AI

تُعد Bittensor شبكة ذكاء اصطناعي لامركزية تتيح سوقاً مفتوحاً لتعلم الآلة عبر أدوار Subnet وMiner وValidator. وباعتماد آلية توافق Yuma، تُمكن من تقييم النماذج وتوزيع حوافز TAO. بخلاف منصات الذكاء الاصطناعي المركزية التقليدية، تحول Bittensor قدرات النماذج إلى أصول يمكن تخصيص قيمتها.

تُعد TAO الرمز الأصلي لشبكة Bittensor، حيث تلعب دورًا أساسيًا في توزيع الحوافز، وتعزيز أمان الشبكة، وجذب القيمة داخل منظومة الذكاء الاصطناعي اللامركزية. وبالاستفادة من آلية الإصدار التضخمي، ونظام التخزين، ونموذج حوافز الشبكات الفرعية، يتيح TAO نظامًا اقتصاديًا يركّز على المنافسة وتقييم نماذج الذكاء الاصطناعي.

تُعد Bittensor Subnet سوقًا مستقلة لمهام الذكاء الاصطناعي ضمن الشبكة. يضع كل Subnet آليات حوافز مخصصة لسيناريوهات مثل توليد النصوص أو التعرف على الصور أو التنبؤ. من خلال قيام Miners بتقديم النماذج، وValidators بتقييم الجودة، والتخصيص الديناميكي لرموز TAO/Alpha، يتيح الـ Subnet إنتاج وتسعير الذكاء الآلي بطريقة لامركزية.

يُعتبر FET الرمز الرئيسي في منظومة Fetch.ai، ويُركّز على بناء شبكة اقتصادية لامركزية تجمع الذكاء الاصطناعي مع تقنيات البلوكشين. تتناول هذه المقالة الهيكل الفني، نموذج الحوكمة، حالات الاستخدام، والمخاطر الاستثمارية المرتبطة بهذا النظام.

تُعد FET الرمز الأصلي في شبكة Fetch.ai، وتؤدي دورًا أساسيًا في دعم تبادل القيمة، وتنفيذ البروتوكول، والتسوية على البلوكشين بين الوكلاء الاقتصاديين المستقلين (AEA). يتيح ذلك للآلات والبرمجيات تنفيذ الأنشطة الاقتصادية بشكل مستقل دون الاعتماد على منصات مركزية.

تُعد Fetch.ai شبكة لامركزية توظف الذكاء الاصطناعي (AI) وتقنية البلوكشين، حيث يرتكز إطارها الأساسي على وكلاء اقتصاديين مستقلين (AEA). يتيح هذا النظام للبرمجيات والأجهزة تنفيذ المهام، وتبادل البيانات، وتسوية القيم بشكل مستقل دون الاعتماد على منصات مركزية، ما يخلق منظومة اقتصادية ذكية تعتمد على مشاركة الآلات.

Gate Research: تدفع نماذج اللغة الكبيرة وتقنيات الوكلاء الذكيين أنظمة التداول إلى مرحلة جديدة من التطور. التداول الكمي، الذي كان يعتمد سابقًا بشكل كبير على مهارات البرمجة وأنظمة الهندسة المعقدة، يتجه تدريجيًا نحو منتجات توفر حواجز دخول أقل بكثير. قدمت Gate منتجات مثل AI Quant Workspace وGate for AI، التي تهدف إلى دمج توليد الاستراتيجيات، واختبارها التاريخي، والتنفيذ الآلي في منصة واحدة من خلال التفاعل بلغة طبيعية، وأدوات كوانت بدون برمجة، وواجهات تداول موحدة، مما يتيح لعدد أكبر من المستخدمين المشاركة في تداول الاستراتيجيات. ومع استمرار نضج تقنيات الذكاء الاصطناعي، تتطور منصات التداول من أدوات المطابقة التقليدية إلى بنية تحتية للتداول قائمة على الذكاء الاصطناعي.

تعتمد Bittensor و Fetch.ai و SingularityNET على الحوافز الرمزية لدعم توفير موارد الذكاء الاصطناعي مثل النماذج، والقدرة الحاسوبية، والخدمات، بهدف بناء شبكات مفتوحة تتيح الوصول إلى الذكاء الاصطناعي وتكسر احتكار المنصات المركزية التقليدية. لكن الفروقات الأساسية بينها تظهر في الطبقات التقنية وطرق تحقيق القيمة. تعمل كل منصة ضمن قطاع منفصل من الذكاء الاصطناعي اللامركزي: إنتاج النماذج، تنفيذ المهام، وتوزيع الخدمات.

بحلول عام 2026، تحول التنافس في برامج المؤسسات من "حرب الميزات" إلى "إعادة بناء الواجهات". تستعرض هذه المقالة كيف يعيد الذكاء الاصطناعي تشكيل الأنظمة الثلاثة الرئيسية: SAP، Salesforce، وServiceNow؛ ففي مرحلة التنفيذ، يستخدم الذكاء الاصطناعي لتقليل مخاطر الانتقال التي قد تصل إلى مئات الملايين من الدولارات؛ وفي مرحلة الاستخدام، تقوم "نماذج الإجراءات الكبيرة (LAMs)" بتبسيط الواجهات المعقدة؛ أما في مرحلة التوسع، فتستبدل التطبيقات الخفيفة التطوير المخصص المتضخم. الهدف النهائي للذكاء الاصطناعي ليس استبدال هذه "أنظمة السجلات (SoR)"، بل إعادة صياغة منطق التفاعل، بحيث تصبح البرامج التقليدية المعقدة "غير مرئية" تدريجياً وتتحول إلى قواعد بيانات أساسية لأنظمة الذكاء الاصطناعي المدفوعة "أنظمة الإجراءات (SoA)".

أعلنت Tether عن إطلاق إطار QVAC Fabric، الذي يتيح الضبط الدقيق بتقنية LoRA عبر مختلف المنصات لنموذج BitNet. وبفضل هذا التطور، أصبح بإمكان النماذج اللغوية الكبيرة العمل والتدرب على الأجهزة المحمولة والأجهزة التقليدية. يمثّل هذا الإنجاز خطوة مهمة في تقليل عوائق تطوير الذكاء الاصطناعي، ويفتح آفاقًا جديدة أمام فرص الذكاء الاصطناعي اللامركزي.

أعلنت Tether عن إطلاق إطار عمل QVAC للذكاء الاصطناعي، الذي يمكّن الأجهزة المحمولة من تدريب النماذج التي تضم مليارات المعاملات، مما يسهم في خفض الحاجز أمام القدرة الحاسوبية بشكل جذري. تتناول هذه المقالة الأسس التقنية، ودلالات هذا التطور على القطاع، والتأثيرات الممتدة على الذكاء الاصطناعي اللامركزي وسوق القدرة الحاسوبية.

يعد بروتوكول x402 بروتوكول دفع API Web3 مخصص لوكلاء الذكاء الاصطناعي، تم تطويره لمعالجة مشاكل الدفع في استدعاءات API المؤتمتة. يستند إلى رمز الحالة 402 Payment Required من معيار HTTP، ويعتمد آليات دفع مبنية على البلوكشين، مما يمكّن البرامج من أتمتة عمليات الدفع والتسوية أثناء طلبات API. بهذا الأسلوب، يضع البروتوكول بنية تحتية جديدة لمعاملات الخدمات بين الأجهزة (M2M).

GateRouter و OpenRouter يُصنَّفان ضمن قطاع موجهات النماذج الذكية (AI Model Router)، حيث يوفران للمطورين واجهة موحدة للوصول إلى العديد من النماذج اللغوية الضخمة (LLMs). رغم التشابه النسبي في وظائفهما، إلا أن تموضعهما التقني وسيناريوهات الاستخدام تختلف. يركز OpenRouter على منصات تجميع واجهات برمجة تطبيقات الذكاء الاصطناعي التقليدية، في حين يسعى GateRouter إلى تأسيس بنية تحتية أساسية لتوجيه النماذج تلبي احتياجات منظومة Web3 ووكلاء الذكاء الاصطناعي (AI Agent).

تُعتبر Gate Skills سوقًا مفتوحًا للمهارات يوفّر للوكلاء الذكاء الاصطناعي وصولًا مباشرًا إلى منظومة gate.com للعملات الرقمية. ومع تزايد أهمية وكلاء الذكاء الاصطناعي في مجالي المالية والبلوكشين، تعتمد كفاءة الأتمتة على قدرتهم في الوصول إلى الأدوات الاحترافية وبيانات السوق والموارد التشغيلية. ويتيح نظام القدرات المعيارية، من خلال مكوناته القابلة لإعادة الاستخدام، للوكلاء تنفيذ المهام المعقدة والاستجابة لمتطلبات هذا القطاع المتجددة.

تقوم ميتيس بإعادة تشكيل السرد النموي للطبقة 2 من خلال التركيز على البنية التحتية للذكاء الاصطناعي. من خلال Metis SDK وبروتوكول LazAI، تقوم ببناء "طبقة تنفيذية أصلية للذكاء الاصطناعي" واستكشاف أنماط جديدة لسيادة البيانات الاصطناعية على السلسلة وتوزيع القيمة.