Bittensor، ثابت في المركز الأول في مجال الذكاء الاصطناعي

تجاوز دمج Web3 و AI مرحلة النمو الأولي. يتحول اهتمام السوق بمساحة العملات الرقمية المدعومة بالذكاء الاصطناعي من مرحلة “الضجة” الأولية إلى “العناصر الأساسية وتنفيذ التكنولوجيا”. في هذا التحول، تظهر المشاريع قدرة عالية على الصمود وابتكارات تكنولوجية تعيد تشكيل قيمة السوق.

1. بيتينسور تؤكد بقوة مكانتها الرائدة يقدر إجمالي القيمة السوقية الحالية لمجال العملات الرقمية المدعومة بالذكاء الاصطناعي بحوالي 17.46 مليار دولار، مع حجم تداول خلال 24 ساعة يقارب 1.94 مليار دولار. في هذا المجال، يحتفظ بيتينسور (TAO) بمكانة قوية كالأول بحجم سوق يقارب 3.43 مليار دولار. وهو يشغل ما يقرب من 19.6% من حصة السوق الإجمالية للعملات الرقمية المدعومة بالذكاء الاصطناعي، مما يؤكد مكانته كقائد مطلق. مقارنة مباشرة مع المنافسين الرئيسيين تظهر تفرده:

حاجز المنافسة الأساسي يكمن الميزة التنافسية الأساسية لبيتينسور في شبكته الفريدة “دليل على الذكاء”. تتجاوز هذه الشبكة مجرد تقديم قوة حسابية. تقدم آلية تحفيزية معقدة، تكافئ مباشرة على إنشاء نماذج ذكاء اصطناعي عالية الجودة. هذا الموقع الفريد يجعل من الصعب جدًا على المنافسين نسخه. 2. التحقق من قدرة “التطوير الذاتي” الحقيقي وإعادة تشكيل منطق التقييم تجاهل الرؤى التكنولوجية الكلية، المفتاح للتحقق من قدرة بروتوكول Web3 على تجاوز تقلبات السوق يكمن في قدرته على التوسع التجاري الحقيقي وتحقيق الإيرادات.

في سوق العملات الرقمية، أثبت بيتينسور قدرته النادرة على توليد إيرادات حقيقية. وفقًا لبيانات الربع الأول من عام 2026، حقق شبكة بيتينسور حوالي 43 مليون دولار من إيرادات من عملاء ذكاء اصطناعي حقيقيين (مع معاملات غير مزورة لا يتم تحفيزها بواسطة رموز). هذا الرقم يتجاوز إيرادات العديد من بروتوكولات Web3 التقليدية سنويًا. المؤشرات الرئيسية للتقييم (حتى 29 مارس 2026):

عادةً، الشركات التقليدية للبنية التحتية للذكاء الاصطناعي تُقدر بقيمة تتراوح بين 15-25 مرة من الإيرادات المتوقعة في السوق الخاص. يتمتع بيتينسور بسيولة عالية، وتأثير شبكة، وقصة ندرة. مضاعف P/S الحالي حوالي 20 مرة، وهو ضمن النطاق المعقول أو حتى منخفض التقييم. بلغت القيمة السوقية الإجمالية للرموز الفرعية في نظامه البيئي 1.47 مليار دولار. يساهم هيكل النظام البيئي هذا، بدوره، في جذب قيمة الشبكة الرئيسية TAO. 3. اختراق SN3 حددت البيانات المالية الحد الأدنى لتقييم البروتوكول. الابتكارات التكنولوجية في التدريب اللامركزي فتحت بالكامل إمكانيات السوق لرأس المال. الدافع الأساسي وراء النمو الأخير لـ TAO، على عكس اتجاه السوق، ليس مجرد تداول مضارب. تم تحقيق قفزة تاريخية في التكنولوجيا الأساسية له. تغير منطق التقييم الخاص به بشكل جذري من “مبني على القصة” إلى “مبني على المنتج”. 3.1 اتفاقية 72B تؤكد جدوى التدريب اللامركزي في 10 مارس 2026، أعلنت شبكة تيمبلر (SN3)، وهي شبكة فرعية من نظام بيتينسور، وفريق Covenant Labs وراءها، عن تقرير فني على arXiv. أعلنوا عن تدريب ناجح لنموذج لغة كبير الحجم، Covenant-72B. وهو أكبر نموذج معماري تم تدريبه حتى الآن في بيئة إنترنت لامركزية بالكامل وبدون ترخيص. يحتوي النموذج على 72 مليار معلمة وتم تدريبه على 1.1 تريليون رمز. حقق درجة MMLU تبلغ 67.1، مع أداء أساسي يعادل LLaMA-2-70B من Meta. يعالج هذا النموذج عنق الزجاجة في عرض النطاق الترددي لعملية التدريب اللامركزية. يلعب خوارزمية SparseLoCo دورًا مهمًا. يحتاج العقد إلى نقل 1%-3% من المكونات الأساسية للتدرج ويقوم بتكميمها باستخدام كمية ثنائية 2 بت، مما يحقق ضغط بيانات يزيد عن 146 مرة (ضغط 100MB من البيانات إلى أقل من 1MB). مع عرض النطاق الترددي للإنترنت العادي، يظل الأداء الحسابي مرتفعًا عند 94.5%. يثبت هذا الإنجاز أن القوة الحاسوبية الموزعة عالميًا يمكن أن تنتج نماذج متقدمة ذات تنافسية تجارية. يحل هذا الحل الفني محل الاعتماد على شبكات InfiniBand باهظة الثمن ومجمعات الحوسبة الفائقة المركزية. نجاح Covenant-72B أثار ضجة كبيرة في مجتمع الذكاء الاصطناعي التقليدي: أشاد جاك كلارك، المؤسس المشارك لشركة أنثروبيك، بهذا الاختراق، مقتبسًا على نطاق واسع في تقريره البحثي في 16 مارس. وصفه بأنه “تحدي للاقتصاد السياسي للذكاء الاصطناعي من خلال التدريب اللامركزي”. وأشار إلى أنه تكنولوجيا تستحق المتابعة، وتوقع أن يتم تطبيق نماذج التدريب اللامركزية على الأجهزة بشكل واسع في المستقبل. كمثال، مقارنة “Folding@home” لجنسن هوانغ: في 20 مارس، خلال بودكاست All-In VC، قدم تشاماث إنجازات تكنولوجيا بيتينسور للرئيس التنفيذي لشركة NVIDIA، جنسن هوانغ. رد هوانغ بشكل إيجابي، واصفًا إياه بـ"النسخة الحديثة من Folding@home"، مؤكدًا على ضرورة وجود نماذج مفتوحة المصدر وموزعة معًا. 3.2 مكونان رئيسيان لـ SN3: معالجة مشكلات كفاءة الاتصال والتوافق عشرات العقد غير الموثوقة مع أجهزة ومواصفات شبكة مختلفة تتدرب معًا على نموذج 72B نفسه. يعالج SN3 تحديات عرض النطاق الترددي للهاتف وتهديدات الهجمات الخبيثة عبر مكونين رئيسيين: SparseLoCo (يعالج مشكلة كفاءة الاتصال): تتطلب طرق التدريب التقليدية التزامن الكامل للتدرج في كل خطوة، مما يؤدي إلى كميات هائلة من البيانات. يسمح SparseLoCo لكل عقدة بتشغيل 30 خطوة تحسين داخلي (AdamW) محليًا. ثم تقوم العقد بضغط وتحميل “تدرج زائف” الناتج. يستخدم النظام نسبة عالية من التخفيف Top-k (ويحتفظ فقط بـ 1%-3% من المكونات الأساسية للتدرج)، مع تصحيح الأخطاء وتكميم ثنائي 2 بت. يحقق هذا ضغط بيانات يزيد عن 146 مرة (ضغط 100MB من البيانات إلى أقل من 1MB). في ظروف الإنترنت العادية (سرعة رفع 110 ميجابت في الثانية، وسرعة تنزيل 500 ميجابت في الثانية)، يحافظ النظام على معدل استخدام حسابي يبلغ 94.5%. كل دورة اتصال تستغرق حوالي 70 ثانية. Gauntlet (يعالج مشكلة التوافق والتحفيز): يعمل هذا المكون على سلسلة الكتل Subnet 3. مسؤول عن التحقق من جودة التدرجات الزائفة المرسلة من كل عقدة. يستخدم كمية صغيرة من البيانات لاختبار “مستوى انخفاض خسارة النموذج بعد استخدام تدرج العقد” (LossScore). كما يتحقق من أن العقدة تتدرب على البيانات المخصصة لمنع الاحتيال (. يتم اختيار التدرجات فقط من العقد ذات أعلى النقاط في كل دورة. يهدف هذا الآلية إلى حل مشكلة “كيفية منع العاملين الكسالى” في السيناريوهات اللامركزية. 4. القوة الفائقة لنظام الشبكة الفرعية وآلية dTAO أطلقت بيتينسور آلية Dynamic TAO )dTAO( في عام 2025. تلعب هذه الآلية دور “مضخم” مهم في هذا النمو. تتيح dTAO لكل شبكة فرعية إصدار رموز alpha مستقلة خاصة بها. تقوم الشبكات الفرعية بإنشاء مجموعات سيولة مع TAO عبر آلية صانع السوق الآلي )AMM(. 4.1 تأثير الرافعة لرمز الشبكة الفرعية

وفقًا لآلية dTAO، يتم تحديد قيمة رمز الشبكة الفرعية مباشرة بواسطة كمية TAO المرهونة في مجموعة الشبكة الفرعية. عندما يرتفع سعر TAO، ترتفع قيمة الاحتياطي الأساسي لجميع الشبكات الفرعية بشكل تلقائي. ثم تزداد قيمة رمز الشبكة الفرعية بشكل سلبي. يؤدي ارتفاع سعر رمز الشبكة الفرعية إلى جذب المزيد من المضاربين والمستثمرين لشراء وتجميد TAO في الشبكة الفرعية. وبالتالي، تتكون دائرة رد فعل إيجابي قوية. كما يظهر في الجدول أعلاه، مدفوعًا مباشرة بنجاح Covenant-72B، ارتفع رمز SN3 )Templar( بأكثر من 440% خلال شهر واحد، ليصل إلى قيمة سوقية قدرها 130 مليون دولار. تأثير الثروة في مستوى الشبكة الفرعية واضح. بلغت القيمة السوقية الإجمالية لرموز الشبكة الفرعية 1.47 مليار دولار في نهاية مارس، مع حجم تداول يومي يتجاوز 118 مليون دولار. هذا التأثير، الذي يعمل كشكل من أشكال “الرافعة الفائقة”، يضغط على الطلب على رمز TAO بشكل كبير. 4.2 دمج الأنظمة البيئية الرأسية بالإضافة إلى تشغيل SN3، أنشأت Covenant Labs أيضًا SN39 )Basilica، التي تركز على خدمات القوة الحاسوبية (، وSN81 )Grail، التي تركز على التدريب والتقييم بعد التدريب لنماذج التعزيز (. يشتمل هذا التكامل الرأسي على كامل عملية التدريب المسبق إلى تحسين التوافق. تظهر هذه الاستراتيجية للسوق أن سلسلة القيمة المغلقة الكاملة لصناعة الذكاء الاصطناعي اللامركزي قد تشكلت داخل نظام بيتينسور. 5. توزيع الرقائق استنادًا إلى أحدث البيانات على السلسلة من taostats و CoinMarketCap حتى 29 مارس 2026، يمكن تقييم حالة شبكة بيتينسور بشكل عميق من الجوانب التالية:

تقييم شامل استنادًا إلى البيانات على السلسلة: تعكس بيانات شبكة بيتينسور خصائص اقتصاد قوي جدًا. نسبة الرهن العالية تساعد على قفل السيولة. الإيرادات الحقيقية تدعم العناصر الأساسية. آلية dTAO تحفز الابتكار في الشبكة الفرعية. الاستمرار في تقليل العرض )بما في ذلك النصف وتراكم الرهن العالي(، جنبًا إلى جنب مع النمو المستمر في الطلب )بما في ذلك مشاركة المؤسسات وزيادة القصص المبنية على AI(، يخلق نموذجًا ديناميكيًا لأسعار السوق ذو فائدة عالية. 6. مخاوف التقييم من المهم ملاحظة أن شفافية البيانات على السلسلة تعكس بشكل رئيسي جانب العرض، بينما الجوانب خارج السلسلة للجانب الطلب )حجم استدعاءات خدمات AI الفعلية( لا تزال نقطة غموض كبيرة. مخاطر 1: الدعم المفرط للرموز يخفي التكاليف الحقيقية للأعمال حاليًا، تعتمد معظم خدمات الشبكات الفرعية ذات الأسعار المنخفضة بشكل كبير على دعم التضخم لرموز TAO. على سبيل المثال، شبكة Chutes )SN64(، الرائدة في الاستنتاج، لديها معدل دعم إصدار يتراوح بين 22-40:1 مقارنة بالإيرادات الخارجية. بدون دعم الرموز، تتجاوز تكلفة الخدمة الفعلية بكثير المنافسين المركزين. مقارنة بمنصات مثل Together.ai، فإن رسوم الخدمة أعلى بمقدار 1.6 إلى 3.5 مرات. استمرار دورات النصف التالية سيكشف تمامًا عن هشاشة نموذج الأعمال هذا. مخاطر 2: نقص الميزة التنافسية المستدامة يؤدي إلى ارتفاع معدل مغادرة المستخدمين شبكة بيتينسور توفر بشكل رئيسي نماذج مفتوحة المصدر وواجهات برمجة تطبيقات قياسية. يختلف هذا النموذج جوهريًا عن عمالقة الحوسبة السحابية التقليديين مثل AWS. يفتقر النظام البيئي بشكل كبير إلى منصات حصرية، وتكاملات مؤسسية عميقة، أو “دوامات البيانات” — وهي “تأثيرات القفل” التقليدية. تكاليف التحويل للمطورين منخفضة جدًا. مع إزالة دعم الرموز تدريجيًا، سيغادر المستخدمون التجاريون الحساسة للسعر بسرعة. المنصات المركزية ذات التكاليف المنخفضة ستستوعب هذا الانتقال بسهولة. مخاطر 3: خطر عدم توازن التقييم بعد انخفاض قيمة البيانات بالنسبة للإيرادات البالغة 43 مليون دولار في الربع الأول، أظهرت دراسات حذرة من منظمات مختلفة نماذج حسابية مختلفة بشكل كبير. باستثناء المعاملات مع الأطراف ذات الصلة والدعم داخل النظام البيئي، والنظر فقط في الإيرادات بالعملات القانونية التي تم التحقق منها بدقة من الخارج، قد تنخفض الإيرادات السنوية للشبكة إلى ما بين 3 ملايين و15 مليون دولار. باستخدام قاعدة الإيرادات الحقيقية منخفضة القيمة، سترتفع نسبة السعر إلى الإيرادات )P/S( بشكل كبير، من 175 إلى 400 مرة، مما يعرض احتمالية حدوث فقاعة تقييم وانفجارها.