Sei يصل إلى أعلى مستوى له في 6 أشهر - ما الذي يدفع زخم النظام البيئي؟

الملخص: منذ فبراير، حقق الشبكة الفرعية نمواً سريعاً. هذه المقالة تستعرض الشبكات الفرعية المهمة وتقدم استراتيجيات استثمار رئيسية.

1. نظرة عامة على السوق: ترقية dTAO تُثير انفجارًا بيئيًا

في 13 فبراير 2025، رحبت شبكة Bittensor بالترقية التاريخية Dynamic TAO (dTAO)، التي حولت الشبكة من نموذج حوكمة مركزي إلى تخصيص موارد لامركزي مدفوع بالسوق. بعد الترقية، تمتلك كل شبكة فرعية رمز ألفا مستقل خاص بها، مما يسمح لحاملي TAO باختيار أهداف استثماراتهم بحرية، مما يحقق حقًا آلية اكتشاف قيمة موجهة نحو السوق.

تظهر البيانات أن ترقية dTAO قد أطلقت حيوية ابتكارية هائلة. خلال بضعة أشهر فقط، نمت Bittensor من 32 شبكة فرعية إلى 118 شبكة فرعية نشطة، بزيادة قدرها 269%. تغطي هذه الشبكات الفرعية مختلف القطاعات الفرعية في صناعة الذكاء الاصطناعي، بدءًا من الاستدلال النصي الأساسي وتوليد الصور إلى تقنيات طي البروتين المتطورة والتداول الكمي، مما يشكل أكثر نظام بيئي لامركزي كامل للذكاء الاصطناعي حتى الآن.

أداء السوق مثير للإعجاب بنفس القدر. لقد نمت القيمة السوقية الإجمالية لأفضل الشبكات الفرعية من 4 ملايين دولار أمريكي قبل الترقية إلى 690 مليون دولار أمريكي، مع استقرار العوائد السنوية على الرهانات عند 16-19%. كل شبكة فرعية توزع الحوافز الشبكية بناءً على معدلات الرهانات المدفوعة بالسوق، حيث تمثل أفضل 10 شبكات فرعية 51.76% من انبعاثات الشبكة، مما يعكس آلية السوق للبقاء للأصلح.

https://taostats.io/subnets

2. تحليل الشبكة الأساسية (أعلى 10 انبعاثات)

1. @chutes_ai، Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم

القيمة الأساسية: ابتكار تجربة نشر نموذج الذكاء الاصطناعي وتقليل تكاليف الحوسبة بشكل كبير.

تتبنى Chutes بنية "الإطلاق الفوري"، مما يضغط وقت بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، محققة كفاءة تصل إلى 10 أضعاف مقارنةً بالخدمات السحابية التقليدية. مع وجود أكثر من 8000 عقدة GPU حول العالم، تدعم النماذج الرائجة من DeepSeek R1 إلى GPT-4، وتعالج أكثر من 5 ملايين طلب يوميًا، مع التحكم في زمن الاستجابة ضمن 50 مللي ثانية.

نموذج الأعمال ناضج، حيث يستخدم استراتيجية مجانية لجذب المستخدمين. من خلال التكامل مع منصة OpenRouter، تقدم Chutes دعمًا لقوة الحوسبة للنماذج الشعبية مثل DeepSeek V3، مما يولد إيرادات من كل استدعاء API. الميزة التكلفة كبيرة، حيث تقل بنسبة 85% عن AWS Lambda. حاليًا، يتجاوز إجمالي استخدام الرموز 9042.37B، ويخدم أكثر من 3000 عميل من الشركات.

بلغت قيمة dTAO السوقية 100 مليون دولار أمريكي بعد 9 أسابيع من الإطلاق، مع قيمة سوقية حالية تبلغ 79 مليون. لديها خندق تكنولوجي قوي، وتقدم سلس في الترويج التجاري، ومستوى عالٍ من الاعتراف في السوق، وتقود حالياً الشبكة الفرعية.

https://chutes.ai/app/research

2. @celiumcompute، Celium (SN51) - تحسين حسابات الأجهزة

القيمة الأساسية: تحسين الأجهزة الأساسية لتعزيز كفاءة حسابات الذكاء الاصطناعي

تم تطويره بواسطة Datura AI، مع التركيز على تحسين الحسابات على مستوى الأجهزة. يزيد من كفاءة استخدام الأجهزة من خلال أربعة وحدات تقنية رئيسية: جدولة GPU، تجريد الأجهزة، تحسين الأداء، وإدارة كفاءة الطاقة. يدعم مجموعة كاملة من الأجهزة بما في ذلك NVIDIA A100/H100 وAMD MI200 وIntel Xe، مع انخفاض الأسعار بنسبة 90% مقارنة بالمنتجات المماثلة، وتحسين كفاءة الحسابات بنسبة 45%.

https://celiumcompute.ai/

حاليًا، تعتبر Celium ثاني أكبر شبكة فرعية من حيث الانبعاثات على Bittensor، حيث تمثل 7.28% من انبعاثات الشبكة. تحسين الأجهزة هو جانب أساسي من بنية الذكاء الاصطناعي، مع اتجاه تصاعدي قوي في الحواجز التقنية وزيادة الأسعار، وتبلغ قيمتها حاليًا 56 مليون.

3. @TargonCompute، Targon (SN4) - منصة استدلال الذكاء الاصطناعي اللامركزية

القيمة الأساسية: تكنولوجيا الحوسبة السرية، لضمان خصوصية البيانات وأمانها.

جوهر تارغون هو TVM (آلة تارغون الافتراضية)، وهي منصة حوسبة سرية وآمنة تدعم تدريب و استدلال والتحقق من نماذج الذكاء الاصطناعي. تستفيد TVM من تقنيات الحوسبة السرية مثل Intel TDX وNVIDIA الحوسبة السرية لضمان أمان وخصوصية سير عمل الذكاء الاصطناعي بالكامل. يدعم النظام التشفير من طرف إلى طرف من مستوى الأجهزة إلى مستوى التطبيقات، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي القوية دون المساس بالبيانات.

تكنولوجيا تارغون لديها عتبة عالية، ونموذج عمل واضح، ومصدر دخل مستقر. حاليًا، تم بدء آلية إعادة شراء الإيرادات، حيث يتم استخدام جميع الدخل لعمليات إعادة شراء الرموز، وكانت آخر عملية إعادة شراء بقيمة 18,000 دولار أمريكي.

4. @tplr_ai، τemplar (SN3) - أبحاث الذكاء الاصطناعي والتدريب الموزع

القيمة الأساسية: التدريب التعاوني على نماذج الذكاء الاصطناعي الكبيرة، مما يقلل من عتبة التدريب.

Templar هو شبكة فرعية رائدة مخصصة للتدريب الموزع على نطاق واسع لنماذج الذكاء الاصطناعي على شبكة Bittensor، مع مهمة أن تصبح "أفضل منصة لتدريب النماذج في العالم." تتعاون في التدريب من خلال موارد GPU التي يساهم بها المشاركون العالميون، مع التركيز على تدريب النماذج المتعاون والتجديد المتقدم، مع التأكيد على مكافحة الغش والتعاون الفعال.

فيما يتعلق بالإنجازات التكنولوجية، أكمل تيمبلار بنجاح تدريب نموذج بمقدار 1.2 مليار معلمة، حيث خضع لأكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة رسومية طوال العملية. في عام 2024، سيقوم بتحديث آلية الالتزام والكشف لتعزيز لامركزية التحقق والأمان؛ في عام 2025، سيواصل التقدم في تدريب النماذج الكبيرة، حيث يصل حجم المعلمات إلى 70 مليار وأكثر، مما يؤدي بمستوى مقارن مع معايير الصناعة في اختبارات معيار الذكاء الاصطناعي القياسية، ويتلقى تأييدًا شخصيًا من مؤسس بيتينسور كونست.

تتميز مزايا تيمبلار التكنولوجية بوضوح، حيث تبلغ القيمة السوقية الحالية 35 مليون، مما يمثل 4.79% من الانبعاثات.

5. @gradients_ai، Gradients (SN56) - تدريب الذكاء الاصطناعي اللامركزي

القيمة الأساسية: جعل تدريب الذكاء الاصطناعي متاحًا للجمهور، مما يقلل بشكل كبير من حواجز التكلفة.

تم تطويره أيضًا بواسطة Rayon Labs، حيث يعالج نقاط الألم المتعلقة بتكاليف تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يعتمد نظام الجدولة الذكي على مزامنة التدرجات، مما يتيح تخصيص المهام بكفاءة لآلاف وحدات معالجة الرسوميات. تم إكمال تدريب نموذج يحتوي على 118 تريليون معلمة بتكلفة 5 دولارات فقط في الساعة، وهو أقل تكلفة بنسبة 70% من خدمات السحابة التقليدية وأسرع بنسبة 40% من الحلول المركزية. تقلل واجهة النقر الواحدة من عتبة الاستخدام، مع وجود أكثر من 500 مشروع تستخدمها بالفعل لضبط النماذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.

مع قيمة سوقية حالية تبلغ 30 مليون، وطلب قوي في السوق، ومزايا تكنولوجية واضحة، فهي واحدة من الشبكات الفرعية التي تستحق اهتمامًا طويل الأمد.

https://x.com/rayon_labs/status/1911932682004496800

6. @taoshiio، التداول الخاص (SN8) - التداول الكمي المالي

القيمة الأساسية: إشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي وتوقعات مالية

SN8 هي منصة تداول كمية لامركزية وتنبؤات مالية تستخدم إشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي. تستخدم شبكة التداول الخاصة بها تقنية تعلم الآلة في توقعات السوق المالية، مما يبني بنية نموذج تنبؤ متعدد الطبقات. يدمج نموذج التنبؤ الزمني تقنيتي LSTM و Transformer، وقادر على التعامل مع بيانات السلاسل الزمنية المعقدة. يوفر نموذج تحليل مشاعر السوق مؤشرات المشاعر كإشارات مساعدة للتوقعات من خلال تحليل وسائل التواصل الاجتماعي ومحتوى الأخبار.

على الموقع الإلكتروني، يمكنك رؤية العائدات والاختبارات الخلفية للاستراتيجيات المقدمة من قبل مختلف المعدنين. تجمع SN8 بين الذكاء الاصطناعي و blockchain لتقديم نهج تداول مبتكر في السوق المالية، مع قيمة سوقية حالية تبلغ 27 مليون.

https://dashboard.taoshi.io/miner/5Fhhc5Uex4XFiY7V3yndpjsPnfKp9F4EhrzWJg7cY6sWhYGS

7. @_scorevision، Score (SN44) - تحليل وتقييم الرياضة

القيمة الأساسية: تحليل الفيديو الرياضي، استهداف صناعة كرة القدم التي تبلغ قيمتها 600 مليار دولار

إطار رؤية حاسوبية يركز على تحليل فيديو الرياضة والذي يقلل من تكلفة تحليل الفيديو المعقد من خلال تقنية التحقق الخفيفة. يستخدم عملية تحقق من خطوتين: كشف الملعب وفحص الكائنات المعتمد على CLIP، مما يقلل من تكلفة التوصيف التقليدية التي تصل إلى آلاف الدولارات لكل مباراة إلى 1/10 إلى 1/100. بالتعاون مع Data Universe، تتمتع وكلاء DKING AI بدقة توقع متوسطة تصل إلى 70%، مع دقة قصوى يومية تصل إلى 100%.

https://x.com/webuildscore/status/1942893100516401598

تعتبر صناعة الرياضة كبيرة من حيث الحجم، مع ابتكارات تكنولوجية كبيرة وآفاق سوق واسعة. يتمتع Score باتجاه تطبيق واضح للشبكة الفرعية ويستحق الانتباه.

8. @openkaito، OpenKaito (SN5) - استدلال نص مفتوح المصدر

القيمة الجوهرية: تطوير نموذج تضمين النص، تحسين استرجاع المعلومات

تتركز OpenKaito على تطوير نماذج تضمين النصوص، بدعم من Kaito، وهو لاعب مهم في مجال InfoFi. كمشروع مفتوح المصدر مدفوع بالمجتمع، تكرس OpenKaito جهودها لبناء قدرات فهم النصوص والتفكير عالية الجودة، خاصة في مجالات استرجاع المعلومات والبحث الدلالي.

الشبكة الفرعية لا تزال في مرحلة البناء المبكرة، حيث تركز بشكل رئيسي على بناء نظام بيئي حول نماذج تضمين النصوص. من الجدير بالذكر التكامل القادم مع يابس، الذي قد يوسع بشكل كبير من سيناريوهات تطبيقه وقاعدة مستخدميه.

9. @MacrocosmosAI، عالم البيانات (SN13) - بنية تحتية للبيانات المدعومة بالذكاء الاصطناعي

القيمة الأساسية: معالجة البيانات على نطاق واسع، تزويد بيانات تدريب الذكاء الاصطناعي

معالجة 500 مليون صف من البيانات يوميًا، بإجمالي يزيد عن 55.6 مليار صف، يدعم 100 جيجابايت من التخزين. توفر بنية DataEntity وظائف أساسية مثل توحيد البيانات، وتحسين الفهارس، والتخزين الموزع. يحقق آلية التصويت "الجاذبية" المبتكرة تعديل الوزن الديناميكي.

https://www.macrocosmos.ai/sn13/dashboard

البيانات هي زيت الذكاء الاصطناعي، قيمة البنية التحتية مستقرة، والموطن البيئي مهم. باعتبارها مزود بيانات لعدة شبكات فرعية، فإن التعاون العميق مع مشاريع مثل Score يعكس قيمة البنية التحتية.

10. @taohash، TAOHash (SN14) - قوة تعدين PoW

القيمة الأساسية: ربط التعدين التقليدي وحوسبة الذكاء الاصطناعي، ودمج موارد قوة الحوسبة.

تسمح TAOHash لعمال مناجم البيتكوين بتحويل قوة التجزئة الخاصة بهم إلى شبكة Bittensor، وكسب رموز ألفا من خلال التعدين من أجل التخزين أو التداول. يجمع هذا النموذج بين التعدين التقليدي PoW وحوسبة الذكاء الاصطناعي، مما يوفر لعمال المناجم مصدر دخل جديد.

في غضون أسابيع قليلة، جذبت أكثر من 6 EH/s من قوة الحوسبة (حوالي 0.7% من القوة الحوسبية العالمية)، مما يثبت اعتراف السوق بهذا النموذج الهجين. يمكن للمعدنين الاختيار بين تعدين البيتكوين التقليدي وكسب رموز TAOHash، مما يساعدهم في تحسين عوائدهم بناءً على ظروف السوق.

11. @CreatorBid، Creator.Bid - منصة الإطلاق لنظام وكيل الذكاء الاصطناعي

Creator.Bid، على الرغم من أنه ليس شبكة فرعية، يلعب دورًا تنسيقيًا مهمًا في نظام Bittensor البيئي. يعتمد نظام Creator.Bid البيئي على ثلاثة أعمدة رئيسية. يوفر وحدة Launchpad خدمات إطلاق وكلاء الذكاء الاصطناعي بشكل عادل وشفاف، موفرًا نقطة انطلاق آمنة وشفافة لوكلاء الذكاء الاصطناعي الجدد من خلال عقود ذكية للإطلاق العادل ضد التخريب وآليات الإطلاق التنسيقي. توحد وحدة Tokenomics النظام البيئي بالكامل من خلال رمز BID، موفرةً لوكلاء الذكاء الاصطناعي نموذج دخل مستدام. توفر وحدة Hub خدمات قوية مدفوعة بواجهات برمجة التطبيقات، بما في ذلك أتمتة المحتوى، وواجهات برمجة تطبيقات الوسائط الاجتماعية، ونماذج الصور الدقيقة.

تتمثل الابتكارات الأساسية للمنصة في مفهوم مفاتيح الوكلاء. تتيح هذه الرموز الرقمية للأعضاء للمبدعين بناء مجتمعات حول وكلاء الذكاء الاصطناعي وتحقيق الملكية المشتركة. يحصل كل وكيل ذكاء اصطناعي على هوية فريدة من خلال خدمة أسماء الوكلاء (ANS)، والتي تتحقق في شكل رموز غير قابلة للاستبدال (NFTs)، مما يضمن أن يكون لكل وكيل معرف غير قابل للتكرار. يمكن للمستخدمين إدخال سمات الشخصية من خلال مطالبات بسيطة، مما ينتج عنه وكلاء ذكاء اصطناعي كاملين الوظائف دون الحاجة إلى معرفة برمجية.

على الرغم منCreator.Bidمبني على شبكة Base نفسها، لكنه قد أنشأ علاقة تعاون عميقة مع نظام Bittensor البيئي. من خلال تشغيل مجلس TAO،Creator.Bidجمع أفضل الشبكات الفرعية مثل BitMind (SN34) و Dippy (SN11 & SN58)، أصبحت "الطبقة المنسقة لوكلاء محاذاة TAO والشبكات الفرعية والبناة."

تتمثل قيمة هذه العلاقة التعاونية في دمج مزايا الشبكات المختلفة. يوفر Bittensor قدرات قوية في الاستدلال والتدريب على الذكاء الاصطناعي، بينما يقدم Creator.Bid منصة سهلة الاستخدام لإنشاء الوكلاء وإطلاقهم. يسمح الجمع بين النظامين البيئيين للمطورين بالاستفادة من قدرات الذكاء الاصطناعي في Bittensor لإنشاء الوكلاء، ثم تحويلهم إلى رموز وتمكين المجتمع من خلال Launchpad الخاص بـ Creator.Bid.

تعاوننا مع ساحة وكيل الذكاء الاصطناعي من ماسا (SN59) يوضح هذه التآزر بشكل أكبر.Creator.Bidتوفير أداة لإنشاء وكيل للمنطقة، مما يسمح للمستخدمين بنشر وكلاء الذكاء الاصطناعي بسرعة للمشاركة في المسابقات. إن هذا النموذج التعاوني عبر الأنظمة البيئية أصبح اتجاهًا مهمًا في مجال الذكاء الاصطناعي اللامركزي.

3. تحليل النظام البيئي

المزايا الأساسية للهندسة التقنية

لقد أسست الابتكارات التكنولوجية لبتيتنسور نظامًا بيئيًا فريدًا للذكاء الاصطناعي اللامركزي. يضمن خوارزمية توافق يونا جودة الشبكة من خلال التحقق اللامركزي، بينما تعزز آلية تخصيص الموارد المعتمدة على السوق التي قدمها ترقية dTAO الكفاءة بشكل كبير. يتم تجهيز كل شبكة فرعية بآلية AMM لتحقيق اكتشاف الأسعار بين رموز TAO ورموز alpha، مما يسمح للقوى السوقية بالمشاركة مباشرة في تخصيص موارد الذكاء الاصطناعي.

بروتوكول التعاون بين الشبكات الفرعية يدعم المعالجة الموزعة للمهام المعقدة في الذكاء الاصطناعي، مما يخلق تأثير شبكة قوي. هيكل الحوافز المزدوج (انبعاثات TAO بالإضافة إلى تقدير رمز alpha) يضمن دافع المشاركة على المدى الطويل، مما يسمح لمبدعي الشبكات الفرعية، وعمال المناجم، والمدققين، والمستثمرين بتلقي المكافآت المناسبة، مما يشكل حلقة اقتصادية مغلقة مستدامة.

المزايا التنافسية والتحديات التي تواجهها

مقارنة بمقدمي خدمات الذكاء الاصطناعي المركزيين التقليديين، تقدم Bittensor بديلاً لامركزياً حقيقياً يتفوق في كفاءة التكلفة. تظهر العديد من الشبكات الفرعية مزايا تكلفة كبيرة، حيث تكون Chutes أرخص بنسبة 85% من AWS؛ وتأتي هذه الميزة في التكلفة من مكاسب الكفاءة الناتجة عن بنية لامركزية. يعزز النظام البيئي المفتوح الابتكار السريع، مع تحسين العدد وجودة الشبكات الفرعية باستمرار، كما أن وتيرة الابتكار تتجاوز بكثير تلك الخاصة بالبحث والتطوير الداخلي التقليدي.

ومع ذلك، تواجه النظام البيئي تحديات حقيقية. لا يزال العتبة التقنية مرتفعة؛ على الرغم من التحسين المستمر للأدوات، 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 الذكية اللامركزية سياسات تنظيمية مختلفة في دول مختلفة. من المتوقع أن لا يتجاهل مقدمو خدمات السحابة التقليديون مثل AWS و Google Cloud، ومن المتوقع أن يطلقوا منتجات تنافسية. مع توسيع الشبكة، أصبح الحفاظ على التوازن بين الأداء واللامركزية اختبارًا مهمًا أيضًا.

لقد وفرت النمو السريع لصناعة الذكاء الاصطناعي لبتيتنسور فرصاً سوقية ضخمة. تتوقع غولدمان ساكس أن يصل الاستثمار العالمي في الذكاء الاصطناعي إلى حوالي 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 في عام 2032، بمعدل نمو سنوي مركب قدره 29%، مما يخلق مساحة واسعة لتطوير بنية تحتية للذكاء الاصطناعي اللامركزي.

لقد خلقت سياسات الدعم لتطوير الذكاء الاصطناعي في مختلف البلدان نافذة فرص للبنية التحتية للذكاء الاصطناعي اللامركزي. في الوقت نفسه، أدت الزيادة في الاهتمام بخصوصية البيانات وأمان الذكاء الاصطناعي إلى ارتفاع الطلب على تقنيات مثل الحوسبة السرية، وهو بالضبط المكان الذي تكمن فيه المزايا الأساسية للشبكات الفرعية مثل Targon. يستمر اهتمام المستثمرين المؤسسيين بالبنية التحتية للذكاء الاصطناعي في النمو، ويقدم مشاركة المؤسسات المعروفة مثل DCG و Polychain دعمًا ماليًا وموارد للنظام البيئي.

4. إطار استراتيجية الاستثمار

يتطلب الاستثمار في شبكة Bittensor إنشاء إطار تقييم منهجي. على المستوى الفني، من الضروري فحص درجة الابتكار وعمق الحواجز، القوة التقنية وقدرة التنفيذ للفريق، فضلاً عن التأثيرات التآزرية مع المشاريع الأخرى في النظام البيئي. على المستوى السوقي، من المهم تحليل حجم السوق المستهدف وإمكانات النمو، المشهد التنافسي ومزايا التمايز، اعتماد المستخدمين وتأثيرات الشبكة، فضلاً عن البيئة التنظيمية ومخاطر السياسة. على المستوى المالي، ينبغي إيلاء الاهتمام لمستويات التقييم الحالية والأداء التاريخي، نسبة انبعاثات TAO واتجاهات النمو، عقلانية تصميم اقتصاديات الرموز، فضلاً عن السيولة وعمق التداول.

في إدارة المخاطر المحددة، يعتبر التنويع استراتيجية أساسية. يُوصى بتنويع الاستثمارات عبر أنواع مختلفة من الشبكات الفرعية، بما في ذلك أنواع البنية التحتية (مثل Chutes و Celium) ، وأنواع التطبيقات (مثل Score و BitMind) ، وأنواع البروتوكولات (مثل Targon و Templar). في الوقت نفسه، يجب تعديل استراتيجيات الاستثمار وفقًا لمرحلة تطوير الشبكة الفرعية؛ المشاريع المبكرة تحمل مخاطر عالية ولكنها تحمل عوائد مرتفعة محتملة، بينما المشاريع الناضجة تكون مستقرة نسبيًا ولكن لديها إمكانات نمو محدودة. بالنظر إلى أن سيولة الرموز الأولية قد لا تكون عالية مثل TAO، فإنه من الضروري ترتيب نسبة تخصيص الأموال بشكل معقول والحفاظ على هامش سيولة ضروري.

ستصبح أول حدث لخفض المكافآت في نوفمبر 2025 محفزًا مهمًا في السوق. سيؤدي تقليل الانبعاثات إلى زيادة ندرة الشبكات الفرعية الحالية بينما قد يقضي على المشاريع التي تعاني من ضعف الأداء، مما يعيد تشكيل المشهد الاقتصادي للشبكة بأكملها. يمكن للمستثمرين أن يضعوا أنفسهم مسبقًا في الشبكات الفرعية عالية الجودة لاقتناص فرصة التخصيص قبل خفض المكافآت.

في المدى المتوسط، من المتوقع أن يتجاوز عدد الشبكات الفرعية 500، تغطي قطاعات متنوعة من صناعة الذكاء الاصطناعي. ستؤدي الزيادة في التطبيقات على مستوى المؤسسات إلى دفع تطوير الشبكات الفرعية المتعلقة بالحوسبة السرية وخصوصية البيانات، وستصبح التعاونات عبر الشبكات الفرعية أكثر شيوعًا، مما يشكل سلسلة توريد خدمات الذكاء الاصطناعي المعقدة. ستمنح التوضيحات التدريجية لإطار العمل التنظيمي الشبكات الفرعية المتوافقة ميزة كبيرة.

على المدى الطويل، من المتوقع أن يصبح Bittensor جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي، وقد تتبنى شركات الذكاء الاصطناعي التقليدية نموذجًا هجينًا، حيث تنتقل بعض عملياتها إلى الشبكات اللامركزية. ستستمر نماذج الأعمال الجديدة وسيناريوهات التطبيقات في الظهور، مع تحسين التفاعل مع شبكات البلوكشين الأخرى، مما يؤدي في النهاية إلى تشكيل نظام بيئي لامركزي أكبر. إن مسار التطوير هذا مشابه لتطور بنية الإنترنت المبكرة، وسيجني المستثمرون الذين يمكنهم استغلال النقاط الرئيسية مكافآت كبيرة.

5. الخاتمة

يمثل نظام بتيتنسور البيئي نموذجًا جديدًا في تطوير بنية الذكاء الاصطناعي. من خلال تخصيص الموارد الموجه نحو السوق وآليات الحوكمة اللامركزية، فإنه يوفر تربة جديدة للابتكار في الذكاء الاصطناعي، مع عرض حيوية ابتكارية ملحوظة وإمكانية نمو. في ظل التطور السريع لصناعة الذكاء الاصطناعي، يستحق بتيتنسور ونظامه الفرعي اهتمامًا مستمرًا وأبحاثًا متعمقة.

بيان:

1. تم إعادة نشر هذه المقالة من [BiteyeCN] حقوق النشر تعود للمؤلف الأصلي [*مساهم أساسي في Biteye[@lviswang] إذا كان لديك أي اعتراضات على إعادة النشر، يرجى الاتصال بـ فريق Gate Learnسيتولى الفريق معالجته في أقرب وقت ممكن وفقًا للإجراءات ذات الصلة.
2. تنبيه: الآراء والأفكار المعبر عنها في هذه المقالة هي آراء الكاتب ولا تشكل أي نصيحة استثمارية.
3. نسخ أخرى من المقالة مترجمة بواسطة فريق Gate Learn، ما لم يُذكر خلاف ذلك.بوابةلا يجوز تحت أي ظرف من الظروف نسخ المقالات المترجمة أو نشرها أو انتحالها.