في فبراير 2025، أكملت شبكة Bittensor ترقية Dynamic TAO (dTAO)، مما حول نموذج الحوكمة إلى توزيع الموارد اللامركزي المدفوع بالسوق. وقد أثارت هذه الترقية بشكل كبير حيوية الابتكار في الشبكة، حيث زاد عدد الشبكات الفرعية من 32 إلى 118، تغطي جميع القطاعات الفرعية لصناعة الذكاء الاصطناعي. كما كانت أداء السوق بارزًا، حيث زادت القيمة السوقية الإجمالية لأعلى الشبكات الفرعية من 4 ملايين دولار إلى 690 مليون دولار، واستقر العائد السنوي المضمون عند 16-19%.
تحليل الشبكة الأساسية ( أعلى 10 انبعاثات )
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت تشغيل نموذج AI إلى 200 مللي ثانية، مع زيادة الكفاءة بمقدار 10 مرات. تدعم أكثر من 8000 عقدة GPU حول العالم النماذج الرئيسية، حيث تتم معالجة أكثر من 5 ملايين طلب يوميًا. نموذج الأعمال ناضج، حيث يتم تحقيق إيرادات من استدعاء API من خلال منصة OpenRouter. التكاليف أقل بنسبة 85% من AWS Lambda، وتخدم أكثر من 3000 عميل من الشركات. القيمة السوقية الحالية 79 مليون، وهو المشروع الرائد في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
تخصص Celium في تحسين الحسابات على مستوى الأجهزة، من خلال جدولة GPU، وتجريد الأجهزة، وما إلى ذلك من تقنيات لزيادة كفاءة استخدام الأجهزة إلى أقصى حد. تدعم جميع الأجهزة من NVIDIA وAMD وIntel، مما يقلل الأسعار بنسبة 90%، ويزيد كفاءة الحسابات بنسبة 45%. حالياً هي ثاني أكبر شبكة فرعية من حيث الانبعاثات، حيث تمثل 7.28% من الانبعاثات في الشبكة، والقيمة السوقية الحالية 56M.
3. Targon (SN4) - منصة استدلال AI لامركزية
النواة الأساسية لـ Targon هي TVM( Targon Virtual Machine)، وهي منصة حساب سرية وآمنة. تستخدم تقنيات مثل Intel TDX لضمان أمان سير العمل الخاص بالذكاء الاصطناعي وحماية الخصوصية. تم تفعيل آلية استعادة الإيرادات، حيث تم إجراء عملية استعادة بقيمة 18,000 دولار مؤخرًا.
تعمل Templar على تدريب نماذج الذكاء الاصطناعي الكبيرة بشكل موزع، وقد أكملت تدريب نموذج يحتوي على 1.2 مليار معلمة. في عام 2025، سيتم دفع تدريب نماذج تحتوي على أكثر من 70 مليار معلمة، بأداء يعادل المعايير الصناعية. القيمة السوقية الحالية 35 مليون، وتمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
تقوم Gradients بحل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات فقط في الساعة، وهو أقل بـ 70% من خدمات السحابة التقليدية. تم استخدام أكثر من 500 مشروع لضبط النموذج، تغطي مجالات مثل الرعاية الصحية والمالية. القيمة السوقية الحالية 30 مليون.
6. التداول الخاص (SN8) - التداول الكمي المالي
SN8 هي منصة تداول كمي لامركزية وتنبؤات مالية. تجمع بين تقنيات LSTM وTransformer لبناء نماذج تنبؤ متعددة المستويات، مع تحليل مشاعر السوق لتوفير إشارات التداول. يعرض الموقع عوائد واستراتيجيات miners المختلفة وبيانات الاختبار. القيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
Score يركز على تحليل الفيديو الرياضي، ويستخدم تقنية تحقق خفيفة الوزن لخفض تكلفة التسمية بشكل كبير. تم تطوير الوكيل الذكي بالتعاون مع Data Universe بمتوسط دقة توقعات يبلغ 70%. يستهدف صناعة كرة القدم التي تبلغ قيمتها 6000 مليار دولار، مما يوفر آفاق سوق واسعة.
8. OpenKaito (SN5) - استنتاج النصوص مفتوحة المصدر
تتركز OpenKaito على تطوير نماذج تضمين النصوص، بدعم من المشاركين في مجال InfoFi Kaito. تهدف إلى بناء قدرات عالية الجودة لفهم النصوص والاستدلال، وخاصة في مجالات استرجاع المعلومات والبحث الدلالي. ستتعاون قريبًا مع Yaps، مما قد يوسع من سيناريوهات التطبيق.
9. عالم البيانات (SN13) - بنية البيانات المدعومة بالذكاء الاصطناعي
يعالج 5 مليارات سطر من البيانات يوميًا، ويصل الإجمالي إلى أكثر من 55.6 مليار سطر. يوفر هيكل DataEntity وظائف مثل توحيد البيانات، وتحسين الفهارس. بصفتها مزود بيانات للعديد من الشبكات الفرعية، تتعاون بعمق مع مشاريع مثل Score، مما يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
تسمح TAOHash لعمال تعدين البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor. في المدى القصير، تجذب أكثر من 6EH/s من قوة التعدين، وهو ما يمثل حوالي 0.7% من الإجمالي العالمي. يمكن لعمال المناجم اختيار التنقيب التقليدي أو الحصول على رموز TAOHash.
تحليل النظام البيئي
تكنولوجيا Bittensor الابتكارية تبني نظاماً بيئياً فريداً للذكاء الاصطناعي اللامركزي. يعزز توافق Yuma وترقية dTAO كفاءة الشبكة، ويحقق آلية AMM اكتشاف الأسعار بين TAO وalpha. تدعم التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، بينما تضمن بنية الحوافز المزدوجة الدافع للمشاركة على المدى الطويل.
بالمقارنة مع مقدمي خدمات الذكاء الاصطناعي التقليديين، يتميز Bittensor بكفاءة التكلفة. ومع ذلك، لا يزال هناك مستوى عالٍ من التعقيد التقني، وهناك عدم يقين في بيئة التنظيم، وقد تطلق مقدمو خدمات السحابة التقليدية منتجات تنافسية. مع نمو الشبكة، فإن كيفية تحقيق التوازن بين الأداء واللامركزية تمثل أيضًا تحديًا.
من المتوقع أن ينمو سوق الذكاء الاصطناعي من 294 مليار دولار في عام 2025 إلى 1.77 تريليون دولار في عام 2032، بمعدل نمو سنوي مركب يبلغ 29%. تخلق السياسات الداعمة من الدول والاهتمام بخصوصية البيانات فرصًا للبنية التحتية للذكاء الاصطناعي اللامركزي. يساهم المستثمرون المؤسسيون في توفير الدعم المالي للبيئة.
إطار استراتيجية الاستثمار
يجب أن يأخذ إطار التقييم في الاعتبار درجة الابتكار التكنولوجي، وقوة الفريق، وإمكانات السوق، وهيكل المنافسة، ومعدل اعتماد المستخدمين، ومخاطر التنظيم، وغيرها من العوامل. يُنصح بتوزيع التخصيص بين أنواع مختلفة من الشبكات الفرعية، وتعديل الاستراتيجيات بناءً على مراحل التطور. ستعيد عملية تقليص النصف الأولى في نوفمبر 2025 تشكيل هيكل الاقتصاد الشبكي، ويمكن التخطيط مسبقًا لشبكات فرعية عالية الجودة.
من المتوقع أن يتجاوز عدد الشبكات الفرعية 500 شبكة في منتصف المدة، مع زيادة تطبيقات الشركات التي تعزز تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية. على المدى الطويل، من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي، مع ظهور نماذج تجارية جديدة وتعزيز التفاعل مع شبكات blockchain الأخرى.
تمثل بيئة Bittensor نموذجًا جديدًا لتطوير البنية التحتية للذكاء الاصطناعي، وتستحق حيويتها الابتكارية وإمكانات نموها اهتمامًا مستمرًا ودراسة متعمقة.
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 16
أعجبني
16
2
مشاركة
تعليق
0/400
ProbablyNothing
· 07-25 12:43
صاعد خداع الناس لتحقيق الربح
شاهد النسخة الأصليةرد0
HodlNerd
· 07-25 04:10
الجمال الرياضي يتجلى هنا... من 4 ملايين إلى 690 مليون في القيمة السوقية، نظرية الألعاب الأسية النقية في العمل
حدث ارتفاع هائل في نظام Bittensor البيئي، حيث تجاوزت القيمة السوقية للشبكة الفرعية 6.9 مليون دولار.
تحليل استثمار نظام بيئي شبكة فرعية Bittensor
في فبراير 2025، أكملت شبكة Bittensor ترقية Dynamic TAO (dTAO)، مما حول نموذج الحوكمة إلى توزيع الموارد اللامركزي المدفوع بالسوق. وقد أثارت هذه الترقية بشكل كبير حيوية الابتكار في الشبكة، حيث زاد عدد الشبكات الفرعية من 32 إلى 118، تغطي جميع القطاعات الفرعية لصناعة الذكاء الاصطناعي. كما كانت أداء السوق بارزًا، حيث زادت القيمة السوقية الإجمالية لأعلى الشبكات الفرعية من 4 ملايين دولار إلى 690 مليون دولار، واستقر العائد السنوي المضمون عند 16-19%.
تحليل الشبكة الأساسية ( أعلى 10 انبعاثات )
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت تشغيل نموذج AI إلى 200 مللي ثانية، مع زيادة الكفاءة بمقدار 10 مرات. تدعم أكثر من 8000 عقدة GPU حول العالم النماذج الرئيسية، حيث تتم معالجة أكثر من 5 ملايين طلب يوميًا. نموذج الأعمال ناضج، حيث يتم تحقيق إيرادات من استدعاء API من خلال منصة OpenRouter. التكاليف أقل بنسبة 85% من AWS Lambda، وتخدم أكثر من 3000 عميل من الشركات. القيمة السوقية الحالية 79 مليون، وهو المشروع الرائد في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
تخصص Celium في تحسين الحسابات على مستوى الأجهزة، من خلال جدولة GPU، وتجريد الأجهزة، وما إلى ذلك من تقنيات لزيادة كفاءة استخدام الأجهزة إلى أقصى حد. تدعم جميع الأجهزة من NVIDIA وAMD وIntel، مما يقلل الأسعار بنسبة 90%، ويزيد كفاءة الحسابات بنسبة 45%. حالياً هي ثاني أكبر شبكة فرعية من حيث الانبعاثات، حيث تمثل 7.28% من الانبعاثات في الشبكة، والقيمة السوقية الحالية 56M.
3. Targon (SN4) - منصة استدلال AI لامركزية
النواة الأساسية لـ Targon هي TVM( Targon Virtual Machine)، وهي منصة حساب سرية وآمنة. تستخدم تقنيات مثل Intel TDX لضمان أمان سير العمل الخاص بالذكاء الاصطناعي وحماية الخصوصية. تم تفعيل آلية استعادة الإيرادات، حيث تم إجراء عملية استعادة بقيمة 18,000 دولار مؤخرًا.
4. τemplar (SN3) - أبحاث الذكاء الاصطناعي والتدريب الموزع
تعمل Templar على تدريب نماذج الذكاء الاصطناعي الكبيرة بشكل موزع، وقد أكملت تدريب نموذج يحتوي على 1.2 مليار معلمة. في عام 2025، سيتم دفع تدريب نماذج تحتوي على أكثر من 70 مليار معلمة، بأداء يعادل المعايير الصناعية. القيمة السوقية الحالية 35 مليون، وتمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
تقوم Gradients بحل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات فقط في الساعة، وهو أقل بـ 70% من خدمات السحابة التقليدية. تم استخدام أكثر من 500 مشروع لضبط النموذج، تغطي مجالات مثل الرعاية الصحية والمالية. القيمة السوقية الحالية 30 مليون.
6. التداول الخاص (SN8) - التداول الكمي المالي
SN8 هي منصة تداول كمي لامركزية وتنبؤات مالية. تجمع بين تقنيات LSTM وTransformer لبناء نماذج تنبؤ متعددة المستويات، مع تحليل مشاعر السوق لتوفير إشارات التداول. يعرض الموقع عوائد واستراتيجيات miners المختلفة وبيانات الاختبار. القيمة السوقية الحالية 27M.
7. النتيجة (SN44) - التحليل والتقييم الرياضي
Score يركز على تحليل الفيديو الرياضي، ويستخدم تقنية تحقق خفيفة الوزن لخفض تكلفة التسمية بشكل كبير. تم تطوير الوكيل الذكي بالتعاون مع Data Universe بمتوسط دقة توقعات يبلغ 70%. يستهدف صناعة كرة القدم التي تبلغ قيمتها 6000 مليار دولار، مما يوفر آفاق سوق واسعة.
8. OpenKaito (SN5) - استنتاج النصوص مفتوحة المصدر
تتركز OpenKaito على تطوير نماذج تضمين النصوص، بدعم من المشاركين في مجال InfoFi Kaito. تهدف إلى بناء قدرات عالية الجودة لفهم النصوص والاستدلال، وخاصة في مجالات استرجاع المعلومات والبحث الدلالي. ستتعاون قريبًا مع Yaps، مما قد يوسع من سيناريوهات التطبيق.
9. عالم البيانات (SN13) - بنية البيانات المدعومة بالذكاء الاصطناعي
يعالج 5 مليارات سطر من البيانات يوميًا، ويصل الإجمالي إلى أكثر من 55.6 مليار سطر. يوفر هيكل DataEntity وظائف مثل توحيد البيانات، وتحسين الفهارس. بصفتها مزود بيانات للعديد من الشبكات الفرعية، تتعاون بعمق مع مشاريع مثل Score، مما يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين قوة الحوسبة PoW
تسمح TAOHash لعمال تعدين البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor. في المدى القصير، تجذب أكثر من 6EH/s من قوة التعدين، وهو ما يمثل حوالي 0.7% من الإجمالي العالمي. يمكن لعمال المناجم اختيار التنقيب التقليدي أو الحصول على رموز TAOHash.
تحليل النظام البيئي
تكنولوجيا Bittensor الابتكارية تبني نظاماً بيئياً فريداً للذكاء الاصطناعي اللامركزي. يعزز توافق Yuma وترقية dTAO كفاءة الشبكة، ويحقق آلية AMM اكتشاف الأسعار بين TAO وalpha. تدعم التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، بينما تضمن بنية الحوافز المزدوجة الدافع للمشاركة على المدى الطويل.
بالمقارنة مع مقدمي خدمات الذكاء الاصطناعي التقليديين، يتميز Bittensor بكفاءة التكلفة. ومع ذلك، لا يزال هناك مستوى عالٍ من التعقيد التقني، وهناك عدم يقين في بيئة التنظيم، وقد تطلق مقدمو خدمات السحابة التقليدية منتجات تنافسية. مع نمو الشبكة، فإن كيفية تحقيق التوازن بين الأداء واللامركزية تمثل أيضًا تحديًا.
من المتوقع أن ينمو سوق الذكاء الاصطناعي من 294 مليار دولار في عام 2025 إلى 1.77 تريليون دولار في عام 2032، بمعدل نمو سنوي مركب يبلغ 29%. تخلق السياسات الداعمة من الدول والاهتمام بخصوصية البيانات فرصًا للبنية التحتية للذكاء الاصطناعي اللامركزي. يساهم المستثمرون المؤسسيون في توفير الدعم المالي للبيئة.
إطار استراتيجية الاستثمار
يجب أن يأخذ إطار التقييم في الاعتبار درجة الابتكار التكنولوجي، وقوة الفريق، وإمكانات السوق، وهيكل المنافسة، ومعدل اعتماد المستخدمين، ومخاطر التنظيم، وغيرها من العوامل. يُنصح بتوزيع التخصيص بين أنواع مختلفة من الشبكات الفرعية، وتعديل الاستراتيجيات بناءً على مراحل التطور. ستعيد عملية تقليص النصف الأولى في نوفمبر 2025 تشكيل هيكل الاقتصاد الشبكي، ويمكن التخطيط مسبقًا لشبكات فرعية عالية الجودة.
من المتوقع أن يتجاوز عدد الشبكات الفرعية 500 شبكة في منتصف المدة، مع زيادة تطبيقات الشركات التي تعزز تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية. على المدى الطويل، من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي، مع ظهور نماذج تجارية جديدة وتعزيز التفاعل مع شبكات blockchain الأخرى.
تمثل بيئة Bittensor نموذجًا جديدًا لتطوير البنية التحتية للذكاء الاصطناعي، وتستحق حيويتها الابتكارية وإمكانات نموها اهتمامًا مستمرًا ودراسة متعمقة.