تحليل نظام شبكة فرعية Bittensor: نموذج جديد للبنية التحتية للذكاء الاصطناعي
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO)، مما حول نموذج الحوكمة إلى توزيع الموارد اللامركزي المدفوع بالسوق. أطلقت هذه الترقية بشكل كبير حيوية الابتكار في الشبكة. في غضون أشهر قليلة، زاد عدد الشبكات الفرعية النشطة من 32 إلى 118، بزيادة تصل إلى 269%. تغطي هذه الشبكات الفرعية العديد من المجالات الفرعية في صناعة الذكاء الاصطناعي، بدءًا من الاستدلال النصي الأساسي، وتوليد الصور، إلى طي البروتينات المتقدمة، والتداول الكمي، مما شكل النظام البيئي الأكثر شمولاً للذكاء الاصطناعي اللامركزي حتى الآن.
أداء السوق كان متميزاً أيضاً. ارتفعت القيمة السوقية الإجمالية للشبكة الفرعية الرائدة من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، حيث استقر العائد السنوي على المراهنة عند 16-19%. تقوم كل شبكة فرعية بتوزيع الحوافز الشبكية بناءً على معدل الرهانات المعتمدة على السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائمة على انتقاء الأفضل.
تحليل الشبكة الأساسية (أفضل 10 انبعاثات)
1. Chutes (SN64) - حوسبة AI بدون خادم
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت بدء تشغيل نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، بكفاءة أعلى بعشر مرات مقارنة بخدمات السحابة التقليدية. تدعم أكثر من 8000 عقدة GPU حول العالم النماذج الرئيسية من DeepSeek R1 إلى GPT-4، مع معالجة أكثر من 5 ملايين طلب يوميًا، ويتم التحكم في زمن الاستجابة ضمن 50 مللي ثانية.
نموذج الأعمال ناضج، ويعتمد استراتيجية القيمة المضافة المجانية لجذب المستخدمين. من خلال التعاون مع منصة OpenRouter، يوفر دعم قوة الحوسبة للنماذج الشائعة، ويحقق إيرادات من كل استدعاء API. الميزة التكلفية واضحة، حيث أنها أقل بنسبة 85% من AWS Lambda. حاليًا، تجاوز إجمالي استخدام الرموز 9042.37B، 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 دولار، مع مزايا تقنية واضحة، وتقدم تجاري سلس، واعتراف عالٍ في السوق، وهي الرائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
تتركز Celium على تحسين الحسابات على مستوى الأجهزة. من خلال أربعة وحدات تقنية: جدولة GPU، التجريد من الأجهزة، تحسين الأداء وإدارة كفاءة الطاقة، تهدف إلى تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. تدعم جميع سلسلة الأجهزة بما في ذلك NVIDIA A100/H100، AMD MI200، Intel Xe، بأسعار أقل بنسبة 90% مقارنة بالمنتجات المماثلة، وزيادة كفاءة الحساب بنسبة 45%.
حالياً، تعتبر Celium شبكة فرعية ذات ثاني أكبر انبعاث على Bittensor، حيث تشكل 7.28% من انبعاث الشبكة. تحسين الأجهزة هو عنصر أساسي في البنية التحتية للذكاء الاصطناعي، حيث يتمتع بحواجز تقنية، وهناك اتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56 مليون.
3. Targon (SN4) - منصة استدلال AI اللامركزية
النواة في Targon هي TVM (آلة Targon الافتراضية)، وهي منصة آمنة للحوسبة السرية، تدعم تدريب نماذج الذكاء الاصطناعي، والاستدلال، والتحقق. تستخدم TVM تقنيات الحوسبة السرية مثل Intel TDX وNVIDIA للحوسبة السرية، مما يضمن سلامة وخصوصية سير العمل الكامل للذكاء الاصطناعي. يدعم النظام التشفير من الطرف إلى الطرف من مستوى الأجهزة إلى مستوى التطبيقات، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي القوية دون الكشف عن البيانات.
تارجون لديها عتبة تقنية عالية، ونموذج تجاري واضح، ولديها مصدر دخل ثابت. تم تفعيل آلية استرداد الدخل، حيث يتم استخدام جميع الإيرادات لاسترداد الرموز، وآخر استرداد كان بقيمة 18000 دولار.
تمبلر هي شبكة فرعية رائدة متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، وتهدف إلى أن تكون "أفضل منصة تدريب نماذج في العالم". من خلال التدريب التعاوني باستخدام موارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، تركز على التدريب التعاوني والابتكار للنماذج الرائدة، وتؤكد على مقاومة الغش والتعاون الفعال.
في مجال إنجازات التكنولوجيا، نجح Templar في إكمال تدريب نموذج بـ 1.2B معلمة، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة رسومات. في عام 2024، سيتم ترقية آلية commit-reveal، مما يعزز من لامركزية وأمان التحقق؛ وفي عام 2025، سنواصل دفع تدريب النماذج الكبيرة، حيث ستصل معلماتها إلى 70B+، وستظهر في اختبارات الذكاء الاصطناعي القياسية أداءً يعادل المعايير الصناعية.
تتمتع Templar بميزة تقنية بارزة، حيث تبلغ القيمة السوقية الحالية 35 مليون، مما يشكل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب AI اللامركزي
تعمل Gradients على حل مشكلة تكاليف تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكي على مزامنة التدرجات، ويقوم بتوزيع المهام بكفاءة على 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 أسرع بنسبة 40% من الحلول المركزية. تقلل واجهة الاستخدام بنقرة واحدة من حواجز الاستخدام، وقد تم استخدامه في أكثر من 500 مشروع لتعديل النماذج، تغطي مجالات مثل الرعاية الصحية والتمويل والتعليم.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، ميزة التكنولوجيا واضحة، وهي واحدة من الشبكات الفرعية التي تستحق المتابعة على المدى الطويل.
6. التداول الخاص (SN8) - التداول الكمي المالي
SN8 هو منصة للتداول الكمي اللامركزي وتوقعات المالية، مدفوعة بالذكاء الاصطناعي لإشارات التداول متعددة الأصول. تقوم الشبكة التجارية الخاصة بتطبيق تقنيات التعلم الآلي على توقعات السوق المالية، وبناء بنية نماذج توقع متعددة المستويات. يدمج نموذج التوقع الزمني تقنيات LSTM وTransformer، مما يمكّنه من معالجة البيانات الزمنية المعقدة. يوفر نموذج تحليل مشاعر السوق مؤشرات المشاعر كإشارة مساعدة للتوقع من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكن رؤية عوائد الاستراتيجيات واختبارات العودة التي يقدمها مختلف miners على الموقع. يجمع SN8 بين الذكاء الاصطناعي و blockchain، ويقدم طرقًا مبتكرة للتداول في الأسواق المالية، والقيمة السوقية الحالية 27 مليون.
7. Score (SN44) - تحليل وتقييم الرياضة
Score هو إطار رؤية حاسوبية يركز على تحليل الفيديو الرياضي، ويقلل من تكلفة تحليل الفيديو المعقد من خلال تقنية التحقق الخفيفة. يستخدم التحقق على مرحلتين: الكشف عن الملعب وفحص الكائنات القائم على CLIP، مما يقلل من تكلفة التوصيف التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع Data Universe، تحقق DKING AI من معدل دقة توقعات متوسطه 70%، وبلغت دقته 100% في يوم واحد.
صناعة الرياضة كبيرة الحجم، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هي شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الانتباه.
8. OpenKaito (SN5) - استدلال النصوص مفتوح المصدر
OpenKaito يركز على تطوير نماذج تضمين النصوص، بدعم من كايتو، أحد المشاركين الرئيسيين في مجال InfoFi. باعتباره مشروعًا مفتوح المصدر مدفوعًا بالمجتمع، يكرس OpenKaito جهوده لبناء قدرات فهم النصوص والاستدلال عالية الجودة، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
توجد هذه الشبكة الفرعية في مرحلة البناء المبكرة، حيث يتم بناء نظام بيئي حول نموذج تضمين النصوص. ومن الجدير بالذكر أن التكامل القادم لـ Yaps قد يوسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
تتعامل Data Universe مع 500 مليون صف من البيانات يوميًا، بإجمالي يتجاوز 55.6 مليار صف، تدعم تخزين 100 جيجابايت. يوفر هيكل DataEntity وظائف أساسية مثل توحيد البيانات، وتحسين الفهرسة، والتخزين الموزع. آلية التصويت "الجاذبية" المبتكرة تحقق تعديل الوزن الديناميكي.
البيانات هي النفط للذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، والموقع البيئي مهم. كموفر بيانات للعديد من الشبكات الفرعية، التعاون العميق مع مشاريع مثل Score يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
تسمح TAOHash لعمال مناجم البيتكوين بإعادة توجيه قوة الحوسبة إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهن أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحوسبة الذكاء الاصطناعي، مما يوفر مصدر دخل جديد للعمال.
لقد جذب أكثر من 6EH/s من قوة التعدين (حوالي 0.7% من إجمالي قوة التعدين العالمية) في غضون بضعة أسابيع فقط، مما يثبت اعتراف السوق بهذا النموذج الهجين. يمكن للعمال اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، وفقًا لظروف السوق لتحسين العائد.
تحليل النظام البيئي
تبتكر تقنية Bittensor نظامًا بيئيًا فريدًا للذكاء الاصطناعي اللامركزي. يضمن خوارزمية إجماع Yuma جودة الشبكة من خلال التحقق اللامركزي، بينما يزيد آلية تخصيص الموارد التجارية التي قدمتها ترقية dTAO من الكفاءة بشكل كبير. يتم تجهيز كل شبكة فرعية بآلية AMM لتحقيق اكتشاف الأسعار بين TAO و alpha، مما يسمح للقوى السوقية بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية المعالجة الموزعة للمهام المعقدة للذكاء الاصطناعي، مما يشكل تأثيرًا قويًا للشبكة. يضمن هيكل الحوافز المزدوج (إصدار TAO وزيادة قيمة رموز alpha) دافع المشاركة على المدى الطويل، حيث يمكن لمبدعي الشبكة الفرعية والعمال والمحققين والمشاركين الحصول على المكافآت المناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مقدمي خدمات الذكاء الاصطناعي المركزيين التقليديين، توفر Bittensor بديلاً حقيقياً لامركزياً، حيث تتميز بكفاءة التكلفة. تظهر العديد من الشبكات الفرعية مزايا تكلفة ملحوظة، مثل كون Chutes أرخص بنسبة 85% من AWS، وهذه الميزة في التكلفة تأتي من تحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، حيث يستمر عدد وجودة الشبكات الفرعية في الارتفاع، وتتفوق سرعة الابتكار على البحث والتطوير التقليدي داخل الشركات.
ومع ذلك، تواجه النظام البيئي تحديات واقعية. لا تزال العوائق التقنية مرتفعة، على الرغم من تحسين الأدوات باستمرار، إلا أن المشاركة في التعدين والتحقق تتطلب معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر آخر، حيث قد تواجه شبكة الذكاء الاصطناعي اللامركزية سياسات تنظيمية مختلفة في البلدان. لن تظل مزودي الخدمات السحابية التقليدية مثل AWS و Google Cloud غير مبالين، ومن المتوقع أن يطلقوا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على التوازن بين الأداء واللامركزية تحديًا مهمًا.
النمو المتفجر لصناعة الذكاء الاصطناعي يوفر فرص سوقية هائلة لـ Bittensor. تتوقع Goldman Sachs أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى حوالي 200 مليار دولار بحلول عام 2025، مما يوفر دعماً قوياً لطلب البنية التحتية. من المتوقع أن ينمو السوق العالمي للذكاء الاصطناعي من 294 مليار دولار في عام 2025 إلى 1.77 تريليون دولار بحلول 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 اللامركزية، بينما زاد الاهتمام بخصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة السرية، وهو ما يمثل الميزة الأساسية لشبكات فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي في الازدياد، حيث توفر مشاركة المؤسسات المعروفة التمويل والدعم للموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. من الناحية الفنية، يجب فحص درجة الابتكار وعمق الحواجز الدفاعية، وقوة الفريق الفنية وقدرته على التنفيذ، فضلاً عن التأثيرات التآزرية مع المشاريع الأخرى في النظام البيئي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والتميز، وحالة اعتماد المستخدمين وتأثير الشبكة، فضلاً عن البيئة التنظيمية ومخاطر السياسة. من الناحية المالية، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاه النمو، وملاءمة تصميم الاقتصاد الرمزي، فضلاً عن السيولة وعمق التداول.
في إدارة المخاطر بشكل محدد، تعتبر استثمارات التنويع استراتيجية أساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية (مثل Chutes، Celium)، النوع التطبيقي (مثل Score، BitMind) والنوع البروتوكولي (مثل Targon، Templar). كما يجب تعديل استراتيجيات الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في المراحل المبكرة تحمل مخاطر عالية ولكن العوائد المحتملة كبيرة، بينما المشاريع الناضجة مستقرة نسبيًا ولكن لديها مساحة نمو محدودة. نظرًا لأن سيولة رموز alpha قد لا تكون مثل TAO، يجب ترتيب نسبة تخصيص الأموال بشكل معقول، مع الحفاظ على وجود احتياطي سيولة ضروري.
سيكون حدث تقليص المكافآت الأول في نوفمبر 2025 محفزًا مهمًا للسوق. ستؤدي تقليل الانبعاثات إلى زيادة ندرة الشبكات الفرعية الموجودة، بينما قد تؤدي إلى استبعاد المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل المشهد الاقتصادي بأكمله. يمكن للمستثمرين وضع خطط مسبقة لشبكات فرعية عالية الجودة، واستغلال نافذة التخصيص قبل التقليص.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500 شبكة، تغطي جميع القطاعات الفرعية لصناعة الذكاء الاصطناعي. ستؤدي زيادة التطبيقات على مستوى المؤسسات إلى دفع تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، وستصبح التعاونات عبر الشبكات الفرعية أكثر تكرارًا، مما يؤدي إلى تشكيل سلسلة توريد خدمات الذكاء الاصطناعي المعقدة. سيسمح الإطار التنظيمي الذي يتضح تدريجياً للشبكات الفرعية المتوافقة بالحصول على الوضوح.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
انفجار بيئة شبكة Bittensor: نموذج جديد للبنية التحتية للذكاء الاصطناعي اللامركزية
تحليل نظام شبكة فرعية Bittensor: نموذج جديد للبنية التحتية للذكاء الاصطناعي
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO)، مما حول نموذج الحوكمة إلى توزيع الموارد اللامركزي المدفوع بالسوق. أطلقت هذه الترقية بشكل كبير حيوية الابتكار في الشبكة. في غضون أشهر قليلة، زاد عدد الشبكات الفرعية النشطة من 32 إلى 118، بزيادة تصل إلى 269%. تغطي هذه الشبكات الفرعية العديد من المجالات الفرعية في صناعة الذكاء الاصطناعي، بدءًا من الاستدلال النصي الأساسي، وتوليد الصور، إلى طي البروتينات المتقدمة، والتداول الكمي، مما شكل النظام البيئي الأكثر شمولاً للذكاء الاصطناعي اللامركزي حتى الآن.
أداء السوق كان متميزاً أيضاً. ارتفعت القيمة السوقية الإجمالية للشبكة الفرعية الرائدة من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، حيث استقر العائد السنوي على المراهنة عند 16-19%. تقوم كل شبكة فرعية بتوزيع الحوافز الشبكية بناءً على معدل الرهانات المعتمدة على السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائمة على انتقاء الأفضل.
تحليل الشبكة الأساسية (أفضل 10 انبعاثات)
1. Chutes (SN64) - حوسبة AI بدون خادم
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت بدء تشغيل نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، بكفاءة أعلى بعشر مرات مقارنة بخدمات السحابة التقليدية. تدعم أكثر من 8000 عقدة GPU حول العالم النماذج الرئيسية من DeepSeek R1 إلى GPT-4، مع معالجة أكثر من 5 ملايين طلب يوميًا، ويتم التحكم في زمن الاستجابة ضمن 50 مللي ثانية.
نموذج الأعمال ناضج، ويعتمد استراتيجية القيمة المضافة المجانية لجذب المستخدمين. من خلال التعاون مع منصة OpenRouter، يوفر دعم قوة الحوسبة للنماذج الشائعة، ويحقق إيرادات من كل استدعاء API. الميزة التكلفية واضحة، حيث أنها أقل بنسبة 85% من AWS Lambda. حاليًا، تجاوز إجمالي استخدام الرموز 9042.37B، 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 دولار، مع مزايا تقنية واضحة، وتقدم تجاري سلس، واعتراف عالٍ في السوق، وهي الرائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
تتركز Celium على تحسين الحسابات على مستوى الأجهزة. من خلال أربعة وحدات تقنية: جدولة GPU، التجريد من الأجهزة، تحسين الأداء وإدارة كفاءة الطاقة، تهدف إلى تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. تدعم جميع سلسلة الأجهزة بما في ذلك NVIDIA A100/H100، AMD MI200، Intel Xe، بأسعار أقل بنسبة 90% مقارنة بالمنتجات المماثلة، وزيادة كفاءة الحساب بنسبة 45%.
حالياً، تعتبر Celium شبكة فرعية ذات ثاني أكبر انبعاث على Bittensor، حيث تشكل 7.28% من انبعاث الشبكة. تحسين الأجهزة هو عنصر أساسي في البنية التحتية للذكاء الاصطناعي، حيث يتمتع بحواجز تقنية، وهناك اتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56 مليون.
3. Targon (SN4) - منصة استدلال AI اللامركزية
النواة في Targon هي TVM (آلة Targon الافتراضية)، وهي منصة آمنة للحوسبة السرية، تدعم تدريب نماذج الذكاء الاصطناعي، والاستدلال، والتحقق. تستخدم TVM تقنيات الحوسبة السرية مثل Intel TDX وNVIDIA للحوسبة السرية، مما يضمن سلامة وخصوصية سير العمل الكامل للذكاء الاصطناعي. يدعم النظام التشفير من الطرف إلى الطرف من مستوى الأجهزة إلى مستوى التطبيقات، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي القوية دون الكشف عن البيانات.
تارجون لديها عتبة تقنية عالية، ونموذج تجاري واضح، ولديها مصدر دخل ثابت. تم تفعيل آلية استرداد الدخل، حيث يتم استخدام جميع الإيرادات لاسترداد الرموز، وآخر استرداد كان بقيمة 18000 دولار.
4. τemplar (SN3) - أبحاث الذكاء الاصطناعي والتدريب الموزع
تمبلر هي شبكة فرعية رائدة متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، وتهدف إلى أن تكون "أفضل منصة تدريب نماذج في العالم". من خلال التدريب التعاوني باستخدام موارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، تركز على التدريب التعاوني والابتكار للنماذج الرائدة، وتؤكد على مقاومة الغش والتعاون الفعال.
في مجال إنجازات التكنولوجيا، نجح Templar في إكمال تدريب نموذج بـ 1.2B معلمة، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة رسومات. في عام 2024، سيتم ترقية آلية commit-reveal، مما يعزز من لامركزية وأمان التحقق؛ وفي عام 2025، سنواصل دفع تدريب النماذج الكبيرة، حيث ستصل معلماتها إلى 70B+، وستظهر في اختبارات الذكاء الاصطناعي القياسية أداءً يعادل المعايير الصناعية.
تتمتع Templar بميزة تقنية بارزة، حيث تبلغ القيمة السوقية الحالية 35 مليون، مما يشكل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب AI اللامركزي
تعمل Gradients على حل مشكلة تكاليف تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكي على مزامنة التدرجات، ويقوم بتوزيع المهام بكفاءة على 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 أسرع بنسبة 40% من الحلول المركزية. تقلل واجهة الاستخدام بنقرة واحدة من حواجز الاستخدام، وقد تم استخدامه في أكثر من 500 مشروع لتعديل النماذج، تغطي مجالات مثل الرعاية الصحية والتمويل والتعليم.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، ميزة التكنولوجيا واضحة، وهي واحدة من الشبكات الفرعية التي تستحق المتابعة على المدى الطويل.
6. التداول الخاص (SN8) - التداول الكمي المالي
SN8 هو منصة للتداول الكمي اللامركزي وتوقعات المالية، مدفوعة بالذكاء الاصطناعي لإشارات التداول متعددة الأصول. تقوم الشبكة التجارية الخاصة بتطبيق تقنيات التعلم الآلي على توقعات السوق المالية، وبناء بنية نماذج توقع متعددة المستويات. يدمج نموذج التوقع الزمني تقنيات LSTM وTransformer، مما يمكّنه من معالجة البيانات الزمنية المعقدة. يوفر نموذج تحليل مشاعر السوق مؤشرات المشاعر كإشارة مساعدة للتوقع من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكن رؤية عوائد الاستراتيجيات واختبارات العودة التي يقدمها مختلف miners على الموقع. يجمع SN8 بين الذكاء الاصطناعي و blockchain، ويقدم طرقًا مبتكرة للتداول في الأسواق المالية، والقيمة السوقية الحالية 27 مليون.
7. Score (SN44) - تحليل وتقييم الرياضة
Score هو إطار رؤية حاسوبية يركز على تحليل الفيديو الرياضي، ويقلل من تكلفة تحليل الفيديو المعقد من خلال تقنية التحقق الخفيفة. يستخدم التحقق على مرحلتين: الكشف عن الملعب وفحص الكائنات القائم على CLIP، مما يقلل من تكلفة التوصيف التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع Data Universe، تحقق DKING AI من معدل دقة توقعات متوسطه 70%، وبلغت دقته 100% في يوم واحد.
صناعة الرياضة كبيرة الحجم، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هي شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الانتباه.
8. OpenKaito (SN5) - استدلال النصوص مفتوح المصدر
OpenKaito يركز على تطوير نماذج تضمين النصوص، بدعم من كايتو، أحد المشاركين الرئيسيين في مجال InfoFi. باعتباره مشروعًا مفتوح المصدر مدفوعًا بالمجتمع، يكرس OpenKaito جهوده لبناء قدرات فهم النصوص والاستدلال عالية الجودة، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
توجد هذه الشبكة الفرعية في مرحلة البناء المبكرة، حيث يتم بناء نظام بيئي حول نموذج تضمين النصوص. ومن الجدير بالذكر أن التكامل القادم لـ Yaps قد يوسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
تتعامل Data Universe مع 500 مليون صف من البيانات يوميًا، بإجمالي يتجاوز 55.6 مليار صف، تدعم تخزين 100 جيجابايت. يوفر هيكل DataEntity وظائف أساسية مثل توحيد البيانات، وتحسين الفهرسة، والتخزين الموزع. آلية التصويت "الجاذبية" المبتكرة تحقق تعديل الوزن الديناميكي.
البيانات هي النفط للذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، والموقع البيئي مهم. كموفر بيانات للعديد من الشبكات الفرعية، التعاون العميق مع مشاريع مثل Score يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
تسمح TAOHash لعمال مناجم البيتكوين بإعادة توجيه قوة الحوسبة إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهن أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحوسبة الذكاء الاصطناعي، مما يوفر مصدر دخل جديد للعمال.
لقد جذب أكثر من 6EH/s من قوة التعدين (حوالي 0.7% من إجمالي قوة التعدين العالمية) في غضون بضعة أسابيع فقط، مما يثبت اعتراف السوق بهذا النموذج الهجين. يمكن للعمال اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، وفقًا لظروف السوق لتحسين العائد.
تحليل النظام البيئي
تبتكر تقنية Bittensor نظامًا بيئيًا فريدًا للذكاء الاصطناعي اللامركزي. يضمن خوارزمية إجماع Yuma جودة الشبكة من خلال التحقق اللامركزي، بينما يزيد آلية تخصيص الموارد التجارية التي قدمتها ترقية dTAO من الكفاءة بشكل كبير. يتم تجهيز كل شبكة فرعية بآلية AMM لتحقيق اكتشاف الأسعار بين TAO و alpha، مما يسمح للقوى السوقية بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية المعالجة الموزعة للمهام المعقدة للذكاء الاصطناعي، مما يشكل تأثيرًا قويًا للشبكة. يضمن هيكل الحوافز المزدوج (إصدار TAO وزيادة قيمة رموز alpha) دافع المشاركة على المدى الطويل، حيث يمكن لمبدعي الشبكة الفرعية والعمال والمحققين والمشاركين الحصول على المكافآت المناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مقدمي خدمات الذكاء الاصطناعي المركزيين التقليديين، توفر Bittensor بديلاً حقيقياً لامركزياً، حيث تتميز بكفاءة التكلفة. تظهر العديد من الشبكات الفرعية مزايا تكلفة ملحوظة، مثل كون Chutes أرخص بنسبة 85% من AWS، وهذه الميزة في التكلفة تأتي من تحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، حيث يستمر عدد وجودة الشبكات الفرعية في الارتفاع، وتتفوق سرعة الابتكار على البحث والتطوير التقليدي داخل الشركات.
ومع ذلك، تواجه النظام البيئي تحديات واقعية. لا تزال العوائق التقنية مرتفعة، على الرغم من تحسين الأدوات باستمرار، إلا أن المشاركة في التعدين والتحقق تتطلب معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر آخر، حيث قد تواجه شبكة الذكاء الاصطناعي اللامركزية سياسات تنظيمية مختلفة في البلدان. لن تظل مزودي الخدمات السحابية التقليدية مثل AWS و Google Cloud غير مبالين، ومن المتوقع أن يطلقوا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على التوازن بين الأداء واللامركزية تحديًا مهمًا.
النمو المتفجر لصناعة الذكاء الاصطناعي يوفر فرص سوقية هائلة لـ Bittensor. تتوقع Goldman Sachs أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى حوالي 200 مليار دولار بحلول عام 2025، مما يوفر دعماً قوياً لطلب البنية التحتية. من المتوقع أن ينمو السوق العالمي للذكاء الاصطناعي من 294 مليار دولار في عام 2025 إلى 1.77 تريليون دولار بحلول 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 اللامركزية، بينما زاد الاهتمام بخصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة السرية، وهو ما يمثل الميزة الأساسية لشبكات فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي في الازدياد، حيث توفر مشاركة المؤسسات المعروفة التمويل والدعم للموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. من الناحية الفنية، يجب فحص درجة الابتكار وعمق الحواجز الدفاعية، وقوة الفريق الفنية وقدرته على التنفيذ، فضلاً عن التأثيرات التآزرية مع المشاريع الأخرى في النظام البيئي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والتميز، وحالة اعتماد المستخدمين وتأثير الشبكة، فضلاً عن البيئة التنظيمية ومخاطر السياسة. من الناحية المالية، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاه النمو، وملاءمة تصميم الاقتصاد الرمزي، فضلاً عن السيولة وعمق التداول.
في إدارة المخاطر بشكل محدد، تعتبر استثمارات التنويع استراتيجية أساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية (مثل Chutes، Celium)، النوع التطبيقي (مثل Score، BitMind) والنوع البروتوكولي (مثل Targon، Templar). كما يجب تعديل استراتيجيات الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في المراحل المبكرة تحمل مخاطر عالية ولكن العوائد المحتملة كبيرة، بينما المشاريع الناضجة مستقرة نسبيًا ولكن لديها مساحة نمو محدودة. نظرًا لأن سيولة رموز alpha قد لا تكون مثل TAO، يجب ترتيب نسبة تخصيص الأموال بشكل معقول، مع الحفاظ على وجود احتياطي سيولة ضروري.
سيكون حدث تقليص المكافآت الأول في نوفمبر 2025 محفزًا مهمًا للسوق. ستؤدي تقليل الانبعاثات إلى زيادة ندرة الشبكات الفرعية الموجودة، بينما قد تؤدي إلى استبعاد المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل المشهد الاقتصادي بأكمله. يمكن للمستثمرين وضع خطط مسبقة لشبكات فرعية عالية الجودة، واستغلال نافذة التخصيص قبل التقليص.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500 شبكة، تغطي جميع القطاعات الفرعية لصناعة الذكاء الاصطناعي. ستؤدي زيادة التطبيقات على مستوى المؤسسات إلى دفع تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، وستصبح التعاونات عبر الشبكات الفرعية أكثر تكرارًا، مما يؤدي إلى تشكيل سلسلة توريد خدمات الذكاء الاصطناعي المعقدة. سيسمح الإطار التنظيمي الذي يتضح تدريجياً للشبكات الفرعية المتوافقة بالحصول على الوضوح.