GAM:GameFi 的十字路口:继续 P2E 还是寻求突破

点击阅读:GameFi 的十字路口 (下):两类 GameFi 的创新策略

目录

01/ GameFi 的初生

02/ GameFi 的成熟

03/ 庞氏结构是双刃剑

04/ GameFi 如何实现良好的纳什均衡

在 P2E 大行其道的当下,我们讨论摆脱这种路径依赖,并不是说 P2E 不能成功,也不是要反对路径依赖 —— 我们的目的是考察这些模型背后的设计思路,从而知晓他们的优缺点,再加以改进。

01/ GameFi 的初生

2020年,YFI 创始人 Andre 在他的 Twitter 上提出一个观点:现在的 DeFi 都还是 TradeFi 阶段,也是就交易金融;而随着智能合约和经济模型的玩法越来越多样,未来将会有许多游戏化的金融——“GameFi”出现。这个定义创造的不错,对未来的预判也很准确。GameFi 不负所望,在这三年间发展成了独立的大赛道,也出现了许多红极一时的 GameFi。

其实在这个词汇出现之前,GameFi 就已经出现了。最早的区块链 GameFi 是 Fomo 3D。Fomo 3D 团队对声誉毫不避讳——他们称呼自己为退出局(Exit-Scam)。他们认为区块链的项目方本质上都在玩击鼓传花游戏,且玩法对用户来说很不透明。他们干脆设计了一个对用户完全透明的击鼓传花游戏——这个游戏,应该可以比作为链上的彩票。

游戏规则很简单:

用户通过购买 Key 进入Fomo3D 游戏, Key 相当于股份, 每轮游戏24小时, 从买入 Key 到一轮结束前, 可以得到持续的分红; 拥有的 Key 越多,得到的分红会越多;

每当有玩家购买 Key,游戏剩余时间增加30秒,最大24小时(前2个机制基本上决定了这个游戏很难真正停止了);

Key 随着入场资金的增加, 单价会持续上升(价格上升机制是写在智能合约里的);

购买 Key 所用的 ETH 会按不同的比例分配到奖池、Key 的持有人(分红)、官方、空投池等,比例的规则按照购买 Key 时选择的队伍划分;

同时有个滚动空投奖池,每次购买可以参与抽奖,有一定几率(1%左右)抽到 2-5ETH 的奖励。

队伍分为蛇、牛、熊、鱼, 购买 Key 后,ETH 分配规则

游戏一轮结束时,最后一个买入的玩家为胜利者,获得奖池中的大多比例的  ETH, 奖池剩余 ETH 按照最后一个买入玩家所在的队伍的分配规则分配,如下:

Mysten Labs与Web3游戏生态系统Metagame Industries达成合作:3月6日消息,Web3基础设施公司、Sui Network开发商Mysten Labs今天宣布与Web3游戏生态系统Metagame Industries达成合作。

通过这次合作,Metagame Industries将在Sui平台上开发一款基于Web3的RPG游戏Abyss World。获得AMD、微软和IGN支持的Abyss World致力于成为Web3中一款3A级RPG开放世界游戏。(Business Wire)[2023/3/7 12:45:43]

同时有个滚动空投奖池,每次购买可以参与抽奖,有一定几率(1%左右)抽到 2-5ETH 的奖励。

总结一下,游戏结束需要的规则:

终胜出的人不喜欢选鱼队,且选鱼的人也会多——那么分奖池的人就多。如何获得最终的奖池?你需要一直蹲守着等游戏热度冷却。因为不冷却下来的话,倒计时连小于3分钟都不可能。

理论上,如果没有天才的想法去拿走奖池,游戏似乎是无穷无尽的——总会有人(或者智能合约脚本)蹲守在倒计时变短的时候买 Key,然后祈祷没有人做相同的事情。

并没有过多久,天才就出现了:他用大概 2.7ETH 的成本拿下了10,469个 ETH。从浏览器上看,他似乎只是平常的在每次倒计时剩3分钟的时候用智能合约脚本买一个 Key。但他还做了一件牛逼的事情——他想办法堵塞了以太坊,让矿工在他购买之后不会打包别人的购买 Key 的交易。在他中奖的3分钟、12个区块里,以太坊被5哥(复盘的人给黑客起的绰号)发起的许多笔极高 Gas 的交易给填满了——没有矿工有功夫给下一个买 Key 的人打包。他成功了。

Fomo 3D 是个上古的模型,但放到现在也依然是设计感极强的,最近 BRC20 生态有个 Meme 项目叫 BDOW,中文叫逼兜,主打的招牌就是凑钱打孙宇晨一个逼兜。它的官网设计就是借鉴了 Fomo 3D。

Fomo 3D 的诞生如昙花一现,但它也产生了深远的影响:它让我们意识到,区块链上的游戏可以和传统的有那么不同——区块链可以创造更多全新的范式,可以塑造全新的商业模式。我们潜意识里默认了链上的彩票会和链下的一样,正如网络彩票和线下彩票没有多大区别。但是真正看到它的时候,我们才意识到其天差地别。DeFi Summer 之后,链上的金融行为的新范式可谓层出不穷。

02/ GameFi 的成熟

AXIE:把 Gamification Finance 定义 为Play to Earn

MakerDAO已投票通过重组提案The Endgame Plan:10月26日消息,MakerDAO重组提案The Endgame Plan已获得投票通过,共 141,971.4 枚MKR参与投票,赞成票80.22%。

此前报道,MakerDAO联合创始人Rune Christensen于6月份发布了一项名为The Endgame Plan的新提议。该计划的核心是成立MetaDAO,该组织旨在解决Maker生态系统内的特定治理问题,并缓解目前存在的缓慢的单线程决策过程的拥堵情况。[2022/10/26 11:45:01]

Axie 和 SPTEN 都有传承自加密猫的属性——繁育。他们把可繁育属性作为吸引用户参与的一个点。本质上,可繁育的 GameFi 都是郁金香泡沫模型。大家争先恐后买最稀有的郁金香,拿来展示、繁育更加稀有的。繁育本身是有意义的,因为他带来了新的复杂度,让系统在复杂性阶梯上升了一个台阶——系统越复杂,越远离脆弱。繁育行为带来了新的利益共同体和身份,就是繁育者。玩家间的博弈变复杂了,繁育者们不会简单的根据价格涨跌选择买入卖出 NFT,他们会有他们自己的打算。

Axie Infinity 作为最出圈的区块链游戏之一,开启了 Play to Earn 的行业范式,其双代币经济模型的设计也成为了后续区块链游戏采用的主流模型。

Axie 把游戏的角色(名为 Axie 用来战斗的宠物)用NFT 的形式呈现。这些 NFT 是游戏入场券,有不同属性,一个玩家每次战斗需要携带3只 Axie,赢得战斗将会获得 SLP 或 AXS 代币奖励。游戏有2种模式:冒险模式(PvE)对战,获胜玩家可获得 SLP 奖励;竞技场(PvP)对战,获胜玩家可获得 AXS 奖励,排行榜靠前的玩家可获得额外 AXS。

Axie 有继承自加密猫的繁殖机制:Axie 可以相互繁殖,培育出新的 Axie NFT。新 Axie 为同样的 NFT 资产,具有同样的功能,属性为父母 NFT 属性的随机组合;繁殖新的 NFT 需要同时消耗 AXS 与 SLP,且一个玩家最多可以繁殖7次新 Axie,每次繁殖需要消耗的 SLP 数量会增加。AXS 的消耗数量恒定。

总结来说,Axie 的获取方式有官方预售、二级市场购买以及用现有 NFT 进行繁殖。

本质上,Axie 是双 FT 代币 + NFT 的模型:

站在普通玩家视角,他游玩 Axie 的路径如下:

入场:玩家消耗 U 购买游戏 NFT 入场

游戏:PvE 对战赚取 SLP;PvP 对战赚取 SLP,排名高的玩家赢取 AXS。

Gamban研究:56%的英国公众将加密货币交易视为:Gamban公司的研究表明,56%的英国公众将加密货币交易视为一种。(EGR)[2021/7/24 1:12:27]

消耗/复投:玩家可用初始购买的  NFT 繁殖新的 NFT,同时消耗一定的 SLP 和 AXS;玩家可质押 AXS,获取金库收入支撑的 AXS 奖励。

离场:在二级市场销售游戏 NFT 与 SLP 和 AXS 代币。

以整个 Axie 生态为一个系统,其资本输入为玩家的资金输入,由新玩家承接离场玩家卖出的游戏资产并输入新的资金;资本输出为玩家离场卖掉资产获得的资金,社区金库用于发展而支付给外界的资金。

基于个人收益最大化,玩家的最佳策略选择是:在 Token 贵时,直接卖掉赚取的 Token,在赚取一定的 Token 后再卖掉 NFT;或者走繁育路线,消耗 Token 进行 NFT 繁殖,未来用更多的 NFT 打出更多的 Token,在赚取一定的 Token 后再卖掉 NFT。在 NFT 贵时,消耗 Token 进行 NFT 繁殖,直接销售 NFT。

Axie 庞氏结构很明显,集中表现为显著的螺旋效应 —— 两种资产的价格趋势相互加强,导致游戏资产价格容易快速拉升和螺旋下降。

当游戏玩家增长变快时,对游戏资产的需求不断上升,离场和入场玩家对游戏资产的成交价格上升,游戏市值相应拉升,打金收益变高,形成正向反馈;

当游戏玩家增长减缓时,对游戏资产的需求下降,离场玩家需要折价卖出资产,游戏市值被成交价拉低,打金收益变小,市场螺旋下跌,游戏生命周期基本宣告结束。

STEPN:Move to Earn 发扬光大 Gamification Finance

STEPN 是把游戏化的去中心化模型拓展到其他领域的一个尝试。它最初创建于 Solana 公链,并拿下了 Solana 黑客马拉松链游版块的第四名,由此获得了早期关注。STEPN 最大的「卖点」就是 把 GameFi 跟线下的运动结合了起来——他们称之为 Move To Earn 模式。用户下载 App 并注册成功之后,创建一个新的应用内钱包,将加密货币 SOL 或 BNB 转入钱包后,可以购买一双 NFT 虚拟运动鞋,开始户外跑步赚钱。

赚钱的多少取决于用户的运动情况和鞋子因素。鞋子有不同的属性、类型、品质、等级,用户根据不同鞋子对应的配速区间,在有效的能量时间范围内跑步,可以赚到无限增发的游戏代币 GST,用来升级运动鞋和宝石,解锁插槽,铸造新鞋,或者直接兑换成稳定币。

动态 | EOS竞猜游戏playgames遭黑客攻击:今天18:17起,PeckShield安全盾风控平台DAppShield监测到黑客向EOS竞猜类游戏playgames发起连续攻击并已经获益。PeckShield安全人员初步分析发现,这又是一起典型的交易阻塞攻击 (CVE-2019-6199),与之前攻击EOS.Win、FarmEOS、影骰、LuckBet、GameBet、EOSDice、STACK DICE等多款游戏的手法一致。PeckShield提醒,今晨EOS主网补丁还不能完全确保DApp免疫该漏洞,还需开发者进一步就随机数生成问题进行处理,并引入类似DAppShield安全盾这样的风控机制,减少或避免因阻塞攻击造成资产损失。[2019/1/16]

鞋子(Sneaker)包括 4 种类型:Walker(步行鞋)、Jogger(慢跑鞋)、Runner(跑步鞋)和 Trainer(训练鞋),每种类型对应不同的配速和基础回报。鞋子的品质包括:普通、罕见、稀有、史诗、传说,玩家会用不同的颜色去指代它们:灰鞋代表普通,绿鞋代表罕见、蓝鞋代表稀有……在鞋子达到一定的等级后,玩家可以解锁相应的宝石和插槽,用来提升鞋子的属性,包括效率、幸运、舒适度、弹性。另外,鞋子的数量也会影响 GST 的收入,玩家一般会采取鞋子的「数量+品质」组合配置来最大化赚取代币收益,比如「一绿八灰」。

STEPN 同样有繁育机制。如果拥有多双鞋子,每两双可以用来铸造(Mint)新鞋盒,就像盲盒一样,开出新鞋子,mint 的过程中会消耗一定数量的 GST。开出的新鞋可以转手交易赚钱。当用户的运动鞋等级达到 30 级之后,即有资格获得治理代币 GMT,除了升级运动鞋、永久提升宝石合成成功率等功能外,GMT 还可以通过质押参与项目投票,解锁更多的玩法。对应无限增发的 GST,GMT 限量发行,且每次发行的数量递减。总结来说,普通用户想玩 STEPN 链游,入场门票是 NFT 虚拟鞋,现实应用场景是户外跑步,收益是 GST 或 GMT。至于收益多少,则是考验玩家的策略能力了。

在玩法和机制上,STEPN 有2个主要的创新:第一是它设置了更多可调节参数带来的庞氏结构的灵活度。不管是鞋的类型搭配,还是品质差别,还是耐久度和修复机制,还是效率、幸运、舒适度、弹性的选择,都让 STEPN 手中有更多可以宏观调控的手牌。第二是它把开始挖矿的门槛抬高了——30级才能挖到增值币 GMT,在此之前只能挖到 GST。同样是双 FT 代币+NFT 的模型,这个设计让 STEPN 碾压了 Axie。门槛的设置模糊了玩家对回本周期的计算,也增大了玩家的投入,纠正了玩家想最大限度“白嫖”的观念。

STEPN 带来的启发不仅于此——更应该让我们看到一个GameFi 模型能给一个特定产业带来新变化。走路(大健康)这个产业,一直不乏尝试者。广义上我们也可以将他们称为无币 GameFi。最早的入局者是微信小程序步数宝。这是一个天才的设计:用户通过走路获取点数,点数可以兑换商城里的商品。其精妙之处在于商品是零成本的——因为这个小程序的流量很大,商家很愿意提供几百份小商品让几百万人看到他们的东西。万一有用户看中了去淘宝搜呢?小米的平衡车发布了以后,也是立刻挂了上去。有别的方式可以用一台平衡车的钱,让几千万人看到小米出了这个新产品吗?步数宝的用户量一度达到日活3000万,仅在一些很大的互联网公司的小程序之下,一时风头无二。但是上市的失利让步数宝放弃了更大的梦想,专心做流量变现生意了,现在步数宝页面充斥着小广告。之后的趣步就开始尝试做积分化的步数宝,趣步选择了做独立的 APP。但是其粗制滥造的经济模型支撑不起他们的野心,一年以后趣步就被吊销执照。

动态 | 区块链游戏平台PlayGame与迪士尼达成合作:Playgame是基于区块链的游戏平台,用户可以免费玩游戏,创建自己的比赛,赢得游泳池奖品,目前该平台已宣布与华特迪士尼公司在东南亚区域达成为期一年的合作。可以在游戏中展出迪士尼特许经营的角色。[2018/12/16]

03/ 庞氏结构是双刃剑

虽说是后浪推前浪,但沙滩上堆满了 GameFi 这个后浪的尸体。经过时间检验,许多 DeFi 经济模型都实现了长期平稳的运转,成功实现激励相容,甚至有局部最优解—— VE 架构;但相较之下,GameFi 的经济模型还都处于探索阶段。我们没有看到与游戏结合的非常好的模型。一眼望去,密密麻麻的写着 P2E。

我们先看 DeFi 这个“前辈”。在 Buidler DAO 关于 Tokenomics 的入门文章《Tokenomics, 加密世界的经济秩序》中,我们把 DeFi 的激励层,也就是平衡项目方和用户之间的 Token 循环的架构层分为了3类:代币仅拥有对协议的治理功能的治理模式(如UNI);代币能够带来持续现金流的质押/现金流模式(如SUSHI);质押代币获得托管代币 veToken,通过 veToken 来促进 LP 收益的投票托管模式(如CRV)。从出现时间来看,三类治理代币有明显的迭代关系:后来者为前者的迭代升级——在价值捕获和激励效果上逐步变的更有吸引力。从结果上看,资本对机制的反应比矿工、用户等参与方更加敏锐,Curve 的投票托管模式慢慢成为最受欢迎的模型,大量 DAO 项目,甚至 Buidler DAO 本身都采用了VE架构。在《万字长文解析 veToken 经济模型的机制和创新》中,我们详细阐述了 VE 架构的发展史和设计公式。

转回头看 GameFi 这个“后浪”,GameFi 能像 DeFi 一样出现一个最优解吗?难度大很多。DeFi 可以明显的分为业务层和激励层,因为 DeFi 本质上是可使用的链上工具。DeFi 的可使用的属性就是业务层,比如借贷协议本身、AMM 做市协议本身等等;而巧妙的让用户选择 Stake 而非抛售他们手中的代币、让系统进入纳什均衡的机制,就是激励层。

只要 DeFi 是刚需,那么他就不需要大量透支未来的 Tokenomics(或者说负债)来获得初期流量。DeFi 能很简单的远离强庞氏结构。

尴尬的是游戏没法成为刚需。你对游戏上瘾的前提,是你先要玩这个游戏。这是个死局。怎么破局?买流量。传统游戏粗略要花2倍的开发成本投流推广。P2E(Play to Earn,下同)类 GameFi 就另辟蹊径,他们不花冤枉钱投流,他们直接找到早期玩家,用“Earn”的代币许诺给玩家——来玩吧,玩得多,赚得多。

许诺的代币发到玩家账户里,不能是空头支票,必须有价值,也就是要有买盘。项目方和市场要充当买盘。买盘和卖盘谁强?开始是买盘强,但渐渐的,就是因为分发的代币会成长为对手盘,一旦新用户减少,或者收益降低,玩家会争前恐后的抛售游戏资产,交易量会指数下滑。我们称之为强庞氏结构。这就是 P2E 之所以短寿的原因,也是实操中的 Gamefi 们遇到的“死亡螺旋”现象的起因。

庞氏结构这种博弈论定义里的 Coordination Game,都有两个 NE(纳什均衡):一个是所有人都选择信任并且投资,一个是所有人选择不信任且在恰当的时机挤兑。前者就是庞氏的螺旋上升过程,后者就是庞氏结构不可避免的“死亡螺旋”——“挤兑”过程(这很常见,如连商业银行在信贷周期的末尾也会面临挤兑)。我在之后的文章《庞氏结构——经济模型的第一性原理》里会详细讲解庞氏结构。

GameFi 用户大部分都是投机者,他们非常清楚他们在玩的是一个庞氏游戏。他们可能极少部分因为真心喜欢这个游戏而选择长期持有游戏资产,但他们更可能因为本身是繁育者或者打金人而长期持有 NFT。当遇到合适的机会,或者捕捉到危险的信号,他们会毫不犹豫的选择抛售。我们画一下遇到抛售机会时,用户的博弈:

α 代表及时止损/撤出投资的策略,β 代表 hodl/长期持有的策略。对用户来说,既然他们是为了投机而来,他们自然会判断对手也出于投机而来。对于对手的任何策略,用户的最佳策略都是及早止损。

但是瑕不掩瑜,庞氏结构带给 GameFi 的不仅有螺旋下降,也有螺旋上升。GameFi 固然有缺点,但是它的优点更多,多到值得从业者 all in。在我看来,有两个最大的优点:

凝聚共识到币值

这也是代币最大的作用——把对事物的共识以低成本的方式凝聚起来。

我们刚才提过,GameFi 对比 Web2 的普通游戏,最大的特点其实不是资产归用户所有,而是对游戏市值的想象力有载体。

作为一个传统的游戏,玩家再喜欢、Earn 得再多,也做不到跟游戏的市值一起成长。

买量(兑付)后置

P2E(Play to Earn,下同)类 GameFi 就另辟蹊径,他们早期用“Earn”的代币直接支付给玩家来让他们来玩。发了币你不能不管了,要一直护盘拉盘,这就相当于支付之前的负债。这相当于是一种“后置”的买量。

而加密货币生态提供了“唯一有真正潜力的解决方案”,能够解决冷启动的问题 —— 哪怕平台上的内容和商品都很不齐全,但是用户知道自己将会通过代币拥有平台的所有权,他们只要在早期使用和贡献就能获得巨大的潜在经济回报。这套模式的代价是投机者的涌入和 Product-Market-Fit 验证的推迟,但是对于打破网络效应的垄断而言,这些牺牲似乎是可接受的。—— Paradigm

仅仅作为技术的区块链可能并不能代表范式的转移,但是加密货币的玩法提供了一套能挑战 Google 和 Facebook 等万亿美元公司的可能性。网络效应是这些互联网平台公司最强的护城河,由于双边平台“先有鸡还是先有蛋”的问题,几乎没有新兴的平台能撼动它们。

04/ GameFi 如何实现良好的纳什均衡

可是在很多 Web2.0 的游戏中,我们看到的并不是这样的纳什均衡。

我们看到的是即使皮肤不能交易,英雄联盟每年的收入也高达124亿美元,王者荣耀的单月盈利能力高达2亿美元,超过绝大多数A股上市公司;我们看到的是网易的《梦幻西游》至今都有成千上万玩家沉迷其中,消费十几万的只能算弟弟,最贵的装备能卖1000万;我们看到的是装备可交易的 Dota2 连年霸占电子竞技奖金榜状元,Ti10(The International, 全球总决赛)奖金池达4000万美元,积累如此奖金池仅仅靠全球玩家购买含有皮肤的“小本子”—— Ti 手册。

为什么理性的博弈,到了 Web2.0 的头部游戏这里就失效了?因为游戏,一直是“理性人假设”的黑洞。古典博弈论认为人被情绪挟持的时候不属于理性人,所以不是博弈论的研究内容;而博弈论的新进展则把人的情绪表现——只要它长期稳定出现——也视为博弈的纳什均衡。

只要我们把各种策略的“理性”标准从“交易账户”变成“社交账户”,不理性就消失了。老年人被年轻销售嘘寒问暖得买了2倍市场价的保健品,这看起来不理性:不买保健品不花钱,买平价保健品花-500元,买小王的保健品花-1000元,老人偏偏选择了最劣策略。但是假如老年人本身对交易账户不敏感,而对社交账户的得分敏感呢?假如老人认为年纪大了,钱是身外之物,花点小钱买保健品延年益寿是正常的呢?我们把对应的得失,用百分比的方式展示。假如一个老人有10万储蓄:

老年人损失的交易账户只是一小部分,而且这一小部分很可能是他们心里预留出来要花掉的;但他们获得的社交增加了很多。有小王对他们嘘寒问暖,与他们聊天,这些陪伴让他们生活质量上升了50%。他们很高兴,这很值。

奢侈品和直播平台不也是这个道理吗?现在每天有许多人每天蹲在英雄联盟主播大司马的直播间,不断更改斗鱼 ID 打赏大司马,就为了听他念他们精心设计的谐音梗ID。一个飞机100元,就为了听他念一次。资本主义制度下,财富积累的方式是剥削剩余价值。剩余价值的积累是非线性的、呈马太效应的。剩余价值积累的多了,人的炫耀需求就会提升,因为他的交易账户对他基本没影响了——我花100打赏主播,这占我总资产的0.001%都不到;但我实现了炫耀和社交满足,我的社交账户暴涨70%。直播平台和奢侈品看起来八竿子打不着边,但利用的都是这种炫耀心理。

游戏本来就应该是这样子的。当我们强调元宇宙和 Web3.0 的时候,我们忘了 Web2.0 的优秀游戏们已经建立了牢固的护城河,让玩家沉迷其中。Steam 上的单机游戏都成功塑造了沉浸式的世界,像电影一样延长了人的寿命。网游则在社交上大做文章:英雄联盟和王者荣耀玩家无法拒绝给自己擅长的英雄换上最好看的皮肤,哪怕这皮肤无法交易。你要问了:既然皮肤交易不了,那我充了这么多钱,我不玩了以后交易账号是不是也能回本?虽然是这个道理,但很多年后即使他们不玩这款游戏了,也很少见他们交易账号。他们宁愿放在那里当一段回忆的见证。这才是元宇宙需要的身份认同。

游戏道具是一种社交货币,是一种约定俗成的身份认同。玩家要么希望游戏道具本身能让他直接大杀四方,比如梦幻西游的道具;要么希望在公平的游戏里当他大杀四方的时候,别人玩家不仅惊叹于他的技术,也夸赞他形象的好看。玩家觉得游戏角色就是他的一个映射,一个Avatar。

我们的游戏设计,应当让玩家沉迷其中,找到身份认同。我们让他们买游戏资产,应该从他们“社交账户”扣钱,而不是“交易账户”。如果做不到这一点,那么我们的游戏就只是一个金融工具,玩家和游戏的关系就变成了理性人之间的博弈。游戏的结构既然是很明显的庞氏结构,那么玩家的策略就显而易见了。

游戏性强,玩家玩的是 Game;游戏性弱,玩家玩的是 Game Theory。

从 GameFi 概念提出到现在,已经过去了3年。3年虽然不够开发 AAA 级大作,但是还不错的游戏应该是有充足时间开发的。那么为什么 Web3.0 的 GameFi没能做到这点?

我的答案是,认真做游戏的项目很多,但认真研究经济模型的项目极少。太多游戏盲目追踪市场热点,盲目抄热门的经济模型。为 GameFi 设计经济模型,第一步要先分清楚自己要做的是哪类 GameFi。

金色财经

金色荐读

Block unicorn

区块链骑士

金色财经 善欧巴

Foresight News

深潮TechFlow

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

地球链

[0:0ms0-1:226ms