تحليل استثمار شبكة فرعية Bittensor: الإمساك بمستقبل بنية الذكاء الاصطناعي
نظرة عامة على السوق: ترقية TAO الديناميكية تسبب انفجار النظام البيئي
في فبراير 2025، أكمل شبكة Bittensor ترقية ديناميكية TAO ذات الأهمية التاريخية، مما حول نموذج الحوكمة إلى توزيع موارد لامركزي مدفوع بالسوق. حصلت كل شبكة فرعية على رموز مستقلة، ويمكن لحامليها اختيار وجهات الاستثمار بحرية، مما حقق آلية حقيقية لاكتشاف القيمة في السوق.
تشير البيانات إلى أن الترقية أطلقت طاقة ابتكارية هائلة. في غضون بضعة أشهر، زاد عدد الشبكات الفرعية النشطة من 32 إلى 118، بزيادة قدرها 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى الطي البروتيني المتقدم، والتداول الكمي، مما يشكل النظام البيئي الأكثر شمولاً للذكاء الاصطناعي اللامركزي في الوقت الحالي.
أداء السوق كان لامعًا أيضًا. زادت القيمة السوقية الإجمالية للشبكات الفرعية الرائدة من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، واستقرت عوائد التكديس السنوية عند 16-19%. توزع الشبكات الفرعية الحوافز الشبكية وفقًا لمعدل التكديس القائم على السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائم على البقاء للأصلح.
تحليل الشبكة الأساسية (أعلى 10 انبعاثات)
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكاليف القدرة الحاسوبية بشكل كبير
تستخدم Chutes بنية "البدء الفوري"، مما يقلل من وقت بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يزيد الكفاءة بمقدار 10 مرات. يدعم أكثر من 8000 عقدة GPU حول العالم النماذج الرئيسية، حيث تتجاوز الطلبات المعالجة اليومية 5 ملايين مرة، وتُسيطر على زمن الاستجابة في أقل من 50 مللي ثانية.
نموذج الأعمال ناضج ، يعتمد على استراتيجية مجانية مع قيمة مضافة. من خلال دمج منصة API مفتوحة معينة ، توفر دعم القدرة الحاسوبية للنماذج الشهيرة. التكلفة أقل بنسبة 85% من خدمة سحابية معينة. حاليًا ، تجاوز إجمالي استخدام الرموز 9042.37B ، وتخدم أكثر من 3000 عميل من الشركات.
بعد الترقية، تم الوصول إلى قيمة سوقية تبلغ 100 مليون دولار في 9 أسابيع، والآن 79 مليون. الحاجز الفني عميق جداً، والتقدم التجاري يسير بسلاسة، ودرجة قبول السوق عالية، وهي حالياً رائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، زيادة كفاءة حسابات الذكاء الاصطناعي
التركيز على تحسين الحساب على مستوى الأجهزة. من خلال أربعة وحدات تقنية: جدولة GPU، تجريد الأجهزة، تحسين الأداء وإدارة كفاءة الطاقة، يتم تحقيق أقصى كفاءة في استخدام الأجهزة. يدعم جميع أنواع الأجهزة، والأسعار أقل بنسبة 90% مقارنة بالمنتجات المماثلة، وزيادة كفاءة الحساب بنسبة 45%.
حاليًا هي شبكة فرعية ثاني أكبر مصدر للانبعاثات، تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو العنصر الأساسي في بنية الذكاء الاصطناعي، ويتميز بحواجز تقنية، واتجاه قوي لارتفاع الأسعار، والقيمة السوقية الحالية 56M.
القيمة الأساسية: تقنية الحوسبة السرية، لضمان خصوصية البيانات وأمانها
النواة الأساسية لـ Targon هي TVM (آلة Targon الافتراضية)، وهي منصة حساب سرية آمنة تدعم تدريب نماذج الذكاء الاصطناعي واستنتاجها والتحقق منها. تستخدم تقنيات حساب سرية متقدمة لضمان أمان عملية العمل الكاملة للذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من مستوى الأجهزة إلى مستوى التطبيقات.
حاجز تقني مرتفع، نموذج عمل واضح، يوجد مصدر دخل ثابت. تم تفعيل آلية إعادة شراء الدخل، وكانت آخر عملية شراء بقيمة 18000 دولار.
4. τemplar (SN3) - بحث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: تدريب تعاوني على نماذج الذكاء الاصطناعي الكبيرة، تقليل عتبة التدريب
شبكة فرعية متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، تهدف إلى أن تصبح "أفضل منصة تدريب نماذج في العالم". يتم التدريب التعاوني من خلال موارد GPU التي يساهم بها المشاركون حول العالم، مع التركيز على التدريب التعاوني والابتكار للنماذج المتطورة.
تم الانتهاء بنجاح من تدريب نموذج ببارامترات 1.2B، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة رسومية. في عام 2025، سيتم الاستمرار في تعزيز تدريب النماذج الكبيرة، حيث يصل حجم البارامترات إلى 70B+، مع أداء يتماشى مع المعايير الصناعية في اختبارات المعايير القياسية للذكاء الاصطناعي.
تتميز المزايا التقنية، القيمة السوقية الحالية 35 مليون، تمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي العادي، وتقليل العوائق التكاليف بشكل كبير
حل نقاط الألم في تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكي بتوزيع المهام بكفاءة على آلاف وحدات معالجة الرسومات (GPU) استنادًا إلى مزامنة التدرج. 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%. يقلل واجهة بنقرة واحدة من عتبة الاستخدام، وقد تم استخدامه في أكثر من 500 مشروع لضبط النموذج.
القيمة السوقية الحالية 30 مليون، الطلب في السوق كبير، المزايا التقنية واضحة، تستحق المتابعة على المدى الطويل.
6. التداول الاحتكاري (SN8) - التداول الكمي المالي
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة للتداول الكمي اللامركزي وتنبؤات المالية، مدفوعة بالذكاء الاصطناعي لإشارات التداول متعددة الأصول. تطبيق تقنيات التعلم الآلي في توقعات السوق المالية، وبناء هيكل نموذج توقع متعدد المستويات. نماذج التوقع الزمنية تدمج تقنيات LSTM وTransformer، لمعالجة بيانات السلاسل الزمنية المعقدة. يوفر نموذج تحليل مشاعر السوق إشارات توقع مساعدة.
يعرض الموقع عوائد واستراتيجيات التعدين المقدمة من مختلف عمال المناجم واختبارات العودة. يجمع بين الذكاء الاصطناعي و blockchain ، ويقدم طرق تداول مبتكرة في الأسواق المالية ، والقيمة السوقية الحالية هي 27M.
7. النقاط (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل الفيديو الرياضي، يستهدف صناعة كرة القدم بقيمة 6000 مليار دولار
إطار رؤية الحاسوب 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 التوصيف التقليدية التي كانت تبلغ آلاف الدولارات لمباراة واحدة إلى 1/10 إلى 1/100. بالتعاون مع منصة بيانات معينة، بلغ متوسط دقة توقعات الوكيل الذكي 70%، وقد وصلت دقة اليوم الواحد إلى 100%.
صناعة الرياضة ضخمة، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هي شبكة فرعية ذات اتجاه تطبيق واضح، وتستحق الاهتمام.
8. OpenKaito (SN5) - نص الاستدلال مفتوح المصدر
القيمة الأساسية: تطوير نموذج تضمين النص، تحسين استرجاع المعلومات
تركز على تطوير نماذج تضمين النصوص، وتهدف إلى بناء قدرات عالية الجودة لفهم النصوص والاستدلال، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
تظل هذه الشبكة الفرعية في مرحلة البناء المبكرة، حيث يتم بناء النظام البيئي حول نماذج تضمين النصوص. قد يؤدي تكامل قادم إلى توسيع مشهد تطبيقاتها وقاعدتها المستخدمين بشكل كبير.
9. عالم البيانات (SN13) - بنية البيانات للذكاء الاصطناعي
القيمة الأساسية: معالجة البيانات على نطاق واسع، إمدادات بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف من البيانات يوميًا، بإجمالي يزيد عن 55.6 مليار صف، ويدعم تخزين 100 جيجابايت. توفر البنية التحتية المبتكرة وظائف أساسية مثل توحيد البيانات، تحسين الفهرسة، والتخزين الموزع. تحقق آلية التصويت "الجاذبية" المبتكرة من تعديل الوزن الديناميكي.
البيانات هي أساس الذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، والمكانة البيئية مهمة. كموفر بيانات لشبكات فرعية متعددة، فإن التعاون العميق مع مشاريع أخرى يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين القوة الحسابية PoW
القيمة الأساسية: ربط التعدين التقليدي بحسابات الذكاء الاصطناعي، دمج موارد القوة الحاسوبية
يسمح لعمال التعدين ببتكوين بتوجيه قوة التعدين إلى شبكة Bittensor، للحصول على رموز من خلال التعدين لاستخدامها في الرهن أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحوسبة الذكاء الاصطناعي، مما يوفر مصادر دخل جديدة لعمال التعدين.
استقطاب أكثر من 6EH/s من قوة الحوسبة في فترة قصيرة (حوالي 0.7% من إجمالي قوة الحوسبة العالمية) يثبت اعتراف السوق بهذا النموذج المختلط. يمكن للعمال اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، مما يسمح لهم بتحسين العائدات وفقًا لحالة السوق.
تحليل النظام البيئي
تبتكر تكنولوجيا Bittensor نظامًا بيئيًا فريدًا للذكاء الاصطناعي اللامركزي. يضمن خوارزمية الإجماع الخاصة بها جودة الشبكة من خلال التحقق اللامركزي، بينما آلية تخصيص الموارد التسويقية التي تم تقديمها من خلال ترقية TAO الديناميكية تعزز الكفاءة بشكل كبير. كل شبكة فرعية مزودة بآلية تجمع السيولة، مما يتيح اكتشاف أسعار الرموز، ويسمح لقوى السوق بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يشكل تأثيرات شبكة قوية. تضمن بنية الحوافز المزدوجة الدافع للمشاركة على المدى الطويل، حيث يحصل منشئو الشبكة الفرعية وعمال المناجم والمحققون والمراهنون على المكافآت المناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مزودي خدمات الذكاء الاصطناعي المركزيين التقليديين، يقدم Bittensor بديلاً لامركزياً حقيقياً، حيث يتميز بكفاءة التكلفة. تظهر عدة شبكة فرعية مزايا تكلفة ملحوظة، ويعزز النظام البيئي المفتوح الابتكار السريع، حيث تتجاوز سرعة الابتكار بكثير تطوير المنتجات داخل الشركات التقليدية.
ومع ذلك، تواجه النظام البيئي تحديات واقعية. لا يزال هناك مستوى عالٍ من الصعوبة التقنية، وعدم اليقين في بيئة التنظيم هو عامل خطر آخر. من المتوقع أن تطلق مقدمو خدمات السحابة التقليدية منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على توازن الأداء واللامركزية اختباراً هاماً.
النمو المتفجر لصناعة الذكاء الاصطناعي يوفر فرص سوقية هائلة لـ Bittensor. من المتوقع أن ينمو السوق العالمي للذكاء الاصطناعي من 294 مليار دولار أمريكي في عام 2025 إلى 1.77 تريليون دولار أمريكي في عام 2032، بمعدل نمو سنوي مركب يبلغ 29%، مما يخلق مساحة واسعة لتطوير البنية التحتية للذكاء الاصطناعي اللامركزي.
تخلق سياسات الدعم لتطوير الذكاء الاصطناعي من قبل الدول نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزي، بينما زاد الاهتمام بخصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة الموثوقة. تستمر اهتمام المستثمرين المؤسساتيين في البنية التحتية للذكاء الاصطناعي في الازدياد، مما يوفر التمويل والدعم للموارد للنظام البيئي.
إطار استراتيجيات الاستثمار
يتطلب الاستثمار في شبكة فرعية من 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 المشاريع الأخرى في النظام البيئي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والميزتين التنافسيتين، ومعدل اعتماد المستخدمين وآثار الشبكة، بالإضافة إلى البيئة التنظيمية ومخاطر السياسة. من الناحية المالية، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة الانبعاثات واتجاهات النمو، وملاءمة تصميم الاقتصاد الرمزي، بالإضافة إلى السيولة وعمق التداول.
في إدارة المخاطر المحددة، تعتبر استراتيجيات الاستثمار المتنوعة هي الاستراتيجية الأساسية. يُنصح بتنويع التوزيع بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية، والنوع التطبيقي، والنوع البروتوكولي. في الوقت نفسه، يجب تعديل استراتيجية الاستثمار وفقًا لمرحلة تطور الشبكة الفرعية، حيث أن المشاريع المبكرة تحمل مخاطر عالية ولكن لديها عوائد محتملة كبيرة، بينما المشاريع الناضجة مستقرة نسبيًا ولكن لديها مساحة نمو محدودة. بالنظر إلى أن سيولة رموز الشبكة الفرعية قد لا تكون مثل رموز الشبكة الرئيسية، يجب تنظيم نسبة توزيع الأموال بشكل معقول، مع الحفاظ على وسادة سيولة ضرورية.
ستكون حدث تقليل النصف الأول في نوفمبر 2025 محفزًا مهمًا للسوق. ستؤدي تقليص الانبعاثات إلى زيادة ندرة الشبكات الفرعية الحالية، بينما قد تؤدي أيضًا إلى استبعاد المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل المشهد الاقتصادي بأكمله للشبكة. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية عالية الجودة للاستفادة من نافذة التخصيص قبل التقليل.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500 شبكة، تغطي جميع المجالات الفرعية لصناعة الذكاء الاصطناعي. ستؤدي الزيادة في التطبيقات على مستوى المؤسسات إلى تعزيز تطوير الشبكات الفرعية المتعلقة بالحساب السري وخصوصية البيانات، وستصبح التعاونات عبر الشبكات الفرعية أكثر تكرارًا، مما يشكل سلسلة إمداد معقدة لخدمات الذكاء الاصطناعي. ستسمح الإطارات التنظيمية التي تتضح تدريجيًا للشبكات الفرعية المتوافقة بالحصول على مزايا واضحة.
على المدى الطويل، من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي، ومن الممكن أن تعتمد الشركات التقليدية في الذكاء الاصطناعي نمطًا مختلطًا، حيث تنقل جزءًا من أعمالها إلى الشبكات اللامركزية. ستظهر نماذج تجارية جديدة وسيناريوهات تطبيق باستمرار، مع تعزيز التفاعل بين الشبكات الأخرى القائمة على blockchain، مما يؤدي في النهاية إلى تشكيل نظام بيئي لامركزي أكبر. يشبه مسار التطور هذا تطور البنية التحتية للإنترنت في بداياته، حيث سيحقق المستثمرون الذين يتمكنون من انتهاز النقاط الرئيسية عوائد كبيرة.
، 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
9
مشاركة
تعليق
0/400
SignatureAnxiety
· 07-17 06:46
البقرة: توصل الذكاء الاصطناعي إلى خدعة جديدة
شاهد النسخة الأصليةرد0
GweiWatcher
· 07-15 20:49
عظيم! انتظر ارتفاع السعر. افتح الشمبانيا!
شاهد النسخة الأصليةرد0
DarkPoolWatcher
· 07-15 20:48
لا أستطيع التحمل، هناك فرصة أخرى قادمة.
شاهد النسخة الأصليةرد0
MetaNeighbor
· 07-15 14:16
ها؟ ما شأن عام 2025؟ دعني أرحب بذلك أولاً
شاهد النسخة الأصليةرد0
SocialFiQueen
· 07-15 14:15
ووه، نظام btt رائع جداً
شاهد النسخة الأصليةرد0
HalfPositionRunner
· 07-15 14:10
صاعد هبوط随行情
شاهد النسخة الأصليةرد0
Blockblind
· 07-15 14:09
رائع جداً، انتظر الزيادة في القيمة.
شاهد النسخة الأصليةرد0
MoonMathMagic
· 07-15 13:59
كم عدد الأشخاص الذين يحتاجون إلى التقاط السكين المتساقطة؟
انفجار بيئة شبكة فرعية Bittensor: فرص استثمار جديدة في بنية الذكاء الاصطناعي
تحليل استثمار شبكة فرعية Bittensor: الإمساك بمستقبل بنية الذكاء الاصطناعي
نظرة عامة على السوق: ترقية TAO الديناميكية تسبب انفجار النظام البيئي
في فبراير 2025، أكمل شبكة Bittensor ترقية ديناميكية TAO ذات الأهمية التاريخية، مما حول نموذج الحوكمة إلى توزيع موارد لامركزي مدفوع بالسوق. حصلت كل شبكة فرعية على رموز مستقلة، ويمكن لحامليها اختيار وجهات الاستثمار بحرية، مما حقق آلية حقيقية لاكتشاف القيمة في السوق.
تشير البيانات إلى أن الترقية أطلقت طاقة ابتكارية هائلة. في غضون بضعة أشهر، زاد عدد الشبكات الفرعية النشطة من 32 إلى 118، بزيادة قدرها 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى الطي البروتيني المتقدم، والتداول الكمي، مما يشكل النظام البيئي الأكثر شمولاً للذكاء الاصطناعي اللامركزي في الوقت الحالي.
أداء السوق كان لامعًا أيضًا. زادت القيمة السوقية الإجمالية للشبكات الفرعية الرائدة من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، واستقرت عوائد التكديس السنوية عند 16-19%. توزع الشبكات الفرعية الحوافز الشبكية وفقًا لمعدل التكديس القائم على السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائم على البقاء للأصلح.
تحليل الشبكة الأساسية (أعلى 10 انبعاثات)
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكاليف القدرة الحاسوبية بشكل كبير
تستخدم Chutes بنية "البدء الفوري"، مما يقلل من وقت بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يزيد الكفاءة بمقدار 10 مرات. يدعم أكثر من 8000 عقدة GPU حول العالم النماذج الرئيسية، حيث تتجاوز الطلبات المعالجة اليومية 5 ملايين مرة، وتُسيطر على زمن الاستجابة في أقل من 50 مللي ثانية.
نموذج الأعمال ناضج ، يعتمد على استراتيجية مجانية مع قيمة مضافة. من خلال دمج منصة API مفتوحة معينة ، توفر دعم القدرة الحاسوبية للنماذج الشهيرة. التكلفة أقل بنسبة 85% من خدمة سحابية معينة. حاليًا ، تجاوز إجمالي استخدام الرموز 9042.37B ، وتخدم أكثر من 3000 عميل من الشركات.
بعد الترقية، تم الوصول إلى قيمة سوقية تبلغ 100 مليون دولار في 9 أسابيع، والآن 79 مليون. الحاجز الفني عميق جداً، والتقدم التجاري يسير بسلاسة، ودرجة قبول السوق عالية، وهي حالياً رائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، زيادة كفاءة حسابات الذكاء الاصطناعي
التركيز على تحسين الحساب على مستوى الأجهزة. من خلال أربعة وحدات تقنية: جدولة GPU، تجريد الأجهزة، تحسين الأداء وإدارة كفاءة الطاقة، يتم تحقيق أقصى كفاءة في استخدام الأجهزة. يدعم جميع أنواع الأجهزة، والأسعار أقل بنسبة 90% مقارنة بالمنتجات المماثلة، وزيادة كفاءة الحساب بنسبة 45%.
حاليًا هي شبكة فرعية ثاني أكبر مصدر للانبعاثات، تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو العنصر الأساسي في بنية الذكاء الاصطناعي، ويتميز بحواجز تقنية، واتجاه قوي لارتفاع الأسعار، والقيمة السوقية الحالية 56M.
3. Targon (SN4) - منصة استدلال الذكاء الاصطناعي اللامركزية
القيمة الأساسية: تقنية الحوسبة السرية، لضمان خصوصية البيانات وأمانها
النواة الأساسية لـ Targon هي TVM (آلة Targon الافتراضية)، وهي منصة حساب سرية آمنة تدعم تدريب نماذج الذكاء الاصطناعي واستنتاجها والتحقق منها. تستخدم تقنيات حساب سرية متقدمة لضمان أمان عملية العمل الكاملة للذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من مستوى الأجهزة إلى مستوى التطبيقات.
حاجز تقني مرتفع، نموذج عمل واضح، يوجد مصدر دخل ثابت. تم تفعيل آلية إعادة شراء الدخل، وكانت آخر عملية شراء بقيمة 18000 دولار.
4. τemplar (SN3) - بحث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: تدريب تعاوني على نماذج الذكاء الاصطناعي الكبيرة، تقليل عتبة التدريب
شبكة فرعية متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، تهدف إلى أن تصبح "أفضل منصة تدريب نماذج في العالم". يتم التدريب التعاوني من خلال موارد GPU التي يساهم بها المشاركون حول العالم، مع التركيز على التدريب التعاوني والابتكار للنماذج المتطورة.
تم الانتهاء بنجاح من تدريب نموذج ببارامترات 1.2B، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة رسومية. في عام 2025، سيتم الاستمرار في تعزيز تدريب النماذج الكبيرة، حيث يصل حجم البارامترات إلى 70B+، مع أداء يتماشى مع المعايير الصناعية في اختبارات المعايير القياسية للذكاء الاصطناعي.
تتميز المزايا التقنية، القيمة السوقية الحالية 35 مليون، تمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي العادي، وتقليل العوائق التكاليف بشكل كبير
حل نقاط الألم في تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكي بتوزيع المهام بكفاءة على آلاف وحدات معالجة الرسومات (GPU) استنادًا إلى مزامنة التدرج. 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%. يقلل واجهة بنقرة واحدة من عتبة الاستخدام، وقد تم استخدامه في أكثر من 500 مشروع لضبط النموذج.
القيمة السوقية الحالية 30 مليون، الطلب في السوق كبير، المزايا التقنية واضحة، تستحق المتابعة على المدى الطويل.
6. التداول الاحتكاري (SN8) - التداول الكمي المالي
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة للتداول الكمي اللامركزي وتنبؤات المالية، مدفوعة بالذكاء الاصطناعي لإشارات التداول متعددة الأصول. تطبيق تقنيات التعلم الآلي في توقعات السوق المالية، وبناء هيكل نموذج توقع متعدد المستويات. نماذج التوقع الزمنية تدمج تقنيات LSTM وTransformer، لمعالجة بيانات السلاسل الزمنية المعقدة. يوفر نموذج تحليل مشاعر السوق إشارات توقع مساعدة.
يعرض الموقع عوائد واستراتيجيات التعدين المقدمة من مختلف عمال المناجم واختبارات العودة. يجمع بين الذكاء الاصطناعي و blockchain ، ويقدم طرق تداول مبتكرة في الأسواق المالية ، والقيمة السوقية الحالية هي 27M.
7. النقاط (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل الفيديو الرياضي، يستهدف صناعة كرة القدم بقيمة 6000 مليار دولار
إطار رؤية الحاسوب 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 التوصيف التقليدية التي كانت تبلغ آلاف الدولارات لمباراة واحدة إلى 1/10 إلى 1/100. بالتعاون مع منصة بيانات معينة، بلغ متوسط دقة توقعات الوكيل الذكي 70%، وقد وصلت دقة اليوم الواحد إلى 100%.
صناعة الرياضة ضخمة، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هي شبكة فرعية ذات اتجاه تطبيق واضح، وتستحق الاهتمام.
8. OpenKaito (SN5) - نص الاستدلال مفتوح المصدر
القيمة الأساسية: تطوير نموذج تضمين النص، تحسين استرجاع المعلومات
تركز على تطوير نماذج تضمين النصوص، وتهدف إلى بناء قدرات عالية الجودة لفهم النصوص والاستدلال، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
تظل هذه الشبكة الفرعية في مرحلة البناء المبكرة، حيث يتم بناء النظام البيئي حول نماذج تضمين النصوص. قد يؤدي تكامل قادم إلى توسيع مشهد تطبيقاتها وقاعدتها المستخدمين بشكل كبير.
9. عالم البيانات (SN13) - بنية البيانات للذكاء الاصطناعي
القيمة الأساسية: معالجة البيانات على نطاق واسع، إمدادات بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف من البيانات يوميًا، بإجمالي يزيد عن 55.6 مليار صف، ويدعم تخزين 100 جيجابايت. توفر البنية التحتية المبتكرة وظائف أساسية مثل توحيد البيانات، تحسين الفهرسة، والتخزين الموزع. تحقق آلية التصويت "الجاذبية" المبتكرة من تعديل الوزن الديناميكي.
البيانات هي أساس الذكاء الاصطناعي، وقيمة البنية التحتية مستقرة، والمكانة البيئية مهمة. كموفر بيانات لشبكات فرعية متعددة، فإن التعاون العميق مع مشاريع أخرى يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - تعدين القوة الحسابية PoW
القيمة الأساسية: ربط التعدين التقليدي بحسابات الذكاء الاصطناعي، دمج موارد القوة الحاسوبية
يسمح لعمال التعدين ببتكوين بتوجيه قوة التعدين إلى شبكة Bittensor، للحصول على رموز من خلال التعدين لاستخدامها في الرهن أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحوسبة الذكاء الاصطناعي، مما يوفر مصادر دخل جديدة لعمال التعدين.
استقطاب أكثر من 6EH/s من قوة الحوسبة في فترة قصيرة (حوالي 0.7% من إجمالي قوة الحوسبة العالمية) يثبت اعتراف السوق بهذا النموذج المختلط. يمكن للعمال اختيار بين تعدين البيتكوين التقليدي والحصول على رموز TAOHash، مما يسمح لهم بتحسين العائدات وفقًا لحالة السوق.
تحليل النظام البيئي
تبتكر تكنولوجيا Bittensor نظامًا بيئيًا فريدًا للذكاء الاصطناعي اللامركزي. يضمن خوارزمية الإجماع الخاصة بها جودة الشبكة من خلال التحقق اللامركزي، بينما آلية تخصيص الموارد التسويقية التي تم تقديمها من خلال ترقية TAO الديناميكية تعزز الكفاءة بشكل كبير. كل شبكة فرعية مزودة بآلية تجمع السيولة، مما يتيح اكتشاف أسعار الرموز، ويسمح لقوى السوق بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية معالجة المهام المعقدة للذكاء الاصطناعي بشكل موزع، مما يشكل تأثيرات شبكة قوية. تضمن بنية الحوافز المزدوجة الدافع للمشاركة على المدى الطويل، حيث يحصل منشئو الشبكة الفرعية وعمال المناجم والمحققون والمراهنون على المكافآت المناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مزودي خدمات الذكاء الاصطناعي المركزيين التقليديين، يقدم Bittensor بديلاً لامركزياً حقيقياً، حيث يتميز بكفاءة التكلفة. تظهر عدة شبكة فرعية مزايا تكلفة ملحوظة، ويعزز النظام البيئي المفتوح الابتكار السريع، حيث تتجاوز سرعة الابتكار بكثير تطوير المنتجات داخل الشركات التقليدية.
ومع ذلك، تواجه النظام البيئي تحديات واقعية. لا يزال هناك مستوى عالٍ من الصعوبة التقنية، وعدم اليقين في بيئة التنظيم هو عامل خطر آخر. من المتوقع أن تطلق مقدمو خدمات السحابة التقليدية منتجات تنافسية. مع زيادة حجم الشبكة، أصبح الحفاظ على توازن الأداء واللامركزية اختباراً هاماً.
النمو المتفجر لصناعة الذكاء الاصطناعي يوفر فرص سوقية هائلة لـ Bittensor. من المتوقع أن ينمو السوق العالمي للذكاء الاصطناعي من 294 مليار دولار أمريكي في عام 2025 إلى 1.77 تريليون دولار أمريكي في عام 2032، بمعدل نمو سنوي مركب يبلغ 29%، مما يخلق مساحة واسعة لتطوير البنية التحتية للذكاء الاصطناعي اللامركزي.
تخلق سياسات الدعم لتطوير الذكاء الاصطناعي من قبل الدول نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزي، بينما زاد الاهتمام بخصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة الموثوقة. تستمر اهتمام المستثمرين المؤسساتيين في البنية التحتية للذكاء الاصطناعي في الازدياد، مما يوفر التمويل والدعم للموارد للنظام البيئي.
إطار استراتيجيات الاستثمار
يتطلب الاستثمار في شبكة فرعية من 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 المشاريع الأخرى في النظام البيئي. من الناحية السوقية، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والميزتين التنافسيتين، ومعدل اعتماد المستخدمين وآثار الشبكة، بالإضافة إلى البيئة التنظيمية ومخاطر السياسة. من الناحية المالية، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة الانبعاثات واتجاهات النمو، وملاءمة تصميم الاقتصاد الرمزي، بالإضافة إلى السيولة وعمق التداول.
في إدارة المخاطر المحددة، تعتبر استراتيجيات الاستثمار المتنوعة هي الاستراتيجية الأساسية. يُنصح بتنويع التوزيع بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البنية التحتية، والنوع التطبيقي، والنوع البروتوكولي. في الوقت نفسه، يجب تعديل استراتيجية الاستثمار وفقًا لمرحلة تطور الشبكة الفرعية، حيث أن المشاريع المبكرة تحمل مخاطر عالية ولكن لديها عوائد محتملة كبيرة، بينما المشاريع الناضجة مستقرة نسبيًا ولكن لديها مساحة نمو محدودة. بالنظر إلى أن سيولة رموز الشبكة الفرعية قد لا تكون مثل رموز الشبكة الرئيسية، يجب تنظيم نسبة توزيع الأموال بشكل معقول، مع الحفاظ على وسادة سيولة ضرورية.
ستكون حدث تقليل النصف الأول في نوفمبر 2025 محفزًا مهمًا للسوق. ستؤدي تقليص الانبعاثات إلى زيادة ندرة الشبكات الفرعية الحالية، بينما قد تؤدي أيضًا إلى استبعاد المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل المشهد الاقتصادي بأكمله للشبكة. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية عالية الجودة للاستفادة من نافذة التخصيص قبل التقليل.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500 شبكة، تغطي جميع المجالات الفرعية لصناعة الذكاء الاصطناعي. ستؤدي الزيادة في التطبيقات على مستوى المؤسسات إلى تعزيز تطوير الشبكات الفرعية المتعلقة بالحساب السري وخصوصية البيانات، وستصبح التعاونات عبر الشبكات الفرعية أكثر تكرارًا، مما يشكل سلسلة إمداد معقدة لخدمات الذكاء الاصطناعي. ستسمح الإطارات التنظيمية التي تتضح تدريجيًا للشبكات الفرعية المتوافقة بالحصول على مزايا واضحة.
على المدى الطويل، من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي، ومن الممكن أن تعتمد الشركات التقليدية في الذكاء الاصطناعي نمطًا مختلطًا، حيث تنقل جزءًا من أعمالها إلى الشبكات اللامركزية. ستظهر نماذج تجارية جديدة وسيناريوهات تطبيق باستمرار، مع تعزيز التفاعل بين الشبكات الأخرى القائمة على blockchain، مما يؤدي في النهاية إلى تشكيل نظام بيئي لامركزي أكبر. يشبه مسار التطور هذا تطور البنية التحتية للإنترنت في بداياته، حيث سيحقق المستثمرون الذين يتمكنون من انتهاز النقاط الرئيسية عوائد كبيرة.
![دليل استثمار شبكة فرعية Bittensor: اقتنص الفرصة التالية للذكاء الاصطناعي](