بيئة شبكة فرعية Bittensor: نموذج جديد للبنية التحتية للذكاء الاصطناعي
في 13 فبراير 2025، أكملت شبكة Bittensor ترقية Dynamic TAO (dTAO)، حيث تم تحويل حوكمة الشبكة إلى تخصيص الموارد اللامركزي المدفوع بالسوق. تمتلك كل شبكة فرعية رموز alpha مستقلة، ويمكن لحاملي TAO اختيار أهداف الاستثمار بحرية، مما يحقق آلية اكتشاف القيمة المعتمدة على السوق.
تشير البيانات إلى أن ترقية dTAO أطلقت طاقة ابتكارية هائلة. في غضون بضعة أشهر فقط، زادت Bittensor من 32 شبكة فرعية إلى 118 شبكة فرعية نشطة، بزيادة قدرها 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية في صناعة الذكاء الاصطناعي، من الاستدلال النصي، وتوليد الصور، إلى طي البروتين، والتداول الكمي، مما شكل نظامًا بيئيًا كاملاً للذكاء الاصطناعي اللامركزي.
أداء السوق كان لامعاً أيضاً. ارتفعت القيمة السوقية الإجمالية لأفضل الشبكات الفرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، بينما استقرت عوائد التكديس السنوية عند 16-19%. يتم توزيع الحوافز الشبكية على الشبكات الفرعية وفقاً لمعدل تكديس TAO في السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من انبعاثات الشبكة، مما يعكس آلية السوق القائمة على المنافسة.
تحليل الشبكة الأساسية (أعلى 10 انبعاثات)
1. Chutes (SN64) - حسابات AI بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكلفة الحوسبة بشكل كبير
تستخدم Chutes بنية "التشغيل الفوري"، مما يقلل وقت بدء تشغيل نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يعزز الكفاءة بمعدل 10 مرات. تدعم أكثر من 8000 عقدة GPU عالمية النماذج السائدة، وتعالج أكثر من 5 ملايين طلب يوميًا، مع زمن استجابة أقل من 50 مللي ثانية.
نموذج الأعمال ناضج، يتبنى استراتيجية القيمة المضافة المجانية. من خلال تكامل منصة OpenRouter، يوفر دعم قوة الحوسبة للنماذج الشهيرة. التكلفة أقل بنسبة 85% من بعض خدمات السحابة. حاليًا، تجاوز إجمالي استخدام الرموز 9042.37B، ويخدم أكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصل إلى قيمة سوقية تبلغ 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، والميزة التكنولوجية عميقة، والتقدم التجاري يسير بسلاسة، ومعدل الاعتراف في السوق مرتفع، وهو حالياً رائد الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، وزيادة كفاءة حسابات الذكاء الاصطناعي
التركيز على تحسين حسابات المستوى المادي. من خلال أربعة وحدات تقنية: جدولة GPU، تجريد الأجهزة، تحسين الأداء وإدارة كفاءة الطاقة، لتحقيق أقصى استفادة من كفاءة استخدام الأجهزة. دعم جميع سلسلة الأجهزة، وانخفاض الأسعار بنسبة 90%، وزيادة كفاءة الحساب بنسبة 45%.
حاليًا، تعتبر شبكة فرعية Bittensor الثانية من حيث الانبعاثات، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية AI التحتية، ويتميز بحواجز تقنية، مع اتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56M.
3. Targon (SN4) - منصة استنتاج AI غير مركزية
القيمة الأساسية: تقنية الحوسبة السرية، تأمين خصوصية البيانات.
النواة الأساسية لـ Targon هي TVM (آلة Targon الافتراضية)، وهي منصة حساب سرية آمنة تدعم تدريب نماذج الذكاء الاصطناعي، الاستدلال والتحقق. تستخدم تقنية الحساب السري لضمان أمان وسلامة تدفقات عمل الذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من طرف إلى طرف، ويمكن للمستخدمين استخدام خدمات الذكاء الاصطناعي دون الكشف عن بياناتهم.
عائق تقني مرتفع، نموذج عمل واضح، دخل مستقر. تم تفعيل آلية استرداد الدخل، حيث يُستخدم جميع الدخل للاسترداد الرمزي، وكانت آخر عملية استرداد بقيمة 18000 دولار أمريكي.
4. τemplar (SN3) - بحث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: تدريب تعاوني على نماذج الذكاء الاصطناعي على نطاق واسع، وتقليل عائق التدريب
شبكة فرعية رائدة متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي الكبيرة، تهدف إلى أن تصبح "أفضل منصة لتدريب النماذج في العالم". من خلال مساهمة المشاركين العالميين في موارد GPU للتدريب التعاوني، تركز على تدريب النماذج المتقدمة والتعاون والابتكار.
تم الانتهاء من تدريب نموذج 1.2 مليار معلمات، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 GPU. في عام 2024، سيتم ترقية آلية commit-reveal لتعزيز اللامركزية والأمان في التحقق؛ في عام 2025، سيتم دفع تدريب النماذج الكبيرة، ليصل حجم المعلمات إلى أكثر من 70 مليار، بأداء يعادل المعايير الصناعية.
تتميز المزايا التقنية بشكل بارز، والقيمة السوقية الحالية 35 مليون، تمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي بشكل شعبي، وتقليل عتبة التكلفة بشكل كبير
حل مشكلة تكاليف تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكي بتوزيع المهام بكفاءة على آلاف وحدات معالجة الرسومات استنادًا إلى مزامنة التدرج. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات في الساعة، أرخص بنسبة 70% من خدمات السحابة التقليدية، وسرعة أعلى بنسبة 40%. تقلل الواجهة ذات الزر الواحد من عوائق الاستخدام، مع أكثر من 500 مشروع لتعديل النماذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M ، الطلب في السوق كبير ، المزايا التقنية واضحة ، تستحق المتابعة على المدى الطويل.
6. التداول الاحتكاري (SN8) - تجارة الكميات المالية
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة تداول الكميات اللامركزية وتوقعات المالية، إشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي. بناء هيكل نموذج توقع متعدد المستويات، دمج نموذج التوقع الزمني مع تقنيات LSTM وTransformer، لمعالجة بيانات السلاسل الزمنية المعقدة. يقوم نموذج تحليل مشاعر السوق بتحليل وسائل التواصل الاجتماعي ومحتوى الأخبار، وتوفير مؤشرات المشاعر لدعم التوقعات.
الموقع يعرض عوائد واختبارات الاستراتيجيات المقدمة من مختلف miners. يجمع بين الذكاء الاصطناعي و blockchain ، ويقدم طرق مبتكرة لتداول الأسواق المالية ، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل الفيديو الرياضي، يستهدف 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 التحقق الخفيفة. يعتمد على تحقق من خطوتين: اكتشاف الملعب وفحص الكائنات المستند إلى CLIP، مما يقلل من تكلفة وضع العلامات لمباراة واحدة تقليدية بنسبة 90%-99%. بالتعاون مع Data Universe، متوسط دقة توقع الوكيل الذكي 70%، وقد بلغ دقة 100% في يوم واحد.
صناعة الرياضة ذات حجم كبير، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، وScore هو شبكة فرعية ذات اتجاهات تطبيقية واضحة، ويستحق الاهتمام.
8. OpenKaito (SN5) - استنتاج نص مفتوح المصدر
القيمة الأساسية: تطوير نماذج تضمين النصوص، تحسين استرجاع المعلومات
يركز على تطوير نماذج تضمين النصوص بدعم من كايتو، أحد المشاركين المهمين في مجال InfoFi. مشروع مفتوح المصدر مدفوع من المجتمع، يهدف إلى بناء قدرات فهم النصوص واستدلالها عالية الجودة، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
لا يزال في مرحلة البناء المبكرة، يركز بشكل رئيسي على بناء نظام بيئي حول نماذج تضمين النص. قد يؤدي التكامل القادم لـ Yaps إلى توسيع كبير في مجالات تطبيقه وقاعدة مستخدميه.
9. عالم البيانات (SN13) - بنية البيانات المدعومة بالذكاء الاصطناعي
القيمة الأساسية: معالجة البيانات على نطاق واسع، تزويد بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف بيانات يوميًا، بإجمالي يزيد عن 55.6 مليار صف، ويدعم تخزين 100 جيجابايت. يوفر هيكل DataEntity ميزات أساسية مثل توحيد البيانات، تحسين الفهرسة، والتخزين الموزع. تتيح آلية التصويت المبتكرة "الجاذبية" ضبط الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، قيمة البنية التحتية مستقرة، والموضع البيئي مهم. كموفر بيانات للعديد من الشبكات الفرعية، نتعاون بعمق مع مشاريع مثل Score، مما يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الهاش PoW
القيمة الأساسية: ربط التعدين التقليدي مع حسابات الذكاء الاصطناعي، دمج موارد قوة الحوسبة
يسمح لعمال مناجم البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، للحصول على رموز alpha من خلال التعدين لاستخدامها في الرهان أو التداول. يجمع بين التعدين التقليدي PoW وحساب الذكاء الاصطناعي، مما يوفر لمعدني العملات مصدر دخل جديد.
تجذب القوة الحسابية لأكثر من 6EH/s في فترة قصيرة (حوالي 0.7% من إجمالي القوة العالمية)، مما يثبت اعتراف السوق بالنموذج الهجين. يمكن للمعدنين الاختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، لتحسين العائدات.
تحليل النظام البيئي
تبتكر تقنية Bittensor نظامًا بيئيًا فريدًا من الذكاء الاصطناعي اللامركزي. يضمن خوارزمية إجماع Yuma جودة الشبكة من خلال التحقق اللامركزي، بينما يقدم ترقية dTAO آلية توزيع الموارد السوقية لتحسين الكفاءة. تعمل آلية AMM لشبكة فرعية على تحقيق اكتشاف الأسعار بين TAO و alpha، مما يسمح لقوى السوق بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
يدعم بروتوكول التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يشكل تأثيرات شبكة قوية. تضمن هيكل الحوافز المزدوجة الدافع للمشاركة على المدى الطويل، مما يشكل حلقة اقتصادية مستدامة.
بالنسبة لمزودي خدمات الذكاء الاصطناعي التقليديين المركزيين، فإن Bittensor يقدم بديلاً حقيقياً لامركزياً، مع كفاءة تكاليف بارزة. تظهر عدة شبكة فرعية مزايا تكلفة ملحوظة، مثل كون شبكة فرعية معينة أرخص بنسبة 85% من خدمة سحابية معينة. يعزز النظام البيئي المفتوح الابتكار السريع، حيث تتجاوز سرعة الابتكار بكثير التطوير الداخلي في الشركات التقليدية.
ومع ذلك، يواجه النظام البيئي أيضًا تحديات. لا تزال عتبة التكنولوجيا مرتفعة، ويتطلب المشاركة في التعدين والتحقق معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر. من المتوقع أن تطلق مقدمو الخدمات السحابية التقليدية منتجات تنافسية. مع زيادة حجم الشبكة، يصبح الحفاظ على الأداء وتوازن اللامركزية امتحانًا مهمًا.
النمو الانفجاري لصناعة الذكاء الاصطناعي يوفر فرص سوق هائلة لـBittensor. 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 قدره 29%، مما يخلق مساحة واسعة لتطوير البنية التحتية للذكاء الاصطناعي اللامركزي.
تخلق سياسات دعم الذكاء الاصطناعي في الدول المختلفة نوافذ فرص، مع زيادة التركيز على خصوصية البيانات وأمان الذكاء الاصطناعي، مما يزيد من الطلب على تقنيات الحوسبة السرية. يزداد اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي، مما يوفر تمويلًا ودعمًا للموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم نظامي. على المستوى الفني، يتم فحص درجة الابتكار، عمق الحواجز، قوة الفريق، وتأثيرات التعاون البيئي. على المستوى السوقي، يتم تحليل حجم السوق المستهدف، هيكل المنافسة، حالة اعتماد المستخدمين، ومخاطر التنظيم. على المستوى المالي، يتم التركيز على مستوى التقييم، نسبة انبعاث TAO، تصميم الاقتصاد الرمزي، والسيولة.
في إدارة المخاطر، تعتبر استثمار التنويع استراتيجية أساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية، والنوع التطبيقي، والنوع البروتوكولي. يجب تعديل الاستراتيجية بناءً على مرحلة تطوير الشبكات الفرعية، حيث أن المشاريع المبكرة تحمل مخاطر عالية ولكنها تقدم عوائد محتملة كبيرة، بينما المشاريع الناضجة تكون مستقرة نسبيًا ولكن لديها مساحة نمو محدودة. يجب أخذ سيولة رموز alpha في الاعتبار، وتنظيم نسبة توزيع الأموال بشكل معقول، مع الحفاظ على هامش سيولة ضروري.
ستصبح حدث تخفيض النصف الأول في نوفمبر 2025 محفزًا مهمًا للسوق. ستؤدي تقليل الانبعاثات إلى زيادة ندرة الشبكة الفرعية الحالية، مما قد يؤدي إلى استبعاد المشاريع ذات الأداء الضعيف وإعادة تشكيل اقتصاد الشبكة. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية عالية الجودة للاستفادة من نافذة التوزيع قبل التخفيض.
من المتوقع أن يتجاوز عدد الشبكات الفرعية المتوسطة 500 شبكة، تغطي جميع المجالات الفرعية لصناعة الذكاء الاصطناعي. زيادة التطبيقات على مستوى الشركات تدفع تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، وتزداد التعاونات بين الشبكات الفرعية بشكل متكرر، مما يشكل سلسلة توريد معقدة لخدمات الذكاء الاصطناعي. الإطار التنظيمي يصبح أكثر وضوحًا تدريجيًا، مما يمنح الشبكات الفرعية المتوافقة ميزة واضحة.
من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي على المدى الطويل، وقد تعتمد شركات الذكاء الاصطناعي التقليدية نمطًا مختلطًا، حيث تنقل جزءًا من أعمالها إلى الشبكة اللامركزية. تتزايد باستمرار نماذج الأعمال الجديدة وسيناريوهات التطبيقات، مع تعزيز التفاعل مع شبكات blockchain الأخرى، مما يؤدي في النهاية إلى تشكيل نظام بيئي لامركزي أكبر. مسار التطور مشابه لتطور البنية التحتية للإنترنت في مراحله المبكرة، وسيحقق المستثمرون الذين يلتقطون النقاط الرئيسية عوائد كبيرة.
الخاتمة
يمثل نظام Bittensor البيئي نموذجًا جديدًا لتطوير البنية التحتية للذكاء الاصطناعي. من خلال تخصيص الموارد بطريقة سوقية وآلية الحوكمة اللامركزية، يوفر تربة جديدة للابتكار في الذكاء الاصطناعي، وتظهر الحيوية الابتكارية وإمكانات النمو بشكل لافت. في ظل الخلفية السريعة التطور لصناعة الذكاء الاصطناعي، يستحق Bittensor ونظامه البيئي للشبكات الفرعية المتابعة المستمرة والبحث المتعمق.
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.
تسجيلات الإعجاب 9
أعجبني
9
4
مشاركة
تعليق
0/400
GateUser-26d7f434
· منذ 8 س
tao要التصفية القسرية
شاهد النسخة الأصليةرد0
HashBandit
· منذ 8 س
يا رجل، هذه الأرقام الخاصة بـ tps تعيد لي ذكريات سيئة من eth 2016... لكن بصراحة، يبدو أن التحجيم أفضل من معدل التجزئة لجهازي القديم للتعدين.
انفجار نظام Bittensor الشبكة الفرعية: ترقية dTAO تطلق قوة الابتكار في البنية التحتية للذكاء الاصطناعي
بيئة شبكة فرعية Bittensor: نموذج جديد للبنية التحتية للذكاء الاصطناعي
في 13 فبراير 2025، أكملت شبكة Bittensor ترقية Dynamic TAO (dTAO)، حيث تم تحويل حوكمة الشبكة إلى تخصيص الموارد اللامركزي المدفوع بالسوق. تمتلك كل شبكة فرعية رموز alpha مستقلة، ويمكن لحاملي TAO اختيار أهداف الاستثمار بحرية، مما يحقق آلية اكتشاف القيمة المعتمدة على السوق.
تشير البيانات إلى أن ترقية dTAO أطلقت طاقة ابتكارية هائلة. في غضون بضعة أشهر فقط، زادت Bittensor من 32 شبكة فرعية إلى 118 شبكة فرعية نشطة، بزيادة قدرها 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية في صناعة الذكاء الاصطناعي، من الاستدلال النصي، وتوليد الصور، إلى طي البروتين، والتداول الكمي، مما شكل نظامًا بيئيًا كاملاً للذكاء الاصطناعي اللامركزي.
أداء السوق كان لامعاً أيضاً. ارتفعت القيمة السوقية الإجمالية لأفضل الشبكات الفرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، بينما استقرت عوائد التكديس السنوية عند 16-19%. يتم توزيع الحوافز الشبكية على الشبكات الفرعية وفقاً لمعدل تكديس TAO في السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من انبعاثات الشبكة، مما يعكس آلية السوق القائمة على المنافسة.
تحليل الشبكة الأساسية (أعلى 10 انبعاثات)
1. Chutes (SN64) - حسابات AI بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكلفة الحوسبة بشكل كبير
تستخدم Chutes بنية "التشغيل الفوري"، مما يقلل وقت بدء تشغيل نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يعزز الكفاءة بمعدل 10 مرات. تدعم أكثر من 8000 عقدة GPU عالمية النماذج السائدة، وتعالج أكثر من 5 ملايين طلب يوميًا، مع زمن استجابة أقل من 50 مللي ثانية.
نموذج الأعمال ناضج، يتبنى استراتيجية القيمة المضافة المجانية. من خلال تكامل منصة OpenRouter، يوفر دعم قوة الحوسبة للنماذج الشهيرة. التكلفة أقل بنسبة 85% من بعض خدمات السحابة. حاليًا، تجاوز إجمالي استخدام الرموز 9042.37B، ويخدم أكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصل إلى قيمة سوقية تبلغ 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، والميزة التكنولوجية عميقة، والتقدم التجاري يسير بسلاسة، ومعدل الاعتراف في السوق مرتفع، وهو حالياً رائد الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، وزيادة كفاءة حسابات الذكاء الاصطناعي
التركيز على تحسين حسابات المستوى المادي. من خلال أربعة وحدات تقنية: جدولة GPU، تجريد الأجهزة، تحسين الأداء وإدارة كفاءة الطاقة، لتحقيق أقصى استفادة من كفاءة استخدام الأجهزة. دعم جميع سلسلة الأجهزة، وانخفاض الأسعار بنسبة 90%، وزيادة كفاءة الحساب بنسبة 45%.
حاليًا، تعتبر شبكة فرعية Bittensor الثانية من حيث الانبعاثات، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية AI التحتية، ويتميز بحواجز تقنية، مع اتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56M.
3. Targon (SN4) - منصة استنتاج AI غير مركزية
القيمة الأساسية: تقنية الحوسبة السرية، تأمين خصوصية البيانات.
النواة الأساسية لـ Targon هي TVM (آلة Targon الافتراضية)، وهي منصة حساب سرية آمنة تدعم تدريب نماذج الذكاء الاصطناعي، الاستدلال والتحقق. تستخدم تقنية الحساب السري لضمان أمان وسلامة تدفقات عمل الذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من طرف إلى طرف، ويمكن للمستخدمين استخدام خدمات الذكاء الاصطناعي دون الكشف عن بياناتهم.
عائق تقني مرتفع، نموذج عمل واضح، دخل مستقر. تم تفعيل آلية استرداد الدخل، حيث يُستخدم جميع الدخل للاسترداد الرمزي، وكانت آخر عملية استرداد بقيمة 18000 دولار أمريكي.
4. τemplar (SN3) - بحث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: تدريب تعاوني على نماذج الذكاء الاصطناعي على نطاق واسع، وتقليل عائق التدريب
شبكة فرعية رائدة متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي الكبيرة، تهدف إلى أن تصبح "أفضل منصة لتدريب النماذج في العالم". من خلال مساهمة المشاركين العالميين في موارد GPU للتدريب التعاوني، تركز على تدريب النماذج المتقدمة والتعاون والابتكار.
تم الانتهاء من تدريب نموذج 1.2 مليار معلمات، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 GPU. في عام 2024، سيتم ترقية آلية commit-reveal لتعزيز اللامركزية والأمان في التحقق؛ في عام 2025، سيتم دفع تدريب النماذج الكبيرة، ليصل حجم المعلمات إلى أكثر من 70 مليار، بأداء يعادل المعايير الصناعية.
تتميز المزايا التقنية بشكل بارز، والقيمة السوقية الحالية 35 مليون، تمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي بشكل شعبي، وتقليل عتبة التكلفة بشكل كبير
حل مشكلة تكاليف تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكي بتوزيع المهام بكفاءة على آلاف وحدات معالجة الرسومات استنادًا إلى مزامنة التدرج. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات في الساعة، أرخص بنسبة 70% من خدمات السحابة التقليدية، وسرعة أعلى بنسبة 40%. تقلل الواجهة ذات الزر الواحد من عوائق الاستخدام، مع أكثر من 500 مشروع لتعديل النماذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M ، الطلب في السوق كبير ، المزايا التقنية واضحة ، تستحق المتابعة على المدى الطويل.
6. التداول الاحتكاري (SN8) - تجارة الكميات المالية
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة تداول الكميات اللامركزية وتوقعات المالية، إشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي. بناء هيكل نموذج توقع متعدد المستويات، دمج نموذج التوقع الزمني مع تقنيات LSTM وTransformer، لمعالجة بيانات السلاسل الزمنية المعقدة. يقوم نموذج تحليل مشاعر السوق بتحليل وسائل التواصل الاجتماعي ومحتوى الأخبار، وتوفير مؤشرات المشاعر لدعم التوقعات.
الموقع يعرض عوائد واختبارات الاستراتيجيات المقدمة من مختلف miners. يجمع بين الذكاء الاصطناعي و blockchain ، ويقدم طرق مبتكرة لتداول الأسواق المالية ، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل الفيديو الرياضي، يستهدف 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 التحقق الخفيفة. يعتمد على تحقق من خطوتين: اكتشاف الملعب وفحص الكائنات المستند إلى CLIP، مما يقلل من تكلفة وضع العلامات لمباراة واحدة تقليدية بنسبة 90%-99%. بالتعاون مع Data Universe، متوسط دقة توقع الوكيل الذكي 70%، وقد بلغ دقة 100% في يوم واحد.
صناعة الرياضة ذات حجم كبير، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، وScore هو شبكة فرعية ذات اتجاهات تطبيقية واضحة، ويستحق الاهتمام.
8. OpenKaito (SN5) - استنتاج نص مفتوح المصدر
القيمة الأساسية: تطوير نماذج تضمين النصوص، تحسين استرجاع المعلومات
يركز على تطوير نماذج تضمين النصوص بدعم من كايتو، أحد المشاركين المهمين في مجال InfoFi. مشروع مفتوح المصدر مدفوع من المجتمع، يهدف إلى بناء قدرات فهم النصوص واستدلالها عالية الجودة، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
لا يزال في مرحلة البناء المبكرة، يركز بشكل رئيسي على بناء نظام بيئي حول نماذج تضمين النص. قد يؤدي التكامل القادم لـ Yaps إلى توسيع كبير في مجالات تطبيقه وقاعدة مستخدميه.
9. عالم البيانات (SN13) - بنية البيانات المدعومة بالذكاء الاصطناعي
القيمة الأساسية: معالجة البيانات على نطاق واسع، تزويد بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف بيانات يوميًا، بإجمالي يزيد عن 55.6 مليار صف، ويدعم تخزين 100 جيجابايت. يوفر هيكل DataEntity ميزات أساسية مثل توحيد البيانات، تحسين الفهرسة، والتخزين الموزع. تتيح آلية التصويت المبتكرة "الجاذبية" ضبط الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، قيمة البنية التحتية مستقرة، والموضع البيئي مهم. كموفر بيانات للعديد من الشبكات الفرعية، نتعاون بعمق مع مشاريع مثل Score، مما يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الهاش PoW
القيمة الأساسية: ربط التعدين التقليدي مع حسابات الذكاء الاصطناعي، دمج موارد قوة الحوسبة
يسمح لعمال مناجم البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، للحصول على رموز alpha من خلال التعدين لاستخدامها في الرهان أو التداول. يجمع بين التعدين التقليدي PoW وحساب الذكاء الاصطناعي، مما يوفر لمعدني العملات مصدر دخل جديد.
تجذب القوة الحسابية لأكثر من 6EH/s في فترة قصيرة (حوالي 0.7% من إجمالي القوة العالمية)، مما يثبت اعتراف السوق بالنموذج الهجين. يمكن للمعدنين الاختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، لتحسين العائدات.
تحليل النظام البيئي
تبتكر تقنية Bittensor نظامًا بيئيًا فريدًا من الذكاء الاصطناعي اللامركزي. يضمن خوارزمية إجماع Yuma جودة الشبكة من خلال التحقق اللامركزي، بينما يقدم ترقية dTAO آلية توزيع الموارد السوقية لتحسين الكفاءة. تعمل آلية AMM لشبكة فرعية على تحقيق اكتشاف الأسعار بين TAO و alpha، مما يسمح لقوى السوق بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
يدعم بروتوكول التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يشكل تأثيرات شبكة قوية. تضمن هيكل الحوافز المزدوجة الدافع للمشاركة على المدى الطويل، مما يشكل حلقة اقتصادية مستدامة.
بالنسبة لمزودي خدمات الذكاء الاصطناعي التقليديين المركزيين، فإن Bittensor يقدم بديلاً حقيقياً لامركزياً، مع كفاءة تكاليف بارزة. تظهر عدة شبكة فرعية مزايا تكلفة ملحوظة، مثل كون شبكة فرعية معينة أرخص بنسبة 85% من خدمة سحابية معينة. يعزز النظام البيئي المفتوح الابتكار السريع، حيث تتجاوز سرعة الابتكار بكثير التطوير الداخلي في الشركات التقليدية.
ومع ذلك، يواجه النظام البيئي أيضًا تحديات. لا تزال عتبة التكنولوجيا مرتفعة، ويتطلب المشاركة في التعدين والتحقق معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر. من المتوقع أن تطلق مقدمو الخدمات السحابية التقليدية منتجات تنافسية. مع زيادة حجم الشبكة، يصبح الحفاظ على الأداء وتوازن اللامركزية امتحانًا مهمًا.
النمو الانفجاري لصناعة الذكاء الاصطناعي يوفر فرص سوق هائلة لـBittensor. 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 قدره 29%، مما يخلق مساحة واسعة لتطوير البنية التحتية للذكاء الاصطناعي اللامركزي.
تخلق سياسات دعم الذكاء الاصطناعي في الدول المختلفة نوافذ فرص، مع زيادة التركيز على خصوصية البيانات وأمان الذكاء الاصطناعي، مما يزيد من الطلب على تقنيات الحوسبة السرية. يزداد اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي، مما يوفر تمويلًا ودعمًا للموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم نظامي. على المستوى الفني، يتم فحص درجة الابتكار، عمق الحواجز، قوة الفريق، وتأثيرات التعاون البيئي. على المستوى السوقي، يتم تحليل حجم السوق المستهدف، هيكل المنافسة، حالة اعتماد المستخدمين، ومخاطر التنظيم. على المستوى المالي، يتم التركيز على مستوى التقييم، نسبة انبعاث TAO، تصميم الاقتصاد الرمزي، والسيولة.
في إدارة المخاطر، تعتبر استثمار التنويع استراتيجية أساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية، والنوع التطبيقي، والنوع البروتوكولي. يجب تعديل الاستراتيجية بناءً على مرحلة تطوير الشبكات الفرعية، حيث أن المشاريع المبكرة تحمل مخاطر عالية ولكنها تقدم عوائد محتملة كبيرة، بينما المشاريع الناضجة تكون مستقرة نسبيًا ولكن لديها مساحة نمو محدودة. يجب أخذ سيولة رموز alpha في الاعتبار، وتنظيم نسبة توزيع الأموال بشكل معقول، مع الحفاظ على هامش سيولة ضروري.
ستصبح حدث تخفيض النصف الأول في نوفمبر 2025 محفزًا مهمًا للسوق. ستؤدي تقليل الانبعاثات إلى زيادة ندرة الشبكة الفرعية الحالية، مما قد يؤدي إلى استبعاد المشاريع ذات الأداء الضعيف وإعادة تشكيل اقتصاد الشبكة. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية عالية الجودة للاستفادة من نافذة التوزيع قبل التخفيض.
من المتوقع أن يتجاوز عدد الشبكات الفرعية المتوسطة 500 شبكة، تغطي جميع المجالات الفرعية لصناعة الذكاء الاصطناعي. زيادة التطبيقات على مستوى الشركات تدفع تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، وتزداد التعاونات بين الشبكات الفرعية بشكل متكرر، مما يشكل سلسلة توريد معقدة لخدمات الذكاء الاصطناعي. الإطار التنظيمي يصبح أكثر وضوحًا تدريجيًا، مما يمنح الشبكات الفرعية المتوافقة ميزة واضحة.
من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي على المدى الطويل، وقد تعتمد شركات الذكاء الاصطناعي التقليدية نمطًا مختلطًا، حيث تنقل جزءًا من أعمالها إلى الشبكة اللامركزية. تتزايد باستمرار نماذج الأعمال الجديدة وسيناريوهات التطبيقات، مع تعزيز التفاعل مع شبكات blockchain الأخرى، مما يؤدي في النهاية إلى تشكيل نظام بيئي لامركزي أكبر. مسار التطور مشابه لتطور البنية التحتية للإنترنت في مراحله المبكرة، وسيحقق المستثمرون الذين يلتقطون النقاط الرئيسية عوائد كبيرة.
الخاتمة
يمثل نظام Bittensor البيئي نموذجًا جديدًا لتطوير البنية التحتية للذكاء الاصطناعي. من خلال تخصيص الموارد بطريقة سوقية وآلية الحوكمة اللامركزية، يوفر تربة جديدة للابتكار في الذكاء الاصطناعي، وتظهر الحيوية الابتكارية وإمكانات النمو بشكل لافت. في ظل الخلفية السريعة التطور لصناعة الذكاء الاصطناعي، يستحق Bittensor ونظامه البيئي للشبكات الفرعية المتابعة المستمرة والبحث المتعمق.