩赚”将被“贡献赚”所取代。

可能会有一些用户只是对各经济体之间的套利感兴趣——那些更倾向于开发和货币化小众技能的人。或者，可能会有艺术家从为游戏生成 3D 模型中获利。本质上，我们将会见证多元化的市场，激励更多的用户参与虚拟经济。

代理经济

具有嵌入式 AI 原语的 Web3 原生游戏扩展了各种用户角色与该行业互动的面貌。例如，能够为角色配音的艺术家，或者看着现有作品集合并假装成为第三方的模型，可以被嵌入到游戏中。

这听起来可能很不切实际，但利用公开可用作品在虚拟经济中复制一个现有的人物是非常可能的。例如，Delphi 允许用户通过输入来自 PDF、聊天记录或视频的文本来克隆自己。假设你有取得许可，可以想象未来的某个游戏中有 Naval Ravikant 或 Ben Horowitz。

然而，这完全依赖于愿意在生态系统中借出大量作品的创作者。

一个更可能的场景是，个人可以直接贡献到游戏中。例如，Fortnite 在 AI 生成艺术 中对玩家发表种族歧视言论的问题。在历史上，人们认为中心化的审查团队可以帮助进行内容的审查。

但随着游戏走向全球、文化交融，你需要有足够上下文的分布式劳动来协助处理这些问题。当 Meta 崛起时（在疫情前），其运作的一个重要部分 就是在协调外国文化的审查员。在一个假设的世界里，想象一支分布式劳动力为游戏中的事件进行标注并不是不合理的。

虽然这些例子似乎是理论上的，但我发现一个值得关注的实例就是今天的 AIArena。该平台允许玩家训练自己的代理并与其他玩家的代理竞争。在他们的模型中，每个角色都以随机参数开始，这些参数决定了它们对特定动作的行为和反应。游戏收集用户的数据，了解他们的游戏方式，这些数据之后可以用于在他们缺席时复制玩家。

未来，这些代理可能会被嵌入到各个游戏中。构建游戏的单元经济正在以多种方式演变。

1. 首先，降低构建游戏的门槛

2. 其次，通过提供 IP、数据和模型，使追踪和激励用户变得更容易

3. 第三，使开发者能够有替代的方法来货币化游戏

一点值得注意的是，开源 AI 正在经历一个繁荣阶段。诸如 Meta 和 Alphabet 等组织在过去几个季度将其模型的某些部分外包，但用于训练这些模型的数据往往并不是公开访问的。因此，当涉及到消费应用时，独立开发者通常因缺乏资源而难以与其规模相竞争。

通过激励用户贡献非标准化数据的方法，或许能给小型开发者提供像大企业一样扩展的机会。

当我最初接触这部分内容时，我不确定代理是否是一个存在的概念。在做研究的过程中，我遇到了并向多位创始人学习，他们以不同的方法构建代理经济。其中有一位创始人给我留下了深刻印象。

那是 Virtuals. 的创始人。他声称在未来，多个用户将共同训练单个角色的代理，然后将其租赁用于交互。这样的代理的明确路径将是一个基于视频或文本的角色，根据多个个体的输入进行训练。这在现在就已经存在。想象一下，以后将会形成公会来训练单个代理。成百上千的人将训练代理，然后这些代理会嵌入到各个游戏中。

这是否使得个别玩家变得多余？不。你依然需要玩家来玩这些游戏以训练代理。代理只是使得玩家的游戏风格即使在他们不主动游戏时也能被复制。这有意义地断开了时间和劳动奖励。“玩赚”可能变成“训练赚”。这是一个在未来六个月内可能演变的假设。

然而，代理复制的更大影响在于今天游戏平台中的创作者。我们所交谈的一家公司管理着 100 名顶级 Twitch 游戏主播中的 45 名。Twitch 游戏主播面临的挑战是需要每天发布游戏内容作为创收的机制。我们谈论的那家公司正在帮助这些创作者复制他们在游戏经济中的游戏风格和互动方式。

这就像在足球场上与 Pelé、Maradona 和 Ronaldo 同场竞技。鉴于版权、货币化和在新游戏中复制著名球员的复杂性，可能需要一年的时间才能实现。

当我们查看像复制世界或使用游戏内资产这样的更复杂功能时，市场尚未存在。然而这并不意味着状况不会发生根本变化。使用代理和 AI 的游戏市场将不再由传统工作室主导。而是将由寻求基础设施和替代机制来货币化其虚拟经济的独立开发者引领。

我们还需确定 Web3 原生用户是否能够为这些游戏新兴市场提供足够的流动性。

至今，我们正充满好奇地观察,

• 原文链接： decentralised.co/p/infin...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～