DGrid AI: إعادة بناء بنية تحتية للذكاء الاصطناعي من خلال التحقق على السلسلة والأسواق المفتوحة

تعاني المنصات المركزية للذكاء الاصطناعي من مشكلات مثل صندوق الجودة الأسود، بينما تعيد DGrid AI بناء بنية تحتية للذكاء الاصطناعي اللامركزية من خلال التحقق على السلسلة.

كتبه: مذكرات الذكاء الاصطناعي للأستاذ تشانغ

لقد أصبحت نماذج الذكاء الاصطناعي قوية بما يكفي، لكن بنية الذكاء الاصطناعي التحتية لا تزال غير موثوقة.

عندما تستدعي Claude Opus 5 أو GPT-5.6 من خلال منصة طرف ثالث، لا يمكنك التحقق مما إذا كانت المنصة قد استدعت بالفعل هذه النماذج الرائدة، أم أنها استبدلتها بنسخ أرخص؛ لا يمكنك التأكد مما إذا كانت النتائج التي تم إرجاعها هي المخرجات الأصلية، أم أنها قد تم معالجتها بطريقة ما؛ ولا يمكنك معرفة ما إذا كانت تسعيرة المنصة معقولة، لأن سلسلة التوريد بأكملها غير شفافة بالنسبة لك.

هذه ليست مشكلة ثقة، بل هي مشكلة آلية.

في عصر أصبحت فيه خدمات الذكاء الاصطناعي بنية تحتية حيوية، لا تزال ثلاثة مشكلات: صندوق الجودة الأسود، احتجاز الموردين، وإغلاق القيمة، لم يتم حلها بشكل جذري. لا يزال معظم المطورين والشركات يعتمدون على المنصات المركزية، مما يضطرهم إلى تقديم تنازلات بين الشفافية والمرونة وقوة التفاوض.

تتمثل رؤية DGrid AI في: استخدام التحقق من الجودة على السلسلة، وسوق النماذج المفتوحة، والاقتصاد الرمزي، لجعل خدمات الذكاء الاصطناعي قابلة للاستدعاء، وقابلة للتحقق، وقابلة للتسوية.

حتى النصف الأول من عام 2026، قدمت DGrid خدمات لأكثر من 15,000 مستخدم مدفوع، وحققت إيرادات تحقق قدرها 23 مليون دولار، وجذبت AI Arena أكثر من 500,000 مستخدم للمشاركة في تقييم النماذج. مع إعلان نموذج الاقتصاد الرمزي $DGAI وبدء TGE، تتطور DGrid من "منتجات خدمات الذكاء الاصطناعي" إلى "بروتوكول بنية تحتية للذكاء الاصطناعي اللامركزي".

ستتناول هذه المقالة ثلاثة مشكلات أساسية، وتفكيك الهيكل الفني لـ DGrid، وتصميم الآلية، والتحقق التجاري، وتحديد السوق.

1. ثلاثة مشكلات أساسية في بنية الذكاء الاصطناعي

---

المشكلة 1: صندوق الجودة الأسود - لا يمكنك التحقق مما إذا كانت الخدمات المقدمة من المنصة حقيقية

المشهد: شركة تستخدم منصة تجميع لاستدعاء Claude Opus 5 لمعالجة مستندات حساسة، وتدفع وفقًا لأسعار النماذج الرائدة. لكن في الواقع، هل استدعت المنصة حقًا Opus 5؟ هل ستقوم تلقائيًا بالتخفيض إلى نموذج أرخص خلال أوقات الذروة؟ هل تم معالجة النتائج التي تم إرجاعها بطريقة ما؟

جوهر المشكلة: تتحكم المنصات المركزية في عملية استدعاء النموذج بالكامل، ويكون المستخدم في وضع معلوماتي ضعيف تمامًا. المنصة هي مزود الخدمة، وأيضًا حكم الجودة، ولا يمكن للمستخدمين سوى الاختيار بين "الثقة" أو "عدم الاستخدام".

لماذا تعتبر هذه المشكلة خطيرة؟

• بالنسبة للمطورين: لا يمكن التحقق من جودة الخدمة، مما يجعل من الصعب تحسين تجربة المنتج
• بالنسبة للشركات: عندما يتعلق الأمر بالبيانات الحساسة والأعمال الأساسية، فإن تكلفة الثقة مرتفعة للغاية
• بالنسبة للصناعة: عدم وجود معايير جودة يؤدي إلى "طرد المال الرديء" - حيث تكون المنصات المحتالة أقل تكلفة

المشكلة 2: احتجاز الموردين - أنت محاصر في عدد قليل من المداخل المركزية

المشهد: اختار منتج SaaS في البداية مورد نموذج معين، ودمج واجهة برمجة التطبيقات بعمق في منطق العمل. بعد ستة أشهر، زاد المورد بشكل كبير من الأسعار أو غير شروط الخدمة، لكن تكلفة الانتقال مرتفعة للغاية - تحتاج إلى إعادة بناء الكود، وإعادة الاختبار، وإعادة النشر.

جوهر المشكلة: كل مورد نموذج لديه معاييره الخاصة لواجهة برمجة التطبيقات، وطرق المصادقة، ومنطق الفوترة، واستراتيجيات الحد من التدفق. بمجرد أن يختار المطور منصة معينة، فإن تكلفة التبديل ترتفع بشكل أسي مع عمق التكامل.

لماذا تعتبر هذه المشكلة خطيرة؟

• تمتلك المنصة سلطة التسعير، وقوة التفاوض لدى المستخدمين ضعيفة
• خطر الفشل الأحادي: انقطاع الخدمة من المنصة يؤثر مباشرة على الأعمال
• الابتكار مقيد: لا يمكن تجربة نماذج جديدة أو نماذج متخصصة بشكل مرن

المشكلة 3: إغلاق القيمة - لا يمكنك المشاركة في توزيع القيمة الأساسية لخدمات الذكاء الاصطناعي

المشهد: قامت فريق الذكاء الاصطناعي الطبي بضبط نموذج لمشهد التشخيص السريري، وكانت النتائج تفوق بكثير النموذج العام. لكنهم يفتقرون إلى قنوات التوزيع، ولا يمكنهم سوى إدراج النموذج من خلال منصة مركزية، وقبول نسبة المشاركة وقواعد توزيع الحركة التي تحددها المنصة. يتم سحب معظم العائدات الناتجة عن استدعاء النموذج بواسطة المنصة.

جوهر المشكلة: تتحكم المنصات المركزية في مدخلات النموذج، وسلطة التسعير، وحقوق التحكم في البيانات. لا يمكن لمقدمي النموذج، والمطورين، والمستخدمين المشاركة مباشرة في توزيع القيمة، ولا يمكنهم التأثير على قواعد المنصة.

لماذا تعتبر هذه المشكلة خطيرة؟

• يصعب على النماذج المتخصصة عالية الجودة الوصول إلى العملاء الحقيقيين
• لا يمكن للمؤسسات والأفراد الذين لديهم قوة حوسبة غير مستخدمة تحويل مواردهم إلى أموال
• كم من الرسوم التي يدفعها المستخدمون تصل فعلاً إلى مقدمي الخدمة؟ لا يمكن التحقق من ذلك

تتمثل القواسم المشتركة بين هذه المشكلات الثلاثة في: أن المنصات المركزية هي صانعة القواعد، وأيضًا الأطراف المعنية، ويكون المستخدمون ومقدمو الخدمة في وضع سلبي.

إجابة DGrid هي: إعادة بناء بنية الذكاء الاصطناعي من خلال آلية لامركزية، مما يجعل الجودة قابلة للتحقق، والإمدادات مفتوحة، والقيمة قابلة للتتبع.

2. إجابة DGrid: نظرة شاملة على الهيكل الفني

---

DGrid AI ليست مجرد "وضع الذكاء الاصطناعي على السلسلة"، بل تبني بنية تحتية للذكاء الاصطناعي اللامركزية حول ثلاث قدرات أساسية:

1. طبقة الاستدعاء الموحدة: بوابة الذكاء الاصطناعي

المشكلة التي تحلها: احتجاز الموردين

توفر بوابة DGrid AI واجهة برمجة تطبيقات متوافقة مع OpenAI، حيث يمكن للمطورين الوصول إلى أكثر من 200 نموذج باستخدام مفتاح API واحد، بما في ذلك Claude Opus 5، وGPT-5.6، وGemini Pro، وMiniMax، وDeepSeek، وKimi، وGLM، وغيرها من النماذج التجارية الرائدة.

الآلية الأساسية:

• التوجيه الذكي: اختيار النموذج الأمثل تلقائيًا بناءً على نوع المهمة، وميزانية التكلفة، ومتطلبات التأخير
• توازن الحمل: التبديل تلقائيًا إلى عقد احتياطية عند تعطل مزود الخدمة العلوي
• الفوترة الموحدة: توحيد طرق تسعير النماذج المختلفة من خلال آلية وحدة الحساب
• تكلفة انتقال صفرية: تحتاج فقط إلى تعديل معلمة base_url، ولا حاجة لإعادة بناء الكود الحالي

القيمة الأساسية: لم يعد المطورون محصورين في مورد واحد، ويمكنهم التبديل بين النماذج، ومقارنة الأداء، وتحسين التكاليف، والحفاظ على أقصى قدر من المرونة.

2. طبقة التحقق من الجودة: إثبات الجودة (PoQ)

المشكلة التي تحلها: صندوق الجودة الأسود

PoQ هو آلية التحقق من الجودة الفريدة من DGrid، وهو أيضًا البروتوكول الوحيد الذي تم نشره فعليًا في بنية الذكاء الاصطناعي، مدعومًا بخمس أوراق تقنية متخصصة.

الآلية الأساسية:

• اختبار عشوائي: تحافظ DGrid على بنك أسئلة، وتختار عشوائيًا أسئلة لاختبار خدمات النموذج المقدمة من العقد
• تقييم متعدد الأبعاد: تقييم الجودة الناتجة، وسرعة الاستجابة، والاستقرار، والامتثال للتنسيق، وغيرها من الأبعاد
• إثبات على السلسلة: يتم تسجيل نتائج التحقق على السلسلة، كمعيار لتقييم سمعة العقد وتوزيع الحوافز
• آلية العقوبة: إذا قام العقد بالغش (ادعى تقديم GPT-5.6 لكنه استدعى إصدارًا أقل)، سيتم اكتشافه ومصادرة الرهن

التصميم الرئيسي: PoQ يتحقق فقط من الخدمات التي يدعي العقد تقديمها، دون المساس ببيانات الاستدعاء الحقيقية للمستخدم، مما يحمي الخصوصية، ويضع معايير الجودة.

هذا يحل المشكلة الأساسية في السوق المفتوحة: عندما يمكن لأي شخص إدراج نموذج، كيف يمكن منع "تقديم منتجات رديئة"؟

3. طبقة السوق المفتوحة: سوق النماذج

المشكلة التي تحلها: إغلاق القيمة

تسمح سوق DGrid للنماذج لأي مزود نموذج بإدراج النموذج، وتحديد الأسعار بشكل مستقل، والحصول مباشرة على عائدات الاستدعاء، ويتم التسوية من خلال عقود ذكية على السلسلة.

الآلية الأساسية:

• إدراج حر: يمكن لأي شخص أو مؤسسة تمتلك موارد نموذج أو قوة حوسبة أن تصبح مزودًا
• تسعير مستقل: يحدد المزود الأسعار بناءً على التكلفة، والأداء، وطلب السوق
• دعم PoQ: يتم التحقق من النماذج المدرجة بواسطة PoQ، وإشارات الجودة علنية وشفافة
• تسوية على السلسلة: يتم توزيع عائدات الاستدعاء تلقائيًا من خلال العقود الذكية، دون الحاجة إلى استضافة المنصة

القيمة الأساسية:

• يمكن لنماذج التخصيص العمودي (الطبية، القانونية، المالية) الوصول مباشرة إلى المستخدمين المدفوعين
• يمكن للمؤسسات التي تمتلك وحدات معالجة الرسوميات غير المستخدمة تحويل قوتها الحاسوبية إلى خدمات استدلال وتحقيق دخل
• يمكن للمستخدمين تصفية النماذج الأكثر ملاءمة بناءً على الأداء، والسعر، والاستخدام

من حيث الهيكل، DGrid هو بروتوكول ثلاثي الطبقات:

• الطبقة العليا: واجهة الاستدعاء الموحدة (بوابة الذكاء الاصطناعي)، تحل مشكلة تجربة المطورين
• الطبقة الوسطى: آلية التحقق من الجودة (PoQ)، تحل مشكلة الثقة في السوق المفتوحة
• الطبقة السفلية: بروتوكول السوق المفتوحة (سوق + $DGAI)، تحل مشكلات الإمداد وتوزيع القيمة

3. تحليل عميق لآلية PoQ: كيف نضع معايير الجودة في الشبكة المفتوحة؟

---

PoQ هو الابتكار التكنولوجي الأكثر أهمية في DGrid، وهو أيضًا المفتاح لنجاح السوق المفتوحة. هذه الجزء يستحق التحليل العميق.

لماذا نحتاج إلى PoQ؟

في المنصات المركزية، تتحمل المنصة مسؤولية التحكم في الجودة، ويمكن للمستخدمين فقط اختيار "الثقة في المنصة". لكن في السوق المفتوحة، يمكن لأي شخص إدراج نموذج، وإذا لم يكن هناك آلية تحقق، ستتدهور السوق بسرعة:

• يدعي شخص ما تقديم Claude Opus 5، لكن ما يتم استدعاؤه هو نموذج أرخص
• يقوم شخص ما بتقليل استقرار الخدمة عمدًا، مما يؤدي إلى انقطاع الاتصال خلال أوقات الذروة
• يقوم شخص ما بإرجاع نتائج غير متوافقة مع التنسيق، مما يزيد من تكاليف المعالجة في الأسفل

المشكلة الأساسية التي يسعى PoQ لحلها: كيف نتحقق من جودة الخدمة المقدمة من العقد دون المساس بخصوصية المستخدم؟

كيف يعمل PoQ؟

الخطوة الأولى: بناء بنك الأسئلة

تحافظ DGrid على بنك أسئلة يغطي أنواع مهام متعددة:

• توليد الكود
• فهم النص
• تحليل الاستدلال
• تحويل التنسيق
• الترجمة متعددة اللغات

كل سؤال له إجابة معيارية أو معايير تقييم.

الخطوة الثانية: الاختبار العشوائي

يقوم النظام بشكل دوري باختيار أسئلة عشوائية من بنك الأسئلة، ويطلب من العقد إجراء "استدعاء اختبار عمياء". لا يعرف العقد ما إذا كانت هذه طلبات اختبار أم طلبات حقيقية من المستخدم.

الخطوة الثالثة: التقييم متعدد الأبعاد

سيتم تقييم النتائج العائدة من عدة أبعاد:

• تقييم الجودة: دقة الإجابات، اكتمالها، منطقها
• تقييم السرعة: زمن الاستجابة، زمن أول بايت
• تقييم الاستقرار: معدل النجاح، معدل الأخطاء
• تقييم الامتثال: هل يتوافق تنسيق الإخراج مع معايير API

الخطوة الرابعة: إثبات الوجود على السلسلة

تقييم النتائج يتم تسجيله على السلسلة، مما يشكل تقييم سمعة العقد. هذه التقييمات:

• شفافة: يمكن لأي شخص الاستعلام عنها
• غير قابلة للتغيير: يتم حفظ السجلات التاريخية بشكل دائم
• تؤثر على الحوافز: العقد عالية الجودة تحصل على المزيد من مكافآت $DGAI
• تفعيل العقوبات: العقد المزيفة سيتم مصادرتها

ثلاثة تصميمات رئيسية لـ PoQ

1. حماية الخصوصية: تحقق من العقد فقط، دون المساس ببيانات المستخدم

طلبات التحقق من PoQ يتم إطلاقها من قبل النظام، باستخدام بيانات قاعدة الأسئلة، ولن يتم استخدام بيانات استدعاء المستخدم الحقيقية للتحقق أو التسجيل على السلسلة. هذا يضمن خصوصية المستخدم.

2. مكافحة الغش: عشوائية + اختبار أعمى

لا يمكن للعقد معرفة مسبقًا أي استدعاء هو اختبار، ولا يمكنها توقع محتوى الأسئلة. إذا أرادوا تحقيق معدل نجاح مرتفع، فإن الطريقة الوحيدة هي الاستمرار في تقديم خدمات عالية الجودة.

3. توافق الحوافز: الربط بين الجودة والعائد

تقييم PoQ ليس مجرد "مقبول / غير مقبول"، بل يؤثر على وزن الحوافز للعقد. كلما كانت العقدة ذات جودة أعلى، زادت مكافآت $DGAI التي تحصل عليها، مما يشكل دورة إيجابية.

جوهر PoQ هو استخدام "التدقيق العشوائي المستمر + السمعة على السلسلة + الحوافز الاقتصادية" لجعل جودة الخدمة في السوق المفتوحة قابلة للقياس، وقابلة للتتبع، وقابلة للعقاب.

وهذا هو السبب في أن DGrid تختلف جوهريًا عن المشاريع مثل OpenRouter وInfura من الناحية التقنية: الأخيرة تعتمد على ائتمان المنصة، بينما تعتمد DGrid على آلية قابلة للتحقق.

أربعة، مصفوفة المنتجات: نظام بيئي كامل حول المشاركين المختلفين

منتجات DGrid ليست أدوات نقطية، بل هي نظام بيئي كامل مبني حول أربعة أنواع من المشاركين:

1. موجهة للمطورين: بوابة الذكاء الاصطناعي

القيمة الأساسية: استدعاء API واحد لأكثر من 200 نموذج، بدون تكاليف انتقال، توجيه ذكي

سيناريوهات الاستخدام:

• تحتاج منتجات SaaS إلى تبديل النماذج بشكل مرن (توليد الشيفرة باستخدام Claude Opus 5، المحادثة باستخدام GPT-5.6، تحسين التكاليف باستخدام DeepSeek)
• يحتاج وكيل الذكاء الاصطناعي إلى اختيار النموذج الأمثل ديناميكيًا بناءً على المهمة
• ترغب الشركات في تجنب قفل الموردين، والحفاظ على مرونة تقنية

2. موجهة لمقدمي النماذج: سوق النماذج

القيمة الأساسية: إدراج حر، تسعير ذاتي، تسوية على السلسلة، دعم PoQ

سيناريوهات الاستخدام:

• فرق نماذج التخصيص في مجالات مثل الطب، القانون، والمالية
• المؤسسات أو الأفراد الذين يمتلكون وحدات معالجة رسومية غير مستخدمة
• الموردون الذين يمتلكون موارد نماذج حصرية أو قدرة حسابية منخفضة التكلفة

3. موجهة للمستخدمين العاديين: ساحة الذكاء الاصطناعي

القيمة الأساسية: معارك نماذج مجهولة الهوية، بيانات تفضيل حقيقية، المشاركة تعني الربح

سيناريوهات الاستخدام:

• قبل شراء خدمات الذكاء الاصطناعي، تقارن الشركات أداء النماذج المختلفة في السيناريوهات الفعلية
• يشارك المستخدمون العاديون في تقييم النماذج، مما يساهم في النظام البيئي ويحصلون على حوافز
• تستفيد DGrid من ردود فعل المستخدمين الحقيقية لتحسين استراتيجيات التوجيه ومعايير الجودة

البيانات الحالية: أكثر من 500,000 مستخدم يشاركون، مما يولد كمية كبيرة من بيانات تفضيل البشر.

4. موجهة لمطوري الوكلاء: DClaw

القيمة الأساسية: نشر الوكيل بنقرة واحدة، هوية على السلسلة، استدعاء خدمات ذاتي

سيناريوهات الاستخدام:

• ينشر المبدعون الشخصيون مساعد الذكاء الاصطناعي الخاص بهم
• تبني الوكلاء الثقة من خلال الهوية على السلسلة
• كعضو في مشهد الذكاء الاصطناعي على سلسلة BNB، يتم الاتصال بنظام الوكلاء على السلسلة

تتصل DClaw بمعيار هوية الوكيل ERC-8004 على سلسلة BNB، مما يمنح الوكلاء هوية على السلسلة، وقابلية الاكتشاف، وقدرة على تراكم السمعة.

منطق المنتج:

• بوابة الذكاء الاصطناعي تحل مشكلة الاستدعاء
• سوق النماذج يحل مشكلة العرض والتوزيع
• ساحة الذكاء الاصطناعي تحل مشكلة تقييم الجودة واستعادة البيانات
• DClaw تحل مشكلة نشر الوكلاء وهوية السلسلة

تدور هذه المنتجات الأربعة حول "جعل خدمات الذكاء الاصطناعي تتداول في الشبكة المفتوحة" لبناء حلقة مغلقة.

خمسة، اقتصاد رمز $DGAI: ليس مجرد حوافز، بل طبقة تنسيق

$DGAI هو الرمز الأصلي لشبكة DGrid AI، بإجمالي إمداد يبلغ 1 مليار قطعة.

توزيع الرموز

عند TGE، يتم فتح 15% فقط (Airdrops + Liquidity)، ويتم قفل فريق العمل والمستثمرين بالكامل لمدة عام.

الوظائف الأربعة لـ $DGAI

1. رهن العقد

يضع مشغلو العقد $DGAI كضمان للخدمة، يؤثر تقييم PoQ على وزن الحوافز. يمكن للمستخدمين تفويض $DGAI للعقد عالية الجودة لمشاركة العائدات.

2. دفع الخدمة

عند استدعاء خدمات الذكاء الاصطناعي، يستخدم المستخدمون $DGAI للدفع للحصول على خصم. هذا يخلق طلبًا حقيقيًا على الرموز.

3. حوافز النظام البيئي

تحصل العقد، ومقدمو النماذج، ومطورو الوكلاء، والمشاركون في الساحة على مكافآت $DGAI بناءً على مساهماتهم. توزيع الحوافز ليس متساويًا، بل يعتمد على الجودة وكمية الاستدعاءات.

4. حوكمة البروتوكول

يمكن لحاملي $DGAI التصويت على: هيكل الرسوم، قواعد PoQ، النماذج الجديدة المدعومة، خطط الحوافز للنظام البيئي، استخدام الخزينة.

دورة القيمة

يستدعي المستخدمون الخدمات (يدفعون $DGAI)

↓

تقدم العقد الاستدلال (تحصل على $DGAI)

↓

يحقق PoQ الجودة (يؤثر على وزن الحوافز)

↓

تحصل العقد عالية الجودة على المزيد من الحوافز

↓

المزيد من العقد → خدمات أفضل → المزيد من المستخدمين

↓

زيادة الطلب على الرموز → توسيع النظام البيئي

السؤال الرئيسي: هل يمكن لـ $DGAI أن يتحول من "أصل حوافز" إلى "أصل استخدام"؟ أي أن قيمة الرمز لا تأتي فقط من توزيع الحوافز، بل من الطلب الحقيقي الناتج عن استدعاءات خدمات الذكاء الاصطناعي.

ستة، التحقق التجاري وتحديد السوق: ماذا يعني دخل 23 مليون دولار؟

البيانات التي تم التحقق منها

• إيرادات النصف الأول من عام 2026: 23 مليون دولار
• عدد المستخدمين المدفوعين: أكثر من 15,000
• عدد المشاركين في ساحة الذكاء الاصطناعي: أكثر من 500,000
• حجم التمويل: 5 مليون دولار في جولة البذور

ماذا تعني هذه المجموعة من البيانات؟

1. تم التحقق من الطلب على المنتج

بينما لا تزال معظم مشاريع الذكاء الاصطناعي x Crypto تتحدث عن القصص، أثبتت DGrid الطلب المدفوع من خلال الإيرادات الحقيقية. تم اعتماد بوابة الذكاء الاصطناعي والخدمات المميزة من قبل المستخدمين والشركات الحقيقية.

2. كفاءة رأس المال عالية جدًا

استخدمت DGrid 5 مليون دولار من التمويل لتحقيق إيرادات قدرها 23 مليون دولار، مما يدل على كفاءة رأس المال أعلى بكثير من المتوسط في الصناعة. وهذا يدل على أن المشروع لديه القدرة على تحقيق الاكتفاء الذاتي، ولا يعتمد بالكامل على التمويل وحوافز الرموز للحفاظ على التشغيل.

3. مستوى عالٍ من المشاركة المجتمعية

يشارك 500,000 مستخدم في ساحة الذكاء الاصطناعي، مما يدل على أن DGrid لديها ليس فقط مستخدمين مدفوعين، ولكن أيضًا مشاركين نشطين في المجتمع يساهمون في البيانات.

نقطة التحول الرئيسية

تتواجد DGrid حاليًا في نقطة تحول حاسمة من "منتج مركزي" إلى "شبكة لامركزية":

• من جانب المنتج: تم إطلاق بوابة الذكاء الاصطناعي، والساحة، وDClaw وجمعت مستخدمين حقيقيين
• من الجانب التجاري: إيرادات 23 مليون دولار تثبت الطلب المدفوع
• من الجانب التقني: تم تنفيذ آلية PoQ، ويدعمها 5 أوراق بحثية
• من جانب الرموز: تم الكشف عن نموذج اقتصاد $DGAI، وTGE على وشك البدء

التحدي القادم: هل يمكن تحويل الإيرادات الحالية والمستخدمين إلى حجم استدعاءات مستدام في الشبكة اللامركزية، وتدفق العرض والطلب في السوق، وسيناريوهات الاستخدام الحقيقية لـ $DGAI؟

سبعة، مصفوفة مقارنة المنافسين: ما هو الاختلاف في DGrid؟

الاختلافات الأساسية

مقارنة بـ OpenRouter

• تم الاستحواذ على OpenRouter مؤخرًا من قبل Stripe بمبلغ 7 مليارات دولار، مما يثبت قيمة سوق منصات تجميع الذكاء الاصطناعي
• لكن OpenRouter هو محطة مغلقة، بينما DGrid هو سوق مفتوح
• لا يوجد تحقق من الجودة في OpenRouter، بينما DGrid لديها تحقق PoQ على السلسلة

مقارنة بـ Akash/Render

• يوفر Akash قدرة حسابية خام، بينما تقدم DGrid خدمات ذكاء اصطناعي مغلفة
• Akash مناسب للفرق التي تبني خدمات خاصة، بينما DGrid مناسب للمطورين الذين يحتاجون إلى تكامل سريع
• Akash هو شبكة قدرة حسابية عامة، بينما DGrid هي بنية تحتية مخصصة للذكاء الاصطناعي

مقارنة بـ OpenAI/Anthropic

• المنصات المركزية تتحكم في حقوق التسعير وشرح الجودة
• DGrid تجعل الجودة قابلة للتحقق من خلال PoQ، وتعيد التسعير إلى السوق من خلال السوق
• مع زيادة عدد نماذج الذكاء الاصطناعي وأهمية النماذج العمودية، فإن سقف العرض في السوق المفتوح أعلى بكثير من المورد الفردي

ثمانية، الخطوات التالية ومؤشرات المراقبة

الإجراءات الرئيسية القادمة

1. إطلاق شبكة العقد: فتح خدمات الرهن والاستدلال
2. توسيع سوق النماذج: جذب المزيد من مقدمي النماذج
3. بدء الحوكمة: فتح صلاحيات الحوكمة المجتمعية تدريجياً

ثلاثة مؤشرات رئيسية لتقييم تقدم DGrid

1. حجم استدعاء الشبكة

هل يستمر حجم استدعاء خدمات الذكاء الاصطناعي الحقيقي في النمو؟ هذا يحدد ما إذا كانت هناك حاجة حقيقية لدفع $DGAI.

طريقة المراقبة: متابعة البيانات الشهرية / الفصلية لحجم الاستدعاء التي تكشفها الجهات الرسمية.

2. تنوع جانب العرض في السوق

كم عدد مقدمي النماذج الذين قاموا بإدراج نماذجهم؟ ما هي النسبة المئوية للنماذج في المجالات الرأسية؟ هذا يحدد ما إذا كان السوق المفتوح يعمل حقًا.

طريقة المراقبة: متابعة عدد النماذج المدرجة في السوق، وعدد مقدمي الخدمات، وتوزيع حجم الاستدعاء.

3. معدل استخدام الرمز

هل يتم استخدام $DGAI فعلاً للدفع، والرهن، والحوكمة، أم أنه مجرد أصل مضارب؟

طريقة المراقبة: متابعة البيانات على السلسلة --- عدد معاملات الدفع، معدل الرهن، مستوى المشاركة في مقترحات الحوكمة.

الخاتمة

تخضع بنية الذكاء الاصطناعي لتحول نموذجي: من الهيمنة على المنصات المركزية إلى التطور نحو البروتوكولات المفتوحة.

تقدم DGrid AI نموذجًا كاملاً:

• استخدام بوابة الذكاء الاصطناعي لحل مشاكل استدعاء المطورين
• استخدام PoQ لحل مشاكل التحقق من جودة السوق المفتوح
• استخدام سوق النماذج لحل مشاكل العرض المفتوح وتوزيع القيمة
• استخدام $DGAI لربط جميع المشاركين، وتشكيل طبقة تنسيق

إنه لا يبدأ من الرمز ليعود إلى السيناريو، بل يبدأ من الحاجة الحقيقية للمنتجات --- $23M من الإيرادات تثبت وجود حاجة للاستدعاء، و500,000 مستخدم في Arena تثبت المشاركة المجتمعية، و5 أوراق بحثية ونشر فعلي تثبت جدوى PoQ.

السؤال الرئيسي هو: هل يمكن لـ DGrid تحويل "قابل للاستدعاء، قابل للتحقق، قابل للتسوية" من خصائص المنتج إلى بروتوكول الشبكة؟

مع إطلاق $DGAI وبدء شبكة العقد، سيتم التحقق من هذا السؤال قريبًا.

يُقدَّم هذا المحتوى لأغراض معلوماتية عامة فقط، ولا يُشكل مشورة مالية أو استثمارية أو قانونية أو ضريبية. ولا ينبغي اعتبار أي فعاليات أو مكافآت أو عروض ترويجية عبر الإنترنت أو أي معلومات ذات صلة واردة فيه توصيةً أو طلبًا أو دعوةً لشراء الأصول المشفرة أو بيعها أو تداولها أو إجراء أي معاملات أخرى عليها. تتميز الأصول المشفرة بتقلبات سعرية مرتفعة وقد تؤدي إلى خسائر. وقد يختلف مدى توفر خدمات WEEX ومنتجاتها والفعاليات المرتبطة بها حسب المنطقة. وتقع على عاتقك مسؤولية التأكد من أن مشاركتك تتوافق مع القوانين واللوائح المحلية المعمول بها.