دليل استثمار شبكة فرعية Bittensor: اغتنم فرصة الذكاء الاصطناعي الجديدة
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO)، مما أدى إلى التحول من الحكم المركزي إلى تخصيص الموارد اللامركزي المدفوع بالسوق. بعد الترقية، تمتلك كل شبكة فرعية رموز alpha مستقلة، ويمكن لحاملي TAO اختيار أهداف الاستثمار بحرية، مما يحقق حقًا آلية اكتشاف القيمة المدفوعة بالسوق.
تشير البيانات إلى أن ترقية dTAO أطلقت طاقة ابتكارية هائلة. في غضون أشهر قليلة، نمت Bittensor من 32 شبكة فرعية إلى 118 شبكة فرعية نشطة، بزيادة بلغت 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى الطي البروتيني المتقدم، والتداول الكمي، مما شكل النظام البيئي الأكثر اكتمالًا للذكاء الاصطناعي اللامركزي حتى الآن.
أداء السوق كان أيضاً بارزاً. زادت القيمة السوقية الإجمالية لأفضل شبكة فرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، واستقر عائد الإيداع السنوي عند 16-19%. تم توزيع الحوافز الشبكية على الشبكات الفرعية حسب معدل الإيداع TAO المعتمد على السوق، 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) - حسابات الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكلفة الحوسبة بشكل كبير
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت بدء تشغيل نماذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يحسن الكفاءة بمقدار 10 مرات مقارنة بخدمات السحابة التقليدية. أكثر من 8000 عقدة GPU حول العالم، تدعم النماذج الرئيسية من DeepSeek R1 إلى GPT-4، وتتعامل مع أكثر من 5 ملايين طلب يوميًا، مع التحكم في زمن الاستجابة ضمن 50 مللي ثانية.
نموذج العمل ناضج، يعتمد استراتيجية القيمة المضافة المجانية لجذب المستخدمين، ويوفر دعم قوة الحوسبة للنماذج الشائعة من خلال منصة متكاملة، ويحقق الدخل من كل استدعاء API. ميزة التكلفة ملحوظة، أقل بنسبة 85% من بعض خدمات السحابة. حاليًا، تجاوز إجمالي استخدام التوكنات 9042.37B، ويخدم أكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصلت القيمة السوقية إلى 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، والحاجز التكنولوجي عميق، والتقدم التجاري يسير بسلاسة، ودرجة قبول السوق مرتفعة، وهي الآن الرائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين الحوسبة للأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، وزيادة كفاءة حسابات الذكاء الاصطناعي
تركيز على تحسين الحسابات على مستوى الأجهزة. من خلال أربعة وحدات تقنية هي جدولة GPU، وتجريد الأجهزة، وتحسين الأداء، وإدارة كفاءة الطاقة، يتم تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. يدعم جميع الأجهزة من سلسلة NVIDIA A100/H100 وAMD MI200 وIntel Xe، بتكلفة أقل بنسبة 90% مقارنة بالمنتجات المماثلة، وزيادة كفاءة الحساب بنسبة 45%.
حاليًا هي شبكة فرعية تحتل المرتبة الثانية في انبعاثات Bittensor، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية الذكاء الاصطناعي، ويتميز بوجود حواجز تقنية مع اتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56M.
القيمة الأساسية: تقنية الحوسبة السرية، لضمان أمان خصوصية البيانات
المركز في Targon هو TVM (آلة Targon الافتراضية)، وهي منصة حساب سرية آمنة تدعم تدريب نماذج الذكاء الاصطناعي واستنتاجها والتحقق منها. يستخدم TVM تقنيات حساب سرية متقدمة لضمان أمان سير العمل بالكامل للذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من طرف إلى طرف من مستوى الأجهزة إلى مستوى التطبيقات، مما يتيح للمستخدمين استخدام خدمات الذكاء الاصطناعي القوية دون الكشف عن البيانات.
تارغون لديها عتبة تقنية عالية، ونموذج عمل واضح، ومصدر دخل مستقر. تم تفعيل آلية استعادة الدخل، حيث يتم استخدام جميع الدخل لاستعادة الرموز، وكانت آخر عملية استعادة 18000 دولار أمريكي.
القيمة الأساسية: تدريب تعاوني على نماذج الذكاء الاصطناعي على نطاق واسع، وتقليل عتبة التدريب
Templar هو شبكة فرعية رائدة متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، وتهدف إلى أن تكون "أفضل منصة تدريب نماذج في العالم". يتم التدريب التعاوني من خلال موارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، مع التركيز على التدريب والتعاون على النماذج الرائدة والابتكار، مع التأكيد على مقاومة الغش والتعاون الفعال.
فيما يتعلق بالإنجازات التقنية، نجح Templar في إكمال تدريب نموذج يحتوي على 1.2 مليار معلمة، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة رسومية طوال العملية. في عام 2024، سيتم ترقية آلية التحقق، لتعزيز اللامركزية والأمان؛ وفي عام 2025، سيتم الاستمرار في دفع تدريب النماذج الكبيرة، حيث يصل حجم المعلمات إلى 70 مليار+، مع أداء يعادل المعايير الصناعية في اختبارات الذكاء الاصطناعي القياسية.
تتمتع Templar بميزة تقنية ملحوظة، حيث تبلغ القيمة السوقية الحالية 35 مليون، وتستحوذ على 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي لعموم الناس، مما يقلل بشكل كبير من حواجز التكلفة
حل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. نظام الجدولة الذكي يعتمد على مزامنة التدرج، ويوزع المهام بكفاءة على آلاف وحدات معالجة الرسومات. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات فقط في الساعة، وهو أرخص بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أسرع بنسبة 40% من الحلول المركزية. واجهة بنقرة واحدة تقلل من عتبة الاستخدام، وقد تم استخدام أكثر من 500 مشروع لتعديل النموذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، والمزايا التكنولوجية واضحة، مما يجعلها 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
SN8 هو منصة للتداول الكمي والمالية اللامركزية، مدفوعة بالذكاء الاصطناعي لإشارات تداول الأصول المتعددة. تستخدم الشبكة التجارية الخاصة تقنيات التعلم الآلي في توقعات الأسواق المالية، وتبني بنية نموذج توقعات متعددة المستويات. يدمج نموذج التوقع الزمني الخاص بها تقنيات LSTM وTransformer، مما يمكنه من معالجة بيانات السلاسل الزمنية المعقدة. يقدم نموذج تحليل مشاعر السوق مؤشرات عاطفية كإشارات مساعدة للتوقع من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكنك رؤية عوائد واستراتيجيات مختلفة مقدمة من عمال المناجم على الموقع. يجمع SN8 بين الذكاء الاصطناعي وتقنية blockchain، ويقدم طرق مبتكرة للتداول في الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل الفيديو الرياضي، يهدف إلى صناعة كرة القدم بقيمة 6000 مليار دولار
إطار رؤية الكمبيوتر الذي يركز على تحليل الفيديو الرياضي، يقلل من تكلفة تحليل الفيديو المعقد من خلال تقنية تحقق خفيفة الوزن. يعتمد على تحقق من خطوتين: الكشف عن الملعب وفحص الكائنات المستند إلى CLIP، مما يقلل من تكلفة التسمية التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع مشاريع أخرى، يبلغ متوسط دقة توقعات الوكيل الذكي 70%، وقد وصلت إلى 100% في دقة يوم واحد.
صناعة الرياضة ضخمة، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هو تطبيق له اتجاه واضح لشبكة فرعية، ويستحق الاهتمام.
8. OpenKaito (SN5) - استنتاج النصوص مفتوحة المصدر
القيمة الأساسية: تطوير نماذج تضمين النصوص، تحسين استرجاع المعلومات
OpenKaito يركز على تطوير نماذج تضمين النصوص بدعم من المشاركين الرئيسيين في مجال InfoFi. كمشروع مفتوح المصدر مدفوع من قبل المجتمع، تلتزم OpenKaito ببناء قدرات عالية الجودة لفهم النصوص واستنتاجها، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
توجد هذه الشبكة الفرعية في مرحلة البناء المبكرة، حيث يتم بناء النظام البيئي حول نماذج تضمين النص. ومن الجدير بالذكر أن هناك مجموعة جديدة من الميزات المدمجة قادمة، والتي قد توسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
القيمة الأساسية: معالجة البيانات على نطاق واسع، إمداد بيانات تدريب الذكاء الاصطناعي
معالجة 500 مليون صف يوميًا، بإجمالي أكثر من 55.6 مليار صف، يدعم تخزين 100 جيجابايت. يوفر هيكل DataEntity ميزات أساسية مثل توحيد البيانات، تحسين الفهرسة، والتخزين الموزع. آلية التصويت "الجاذبية" المبتكرة تحقق تعديل الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، وموضعها البيئي مهم. باعتبارها مزود بيانات لعدة شبكة فرعية، فإن التعاون العميق مع مشاريع مثل Score يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
القيمة الأساسية: ربط التعدين التقليدي بحوسبة الذكاء الاصطناعي، دمج موارد القوة الحاسوبية
تسمح TAOHash لعمال مناجم البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهن أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر لمناجم الذهب مصدر دخل جديد.
في غضون أسابيع قليلة، جذبت أكثر من 6EH/s من قوة الحوسبة (حوالي 0.7% من القوة العالمية)، مما يثبت اعتراف السوق بهذا النموذج المختلط. يمكن للعمال اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، بناءً على ظروف السوق لتحسين العائد.
تحليل النظام البيئي
تبتكر Bittensor تقنيات لبناء نظام بيئي فريد من نوعه للذكاء الاصطناعي اللامركزي. يضمن خوارزمية الإجماع الخاصة بها جودة الشبكة من خلال التحقق اللامركزي، بينما يعزز آلية توزيع الموارد التسويقية التي تم إدخالها من خلال ترقية dTAO الكفاءة بشكل ملحوظ. كل شبكة فرعية مزودة بآلية AMM، مما يحقق اكتشاف الأسعار بين TAO و alpha الرموز، وهذا التصميم يسمح لقوى السوق بالمشاركة مباشرة في توزيع موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يخلق تأثيرات شبكة قوية. تضمن هيكل الحوافز المزدوجة (انبعاث TAO وزيادة قيمة رموز alpha) دوافع المشاركة على المدى الطويل، مما يتيح لمبدعي الشبكات الفرعية وعمال المناجم والمدققين والمشاركين في الرهان الحصول على مكافآت مناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مقدمي خدمات الذكاء الاصطناعي المركزيين التقليديين، يقدم Bittensor بديلًا حقيقيًا لامركزيًا، يظهر أداءً بارزًا من حيث كفاءة التكاليف. تعرض العديد من الشبكات الفرعية مزايا تكلفية ملحوظة، مثل أن Chutes أرخص بنسبة 85% من بعض خدمات السحابة، وهذه الميزة في التكلفة تأتي من تحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، وزيادة عدد وجودة الشبكات الفرعية، ويتجاوز معدل الابتكار بكثير البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، تواجه النظام البيئي تحديات واقعية. لا يزال مستوى التقنية مرتفعًا، على الرغم من أن الأدوات تتحسن باستمرار، إلا أن المشاركة في التعدين والتحقق 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. لن يجلس مقدمو الخدمات السحابية التقليدية مكتوفي الأيدي، ومن المتوقع أن يطلقوا منتجات تنافسية. مع زيادة حجم الشبكة، يصبح الحفاظ على التوازن بين الأداء واللامركزية اختبارًا مهمًا.
النمو الهائل في صناعة الذكاء الاصطناعي يوفر فرص سوقية كبيرة لـ Bittensor. من المتوقع أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى حوالي 200 مليار دولار بحلول عام 2025، مما يوفر دعمًا قويًا لاحتياجات 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 من قبل الدول فرصاً لنوافذ البنية التحتية للذكاء الاصطناعي اللامركزية، بينما زاد الاهتمام بخصوصية البيانات وأمن الذكاء الاصطناعي من الطلب على تقنيات مثل الحساب السري، وهو ما يُعتبر من المزايا الأساسية لشبكة فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي في الازدياد، وتوفر مشاركة المؤسسات المعروفة التمويل ودعم الموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. من الناحية التقنية، يجب فحص درجة الابتكار وعمق الحواجز الدفاعية، وقوة الفريق التقنية وقدرته على التنفيذ، بالإضافة إلى تأثير التعاون مع مشاريع أخرى في النظام البيئي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والميزة التفاضلية، وسلوك المستخدمين وتأثير الشبكة، فضلاً عن البيئة التنظيمية ومخاطر السياسات. من الناحية المالية، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاهات النمو، وملاءمة تصميم اقتصاديات الرموز، بالإضافة إلى السيولة وعمق التداول.
في إدارة المخاطر المحددة، تعتبر الاستثمارات المتنوعة هي الاستراتيجية الأساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية (مثل Chutes و Celium) والنوع التطبيقي (مثل Score و BitMind) والنوع البروتوكولي (مثل Targon و Templar). في الوقت نفسه، يجب تعديل استراتيجية الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في المرحلة المبكرة تحمل مخاطر عالية ولكنها توفر عوائد محتملة كبيرة، بينما المشاريع الناضجة تكون مستقرة نسبيًا ولكن لديها مساحة نمو محدودة.
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 شبكة فرعية Bittensor: تحليل فرص الاستثمار في البنية التحتية الجديدة للذكاء الاصطناعي
دليل استثمار شبكة فرعية Bittensor: اغتنم فرصة الذكاء الاصطناعي الجديدة
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO)، مما أدى إلى التحول من الحكم المركزي إلى تخصيص الموارد اللامركزي المدفوع بالسوق. بعد الترقية، تمتلك كل شبكة فرعية رموز alpha مستقلة، ويمكن لحاملي TAO اختيار أهداف الاستثمار بحرية، مما يحقق حقًا آلية اكتشاف القيمة المدفوعة بالسوق.
تشير البيانات إلى أن ترقية dTAO أطلقت طاقة ابتكارية هائلة. في غضون أشهر قليلة، نمت Bittensor من 32 شبكة فرعية إلى 118 شبكة فرعية نشطة، بزيادة بلغت 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى الطي البروتيني المتقدم، والتداول الكمي، مما شكل النظام البيئي الأكثر اكتمالًا للذكاء الاصطناعي اللامركزي حتى الآن.
أداء السوق كان أيضاً بارزاً. زادت القيمة السوقية الإجمالية لأفضل شبكة فرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، واستقر عائد الإيداع السنوي عند 16-19%. تم توزيع الحوافز الشبكية على الشبكات الفرعية حسب معدل الإيداع TAO المعتمد على السوق، 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) - حسابات الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكلفة الحوسبة بشكل كبير
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت بدء تشغيل نماذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يحسن الكفاءة بمقدار 10 مرات مقارنة بخدمات السحابة التقليدية. أكثر من 8000 عقدة GPU حول العالم، تدعم النماذج الرئيسية من DeepSeek R1 إلى GPT-4، وتتعامل مع أكثر من 5 ملايين طلب يوميًا، مع التحكم في زمن الاستجابة ضمن 50 مللي ثانية.
نموذج العمل ناضج، يعتمد استراتيجية القيمة المضافة المجانية لجذب المستخدمين، ويوفر دعم قوة الحوسبة للنماذج الشائعة من خلال منصة متكاملة، ويحقق الدخل من كل استدعاء API. ميزة التكلفة ملحوظة، أقل بنسبة 85% من بعض خدمات السحابة. حاليًا، تجاوز إجمالي استخدام التوكنات 9042.37B، ويخدم أكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصلت القيمة السوقية إلى 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، والحاجز التكنولوجي عميق، والتقدم التجاري يسير بسلاسة، ودرجة قبول السوق مرتفعة، وهي الآن الرائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين الحوسبة للأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، وزيادة كفاءة حسابات الذكاء الاصطناعي
تركيز على تحسين الحسابات على مستوى الأجهزة. من خلال أربعة وحدات تقنية هي جدولة GPU، وتجريد الأجهزة، وتحسين الأداء، وإدارة كفاءة الطاقة، يتم تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. يدعم جميع الأجهزة من سلسلة NVIDIA A100/H100 وAMD MI200 وIntel Xe، بتكلفة أقل بنسبة 90% مقارنة بالمنتجات المماثلة، وزيادة كفاءة الحساب بنسبة 45%.
حاليًا هي شبكة فرعية تحتل المرتبة الثانية في انبعاثات Bittensor، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية الذكاء الاصطناعي، ويتميز بوجود حواجز تقنية مع اتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56M.
3. Targon (SN4) - منصة استدلال الذكاء الاصطناعي اللامركزية
القيمة الأساسية: تقنية الحوسبة السرية، لضمان أمان خصوصية البيانات
المركز في Targon هو TVM (آلة Targon الافتراضية)، وهي منصة حساب سرية آمنة تدعم تدريب نماذج الذكاء الاصطناعي واستنتاجها والتحقق منها. يستخدم TVM تقنيات حساب سرية متقدمة لضمان أمان سير العمل بالكامل للذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من طرف إلى طرف من مستوى الأجهزة إلى مستوى التطبيقات، مما يتيح للمستخدمين استخدام خدمات الذكاء الاصطناعي القوية دون الكشف عن البيانات.
تارغون لديها عتبة تقنية عالية، ونموذج عمل واضح، ومصدر دخل مستقر. تم تفعيل آلية استعادة الدخل، حيث يتم استخدام جميع الدخل لاستعادة الرموز، وكانت آخر عملية استعادة 18000 دولار أمريكي.
4. τemplar (SN3) - أبحاث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: تدريب تعاوني على نماذج الذكاء الاصطناعي على نطاق واسع، وتقليل عتبة التدريب
Templar هو شبكة فرعية رائدة متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، وتهدف إلى أن تكون "أفضل منصة تدريب نماذج في العالم". يتم التدريب التعاوني من خلال موارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، مع التركيز على التدريب والتعاون على النماذج الرائدة والابتكار، مع التأكيد على مقاومة الغش والتعاون الفعال.
فيما يتعلق بالإنجازات التقنية، نجح Templar في إكمال تدريب نموذج يحتوي على 1.2 مليار معلمة، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة رسومية طوال العملية. في عام 2024، سيتم ترقية آلية التحقق، لتعزيز اللامركزية والأمان؛ وفي عام 2025، سيتم الاستمرار في دفع تدريب النماذج الكبيرة، حيث يصل حجم المعلمات إلى 70 مليار+، مع أداء يعادل المعايير الصناعية في اختبارات الذكاء الاصطناعي القياسية.
تتمتع Templar بميزة تقنية ملحوظة، حيث تبلغ القيمة السوقية الحالية 35 مليون، وتستحوذ على 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي لعموم الناس، مما يقلل بشكل كبير من حواجز التكلفة
حل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. نظام الجدولة الذكي يعتمد على مزامنة التدرج، ويوزع المهام بكفاءة على آلاف وحدات معالجة الرسومات. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات فقط في الساعة، وهو أرخص بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أسرع بنسبة 40% من الحلول المركزية. واجهة بنقرة واحدة تقلل من عتبة الاستخدام، وقد تم استخدام أكثر من 500 مشروع لتعديل النموذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، والمزايا التكنولوجية واضحة، مما يجعلها 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
SN8 هو منصة للتداول الكمي والمالية اللامركزية، مدفوعة بالذكاء الاصطناعي لإشارات تداول الأصول المتعددة. تستخدم الشبكة التجارية الخاصة تقنيات التعلم الآلي في توقعات الأسواق المالية، وتبني بنية نموذج توقعات متعددة المستويات. يدمج نموذج التوقع الزمني الخاص بها تقنيات LSTM وTransformer، مما يمكنه من معالجة بيانات السلاسل الزمنية المعقدة. يقدم نموذج تحليل مشاعر السوق مؤشرات عاطفية كإشارات مساعدة للتوقع من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكنك رؤية عوائد واستراتيجيات مختلفة مقدمة من عمال المناجم على الموقع. يجمع SN8 بين الذكاء الاصطناعي وتقنية blockchain، ويقدم طرق مبتكرة للتداول في الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل الفيديو الرياضي، يهدف إلى صناعة كرة القدم بقيمة 6000 مليار دولار
إطار رؤية الكمبيوتر الذي يركز على تحليل الفيديو الرياضي، يقلل من تكلفة تحليل الفيديو المعقد من خلال تقنية تحقق خفيفة الوزن. يعتمد على تحقق من خطوتين: الكشف عن الملعب وفحص الكائنات المستند إلى CLIP، مما يقلل من تكلفة التسمية التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع مشاريع أخرى، يبلغ متوسط دقة توقعات الوكيل الذكي 70%، وقد وصلت إلى 100% في دقة يوم واحد.
صناعة الرياضة ضخمة، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هو تطبيق له اتجاه واضح لشبكة فرعية، ويستحق الاهتمام.
8. OpenKaito (SN5) - استنتاج النصوص مفتوحة المصدر
القيمة الأساسية: تطوير نماذج تضمين النصوص، تحسين استرجاع المعلومات
OpenKaito يركز على تطوير نماذج تضمين النصوص بدعم من المشاركين الرئيسيين في مجال InfoFi. كمشروع مفتوح المصدر مدفوع من قبل المجتمع، تلتزم OpenKaito ببناء قدرات عالية الجودة لفهم النصوص واستنتاجها، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
توجد هذه الشبكة الفرعية في مرحلة البناء المبكرة، حيث يتم بناء النظام البيئي حول نماذج تضمين النص. ومن الجدير بالذكر أن هناك مجموعة جديدة من الميزات المدمجة قادمة، والتي قد توسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
القيمة الأساسية: معالجة البيانات على نطاق واسع، إمداد بيانات تدريب الذكاء الاصطناعي
معالجة 500 مليون صف يوميًا، بإجمالي أكثر من 55.6 مليار صف، يدعم تخزين 100 جيجابايت. يوفر هيكل DataEntity ميزات أساسية مثل توحيد البيانات، تحسين الفهرسة، والتخزين الموزع. آلية التصويت "الجاذبية" المبتكرة تحقق تعديل الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، وموضعها البيئي مهم. باعتبارها مزود بيانات لعدة شبكة فرعية، فإن التعاون العميق مع مشاريع مثل Score يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
القيمة الأساسية: ربط التعدين التقليدي بحوسبة الذكاء الاصطناعي، دمج موارد القوة الحاسوبية
تسمح TAOHash لعمال مناجم البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهن أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر لمناجم الذهب مصدر دخل جديد.
في غضون أسابيع قليلة، جذبت أكثر من 6EH/s من قوة الحوسبة (حوالي 0.7% من القوة العالمية)، مما يثبت اعتراف السوق بهذا النموذج المختلط. يمكن للعمال اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، بناءً على ظروف السوق لتحسين العائد.
تحليل النظام البيئي
تبتكر Bittensor تقنيات لبناء نظام بيئي فريد من نوعه للذكاء الاصطناعي اللامركزي. يضمن خوارزمية الإجماع الخاصة بها جودة الشبكة من خلال التحقق اللامركزي، بينما يعزز آلية توزيع الموارد التسويقية التي تم إدخالها من خلال ترقية dTAO الكفاءة بشكل ملحوظ. كل شبكة فرعية مزودة بآلية AMM، مما يحقق اكتشاف الأسعار بين TAO و alpha الرموز، وهذا التصميم يسمح لقوى السوق بالمشاركة مباشرة في توزيع موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يخلق تأثيرات شبكة قوية. تضمن هيكل الحوافز المزدوجة (انبعاث TAO وزيادة قيمة رموز alpha) دوافع المشاركة على المدى الطويل، مما يتيح لمبدعي الشبكات الفرعية وعمال المناجم والمدققين والمشاركين في الرهان الحصول على مكافآت مناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مقدمي خدمات الذكاء الاصطناعي المركزيين التقليديين، يقدم Bittensor بديلًا حقيقيًا لامركزيًا، يظهر أداءً بارزًا من حيث كفاءة التكاليف. تعرض العديد من الشبكات الفرعية مزايا تكلفية ملحوظة، مثل أن Chutes أرخص بنسبة 85% من بعض خدمات السحابة، وهذه الميزة في التكلفة تأتي من تحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، وزيادة عدد وجودة الشبكات الفرعية، ويتجاوز معدل الابتكار بكثير البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، تواجه النظام البيئي تحديات واقعية. لا يزال مستوى التقنية مرتفعًا، على الرغم من أن الأدوات تتحسن باستمرار، إلا أن المشاركة في التعدين والتحقق 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. لن يجلس مقدمو الخدمات السحابية التقليدية مكتوفي الأيدي، ومن المتوقع أن يطلقوا منتجات تنافسية. مع زيادة حجم الشبكة، يصبح الحفاظ على التوازن بين الأداء واللامركزية اختبارًا مهمًا.
النمو الهائل في صناعة الذكاء الاصطناعي يوفر فرص سوقية كبيرة لـ Bittensor. من المتوقع أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى حوالي 200 مليار دولار بحلول عام 2025، مما يوفر دعمًا قويًا لاحتياجات 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 من قبل الدول فرصاً لنوافذ البنية التحتية للذكاء الاصطناعي اللامركزية، بينما زاد الاهتمام بخصوصية البيانات وأمن الذكاء الاصطناعي من الطلب على تقنيات مثل الحساب السري، وهو ما يُعتبر من المزايا الأساسية لشبكة فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي في الازدياد، وتوفر مشاركة المؤسسات المعروفة التمويل ودعم الموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. من الناحية التقنية، يجب فحص درجة الابتكار وعمق الحواجز الدفاعية، وقوة الفريق التقنية وقدرته على التنفيذ، بالإضافة إلى تأثير التعاون مع مشاريع أخرى في النظام البيئي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والميزة التفاضلية، وسلوك المستخدمين وتأثير الشبكة، فضلاً عن البيئة التنظيمية ومخاطر السياسات. من الناحية المالية، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاهات النمو، وملاءمة تصميم اقتصاديات الرموز، بالإضافة إلى السيولة وعمق التداول.
في إدارة المخاطر المحددة، تعتبر الاستثمارات المتنوعة هي الاستراتيجية الأساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية (مثل Chutes و Celium) والنوع التطبيقي (مثل Score و BitMind) والنوع البروتوكولي (مثل Targon و Templar). في الوقت نفسه، يجب تعديل استراتيجية الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في المرحلة المبكرة تحمل مخاطر عالية ولكنها توفر عوائد محتملة كبيرة، بينما المشاريع الناضجة تكون مستقرة نسبيًا ولكن لديها مساحة نمو محدودة.