گردهمایی Kimi، Chip و Bean در هکاتون کریپتو: توسعه‌دهندگان هوش مصنوعی روی Monad چه ساختند؟

عنوان اصلی: "گردهمایی Kimi، MindMap و Bean در هکاتون کریپتو: توسعه‌دهندگان هوش مصنوعی روی Monad چه ساختند؟"

نویسنده اصلی: Deep Tide TechFlow

هکاتون مدت‌هاست که به عنوان یک اقدام استاندارد برای توسعه اکوسیستم بلاک‌چین‌های عمومی شناخته می‌شود. در مقایسه با خودِ این رویداد پرشور، آنچه شایسته توجه بیشتری است، «میراث این رویداد برای اکوسیستم» است.

در ۲۱ مارس ۲۰۲۶، همزمان با اعلام برندگان، هکاتون هوش مصنوعی Monad Rebel in Paradise با موفقیت به پایان رسید.

در زمانی که هوش مصنوعی به یک «نجات‌بخش» ضروری برای اکوسیستم کریپتو تبدیل شده، این هکاتون همچنان شایسته بررسی ویژه است. نه تنها به این دلیل که به عنوان یک پروژه L1 تراز اول، توسعه اکوسیستم Monad پس از صدور توکن همواره کانون پرسش‌های جامعه بوده، بلکه به این دلیل که جامعه نمی‌تواند شرکای برجسته این هکاتون را نادیده بگیرد:

از جمله Kimi، MindMap، Bean و بسیاری دیگر از فروشندگان شناخته‌شده مدل‌های زبانی بزرگ (LLM).

این موضوع اهمیت رویداد را بسیار فراتر از یک «رقابت توسعه‌دهندگان آن‌چین» می‌برد. این رویداد سیگنالی را مخابره می‌کند که کریپتو، به عنوان یک جزء اصلی، در حال تعامل با صحنه‌ای گسترده‌تر است، و در عین حال به تلاقی مدل‌های بزرگ هوش مصنوعی و زیرساخت‌های آن‌چین منجر می‌شود:

در یک سو محیط اجرای آن‌چین فراهم‌شده توسط بلاک‌چین عمومی با کارایی بالای Monad قرار دارد و در سوی دیگر، تمرکز قابلیت‌های مدل‌های بزرگ، زنجیره‌ابزارها و منابع توسعه‌ای که در اختیار فروشندگان سنتی است؛ و توسعه‌دهندگان در این میان تلاش می‌کنند تا تخیل را به محصول تبدیل کنند.

بنابراین، در مواجهه با عصر اقتصاد هوشمند، شبکه زیرساختی چگونه از تعاملات با فرکانس بالاتر، پیچیده‌تر و انتقال ارزش پشتیبانی کرد؟ عملکرد Monad دقیقاً چگونه بود؟

در همین حال، در چنین هکاتونی که بر هوش مصنوعی متمرکز است، توسعه‌دهندگان دقیقاً چه چیزی روی Monad ساختند؟

بیایید از طریق پروژه‌های برنده این هکاتون، نگاه عمیق‌تری به طرح هوش مصنوعی اکوسیستم Monad بیندازیم.

هکاتونی با «ترکیب قدرتمند» و «منابع فشرده»

وقتی یک عامل (Agent) دیگر فقط یک ابزار گفتگو نیست، بلکه قابلیت اجرا دارد، کدام مسیرها برای تمرکز توسعه‌دهندگان شایسته‌تر هستند؟

هکاتون هوش مصنوعی Monad Rebel in Paradise با هدف ارائه مستقیم‌ترین پاسخ برگزار شد.

از نظر طراحی چالش، این رویداد بر سه حوزه‌ای تمرکز دارد که بیشترین ارزش عملی یک عامل را نشان می‌دهند: پرداخت عامل (Agent Payment)، بازار هوشمند و نوآوری در اپلیکیشن.

برای ارائه پاسخ به شکلی درخشان‌تر، Monad از هیچ منبعی دریغ نکرد: شرکت‌کنندگان نه تنها می‌توانند مستقیماً با رهبران حوزه‌های LLM، زیرساخت، عامل‌ها و شرکت‌های سرمایه‌گذاری خطرپذیر (VC) تعامل داشته باشند، بلکه از مجموع جوایز بیش از ۴۰,۰۰۰ دلاری بهره‌مند خواهند شد که شامل ۲۰,۰۰۰ دلار جایزه نقدی و ۲۰,۰۰۰ دلار حمایت خلاقانه و منابع، از جمله سهمیه استفاده رایگان از مدل‌های پیشرفته، ابزارهای توسعه و زیرساخت است.

به عنوان اولین هکاتون متمرکز بر عامل‌های هوش مصنوعی در چین بزرگ، Monad قصد دارد از طریق این رویداد، ادغام عمیق EVM موازی با کارایی بالا و مدل‌های زبانی بزرگ برتر را به نمایش بگذارد و فعالیت‌های اردوگاه آموزشی را در دو شهر اصلی یعنی پکن و شنژن برگزار کند. هدف این است که توسعه‌دهندگان، قابلیت‌های مدل، زیرساخت‌ها و سرمایه‌گذاران را به یک میدان آزمایشی واحد بیاورد.

داوران VC این رویداد شامل مؤسسات تراز اولی مانند Delphi Ventures، Pantera Capital، CoinFund، Vertex و Enlight هستند که فرصتی را برای شرکت‌کنندگان فراهم می‌کند تا خود را در برابر فروشندگان مدل، ارائه‌دهندگان زیرساخت و مؤسسات سرمایه‌گذاری برتر اثبات کنند.

در عین حال، این رویداد شرکت‌های برتر هوش مصنوعی مانند Kimi، Zhifu AI، Beanbag، Jieyue Xingchen، Silicon Flow و YouWare را جذب کرده تا مجموعه‌ای از پشتیبانی‌ها از APIهای مدل، پشتیبانی توان محاسباتی، راهنمایی فنی تا منابع داوری را ارائه دهند.

این ترکیب باعث شده بسیاری در مورد فرصت‌های پشت این همکاری کنجکاو شوند، اما با بررسی دقیق‌تر، درک آن دشوار نیست:

وقتی فروشندگان LLM شروع به جستجوی فرصت‌هایی برای جهانی شدن و نقطه عطف بعدی نوآوری هوش مصنوعی می‌کنند، آن‌ها کریپتو را با مجموعه‌ای از ویژگی‌ها مانند تمرکززدایی، عدم نیاز به اعتماد و انگیزه‌های قابل‌تأیید می‌بینند و Monad به پایگاه L1 تبدیل می‌شود که این غول‌های فناوری کشف و انتخاب کرده‌اند.

ارائه فشرده منابع، پایه لازم برای خروجی‌های باکیفیت این هکاتون را فراهم کرده است. بنابراین، اولین دسته از محصولاتی که جرأت کردند تلاش کنند و نقطه فرودی بیابند، چگونه به نظر می‌رسند؟

از پرداخت تا تولید کمدی: مروری بر ۱۱ پروژه برنده

جایزه بزرگ: OpenAlice

پروژه OpenAlice یک عامل تراکنش قابل اجرا به صورت محلی است که می‌تواند فرآیندهای تحقیق، استراتژی، اجرا، مدیریت ریسک و سایر موارد را در یک فضای کاری شفاف و مشارکتی ادغام کند.

معماری اصلی OpenAlice مبتنی بر پیکربندی Markdown + JSON است که در آن رفتار کل عامل در قالب Markdown قابل خواندن برای انسان و JSON ساختاریافته تعریف می‌شود و لاگ‌های شفاف و واضحی را برای همکاری و تکرار آسان بین انسان و عامل تضمین می‌کند. علاوه بر این، این پروژه از استقرار در محل (on-premise) پشتیبانی می‌کند، جایی که داده‌ها و اجرا کاملاً به فضای ابری وابسته نیستند، که این امر حریم خصوصی و کنترل‌پذیری را بیشتر تقویت می‌کند.

جایزه ویژه ابررایانه NVIDIA: Orbit AI

پروژه Orbit AI یک ابر هوش مصنوعی غیرمتمرکز است که توان محاسباتی را «به مدار» می‌آورد، سناریوی عامل‌ها را هدف قرار داده و به یک خوشه GPU ماهواره‌ای قابل‌تأیید متصل می‌شود. ارزش پیشنهادی اصلی آن در ایزوله‌سازی فیزیکی قوی‌تر و مقاومت در برابر دستکاری نهفته است که محاسبات بسیار قابل اعتماد با دسترسی جهانی را ممکن می‌سازد.

جایزه اول بخش پرداخت و زیرساخت: Libra

پروژه Libra یک «Git جدید» است که برای عصر عامل‌ها ساخته شده و هدف آن رفع مشکلاتی مانند انفجار کامیت‌های کد پس از نوشتن کد توسط ماشین، تاریخچه غیرقابل خواندن و از دست رفتن اطلاعات هدف است.

این پروژه بر بازسازی بیان هدف، همکاری موازی، قابلیت حسابرسی و تجربه دیباگ تمرکز دارد و کل فرآیند را به حالتی دوستانه برای انسان بازمی‌گرداند.

جایزه دوم بخش پرداخت و زیرساخت: Agora-mesh

پروژه Agora-mesh با هدف کمک به عامل‌ها برای کشف روان خدمات و تسویه حساب آن‌چین از طریق MON طراحی شده که آستانه پرداخت برای عامل‌ها را به میزان قابل توجهی کاهش داده و تراکنش‌های بی‌نقص خدمات ماشین-به-ماشین را ممکن می‌سازد.

فرآیند کلی مشابه x402 است: ابتدا استعلام قیمت، سپس پرداخت آن‌چین و در نهایت تحویل نتایج.

جایزه سوم بخش پرداخت و زیرساخت: TickPay

پروژه TickPay بر پرداخت‌های جریانی با فرکانس بالا و ارزش پایین تمرکز دارد که برای سناریوهایی مانند سرویس‌های ویدیویی با پرداخت به ازای ثانیه و APIهای هوش مصنوعی با پرداخت به ازای هر فراخوانی مناسب است. در ترکیب با مکانیزم مجوز انتزاع حساب، مجوزهای شارژ را می‌توان در هر زمان روشن یا خاموش کرد، در حالی که فرآیند تسویه حساب خودکار است.

جایزه اول بخش هم‌زیستی با عامل: Kimi-swarm

پروژه Kimi-swarm یک IDE همکاری چندعاملی متن‌باز است که توسط تیم Kimi توسعه یافته و از وقفه‌ها و مداخلات بی‌نقص با هر عاملی دقیقاً مانند چت کردن پشتیبانی می‌کند. از طریق یک پنل نمودار و متن، کل فرآیند Swarm قابل مشاهده و دیباگ می‌شود و دیگر یک جعبه سیاه نیست.

جایزه دوم بخش هم‌زیستی با عامل: پروتکل A2A IntentPool

پروتکل A2A IntentPool یک «لایه تسویه وظیفه» برای همکاری ماشین-به-ماشین است که به عامل‌های خودکار اجازه می‌دهد وظایف را کشف کنند، انجام دهند، نتایج را اثبات کنند و مستقیماً پرداخت‌های آن‌چین دریافت کنند. هدف آن کاهش واسطه‌های پلتفرم، هزینه‌های انتقال API و فرآیندهای تطبیق دستی است.

جایزه سوم بخش هم‌زیستی با عامل: Anime AI Studio

پروژه Anime AI Studio یک عامل تولید فیلم کوتاه انیمه همه‌کاره است که می‌تواند کل فرآیند از ایده خلاقانه، فیلمنامه، استوری‌برد، فریم‌های کلیدی تا تولید ویدیوی سطح شات را ساده‌سازی کند. همچنین از بازگشت به عقب بخش‌بندی‌شده و تولید مجدد جزئی پشتیبانی می‌کند، بنابراین تغییر یک صحنه نیازی به اجرای مجدد کل خط لوله ندارد.

جایزه اول بخش نوآوری در اپلیکیشن: AgentVerse

پروژه AgentVerse یک حامی بومی x402 با «نقشه میلیون‌سلولی» است که در آن عامل‌ها می‌توانند زمین بخرند، صفحه اصلی بسازند و توسط دنیای خارج کشف شوند. این پروژه هویت، پرداخت‌ها و فضای نمایش را ترکیب می‌کند و به عامل‌ها امکان می‌دهد خود را به نمایش بگذارند و در عین حال قابلیت تراکنش داشته باشند.

جایزه دوم بخش نوآوری در اپلیکیشن: campfire

پروژه campfire یک زمین بازی اجتماعی است که انسان‌ها و عامل‌ها را گرد هم می‌آورد و به کاربران اجازه می‌دهد با هم وظایفی را انجام دهند، در تعاملات بازار شرکت کنند یا برای رقابت وارد میدان عامل‌ها (Agent Arena) شوند. این پروژه بر تعامل با فرکانس بالا و نتایج قابل اندازه‌گیری تأکید دارد و تجربه کلی را به یک محصول واقعی نزدیک‌تر می‌کند تا صرفاً یک دمو.

جایزه سوم بخش نوآوری در اپلیکیشن: بازی چالش معاملات کمی Web3

بازی چالش معاملات کمی Web3 محصولی است که به کاربران اجازه می‌دهد معاملات کمی Web3 را از طریق مکانیزم مرحله‌بندی یاد بگیرند. کاربران می‌توانند با کشیدن و رها کردن ماژول‌های استراتژی ترکیبی، مستقیماً استراتژی‌ها را اجرا کنند و منطق کمی را از طریق «یادگیری با بازی» درک کنند. هر سطح با بازخورد تشخیصی همراه است تا به کاربران کمک کند بفهمند مشکل کجاست و چگونه آن را تنظیم کنند.

طرح هوش مصنوعی اکوسیستم Monad، فراتر از یک هکاتون

در واقع، فراتر از این هکاتون، این اولین باری نیست که Monad بر هوش مصنوعی تمرکز کرده است.

در صفحه «مرکز اپلیکیشن» وب‌سایت Monad، هوش مصنوعی به عنوان یک برچسب دسته‌بندی جداگانه فهرست شده و در مجموع ۱۲ اپلیکیشن هوش مصنوعی در حال حاضر نمایش داده شده‌اند. سه مورد از آن‌ها از برنامه تشویقی Monad Momentum حمایت دریافت کرده‌اند. اگرچه این مجموعه داده به اندازه کافی «غنی» نیست، اما نگاهی اجمالی به تأکید اولیه Monad بر هوش مصنوعی ارائه می‌دهد.

از نظر تثبیت زیرساخت و گسترش حمایت از اکوسیستم، Monad از مدت‌ها قبل مجموعه‌ای از اقدامات را انجام داده است.

پیش از این، مستندات رسمی Monad به‌طور خاص راهنمای پرداخت x402 و آموزش ثبت‌نام ERC-8004 (عامل‌های بدون نیاز به اعتماد) را منتشر کرد که تلاشی برای پل زدن مسیر حیاتی پرداخت بود: توانمندسازی عامل‌های هوش مصنوعی نه تنها برای فکر کردن، بلکه برای داشتن توانایی واقعی در کشف مستقل، دریافت قیمت، تکمیل پرداخت، تحویل نتایج و تجربه تقریباً بی‌نقص.

در دسامبر ۲۰۲۵، Monad برنامه AI Blueprint را راه‌اندازی کرد که پشتیبانی جامعی را برای اپلیکیشن‌های هوش مصنوعی ارائه می‌دهد، از جمله پشتیبانی از منابع و زیرساخت برای کمک به توسعه‌دهندگان در ساخت، راه‌اندازی و مقیاس‌دهی پروژه‌ها. حوزه‌های کلیدی پشتیبانی شامل شبکه‌های استدلال غیرمتمرکز، خوشه‌های عامل خودکار، هوش مصنوعی مولد آن‌چین، سیستم‌های حافظه قابل‌تأیید و محاسبات حفظ حریم خصوصی + استنتاج توزیع‌شده سخت‌افزار مصرف‌کننده است.

در فوریه ۲۰۲۶، Monad همچنین میزبان مشترک هکاتون Moltiverse بود که با بهره‌گیری از روند OpenClaw، بر تشویق توسعه اپلیکیشن‌های عامل و ابزارهای کسب درآمد تمرکز داشت و بر همکاری خودکار عامل، پرداخت‌های خرد و قابلیت‌های اجرای آن‌چین تأکید می‌کرد.

تحت این اقدامات فشرده، به نظر می‌رسد هوش مصنوعی به یکی از میدان‌های اصلی نبرد برای اکوسیستم Monad تبدیل شده است.

البته، جرأت سرمایه‌گذاری منابع روی هوش مصنوعی تنها به دلیل هیاهوی هوش مصنوعی نیست:

از یک سو، در سطح زیرساخت، معماری Monad به‌طور طبیعی با سناریوهای عامل با فرکانس بالا، تأخیر کم و نیازمند تعامل مداوم سازگار است.

چه اجرای موازی خوش‌بینانه، چه معماری خط لوله (Pipelined) و چه MonadDB، این طراحی‌ها مزایای عملکردی مانند بیش از ۱۰,۰۰۰ تراکنش در ثانیه (TPS)، زمان بلاک ۰.۴ ثانیه‌ای و هزینه‌های بسیار پایین Gas را برای Monad به ارمغان آورده‌اند. با سوق دادن عامل‌ها به دستیابی به معاملات خودکار واقعی، تسویه حساب خودکار و همکاری خودکار، Monad این توانایی را دارد که به یک پایگاه اجرایی سریع، ارزان و به اندازه کافی پایدار تبدیل شود.

از سوی دیگر، اکوسیستم غنی و مستحکم DeFi در Monad نیز ابزارهای مالی قابل فراخوانی، استخرهای نقدینگی قابل دسترسی و سناریوهای بازدهی مشارکتی فراوانی را برای عامل‌های هوش مصنوعی فراهم می‌کند که به آن‌ها امکان می‌دهد با کشف فرصت‌ها، معامله، تسویه حساب و ترکیب سود به تنهایی، از چت‌بات‌های هوشمند به نهادهای اقتصادی خودکار آن‌چین تبدیل شوند.

این تصور از فضای اکتشاف مالی هوش مصنوعی در آینده، Monad را از بسیاری از پروژه‌های هوش مصنوعی کریپتو که هنوز در مرحله بسته‌بندی مفهومی هستند، متمایز کرده است. و شاید این موضوع نقطه اتکای مهمی برای همه ایجاد کرده باشد تا پس از پایان این هکاتون با موضوع هوش مصنوعی، همچنان به اقدامات بیشتر در اکوسیستم Monad توجه کنند.

لینک مقاله اصلی