دليل استثمار شبكة فرعية Bittensor: اغتنام الفرصة التالية في بنية الذكاء الاصطناعي
في فبراير 2025، أكملت شبكة Bittensor ترقية Dynamic TAO (dTAO)، مما حقق توزيع الموارد اللامركزية المدفوع بالسوق. أطلق هذا التحول طاقة ابتكارية هائلة، حيث زاد عدد الشبكات الفرعية النشطة من 32 إلى 118 في غضون بضعة أشهر، بزيادة قدرها 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية في صناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي وتوليد الصور، إلى تقنيات الطي البروتيني والتداول الكمي، مما شكل النظام البيئي الأكثر اكتمالاً للذكاء الاصطناعي اللامركزي حتى الآن.
إن أداء السوق كان لامعًا أيضًا. زادت القيمة السوقية الإجمالية لأفضل الشبكات الفرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، مع استقرار العائد السنوي من التوكين عند 16-19%. يتم توزيع الحوافز الشبكية لكل شبكة فرعية وفقًا لمعدل التوكين السوقي لـTAO، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائمة على المنافسة.
تحليل الشبكة الأساسية (أعلى 10 تصريفات)
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
تستخدم Chutes بنية "التشغيل الفوري" لخفض زمن بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يحقق كفاءة أعلى بمعدل 10 مرات مقارنةً بخدمات السحابة التقليدية. تدعم أكثر من 8000 عقدة GPU حول العالم النماذج الرئيسية، مع معالجة أكثر من 5 ملايين طلب يوميًا. نموذج العمل ناضج، حيث يستخدم استراتيجية القيمة المضافة المجانية لجذب المستخدمين، ويقدم دعم قوة الحوسبة للنماذج الشائعة من خلال دمجها في منصة معينة. الميزة التكاليفية بارزة، حيث تقل عن بعض خدمات السحابة بنسبة 85%. حالياً، تجاوز إجمالي استخدام الرموز 9042.37B، وتقدم الخدمة لأكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصلت قيمتها السوقية إلى 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، وحاجز التكنولوجيا عميق، والتقدم التجاري يسير بشكل جيد، ودرجة القبول في السوق مرتفعة، وهي الآن رائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حساب الأجهزة
تتركز Celium على تحسين الحسابات على مستوى الأجهزة. من خلال أربعة وحدات تقنية: جدولة GPU، تجريد الأجهزة، تحسين الأداء وإدارة الكفاءة الطاقية، يتم تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. تدعم جميع سلسلة الأجهزة بما في ذلك NVIDIA A100/H100 وAMD MI200 وIntel Xe، وتقلل الأسعار مقارنة بالمنتجات المماثلة بنسبة 90%، مع تحسين كفاءة الحساب بنسبة 45%.
حاليًا، Celium هي الشبكة الفرعية الثانية من حيث الانبعاثات على Bittensor، حيث تمثل 7.28% من إجمالي انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية الذكاء الاصطناعي، حيث توجد حواجز تقنية مع اتجاه قوي لارتفاع الأسعار، والقيمة السوقية الحالية 56 مليون.
3. Targon (SN4) - منصة استدلال AI لامركزية
نواة Targon هي TVM (آلة Targon الافتراضية) ، وهي منصة حساب سرية آمنة تدعم تدريب نماذج الذكاء الاصطناعي واستنتاجها والتحقق منها. تستخدم TVM تقنية حساب سرية معينة وحساب سري لشركة معينة ، مما يضمن أمان وخصوصية سير العمل الكامل للذكاء الاصطناعي. يدعم النظام تشفيرًا من الطرف إلى الطرف من طبقة الأجهزة إلى طبقة التطبيقات ، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي القوية دون الكشف عن البيانات.
تارغون لديها عتبة تقنية عالية، ونموذج عمل واضح، ومصدر دخل مستقر. وقد تم تفعيل آلية إعادة شراء الدخل، حيث تُستخدم جميع الإيرادات لشراء الرموز، وكانت أحدث عملية شراء بقيمة 18000 دولار.
Templar هو شبكة فرعية رائدة تتخصص في التدريب الموزع لنماذج الذكاء الاصطناعي على شبكة Bittensor، مهمتها هي أن تكون "أفضل منصة تدريب نماذج في العالم". من خلال التعاون في التدريب باستخدام موارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، تركز على تدريب النماذج المتطورة والابتكار، مع التأكيد على مقاومة الغش والتعاون الفعال.
فيما يتعلق بالإنجازات التقنية، نجح Templar في إكمال تدريب نموذج ببارامترات 1.2B، حيث خضع لأكثر من 20000 دورة تدريبية، وشارك حوالي 200 وحدة معالجة رسومات في العملية بأكملها. في عام 2024، سيتم ترقية آلية commit-reveal، مما يعزز من لامركزية وأمان التحقق؛ وفي عام 2025، سيتم مواصلة دفع تدريب النماذج الكبيرة، حيث يصل حجم المعلمات إلى 70B+، ويظهر أداءً متوافقًا مع المعايير الصناعية في اختبارات المعايير القياسية للذكاء الاصطناعي.
تتميز Templar بميزة تقنية بارزة، حيث تبلغ القيمة السوقية الحالية 35 مليون، وتشغل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
تقوم Gradients بحل نقاط الألم المتعلقة بتكاليف تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يعتمد نظام الجدولة الذكي على مزامنة التدرجات، مما يتيح توزيع المهام بشكل فعال على الآلاف من وحدات معالجة الرسوميات. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة لا تتجاوز 5 دولارات في الساعة، مما يجعله أرخص بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أسرع بنسبة 40% من الحلول المركزية. تقلل واجهة المستخدم ذات الزر الواحد من عائق الاستخدام، حيث تم استخدامه بالفعل في أكثر من 500 مشروع لضبط النماذج، تغطي مجالات مثل الرعاية الصحية، والمالية، والتعليم.
القيمة السوقية الحالية 30 مليون، الطلب في السوق كبير، والمزايا التقنية 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، مدعوم بإشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي. تستخدم الشبكة التجارية الخاصة تقنيات التعلم الآلي في توقعات الأسواق المالية، حيث تبني هيكل نموذج توقعات متعدد المستويات. يدمج نموذج التوقع الزمني تقنيات LSTM وTransformer، مما يمكنه من معالجة بيانات السلاسل الزمنية المعقدة. يوفر نموذج تحليل مشاعر السوق مؤشرات عاطفية كإشارات مساعدة للتوقع من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكنك رؤية عوائد الاستراتيجيات والاختبارات العكسية التي يقدمها مختلف المعدنين على الموقع. يجمع SN8 بين الذكاء الاصطناعي وتقنية blockchain، ويقدم طرقًا مبتكرة لتداول الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
Score هو إطار رؤية حاسوبية يركز على تحليل فيديو الرياضة، ويقلل تكلفة تحليل الفيديو المعقد من خلال تقنية تحقق خفيفة الوزن. يعتمد على تحقق من خطوتين: كشف الملعب وفحص الكائنات المعتمد على CLIP، مما يقلل تكلفة التعليم التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع شبكة فرعية معينة، حقق وكيل AI متوسط دقة توقعات بنسبة 70%، وبلغت دقة 100% في يوم واحد.
صناعة الرياضة ضخمة، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة. Score هي شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الاهتمام.
8. OpenKaito (SN5) - استنتاج النص مفتوح المصدر
OpenKaito يركز على تطوير نماذج تضمين النصوص، بدعم من Kaito، وهو لاعب هام في مجال InfoFi. كمشروع مفتوح المصدر مدعوم من المجتمع، يلتزم OpenKaito ببناء قدرات عالية الجودة لفهم النصوص والاستدلال، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
توجد هذه الشبكة الفرعية في مرحلة البناء المبكر، حيث يتم بناء النظام البيئي بشكل رئيسي حول نماذج تضمين النصوص. من الجدير بالذكر أن التكامل المرتقب مع Yaps قد يوسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
يعالج 500 مليون صف من البيانات يوميًا، ويبلغ إجمالي أكثر من 55.6 مليار صف، ويدعم تخزين بسعة 100 جيجابايت. توفر بنية DataEntity ميزات أساسية مثل معيارية البيانات، وتحسين الفهرسة، والتخزين الموزع. آلية التصويت المبتكرة "الجاذبية" تحقق تعديل الوزن الديناميكي.
البيانات هي النفط للذكاء الاصطناعي، قيمة البنية التحتية مستقرة، والإيكولوجيا مهمة. كموفر بيانات لعدة شبكة فرعية، التعاون العميق مع مشاريع مثل Score يُظهر قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين إثبات العمل (PoW)
تسمح TAOHash لعمال مناجم البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهن أو التداول. تجمع هذه الطريقة بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر مصدر دخل جديد لعمال المناجم.
في غضون بضعة أسابيع فقط، جذب أكثر من 6EH/s من قوة الحوسبة (حوالي 0.7% من إجمالي قوة الحوسبة العالمية)، مما يثبت اعتراف السوق بهذا النموذج الهجين. يمكن للمعدنين الاختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، بناءً على ظروف السوق لتحسين العوائد.
تحليل النظام البيئي
تبتكر تقنية Bittensor نظامًا بيئيًا فريدًا للذكاء الاصطناعي اللامركزي. يضمن خوارزمية توافق Yuma جودة الشبكة من خلال التحقق اللامركزي، بينما تزيد آلية تخصيص الموارد السوقية التي تم تقديمها في ترقية dTAO بشكل كبير من الكفاءة. تم تجهيز كل شبكة فرعية بآلية AMM لتحقيق اكتشاف الأسعار بين TAO و alpha الرموز، مما يتيح لقوى السوق المشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يشكل تأثيرات قوية على الشبكة. تضمن هيكل الحوافز المزدوجة (إصدار TAO وزيادة قيمة الرموز المميزة alpha) الدافع للمشاركة على المدى الطويل، حيث يمكن لمبدعي الشبكات الفرعية وعمال المناجم والمتحققين والمراهنين الحصول على مكافآت مناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مزودي خدمات الذكاء الاصطناعي المركزيين التقليديين، يوفر Bittensor بديلاً لامركزياً حقيقياً، حيث يتفوق في كفاءة التكاليف. تظهر عدة شبكة فرعية مزايا تكاليف ملحوظة، على سبيل المثال، Chutes أرخص بنسبة 85% من بعض خدمات السحابة، وتأتي هذه الميزة في التكاليف من تحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، حيث يستمر عدد وجودة الشبكات الفرعية في الزيادة، وتفوق سرعة الابتكار بكثير على البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، يواجه النظام البيئي أيضًا تحديات واقعية. لا تزال عتبة التكنولوجيا مرتفعة، على الرغم من أن الأدوات تتحسن باستمرار، إلا أن المشاركة في التعدين والتحقق لا تزال تتطلب معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر آخر، حيث قد تواجه الشبكات المستندة إلى الذكاء الاصطناعي اللامركزية سياسات تنظيمية مختلفة من قبل الدول. لن يجلس مقدمو الخدمات السحابية التقليدية مكتوفي الأيدي، ومن المتوقع أن يقدموا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على التوازن بين الأداء واللامركزية أيضًا اختبارًا مهمًا.
النمو السريع لصناعة الذكاء الاصطناعي يوفر فرص سوقية كبيرة لـ Bittensor. تتوقع إحدى البنوك الاستثمارية أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى حوالي 200 مليار دولار بحلول عام 2025، مما يوفر دعمًا قويًا لطلب البنية التحتية. من المتوقع أن ينمو سوق الذكاء الاصطناعي العالمي من 294 مليار دولار في عام 2025 إلى 1.77 تريليون دولار في عام 2032، بمعدل نمو سنوي مركب يبلغ 29%، مما يخلق مساحة واسعة لتطوير بنية تحتية للذكاء الاصطناعي اللامركزي.
تخلق سياسات الدعم لتنمية الذكاء الاصطناعي في مختلف الدول نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزي، في حين زادت المخاوف بشأن خصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة السرية، وهو ما يعد من المزايا الأساسية لشبكة فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسساتيين في البنية التحتية للذكاء الاصطناعي في الازدياد، حيث يوفر مشاركة مؤسسة معروفة تمويلًا ودعمًا للموارد للنظام البيئي.
إطار استراتيجيات الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. من الناحية التقنية، يجب فحص مستوى الابتكار وعمق الحواجز الدفاعية، وقوة الفريق التقنية وقدرته على التنفيذ، بالإضافة إلى آثار التعاون مع مشاريع أخرى في النظام البيئي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والمزايا التنافسية، ودرجة اعتماد المستخدمين وآثار الشبكة، بالإضافة إلى بيئة التنظيم ومخاطر السياسة. من الناحية المالية، يجب 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 استثمار التنوع هي الاستراتيجية الأساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية (مثل Chutes وCelium) والنوع التطبيقي (مثل Score وBitMind) والنوع البروتوكولي (مثل Targon وTemplar). في الوقت نفسه، يجب ضبط استراتيجيات الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في المرحلة المبكرة تحمل مخاطر عالية ولكنها تحمل عوائد محتملة كبيرة، بينما تكون المشاريع الناضجة أكثر استقرارًا ولكن مساحة النمو بها محدودة. نظرًا لأن سيولة رموز alpha قد لا تكون مثل TAO، من الضروري ترتيب نسبة تخصيص الأموال بشكل معقول، مع الحفاظ على هامش سيولة ضروري.
ستكون أحداث النصف الأولى في نوفمبر 2025 محفزًا مهمًا للسوق. سيؤدي تقليل الانبعاثات إلى زيادة ندرة الشبكات الفرعية الحالية، بينما قد يؤدي ذلك إلى استبعاد المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل المشهد الاقتصادي للشبكة بأكملها. يمكن للمستثمرين إعداد استثماراتهم في الشبكات الفرعية عالية الجودة مسبقًا، لاغتنام نافذة التخصيص قبل النصف.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500، مما يغطي جميع المجالات الفرعية في صناعة الذكاء الاصطناعي. سيؤدي زيادة التطبيقات على مستوى المؤسسات إلى تعزيز تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، وستكون هناك تعاونات أكثر تكرارًا عبر الشبكات الفرعية، مما يشكل سلسلة إمداد معقدة لخدمات الذكاء الاصطناعي. سيمكن الإطار التنظيمي الذي يتضح تدريجياً الشبكات الفرعية المتوافقة من الحصول على مزايا واضحة.
، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
انفجار النظام البيئي لشبكة فرعية Bittensor: فرص الاستثمار في بنية الذكاء الاصطناعي التحتية
دليل استثمار شبكة فرعية Bittensor: اغتنام الفرصة التالية في بنية الذكاء الاصطناعي
في فبراير 2025، أكملت شبكة Bittensor ترقية Dynamic TAO (dTAO)، مما حقق توزيع الموارد اللامركزية المدفوع بالسوق. أطلق هذا التحول طاقة ابتكارية هائلة، حيث زاد عدد الشبكات الفرعية النشطة من 32 إلى 118 في غضون بضعة أشهر، بزيادة قدرها 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية في صناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي وتوليد الصور، إلى تقنيات الطي البروتيني والتداول الكمي، مما شكل النظام البيئي الأكثر اكتمالاً للذكاء الاصطناعي اللامركزي حتى الآن.
إن أداء السوق كان لامعًا أيضًا. زادت القيمة السوقية الإجمالية لأفضل الشبكات الفرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، مع استقرار العائد السنوي من التوكين عند 16-19%. يتم توزيع الحوافز الشبكية لكل شبكة فرعية وفقًا لمعدل التوكين السوقي لـTAO، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائمة على المنافسة.
تحليل الشبكة الأساسية (أعلى 10 تصريفات)
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
تستخدم Chutes بنية "التشغيل الفوري" لخفض زمن بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يحقق كفاءة أعلى بمعدل 10 مرات مقارنةً بخدمات السحابة التقليدية. تدعم أكثر من 8000 عقدة GPU حول العالم النماذج الرئيسية، مع معالجة أكثر من 5 ملايين طلب يوميًا. نموذج العمل ناضج، حيث يستخدم استراتيجية القيمة المضافة المجانية لجذب المستخدمين، ويقدم دعم قوة الحوسبة للنماذج الشائعة من خلال دمجها في منصة معينة. الميزة التكاليفية بارزة، حيث تقل عن بعض خدمات السحابة بنسبة 85%. حالياً، تجاوز إجمالي استخدام الرموز 9042.37B، وتقدم الخدمة لأكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصلت قيمتها السوقية إلى 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، وحاجز التكنولوجيا عميق، والتقدم التجاري يسير بشكل جيد، ودرجة القبول في السوق مرتفعة، وهي الآن رائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حساب الأجهزة
تتركز Celium على تحسين الحسابات على مستوى الأجهزة. من خلال أربعة وحدات تقنية: جدولة GPU، تجريد الأجهزة، تحسين الأداء وإدارة الكفاءة الطاقية، يتم تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. تدعم جميع سلسلة الأجهزة بما في ذلك NVIDIA A100/H100 وAMD MI200 وIntel Xe، وتقلل الأسعار مقارنة بالمنتجات المماثلة بنسبة 90%، مع تحسين كفاءة الحساب بنسبة 45%.
حاليًا، Celium هي الشبكة الفرعية الثانية من حيث الانبعاثات على Bittensor، حيث تمثل 7.28% من إجمالي انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية الذكاء الاصطناعي، حيث توجد حواجز تقنية مع اتجاه قوي لارتفاع الأسعار، والقيمة السوقية الحالية 56 مليون.
3. Targon (SN4) - منصة استدلال AI لامركزية
نواة Targon هي TVM (آلة Targon الافتراضية) ، وهي منصة حساب سرية آمنة تدعم تدريب نماذج الذكاء الاصطناعي واستنتاجها والتحقق منها. تستخدم TVM تقنية حساب سرية معينة وحساب سري لشركة معينة ، مما يضمن أمان وخصوصية سير العمل الكامل للذكاء الاصطناعي. يدعم النظام تشفيرًا من الطرف إلى الطرف من طبقة الأجهزة إلى طبقة التطبيقات ، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي القوية دون الكشف عن البيانات.
تارغون لديها عتبة تقنية عالية، ونموذج عمل واضح، ومصدر دخل مستقر. وقد تم تفعيل آلية إعادة شراء الدخل، حيث تُستخدم جميع الإيرادات لشراء الرموز، وكانت أحدث عملية شراء بقيمة 18000 دولار.
4. τemplar (SN3) - أبحاث الذكاء الاصطناعي والتدريب الموزع
Templar هو شبكة فرعية رائدة تتخصص في التدريب الموزع لنماذج الذكاء الاصطناعي على شبكة Bittensor، مهمتها هي أن تكون "أفضل منصة تدريب نماذج في العالم". من خلال التعاون في التدريب باستخدام موارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، تركز على تدريب النماذج المتطورة والابتكار، مع التأكيد على مقاومة الغش والتعاون الفعال.
فيما يتعلق بالإنجازات التقنية، نجح Templar في إكمال تدريب نموذج ببارامترات 1.2B، حيث خضع لأكثر من 20000 دورة تدريبية، وشارك حوالي 200 وحدة معالجة رسومات في العملية بأكملها. في عام 2024، سيتم ترقية آلية commit-reveal، مما يعزز من لامركزية وأمان التحقق؛ وفي عام 2025، سيتم مواصلة دفع تدريب النماذج الكبيرة، حيث يصل حجم المعلمات إلى 70B+، ويظهر أداءً متوافقًا مع المعايير الصناعية في اختبارات المعايير القياسية للذكاء الاصطناعي.
تتميز Templar بميزة تقنية بارزة، حيث تبلغ القيمة السوقية الحالية 35 مليون، وتشغل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
تقوم Gradients بحل نقاط الألم المتعلقة بتكاليف تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يعتمد نظام الجدولة الذكي على مزامنة التدرجات، مما يتيح توزيع المهام بشكل فعال على الآلاف من وحدات معالجة الرسوميات. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة لا تتجاوز 5 دولارات في الساعة، مما يجعله أرخص بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أسرع بنسبة 40% من الحلول المركزية. تقلل واجهة المستخدم ذات الزر الواحد من عائق الاستخدام، حيث تم استخدامه بالفعل في أكثر من 500 مشروع لضبط النماذج، تغطي مجالات مثل الرعاية الصحية، والمالية، والتعليم.
القيمة السوقية الحالية 30 مليون، الطلب في السوق كبير، والمزايا التقنية 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، مدعوم بإشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي. تستخدم الشبكة التجارية الخاصة تقنيات التعلم الآلي في توقعات الأسواق المالية، حيث تبني هيكل نموذج توقعات متعدد المستويات. يدمج نموذج التوقع الزمني تقنيات LSTM وTransformer، مما يمكنه من معالجة بيانات السلاسل الزمنية المعقدة. يوفر نموذج تحليل مشاعر السوق مؤشرات عاطفية كإشارات مساعدة للتوقع من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكنك رؤية عوائد الاستراتيجيات والاختبارات العكسية التي يقدمها مختلف المعدنين على الموقع. يجمع SN8 بين الذكاء الاصطناعي وتقنية blockchain، ويقدم طرقًا مبتكرة لتداول الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
Score هو إطار رؤية حاسوبية يركز على تحليل فيديو الرياضة، ويقلل تكلفة تحليل الفيديو المعقد من خلال تقنية تحقق خفيفة الوزن. يعتمد على تحقق من خطوتين: كشف الملعب وفحص الكائنات المعتمد على CLIP، مما يقلل تكلفة التعليم التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع شبكة فرعية معينة، حقق وكيل AI متوسط دقة توقعات بنسبة 70%، وبلغت دقة 100% في يوم واحد.
صناعة الرياضة ضخمة، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة. Score هي شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الاهتمام.
8. OpenKaito (SN5) - استنتاج النص مفتوح المصدر
OpenKaito يركز على تطوير نماذج تضمين النصوص، بدعم من Kaito، وهو لاعب هام في مجال InfoFi. كمشروع مفتوح المصدر مدعوم من المجتمع، يلتزم OpenKaito ببناء قدرات عالية الجودة لفهم النصوص والاستدلال، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
توجد هذه الشبكة الفرعية في مرحلة البناء المبكر، حيث يتم بناء النظام البيئي بشكل رئيسي حول نماذج تضمين النصوص. من الجدير بالذكر أن التكامل المرتقب مع Yaps قد يوسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
يعالج 500 مليون صف من البيانات يوميًا، ويبلغ إجمالي أكثر من 55.6 مليار صف، ويدعم تخزين بسعة 100 جيجابايت. توفر بنية DataEntity ميزات أساسية مثل معيارية البيانات، وتحسين الفهرسة، والتخزين الموزع. آلية التصويت المبتكرة "الجاذبية" تحقق تعديل الوزن الديناميكي.
البيانات هي النفط للذكاء الاصطناعي، قيمة البنية التحتية مستقرة، والإيكولوجيا مهمة. كموفر بيانات لعدة شبكة فرعية، التعاون العميق مع مشاريع مثل Score يُظهر قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين إثبات العمل (PoW)
تسمح TAOHash لعمال مناجم البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهن أو التداول. تجمع هذه الطريقة بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر مصدر دخل جديد لعمال المناجم.
في غضون بضعة أسابيع فقط، جذب أكثر من 6EH/s من قوة الحوسبة (حوالي 0.7% من إجمالي قوة الحوسبة العالمية)، مما يثبت اعتراف السوق بهذا النموذج الهجين. يمكن للمعدنين الاختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، بناءً على ظروف السوق لتحسين العوائد.
تحليل النظام البيئي
تبتكر تقنية Bittensor نظامًا بيئيًا فريدًا للذكاء الاصطناعي اللامركزي. يضمن خوارزمية توافق Yuma جودة الشبكة من خلال التحقق اللامركزي، بينما تزيد آلية تخصيص الموارد السوقية التي تم تقديمها في ترقية dTAO بشكل كبير من الكفاءة. تم تجهيز كل شبكة فرعية بآلية AMM لتحقيق اكتشاف الأسعار بين TAO و alpha الرموز، مما يتيح لقوى السوق المشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يشكل تأثيرات قوية على الشبكة. تضمن هيكل الحوافز المزدوجة (إصدار TAO وزيادة قيمة الرموز المميزة alpha) الدافع للمشاركة على المدى الطويل، حيث يمكن لمبدعي الشبكات الفرعية وعمال المناجم والمتحققين والمراهنين الحصول على مكافآت مناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مزودي خدمات الذكاء الاصطناعي المركزيين التقليديين، يوفر Bittensor بديلاً لامركزياً حقيقياً، حيث يتفوق في كفاءة التكاليف. تظهر عدة شبكة فرعية مزايا تكاليف ملحوظة، على سبيل المثال، Chutes أرخص بنسبة 85% من بعض خدمات السحابة، وتأتي هذه الميزة في التكاليف من تحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، حيث يستمر عدد وجودة الشبكات الفرعية في الزيادة، وتفوق سرعة الابتكار بكثير على البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، يواجه النظام البيئي أيضًا تحديات واقعية. لا تزال عتبة التكنولوجيا مرتفعة، على الرغم من أن الأدوات تتحسن باستمرار، إلا أن المشاركة في التعدين والتحقق لا تزال تتطلب معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر آخر، حيث قد تواجه الشبكات المستندة إلى الذكاء الاصطناعي اللامركزية سياسات تنظيمية مختلفة من قبل الدول. لن يجلس مقدمو الخدمات السحابية التقليدية مكتوفي الأيدي، ومن المتوقع أن يقدموا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على التوازن بين الأداء واللامركزية أيضًا اختبارًا مهمًا.
النمو السريع لصناعة الذكاء الاصطناعي يوفر فرص سوقية كبيرة لـ Bittensor. تتوقع إحدى البنوك الاستثمارية أن تصل الاستثمارات العالمية في الذكاء الاصطناعي إلى حوالي 200 مليار دولار بحلول عام 2025، مما يوفر دعمًا قويًا لطلب البنية التحتية. من المتوقع أن ينمو سوق الذكاء الاصطناعي العالمي من 294 مليار دولار في عام 2025 إلى 1.77 تريليون دولار في عام 2032، بمعدل نمو سنوي مركب يبلغ 29%، مما يخلق مساحة واسعة لتطوير بنية تحتية للذكاء الاصطناعي اللامركزي.
تخلق سياسات الدعم لتنمية الذكاء الاصطناعي في مختلف الدول نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزي، في حين زادت المخاوف بشأن خصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة السرية، وهو ما يعد من المزايا الأساسية لشبكة فرعية مثل Targon. يستمر اهتمام المستثمرين المؤسساتيين في البنية التحتية للذكاء الاصطناعي في الازدياد، حيث يوفر مشاركة مؤسسة معروفة تمويلًا ودعمًا للموارد للنظام البيئي.
إطار استراتيجيات الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. من الناحية التقنية، يجب فحص مستوى الابتكار وعمق الحواجز الدفاعية، وقوة الفريق التقنية وقدرته على التنفيذ، بالإضافة إلى آثار التعاون مع مشاريع أخرى في النظام البيئي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والمزايا التنافسية، ودرجة اعتماد المستخدمين وآثار الشبكة، بالإضافة إلى بيئة التنظيم ومخاطر السياسة. من الناحية المالية، يجب 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 استثمار التنوع هي الاستراتيجية الأساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية (مثل Chutes وCelium) والنوع التطبيقي (مثل Score وBitMind) والنوع البروتوكولي (مثل Targon وTemplar). في الوقت نفسه، يجب ضبط استراتيجيات الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في المرحلة المبكرة تحمل مخاطر عالية ولكنها تحمل عوائد محتملة كبيرة، بينما تكون المشاريع الناضجة أكثر استقرارًا ولكن مساحة النمو بها محدودة. نظرًا لأن سيولة رموز alpha قد لا تكون مثل TAO، من الضروري ترتيب نسبة تخصيص الأموال بشكل معقول، مع الحفاظ على هامش سيولة ضروري.
ستكون أحداث النصف الأولى في نوفمبر 2025 محفزًا مهمًا للسوق. سيؤدي تقليل الانبعاثات إلى زيادة ندرة الشبكات الفرعية الحالية، بينما قد يؤدي ذلك إلى استبعاد المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل المشهد الاقتصادي للشبكة بأكملها. يمكن للمستثمرين إعداد استثماراتهم في الشبكات الفرعية عالية الجودة مسبقًا، لاغتنام نافذة التخصيص قبل النصف.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500، مما يغطي جميع المجالات الفرعية في صناعة الذكاء الاصطناعي. سيؤدي زيادة التطبيقات على مستوى المؤسسات إلى تعزيز تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، وستكون هناك تعاونات أكثر تكرارًا عبر الشبكات الفرعية، مما يشكل سلسلة إمداد معقدة لخدمات الذكاء الاصطناعي. سيمكن الإطار التنظيمي الذي يتضح تدريجياً الشبكات الفرعية المتوافقة من الحصول على مزايا واضحة.
![دليل استثمار شبكة فرعية Bittensor: اغتنام الفرصة التالية لـ AI](