تحليل نظام بيئي شبكة فرعية Bittensor: اغتنام الفرص الجديدة في بنية الذكاء الاصطناعي
نظرة عامة على السوق: ترقية dTAO تؤدي إلى انفجار بيئي
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO)، حيث تم تحويل نمط حوكمة الشبكة إلى توزيع موارد لامركزي مدفوع بالسوق. بعد الترقية، تمتلك كل شبكة فرعية رموز alpha مستقلة، ويمكن لحاملي TAO اختيار أهداف الاستثمار بحرية، مما يحقق آلية اكتشاف قيمة تعتمد على السوق.
تظهر البيانات أن ترقية dTAO أطلقت طاقة ابتكارية هائلة. في غضون بضعة أشهر فقط، نمت Bittensor من 32 شبكة فرعية إلى 118 شبكة فرعية نشطة، بزيادة قدرها 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى تقنيات متطورة مثل طي البروتين، والتداول الكمي، مما يشكل النظام البيئي الأكثر اكتمالاً للذكاء الاصطناعي اللامركزي حتى الآن.
أداء السوق كان لامعًا بنفس القدر. زادت القيمة السوقية الإجمالية لأفضل شبكة فرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، وثبت العائد السنوي على الرهن عند 16-19%. يتم توزيع الحوافز الشبكية بين الشبكات الفرعية وفقًا لمعدل الرهن TAO المدعوم بالسوق، 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 الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تحسين تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكاليف القدرة الحاسوبية بشكل كبير
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، ويزيد الكفاءة بمقدار 10 مرات. أكثر من 8000 عقدة GPU في جميع أنحاء العالم تدعم النماذج الشائعة، وتعالج أكثر من 5 ملايين طلب يوميًا، مع تأخير استجابة أقل من 50 مللي ثانية.
نموذج العمل ناضج، يعتمد على استراتيجية القيمة المضافة المجانية. من خلال تكامل منصة OpenRouter، يوفر دعم قوة الحساب للنماذج الشهيرة، ويحقق الإيرادات من استدعاءات واجهة برمجة التطبيقات. التكلفة 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، ولديها خندق تقني عميق، وتقدم تجاري سلس، واعتراف عالٍ في السوق، وهي رائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية لزيادة كفاءة حسابات الذكاء الاصطناعي
التركيز على تحسين الحسابات على مستوى الأجهزة. من خلال جدولة GPU، وتجريد الأجهزة، وتحسين الأداء وإدارة الكفاءة الطاقية، يتم تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. يدعم جميع سلسلة الأجهزة من NVIDIA و AMD و Intel، مع خفض الأسعار بنسبة 90% وزيادة كفاءة الحسابات بنسبة 45%.
حاليًا، هي الشبكة الفرعية الثانية من حيث الانبعاثات على Bittensor، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية الذكاء الاصطناعي، وله حواجز تقنية، واتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56 مليون.
القيمة الأساسية: تقنية الحوسبة السرية، تضمن أمان خصوصية البيانات
النواة Targon هي TVM(Targon Virtual Machine)، وهي منصة حساب آمنة وسرية، تدعم تدريب نماذج الذكاء الاصطناعي، والاستدلال، والتحقق. تعتمد على تقنيات الحساب السري مثل Intel TDX وحساب NVIDIA السري، مما يضمن أمان سير العمل للذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من النهاية إلى النهاية، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي دون الكشف عن البيانات.
عائق التقنية مرتفع، نموذج الأعمال واضح، وهناك مصدر دخل ثابت. تم تفعيل آلية إعادة شراء الدخل، حيث يتم استخدام جميع الإيرادات لشراء الرموز، وآخر عملية شراء كانت بقيمة 18,000 دولار.
4. τemplar (SN3) - بحث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: تدريب تعاون النماذج الكبيرة للذكاء الاصطناعي، وتقليل حواجز التدريب
رائد شبكة فرعية متخصص في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، وتهدف إلى أن تصبح "أفضل منصة تدريب نماذج في العالم". من خلال مساهمة المشاركين العالميين في موارد GPU للتدريب التعاوني، والتركيز على تدريب النماذج المتقدمة والتعاون والابتكار، مع التأكيد على مقاومة الغش والتعاون الفعال.
تم الانتهاء بنجاح من تدريب نموذج معلمات 1.2B، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة رسومية. في عام 2024، سيتم ترقية آلية commit-reveal، لتحسين لامركزية وأمان التحقق؛ في عام 2025، سيتم دفع تدريب النماذج الكبيرة، حيث يصل حجم المعلمات إلى 70B+، مما يتناسب مع المعايير الصناعية.
تتميز المزايا التقنية، القيمة السوقية الحالية 35M، تشغل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي بطريقة شعبية، مما يقلل بشكل كبير من عتبة التكاليف
حل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يعتمد نظام الجدولة الذكي على مزامنة التدرج، ويقوم بتوزيع المهام بكفاءة على آلاف وحدات المعالجة الرسومية. تم إكمال تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات فقط في الساعة، وهو أرخص بنسبة 70% من خدمات السحابة التقليدية، وأسرع بنسبة 40%. تقلل واجهة الاستخدام بنقرة واحدة من عتبة الدخول، حيث تم استخدام أكثر من 500 مشروع لتعديل النماذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، المزايا التقنية واضحة، يستحق المتابعة على المدى الطويل.
6. التداول الاحتكاري (SN8) - التداول الكمي المالي
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة تداول كمي لامركزية وتنبؤات مالية، إشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي. تطبيق تقنيات التعلم الآلي في التنبؤ بالأسواق المالية، وبناء هيكل نماذج تنبؤ متعددة المستويات. دمج نماذج التنبؤ الزمنية لتقنيات LSTM وTransformer، لمعالجة بيانات السلاسل الزمنية المعقدة. تحليل مشاعر السوق يحلل محتوى وسائل التواصل الاجتماعي والأخبار، وتوفير مؤشرات المشاعر كإشارات مساعدة للتنبؤ.
يعرض الموقع عوائد واختبارات الاستراتيجيات التي تقدمها مختلف أجهزة التعدين. يجمع بين الذكاء الاصطناعي والبلوكشين، ويقدم طرقًا مبتكرة للتداول في الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل الفيديو الرياضي، يستهدف 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. يستخدم تحقق من خطوتين: اكتشاف 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 Data Universe، بلغ متوسط دقة توقعات وكيل DKING AI 70%، وقد وصلت دقة 100% في يوم واحد.
صناعة الرياضة ضخمة، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هو شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الانتباه.
8. OpenKaito (SN5) - استنتاج النصوص مفتوح المصدر
القيمة الأساسية: تطوير نماذج تضمين النصوص، تحسين استرجاع المعلومات
يركز على تطوير نماذج تضمين النصوص، بدعم من كايتو، وهو أحد المشاركين المهمين في مجال InfoFi. كمشروع مفتوح المصدر مدفوع من قبل المجتمع، يهدف إلى بناء قدرات عالية الجودة في فهم النصوص واستنتاجها، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
تظل هذه الشبكة الفرعية في مرحلة البناء المبكر، حيث يتركز بناء النظام البيئي حول نماذج تضمين النصوص. من الجدير بالذكر أن تكامل Yaps القادم قد يوسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات المدعومة بالذكاء الاصطناعي
القيمة الأساسية: معالجة البيانات على نطاق واسع، توفير بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف من البيانات يوميًا، مع إجمالي يزيد عن 55.6 مليار صف، ويدعم تخزين بسعة 100 جيجابايت. توفر بنية DataEntity وظائف أساسية مثل توحيد البيانات، وتحسين الفهارس، والتخزين الموزع. آلية التصويت "الجاذبية" المبتكرة تحقق تعديل الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، وموضعها البيئي مهم. كموفر بيانات للعديد من الشبكات الفرعية، نتعاون بشكل عميق مع مشاريع مثل Score، مما يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
القيمة الأساسية: ربط التعدين التقليدي مع حسابات الذكاء الاصطناعي، دمج موارد القدرة الحاسوبية
يسمح لعمال مناجم البيتكوين بإعادة توجيه قوة الحوسبة إلى شبكة Bittensor، للحصول على رموز alpha من خلال التعدين لاستخدامها في الرهن أو التداول. يجمع بين التعدين التقليدي PoW وحوسبة AI، مما يوفر مصدر دخل جديد لعمال المناجم.
جذب أكثر من 6EH/s من قوة الحوسبة في فترة قصيرة ( يمثل حوالي 0.7% من السوق العالمي )، مما يثبت اعتراف السوق بالنموذج المختلط. يمكن للعمال اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، وفقًا لظروف السوق لتحسين العائدات.
تحليل النظام البيئي
المزايا الأساسية للهندسة التقنية
تبتكر Bittensor تقنية تتكون من نظام بيئي فريد من نوعه للذكاء الاصطناعي اللامركزي. يضمن خوارزمية توافق Yuma جودة الشبكة من خلال التحقق اللامركزي، بينما تعزز ترقية dTAO آلية توزيع الموارد السوقية بشكل ملحوظ الكفاءة. كل شبكة فرعية مزودة بآلية AMM، مما يحقق اكتشاف الأسعار بين TAO وalpha، مما يسمح لقوى السوق بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يخلق تأثيرات شبكية قوية. يضمن هيكل الحوافز المزدوجة ( انبعاث TAO وزيادة قيمة الرموز البديلة ) الحوافز للمشاركة على المدى الطويل، حيث يمكن لمبدعي الشبكات الفرعية والمعدنين والمتحققين والمصادقين الحصول على مكافآت مناسبة، مما يشكل حلقة اقتصادية مستدامة.
الميزة التنافسية والتحديات التي تواجهها
بالمقارنة مع مزودي خدمات الذكاء الاصطناعي المركزية التقليديين، توفر Bittensor حلاً بديلاً لامركزياً حقيقياً، مع كفاءة في التكاليف بارزة. تظهر العديد من الشبكات الفرعية مزايا تكلفة ملحوظة، مثل كون Chutes أرخص بنسبة 85% من AWS، وذلك نتيجة لتحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، حيث يستمر عدد وجودة الشبكات الفرعية في التحسن، وتتفوق سرعة الابتكار كثيراً على البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، فإن النظام البيئي يواجه أيضًا تحديات واقعية. لا يزال العائق التكنولوجي مرتفعًا، على الرغم من تحسين الأدوات باستمرار، فإن 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 من الدول. من المتوقع أن لا يجلس مقدمو الخدمات السحابية التقليديون مثل AWS و Google Cloud مكتوفي الأيدي، ومن المتوقع أن يطرحوا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على الأداء وتوازن اللامركزية اختبارًا مهمًا.
النمو المتفجر في صناعة الذكاء الاصطناعي يوفر فرص سوقية هائلة لـ Bittensor. تتوقع Goldman Sachs أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى ما يقرب من 200 مليار دولار بحلول عام 2025، مما يوفر دعماً قوياً لطلب البنية التحتية. من المتوقع أن ينمو سوق الذكاء الاصطناعي العالمي 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 مختلف البلدان نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزية، بينما زاد التركيز على خصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة السرية، وهو ما يمثل ميزة أساسية لشبكة فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسسيين في البنية التحتية للذكاء الاصطناعي في الازدياد، حيث تقدم مؤسسات معروفة مثل DCG وPolychain الدعم المالي والموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يجب إنشاء إطار تقييم منهجي للاستثمار في شبكة فرعية Bittensor. من الناحية الفنية، يتم فحص مستوى الابتكار وعمق الحواجز الدفاعية، وقوة الفريق الفنية وقدرتهم على التنفيذ، وكذلك التآزر مع مشاريع أخرى في النظام البيئي. من الناحية السوقية، يتم تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة وميزات التمايز، وأوضاع اعتماد المستخدم وتأثير الشبكة، بالإضافة إلى البيئة التنظيمية ومخاطر السياسة. من الناحية المالية، يتم التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاه النمو، ومعقولية تصميم الاقتصاد الرمزي، بالإضافة إلى السيولة وعمق التداول.
في إدارة المخاطر المحددة، تعتبر استثمارات التنويع الاستراتيجية الأساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك الشبكات الفرعية البنية التحتية ( مثل Chutes و Celium ) ، والشبكات الفرعية التطبيقية ( مثل Score و BitMind ) والشبكات الفرعية البروتوكولية ( مثل Targon و Templar ). يجب تعديل استراتيجية الاستثمار بناءً على مرحلة تطوير الشبكات الفرعية، حيث أن المشاريع المبكرة تحمل مخاطر عالية ولكن لديها عوائد محتملة كبيرة، بينما تكون المشاريع الناضجة أكثر استقرارًا ولكن لديها مساحة نمو محدودة. يجب أن تؤخذ في الاعتبار أن سيولة رموز alpha قد لا تكون مثل TAO، لذا يجب ترتيب نسبة تخصيص الأموال بشكل معقول للحفاظ على هامش سيولة ضروري.
ستصبح حدث تخفيض النصف الأول في نوفمبر 2025 محفز سوقي مهم. سيؤدي تقليل الإصدارات إلى زيادة ندرة الشبكات الفرعية الحالية، بينما قد يؤدي أيضًا إلى استبعاد المشاريع ذات الأداء الضعيف، مما يعيد تشكيل المشهد الاقتصادي للشبكة بأكملها. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية ذات جودة عالية، للاستفادة من نافذة التخصيص قبل التخفيض.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500 شبكة، تغطي جميع المجالات الفرعية لصناعة الذكاء الاصطناعي. ستؤدي زيادة التطبيقات على مستوى الشركات إلى دفع تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، مع تعاون أكثر تكراراً بين الشبكات الفرعية، مما يشكل سلسلة إمداد معقدة لخدمات الذكاء الاصطناعي. ستمكن الأطر التنظيمية الواضحة تدريجياً الشبكات الفرعية المتوافقة من الحصول على مزايا ملحوظة.
على المدى الطويل، من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي، وقد تعتمد الشركات التقليدية في مجال الذكاء الاصطناعي نموذجًا مختلطًا، حيث تقوم بنقل جزء من أعمالها إلى الشبكات اللامركزية. نماذج الأعمال الجديدة و
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
6
إعادة النشر
مشاركة
تعليق
0/400
GateUser-c802f0e8
· منذ 23 س
嗯؟ هذه الطريقة الجديدة لخداع الناس لتحقيق الربح؟
شاهد النسخة الأصليةرد0
NotFinancialAdviser
· منذ 23 س
هل البيانات الجديدة مبالغ فيها؟
شاهد النسخة الأصليةرد0
TerraNeverForget
· منذ 23 س
أخيرًا سيكبر هذا TAO
شاهد النسخة الأصليةرد0
OnchainUndercover
· منذ 23 س
يُقلى بشغف، نتطلع إلى الانفجار
شاهد النسخة الأصليةرد0
NFTFreezer
· منذ 23 س
dTAO真ثور啊 صاعد！
شاهد النسخة الأصليةرد0
AirdropHunterZhang
· منذ 23 س
薄饼接到手想الجميع مشارك 就怕被خداع الناس لتحقيق الربح完再来一刀
انفجار نظام Bittensor البيئي: ترقية dTAO تقود فرص جديدة للبنية التحتية للذكاء الاصطناعي اللامركزية
تحليل نظام بيئي شبكة فرعية Bittensor: اغتنام الفرص الجديدة في بنية الذكاء الاصطناعي
نظرة عامة على السوق: ترقية dTAO تؤدي إلى انفجار بيئي
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO)، حيث تم تحويل نمط حوكمة الشبكة إلى توزيع موارد لامركزي مدفوع بالسوق. بعد الترقية، تمتلك كل شبكة فرعية رموز alpha مستقلة، ويمكن لحاملي TAO اختيار أهداف الاستثمار بحرية، مما يحقق آلية اكتشاف قيمة تعتمد على السوق.
تظهر البيانات أن ترقية dTAO أطلقت طاقة ابتكارية هائلة. في غضون بضعة أشهر فقط، نمت Bittensor من 32 شبكة فرعية إلى 118 شبكة فرعية نشطة، بزيادة قدرها 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى تقنيات متطورة مثل طي البروتين، والتداول الكمي، مما يشكل النظام البيئي الأكثر اكتمالاً للذكاء الاصطناعي اللامركزي حتى الآن.
أداء السوق كان لامعًا بنفس القدر. زادت القيمة السوقية الإجمالية لأفضل شبكة فرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، وثبت العائد السنوي على الرهن عند 16-19%. يتم توزيع الحوافز الشبكية بين الشبكات الفرعية وفقًا لمعدل الرهن TAO المدعوم بالسوق، 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 الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تحسين تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكاليف القدرة الحاسوبية بشكل كبير
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، ويزيد الكفاءة بمقدار 10 مرات. أكثر من 8000 عقدة GPU في جميع أنحاء العالم تدعم النماذج الشائعة، وتعالج أكثر من 5 ملايين طلب يوميًا، مع تأخير استجابة أقل من 50 مللي ثانية.
نموذج العمل ناضج، يعتمد على استراتيجية القيمة المضافة المجانية. من خلال تكامل منصة OpenRouter، يوفر دعم قوة الحساب للنماذج الشهيرة، ويحقق الإيرادات من استدعاءات واجهة برمجة التطبيقات. التكلفة 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، ولديها خندق تقني عميق، وتقدم تجاري سلس، واعتراف عالٍ في السوق، وهي رائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية لزيادة كفاءة حسابات الذكاء الاصطناعي
التركيز على تحسين الحسابات على مستوى الأجهزة. من خلال جدولة GPU، وتجريد الأجهزة، وتحسين الأداء وإدارة الكفاءة الطاقية، يتم تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. يدعم جميع سلسلة الأجهزة من NVIDIA و AMD و Intel، مع خفض الأسعار بنسبة 90% وزيادة كفاءة الحسابات بنسبة 45%.
حاليًا، هي الشبكة الفرعية الثانية من حيث الانبعاثات على Bittensor، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية الذكاء الاصطناعي، وله حواجز تقنية، واتجاه قوي لزيادة الأسعار، والقيمة السوقية الحالية 56 مليون.
3. Targon (SN4) - منصة استدلال الذكاء الاصطناعي اللامركزية
القيمة الأساسية: تقنية الحوسبة السرية، تضمن أمان خصوصية البيانات
النواة Targon هي TVM(Targon Virtual Machine)، وهي منصة حساب آمنة وسرية، تدعم تدريب نماذج الذكاء الاصطناعي، والاستدلال، والتحقق. تعتمد على تقنيات الحساب السري مثل Intel TDX وحساب NVIDIA السري، مما يضمن أمان سير العمل للذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من النهاية إلى النهاية، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي دون الكشف عن البيانات.
عائق التقنية مرتفع، نموذج الأعمال واضح، وهناك مصدر دخل ثابت. تم تفعيل آلية إعادة شراء الدخل، حيث يتم استخدام جميع الإيرادات لشراء الرموز، وآخر عملية شراء كانت بقيمة 18,000 دولار.
4. τemplar (SN3) - بحث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: تدريب تعاون النماذج الكبيرة للذكاء الاصطناعي، وتقليل حواجز التدريب
رائد شبكة فرعية متخصص في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، وتهدف إلى أن تصبح "أفضل منصة تدريب نماذج في العالم". من خلال مساهمة المشاركين العالميين في موارد GPU للتدريب التعاوني، والتركيز على تدريب النماذج المتقدمة والتعاون والابتكار، مع التأكيد على مقاومة الغش والتعاون الفعال.
تم الانتهاء بنجاح من تدريب نموذج معلمات 1.2B، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة رسومية. في عام 2024، سيتم ترقية آلية commit-reveal، لتحسين لامركزية وأمان التحقق؛ في عام 2025، سيتم دفع تدريب النماذج الكبيرة، حيث يصل حجم المعلمات إلى 70B+، مما يتناسب مع المعايير الصناعية.
تتميز المزايا التقنية، القيمة السوقية الحالية 35M، تشغل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي بطريقة شعبية، مما يقلل بشكل كبير من عتبة التكاليف
حل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يعتمد نظام الجدولة الذكي على مزامنة التدرج، ويقوم بتوزيع المهام بكفاءة على آلاف وحدات المعالجة الرسومية. تم إكمال تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات فقط في الساعة، وهو أرخص بنسبة 70% من خدمات السحابة التقليدية، وأسرع بنسبة 40%. تقلل واجهة الاستخدام بنقرة واحدة من عتبة الدخول، حيث تم استخدام أكثر من 500 مشروع لتعديل النماذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، المزايا التقنية واضحة، يستحق المتابعة على المدى الطويل.
6. التداول الاحتكاري (SN8) - التداول الكمي المالي
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة تداول كمي لامركزية وتنبؤات مالية، إشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي. تطبيق تقنيات التعلم الآلي في التنبؤ بالأسواق المالية، وبناء هيكل نماذج تنبؤ متعددة المستويات. دمج نماذج التنبؤ الزمنية لتقنيات LSTM وTransformer، لمعالجة بيانات السلاسل الزمنية المعقدة. تحليل مشاعر السوق يحلل محتوى وسائل التواصل الاجتماعي والأخبار، وتوفير مؤشرات المشاعر كإشارات مساعدة للتنبؤ.
يعرض الموقع عوائد واختبارات الاستراتيجيات التي تقدمها مختلف أجهزة التعدين. يجمع بين الذكاء الاصطناعي والبلوكشين، ويقدم طرقًا مبتكرة للتداول في الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل الفيديو الرياضي، يستهدف 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. يستخدم تحقق من خطوتين: اكتشاف 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 Data Universe، بلغ متوسط دقة توقعات وكيل DKING AI 70%، وقد وصلت دقة 100% في يوم واحد.
صناعة الرياضة ضخمة، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هو شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الانتباه.
8. OpenKaito (SN5) - استنتاج النصوص مفتوح المصدر
القيمة الأساسية: تطوير نماذج تضمين النصوص، تحسين استرجاع المعلومات
يركز على تطوير نماذج تضمين النصوص، بدعم من كايتو، وهو أحد المشاركين المهمين في مجال InfoFi. كمشروع مفتوح المصدر مدفوع من قبل المجتمع، يهدف إلى بناء قدرات عالية الجودة في فهم النصوص واستنتاجها، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
تظل هذه الشبكة الفرعية في مرحلة البناء المبكر، حيث يتركز بناء النظام البيئي حول نماذج تضمين النصوص. من الجدير بالذكر أن تكامل Yaps القادم قد يوسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات المدعومة بالذكاء الاصطناعي
القيمة الأساسية: معالجة البيانات على نطاق واسع، توفير بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف من البيانات يوميًا، مع إجمالي يزيد عن 55.6 مليار صف، ويدعم تخزين بسعة 100 جيجابايت. توفر بنية DataEntity وظائف أساسية مثل توحيد البيانات، وتحسين الفهارس، والتخزين الموزع. آلية التصويت "الجاذبية" المبتكرة تحقق تعديل الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، وموضعها البيئي مهم. كموفر بيانات للعديد من الشبكات الفرعية، نتعاون بشكل عميق مع مشاريع مثل Score، مما يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
القيمة الأساسية: ربط التعدين التقليدي مع حسابات الذكاء الاصطناعي، دمج موارد القدرة الحاسوبية
يسمح لعمال مناجم البيتكوين بإعادة توجيه قوة الحوسبة إلى شبكة Bittensor، للحصول على رموز alpha من خلال التعدين لاستخدامها في الرهن أو التداول. يجمع بين التعدين التقليدي PoW وحوسبة AI، مما يوفر مصدر دخل جديد لعمال المناجم.
جذب أكثر من 6EH/s من قوة الحوسبة في فترة قصيرة ( يمثل حوالي 0.7% من السوق العالمي )، مما يثبت اعتراف السوق بالنموذج المختلط. يمكن للعمال اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، وفقًا لظروف السوق لتحسين العائدات.
تحليل النظام البيئي
المزايا الأساسية للهندسة التقنية
تبتكر Bittensor تقنية تتكون من نظام بيئي فريد من نوعه للذكاء الاصطناعي اللامركزي. يضمن خوارزمية توافق Yuma جودة الشبكة من خلال التحقق اللامركزي، بينما تعزز ترقية dTAO آلية توزيع الموارد السوقية بشكل ملحوظ الكفاءة. كل شبكة فرعية مزودة بآلية AMM، مما يحقق اكتشاف الأسعار بين TAO وalpha، مما يسمح لقوى السوق بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يخلق تأثيرات شبكية قوية. يضمن هيكل الحوافز المزدوجة ( انبعاث TAO وزيادة قيمة الرموز البديلة ) الحوافز للمشاركة على المدى الطويل، حيث يمكن لمبدعي الشبكات الفرعية والمعدنين والمتحققين والمصادقين الحصول على مكافآت مناسبة، مما يشكل حلقة اقتصادية مستدامة.
الميزة التنافسية والتحديات التي تواجهها
بالمقارنة مع مزودي خدمات الذكاء الاصطناعي المركزية التقليديين، توفر Bittensor حلاً بديلاً لامركزياً حقيقياً، مع كفاءة في التكاليف بارزة. تظهر العديد من الشبكات الفرعية مزايا تكلفة ملحوظة، مثل كون Chutes أرخص بنسبة 85% من AWS، وذلك نتيجة لتحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، حيث يستمر عدد وجودة الشبكات الفرعية في التحسن، وتتفوق سرعة الابتكار كثيراً على البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، فإن النظام البيئي يواجه أيضًا تحديات واقعية. لا يزال العائق التكنولوجي مرتفعًا، على الرغم من تحسين الأدوات باستمرار، فإن 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 من الدول. من المتوقع أن لا يجلس مقدمو الخدمات السحابية التقليديون مثل AWS و Google Cloud مكتوفي الأيدي، ومن المتوقع أن يطرحوا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على الأداء وتوازن اللامركزية اختبارًا مهمًا.
النمو المتفجر في صناعة الذكاء الاصطناعي يوفر فرص سوقية هائلة لـ Bittensor. تتوقع Goldman Sachs أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى ما يقرب من 200 مليار دولار بحلول عام 2025، مما يوفر دعماً قوياً لطلب البنية التحتية. من المتوقع أن ينمو سوق الذكاء الاصطناعي العالمي 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 مختلف البلدان نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزية، بينما زاد التركيز على خصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة السرية، وهو ما يمثل ميزة أساسية لشبكة فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسسيين في البنية التحتية للذكاء الاصطناعي في الازدياد، حيث تقدم مؤسسات معروفة مثل DCG وPolychain الدعم المالي والموارد للنظام البيئي.
إطار استراتيجية الاستثمار
يجب إنشاء إطار تقييم منهجي للاستثمار في شبكة فرعية Bittensor. من الناحية الفنية، يتم فحص مستوى الابتكار وعمق الحواجز الدفاعية، وقوة الفريق الفنية وقدرتهم على التنفيذ، وكذلك التآزر مع مشاريع أخرى في النظام البيئي. من الناحية السوقية، يتم تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة وميزات التمايز، وأوضاع اعتماد المستخدم وتأثير الشبكة، بالإضافة إلى البيئة التنظيمية ومخاطر السياسة. من الناحية المالية، يتم التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاه النمو، ومعقولية تصميم الاقتصاد الرمزي، بالإضافة إلى السيولة وعمق التداول.
في إدارة المخاطر المحددة، تعتبر استثمارات التنويع الاستراتيجية الأساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك الشبكات الفرعية البنية التحتية ( مثل Chutes و Celium ) ، والشبكات الفرعية التطبيقية ( مثل Score و BitMind ) والشبكات الفرعية البروتوكولية ( مثل Targon و Templar ). يجب تعديل استراتيجية الاستثمار بناءً على مرحلة تطوير الشبكات الفرعية، حيث أن المشاريع المبكرة تحمل مخاطر عالية ولكن لديها عوائد محتملة كبيرة، بينما تكون المشاريع الناضجة أكثر استقرارًا ولكن لديها مساحة نمو محدودة. يجب أن تؤخذ في الاعتبار أن سيولة رموز alpha قد لا تكون مثل TAO، لذا يجب ترتيب نسبة تخصيص الأموال بشكل معقول للحفاظ على هامش سيولة ضروري.
ستصبح حدث تخفيض النصف الأول في نوفمبر 2025 محفز سوقي مهم. سيؤدي تقليل الإصدارات إلى زيادة ندرة الشبكات الفرعية الحالية، بينما قد يؤدي أيضًا إلى استبعاد المشاريع ذات الأداء الضعيف، مما يعيد تشكيل المشهد الاقتصادي للشبكة بأكملها. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية ذات جودة عالية، للاستفادة من نافذة التخصيص قبل التخفيض.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500 شبكة، تغطي جميع المجالات الفرعية لصناعة الذكاء الاصطناعي. ستؤدي زيادة التطبيقات على مستوى الشركات إلى دفع تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، مع تعاون أكثر تكراراً بين الشبكات الفرعية، مما يشكل سلسلة إمداد معقدة لخدمات الذكاء الاصطناعي. ستمكن الأطر التنظيمية الواضحة تدريجياً الشبكات الفرعية المتوافقة من الحصول على مزايا ملحوظة.
على المدى الطويل، من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي، وقد تعتمد الشركات التقليدية في مجال الذكاء الاصطناعي نموذجًا مختلطًا، حيث تقوم بنقل جزء من أعمالها إلى الشبكات اللامركزية. نماذج الأعمال الجديدة و