دليل استثمار شبكة فرعية Bittensor: اغتنام الفرصة التالية في الذكاء الاصطناعي
01، نظرة عامة على السوق: ترقية dTAO تؤدي إلى انفجار النظام البيئي
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO) التي تحمل دلالات تاريخية. حولت هذه الترقية الشبكة من إدارة مركزية إلى نموذج 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 سوقية حقيقية.
تشير البيانات إلى أن ترقية dTAO أطلقت إمكانيات ابتكارية هائلة. في غضون أشهر قليلة، ارتفع عدد الشبكات الفرعية لـ Bittensor من 32 إلى 118، بمعدل نمو بلغ 269%. تشمل هذه الشبكات الفرعية جميع المجالات الفرعية في صناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى طي البروتينات المتطورة، والتداول الكمي، مما يشكل حالياً أكثر أنظمة الذكاء الاصطناعي اللامركزية شمولاً.
أداء السوق كان أيضًا لافتًا. زادت القيمة السوقية الإجمالية لأفضل شبكة فرعية من 4 ملايين دولار إلى 690 مليون دولار بعد الترقية، وظلت عوائد التوكيل السنوية مستقرة بين 16-19%. توزع الشبكات الحوافز بناءً على معدل توكيل TAO القائم على السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائمة على انتقاء الأفضل.
02، تحليل الشبكة الأساسية (أعلى 10 انبعاثات)
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
تستخدم Chutes بنية "البدء الفوري"، مما يقلل من وقت بدء تشغيل نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يزيد من الكفاءة بمقدار 10 مرات مقارنة بخدمات السحابة التقليدية. تدعم أكثر من 8000 عقدة GPU في جميع أنحاء العالم النماذج الرئيسية للذكاء الاصطناعي، وتتعامل مع أكثر من 5 ملايين طلب يوميًا، مع التحكم في زمن الاستجابة ضمن 50 مللي ثانية.
نموذج الأعمال ناضج، يستخدم استراتيجية القيمة المضافة المجانية لجذب المستخدمين. من خلال دمج المنصة لتوفير دعم قوة الحوسبة للنماذج الشائعة، يتم تحقيق الإيرادات من مكالمات واجهة برمجة التطبيقات. الميزة التكاليفية ملحوظة، أقل بنسبة 85% من خدمات السحابة الأخرى. حاليًا، تجاوز إجمالي استخدام التوكنات 9042.37B، وتقدم الخدمة لأكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصلت القيمة السوقية إلى 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، وعمق الحواجز التكنولوجية كبير، والتقدم التجاري يسير بسلاسة، ومعدل الاعتراف في السوق مرتفع، وهو الآن الرائد في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
التركيز على تحسين الحسابات على مستوى الأجهزة. من خلال أربعة وحدات تقنية: جدولة GPU، تجريد الأجهزة، تحسين الأداء وإدارة كفاءة الطاقة، يتم تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. يدعم الأجهزة الرئيسية من GPU، وسعره أقل بنسبة 90% مقارنة بالمنتجات المماثلة، مع تحسين كفاءة الحساب بنسبة 45%.
في الوقت الحالي، تعد Celium الشبكة الفرعية الثانية من حيث الانبعاثات على Bittensor، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في البنية التحتية للذكاء الاصطناعي، وله حواجز تقنية، ويميل السعر إلى الارتفاع، والقيمة السوقية الحالية 56 مليون.
الجوهر في Targon هو TVM (آلة Targon الافتراضية)، وهي منصة حوسبة سرية آمنة تدعم تدريب ونمذجة والتحقق من نماذج الذكاء الاصطناعي. تستخدم TVM تقنيات حوسبة سرية متقدمة لضمان أمان وخصوصية كامل سير عمل الذكاء الاصطناعي. يدعم النظام التشفير من الطرف إلى الطرف من مستوى الأجهزة إلى مستوى التطبيقات، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي القوية دون الكشف عن البيانات.
تارغون لديها عتبة تقنية عالية، ونموذج عمل واضح، ولديها مصدر دخل مستقر. تم تفعيل آلية استرداد الدخل، حيث يتم استخدام جميع الإيرادات لشراء الرموز، وكان أحدث شراء 18,000 دولار أمريكي.
4. τemplar (SN3) - البحث في الذكاء الاصطناعي والتدريب الموزع
Templar هو شبكة فرعية رائدة متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، وتهدف إلى أن تكون "أفضل منصة لتدريب النماذج في العالم". من خلال الموارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، يتم التدريب التعاوني مع التركيز على التدريب التعاوني والابتكار للنماذج الرائدة، مع التأكيد على مقاومة الغش والتعاون الفعال.
في مجال الإنجازات التقنية، نجح Templar في إتمام تدريب نموذج يتكون من 1.2 مليار معلمة، بعد أكثر من 20,000 دورة تدريبية، شارك في العملية حوالي 200 وحدة معالجة الرسوميات. في عام 2024، سيتم ترقية آلية التحقق، مما يعزز اللامركزية والأمان؛ وفي عام 2025، ستستمر جهود تدريب النماذج الكبيرة، حيث ستصل حجم المعلمات إلى 70 مليار+، وستظهر أداءً يعادل المعايير القياسية في اختبارات الذكاء الاصطناعي القياسية.
تتميز تكنولوجيا Templar ب优势 بارزة، حيث تبلغ القيمة السوقية الحالية 35 مليون، وتحتل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
حل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكية بتوزيع المهام بكفاءة على آلاف وحدات معالجة الرسوميات (GPU) استنادًا إلى مزامنة التدرجات. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات فقط في الساعة، أي أقل بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أسرع بنسبة 40% من الحلول المركزية. تقلل واجهة الاستخدام بنقرة واحدة من عتبة الاستخدام، وقد تم استخدام أكثر من 500 مشروع لضبط النموذج، تغطي مجالات صناعية متعددة.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، المزايا 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 وتنبؤات المالية، مدفوعة بالذكاء الاصطناعي لإشارات التداول متعددة الأصول. تستخدم الشبكة التجارية الخاصة تقنية التعلم الآلي في توقعات الأسواق المالية، مما يعزز هيكل نماذج التنبؤ متعددة المستويات. يدمج نموذج التنبؤ الزمني تقنيات متطورة قادرة على معالجة بيانات السلاسل الزمنية المعقدة. يوفر نموذج تحليل مشاعر السوق مؤشرات المشاعر كإشارات مساعدة للتنبؤ من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكن رؤية عوائد واستراتيجيات مختلفة مقدمة من miners على الموقع. يجمع SN8 بين الذكاء الاصطناعي و blockchain ، ويقدم طريقة مبتكرة لتداول الأسواق المالية ، والقيمة السوقية الحالية 27M.
7. Score (SN44) - تحليل وتقييم الرياضة
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: كشف الملعب وفحص الكائنات المعتمد على CLIP، مما يقلل من تكلفة التسمية التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع منصة بيانات معينة، كان متوسط دقة توقعات الوكيل الذكي 70%، وقد بلغ 100% في يوم واحد.
صناعة الرياضة ضخمة، والابتكار التكنولوجي بارز، وآفاق السوق واسعة، Score هو شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الانتباه.
8. OpenKaito (SN5) - استنتاج النصوص مفتوحة المصدر
OpenKaito تركز على تطوير نماذج تضمين النصوص، بدعم من المشاركين المهمين في مجال InfoFi. كمشروع مفتوح المصدر مدفوع من قبل المجتمع، تسعى OpenKaito لبناء قدرات فهم النصوص والاستدلال عالية الجودة، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
توجد هذه الشبكة الفرعية في مرحلة البناء المبكرة، وتركز بشكل رئيسي على بناء نظام بيئي حول نماذج تضمين النص. من الجدير بالذكر أن هناك مجموعة جديدة من الميزات قيد الإعداد، والتي قد توسع بشكل كبير من حالات استخدامها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
يتم معالجة 500 مليون صف بيانات يوميًا، بإجمالي يتجاوز 55.6 مليار صف، ويدعم تخزين 100 جيجابايت. توفر بنية DataEntity وظائف أساسية مثل توحيد البيانات، وتحسين الفهارس، والتخزين الموزع. آلية التصويت المبتكرة "الجاذبية" تحقق تعديل الوزن الديناميكي.
البيانات هي نفط 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 إثبات العمل
تسمح TAOHash لعمال مناجم بيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهان أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر لمناجم العملات الرقمية مصدراً جديداً للدخل.
في غضون أسابيع قليلة، جذبت أكثر من 6EH/s من قوة الحوسبة (حوالي 0.7% من إجمالي قوة الحوسبة العالمية)، مما يثبت اعتراف السوق بهذا النموذج المختلط. يمكن للعمال المنجمين اختيار بين التعدين التقليدي لبيتكوين والحصول على رموز TAOHash، بناءً على ظروف السوق لتحسين العائد.
03، تحليل النظام البيئي
تكنولوجيا Bittensor الابتكارية أنشأت نظامًا بيئيًا فريدًا للذكاء الاصطناعي اللامركزي. يضمن خوارزمية الإجماع الخاصة بها جودة الشبكة من خلال التحقق اللامركزي، بينما يزيد آلية تخصيص الموارد السوقية التي أدخلتها ترقية dTAO بشكل ملحوظ من الكفاءة. كل شبكة فرعية مزودة بآلية AMM، مما يحقق اكتشاف الأسعار بين TAO و alpha الرموز، وهذا التصميم يسمح لقوى السوق بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية المعالجة الموزعة للمهام المعقدة للذكاء الاصطناعي، مما يشكل تأثيرًا قويًا للشبكة. تضمن هيكل الحوافز المزدوجة (إصدار TAO وزيادة قيمة الرموز المميزة alpha) الدوافع للمشاركة على المدى الطويل، حيث يمكن لمنشئي الشبكات الفرعية، وعمال المناجم، والمصادقين، والمشاركين في التوكيل الحصول على عوائد مناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مزودي خدمات الذكاء الاصطناعي المركزيين التقليديين، يوفر Bittensor بديلاً حقيقياً لامركزياً يتميز بكفاءة تكلفة بارزة. تظهر عدة شبكة فرعية مزايا تكلفة ملحوظة، وهذه المزايا تأتي من تحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، حيث يتزايد عدد الشبكات الفرعية وجودتها، وتتفوق سرعة الابتكار بكثير على البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، فإن النظام البيئي يواجه أيضًا تحديات واقعية. لا تزال العوائق التكنولوجية مرتفعة، على الرغم من أن الأدوات في تحسن مستمر، إلا أن المشاركة في التعدين والتحقق تتطلب معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر آخر، حيث قد يواجه شبكة الذكاء الاصطناعي اللامركزية سياسات تنظيمية مختلفة في الدول المختلفة. لن يجلس مقدمو خدمات السحابة التقليدية مكتوفي الأيدي، ومن المتوقع أن يطرحوا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح من التحديات المهمة كيفية الحفاظ على التوازن بين الأداء واللامركزية.
النمو الانفجاري لصناعة الذكاء الاصطناعي يوفر فرص سوقية هائلة لـ Bittensor. من المتوقع أن ينمو سوق الذكاء الاصطناعي العالمي 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 دعم تطوير الذكاء الاصطناعي في مختلف البلدان نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزية، بينما زادت المخاوف بشأن خصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة السرية، وهو ما يعد من المزايا الأساسية لبعض الشبكات الفرعية. يستمر اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي في الازدياد، حيث توفر مشاركة المؤسسات الشهيرة التمويل والدعم الموارد للنظام البيئي.
04، إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. على المستوى الفني، يجب فحص درجة الابتكار وعمق الحماية، وقوة الفريق التقنية وقدرته على التنفيذ، فضلاً عن الأثر التكاملي مع مشاريع أخرى في النظام البيئي. على المستوى السوقي، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والميزات التمايزية، وحالة اعتماد المستخدمين وتأثير الشبكة، فضلاً عن البيئة التنظيمية ومخاطر السياسة. على المستوى المالي، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاه النمو، وملاءمة تصميم الاقتصاد الرمزي، وكذلك السيولة وعمق التداول.
في إدارة المخاطر المحددة، يعد الاستثمار المتنوع استراتيجية أساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البني التحتية، والنوع التطبيقي، والنوع البروتوكولي. يجب أيضًا تعديل استراتيجية الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في مرحلة مبكرة تحمل مخاطر عالية ولكن العوائد المحتملة كبيرة، بينما المشاريع الناضجة تكون أكثر استقرارًا ولكن مساحة النمو محدودة. بالنظر إلى أن سيولة رمز alpha قد لا تكون مثل TAO، من الضروري ترتيب نسبة تخصيص الأموال بشكل معقول، مع الحفاظ على حافة سيولة ضرورية.
ستصبح حدث نصف المكافأة الأول في نوفمبر 2025 محفزًا مهمًا للسوق. سيؤدي تقليل الإصدارات إلى زيادة ندرة الشبكة الفرعية الحالية، بينما قد يؤدي ذلك أيضًا إلى إقصاء المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل المشهد الاقتصادي للشبكة بأكملها. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية ذات جودة عالية، للاستفادة من نافذة التوزيع قبل نصف المكافأة.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500، تغطي جميع المجالات الفرعية في صناعة الذكاء الاصطناعي. ستؤدي الزيادة في تطبيقات المؤسسات إلى دفع تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، وستصبح التعاونات عبر الشبكات الفرعية أكثر تكرارًا، مما يشكل سلسلة إمداد معقدة لخدمات الذكاء الاصطناعي. ستمكن الإطارات التنظيمية المتزايدة الوضوح الشبكات الفرعية المتوافقة من الحصول على ميزة واضحة.
على المدى الطويل، من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي، حيث قد تعتمد شركات الذكاء الاصطناعي التقليدية نمطًا مختلطًا ينقل جزءًا من أعمالها إلى الشبكات اللامركزية. ستظهر نماذج أعمال جديدة وسيناريوهات تطبيقات باستمرار، مع تعزيز التوافق مع شبكات blockchain الأخرى، مما يؤدي في النهاية إلى تشكيل نظام بيئي لامركزي أكبر. ستؤدي هذه المسار التطويري.
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 15
أعجبني
15
7
مشاركة
تعليق
0/400
CryptoComedian
· منذ 19 س
حمقى يوميات: في هذه الموجة، عندما كانت هناك أقل من 30 شبكة فرعية، تم خداعي لتحقيق الربح، والآن مع وجود 118 شبكة فرعية، أعتقد أنه سيكون من الأسهل خداعي.
شاهد النسخة الأصليةرد0
SatoshiChallenger
· منذ 23 س
هه، مرة أخرى انفجار شبكة فرعية، يبدو أنني أسمع قصة خداع الناس لتحقيق الربح المعروفة.
شاهد النسخة الأصليةرد0
LiquidityHunter
· منذ 23 س
شبكة فرعية بيانات غير طبيعية زيادة سرعة 269%، فرص المراجحة السيولة واضحة
شاهد النسخة الأصليةرد0
ser_we_are_ngmi
· منذ 23 س
هل يمكنك أن تعطيني حزمة شاملة لأقوم بعمل aping لها؟
شاهد النسخة الأصليةرد0
SlowLearnerWang
· منذ 23 س
مرة أخرى هي جولة توزيع مجاني بعيدة عني، من يفهم يفهم.
شاهد النسخة الأصليةرد0
UnluckyLemur
· منذ 23 س
لقد جاء ترقية أخرى لاستغلال الحمقى.
شاهد النسخة الأصليةرد0
OptionWhisperer
· منذ 23 س
又来这一套 خــداع الناس لتحقيق الربح经典的资本密集型 يٌستغل بغباء.
تحليل استثمار شبكة فرعية Bittensor: اغتنام فرص انفجار سوق الذكاء الاصطناعي
دليل استثمار شبكة فرعية Bittensor: اغتنام الفرصة التالية في الذكاء الاصطناعي
01، نظرة عامة على السوق: ترقية dTAO تؤدي إلى انفجار النظام البيئي
في فبراير 2025، أكمل شبكة Bittensor ترقية Dynamic TAO (dTAO) التي تحمل دلالات تاريخية. حولت هذه الترقية الشبكة من إدارة مركزية إلى نموذج 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 سوقية حقيقية.
تشير البيانات إلى أن ترقية dTAO أطلقت إمكانيات ابتكارية هائلة. في غضون أشهر قليلة، ارتفع عدد الشبكات الفرعية لـ Bittensor من 32 إلى 118، بمعدل نمو بلغ 269%. تشمل هذه الشبكات الفرعية جميع المجالات الفرعية في صناعة الذكاء الاصطناعي، من الاستدلال النصي الأساسي، وتوليد الصور، إلى طي البروتينات المتطورة، والتداول الكمي، مما يشكل حالياً أكثر أنظمة الذكاء الاصطناعي اللامركزية شمولاً.
أداء السوق كان أيضًا لافتًا. زادت القيمة السوقية الإجمالية لأفضل شبكة فرعية من 4 ملايين دولار إلى 690 مليون دولار بعد الترقية، وظلت عوائد التوكيل السنوية مستقرة بين 16-19%. توزع الشبكات الحوافز بناءً على معدل توكيل TAO القائم على السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من الانبعاثات الشبكية، مما يعكس آلية السوق القائمة على انتقاء الأفضل.
02، تحليل الشبكة الأساسية (أعلى 10 انبعاثات)
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
تستخدم Chutes بنية "البدء الفوري"، مما يقلل من وقت بدء تشغيل نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مما يزيد من الكفاءة بمقدار 10 مرات مقارنة بخدمات السحابة التقليدية. تدعم أكثر من 8000 عقدة GPU في جميع أنحاء العالم النماذج الرئيسية للذكاء الاصطناعي، وتتعامل مع أكثر من 5 ملايين طلب يوميًا، مع التحكم في زمن الاستجابة ضمن 50 مللي ثانية.
نموذج الأعمال ناضج، يستخدم استراتيجية القيمة المضافة المجانية لجذب المستخدمين. من خلال دمج المنصة لتوفير دعم قوة الحوسبة للنماذج الشائعة، يتم تحقيق الإيرادات من مكالمات واجهة برمجة التطبيقات. الميزة التكاليفية ملحوظة، أقل بنسبة 85% من خدمات السحابة الأخرى. حاليًا، تجاوز إجمالي استخدام التوكنات 9042.37B، وتقدم الخدمة لأكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، وصلت القيمة السوقية إلى 100 مليون دولار، والقيمة السوقية الحالية 79 مليون، وعمق الحواجز التكنولوجية كبير، والتقدم التجاري يسير بسلاسة، ومعدل الاعتراف في السوق مرتفع، وهو الآن الرائد في الشبكة الفرعية.
2. Celium (SN51) - تحسين حسابات الأجهزة
التركيز على تحسين الحسابات على مستوى الأجهزة. من خلال أربعة وحدات تقنية: جدولة GPU، تجريد الأجهزة، تحسين الأداء وإدارة كفاءة الطاقة، يتم تحقيق أقصى استفادة من كفاءة استخدام الأجهزة. يدعم الأجهزة الرئيسية من GPU، وسعره أقل بنسبة 90% مقارنة بالمنتجات المماثلة، مع تحسين كفاءة الحساب بنسبة 45%.
في الوقت الحالي، تعد Celium الشبكة الفرعية الثانية من حيث الانبعاثات على Bittensor، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في البنية التحتية للذكاء الاصطناعي، وله حواجز تقنية، ويميل السعر إلى الارتفاع، والقيمة السوقية الحالية 56 مليون.
3. Targon (SN4) - منصة استدلال الذكاء الاصطناعي اللامركزية
الجوهر في Targon هو TVM (آلة Targon الافتراضية)، وهي منصة حوسبة سرية آمنة تدعم تدريب ونمذجة والتحقق من نماذج الذكاء الاصطناعي. تستخدم TVM تقنيات حوسبة سرية متقدمة لضمان أمان وخصوصية كامل سير عمل الذكاء الاصطناعي. يدعم النظام التشفير من الطرف إلى الطرف من مستوى الأجهزة إلى مستوى التطبيقات، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي القوية دون الكشف عن البيانات.
تارغون لديها عتبة تقنية عالية، ونموذج عمل واضح، ولديها مصدر دخل مستقر. تم تفعيل آلية استرداد الدخل، حيث يتم استخدام جميع الإيرادات لشراء الرموز، وكان أحدث شراء 18,000 دولار أمريكي.
4. τemplar (SN3) - البحث في الذكاء الاصطناعي والتدريب الموزع
Templar هو شبكة فرعية رائدة متخصصة في التدريب الموزع لنماذج الذكاء الاصطناعي على نطاق واسع، وتهدف إلى أن تكون "أفضل منصة لتدريب النماذج في العالم". من خلال الموارد GPU التي يساهم بها المشاركون من جميع أنحاء العالم، يتم التدريب التعاوني مع التركيز على التدريب التعاوني والابتكار للنماذج الرائدة، مع التأكيد على مقاومة الغش والتعاون الفعال.
في مجال الإنجازات التقنية، نجح Templar في إتمام تدريب نموذج يتكون من 1.2 مليار معلمة، بعد أكثر من 20,000 دورة تدريبية، شارك في العملية حوالي 200 وحدة معالجة الرسوميات. في عام 2024، سيتم ترقية آلية التحقق، مما يعزز اللامركزية والأمان؛ وفي عام 2025، ستستمر جهود تدريب النماذج الكبيرة، حيث ستصل حجم المعلمات إلى 70 مليار+، وستظهر أداءً يعادل المعايير القياسية في اختبارات الذكاء الاصطناعي القياسية.
تتميز تكنولوجيا Templar ب优势 بارزة، حيث تبلغ القيمة السوقية الحالية 35 مليون، وتحتل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
حل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكية بتوزيع المهام بكفاءة على آلاف وحدات معالجة الرسوميات (GPU) استنادًا إلى مزامنة التدرجات. تم الانتهاء من تدريب نموذج يحتوي على 118 تريليون معلمة، بتكلفة 5 دولارات فقط في الساعة، أي أقل بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أسرع بنسبة 40% من الحلول المركزية. تقلل واجهة الاستخدام بنقرة واحدة من عتبة الاستخدام، وقد تم استخدام أكثر من 500 مشروع لضبط النموذج، تغطي مجالات صناعية متعددة.
القيمة السوقية الحالية 30M، الطلب في السوق كبير، المزايا 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 وتنبؤات المالية، مدفوعة بالذكاء الاصطناعي لإشارات التداول متعددة الأصول. تستخدم الشبكة التجارية الخاصة تقنية التعلم الآلي في توقعات الأسواق المالية، مما يعزز هيكل نماذج التنبؤ متعددة المستويات. يدمج نموذج التنبؤ الزمني تقنيات متطورة قادرة على معالجة بيانات السلاسل الزمنية المعقدة. يوفر نموذج تحليل مشاعر السوق مؤشرات المشاعر كإشارات مساعدة للتنبؤ من خلال تحليل محتوى وسائل التواصل الاجتماعي والأخبار.
يمكن رؤية عوائد واستراتيجيات مختلفة مقدمة من miners على الموقع. يجمع SN8 بين الذكاء الاصطناعي و blockchain ، ويقدم طريقة مبتكرة لتداول الأسواق المالية ، والقيمة السوقية الحالية 27M.
7. Score (SN44) - تحليل وتقييم الرياضة
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: كشف الملعب وفحص الكائنات المعتمد على CLIP، مما يقلل من تكلفة التسمية التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع منصة بيانات معينة، كان متوسط دقة توقعات الوكيل الذكي 70%، وقد بلغ 100% في يوم واحد.
صناعة الرياضة ضخمة، والابتكار التكنولوجي بارز، وآفاق السوق واسعة، Score هو شبكة فرعية ذات اتجاه تطبيق واضح، تستحق الانتباه.
8. OpenKaito (SN5) - استنتاج النصوص مفتوحة المصدر
OpenKaito تركز على تطوير نماذج تضمين النصوص، بدعم من المشاركين المهمين في مجال InfoFi. كمشروع مفتوح المصدر مدفوع من قبل المجتمع، تسعى OpenKaito لبناء قدرات فهم النصوص والاستدلال عالية الجودة، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.
توجد هذه الشبكة الفرعية في مرحلة البناء المبكرة، وتركز بشكل رئيسي على بناء نظام بيئي حول نماذج تضمين النص. من الجدير بالذكر أن هناك مجموعة جديدة من الميزات قيد الإعداد، والتي قد توسع بشكل كبير من حالات استخدامها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية البيانات الذكية
يتم معالجة 500 مليون صف بيانات يوميًا، بإجمالي يتجاوز 55.6 مليار صف، ويدعم تخزين 100 جيجابايت. توفر بنية DataEntity وظائف أساسية مثل توحيد البيانات، وتحسين الفهارس، والتخزين الموزع. آلية التصويت المبتكرة "الجاذبية" تحقق تعديل الوزن الديناميكي.
البيانات هي نفط 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 إثبات العمل
تسمح TAOHash لعمال مناجم بيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، من خلال التعدين للحصول على رموز alpha لاستخدامها في الرهان أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر لمناجم العملات الرقمية مصدراً جديداً للدخل.
في غضون أسابيع قليلة، جذبت أكثر من 6EH/s من قوة الحوسبة (حوالي 0.7% من إجمالي قوة الحوسبة العالمية)، مما يثبت اعتراف السوق بهذا النموذج المختلط. يمكن للعمال المنجمين اختيار بين التعدين التقليدي لبيتكوين والحصول على رموز TAOHash، بناءً على ظروف السوق لتحسين العائد.
03، تحليل النظام البيئي
تكنولوجيا Bittensor الابتكارية أنشأت نظامًا بيئيًا فريدًا للذكاء الاصطناعي اللامركزي. يضمن خوارزمية الإجماع الخاصة بها جودة الشبكة من خلال التحقق اللامركزي، بينما يزيد آلية تخصيص الموارد السوقية التي أدخلتها ترقية dTAO بشكل ملحوظ من الكفاءة. كل شبكة فرعية مزودة بآلية AMM، مما يحقق اكتشاف الأسعار بين TAO و alpha الرموز، وهذا التصميم يسمح لقوى السوق بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.
تدعم بروتوكولات التعاون بين الشبكات الفرعية المعالجة الموزعة للمهام المعقدة للذكاء الاصطناعي، مما يشكل تأثيرًا قويًا للشبكة. تضمن هيكل الحوافز المزدوجة (إصدار TAO وزيادة قيمة الرموز المميزة alpha) الدوافع للمشاركة على المدى الطويل، حيث يمكن لمنشئي الشبكات الفرعية، وعمال المناجم، والمصادقين، والمشاركين في التوكيل الحصول على عوائد مناسبة، مما يشكل حلقة اقتصادية مستدامة.
بالمقارنة مع مزودي خدمات الذكاء الاصطناعي المركزيين التقليديين، يوفر Bittensor بديلاً حقيقياً لامركزياً يتميز بكفاءة تكلفة بارزة. تظهر عدة شبكة فرعية مزايا تكلفة ملحوظة، وهذه المزايا تأتي من تحسين كفاءة الهيكل اللامركزي. يعزز النظام البيئي المفتوح الابتكار السريع، حيث يتزايد عدد الشبكات الفرعية وجودتها، وتتفوق سرعة الابتكار بكثير على البحث والتطوير الداخلي في الشركات التقليدية.
ومع ذلك، فإن النظام البيئي يواجه أيضًا تحديات واقعية. لا تزال العوائق التكنولوجية مرتفعة، على الرغم من أن الأدوات في تحسن مستمر، إلا أن المشاركة في التعدين والتحقق تتطلب معرفة تقنية كبيرة. عدم اليقين في البيئة التنظيمية هو عامل خطر آخر، حيث قد يواجه شبكة الذكاء الاصطناعي اللامركزية سياسات تنظيمية مختلفة في الدول المختلفة. لن يجلس مقدمو خدمات السحابة التقليدية مكتوفي الأيدي، ومن المتوقع أن يطرحوا منتجات تنافسية. مع زيادة حجم الشبكة، أصبح من التحديات المهمة كيفية الحفاظ على التوازن بين الأداء واللامركزية.
النمو الانفجاري لصناعة الذكاء الاصطناعي يوفر فرص سوقية هائلة لـ Bittensor. من المتوقع أن ينمو سوق الذكاء الاصطناعي العالمي 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 دعم تطوير الذكاء الاصطناعي في مختلف البلدان نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزية، بينما زادت المخاوف بشأن خصوصية البيانات وأمان الذكاء الاصطناعي من الطلب على تقنيات مثل الحوسبة السرية، وهو ما يعد من المزايا الأساسية لبعض الشبكات الفرعية. يستمر اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي في الازدياد، حيث توفر مشاركة المؤسسات الشهيرة التمويل والدعم الموارد للنظام البيئي.
04، إطار استراتيجية الاستثمار
يتطلب الاستثمار في شبكة فرعية Bittensor إنشاء إطار تقييم منهجي. على المستوى الفني، يجب فحص درجة الابتكار وعمق الحماية، وقوة الفريق التقنية وقدرته على التنفيذ، فضلاً عن الأثر التكاملي مع مشاريع أخرى في النظام البيئي. على المستوى السوقي، يجب تحليل حجم السوق المستهدف وإمكانات النمو، وهيكل المنافسة والميزات التمايزية، وحالة اعتماد المستخدمين وتأثير الشبكة، فضلاً عن البيئة التنظيمية ومخاطر السياسة. على المستوى المالي، يجب التركيز على مستوى التقييم الحالي والأداء التاريخي، ونسبة انبعاث TAO واتجاه النمو، وملاءمة تصميم الاقتصاد الرمزي، وكذلك السيولة وعمق التداول.
في إدارة المخاطر المحددة، يعد الاستثمار المتنوع استراتيجية أساسية. يُنصح بتوزيع الاستثمارات بين أنواع مختلفة من الشبكات الفرعية، بما في ذلك النوع البني التحتية، والنوع التطبيقي، والنوع البروتوكولي. يجب أيضًا تعديل استراتيجية الاستثمار بناءً على مرحلة تطوير الشبكة الفرعية، حيث أن المشاريع في مرحلة مبكرة تحمل مخاطر عالية ولكن العوائد المحتملة كبيرة، بينما المشاريع الناضجة تكون أكثر استقرارًا ولكن مساحة النمو محدودة. بالنظر إلى أن سيولة رمز alpha قد لا تكون مثل TAO، من الضروري ترتيب نسبة تخصيص الأموال بشكل معقول، مع الحفاظ على حافة سيولة ضرورية.
ستصبح حدث نصف المكافأة الأول في نوفمبر 2025 محفزًا مهمًا للسوق. سيؤدي تقليل الإصدارات إلى زيادة ندرة الشبكة الفرعية الحالية، بينما قد يؤدي ذلك أيضًا إلى إقصاء المشاريع ذات الأداء الضعيف، مما سيعيد تشكيل المشهد الاقتصادي للشبكة بأكملها. يمكن للمستثمرين التخطيط مسبقًا لشبكات فرعية ذات جودة عالية، للاستفادة من نافذة التوزيع قبل نصف المكافأة.
على المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500، تغطي جميع المجالات الفرعية في صناعة الذكاء الاصطناعي. ستؤدي الزيادة في تطبيقات المؤسسات إلى دفع تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، وستصبح التعاونات عبر الشبكات الفرعية أكثر تكرارًا، مما يشكل سلسلة إمداد معقدة لخدمات الذكاء الاصطناعي. ستمكن الإطارات التنظيمية المتزايدة الوضوح الشبكات الفرعية المتوافقة من الحصول على ميزة واضحة.
على المدى الطويل، من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي، حيث قد تعتمد شركات الذكاء الاصطناعي التقليدية نمطًا مختلطًا ينقل جزءًا من أعمالها إلى الشبكات اللامركزية. ستظهر نماذج أعمال جديدة وسيناريوهات تطبيقات باستمرار، مع تعزيز التوافق مع شبكات blockchain الأخرى، مما يؤدي في النهاية إلى تشكيل نظام بيئي لامركزي أكبر. ستؤدي هذه المسار التطويري.