DGrid AI تحليل عميق: كيف تجعل البنية التحتية اللامركزية للذكاء الاصطناعي الخدمات "قابلة للاستدعاء، قابلة للتحقق، قابلة للتسوية"

يحتاج المطور لاستدعاء Claude وGPT وGemini وDeepSeek عادةً إلى تسجيل أربعة حسابات على منصات مختلفة، وإدارة أربعة مفاتيح API، والتعامل مع أربع منطقيات فواتير، ومواجهة أربع قواعد لتقليل الحمل.

عندما يحدث عطل في خدمة نموذج معين أو يتم تعديل الأسعار، يحتاج المطور إلى التبديل يدويًا إلى خطة بديلة. إذا استخدم منصة طرف ثالث، سيكون من الصعب على المطور التحقق مما إذا كانت المنصة المركزية قد استدعت بالفعل النموذج الذي دفع ثمنه ------ هل دفعت ثمن Claude Opus 5، لكن هل قامت المنصة بتبديله سراً بنموذج أرخص؟ هذا من الناحية التقنية يكاد يكون من المستحيل التحقق منه.

تتمثل نقطة انطلاق DGrid AI في حل هذه المشكلات الثلاثة المتعلقة بالبنية التحتية: جعل خدمات الذكاء الاصطناعي قابلة للاستدعاء، قابلة للتحقق، وقابلة للتسوية.

حتى منتصف عام 2026، قدمت DGrid AI خدمات لأكثر من 15,000 مستخدم مدفوع، وحققت إيرادات اقتصادية قدرها 23 مليون دولار، وجذبت AI Arena أكثر من 500,000 مستخدم للمشاركة في تقييم النماذج. بينما لا تزال معظم مشاريع الذكاء الاصطناعي x Crypto في مرحلة الأوراق البيضاء، أثبتت DGrid من خلال منتجاتها الحقيقية الحاجة إلى الدفع وقدرتها على تحقيق الإيرادات الذاتية.

مع الإعلان عن نموذج الاقتصاد الرمزي $DGAI واقتراب TGE، تتطور DGrid من "منصة تجميع خدمات الذكاء الاصطناعي" إلى "شبكة بنية تحتية لامركزية للذكاء الاصطناعي". ستقوم هذه المقالة بتفكيك هيكل منتجات DGrid وآلية التكنولوجيا ونموذج الاقتصاد وميزتها التنافسية.

1. ما المشكلة التي تحلها DGrid؟

يوجد في سوق خدمات الذكاء الاصطناعي ثلاثة مشكلات هيكلية:

1. تجزئة الاستدعاء: يحتاج المطورون إلى الاتصال بكل مزود نموذج على حدة

كل مزود نموذج لديه مواصفات API الخاصة به، وطرق المصادقة، ومنطق الفواتير، واستراتيجيات تقليل الحمل. يحتاج المطورون الذين يرغبون في التبديل بين النماذج أو تنفيذ استدعاءات متعددة للنماذج إلى الحفاظ على طبقة توافق معقدة، مما يزيد من تكاليف التطوير وهشاشة النظام.

حل DGrid: بوابة الذكاء الاصطناعي

تقدم بوابة DGrid AI واجهة API موحدة متوافقة مع OpenAI، حيث يمكن للمطورين الوصول إلى أكثر من 200 نموذج باستخدام مفتاح API واحد، بما في ذلك النماذج التجارية الرئيسية مثل Claude وGPT وGemini وMiniMax وDeepSeek وKimi وGLM. يكفي تعديل معلمة base_url، ولا حاجة لإعادة بناء الكود الأصلي لإكمال الانتقال.

2. صندوق الجودة الأسود: عدم القدرة على التحقق من صحة الخدمة وجودة المخرجات

تمتلك المنصات المركزية السيطرة على عملية استدعاء النموذج بالكامل، ولا يمكن للمستخدمين التحقق مما إذا كانت:

• هل قامت المنصة حقًا باستدعاء النموذج الذي دفعت ثمنه؟
• هل تم تعديل النتائج أو تقليل جودتها؟
• هل جودة الخدمة (سرعة الاستجابة، الاستقرار، توافق التنسيق) تلبي المعايير؟

تجعل هذه المعلومات غير المتكافئة المنصة تمتلك سلطة التسعير وحق تفسير الجودة، مما يجعل المستخدمين يقبلون بشكل سلبي.

حل DGrid: إثبات الجودة (PoQ)

PoQ هو آلية التحقق من الجودة الفريدة من نوعها على السلسلة، وهو أيضًا البروتوكول الوحيد للتحقق من الجودة الذي تم تطبيقه حاليًا في البنية التحتية للذكاء الاصطناعي، مدعومًا بخمس أوراق تقنية متخصصة.

آلية عمل PoQ:

• تحافظ DGrid على مجموعة من الأسئلة، وتقوم باختيار عشوائي للأسئلة لاختبار خدمات النموذج المقدمة من العقد بشكل عشوائي
• تشمل أبعاد التقييم: جودة المخرجات، سرعة الاستجابة، الاستقرار، توافق التنسيق
• يتم توثيق نتائج التحقق على السلسلة، لتكون أساسًا لتقييم سمعة العقد وتوزيع الحوافز
• إذا قام العقد بالغش (يدعي تقديم GPT-5 ولكنه يستدعي فعليًا GPT-4)، سيتم اكتشافه ومعاقبته

لا تتعامل PoQ مع بيانات الاستدعاء الحقيقية للمستخدمين، بل تقوم بإجراء اختبارات عشوائية على الخدمات التي يدعي العقد تقديمها، مما يحمي الخصوصية ويؤسس معايير جودة قابلة للتحقق.

3. القيمة المغلقة: لا يمكن للمطورين والمستخدمين المشاركة في توزيع القيمة الأساسية

تمتلك المنصات المركزية مدخلات النموذج وسلطة التسعير وحقوق التحكم في البيانات. يمكن لمزودي النماذج قبول الأسعار التي تحددها المنصة فقط، ولا يمكن للمطورين الاتصال مباشرة بالموارد العليا، ولا يمكن للمستخدمين المشاركة في توزيع عائدات النظام البيئي.

حل DGrid: التسوية على السلسلة + السوق المفتوحة

• سوق نماذج DGrid: يمكن لأي مزود نموذج إدراج النموذج الخاص به، وتحديد السعر بنفسه، والحصول مباشرة على عائدات الاستدعاء، ويتم التسوية من خلال عقود ذكية على السلسلة
• شبكة العقد اللامركزية: يشارك مشغلو العقد من خلال رهن $DGAI في الشبكة، ويحصلون على حوافز بناءً على جودة الخدمة وحجم الاستدعاء
• حلقة الاقتصاد الرمزي: يدفع المستخدمون → عائدات العقد → حوافز النظام البيئي → المشاركة في الحوكمة، جميع المراحل مرتبطة بـ $DGAI

تشكل هذه الحلول الثلاثة الموقع الأساسي لـ DGrid: ليس مجرد منصة لتجميع نماذج الذكاء الاصطناعي، بل شبكة بنية تحتية لامركزية تجعل خدمات الذكاء الاصطناعي قابلة للاستدعاء، وقابلة للتحقق، وقابلة للتسوية.

2. مصفوفة المنتجات: من أدوات المطورين إلى نظام خدمات الذكاء الاصطناعي

لا تتكون بنية منتجات DGrid من أدوات نقطة واحدة، بل هي نظام بيئي متعدد الطبقات مبني حول المشاركين المختلفين:

1. بوابة DGrid AI: المدخل الموحد للنماذج للمطورين

المستخدمون المستهدفون: المطورون والشركات الذين يحتاجون إلى استدعاء نماذج ذكاء اصطناعي متعددة بشكل مرن

القدرات الأساسية:

• واجهة API موحدة متوافقة مع OpenAI، استدعاء 200+ نموذج من خلال واجهة واحدة
• توجيه ذكي: اختيار النموذج الأمثل تلقائيًا بناءً على نوع المهمة، وميزانية التكلفة، ومتطلبات التأخير
• توازن الحمل والتعافي من الأخطاء: التبديل تلقائيًا إلى عقد احتياطي عند حدوث عطل في أحد مزودي الخدمة العلوية
• تسعير شفاف: من خلال آلية وحدة الحساب، يتم توحيد طرق تسعير النماذج المختلفة

السيناريوهات النموذجية:

• تحتاج منتجات SaaS إلى دعم Claude (توليد الكود) وGPT (المحادثة) وDeepSeek (تحسين التكلفة) في نفس الوقت
• يحتاج وكيل الذكاء الاصطناعي إلى اختيار النموذج الأنسب ديناميكيًا بناءً على المهمة
• ترغب الشركات في تجنب الاعتماد على مورد واحد، والحفاظ على مرونة سلسلة التوريد

2. سوق نماذج DGrid: الرف المفتوح لمزودي النماذج

المستخدمون المستهدفون: مزودو النماذج الذين لديهم موارد حسابية غير مستخدمة، أو نماذج تم ضبطها في مجالات معينة أو موارد نماذج حصرية

القدرات الأساسية:

• يمكن لأي شخص إدراج النموذج الخاص به، وتحديد السعر بنفسه، وتعيين قواعد الاستدعاء
• التسوية على السلسلة: يتم توزيع عائدات الاستدعاء تلقائيًا من خلال العقود الذكية، دون الحاجة إلى استضافة المنصة
• تأييد PoQ: يتم التحقق من النماذج المدرجة بواسطة PoQ، وإشارات الجودة علنية وشفافة
• اكتشاف نماذج الذيل الطويل: يمكن للمستخدمين تصفية النماذج بناءً على الأداء والسعر والاستخدام وتقييم المجتمع

السيناريوهات النموذجية:

• فرق نماذج الضبط في مجالات مثل الطب والقانون والمالية، تصل مباشرة إلى المستخدمين المدفوعين من خلال السوق
• المؤسسات أو الأفراد الذين لديهم وحدات معالجة الرسوميات غير المستخدمة، يقومون بنشر مواردهم كخدمة استدلال وتحقيق الدخل منها
• يبحث المطورون عن نماذج صغيرة تم تحسينها لمهام معينة، بدلاً من النماذج الكبيرة العامة

3. ساحة DGrid AI: تقييم النماذج من جانب المستخدم وتغذية البيانات

المستخدمون المستهدفون: المستخدمون العاديون، وعشاق الذكاء الاصطناعي، وصناع القرار الذين يرغبون في فهم اختلافات قدرات النماذج

القدرات الأساسية:

• معارك نماذج مجهولة: يدخل المستخدمون نفس الطلب، ويقوم نموذجين بإرجاع النتائج في نفس الوقت، ويصوت المستخدمون لاختيار الإجابة الأفضل
• بيانات تفضيل حقيقية: شارك أكثر من 500,000 مستخدم، مما أدى إلى توليد كمية كبيرة من بيانات تفضيل البشر
• تغذية PoQ: يمكن استخدام البيانات التي تجمعها الساحة لتحسين استراتيجيات توجيه النماذج ونظام تقييم الجودة في DGrid

السيناريوهات النموذجية:

• قبل شراء خدمات الذكاء الاصطناعي، تقارن الشركات أداء النماذج المختلفة في سيناريوهات الأعمال الحقيقية من خلال الساحة
• يشارك المستخدمون العاديون في تقييم النماذج، بينما يساهمون في النظام البيئي من خلال تقديم البيانات والحصول على حوافز
• تستخدم DGrid ردود فعل المستخدمين الحقيقية لتحسين خوارزميات التوصية ومعايير الجودة باستمرار

4. DClaw: نشر الوكيل الشخصي وهويته على السلسلة بنقرة واحدة

المستخدمون المستهدفون: المطورون الأفراد وغير التقنيين الذين يرغبون في إنشاء ونشر وكيل ذكاء اصطناعي بسرعة

القدرات الأساسية:

• نشر وكيل شخصي بنقرة واحدة، دون الحاجة لإدارة الخوادم وإعدادات API
• الاتصال بمعيار هوية الوكيل ERC-8004 على سلسلة BNB، مما يمنح الوكيل هوية على السلسلة
• يمكن للوكيل استدعاء خدمات نماذج DGrid، ودفع الرسوم، وجمع السمعة

السيناريوهات النموذجية:

• ينشر المبدعون الشخصيون مساعد ذكاء اصطناعي مخصص، للتعامل مع البريد الإلكتروني، وتوليد المحتوى، وتحليل البيانات
• تبني الوكلاء علاقات ثقة من خلال الهوية على السلسلة، مما يشكل شبكة تعاون بين الوكلاء
• كعضو في مشهد الذكاء الاصطناعي على سلسلة BNB، يمد DClaw قدرات خدمات DGrid إلى نظام الوكلاء على السلسلة

منطق المنتجات، تحل بوابة الذكاء الاصطناعي مشكلة استدعاء المطورين، ويحل سوق النماذج مشكلة الانفتاح في جانب العرض وتوزيع القيمة، وتقوم ساحة الذكاء الاصطناعي بحل مشكلة تقييم الجودة وردود الفعل من المستخدمين، بينما تحل نشر DClaw مشكلة نشر الوكلاء وهويتهم على السلسلة. هذه المنتجات الأربعة ليست وحدات معزولة، بل هي نظام بيئي مغلق مبني حول "جعل خدمات الذكاء الاصطناعي تتداول في شبكة مفتوحة".

3. DGrid مقابل المنافسين: أين تكمن الاختلافات؟

ظهرت عدة لاعبين في مجال بنية الذكاء الاصطناعي، وتظهر مزايا DGrid التنافسية في ثلاثة مستويات:

1. مقابل OpenRouter: سوق مفتوح مقابل تحويل مغلق

OpenRouter هو حاليًا أكثر منصات تجميع نماذج الذكاء الاصطناعي نضجًا، وقد تم الإعلان مؤخرًا عن استحواذ Stripe عليه بمبلغ 7 مليارات دولار.

الاختلافات الأساسية:

• OpenRouter هو محطة تحويل مغلقة: تحدد المنصة النماذج التي سيتم تضمينها، وكيفية التسعير، ويمكن للمستخدمين فقط اختيار الخيارات المتاحة
• DGrid هو سوق مفتوح: يمكن لأي شخص إدراج نموذج، وتحديد السعر بنفسه، والتنافس علنًا، والحد الأقصى للعرض يعتمد على عدد الأشخاص في العالم الذين يرغبون في تقديم الخدمة

التحقق من الجودة:

• لا توجد آلية تحقق من الجودة في OpenRouter، حيث يعتمد المستخدمون فقط على ائتمان المنصة
• تقوم DGrid بالتحقق المستقل من جميع النماذج المدرجة من خلال PoQ، وتكون النتائج موثقة على السلسلة وعلنية

2. مقابل Akash / Render: استدلال الذكاء الاصطناعي مقابل القدرة الحاسوبية العامة

Akash وRender هما مشروعين يمثلان شبكة القدرة الحاسوبية اللامركزية، يركزان على الحوسبة العامة ومهام التقديم.

الاختلافات الأساسية:

• تقدم Akash موارد الحوسبة الخام (تأجير CPU/GPU)، حيث يحتاج المستخدمون إلى نشر النماذج الخاصة بهم وإدارة خدمات الاستدلال
• تقدم DGrid خدمات الذكاء الاصطناعي المغلفة (استدعاء واجهة نموذج مباشرة)، حيث لا يحتاج المطورون إلى القلق بشأن جدولة الموارد الأساسية

السيناريوهات المناسبة:

• Akash مناسب للفرق التي تحتاج إلى استئجار القدرة الحاسوبية على المدى الطويل وبناء خدمات النماذج الخاصة بها
• DGrid مناسب للمطورين الذين يحتاجون إلى استدعاء حسب الطلب، والتكامل السريع، والتبديل المرن بين النماذج

3. مقابل منصات الذكاء الاصطناعي المركزية (OpenAI، Anthropic): الشفافية وحقوق التفاوض

الاختلافات الأساسية:

• المنصات المركزية تتحكم في حقوق التسعير، وشرح الخدمات، والتحكم في البيانات، وتقدم أنواعًا محدودة من النماذج.

• DGrid من خلال PoQ تجعل جودة الخدمة قابلة للتحقق، ومن خلال Marketplace تعيد حقوق التسعير إلى السوق، ومن خلال التسوية على السلسلة تجعل توزيع العائدات شفافًا.

المزايا طويلة الأجل:

• مع تزايد عدد نماذج الذكاء الاصطناعي، وأهمية النماذج العمودية، فإن سقف العرض في السوق المفتوحة أعلى بكثير من نموذج الشراء من المنصات.

• عندما تفرض اللوائح متطلبات أعلى للشفافية في خدمات الذكاء الاصطناعي، قد تصبح آليات مثل PoQ معيارًا للامتثال.

4. خلفية الفريق والتحقق من الجدوى التجارية: تراكم تقني + إثبات الدخل

الفريق وتراكم الأبحاث

يمتلك أعضاء الفريق الأساسيون في DGrid AI خلفيات دكتوراه من جامعات مثل جامعة ستوني بروك، ويركزون على أبحاث الآليات الأساسية للبنية التحتية للذكاء الاصطناعي اللامركزية.

لقد نشر الفريق 5 أوراق بحثية تمت مراجعتها من قبل الأقران، تغطي مجالات البحث:

• آلية التحقق من الجودة (PoQ)

• بنية الاستدلال القابلة للتحقق Optimistic TEE-Rollups

• تقييم الخدمات اللامركزية وتصميم الحوافز

هذه النتائج البحثية ليست مجرد أكاديمية، بل تم تطبيقها مباشرة في هيكل منتجات DGrid: حيث تعمل آلية PoQ بالفعل في Model Marketplace، مما يوفر الدعم الفني للتحقق من الجودة وتوزيع الحوافز.

التمويل والمستثمرون

في عام 2026، أكملت DGrid AI جولة تمويل أولية بقيمة 5 ملايين دولار، وشملت المستثمرين:

• Waterdrip Capital

• IoTeX

• Paramita VC

• Zenith Capital

• CatcherVC

• 4EVER Research

• Abraca Research

يشمل المستثمرون بنية تحتية Web3، وDePIN (شبكات البنية التحتية الفيزيائية اللامركزية) وبيئة أبحاث التشفير، مما يعكس اعتراف السوق بموقع DGrid "الذكاء الاصطناعي + البنية التحتية اللامركزية".

التحقق من الجدوى التجارية: 23 مليون دولار من الإيرادات + 15,000 مستخدم مدفوع

بالنسبة لمجال الذكاء الاصطناعي x التشفير، لا تزال معظم المشاريع في مرحلة "سرد القصص"، والبيانات الحقيقية للإيرادات نادرة للغاية.

لقد أثبتت DGrid بالفعل الطلب المدفوع من خلال إيرادات المنتجات:

• إيرادات النصف الأول من عام 2026: 23 مليون دولار

• عدد المستخدمين المدفوعين: 15,000+

• عدد المستخدمين المشاركين في AI Arena: 500,000+

توضح هذه البيانات:

1. تم اعتماد خدمات DGrid من قبل مستخدمين حقيقيين وشركات.

2. المشروع لديه القدرة على تحقيق الإيرادات الذاتية، ولا يعتمد بالكامل على التمويل والحوافز الرمزية للحفاظ على التشغيل.

3. تحت حجم التمويل المحدود نسبيًا (5 ملايين دولار)، أظهرت DGrid كفاءة رأس المال عالية.

السؤال الرئيسي هو: هل يمكن لـ DGrid تحويل هذه الإيرادات والمستخدمين إلى حجم مستمر من الاستخدام في الشبكة اللامركزية، وتدفق العرض والطلب في Marketplace، وكذلك الاستخدام الحقيقي لـ $DGAI في الدفع، والحوافز، والحكم؟ سيكون هذا هو المؤشر الرئيسي لتحديد ما إذا كانت DGrid قد نجحت في التحول من "منتج مركزي" إلى "شبكة لامركزية".

5. نموذج اقتصاد $DGAI: لماذا تم تصميمه بهذه الطريقة؟

$DGAI هو الرمز الأصلي لشبكة DGrid AI، بإجمالي إمداد يبلغ مليار وحدة.

هيكل توزيع الرموز

الوظائف الأربع لـ $DGAI

1. رهن العقد (Staking)

يحتاج مشغلو العقد ومقدمو النماذج إلى رهن $DGAI كضمان للخدمة. تضمن آلية الرهن:

• أن يكون لدى العقد تكلفة للغش (تقديم خدمات رديئة سيؤدي إلى فقدان الرهن)

• ستؤثر نتائج التحقق من PoQ على وزن الحوافز للعقد

• يمكن للمستخدمين تفويض $DGAI لعقد ذات جودة عالية، ومشاركة العائدات.

2. دفع الخدمات (Payment)

عند استدعاء المستخدمين لخدمات الذكاء الاصطناعي، يمكنهم استخدام $DGAI للدفع، وعادة ما يحصلون على خصم.

هذا يخلق طلبًا حقيقيًا على الرموز:

• سيحتفظ المطورون بـ $DGAI ويستخدمونه لتوفير التكاليف.

• ستدخل تدفقات الدفع إلى العقد، ومقدمي النماذج، وخزينة البروتوكول.

• كلما زاد الاستخدام، زادت سرعة تداول الرموز وطلبها.

3. الحوافز البيئية (Rewards)

يحصل مشغلو العقد، ومقدمو النماذج، ومطورو الوكلاء، والمساهمون في المجتمع على مكافآت $DGAI بناءً على الأبعاد التالية:

• حجم استدعاء الخدمة واستقرارها

• تقييم جودة PoQ

• المساهمة المجتمعية (المشاركة في Arena، إنشاء المحتوى، الدعم الفني، إلخ)

توزيع الحوافز ليس "مساواة"، بل يتم مكافأته بشكل مختلف بناءً على المساهمة الحقيقية والجودة.

4. حكم البروتوكول (Governance)

يمكن لحاملي $DGAI المشاركة في القرارات الرئيسية للبروتوكول:

• تعديل هيكل الرسوم

• قواعد التحقق من PoQ

• دعم أي نماذج جديدة

• خطط الحوافز البيئية

• استخدام أموال الخزينة

مع تقدم DGrid نحو اللامركزية، ستنتقل أوزان الحكم تدريجياً من الفريق إلى المجتمع.

منطق دورة القيمة

نموذج اقتصادي صحي للرموز يحتاج إلى تشكيل حلقة قيمة مغلقة:

يستدعي المستخدمون خدمات الذكاء الاصطناعي (يدفعون $DGAI)

↓

تقدم العقد خدمات الاستدلال (تحصل على عائدات $DGAI)

↓

تتحقق PoQ من جودة الخدمة (تؤثر على توزيع الحوافز)

↓

تحصل العقد ذات الجودة العالية على المزيد من الحوافز (تجذب المزيد من العقد للانضمام)

↓

المزيد من العقد → خدمات أفضل → المزيد من استدعاءات المستخدمين

↓

زيادة الطلب على الرموز → زيادة عائدات العقد → توسع البيئة

التحدي الرئيسي لـ DGrid: هل يمكن تحويل $DGAI من "أصل تحفيزي" إلى "أصل استخدام"، أي أن قيمة الرموز لا تعتمد فقط على توزيع الحوافز، بل تعتمد أيضًا على الطلب الناتج عن استدعاءات خدمات الذكاء الاصطناعي الحقيقية.

6. المرحلة الحالية وخارطة الطريق المستقبلية

المرحلة الحالية: من تحقق المنتج إلى إطلاق الشبكة

توجد DGrid حاليًا في نقطة تحول حاسمة:

• من جانب المنتج: تم إطلاق AI Gateway وArena وDClaw وجمعت مستخدمين حقيقيين.

• من الجانب التجاري: أثبتت الإيرادات البالغة 23 مليون دولار الطلب المدفوع.

• من الجانب الفني: تم تنفيذ آلية PoQ، ويدعم 5 أوراق بحثية موثوقية التقنية.

• من جانب الرموز: تم الإعلان عن نموذج اقتصاد $DGAI، وسيتم إطلاق TGE قريبًا.

تشمل الإجراءات الرئيسية القادمة:

1. إطلاق شبكة العقد: فتح رهن العقد وخدمات الاستدلال.

2. توسيع Model Marketplace: جذب المزيد من مقدمي النماذج.

3. بدء الحكم: فتح صلاحيات الحكم المجتمعي تدريجيًا.

الرؤية طويلة الأجل: شبكة خدمات الذكاء الاصطناعي اللامركزية

الهدف طويل الأجل لـ DGrid هو أن تصبح طبقة البنية التحتية اللامركزية لخدمات الذكاء الاصطناعي:

• يمكن لأي شخص تقديم خدمات الذكاء الاصطناعي والحصول على عائدات.

• يمكن لأي شخص استدعاء خدمات الذكاء الاصطناعي والتحقق من الجودة.

• يمكن لأي شخص المشاركة في حكم البروتوكول وتوزيع القيمة.

تحقيق هذه الرؤية يعتمد على ثلاثة مؤشرات رئيسية:

1. حجم استدعاء الشبكة: هل يستمر استدعاء خدمات الذكاء الاصطناعي الحقيقية في النمو؟

2. تنوع جانب العرض: هل جذب Marketplace عددًا كافيًا من مقدمي النماذج؟

3. معدل استخدام الرموز: هل يتم استخدام $DGAI فعليًا في الدفع، والرهن، والحكم، وليس فقط كأصل مضاربة؟

الخاتمة

تقدم DGrid AI نموذجًا فريدًا لمراقبة مجال الذكاء الاصطناعي x التشفير:

إنها لا تبدأ من الرموز لتستنتج السيناريو، بل تبدأ من الطلب الحقيقي للمنتجات، من خلال AI Gateway تحقق من طلب المطورين (23 مليون دولار من الإيرادات)، ومن خلال AI Arena تحقق من رغبة المستخدمين في المشاركة (500,000 مستخدم)، ومن خلال PoQ تحقق من جدوى آلية التحقق من الجودة (5 أوراق بحثية + نشر فعلي).

الآن، مع إطلاق $DGAI، تعمل DGrid على دمج هذه القدرات التي تم التحقق منها في شبكة لامركزية.

السؤال الرئيسي هو: هل يمكن لـ DGrid تحويل "قابلية الاستدعاء، وقابلية التحقق، وقابلية التسوية" من خصائص المنتج إلى بروتوكول الشبكة، مما يجعل خدمات الذكاء الاصطناعي تتداول حقًا في السوق المفتوحة؟

هذه ليست فقط تحديات DGrid، بل هي أيضًا سؤال يجب الإجابة عليه في عملية لامركزية البنية التحتية للذكاء الاصطناعي.