作者：Derek. Chen，Dr. Nick

一、 AI赋能传统游戏行业

大型游戏包含3D动画、特效、音频、美术、文字等极为丰富的细分内容，开发过程一般耗时较长，流程较为复杂，对工业化程度和实时性、交互性要求较高。开发单位常需以年计投入大量人力、物力、财力。长久以来，在传统游戏开发领域，成本、质量和效率三者组成了一个只能三选其二的“不可能三角”。例如，《荒野大镖客：救赎2》为制作超28平方英里逼真地图和1,000个NPC，耗用8年时间、专职开发人员超1,200人、成本近3亿美元。如今，借由AIGC强大的功能，游戏开发者可以打破传统游戏研发的束缚，降低开发门槛和成本，显著提升游戏开发效率。

AIGC可通过机器学习、深度学习和自然语言处理等技术为游戏开发、剧情策划、人物交互、上线运营等提供精准强大的赋能。具体而言，AI可以在以下三个方面对传统游戏进行赋能：游戏前的生产、游戏中的体验运营以及对游戏产业结构的颠覆。

1. AI赋能游戏生产

在游戏生产方面，无论是美术、策划AI 都为工作者提供了巨大助力。

AI用于各类游戏资产的生成，实现降本增效

AIGC不同的功能在游戏中的具体应用上，可以应用在剧情设计、角色设计、配音和音乐、美术原画设计、游戏动画、3D模型、地图编辑器等，可以生成各类游戏资产。

以AI生成图像公司Scenario为例，Scenario是首个商用的AI生成游戏资产平台，该平台可以通过用户输入的文本和参考图像进行AI模型训练。用户在平台上上传训练数据，如角色、道具、车辆、武器、皮肤、建筑物、概念艺术、像素艺术和草图等，然后，用户可以在几次点击之内创建自己的生成性 AI 引擎，从而根据输入的文字和参考图片创造出达到游戏生产标准的游戏资产。

在进行原画设计、3D 建模时，AIGC 例如 Midjourney 可以提供不错的辅助创意，Stable Diffusion作为开源模型，可以提供更精细的控制。Epic Game 在 GDC 2023 上展示了他们最新的 Metahuman Animator 技术，这个技术可以让开发者在几分钟内创建高质量的动画，只需要三帧镜头就可以生成面部骨骼，也支持从视频和音频生成动画。在现场展示中，演示人员仅仅用了 2 分钟，就将现场表演的表情细节重现在数字空间里。Opus.ai 开发了一种新的、基于文本驱动的 3D 世界生成方法，该工具支持用户通过文本输入来创建动态照明、摄像机控制、地形、树木和动物、建筑物、道路以及人形的动画角色。在该应用中，用户只需打字就能够创建3D 游戏场景和场景里的各种组件以及动态效果。

在游戏方案策划上，2022 年 GDC 上腾讯 AI Lab 就展示了 AI 关卡 自动生成技术，AI 在数小时内就可以生成一千多个高质量关卡。在文案方面，AI 也可以为游戏提供大纲、对话，加速游戏内容生产。

AICG的强大生成能力不仅提高了游戏生产商的效率，同时大幅降低了成本。游戏行业乘着生成式AI走上了加速增长的跑道。

AI用于辅助游戏测试

游戏测试是游戏开发周期中的一大关键环节，其目的是保证游戏质量，减少发布后的风险，并为玩家提供更好的游戏体验。在游戏测试中，测试人员将会对不同的测试目标使用不同的测试技术，就游戏玩法、游戏流程内容、游戏系统、机型适配等进行测试，记录游戏中发现的问题，并通过管理工具报告Bug，向开发人员反馈问题。

在具体的游戏测试应用中，例如日本卡牌游戏《Shadowverse》利用AI测试卡牌组合，利用数据训练出可以玩游戏的AI，从而可以自动化的进行游戏对局，用来发现可能存在的Bug和平衡问题，大大提高了效率，降低了测试成本。《天天跑酷》手游利用AI自动化测试游戏中的各种动作和游戏中障碍物安排的合理性。

2. Ai agent提升玩家游戏体验

在关卡设置与游戏难度上增加可玩性

在游戏体验方面，围绕 AI 的自然语言生成、图像生成、智能 NPC 能力，AIGC 原生游戏及创新玩法已有雏形。王者荣耀绝悟 AI 目前已大规模运用到关卡评估和测试；《Left 4 Dead》中也使用了称为「Director」的系统，根据玩家的表现调整僵尸的生成、道具的位置以及关卡的整体难度，确保游戏的可玩性。

NPC的实时多样对话提升游戏体验

传统游戏中故事情节是预先设计的，玩家只能按照固定的顺序体验有限的游戏内容，因此角色扮演类游戏的流水收入与内容储备高度相关。AI Agent诞生后，游戏中的NPC被赋予了“生命”，AI NPC会像人一样设计每天的生活轨迹，记住当天发生的事情，玩家与NPC的每一次交互都将改变NPC的生活轨迹，创造出具有无限可能性的游戏内容。

Ubisoft（育碧）公司研发部门 La Forge 开发的内部 AI 工具 Ghostwriter可用于帮助游戏编剧在触发事件时生成 NPC 的初稿台词，比如NPC 之间的对话、战斗期间敌方对话或是玩家在进入某个区域时触发的对白等，这些工作本来都是由游戏编剧（策划）花费海量时间来设计的。有了 Ghostwriter 工具之后，AI 可以根据 NPC 的基础设定自动生成可供选择和修改的样本，从而节省大量时间，让编剧可以专注于其他核心剧情元素。

目前国内具有代表性的应用案例是网易在《逆水寒》中应用了智能NPC系统，游戏中400多名NPC都加载了网易伏羲人工智能实验室的AI引擎，有独立的性格特点和行为模式。智能 NPC 相比以往的游戏 NPC，玩家和 NPC 的交流交互不再是设定好的、流程式的，而是自由度极高、完全开放的。国外的例子有《骑马与砍杀 2》，该游戏实现了NPC 的动态回复。

AI用于游戏营销与游戏优化

AI可用于买量投放，从买量素材制作，到投放效果分析，再到买量投放执行的整个流程，AI都可以提高效率和质量，且能实现降本增效。

3. AI颠覆游戏行业结构

l 游戏行业的准入门槛下降

AI大幅度降低了游戏生产者的开发成本。从前生成游戏资产绘制动画需要手动绘制每一帧图像，现在用 AI 的方式可以大幅度降低成本。打破了原有游戏大投入的模式，为小游戏厂商杀出重围提供了条件。

l 玩家权力进一步提高

在AICG的加成下，玩家人人可做策划，并通过AI加持下的UGC来完成代码、美工、测试等任务，从而做到玩家都可制作自己的游戏，实现“游戏去厂商化”。

二、 AI如何驱动gamefi增长？

综合来看，gamefi项目在爆发后又走向死亡螺旋的原因如下：

短期内吸引玩家的爆点就是在2021年大受欢迎的 "p2e "模式，但后期"p2e "的吸引力下降。在 2021 年时，还有比例高达 67.9%受访者认为 "p2e "是最大的行业驱动力。这种模式在游戏行业刚刚兴起时是独一无二的，使很多玩家跃跃欲试。但是随着时间推移，P2E机制已经失去了其作为行业推动力的重要因素，在2023年的调查跌至第八位。

游戏的投机属性大于游戏属性，对玩家不友好。Gamefi 市面上见到的链游参与的用户大部分也都是币圈玩家，游戏质量参差不齐。游戏内容更多的是强调策略和博弈，经济模型维持时间也较短，有些圈外玩家甚至将这类链游视为网络博彩，这一阶段也出现了不少 GameFi 高风险投机者。而新玩家需要先购买游戏内物品或资产才能玩游戏，虽然可以再从游戏中赚回来，但是随着游戏内流通代币越来越多，如果可玩性差、不耐玩、不稳定的经济模型，代币就会下跌，玩家要回本就难了。更看重其资产价值而不注重玩法的特点让gamefi的项目很难持续。这个问题源于边玩边赚模式固有的几个因素。一个关键问题是通常推动这些项目的不可持续的代币经济。当代币奖励超过游戏中产生的实际价值时，就会出现不可持续的通货膨胀循环，导致价格下跌和玩家兴趣丧失。

游戏可玩性差，无法留住游戏用户也不乏吸引新玩家。GameFi的游戏基本上都是单一场景、NFT 道具，无法吸引新玩家。且相比传统游戏可玩性不足，开发难度和周期较短。市场中良莠不齐的多款小游戏迅速抢占市场。如何增加应用场景来延长链游生命周期 / 可持续收益模型是 GameFi 的主要目标。

在gamefi沉寂的这段时期，各大公司厂商正着力于地解决上一时期时期遗留下来的问题。

用户获取上，对P2E模式进行拓展创新以持续性吸引用户。如Stepn在2022年5月的火爆出圈，把play to earn拓展到了move to earn。STEPN 的基本玩法很简单，玩家在游戏应用内装备 NFT 运动鞋参与游戏；通过在现实世界跑步即可赚取代币收益，所得收益可以用来升级、修复运动鞋以提高“赚币”效率，也可以直接卖出。这是 stepn 最火爆的一周之一，10.7% 的超级用户，入驻 SOL 的超级用户只有这个量达到 179 万，几乎所有入金的总和的用户群体，所以这个项目的真正强大贡献 39% 的高级用户入驻 SOL，几乎与普通用户持平 92 万，这个数据量特别惊人，短短几个月就做到了百万级的用户基数。基于此，X2E 游戏应运而生。X2E 的X 可以被定义为如游戏或移动等任何人类行为，并通过这些行为来获得收益。与早期纯粹以盈利为导向的游戏不同，X2E 高度重视社区文化和价值观，通常以有意义的现实生活或创造性行为作为核心游戏机制。

用户留存上，首先改善游戏的可玩性。开始研发的更为高质量的游戏产品，同样是以区块链为主要背景的独立游戏团队，但是相比于上一阶段有更多的 3A 大厂团队和成员加入，整体游戏质量大大提升，一小部分猎奇心态的传统游戏玩家被相对高质量的游戏吸引并加入链游的玩家群体当中，链游渐渐走入公众视野，GameFi 将会成为游戏常态属性。

其次解决金融可持续性问题。要是游戏本身遇到金融机制上的问题， DAO 在其中扮演非常关键的角色，用以来维持二级市场上 token 的稳定或通过债券机制从市场上回购 token，保持健康的流动性。GameFi在上一阶段的基础上会解決单一游戏经济模型问题，避免在单一游戏内循环。

当下gamefi领域将关注重点转移至游戏本身的内在价值上，把不断地吸引新用户和留住用户作为新的发展重点。AI的赋能也是在以上的层面发挥作用。

1. AI对P2E模式进一步拓展

在AI的加持下，gamefi能够将“play to earn”做进一步拓展。上一轮gamefi的爆发是ai技术实现了“move to earn”的效果。这一次，AI有望引领gamefi进入“love to earn”时代，并推动新一轮增长。

（1） Sleepless AI

Sleepless AI将pay to earn模式做了进一步的延伸。通过AI塑造“love to earn”进而吸引用户。Sleepless AI 是一个开创性的 Web3+AI 虚拟伴侣游戏，利用 AIGC 和 LLM 创建丰富的基于故事的游戏玩法以及与角色不断发展的互动，为玩家提供情感支持和身临其境的游戏体验

该项目的首发旗舰游戏是HIM，HIM 采用先进的大语言模型，使得游戏中的虚拟人物能够根据不同的游戏情境和个性特征产生自然而有区分度的对话内容。这样的技术应用极大地提升了角色的真实性和玩家的沉浸感。并以此来打造全方位、立体的虚拟形象，使其成为玩家日常生活的一部分。HIM 的长远目标是建立一个以 AI 男友、AI 女友和 AI 宠物为主体的二次元虚拟人宇宙，为用户提供支持和陪伴。HIM 不仅标志着 AI 与游戏的自然契合，更展示了 Web3 游戏如何利用 AI 技术创造全新的互动体验

项目信息：

X账户：https://x.com/SleeplessAI_Lab

MCP（截至2024.6.15）：109,802,401

FDV（截至2024.6.15）：884,633,856

（2）Palio

Palio项目也利用大模型技术加入了“love to earn”的浪潮中。与Sleepless AI不同的是陪伴玩家的不是虚拟伴侣，而是虚拟宠物。从技术上看，Palio基于使用大型语言模型（LLM）作为代理系统的核心，由来自OpenAI、斯坦福大学和谷歌大脑的研究人员和工程师组成的团队开发。具体而言，Palio大型语言模型表现出色，根据WAIS基准，语言智商为155分。这个分数超过了普通人，反映了其在语言理解方面的卓越能力。为了更好地发挥游戏的陪伴属性，Palio在AI的同理心增强上面下了功夫。为了让人工智能令人信服地传达情感，必须使用真实的情感数据集对其进行微调。PalioAI收集了大量此类数据，使其能够改进其算法。这使得 PalioAI 比其他现有的基于知识的LLM 更具优势，使其能够更熟练地与用户产生共鸣并提供详细的反馈。最后，PalioAI的大模型在长期记忆方面优于其他陪伴式游戏，使用检索增强生成 （RAG），让PalioAI拥有真正意义上的记忆。

以下是Palio 在游戏中的具体应用：

• 帮助玩家完成任务：Palio 可以提供游戏任务的说明和提示，帮助玩家顺利完成任务。

• 提供游戏信息：Palio 可以提供游戏的背景故事、角色介绍、玩法说明等信息，帮助玩家更好地理解游戏。

• 提供游戏建议：Palio 可以根据玩家的游戏进度和表现，提供游戏策略建议，帮助玩家提升游戏水平。

项目信息：

X账户：https://x.com/PalioAI

MCP（截至2024.6.15）：813.25 ETH

（3）SpaceCatch

推特：https://x.com/spacecatch_io

官网：https://spacecatch.io/

白皮书：https://whitepaper.spacecatch.io/

AI还能够赋能前一段时间火爆出圈的“move to earn”， SpaceCatch 是一款由人工智能驱动的“move to earn”游戏，该游戏团队在 AI 实施方面拥有丰富的经验，尤其是在游戏任务方面。利用人工智能来创建针对个人玩家的行为、关卡/头像规格和游戏内活动量身定制的游戏任务，确保玩家觉得游戏是根据他们的喜好进行个性化的。

项目信息：

X账户：https://x.com/spacecatch_io

MCP（截至2024.6.15）：916.57 ETH

2. 玩家自行创造AI加入游戏竞技

在这种全新的模式下，玩家能够在游戏中创造独属于自己的AI，同时让AI参与到与其他玩家的比拼战斗中。每个创造出的AI都是根据玩家独一无二的数据信息生成的。这种模式兼具创造性和竞技性，值得关注。

（1）AI Arena

AI Arena 是第一款集成 Human x AI 协作的游戏。在这个游戏中玩家通过模仿学习的过程将玩家的个人信息数据转移到人工智能上。事实上，玩家创造AI的过程也是玩家训练AI大模型的过程。

创建NFT：当玩家为游戏比赛购买新的 NFT 时，构成其核心的神经网络参数是随机生成的。这意味着神经网络最初将执行随机操作，因为网络尚未开发任何技能。

数据收集。玩家向 AI 演示操作，玩家在玩游戏的过程中实际上是在创建一个操作列表（，供 AI 复制和学习。在机器学习术语中，玩家正在创建 AI 将训练的数据集。玩家需要在游玩的过程中有意识地位AI创造有用的数据集供AI学习模仿。

选择合适的数据集并应用。即玩家希望人工智能从之前的训练中记住多少？确定 AI 专注于训练的功能。例如玩家可以告诉你的AI 专注于某一训练课程。

训练。 收集和配置数据后，训练 AI 更新其参数。玩家的 AI 将不断发展并适应新策略。

综合来看，上述的过程可以理解为AI 向你学习，AI 捕捉您的技能，最后人工智能为您竞争。作为培训师，你做得越好，你的人工智能就越好。在创造出专属人工智能后就可以参与到竞技中。游戏玩家购买、训练和战斗 AI 驱动的 NFT。 游戏玩家竞相开发更好的训练技术以获得奖励。

项目信息：

X账户：https://x.com/aiarena_

（2） ASTO

在这个项目中，玩家自主生成的是ai agent。

玩家生成的ai agent由三个部分组成：大脑 NFT，这是代理的核心、代理的外观和操作方式、存储在大脑记忆树中的记忆，用于编码智能体学习的行为策略。由这个核心技术形成的ASM 平台为任何应用程序（例如：游戏、元宇宙、金融）提供了创建作为 NFT 拥有的AI 代理的能力。

玩家自主创建的ASM的代理可以在“健身房”接受培训。健身房是联网的 GPU 云计算提供商（类似于矿工），他们选择为特定的 ASM 应用程序（例如：流行游戏或 DeFi 市场的交易机器人）运行训练算法。所有者使用ASTO代币支付培训费用。

目前由ASM项目驱动的游戏有三款：

人工智能足球协会 （AIFA）

AIFA是一款4x4足球游戏，由ASM Brain-powered All-Stars自主进行。玩家可以收集和交易全明星来建立获胜的球队。玩家将能够在 AI 健身房训练您的 ASM 大脑，以提高您的全明星的技能，然后看着他们进化成元宇宙足球冠军。

穆罕默德·阿里 - 下一个传奇

ASM 与 Muhammad Ali Enterprises 和 Non-Fungible Labs 合作，打造了世界上第一款由 AI 驱动的 Metaverse 拳击游戏。玩家将训练的拳击手与任何 ASM Brain 相结合，训练和竞争以争夺传奇头衔，追随有史以来最伟大的穆罕默德·阿里的脚步。

AI联赛：国际足联女足世界杯 AU·NZ·2023™ 版

ASM与国际足联合作，将街头足球的新时代带入元宇宙。在 AI League 手机游戏中，玩家一开始是四名完全独特的 AI 全明星足球运动员的经理。

上述玩家创建AI来参与竞技的模式是竞技游戏的一大进步。在传统的竞技游戏中，玩家创建角色的能力是由游戏厂商决定的，玩家的自主可控性有限。但是在全新的模式下，玩家创建的每一个ai角色都是独一无二的，竞技的过程与现实更贴近，玩家的可操作空间得到大幅提高。

项目信息：

X账户：https://x.com/altstatemachine

MCP（截至2024.6.15）：16,703,261

FDV（截至2024.6.15）：49,591,301

3. AI促进游戏降本增效，提高游戏质量

本文在第一部分提及AI对传统游戏行业的降本增效同样适用，并且相较于传统行业展现出了更有效的作用。从游戏本身来看，虽然Web3 游戏开始注重游戏性和可玩性的提升，但 2021–2023 年市场上的高质量游戏内容相对较少。

根据 Game7 Research 数据，目前，半数以上的 Web3 游戏是由独立制作人或小团队开发，而 3A 或 2A 级别的制作仅占 6%。一些项目过于关注技术和经济层面，而忽视了游戏设计的精良性、创新性和内容的丰富多样性。这可能导致玩家流失和市场饱和的风险，限制了行业的长期发展。

现阶段，Web3 游戏正朝着高质量的图像、丰富的内容和卓越的玩家体验，甚至向 3A 制作方向挺进，趋向于通过提高游戏的可玩性来吸引更多 Web2 玩家。但是在生成式AI出现之前，高质量AAA游戏的天量投入成本让web3领域的小团队望而却步。生成式AI的出现降低了游戏制作的成本，让更多小团队有机会参与到高质量游戏的追逐中。从行业整体层面上看，本轮gamefi行情中将涌现更多高质量游戏，AI加速了真正有价值，有可玩性游戏的涌现。

（1） EXVERSE

EXVERSE是一款3A级别第一人称射击游戏，将激烈的射击游戏玩法与基于虚幻引擎 5 构建的创新 Web3 机制融合在一起。EXVERSE使用了诸多技术来提高游戏的质量与真实性。使用虚拟化的几何体系统Nanite来渲染技术来渲染像素级细节。使用Lumen全动态的全局照明和反射系统，在毫米到公里的大型细节环境中呈现呈现无限反射和间接镜面反射的漫反射。使用 Chaos 的功能，能够生成电影质量的破坏、粉碎和拆除大规模场景。Chaos 还支持静态网格体动态、布料、头发、车辆和刚体动画，并与 Niagara 集成，用于灰尘和烟雾等辅助效果。

Niagara是一个视觉特效系统，它增强了传统的粒子系统。借助 Niagara，我们将在 Expverse 中创建令人印象深刻的粒子模拟。

真实性与媲美传统游戏的高质量成为该游戏的核心卖点。随着AI技术的不断赋能，未来将会有更多高质量3A级别的web3游戏呈现在大众面前。

项目信息：

X账户：https://x.com/exverse_io

MCP（截至2024.6.15）：1,484,312

FDV（截至2024.6.15）：18,461,655

（2） KOMPETE

该游戏也是一款3A级别的由射击主导的游戏。该游戏集成了多种玩法，玩家将置身于充满 POI、赛道、篮球场、高尔夫球场等的大逃杀风格景观中。该游戏是免费的多人游戏，没有任何进入门槛，可以在任何设备上访问。

该项目的亮点是这是一个多合一多人游戏，游戏中有枪战、赛车、大逃杀、篮球场、高尔夫球场化妆店、社交推理、锦标赛。玩家在游戏中获得了更多元化更丰富的游戏体验。

项目信息：

X账户：https://x.com/KOMPETEgame

MCP（截至2024.6.15）：14,536,828

FDV（截至2024.6.15）：18,286,126

4. AI agent增加游戏可玩性

大部分游戏将 AI 代理技术引入其中，为玩家提供更加丰富、多样化的游戏体验。例如，动态 NPC 可以使游戏中的非玩家角色表现更加真实和灵活，增加了游戏的挑战性和趣味性。此外，玩家还可以获得根据自己的行为和偏好的个性化互动体验。玩家与NPC的每一次交互都将改变NPC的生活轨迹，游戏的丰富度得到大幅度提升。

（1） AI Hero

如AI Hero 是一款结合了「RPG + 大逃杀 + DND」的、由 AI 参与生成的 Web3 游戏，玩家首先需要根据喜好选择自己的种族与职业，并在比赛中通过 AI 随机生成的剧情结合自身属性，探索不同的剧情选项，从而获得装备奖励，提升自己的角色属性。同时在比赛中会遇到其他的对手玩家，与其他 12 名玩家相互战斗，存活下来的玩家将获得最终胜利，赢得奖励。在游戏中，AI 会实时跟踪玩家当前的角色状态与属性，以及所处地形，被给予创造相应的剧情故事和剧情发展路线。例如玩家如果是一个战士，那当他处在火山地形的时候，可能会遇到巨龙，并且身为战士的玩家，通常会面临战斗的考验；但是如果玩家是一个盗贼，那同样的背景下，玩家可能可以绕过战斗。 在起初训练 AI 模型的时候，提前引入玩家游戏中的角色状态与属性，首先让 AI 为其量身定制剧本，第二为了避免不平衡的情况与不可控因素，游戏中，AI 会直接给予玩家提供剧情选型，而不是让玩家通过对话的形式主动推进游戏。在AI agent与生成式AI的帮助下，AI Hero为玩家创造了更多可能。

项目信息：

X账户：https://x.com/binary_x

MCP（截至2024.6.15）：389,304,902

FDV（截至2024.6.15）：2,220,965,504

（1） Parallel Colony

利用ai agent的项目还有colony。2023 年 4 月，斯坦福大学和谷歌的研究人员发表了一篇被称为“Smallville 论文”的文章，其中详细介绍了他们如何通过用 25 个 AI 代理填充沙盒数字领域来模拟人类行为。受这篇论文的启发，Parallelcolony就此诞生。在这个游戏中，基于 AI agent的 NFT 角色是主要参与者，玩家在游戏中只需要引导这些NET角色。该游戏的ai agent由Avatars驱动，Avatars是由Parallel团队微调的自定义大型语言模型（LLM）生成的，以便代理能够更好地记住体验并根据他们的游戏记忆做出决定。这样一来，游戏世界中的其他角色将不仅仅是不可玩的角色（NPC），他们实际上将拥有独特记忆，能够在游戏世界中进行自主决策。

具体而言，Colony 的半自主 AI 化身提供动力的独特架构意味着，尽管玩家拥有个人化身，但玩家必须通过通用指令与他们的化身协同工作，引导他们完成各种任务，用户可能会向游戏里的建议：“也许你应该种一棵苹果树，以便将来有食物？NPC会对建议做出回应，在某些情况下，他们会根据他们可能拥有的其他目标来解释它们——如果他们认为玩家的建议不符合特征或与他们正在追求的另一个目标相冲突，他们甚至可能会拒绝它。在这种情况下，所有者可能会发现自己正在与他们的头像辩论或哄骗他们完成任务。最终，化身将确定其预期目标——有时甚至无视其所有者的建议——并开始追求它认为最有利的任务。通过ai agent赋能，游戏世界更加贴近真实世界。这样一来游戏的真实性和可玩性加强了。

项目信息：

X账户：https://x.com/ParallelColony

5.AI发掘用户需求增加用户粘性

Ultiverse项目于 12 月初推出了第一个由人工智能驱动的开放元宇宙协议——Bodhi。菩提协议作为支持基础设施和即将推出 Dapp 的协同生态系统集成商，为 Ultiverse 人工智能驱动的协作世界愿景提供了动力。针对不同游戏动机驱动的玩家，Ultiverse 的 Bodhi 协议能够挖掘用户偏好，并进行玩家群体划分的 AI ，将玩家数据反馈至另一款基于多重实时算法的 AI 引擎。从而通过玩家的偏好数据来实时调整，给玩家带来最佳体验。

AI 是最底层的驱动器，游戏是落地场景。 AI+web3 打破了传统游戏的局限性，可以向玩家提供更个性化的体验，实现精细化运营。

图33、Ultiverse 项目路线图

资料来源：《AI 助力游戏 ，Ultiverse 能否引领 GameFi 新趋势？》，Dot Labs

项目信息：

X账户：https://x.com/UltiverseDAO

MCP（截至2024.6.15）：38,988,211

FDV（截至2024.6.15）：278,487,225

6. AI提高代币经济的可持续性

Zara Finance

Zara Finance凭借其独特的AI GameFi Pool运作机制和专注于GameFi及NFT细分市场的策略,正成为这一行业的佼佼者。Zara Finance结合了Defi的机枪池(Vault)概念和GameFi中的游戏公会策略,开发出了一套完整的AI策略系统。这个系统不仅提高了资源的有效分配,还优化了玩家和投资者的收益率,进一步推动了区块链游戏与金融的融合发展

Zara Finance利用AI技术筛选优质的WEB3产品,为用户创造最大化的利益。它的产品如Z-Swap、GameList和Slaunch,不仅增加了用户的参与度,也提升了整个生态系统的互动性和可持续性。特别是在GUSD算法稳定币和Zara治理代币的设计上,Zara Finance展现了其在金融工程方面的先进思想,为用户提供了更稳定、更可信的投资选择。

项目信息：

推特：https://x.com/ZaraFinance

7.为AI赋能gamefi提供基础设施

（1）KARRAT

KARRAT 是一个去中心化的游戏基础设施层，由$KARRAT支持，并由一个真正去中心化的社区提供支持，该社区拥有共同的愿景，包括迎合新时代的游戏、娱乐和人工智能产品。KARRAT 协议旨在支持游戏和娱乐行业以及这些行业的变革性 AI 创新。

具体包括：

资助社区项目和奖励

为游戏和娱乐生态系统开发基础设施解决方案

为 Web3 原生 IP 开发故事片

与电子竞技组织建立联盟

与游戏和娱乐工作室建立合作伙伴关系，他们的标题项目

构建内容交付网络

促进创新挑战

该项目的亮点是其背后的工作室AMGI Studios，该工作室通过专有技术、人工智能和实时动画创新来制作娱乐IP、游戏和Web3原生资产。AMGI Studios由皮克斯、梦工厂、EA和亚马逊的人才创立，拥有一支由60多名创意人员和开发人员组成的多元化团队。AMGI 得到了 Epic、Netflix、酷玩乐队、Polygon 以及 Tony Robbins、Marc Cuban 和 Eric Yuan的支持。

项目信息：

X账户：https://x.com/karratcoin

MCP（截至2024.6.15）：81,821,582

FDV（截至2024.6.15）：819,161,582

（2）GameGPT

GameGPT项目在技术上支持游戏的生产，GameGPT 是由人工智能驱动的游戏引擎，为下一代区块链游戏提供动力。GameGPT可以整合多个AI智能体（agent）来自动完成游戏开发中的部分流程。而不同的智能体各司其职，工作起来井井有条。有智能体负责审查游戏的设计计划，并进行相应的修改和调整；有的负责将任务转化为具体的代码；有的负责对上一步生成的代码进行检查，对运行结果进行审核；还有智能体负责验证全部的工作是否符合初始预期。

这样，通过细化分解工作流程，GameGPT就可以简化AI智能体的工作。这种各司其职会更加有效率，实现起来也比一个全能型的智能体完成一切要简单得多。

首先，在游戏设计阶段，在收到用户请求后，GameGPT的任务包括生成整个游戏的开发计划。这个计划阶段是关键步骤之一，极大地影响了整个开发过程的无缝进展。这个阶段由基于LLM的游戏开发经理策划，先提出一个初始计划，随后分解成任务列表。

值得注意的是，由于LLM固有的局限性，这个初始计划经常会出现幻觉，从而产生意想不到的任务，包括没有信息或不必要的冗余任务。为了应对这些问题，研究人员提出了四项可以减轻这些难题的策略，这四种策略相互正交的，并且可以分层执行以获得更好的效果。

图38、GameGPT项目架构

资料来源：《GameGPT白皮书》，Dot Labs

项目信息：

X账户：https://x.com/Gamegptofficial

MCP（截至2024.6.15）：15,751,978

FDV（截至2024.6.15）：95.654.353

三、风险提示

风险一：价格波动

• 加密货币价格波动较大，无法保证或预测未来价格

风险2：财务

• 项目可能会由于经营不善而破产

风险3：不及预期

• Gamefi整体板块的发展不及预期

风险4：法律

• 部分国家和地区禁止该类行为，阻碍发展