36氪项目报道玩法多元化的Web3游戏GalaxyBlitz，以AI技术打造新式SLG

　　随着以NFT为主导的区块链游戏越来越多，新兴的P2E（Play-to-Earn）现象正在重新塑造玩家的角色，以及未来游戏开发工作室与消费者之间的关系。
　　究竟什么样的游戏能先跑出来，也随之成为了备受关注的话题。换言之，《原神》所创造的商业游戏神话，在Web3时代可以被复制吗？
　　通过观察《原神》的付费逻辑，我们会发现，角色是其核心付费点之一。具体表现为，内容紧密围绕角色，游戏内的所有内容包括剧情、大世界、动画在内，最终都是要为了角色而服务。在专属的剧情中，每个角色都有立体的设定和性格，甚至单独制作的大世界所提升的游戏体验（比如层岩巨渊）都会分摊到每一个角色身上，玩家最终还是要用角色去进行探索。
　　由此可见，玩家会为了角色付费，除了对战斗能力的追求之外，一定程度上也是因为对角色产生了感情，而这也是《原神》要不停进行高强度更新的原因。因为只有大量围绕角色为核心的高质量内容更新，才能吸引玩家与角色在探险中产生情和亲近感，从而吸引玩家进入付费循环。
　　反观当下的区块链游戏，目前大部分GameFi（Game Finance）项目的玩法都比较简单，比如种田、塔防、 盲盒等。这与游戏玩家越来越喜欢喜欢扮演重要的角色、在整个故事和生态系统中做出关键决策的动力目标，似乎还并不能很好地契合。
　　＂我们相信，多元化的玩法和充满个性的AI Being，将会带来下一个Web3游戏的叙事高潮。＂
　　「GalaxyBlitz」游戏总监（Gaming Director）Deon表示，他们所追求的沉浸感和个性化的整体体验，既是Web3游戏的独特魅力，也是GameFi领域的未来发展趋势。
　　「GalaxyBlitz」是一款以太空战斗为主题的大型多人在线SLG游戏，总部位于北欧。游戏于2022年第二季度发布，致力于通过＂SLG+AI+P2E＂的技术与商业模式，利用Web3的特性来开拓新一代娱乐游戏。其核心团队来自著名游戏公司Supercell旗下的现象级战斗策略手游《部落冲突》（Clash of Clans，简称COC）。今年1月底，「GalaxyBlitz」宣布成功获得了1000万美元的融资。
　　Web3下的新式SLG：以角色为核心
　　作为一款典型的Play2Earn区块链游戏，「GalaxyBlitz」将真实世界和虚拟元世界通过NFT结合了起来，而战斗策略型SLG类型无疑是最合适的载体之一。
　　SLG（模拟经营类游戏，Simulation Game）类游戏作为从单机时代就开始流行的游戏类型之一，比起《原神》所代表的开放世界RPG来说，最大的特点在于玩家的反馈周期较长。SLG游戏的核心体验在于多个变量下复杂的决策流程，也就是带给玩家的＂长期爽感＂。因此，无论在什么平台上，SLG游戏的生命周期都远胜其他主要游戏类型，在手游时代更加是稳居最赚钱的游戏类型。那么《原神》＂以角色为核心＂的付费逻辑是否可以在SLG类型中复刻呢？
　　＂AI技术的发展，使之成为了可能。＂
　　Deon告诉36氪，GalaxyBlitz将在下一个版本中使用AI技术，使游戏里面的每一个角色都能成为可以吸收主角性格的＂AI Being＂。其中，无监督的强化学习技术可以让AI Being具备类似人类的认知和意识，角色所有的动作例如挥剑、躲避、防御、走路、弯腰等等，都是由玩家亲手训练产生，带上主角的印记，做出与玩家相似的决策。因此，每个角色本质上都是与玩家共同成长的AI＂伙伴＂，很容易与玩家产生共情。
　　「Galaxy Blitz」Al版本的付费循环
　　AI Being+训练框架：陪伴玩家成长
　　为了实现上述的AI技术，「GalaxyBlitz」与知名AI公司Phantom AI一起研发了适用SLG手游的神经网络训练系统＂GalaxyBlitz Mobile Net＂。这是一种可扩展的数据驱动方法，在低功耗的玩家手机设备和GalaxyBlitz的深度强化数据中心共同搭配下，学习有可重复使用的运动技能的AI Being。
　　GalaxyBlitz Mobile Net 框架
　　GalaxyBlitz Mobile Net框架由两个阶段组成：预训练，目标训练。在预训练期间：low-level policy π(a|s,z)被定义为以动作空间数据集s里面用a为基础动作作为变量实现目标z的一个映射，使用奖励函数r对各种动作进行建模。经过预训练之后，可以通过使用特定任务转移到目标任务。
　　low-level policy可以为各种通用动作建模，根据Environment0定义的玩家习惯状态集可以实现挥剑、走路、冲刺、弯腰、射击等通用动作的训练。在目标训练期间： High-level policy w(z|s,g)被定义为以动作空间数据集s里面用为动作组合z作为变量实现目标g的一个映射，其中z=array(a)。通过High-level policy，已经学会Low-level policy的AI Being可以被指示执行各种特定任务，这些特定任务由Low-level policy里面的一组动作拼接连成。
　　而在High-level policy中，一开始Environment1的随机样本生成的模拟角色表演技能组合，随着玩家操作的频繁，discriminator会分离出让玩家习惯的动作产生，AI Being的动作将越来越符合玩家的习惯。
　　图源：「GalaxyBlitz」
　　比如，High-level policy所训练的动作并不包含＂趴地＂和＂站起来＂，但是AI Being会自主学习这两种动作。如果玩家喜欢AI Being胆小的性格，那么它会在遇到危险时＂卧倒＂，在关键时刻＂勇敢站起来＂，从而发掘玩家内心的闪光点。
　　＂High-level policy让AI Being拥有了玩家‘在关键时刻拥有勇气’的性格。＂
　　目前，「GalaxyBlitz」计划在1.0的版本中实现2亿美元的年流水，从而达到目前Web2领域SLG的较高水平。而在下一个AI版本中，「GalaxyBlitz」将致力于为玩家实现投资需求、娱乐需求、情感消费需求的组合，盈利空间将会向《原神》的50亿美元级别进行展望。
　　「GalaxyBlitz」团队预想的GameFi演进路线
　　尽管「GalaxyBlitz」的走向还需要市场来印证，但AI技术驱动下的新式GameFi似乎正在全球范围内快速蔓延。未来，或许每一个游戏角色都能拥有玩家独特的喜好与数据，他们不再是千篇一律的＂数值工具人＂，而是真正陪伴玩家成长的＂冒险伙伴＂。