رأس مال DePIN الهيكلي يتحول إلى الذكاء الاصطناعي: رأس المال الاستثماري يدعم بنية الذكاء الاصطناعي القابلة للتحقق من صحة DGrid

رأس مال بنية Web3 التحتية يتدفق إلى تقاطع الشبكات الفيزيائية اللامركزية والذكاء الاصطناعي.

شبكة الذكاء الاصطناعي اللامركزية DGrid AI حصلت مؤخرًا على تمويل أولي من Waterdrip Capital و IoTeX و Paramita VC و Zenith Capital و CatcherVC لتوسيع نظامها البيئي اللامركزي.

طبقات الذكاء القابلة للتحقق تمنح الشبكات الصلبة اللامركزية وسيلة لتقليل مخاطر التنفيذ.

واجهات برمجة التطبيقات المركزية تكشف عن تطبيقات أصلية على blockchain لمخاطر الطرف المقابل.

شبكات DePIN بحاجة إلى بيئات حوسبة بدون ثقة قبل أن تتمكن من خدمة الأحمال العالمية بأمان.

تفكيك الصندوق الأسود المركزي للذكاء الاصطناعي

تعمل منصات النموذج كخدمة التقليدية كصوامع غير شفافة. يمكن لمقدمي النماذج تقديم نماذج أدنى مع قليل من الرؤية الخارجية.

يمكن للمضيفين المركزيين تعديل رسوم الحوسبة قبل أن يكتشف المستخدمون الاختلافات.

يفرض DGrid الشفافية التشغيلية من خلال إثبات الجودة (PoQ)، وهو آلية توافق قابلة للتحقق.

يجب على مشغلي الأجهزة إثبات دقة التنفيذ بشكل تشفير.

قال جاديمونت، الرئيس التنفيذي في Waterdrip Capital: «واجهات الشبكة اللامركزية للأجهزة تواجه عنق زجاجة فوري في التنفيذ إذا ظل البناؤون عميان عن كيفية معالجة بياناتهم».

من خلال دمج التحقق مباشرة في طبقة التوافق، يضع DGrid الشفافية التشفيرية للطلبات الحسابية المعقدة.

جاديمونت
الرئيس التنفيذي في Waterdrip Capital

حل عنق زجاجة التحقق من الأجهزة والبرمجيات

تحتاج الشبكات الصلبة الموزعة إلى بروتوكولات تحقق صارمة للذكاء الاصطناعي المعقد. جودة المخرجات عبر آلاف العقد المستقلة تخلق احتكاكًا تقنيًا كبيرًا.

ينقل DGrid عنق زجاجة التحقق إلى طبقة التوافق. يحد PoQ من السلوك الخبيث ويقلل من مخاطر تقديم نماذج أدنى.

تنفذ العقد طلبات الاستنتاج وترفع سجلات التنفيذ إلى الشبكة على الفور. يتم إنشاء أدلة جودة غير قابلة للتلاعب على السلسلة.

يمكن للمطورين استعلام الأدلة التشفيرية لتقييم موثوقية النتائج دون إعادة تنفيذ مهمة الاستنتاج. يضمن التحقق على مستوى البروتوكول الأداء ومقاومة الرقابة.

قال زاك، مؤسس 4EVER Research: «لا يزال جسر التحقق بين الأجهزة والبرمجيات هو التحدي الهندسي الأصعب في الذكاء الاصطناعي اللامركزي».

يعالج آلية إثبات الجودة في DGrid فجوة التحقق على مستوى البروتوكول. يمكن لعقد الشبكة الآن تنفيذ مهام تعلم الآلة المعقدة بأقل قدر من الافتراضات حول الثقة.

زاك
مؤسس 4EVER Research

إثبات الجدوى التجارية وراء الحوسبة الخام

يعتمد الاعتماد السائد على تجميع الطلبات بجانب توزيع الحوسبة. تحتاج الأنظمة البيئية إلى واجهات مستخدم سهلة الوصول تتطابق بين عرض الذكاء الاصطناعي وطلب المطورين.

ينسق DGrid تدفق الموارد من خلال مجموعة أدوات موحدة.

يعتمد الهيكل الأساسي للشبكة على موجه ذكي لإرسال النماذج تلقائيًا بالإضافة إلى سوق مفتوح حيث يحدد المطورون أسعار وكلائهم بشكل مستقل.

كما يدمج النظام البيئي Arena الذي تم إطلاقه حديثًا على شبكة BNB، مما يسهل النشر السريع على السلسلة عبر معيار الرمز ERC-8004.

تعمل المساعدات الشخصية للذكاء الاصطناعي محليًا خلال دقائق من خلال أجهزة الاستضافة المجانية Openclaw. يمكن لمستخدمي DGrid الوصول إلى نماذج رائدة مثل Claude و GPT و Gemini بخصم 55% عن الأسعار السوقية القياسية.

قال فرانك، باحث في Abraca Research: «تجمع الشبكات الفيزيائية المضاربة غالبًا قدرات حوسبة هائلة دون تأمين فائدة للمستهلك العضوي».

يثبت DGrid جدوى السوق الفورية من خلال مطابقة العرض الخام للأجهزة مع الطلب المنظم من المطورين.

فرانك
باحث في Abraca Research

يعكس هذا النمو المدفوع من المستخدمين في التفاعل النشط للشبكة، حيث تظهر العمليات الحالية على السلسلة أكثر من 50,000 مستخدم نشط يوميًا و500,000 مستخدم نشط شهريًا عبر واجهات المنصة.

التوسع للتكامل مع المؤسسات

يضع التكامل مع المؤسسات الاختبار التالي على السرعة وسهولة الاستخدام وأدوات المطور والعبء التشفيري. تتطلب سير عمل تعلم الآلة القياسي التحقق على السلسلة ليتناسب مع الأنظمة الحالية دون إضافة احتكاك مفرط.

غالبًا ما تعيق الكمون العالي اعتماد المطورين في بيئات Web3.

يمكن أن تبطئ بروتوكولات التوافق المعقدة من توليد الاستنتاج إلى مستويات غير مقبولة. يجب على DGrid توسيع عمليات PoQ لتحقيق سرعة من الدرجة المؤسساتية.

سيحتاج مهندسو الشبكة إلى تقليل العبء التشفيري والحفاظ على تجربة مطور سلسة.

توفر صناديق DePIN الأصلية لـ DGrid مسارًا للبحث والتطوير. يمكن لرأس المال الأولي دعم الفريق للعمل من خلال العقبات المبكرة في التكامل والسعي إلى بديل شفاف لمنصات الذكاء الاصطناعي المركزية.

سيعتمد الاعتماد طويل الأمد على تكرار مستمر لنماذج التوافق وتجربة مطور موثوقة تحت حمولة الإنتاج.

نُشر المقال بعنوان: رأس مال DePIN الهيكلي يتحول إلى الذكاء الاصطناعي: رؤوس أموال المستثمرين يدعم بنية DGrid للتحقق من الذكاء الاصطناعي ظهر أولاً على Invezz