دليل استثمار شبكة فرعية Bittensor: اغتنام فرص تطور الذكاء الاصطناعي
في فبراير 2025، أطلق شبكة Bittensor ترقية Dynamic TAO (dTAO)، والتي حولت نموذج الحوكمة إلى توزيع الموارد اللامركزي المدفوع بالسوق. أثارت هذه الترقية حيوية الابتكار في النظام البيئي بشكل كبير، حيث ارتفع عدد الشبكات الفرعية النشطة من 32 إلى 118 خلال بضعة أشهر فقط، وهو ما يمثل زيادة بنسبة 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، بدءًا من الاستدلال النصي الأساسي، وتوليد الصور، إلى طي البروتينات المتقدمة، والتداول الكمي، مما أدى إلى بناء أكثر أنظمة الذكاء الاصطناعي اللامركزية شمولاً في الوقت الحالي.
أداء السوق كان لامعًا أيضًا. ارتفع إجمالي القيمة السوقية لأفضل شبكة فرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، وثبتت عائدات التثبيت السنوية في نطاق 16-19%. تم توزيع الحوافز الشبكية على الشبكات الفرعية وفقًا لمعدل التثبيت على أساس السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من انبعاثات الشبكة، مما يعكس آلية السوق القائمة على انتقاء الأفضل.
تحليل الشبكة الأساسية (أعلى 10 تصريفات)
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكلفة الحوسبة بشكل كبير
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مع زيادة الكفاءة بمقدار 10 مرات. تدعم أكثر من 8000 عقدة GPU في جميع أنحاء العالم النماذج الرائجة، ومعالجة أكثر من 5 ملايين طلب يوميًا، مع التحكم في تأخير الاستجابة ضمن 50 مللي ثانية.
نموذج العمل ناضج، يعتمد على استراتيجية القيمة المضافة المجانية. من خلال التكامل مع منصة مفتوحة معينة، يوفر دعم قوة حساب النماذج الشهيرة. الميزة التكاليفية بارزة، أقل بنسبة 85% من خدمة سحابية معينة. حاليا، تجاوز إجمالي استخدام التوكن 9042.37B، ويخدم أكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، تجاوزت القيمة السوقية 100 مليون دولار، والآن هي 79 مليون، ولديها حواجز تقنية عميقة، وتقدم تجاري سلس، ومرتفع في مستوى اعتراف السوق، وهي حاليًا رائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حساب الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، وزيادة كفاءة حسابات الذكاء الاصطناعي
تركيز على تحسين الحساب 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. تدعم السلاسل الرئيسية من GPU، وتقلل الأسعار بنسبة 90% مقارنة بالمنتجات المماثلة، مع زيادة كفاءة الحساب بنسبة 45%.
حاليًا، تعد شبكة Bittensor ثاني أكبر شبكة فرعية من حيث الانبعاثات، حيث تمثل 7.28% من إجمالي انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية AI التحتية، ويشكل حاجزًا تقنيًا، مع اتجاه قوي لارتفاع الأسعار، والقيمة السوقية الحالية 56M.
القيمة الأساسية: تقنية الحوسبة السرية، لضمان أمان خصوصية البيانات
نواة Targon هي TVM (آلة Targon الافتراضية) ، وهي منصة آمنة للحساب السري تدعم تدريب نماذج الذكاء الاصطناعي والاستدلال والتحقق. تستخدم تقنيات الحساب السري المتقدمة لضمان أمان سير عمل الذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من الطرف إلى الطرف ، ويمكن للمستخدمين استخدام خدمات الذكاء الاصطناعي دون الكشف عن البيانات.
عائق تقني مرتفع، نموذج العمل واضح، وهناك مصدر دخل ثابت. تم تفعيل آلية إعادة شراء الإيرادات، وكانت آخر عملية إعادة شراء بقيمة 18,000 دولار.
4. τemplar (SN3) - بحث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: التدريب التعاوني على نماذج الذكاء الاصطناعي على نطاق واسع، خفض عتبة التدريب
متخصص في التدريب الموزع لنماذج الذكاء الاصطناعي الكبيرة، الهدف هو أن نصبح "أفضل منصة لتدريب النماذج في العالم". من خلال التعاون في التدريب باستخدام موارد GPU للمشاركين من جميع أنحاء العالم، نركز على التدريب التعاوني للنماذج المتقدمة والابتكار.
تم الانتهاء من تدريب نموذج بمعلمات 1.2B، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة الرسوم. في عام 2024، سيتم ترقية آلية التحقق، لتعزيز اللامركزية والأمان؛ وفي عام 2025، سيتم دفع تدريب النموذج الكبير، ليصل حجم المعلمات إلى 70B+، والأداء يعادل المعايير الصناعية.
الميزة التقنية بارزة، القيمة السوقية الحالية 35 مليون، تمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي بشكل مدني، وتقليل عتبة التكلفة بشكل كبير
حل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكي بتوزيع المهام بشكل فعال على الآلاف من وحدات معالجة الرسومات. تم إكمال تدريب نموذج يحتوي على 118 مليون مليار معلمة، بتكلفة لا تتجاوز 5 دولارات في الساعة، مما يجعله أرخص بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أسرع بنسبة 40%. تقلل واجهة الاستخدام بنقرة واحدة من عتبة الاستخدام، حيث تم استخدام أكثر من 500 مشروع لتعديل النموذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M ، الطلب في السوق كبير ، الميزة التقنية واضحة ، يستحق المتابعة على المدى الطويل.
6. التداول الخاص (SN8) - تداول كمي مالي
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة تداول كمي لامركزية وتوقعات مالية، إشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي. تطبيق شبكة تداول خاصة تقنيات التعلم الآلي في توقعات الأسواق المالية، وبناء هيكل نموذج توقع متعدد الطبقات. تدمج نماذج التوقع الزمنية تقنيات LSTM وTransformer، لمعالجة بيانات السلاسل الزمنية المعقدة. يحلل وحدة تحليل المشاعر السوقية محتوى وسائل التواصل الاجتماعي والأخبار، ويقدم مؤشرات المشاعر كإشارات مساعد للتوقع.
يعرض الموقع عوائد واختبارات استراتيجيات مقدمة من مختلف المعدنين. بالجمع بين الذكاء الاصطناعي و blockchain، يقدم طرق مبتكرة للتداول في الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النقاط (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل فيديو الرياضة، تستهدف صناعة كرة القدم بقيمة 6000 مليار دولار
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 المستند إلى CLIP، مما يخفض تكلفة التسمية التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع منصة بيانات معينة، بلغ متوسط دقة توقعات الوكلاء الذكيين 70%، وقد وصلت إلى دقة 100% في يوم واحد.
صناعة الرياضة ذات حجم ضخم، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هي شبكة فرعية ذات اتجاهات تطبيقية واضحة، تستحق الاهتمام.
8. OpenKaito (SN5) - استنتاج النصوص مفتوح المصدر
القيمة الأساسية: تطوير نموذج تضمين النص، تحسين استرجاع المعلومات
تتركز على تطوير نماذج تضمين النصوص بدعم من المشاركين الرئيسيين في مجال استرجاع المعلومات. كمشروع مفتوح المصدر مدفوع من المجتمع، يهدف إلى بناء قدرة عالية الجودة على فهم النصوص واستنتاجها، وخاصة في مجالات استرجاع المعلومات والبحث الدلالي.
لا تزال الشبكة الفرعية في مرحلة البناء المبكر، حيث تركز بشكل أساسي على بناء نظام بيئي حول نماذج تضمين النصوص. من المقرر أن يكون هناك تكامل قادم يستحق الاهتمام، والذي قد يوسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية تحتية للبيانات الذكائية
القيمة الأساسية: معالجة البيانات على نطاق واسع، إمداد بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف من البيانات يوميًا، بإجمالي يزيد عن 55.6 مليار صف، ويدعم تخزينًا يصل إلى 100 جيجابايت. توفر البنية المبتكرة وظائف أساسية مثل توحيد البيانات، تحسين الفهرسة، والتخزين الموزع. آلية التصويت الابتكارية "الجاذبية" تحقق تعديل الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، قيمة البنية التحتية مستقرة، والموضع البيئي مهم. باعتبارها مزود بيانات لشبكات فرعية متعددة، تتعاون بعمق مع مشاريع أخرى، مما يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - التعدين بواسطة قوة الحساب PoW
القيمة الأساسية: ربط التعدين التقليدي بالحوسبة الذكية، دمج موارد القوة الحاسوبية
يسمح لعمال مناجم البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، للحصول على رموز من خلال التعدين لاستخدامها في الرهان أو التداول. يجمع بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر مصدر دخل جديد للعمال.
جذب أكثر من 6EH/s من قوة الحوسبة في فترة قصيرة (حوالي 0.7% من إجمالي السوق) ، مما يثبت اعتراف السوق بالنموذج المختلط. يمكن للعمال اختيار التعدين التقليدي لبيتكوين أو الحصول على رموز TAOHash ، وفقًا لظروف السوق لتحسين العائد.
تحليل النظام البيئي
الميزة الأساسية لبنية التكنولوجيا:
نظام بيئي فريد من نوعه للذكاء الاصطناعي اللامركزي
آلية توزيع الموارد القائمة على السوق تعزز الكفاءة
شبكة فرعية التعاون يدعم المعالجة الموزعة لمهام الذكاء الاصطناعي المعقدة
هيكل الحوافز المزدوجة يضمن دافع المشاركة على المدى الطويل
الميزة التنافسية:
بديل لامركزي حقيقي
ميزة كبيرة في كفاءة التكلفة
نظام بيئي مفتوح يعزز الابتكار السريع
مواجهة التحديات:
لا تزال العوائق التقنية مرتفعة
عدم اليقين في البيئة التنظيمية
المنافسة بين مزودي خدمات السحابة التقليدية
توازن الأداء واللامركزية
فرص السوق:
النمو الانفجاري لصناعة الذكاء الاصطناعي يوفر مساحة سوقية هائلة
سياسات الدعم من الدول تخلق فرص التنمية
استمرار اهتمام المستثمرين المؤسسيين
إطار استراتيجية الاستثمار
أبعاد التقييم:
التقنية: درجة الابتكار، عمق الحماية، قوة الفريق، التعاون البيئي
السوق: حجم الهدف، هيكل المنافسة، اعتماد المستخدمين، مخاطر تنظيمية
المالية: مستوى التقييم، نسبة إصدار TAO، الاقتصاد الرمزي، السيولة
إدارة المخاطر:
استثمار متنوع في أنواع مختلفة من الشبكات الفرعية
تعديل الاستراتيجية وفقًا لمرحلة التطور
تنظيم نسبة تخصيص الأموال بشكل معقول
نقاط رئيسية:
حدث التخفيض الأول في نوفمبر 2025
عدد الشبكات الفرعية يتجاوز 500
زيادة تطبيقات المؤسسات تعزز من متطلبات الامتثال
التعاون المتكرر عبر الشبكات الفرعية يشكل سلسلة توريد خدمات الذكاء الاصطناعي
التوقعات طويلة الأجل:
أن تصبح جزءًا مهمًا من البنية التحتية العالمية للذكاء الاصطناعي
شركات الذكاء الاصطناعي التقليدية تعتمد على نموذج مختلط
تتزايد نماذج الأعمال الجديدة وسيناريوهات التطبيقات باستمرار
تعزيز التفاعل مع شبكات البلوكشين الأخرى
يمثل نظام Bittensor البيئي نموذجًا جديدًا لتطوير بنية تحتية للذكاء الاصطناعي من خلال تخصيص الموارد في السوق وآليات الحكم اللامركزية لتوفير تربة جديدة للابتكار في الذكاء الاصطناعي. في ظل التطور السريع لصناعة الذكاء الاصطناعي، يستحق نظام Bittensor ونظامه البيئي الفرعي الاهتمام المستمر والدراسة المتعمقة.
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 11
أعجبني
11
4
مشاركة
تعليق
0/400
HalfBuddhaMoney
· 07-27 10:26
ادخل مركز再说吧 躺平赚米
شاهد النسخة الأصليةرد0
MysteriousZhang
· 07-27 10:23
مهما كانت النتيجة، دعنا نؤجل الحديث عن ذلك بعد الأيبي.
شاهد النسخة الأصليةرد0
Web3ExplorerLin
· 07-27 10:06
الافتراض: قد يكون dTAO من bittensor القفزة الكمية التي كنا نفكر فيها في الذكاء اللامركزي... مقارنة مثيرة للاهتمام مع تطور الأعصاب بصراحة
انفجار نظام Bittensor البيئي: 118 شبكة فرعية للذكاء الاصطناعي تستحوذ على سوق بقيمة 6.9 مليار دولار
دليل استثمار شبكة فرعية Bittensor: اغتنام فرص تطور الذكاء الاصطناعي
في فبراير 2025، أطلق شبكة Bittensor ترقية Dynamic TAO (dTAO)، والتي حولت نموذج الحوكمة إلى توزيع الموارد اللامركزي المدفوع بالسوق. أثارت هذه الترقية حيوية الابتكار في النظام البيئي بشكل كبير، حيث ارتفع عدد الشبكات الفرعية النشطة من 32 إلى 118 خلال بضعة أشهر فقط، وهو ما يمثل زيادة بنسبة 269%. تغطي هذه الشبكات الفرعية جميع المجالات الفرعية لصناعة الذكاء الاصطناعي، بدءًا من الاستدلال النصي الأساسي، وتوليد الصور، إلى طي البروتينات المتقدمة، والتداول الكمي، مما أدى إلى بناء أكثر أنظمة الذكاء الاصطناعي اللامركزية شمولاً في الوقت الحالي.
أداء السوق كان لامعًا أيضًا. ارتفع إجمالي القيمة السوقية لأفضل شبكة فرعية من 4 ملايين دولار قبل الترقية إلى 690 مليون دولار، وثبتت عائدات التثبيت السنوية في نطاق 16-19%. تم توزيع الحوافز الشبكية على الشبكات الفرعية وفقًا لمعدل التثبيت على أساس السوق، حيث تمثل أكبر 10 شبكات فرعية 51.76% من انبعاثات الشبكة، مما يعكس آلية السوق القائمة على انتقاء الأفضل.
تحليل الشبكة الأساسية (أعلى 10 تصريفات)
1. Chutes (SN64) - حسابات الذكاء الاصطناعي بدون خادم
القيمة الأساسية: تجديد تجربة نشر نماذج الذكاء الاصطناعي، وتقليل تكلفة الحوسبة بشكل كبير
تستخدم Chutes بنية "الإطلاق الفوري"، مما يقلل من وقت بدء نموذج الذكاء الاصطناعي إلى 200 مللي ثانية، مع زيادة الكفاءة بمقدار 10 مرات. تدعم أكثر من 8000 عقدة GPU في جميع أنحاء العالم النماذج الرائجة، ومعالجة أكثر من 5 ملايين طلب يوميًا، مع التحكم في تأخير الاستجابة ضمن 50 مللي ثانية.
نموذج العمل ناضج، يعتمد على استراتيجية القيمة المضافة المجانية. من خلال التكامل مع منصة مفتوحة معينة، يوفر دعم قوة حساب النماذج الشهيرة. الميزة التكاليفية بارزة، أقل بنسبة 85% من خدمة سحابية معينة. حاليا، تجاوز إجمالي استخدام التوكن 9042.37B، ويخدم أكثر من 3000 عميل من الشركات.
بعد 9 أسابيع من إطلاق dTAO، تجاوزت القيمة السوقية 100 مليون دولار، والآن هي 79 مليون، ولديها حواجز تقنية عميقة، وتقدم تجاري سلس، ومرتفع في مستوى اعتراف السوق، وهي حاليًا رائدة في الشبكة الفرعية.
2. Celium (SN51) - تحسين حساب الأجهزة
القيمة الأساسية: تحسين الأجهزة الأساسية، وزيادة كفاءة حسابات الذكاء الاصطناعي
تركيز على تحسين الحساب 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. تدعم السلاسل الرئيسية من GPU، وتقلل الأسعار بنسبة 90% مقارنة بالمنتجات المماثلة، مع زيادة كفاءة الحساب بنسبة 45%.
حاليًا، تعد شبكة Bittensor ثاني أكبر شبكة فرعية من حيث الانبعاثات، حيث تمثل 7.28% من إجمالي انبعاثات الشبكة. تحسين الأجهزة هو عنصر أساسي في بنية AI التحتية، ويشكل حاجزًا تقنيًا، مع اتجاه قوي لارتفاع الأسعار، والقيمة السوقية الحالية 56M.
3. Targon (SN4) - منصة استدلال الذكاء الاصطناعي اللامركزية
القيمة الأساسية: تقنية الحوسبة السرية، لضمان أمان خصوصية البيانات
نواة Targon هي TVM (آلة Targon الافتراضية) ، وهي منصة آمنة للحساب السري تدعم تدريب نماذج الذكاء الاصطناعي والاستدلال والتحقق. تستخدم تقنيات الحساب السري المتقدمة لضمان أمان سير عمل الذكاء الاصطناعي وحماية الخصوصية. يدعم النظام التشفير من الطرف إلى الطرف ، ويمكن للمستخدمين استخدام خدمات الذكاء الاصطناعي دون الكشف عن البيانات.
عائق تقني مرتفع، نموذج العمل واضح، وهناك مصدر دخل ثابت. تم تفعيل آلية إعادة شراء الإيرادات، وكانت آخر عملية إعادة شراء بقيمة 18,000 دولار.
4. τemplar (SN3) - بحث الذكاء الاصطناعي والتدريب الموزع
القيمة الأساسية: التدريب التعاوني على نماذج الذكاء الاصطناعي على نطاق واسع، خفض عتبة التدريب
متخصص في التدريب الموزع لنماذج الذكاء الاصطناعي الكبيرة، الهدف هو أن نصبح "أفضل منصة لتدريب النماذج في العالم". من خلال التعاون في التدريب باستخدام موارد GPU للمشاركين من جميع أنحاء العالم، نركز على التدريب التعاوني للنماذج المتقدمة والابتكار.
تم الانتهاء من تدريب نموذج بمعلمات 1.2B، بعد أكثر من 20,000 دورة تدريبية، بمشاركة حوالي 200 وحدة معالجة الرسوم. في عام 2024، سيتم ترقية آلية التحقق، لتعزيز اللامركزية والأمان؛ وفي عام 2025، سيتم دفع تدريب النموذج الكبير، ليصل حجم المعلمات إلى 70B+، والأداء يعادل المعايير الصناعية.
الميزة التقنية بارزة، القيمة السوقية الحالية 35 مليون، تمثل 4.79% من الانبعاثات.
5. التدرجات (SN56) - تدريب الذكاء الاصطناعي اللامركزي
القيمة الأساسية: تدريب الذكاء الاصطناعي بشكل مدني، وتقليل عتبة التكلفة بشكل كبير
حل مشكلة تكلفة تدريب الذكاء الاصطناعي من خلال التدريب الموزع. يقوم نظام الجدولة الذكي بتوزيع المهام بشكل فعال على الآلاف من وحدات معالجة الرسومات. تم إكمال تدريب نموذج يحتوي على 118 مليون مليار معلمة، بتكلفة لا تتجاوز 5 دولارات في الساعة، مما يجعله أرخص بنسبة 70% من خدمات السحابة التقليدية، وسرعة التدريب أسرع بنسبة 40%. تقلل واجهة الاستخدام بنقرة واحدة من عتبة الاستخدام، حيث تم استخدام أكثر من 500 مشروع لتعديل النموذج، تغطي مجالات مثل الرعاية الصحية والمالية والتعليم.
القيمة السوقية الحالية 30M ، الطلب في السوق كبير ، الميزة التقنية واضحة ، يستحق المتابعة على المدى الطويل.
6. التداول الخاص (SN8) - تداول كمي مالي
القيمة الأساسية: إشارات تداول متعددة الأصول وتوقعات مالية مدفوعة بالذكاء الاصطناعي
منصة تداول كمي لامركزية وتوقعات مالية، إشارات تداول متعددة الأصول مدفوعة بالذكاء الاصطناعي. تطبيق شبكة تداول خاصة تقنيات التعلم الآلي في توقعات الأسواق المالية، وبناء هيكل نموذج توقع متعدد الطبقات. تدمج نماذج التوقع الزمنية تقنيات LSTM وTransformer، لمعالجة بيانات السلاسل الزمنية المعقدة. يحلل وحدة تحليل المشاعر السوقية محتوى وسائل التواصل الاجتماعي والأخبار، ويقدم مؤشرات المشاعر كإشارات مساعد للتوقع.
يعرض الموقع عوائد واختبارات استراتيجيات مقدمة من مختلف المعدنين. بالجمع بين الذكاء الاصطناعي و blockchain، يقدم طرق مبتكرة للتداول في الأسواق المالية، والقيمة السوقية الحالية 27M.
7. النقاط (SN44) - التحليل والتقييم الرياضي
القيمة الأساسية: تحليل فيديو الرياضة، تستهدف صناعة كرة القدم بقيمة 6000 مليار دولار
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 المستند إلى CLIP، مما يخفض تكلفة التسمية التقليدية لمباراة واحدة من آلاف الدولارات إلى 1/10 إلى 1/100. بالتعاون مع منصة بيانات معينة، بلغ متوسط دقة توقعات الوكلاء الذكيين 70%، وقد وصلت إلى دقة 100% في يوم واحد.
صناعة الرياضة ذات حجم ضخم، والابتكار التكنولوجي ملحوظ، وآفاق السوق واسعة، Score هي شبكة فرعية ذات اتجاهات تطبيقية واضحة، تستحق الاهتمام.
8. OpenKaito (SN5) - استنتاج النصوص مفتوح المصدر
القيمة الأساسية: تطوير نموذج تضمين النص، تحسين استرجاع المعلومات
تتركز على تطوير نماذج تضمين النصوص بدعم من المشاركين الرئيسيين في مجال استرجاع المعلومات. كمشروع مفتوح المصدر مدفوع من المجتمع، يهدف إلى بناء قدرة عالية الجودة على فهم النصوص واستنتاجها، وخاصة في مجالات استرجاع المعلومات والبحث الدلالي.
لا تزال الشبكة الفرعية في مرحلة البناء المبكر، حيث تركز بشكل أساسي على بناء نظام بيئي حول نماذج تضمين النصوص. من المقرر أن يكون هناك تكامل قادم يستحق الاهتمام، والذي قد يوسع بشكل كبير من مجالات تطبيقها وقاعدة مستخدميها.
9. عالم البيانات (SN13) - بنية تحتية للبيانات الذكائية
القيمة الأساسية: معالجة البيانات على نطاق واسع، إمداد بيانات تدريب الذكاء الاصطناعي
يتم معالجة 500 مليون صف من البيانات يوميًا، بإجمالي يزيد عن 55.6 مليار صف، ويدعم تخزينًا يصل إلى 100 جيجابايت. توفر البنية المبتكرة وظائف أساسية مثل توحيد البيانات، تحسين الفهرسة، والتخزين الموزع. آلية التصويت الابتكارية "الجاذبية" تحقق تعديل الوزن الديناميكي.
البيانات هي نفط الذكاء الاصطناعي، قيمة البنية التحتية مستقرة، والموضع البيئي مهم. باعتبارها مزود بيانات لشبكات فرعية متعددة، تتعاون بعمق مع مشاريع أخرى، مما يعكس قيمة البنية التحتية.
10. TAOHash (SN14) - التعدين بواسطة قوة الحساب PoW
القيمة الأساسية: ربط التعدين التقليدي بالحوسبة الذكية، دمج موارد القوة الحاسوبية
يسمح لعمال مناجم البيتكوين بإعادة توجيه قوة التعدين إلى شبكة Bittensor، للحصول على رموز من خلال التعدين لاستخدامها في الرهان أو التداول. يجمع بين التعدين التقليدي PoW وحسابات الذكاء الاصطناعي، مما يوفر مصدر دخل جديد للعمال.
جذب أكثر من 6EH/s من قوة الحوسبة في فترة قصيرة (حوالي 0.7% من إجمالي السوق) ، مما يثبت اعتراف السوق بالنموذج المختلط. يمكن للعمال اختيار التعدين التقليدي لبيتكوين أو الحصول على رموز TAOHash ، وفقًا لظروف السوق لتحسين العائد.
تحليل النظام البيئي
الميزة الأساسية لبنية التكنولوجيا:
الميزة التنافسية:
مواجهة التحديات:
فرص السوق:
إطار استراتيجية الاستثمار
أبعاد التقييم:
إدارة المخاطر:
نقاط رئيسية:
التوقعات طويلة الأجل:
يمثل نظام Bittensor البيئي نموذجًا جديدًا لتطوير بنية تحتية للذكاء الاصطناعي من خلال تخصيص الموارد في السوق وآليات الحكم اللامركزية لتوفير تربة جديدة للابتكار في الذكاء الاصطناعي. في ظل التطور السريع لصناعة الذكاء الاصطناعي، يستحق نظام Bittensor ونظامه البيئي الفرعي الاهتمام المستمر والدراسة المتعمقة.