تحليل نظام بيئي شبكة فرعية Bittensor: التقاط مستقبل البنية التحتية للذكاء الاصطناعي
نظرة عامة على السوق: ترقية dTAO تؤدي إلى ازدهار النظام البيئي
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO) التي تحمل طابعاً مميزاً، حيث تم تحويل نمط إدارة الشبكة من المركزية إلى تخصيص الموارد المدفوع بالسوق غير المركزي. بعد الترقية، تمتلك كل شبكة فرعية رموز alpha مستقلة، مما يحقق آلية حقيقية لاكتشاف القيمة السوقية.
تشير البيانات إلى أن ترقية dTAO أطلقت طاقة ابتكارية هائلة. في غضون بضعة أشهر فقط، زاد عدد الشبكات الفرعية لـ Bittensor من 32 إلى 118، بزيادة تصل إلى 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى الطي البروتيني المتقدم، والتداول الكمي، مما يشكل الآن أكثر أنظمة الذكاء الاصطناعي اللامركزية اكتمالًا.
تظهر السوق أداءً لامعًا أيضًا. نما إجمالي قيمة السوق للشبكة الفرعية الرائدة من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، واستقر العائد السنوي على الإيداع عند 16-19%. يتم توزيع الحوافز الشبكية بين الشبكات الفرعية وفقًا لمعدل الإيداع القائم على السوق لـ TAO، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائمة على التنافس.
تحليل الشبكة الأساسية (أعلى 10 انبعاثات)
1. Chutes (SN64) - حوسبة الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكلفة الحوسبة بشكل كبير
تستخدم Chutes بنية "البدء الفوري"، مما يقلل من وقت بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مع زيادة الكفاءة بمقدار 10 مرات. تدعم أكثر من 8000 عقدة GPU على مستوى العالم النماذج الرائجة، مع معالجة أكثر من 5 ملايين طلب يوميًا. نموذج الأعمال ناضج، حيث يتبنى استراتيجية القيمة المضافة المجانية، ويوفر دعم قوة الحوسبة لمنصات مثل OpenRouter. الميزة التكلفية ملحوظة، حيث تقل عن AWS Lambda بنسبة 85%. حاليًا، تجاوز إجمالي استخدام الرموز 9042 مليار، ويخدم أكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصلت قيمتها السوقية إلى 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، وخندقها التكنولوجي عميق، والتقدم التجاري يسير بسلاسة، ومعدل قبول السوق مرتفع، وهي المشروع الرائد في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، وزيادة كفاءة حسابات الذكاء الاصطناعي
تركيز على تحسين الحسابات على مستوى الأجهزة، من خلال أربع وحدات تقنية هي جدولة وحدة معالجة الرسوميات، التجريد من الأجهزة، تحسين الأداء وإدارة الكفاءة الطاقية، لتعظيم كفاءة استخدام الأجهزة. يدعم الأجهزة الرئيسية لوحدات معالجة الرسوميات، وتخفض الأسعار بنسبة 90%، مع زيادة كفاءة الحساب بنسبة 45%.
حاليًا، تعتبر شبكة فرعية Bittensor ثاني أكبر شبكة فرعية من حيث الانبعاثات، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو العنصر الأساسي في بنية الذكاء الاصطناعي، ويتميز بعوائق تقنية، مع اتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56M.
القيمة الأساسية: تقنية الحساب السري، لضمان أمان خصوصية البيانات
النقطة الأساسية في Targon هي TVM (آلة Targon الافتراضية)، وهي منصة حوسبة سرية وآمنة تدعم تدريب نماذج الذكاء الاصطناعي واستدلالها والتحقق منها. تستخدم تقنيات الحوسبة السرية مثل Intel TDX لضمان أمان وسرية تدفق العمل للذكاء الاصطناعي. يدعم النظام التشفير من مستوى الأجهزة إلى مستوى التطبيقات، مما يتيح للمستخدمين استخدام خدمات ذكاء اصطناعي قوية دون الكشف عن البيانات.
تعتبر تقنية Targon ذات عتبة دخول عالية، ونموذجها التجاري واضح، ولديها مصدر دخل مستقر. لقد تم تفعيل آلية إعادة شراء الدخل، حيث يتم استخدام جميع الإيرادات لإعادة شراء الرموز، وكانت آخر عملية شراء بمبلغ 18000 دولار.
القيمة الأساسية: التدريب التعاوني على نماذج الذكاء الاصطناعي على نطاق واسع، وتقليل عوائق التدريب
تخصصت في التدريب الموزع على نماذج الذكاء الاصطناعي الكبيرة، وتهدف إلى أن تصبح "أفضل منصة لتدريب النماذج في العالم". من خلال التعاون في التدريب باستخدام موارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، تركز على التدريب التعاوني والابتكار للنماذج الرائدة، مع التأكيد على مقاومة الغش والتعاون الفعال.
تم الانتهاء بنجاح من تدريب نموذج 1.2B مع أكثر من 20,000 دورة تدريبية وشارك حوالي 200 وحدة معالجة رسومية. في عام 2024، سيتم ترقية آلية الالتزام والكشف لتحسين اللامركزية والأمان في التحقق؛ في عام 2025، سيتم الاستمرار في دفع تدريب النماذج الكبيرة، مع حجم المعلمات يصل إلى 70B+، وأداء يعادل المعايير الصناعية في اختبارات الذكاء الاصطناعي القياسية.
تتميز المزايا التقنية، القيمة السوقية الحالية 35 مليون، تمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي للمواطنين، مما يقلل بشكل كبير من عتبة التكلفة
حل مشكلة تكاليف تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يعتمد نظام الجدولة الذكي على مزامنة التدرجات، ويوزع المهام بكفاءة إلى آلاف وحدات معالجة الرسوميات. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة لا تتجاوز 5 دولارات في الساعة، أي أقل بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أعلى بنسبة 40%. تقلل واجهة الاستخدام بنقرة واحدة من عتبة الاستخدام، وقد تم استخدامه في أكثر من 500 مشروع لتعديل النموذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، والميزة التكنولوجية واضحة، إنها واحدة من الشبكات الفرعية التي تستحق المتابعة على المدى الطويل.
6. التداول الخاص (SN8) - التداول الكمي المالي
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة تداول كمي لامركزية وتوقعات مالية، مدفوعة بالذكاء الاصطناعي، تقدم إشارات تداول متعددة الأصول. تستخدم الشبكة التجارية الخاصة تقنيات التعلم الآلي في توقعات الأسواق المالية، وتبني هيكل نماذج توقعات متعددة المستويات. تدمج نماذج التوقعات الزمنية تقنيات LSTM وTransformer، مما يمكنها من معالجة بيانات السلاسل الزمنية المعقدة. يوفر وحدة تحليل مشاعر السوق مؤشرات المشاعر كمساعدة للتوقع من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكنك رؤية عوائد واستراتيجيات مختلفة من قبل المعدنين على الموقع. يجمع SN8 بين الذكاء الاصطناعي وتقنية blockchain، حيث يقدم طريقة مبتكرة لتداول الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - تحليل وتقييم الرياضة
القيمة الأساسية: تحليل فيديو الرياضة، تستهدف صناعة كرة القدم بقيمة 600 مليار دولار
إطار رؤية الكمبيوتر الذي يركز على تحليل الفيديو الرياضي، يقلل من تكلفة تحليل الفيديو المعقد من خلال تقنية التحقق الخفيفة. يعتمد على التحقق المكون من خطوتين: كشف الملعب وفحص الكائنات المستند إلى CLIP، مما يقلل من تكلفة وضع العلامات التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع منصة بيانات معينة، بلغ متوسط دقة توقعات الوكيل الذكي 70%، ووصلت إلى دقة 100% في يوم واحد.
تتمتع صناعة الرياضة بحجم ضخم، وابتكار تقني بارز، وآفاق سوقية واسعة، وScore هو شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الاهتمام.
8. OpenKaito (SN5) - النص المفتوح للاستدلال
القيمة الأساسية: تطوير نموذج تضمين النص، تحسين استرجاع المعلومات
تركز على تطوير نماذج تضمين النصوص، وتهدف إلى بناء قدرات عالية الجودة لفهم النصوص واستنتاجها، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
تكون هذه الشبكة الفرعية لا تزال في مرحلة البناء المبكرة، حيث تركز بشكل أساسي على بناء النظام البيئي حول نماذج تضمين النصوص. من الجدير بالذكر أن هناك مجموعة من الميزات الجديدة التي ستندمج قريبًا، مما قد يوسع بشكل كبير من نطاق تطبيقاتها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
القيمة الأساسية: معالجة البيانات على نطاق واسع، إمداد بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف من البيانات يوميًا، بإجمالي يزيد عن 55.6 مليار صف، ويدعم تخزين بسعة 100 جيجابايت. يوفر هيكل DataEntity ميزات أساسية مثل معيارية البيانات، تحسين الفهرسة، والتخزين الموزع. آلية التصويت المبتكرة "الجاذبية" تحقق تعديل الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، والموقع البيئي مهم. كموفر بيانات لعدة شبكة فرعية، التعاون العميق مع مشاريع مثل Score يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
القيمة الأساسية: ربط التعدين التقليدي مع حسابات الذكاء الاصطناعي، دمج موارد قوة الحوسبة
يسمح لمعدني بيتكوين بإعادة توجيه قوة الحوسبة إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهان أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر لمعدني العملات الرقمية مصدر دخل جديد.
لقد جذبت أكثر من 6EH/s من قوة الحوسبة (حوالي 0.7% من القوة العالمية) في غضون أسابيع قليلة، مما يثبت اعتراف السوق بهذا النموذج الهجين. يمكن للعمال مناجم اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، مما يتيح لهم تحسين العائدات بناءً على ظروف السوق.
تحليل النظام البيئي
المزايا الأساسية للهندسة التقنية
تقوم الابتكارات التقنية لشبكة Bittensor ببناء نظام بيئي فريد من نوعه للذكاء الاصطناعي اللامركزي. تضمن خوارزمية الإجماع الخاصة بها جودة الشبكة من خلال التحقق اللامركزي، بينما يعزز آلية تخصيص الموارد السوقية التي أدخلها ترقية dTAO الكفاءة بشكل ملحوظ. كل شبكة فرعية مزودة بآلية AMM، مما يحقق اكتشاف الأسعار بين TAO و alpha، هذا التصميم يسمح للقوى السوقية بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يشكل تأثيرات شبكة قوية. تضمن هيكل الحوافز المزدوجة (إصدار TAO وزيادة قيمة توكنات alpha) دوافع المشاركة على المدى الطويل، حيث يمكن لمبدعي الشبكات الفرعية، وعمال المناجم، والمصادقين، والمستثمرين الحصول على عوائد مناسبة، مما يشكل حلقة اقتصادية مستدامة.
الميزة التنافسية والتحديات التي تواجهها
بالمقارنة مع مقدمي خدمات الذكاء الاصطناعي المركزيين التقليديين، يوفر Bittensor بديلاً حقيقياً لامركزياً، حيث يتميز بكفاءة تكلفة ملحوظة. تعرض عدة شبكة فرعية مزايا تكلفة ملحوظة، على سبيل المثال، Chutes أرخص بنسبة 85% من بعض خدمات السحابة، وتأتي هذه الميزة في التكلفة من تحسين كفاءة الهيكل اللامركزي. يعزز النظام الإيكولوجي المفتوح الابتكار السريع، حيث يستمر عدد وجودة الشبكات الفرعية في الزيادة، وتتفوق سرعة الابتكار بشكل كبير على البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، فإن النظام البيئي يواجه أيضًا تحديات واقعية. لا تزال حواجز التكنولوجيا مرتفعة، وعلى الرغم من تحسين الأدوات باستمرار، إلا أن المشاركة في التعدين والتحقق لا تزال تتطلب معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر آخر، حيث قد تواجه الشبكات اللامركزية للذكاء الاصطناعي سياسات تنظيمية مختلفة من دول مختلفة. من غير المتوقع أن يجلس مقدمو الخدمات السحابية التقليدية مكتوفي الأيدي، ومن المتوقع أن يطرحوا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على التوازن بين الأداء واللامركزية أيضًا اختبارًا مهمًا.
لقد وفرت الزيادة الهائلة في صناعة الذكاء الاصطناعي فرص سوقية كبيرة لـ Bittensor. وتوقع التحليل أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى ما يقرب من 200 مليار دولار بحلول عام 2025، مما يوفر دعمًا قويًا لطلب البنية التحتية. من المتوقع أن ينمو سوق الذكاء الاصطناعي العالمي من 294 مليار دولار في عام 2025 إلى 1.77 تريليون دولار في عام 2032، بمعدل نمو سنوي مركب يبلغ 29%، مما يخلق مساحة واسعة لتطوير البنية التحتية للذكاء الاصطناعي اللامركزي.
تخلق سياسات دعم تطوير الذكاء الاصطناعي في الدول المختلفة نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزي، بينما زادت المخاوف بشأن خصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحساب السري، وهو ما يمثل الميزة الأساسية لشبكات فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي في الازدياد، حيث يوفر مشاركة العديد من المؤسسات المعروفة التمويل والدعم للموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. من الناحية التكنولوجية، يجب فحص درجة الابتكار وعمق الحواجز الدفاعية، وقوة الفريق التقنية وقدرته على التنفيذ، بالإضافة إلى التأثيرات التعاونية مع مشاريع أخرى في النظام الإيكولوجي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، هيكل المنافسة والمزايا التمايزية، حالة اعتماد المستخدمين وتأثير الشبكة، بالإضافة إلى البيئة التنظيمية ومخاطر السياسات. أما من الناحية المالية، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاهات النمو، وملاءمة تصميم الاقتصاد الرمزي، بالإضافة إلى السيولة وعمق التداول.
في إدارة المخاطر المحددة، تعتبر استثمارات التنويع استراتيجية أساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك الشبكات الفرعية البنية التحتية (مثل Chutes وCelium) والشبكات الفرعية التطبيقية (مثل Score وBitMind) والشبكات الفرعية البروتوكولية (مثل Targon وTemplar). في نفس الوقت، يجب تعديل استراتيجيات الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في مرحلة مبكرة تحمل مخاطر عالية ولكنها تمتلك عوائد محتملة كبيرة، بينما المشاريع الناضجة أكثر استقرارًا ولكن لديها مساحة نمو محدودة. مع الأخذ في الاعتبار أن سيولة رموز alpha قد لا تكون مثل TAO، يجب ترتيب نسبة تخصيص الأموال بشكل معقول للحفاظ على مستوى ضروري من الاحتياطي السيولة.
سيكون حدث تقليل النصف الأول في نوفمبر 2025 بمثابة محفز سوقي مهم. ستؤدي تقليل الانبعاثات إلى زيادة ندرة الشبكات الفرعية الحالية، بينما قد يؤدي ذلك إلى استبعاد المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل الاقتصاد الكلي للشبكة بأكملها. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية ذات جودة عالية، لاقتناص فرصة التخصيص قبل التقليل.
، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 9
أعجبني
9
6
مشاركة
تعليق
0/400
SellLowExpert
· منذ 13 س
هل شبكة فرعية لديها أيضًا قيمة سوقية كبيرة؟ أعطني صفقة.
تحليل نظام Bittensor البيئي: 118 شبكة فرعية لبناء بنية تحتية للذكاء الاصطناعي اللامركزية
تحليل نظام بيئي شبكة فرعية Bittensor: التقاط مستقبل البنية التحتية للذكاء الاصطناعي
نظرة عامة على السوق: ترقية dTAO تؤدي إلى ازدهار النظام البيئي
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO) التي تحمل طابعاً مميزاً، حيث تم تحويل نمط إدارة الشبكة من المركزية إلى تخصيص الموارد المدفوع بالسوق غير المركزي. بعد الترقية، تمتلك كل شبكة فرعية رموز alpha مستقلة، مما يحقق آلية حقيقية لاكتشاف القيمة السوقية.
تشير البيانات إلى أن ترقية dTAO أطلقت طاقة ابتكارية هائلة. في غضون بضعة أشهر فقط، زاد عدد الشبكات الفرعية لـ Bittensor من 32 إلى 118، بزيادة تصل إلى 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى الطي البروتيني المتقدم، والتداول الكمي، مما يشكل الآن أكثر أنظمة الذكاء الاصطناعي اللامركزية اكتمالًا.
تظهر السوق أداءً لامعًا أيضًا. نما إجمالي قيمة السوق للشبكة الفرعية الرائدة من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، واستقر العائد السنوي على الإيداع عند 16-19%. يتم توزيع الحوافز الشبكية بين الشبكات الفرعية وفقًا لمعدل الإيداع القائم على السوق لـ TAO، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائمة على التنافس.
تحليل الشبكة الأساسية (أعلى 10 انبعاثات)
1. Chutes (SN64) - حوسبة الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكلفة الحوسبة بشكل كبير
تستخدم Chutes بنية "البدء الفوري"، مما يقلل من وقت بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مع زيادة الكفاءة بمقدار 10 مرات. تدعم أكثر من 8000 عقدة GPU على مستوى العالم النماذج الرائجة، مع معالجة أكثر من 5 ملايين طلب يوميًا. نموذج الأعمال ناضج، حيث يتبنى استراتيجية القيمة المضافة المجانية، ويوفر دعم قوة الحوسبة لمنصات مثل OpenRouter. الميزة التكلفية ملحوظة، حيث تقل عن AWS Lambda بنسبة 85%. حاليًا، تجاوز إجمالي استخدام الرموز 9042 مليار، ويخدم أكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصلت قيمتها السوقية إلى 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، وخندقها التكنولوجي عميق، والتقدم التجاري يسير بسلاسة، ومعدل قبول السوق مرتفع، وهي المشروع الرائد في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، وزيادة كفاءة حسابات الذكاء الاصطناعي
تركيز على تحسين الحسابات على مستوى الأجهزة، من خلال أربع وحدات تقنية هي جدولة وحدة معالجة الرسوميات، التجريد من الأجهزة، تحسين الأداء وإدارة الكفاءة الطاقية، لتعظيم كفاءة استخدام الأجهزة. يدعم الأجهزة الرئيسية لوحدات معالجة الرسوميات، وتخفض الأسعار بنسبة 90%، مع زيادة كفاءة الحساب بنسبة 45%.
حاليًا، تعتبر شبكة فرعية Bittensor ثاني أكبر شبكة فرعية من حيث الانبعاثات، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو العنصر الأساسي في بنية الذكاء الاصطناعي، ويتميز بعوائق تقنية، مع اتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56M.
3. Targon (SN4) - منصة استنتاج الذكاء الاصطناعي اللامركزية
القيمة الأساسية: تقنية الحساب السري، لضمان أمان خصوصية البيانات
النقطة الأساسية في Targon هي TVM (آلة Targon الافتراضية)، وهي منصة حوسبة سرية وآمنة تدعم تدريب نماذج الذكاء الاصطناعي واستدلالها والتحقق منها. تستخدم تقنيات الحوسبة السرية مثل Intel TDX لضمان أمان وسرية تدفق العمل للذكاء الاصطناعي. يدعم النظام التشفير من مستوى الأجهزة إلى مستوى التطبيقات، مما يتيح للمستخدمين استخدام خدمات ذكاء اصطناعي قوية دون الكشف عن البيانات.
تعتبر تقنية Targon ذات عتبة دخول عالية، ونموذجها التجاري واضح، ولديها مصدر دخل مستقر. لقد تم تفعيل آلية إعادة شراء الدخل، حيث يتم استخدام جميع الإيرادات لإعادة شراء الرموز، وكانت آخر عملية شراء بمبلغ 18000 دولار.
4. τemplar (SN3) - أبحاث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: التدريب التعاوني على نماذج الذكاء الاصطناعي على نطاق واسع، وتقليل عوائق التدريب
تخصصت في التدريب الموزع على نماذج الذكاء الاصطناعي الكبيرة، وتهدف إلى أن تصبح "أفضل منصة لتدريب النماذج في العالم". من خلال التعاون في التدريب باستخدام موارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، تركز على التدريب التعاوني والابتكار للنماذج الرائدة، مع التأكيد على مقاومة الغش والتعاون الفعال.
تم الانتهاء بنجاح من تدريب نموذج 1.2B مع أكثر من 20,000 دورة تدريبية وشارك حوالي 200 وحدة معالجة رسومية. في عام 2024، سيتم ترقية آلية الالتزام والكشف لتحسين اللامركزية والأمان في التحقق؛ في عام 2025، سيتم الاستمرار في دفع تدريب النماذج الكبيرة، مع حجم المعلمات يصل إلى 70B+، وأداء يعادل المعايير الصناعية في اختبارات الذكاء الاصطناعي القياسية.
تتميز المزايا التقنية، القيمة السوقية الحالية 35 مليون، تمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي للمواطنين، مما يقلل بشكل كبير من عتبة التكلفة
حل مشكلة تكاليف تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يعتمد نظام الجدولة الذكي على مزامنة التدرجات، ويوزع المهام بكفاءة إلى آلاف وحدات معالجة الرسوميات. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة لا تتجاوز 5 دولارات في الساعة، أي أقل بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أعلى بنسبة 40%. تقلل واجهة الاستخدام بنقرة واحدة من عتبة الاستخدام، وقد تم استخدامه في أكثر من 500 مشروع لتعديل النموذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، والميزة التكنولوجية واضحة، إنها واحدة من الشبكات الفرعية التي تستحق المتابعة على المدى الطويل.
6. التداول الخاص (SN8) - التداول الكمي المالي
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة تداول كمي لامركزية وتوقعات مالية، مدفوعة بالذكاء الاصطناعي، تقدم إشارات تداول متعددة الأصول. تستخدم الشبكة التجارية الخاصة تقنيات التعلم الآلي في توقعات الأسواق المالية، وتبني هيكل نماذج توقعات متعددة المستويات. تدمج نماذج التوقعات الزمنية تقنيات LSTM وTransformer، مما يمكنها من معالجة بيانات السلاسل الزمنية المعقدة. يوفر وحدة تحليل مشاعر السوق مؤشرات المشاعر كمساعدة للتوقع من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكنك رؤية عوائد واستراتيجيات مختلفة من قبل المعدنين على الموقع. يجمع SN8 بين الذكاء الاصطناعي وتقنية blockchain، حيث يقدم طريقة مبتكرة لتداول الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - تحليل وتقييم الرياضة
القيمة الأساسية: تحليل فيديو الرياضة، تستهدف صناعة كرة القدم بقيمة 600 مليار دولار
إطار رؤية الكمبيوتر الذي يركز على تحليل الفيديو الرياضي، يقلل من تكلفة تحليل الفيديو المعقد من خلال تقنية التحقق الخفيفة. يعتمد على التحقق المكون من خطوتين: كشف الملعب وفحص الكائنات المستند إلى CLIP، مما يقلل من تكلفة وضع العلامات التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع منصة بيانات معينة، بلغ متوسط دقة توقعات الوكيل الذكي 70%، ووصلت إلى دقة 100% في يوم واحد.
تتمتع صناعة الرياضة بحجم ضخم، وابتكار تقني بارز، وآفاق سوقية واسعة، وScore هو شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الاهتمام.
8. OpenKaito (SN5) - النص المفتوح للاستدلال
القيمة الأساسية: تطوير نموذج تضمين النص، تحسين استرجاع المعلومات
تركز على تطوير نماذج تضمين النصوص، وتهدف إلى بناء قدرات عالية الجودة لفهم النصوص واستنتاجها، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
تكون هذه الشبكة الفرعية لا تزال في مرحلة البناء المبكرة، حيث تركز بشكل أساسي على بناء النظام البيئي حول نماذج تضمين النصوص. من الجدير بالذكر أن هناك مجموعة من الميزات الجديدة التي ستندمج قريبًا، مما قد يوسع بشكل كبير من نطاق تطبيقاتها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
القيمة الأساسية: معالجة البيانات على نطاق واسع، إمداد بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف من البيانات يوميًا، بإجمالي يزيد عن 55.6 مليار صف، ويدعم تخزين بسعة 100 جيجابايت. يوفر هيكل DataEntity ميزات أساسية مثل معيارية البيانات، تحسين الفهرسة، والتخزين الموزع. آلية التصويت المبتكرة "الجاذبية" تحقق تعديل الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، والموقع البيئي مهم. كموفر بيانات لعدة شبكة فرعية، التعاون العميق مع مشاريع مثل Score يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
القيمة الأساسية: ربط التعدين التقليدي مع حسابات الذكاء الاصطناعي، دمج موارد قوة الحوسبة
يسمح لمعدني بيتكوين بإعادة توجيه قوة الحوسبة إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهان أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر لمعدني العملات الرقمية مصدر دخل جديد.
لقد جذبت أكثر من 6EH/s من قوة الحوسبة (حوالي 0.7% من القوة العالمية) في غضون أسابيع قليلة، مما يثبت اعتراف السوق بهذا النموذج الهجين. يمكن للعمال مناجم اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، مما يتيح لهم تحسين العائدات بناءً على ظروف السوق.
تحليل النظام البيئي
المزايا الأساسية للهندسة التقنية
تقوم الابتكارات التقنية لشبكة Bittensor ببناء نظام بيئي فريد من نوعه للذكاء الاصطناعي اللامركزي. تضمن خوارزمية الإجماع الخاصة بها جودة الشبكة من خلال التحقق اللامركزي، بينما يعزز آلية تخصيص الموارد السوقية التي أدخلها ترقية dTAO الكفاءة بشكل ملحوظ. كل شبكة فرعية مزودة بآلية AMM، مما يحقق اكتشاف الأسعار بين TAO و alpha، هذا التصميم يسمح للقوى السوقية بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يشكل تأثيرات شبكة قوية. تضمن هيكل الحوافز المزدوجة (إصدار TAO وزيادة قيمة توكنات alpha) دوافع المشاركة على المدى الطويل، حيث يمكن لمبدعي الشبكات الفرعية، وعمال المناجم، والمصادقين، والمستثمرين الحصول على عوائد مناسبة، مما يشكل حلقة اقتصادية مستدامة.
الميزة التنافسية والتحديات التي تواجهها
بالمقارنة مع مقدمي خدمات الذكاء الاصطناعي المركزيين التقليديين، يوفر Bittensor بديلاً حقيقياً لامركزياً، حيث يتميز بكفاءة تكلفة ملحوظة. تعرض عدة شبكة فرعية مزايا تكلفة ملحوظة، على سبيل المثال، Chutes أرخص بنسبة 85% من بعض خدمات السحابة، وتأتي هذه الميزة في التكلفة من تحسين كفاءة الهيكل اللامركزي. يعزز النظام الإيكولوجي المفتوح الابتكار السريع، حيث يستمر عدد وجودة الشبكات الفرعية في الزيادة، وتتفوق سرعة الابتكار بشكل كبير على البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، فإن النظام البيئي يواجه أيضًا تحديات واقعية. لا تزال حواجز التكنولوجيا مرتفعة، وعلى الرغم من تحسين الأدوات باستمرار، إلا أن المشاركة في التعدين والتحقق لا تزال تتطلب معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر آخر، حيث قد تواجه الشبكات اللامركزية للذكاء الاصطناعي سياسات تنظيمية مختلفة من دول مختلفة. من غير المتوقع أن يجلس مقدمو الخدمات السحابية التقليدية مكتوفي الأيدي، ومن المتوقع أن يطرحوا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على التوازن بين الأداء واللامركزية أيضًا اختبارًا مهمًا.
لقد وفرت الزيادة الهائلة في صناعة الذكاء الاصطناعي فرص سوقية كبيرة لـ Bittensor. وتوقع التحليل أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى ما يقرب من 200 مليار دولار بحلول عام 2025، مما يوفر دعمًا قويًا لطلب البنية التحتية. من المتوقع أن ينمو سوق الذكاء الاصطناعي العالمي من 294 مليار دولار في عام 2025 إلى 1.77 تريليون دولار في عام 2032، بمعدل نمو سنوي مركب يبلغ 29%، مما يخلق مساحة واسعة لتطوير البنية التحتية للذكاء الاصطناعي اللامركزي.
تخلق سياسات دعم تطوير الذكاء الاصطناعي في الدول المختلفة نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزي، بينما زادت المخاوف بشأن خصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحساب السري، وهو ما يمثل الميزة الأساسية لشبكات فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي في الازدياد، حيث يوفر مشاركة العديد من المؤسسات المعروفة التمويل والدعم للموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. من الناحية التكنولوجية، يجب فحص درجة الابتكار وعمق الحواجز الدفاعية، وقوة الفريق التقنية وقدرته على التنفيذ، بالإضافة إلى التأثيرات التعاونية مع مشاريع أخرى في النظام الإيكولوجي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، هيكل المنافسة والمزايا التمايزية، حالة اعتماد المستخدمين وتأثير الشبكة، بالإضافة إلى البيئة التنظيمية ومخاطر السياسات. أما من الناحية المالية، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاهات النمو، وملاءمة تصميم الاقتصاد الرمزي، بالإضافة إلى السيولة وعمق التداول.
في إدارة المخاطر المحددة، تعتبر استثمارات التنويع استراتيجية أساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك الشبكات الفرعية البنية التحتية (مثل Chutes وCelium) والشبكات الفرعية التطبيقية (مثل Score وBitMind) والشبكات الفرعية البروتوكولية (مثل Targon وTemplar). في نفس الوقت، يجب تعديل استراتيجيات الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في مرحلة مبكرة تحمل مخاطر عالية ولكنها تمتلك عوائد محتملة كبيرة، بينما المشاريع الناضجة أكثر استقرارًا ولكن لديها مساحة نمو محدودة. مع الأخذ في الاعتبار أن سيولة رموز alpha قد لا تكون مثل TAO، يجب ترتيب نسبة تخصيص الأموال بشكل معقول للحفاظ على مستوى ضروري من الاحتياطي السيولة.
سيكون حدث تقليل النصف الأول في نوفمبر 2025 بمثابة محفز سوقي مهم. ستؤدي تقليل الانبعاثات إلى زيادة ندرة الشبكات الفرعية الحالية، بينما قد يؤدي ذلك إلى استبعاد المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل الاقتصاد الكلي للشبكة بأكملها. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية ذات جودة عالية، لاقتناص فرصة التخصيص قبل التقليل.
![دليل استثمار شبكة فرعية Bittensor: اغتنم الفرصة التالية للذكاء الاصطناعي](