Web3姑姑
干活的女侠，不吵不闹，挖矿、撸毛、低吸，一天都不落，看过牛市的疯狂，也吃过熊市的灰。韭菜？不，我是割自己的手艺人，挖的是积分，炼的是心态。
612 تتابع
40.7K+ المتابعون
25.4K+ إعجاب
3.6K+ تمّت مُشاركتها
منشورات
الكل
اقتباسات
Live
PINNED
#openledger $OPEN
بصراحة، الآن لما أشوف مشاريع AI+Crypto، أول ردة فعل لي ما صارت حماس، بل صرت أشك.
لأن هالسنة شفت الكثير من المشاريع: بيانات الشبكة التجريبية تتحدث بصوت عالي، والنتيجة كلها سكريبتات؛ عدد أعضاء المجتمع بالمئات الآلاف، لكن التعليقات ما فيها ولا واحد حقيقي؛ يتكلمون كل يوم عن سرد AI، وآخر شي ما يقدرون يطلعون حتى كمية الاستخدام الفعلية.
فلما شفت @OpenLedger في البداية، ما أعطيتها اهتمام كبير. لحد ما لاحظت إنه فيها شيء يميزها عن معظم المشاريع.
كثير من مشاريع AI تتنافس على “مدى قوة النموذج”، لكن OpenLedger تهتم أكثر ب“البيانات خلف النموذج، من اللي ساهم فيها.” هذا في الحقيقة سؤال واقعي.
الآن الإنترنت مليان محتوى، صور، ومعرفة، وكلها من إنتاج عدد لا يحصى من الناس العاديين. لكن شركات AI لما تدرب نماذجها وتكسب فلوس، الأشخاص اللي قدموا المحتوى غالباً ما يحصلون على شيء.
OpenLedger اللي تبي تسويه، هو إنها ترفع هالسلسلة من علاقات الإسهام. من يرفع البيانات، من يشارك في التعليقات، من يقدم التحقق، نظرياً كلهم يمكن تسجيلهم، تتبعهم، وتقسيم الأرباح.
في هذا الاتجاه، أشوف إنه عنده قيمة. لكن ما راح أبدأ أمدح بدون تفكير. لأن أكبر تحدي في سوق بيانات AI مو التقنية، بل الطلب الحقيقي.
هل في شركات مستعدة تدفع فلوس بشكل طويل الأمد لاستخدام هالبيانات؟
هل في نماذج حقيقية تستخدم هالنظام بشكل مستمر؟
هالأشياء كلها لازم تعتمد على العائدات من السلسلة وعلى كمية الاستخدام الفعلية.
فلهذا السبب، موقفي تجاه $OPEN بسيط: ما أعتقد إنه نجح حتى الآن.
لكن على الأقل بدأ يناقش بجدية سؤال ما كان أحد يبي يمسه: في عصر AI، هل البيانات اللي ساهم فيها البشر لازم تنعاد تسعيرها؟
#OpenLedger $OPEN
بصراحة، الآن لما أشوف مشاريع AI+Crypto، أول ردة فعل لي ما صارت حماس، بل صرت أشك.
لأن هالسنة شفت الكثير من المشاريع: بيانات الشبكة التجريبية تتحدث بصوت عالي، والنتيجة كلها سكريبتات؛ عدد أعضاء المجتمع بالمئات الآلاف، لكن التعليقات ما فيها ولا واحد حقيقي؛ يتكلمون كل يوم عن سرد AI، وآخر شي ما يقدرون يطلعون حتى كمية الاستخدام الفعلية.
فلما شفت @OpenLedger في البداية، ما أعطيتها اهتمام كبير. لحد ما لاحظت إنه فيها شيء يميزها عن معظم المشاريع.
كثير من مشاريع AI تتنافس على “مدى قوة النموذج”، لكن OpenLedger تهتم أكثر ب“البيانات خلف النموذج، من اللي ساهم فيها.” هذا في الحقيقة سؤال واقعي.
الآن الإنترنت مليان محتوى، صور، ومعرفة، وكلها من إنتاج عدد لا يحصى من الناس العاديين. لكن شركات AI لما تدرب نماذجها وتكسب فلوس، الأشخاص اللي قدموا المحتوى غالباً ما يحصلون على شيء.
OpenLedger اللي تبي تسويه، هو إنها ترفع هالسلسلة من علاقات الإسهام. من يرفع البيانات، من يشارك في التعليقات، من يقدم التحقق، نظرياً كلهم يمكن تسجيلهم، تتبعهم، وتقسيم الأرباح.
في هذا الاتجاه، أشوف إنه عنده قيمة. لكن ما راح أبدأ أمدح بدون تفكير. لأن أكبر تحدي في سوق بيانات AI مو التقنية، بل الطلب الحقيقي.
هل في شركات مستعدة تدفع فلوس بشكل طويل الأمد لاستخدام هالبيانات؟
هل في نماذج حقيقية تستخدم هالنظام بشكل مستمر؟
هالأشياء كلها لازم تعتمد على العائدات من السلسلة وعلى كمية الاستخدام الفعلية.
فلهذا السبب، موقفي تجاه $OPEN بسيط: ما أعتقد إنه نجح حتى الآن.
لكن على الأقل بدأ يناقش بجدية سؤال ما كان أحد يبي يمسه: في عصر AI، هل البيانات اللي ساهم فيها البشر لازم تنعاد تسعيرها؟
#OpenLedger $OPEN
PINNED
#genius $GENIUS
مؤخراً، كنت أسهر حتى الفجر، فنجان قهوة بعد فنجان، وكنت أفكر في سؤال: لماذا، بعد كل هذه السنوات في عالم البلوكتشين، لا يزال معظم المشاركين في DeFi هم من اللاعبين القدامى؟
بعد ذلك، اكتشفت أن الكثير من الناس يتركون عالم البلوكتشين، ليس لأنهم لا يحققون أرباح، بل لأنهم متعبون جداً. قطع محافظ، انتقال عبر الشبكات، تفويض، متابعة الانزلاقات، مراقبة المسارات، القلق من الفخاخ، والخوف من الضغط على روابط خاطئة... الكثير من العمليات أصبحت معتادة لدى المتداولين القدامى، لكن بالنسبة للمستخدمين العاديين، هذه العملية تبدو معقدة جداً.
والأكثر تعقيداً هو أن جميع الأنشطة في عالم البلوكتشين تقريباً شفافة. بمجرد أن يكبر مركزك، ستبدأ السوق في دراسة مساراتك، عاداتك، وتوجهات أموالك. يعتقد الكثيرون أنهم يتداولون مع السوق، لكن في كثير من الأحيان هم يتداولون مع "من يراقبهم".
لهذا السبب، بدأت مؤخراً في دراسة @GeniusOfficial بجدية. ما شعرت به، أنه ليس كبرتوكولات DeFi التقليدية، بل أشبه بنظام "تشغيل التداول على البلوكتشين".
خصوصاً تصميم Ghost Orders، أعتقد أنه مثير للاهتمام. فهو لا يختبئ فقط البيانات، بل يقوم بتفكيك الطلبات الكاملة وتنفيذها، مما يجعل من الصعب على الخارج تجميع نوايا تداولك الحقيقية.
هذه النقطة تشبه منطق تقسيم الطلبات الذي تستخدمه المؤسسات التقليدية عند إجراء الصفقات الكبيرة. الأموال الكبيرة دائماً ما تكون حذرة في كشف احتياجاتها كاملة للسوق.
أيضاً، اكتشفت أن Genius الآن لا يركز فقط على الخصوصية. بل يدمج بين النقل عبر الشبكات، تجميع DEX، وتوجيه الطلبات في عملية واحدة، مما يجعل المستخدمين يرون واجهة تداول موحدة فقط.
أشعر بشكل متزايد أن التركيز في المنافسة المستقبلية على البلوكتشين قد لا يكون على أي سلسلة لديها TPS أعلى. بل سيكون على من يمكن أن يجعل الأشخاص العاديين يشعرون للمرة الأولى: "يا للروعة، DeFi يمكن أن يكون أقل تعباً من هذا."
$GENIUS #genius
مؤخراً، كنت أسهر حتى الفجر، فنجان قهوة بعد فنجان، وكنت أفكر في سؤال: لماذا، بعد كل هذه السنوات في عالم البلوكتشين، لا يزال معظم المشاركين في DeFi هم من اللاعبين القدامى؟
بعد ذلك، اكتشفت أن الكثير من الناس يتركون عالم البلوكتشين، ليس لأنهم لا يحققون أرباح، بل لأنهم متعبون جداً. قطع محافظ، انتقال عبر الشبكات، تفويض، متابعة الانزلاقات، مراقبة المسارات، القلق من الفخاخ، والخوف من الضغط على روابط خاطئة... الكثير من العمليات أصبحت معتادة لدى المتداولين القدامى، لكن بالنسبة للمستخدمين العاديين، هذه العملية تبدو معقدة جداً.
والأكثر تعقيداً هو أن جميع الأنشطة في عالم البلوكتشين تقريباً شفافة. بمجرد أن يكبر مركزك، ستبدأ السوق في دراسة مساراتك، عاداتك، وتوجهات أموالك. يعتقد الكثيرون أنهم يتداولون مع السوق، لكن في كثير من الأحيان هم يتداولون مع "من يراقبهم".
لهذا السبب، بدأت مؤخراً في دراسة @GeniusOfficial بجدية. ما شعرت به، أنه ليس كبرتوكولات DeFi التقليدية، بل أشبه بنظام "تشغيل التداول على البلوكتشين".
خصوصاً تصميم Ghost Orders، أعتقد أنه مثير للاهتمام. فهو لا يختبئ فقط البيانات، بل يقوم بتفكيك الطلبات الكاملة وتنفيذها، مما يجعل من الصعب على الخارج تجميع نوايا تداولك الحقيقية.
هذه النقطة تشبه منطق تقسيم الطلبات الذي تستخدمه المؤسسات التقليدية عند إجراء الصفقات الكبيرة. الأموال الكبيرة دائماً ما تكون حذرة في كشف احتياجاتها كاملة للسوق.
أيضاً، اكتشفت أن Genius الآن لا يركز فقط على الخصوصية. بل يدمج بين النقل عبر الشبكات، تجميع DEX، وتوجيه الطلبات في عملية واحدة، مما يجعل المستخدمين يرون واجهة تداول موحدة فقط.
أشعر بشكل متزايد أن التركيز في المنافسة المستقبلية على البلوكتشين قد لا يكون على أي سلسلة لديها TPS أعلى. بل سيكون على من يمكن أن يجعل الأشخاص العاديين يشعرون للمرة الأولى: "يا للروعة، DeFi يمكن أن يكون أقل تعباً من هذا."
$GENIUS #genius
#openledger $OPEN
قبل فترة، رحت أبحث في شبكة بيانات الذكاء الاصطناعي، وكنت ناوي أشوف إذا في "مخطط آلي" جديد أقدر أستفيد منه، لكن في النهاية، اكتشفت إن فهمي السابق كان خاطئ تمامًا.
خصوصًا بعد ما ركزت على @OpenLedger لعدة أيام، لاحظت إن أقوى شيء في هذا النظام مو بس المكافآت العالية، لكن الضغط على المشاركين "لتأكيد قيمتهم".
الحين كثير من مشاريع الذكاء الاصطناعي، بصراحة، تعتمد على منطق الترافيك. كلما كان العدد أكبر، كلما كان أفضل. وكلما كانت البيانات أكثر، كلما كان أفضل. وبالنسبة للجودة؟ ما أحد يهتم.
لكن OpenLedger مو مثلهم. لما شفت منطق استدعاء بياناتهم، اكتشفت إن النظام مو مركز على كمية الأشياء اللي ترفعها، لكن على: هل بياناتك تستمر في استدعاء النموذج؟ هذه النقطة قاسية جدًا. لأنه في الإنترنت القديم، كان من السهل التظاهر بـ "نشاط". ضغطات، مشاهدات، تفاعلات. كل هذا ممكن التلاعب به. لكن الذكاء الاصطناعي ما يقبل بهذه الأمور. البيانات السيئة إذا زادت، النموذج فعلاً راح يتعطل.
لذا، الحين @OpenLedger صار يشبه "بطولة تصفية البيانات" - البيانات اللي ما لها قيمة، في النهاية السوق راح ينظفها بنفسه.
قبل كذا، سويت تجربة خاصة، وضعت مجموعة من البيانات الترفيهية ومجموعة من البيانات الصناعية في شبكات فرعية مختلفة. والنتيجة كانت واقعية جدًا: الأولى كان فيها استدعاء عالي في البداية، لكن سرعة الانخفاض كانت غير معقولة؛ بينما المحتوى المتخصص النادر، كان له دورة استدعاء طويلة.
في تلك اللحظة، أدركت فجأة: الشيء الأغلى في عصر الذكاء الاصطناعي مو الترافيك، لكن "الفعالية طويلة الأمد".
أما $OPEN ، فهو في الأساس يحسب هذه القيمة طويلة الأمد. اللي بياناته مفيدة على المدى الطويل، هو اللي يقدر يحقق أرباح طويلة، واللي بس يصنع ضوضاء، السوق في النهاية راح يطرده.
لكن هذه نقطة منبهرة لي بخصوص #OpenLedger . لأنه لما تبدأ "البيانات الفعالة" تكسب بشكل مستمر، أكيد راح تزيد حدة المعايير الاحترافية. والمحتوى العادي راح يقل قيمته. واللي بيكسب فعلاً، ممكن يكونوا دايمًا هم اللي عندهم المعرفة النادرة.
لذا، الحين لما أراقب OpenLedger، ما أعتبره مشروع ذكاء اصطناعي عادي. هو أقرب لاختبار مسبق لشيء: في عالم الذكاء الاصطناعي المستقبلي، أي نوع من الأشخاص يستحق الاستمرار في جني الأرباح.
#OpenLedger $OPEN
قبل فترة، رحت أبحث في شبكة بيانات الذكاء الاصطناعي، وكنت ناوي أشوف إذا في "مخطط آلي" جديد أقدر أستفيد منه، لكن في النهاية، اكتشفت إن فهمي السابق كان خاطئ تمامًا.
خصوصًا بعد ما ركزت على @OpenLedger لعدة أيام، لاحظت إن أقوى شيء في هذا النظام مو بس المكافآت العالية، لكن الضغط على المشاركين "لتأكيد قيمتهم".
الحين كثير من مشاريع الذكاء الاصطناعي، بصراحة، تعتمد على منطق الترافيك. كلما كان العدد أكبر، كلما كان أفضل. وكلما كانت البيانات أكثر، كلما كان أفضل. وبالنسبة للجودة؟ ما أحد يهتم.
لكن OpenLedger مو مثلهم. لما شفت منطق استدعاء بياناتهم، اكتشفت إن النظام مو مركز على كمية الأشياء اللي ترفعها، لكن على: هل بياناتك تستمر في استدعاء النموذج؟ هذه النقطة قاسية جدًا. لأنه في الإنترنت القديم، كان من السهل التظاهر بـ "نشاط". ضغطات، مشاهدات، تفاعلات. كل هذا ممكن التلاعب به. لكن الذكاء الاصطناعي ما يقبل بهذه الأمور. البيانات السيئة إذا زادت، النموذج فعلاً راح يتعطل.
لذا، الحين @OpenLedger صار يشبه "بطولة تصفية البيانات" - البيانات اللي ما لها قيمة، في النهاية السوق راح ينظفها بنفسه.
قبل كذا، سويت تجربة خاصة، وضعت مجموعة من البيانات الترفيهية ومجموعة من البيانات الصناعية في شبكات فرعية مختلفة. والنتيجة كانت واقعية جدًا: الأولى كان فيها استدعاء عالي في البداية، لكن سرعة الانخفاض كانت غير معقولة؛ بينما المحتوى المتخصص النادر، كان له دورة استدعاء طويلة.
في تلك اللحظة، أدركت فجأة: الشيء الأغلى في عصر الذكاء الاصطناعي مو الترافيك، لكن "الفعالية طويلة الأمد".
أما $OPEN ، فهو في الأساس يحسب هذه القيمة طويلة الأمد. اللي بياناته مفيدة على المدى الطويل، هو اللي يقدر يحقق أرباح طويلة، واللي بس يصنع ضوضاء، السوق في النهاية راح يطرده.
لكن هذه نقطة منبهرة لي بخصوص #OpenLedger . لأنه لما تبدأ "البيانات الفعالة" تكسب بشكل مستمر، أكيد راح تزيد حدة المعايير الاحترافية. والمحتوى العادي راح يقل قيمته. واللي بيكسب فعلاً، ممكن يكونوا دايمًا هم اللي عندهم المعرفة النادرة.
لذا، الحين لما أراقب OpenLedger، ما أعتبره مشروع ذكاء اصطناعي عادي. هو أقرب لاختبار مسبق لشيء: في عالم الذكاء الاصطناعي المستقبلي، أي نوع من الأشخاص يستحق الاستمرار في جني الأرباح.
#OpenLedger $OPEN
#genius $GENIUS
قبل كنا نقول إن أكبر ميزة في السلسلة هي "الانفتاح". لكن في السنتين الماضيتين، أصبح من الواضح أن الشفافية الزائدة أصبحت مشكلة كبيرة للمستثمرين المحترفين.
لما تحط أمر كبير في السلسلة، الروبوتات تعرف أولاً؛ لما تكون ناوي تبني مركز، الـ MEV يبدأ يتربص؛ حتى عادات تداولك، مسارات الأموال، هيكل المراكز، كل هذا يمكن تحليله بشكل علني. لذلك، كنت أفكر مؤخرًا أن المرحلة القادمة في DeFi، قد لا تكون مجرد تنافس على السيولة، بل تنافس على "بيئة التنفيذ".
وهذا هو السبب الذي جعلني أبدأ أركز على @GeniusOfficial . المشروع اللي شغالين عليه، Genius Terminal، في الأساس مو مجرد أداة تداول عادية، بل يعيد تعريف كيفية تدفق الأموال في السلسلة. خصوصًا مع الهيكل السري Gh0st اللي تم الترويج له مؤخرًا، اللي يقسم الأوامر إلى عدة عناوين مؤقتة للتنفيذ، لتقليل احتمال المتابعة والضغط.
الكثير من الناس يرون أن "الخصوصية" مجرد ميزة إضافية، لكن بالنسبة للأموال الكبيرة، الخصوصية هي في الحقيقة التحكم في التكاليف.
الأهم من ذلك، أن Genius مو بس تشتغل على بروتوكولات الخصوصية، بل تتوسع نحو اتجاه منصة تداول كاملة. تنفيذ عبر السلاسل، بيع مسبق للأصول، مراكز دائمة، إدارة العائدات، كل هذا يتجمع في نظام واحد.
هذا يذكرني بالمنصات المؤسسية في المالية التقليدية.
الأموال الكبيرة الحقيقية، دائمًا عندها فرص تداول، لكن اللي ينقصها هو نظام تنفيذ ثابت، عالي الكفاءة، ومنخفض التعرض.
بينما الكثير من المشاريع في السلسلة لا تزال تنافس على Meme وتسرع في العملات، Genius بدأت بالفعل تتنافس على "بيئة تداول محترفة". وأعتقد أن هذا الاتجاه قد يكون أسهل لتحقيق قيمة طويلة الأمد.
$GENIUS #genius
قبل كنا نقول إن أكبر ميزة في السلسلة هي "الانفتاح". لكن في السنتين الماضيتين، أصبح من الواضح أن الشفافية الزائدة أصبحت مشكلة كبيرة للمستثمرين المحترفين.
لما تحط أمر كبير في السلسلة، الروبوتات تعرف أولاً؛ لما تكون ناوي تبني مركز، الـ MEV يبدأ يتربص؛ حتى عادات تداولك، مسارات الأموال، هيكل المراكز، كل هذا يمكن تحليله بشكل علني. لذلك، كنت أفكر مؤخرًا أن المرحلة القادمة في DeFi، قد لا تكون مجرد تنافس على السيولة، بل تنافس على "بيئة التنفيذ".
وهذا هو السبب الذي جعلني أبدأ أركز على @GeniusOfficial . المشروع اللي شغالين عليه، Genius Terminal، في الأساس مو مجرد أداة تداول عادية، بل يعيد تعريف كيفية تدفق الأموال في السلسلة. خصوصًا مع الهيكل السري Gh0st اللي تم الترويج له مؤخرًا، اللي يقسم الأوامر إلى عدة عناوين مؤقتة للتنفيذ، لتقليل احتمال المتابعة والضغط.
الكثير من الناس يرون أن "الخصوصية" مجرد ميزة إضافية، لكن بالنسبة للأموال الكبيرة، الخصوصية هي في الحقيقة التحكم في التكاليف.
الأهم من ذلك، أن Genius مو بس تشتغل على بروتوكولات الخصوصية، بل تتوسع نحو اتجاه منصة تداول كاملة. تنفيذ عبر السلاسل، بيع مسبق للأصول، مراكز دائمة، إدارة العائدات، كل هذا يتجمع في نظام واحد.
هذا يذكرني بالمنصات المؤسسية في المالية التقليدية.
الأموال الكبيرة الحقيقية، دائمًا عندها فرص تداول، لكن اللي ينقصها هو نظام تنفيذ ثابت، عالي الكفاءة، ومنخفض التعرض.
بينما الكثير من المشاريع في السلسلة لا تزال تنافس على Meme وتسرع في العملات، Genius بدأت بالفعل تتنافس على "بيئة تداول محترفة". وأعتقد أن هذا الاتجاه قد يكون أسهل لتحقيق قيمة طويلة الأمد.
$GENIUS #genius
#genius $GENIUS
في هذه الدورة، بدأت أشعر أكثر فأكثر أن ما يعيق فعالية الأموال على السلسلة ليس السيولة، بل طبقة التفاعل.
معظم المعاملات على السلسلة لا تزال في مرحلة "نافذة المحفظة + انتظار RPC + التبديل بين عدة سلاسل". قد تكون هذه إزعاجًا للمستثمرين الأفراد، ولكن بالنسبة لرؤوس الأموال عالية التردد، فإن هذا التأخير هو في الأساس تكلفة.
مؤخراً، لاحظت أن @GeniusOfficial تقوم بإنشاء Genius Terminal، والذي يبدو أنه اتجاه جريء. ما تحاول القيام به ليس مجرد مجمع، بل نظام تشغيل للمعاملات على السلسلة. عمليات عبر السلاسل، تداول فوري، عقود دائمة، أصول مسبوقة، مراكز عائد، كلها موحدة في واجهة تنفيذ واحدة.
من المثير للاهتمام أنهم يروجون مؤخراً لوضع Ghost Mode. الهيكل الجديد للخصوصية الذي كشف عنه سيقوم بتقسيم الأوامر الكبيرة إلى عدة محافظ مؤقتة للتنفيذ، مما يقلل من مخاطر المتابعة على السلسلة، MEV، ومخاطر التسابق. بالنسبة للحيتان وفرق الأرباح، فإن هذه "طبقة التنفيذ الخفية" جذابة للغاية.
من الناحية البيانية، ارتفع GENIUS TGE في وقت ما إلى ما يقرب من 800 مليون FDV، وتجاوز حجم التداول الإجمالي 18 مليار دولار، كما أنهم يدفعون قدمًا خطة نقاط الموسم الثاني وتوسيع السيولة في المزيد من البورصات.
لا يزال العديد من الناس يعتبرون DeFi كـ"تداول عبر الويب"، لكن المرحلة التالية الحقيقية قد تكون في تنظيم الروابط المعقدة بشكل كامل، وتبسيطها من الخلف. من يتمكن أولاً من زيادة فعالية التنفيذ وتجربة الخصوصية لتقترب من CEX، سيكون لديه فرصة أكبر لجذب الجولة التالية من الأموال الاحترافية.
$GENIUS #genius
في هذه الدورة، بدأت أشعر أكثر فأكثر أن ما يعيق فعالية الأموال على السلسلة ليس السيولة، بل طبقة التفاعل.
معظم المعاملات على السلسلة لا تزال في مرحلة "نافذة المحفظة + انتظار RPC + التبديل بين عدة سلاسل". قد تكون هذه إزعاجًا للمستثمرين الأفراد، ولكن بالنسبة لرؤوس الأموال عالية التردد، فإن هذا التأخير هو في الأساس تكلفة.
مؤخراً، لاحظت أن @GeniusOfficial تقوم بإنشاء Genius Terminal، والذي يبدو أنه اتجاه جريء. ما تحاول القيام به ليس مجرد مجمع، بل نظام تشغيل للمعاملات على السلسلة. عمليات عبر السلاسل، تداول فوري، عقود دائمة، أصول مسبوقة، مراكز عائد، كلها موحدة في واجهة تنفيذ واحدة.
من المثير للاهتمام أنهم يروجون مؤخراً لوضع Ghost Mode. الهيكل الجديد للخصوصية الذي كشف عنه سيقوم بتقسيم الأوامر الكبيرة إلى عدة محافظ مؤقتة للتنفيذ، مما يقلل من مخاطر المتابعة على السلسلة، MEV، ومخاطر التسابق. بالنسبة للحيتان وفرق الأرباح، فإن هذه "طبقة التنفيذ الخفية" جذابة للغاية.
من الناحية البيانية، ارتفع GENIUS TGE في وقت ما إلى ما يقرب من 800 مليون FDV، وتجاوز حجم التداول الإجمالي 18 مليار دولار، كما أنهم يدفعون قدمًا خطة نقاط الموسم الثاني وتوسيع السيولة في المزيد من البورصات.
لا يزال العديد من الناس يعتبرون DeFi كـ"تداول عبر الويب"، لكن المرحلة التالية الحقيقية قد تكون في تنظيم الروابط المعقدة بشكل كامل، وتبسيطها من الخلف. من يتمكن أولاً من زيادة فعالية التنفيذ وتجربة الخصوصية لتقترب من CEX، سيكون لديه فرصة أكبر لجذب الجولة التالية من الأموال الاحترافية.
$GENIUS #genius
#openledger $OPEN
قبل كم يوم كنت أقود سيارتي لمكان بعيد، وفجأة خبطني النظام في طريق مغلق بسبب أعمال صيانة. والأغرب أن النظام كان يعرف أن الطريق مقفول ومع ذلك أصر على أني أكمل الطريق. بعدين اكتشفت أن المشكلة مو في أن الخريطة مش محدثة. لكن في مجموعة كبيرة من بيانات الطريق الغلط تم رفعها، والنظام غلط في تقييم حالة الطريق.
الموضوع هذا خلاني أستوعب فجأة أن أكبر خطر في صناعة الذكاء الاصطناعي الجاي، مو في قدرات النموذج. لكن في: البيانات الغلط بدأت تأثر على القرارات الواقعية. في عصر الإنترنت السابق، إذا كانت المعلومات غلط، كان أسوأ شيء أنك تشوف مقال غلط.
لكن الحين الذكاء الاصطناعي صار يشبه أكثر “نظام اتخاذ قرارات تلقائي”. ردود خدمة العملاء، تدقيق مالي، قيادة ذاتية، مساعدات طبية. هذه الأشياء إذا انحرفت بسبب بيانات خطأ، العواقب راح تكون أكثر واقعية.
وعشان كذا، أنا مؤخراً سهران أدرس @OpenLedger لـ Proof of Attribution. كثير من الناس يفهمونه كـ “توزيع البيانات”.
لكن الحين أنا مهتم أكثر: إنه في الحقيقة يحاول يبني “مسار المسؤولية” في عالم الذكاء الاصطناعي.
خذ مثال. في المستقبل إذا أعطى الذكاء الاصطناعي حكم غلط، الشركات راح تبي تعرف مو “ما هي معلمات النموذج”. لكن: هذا النتيجة تأثرت بأي بيانات. أي محتوى كان له أكبر تأثير. وين أصل المشكلة. ومنطق الـ OpenLedger في الإسناد، في جوهره، هو يعمل على هذا “تتبع التأثير”.
الذكاء الاصطناعي في الماضي، كان أشبه بعلبة سوداء. النتيجة ظهرت. لكن ما في أحد يعرف العملية. الحين #OpenLedger اللي يبغى يسويه، هو في الحقيقة يحاول يفكك العملية. بيانات مين شاركت في الاستدلال. أي محتوى كان مستقر وفعال على المدى الطويل. أي بيانات سهلة تصنع انحراف. كل شيء بدأ يُقاس. و$OPEN أقرب مثل وسيلة التسوية في هذا النظام. استدعاء النموذج. مساهمة البيانات. وزن التأثير. بدأت تتشكل هيكل اقتصادي جديد في الذكاء الاصطناعي.
لكن هنا عندي سؤال: إذا في المستقبل بس مصادر بيانات موثوقة قليلة هي اللي تُستخدم بشكل مستمر، هل ممكن للمساهمين العاديين في البيانات يحصلوا على أرباح حقيقية؟ أو في النهاية راح يتشكل “تركيز قوة البيانات” جديد؟ أعتقد هذا السؤال راح يكون أوضح في السنوات الجاية. #OpenLedger $OPEN
قبل كم يوم كنت أقود سيارتي لمكان بعيد، وفجأة خبطني النظام في طريق مغلق بسبب أعمال صيانة. والأغرب أن النظام كان يعرف أن الطريق مقفول ومع ذلك أصر على أني أكمل الطريق. بعدين اكتشفت أن المشكلة مو في أن الخريطة مش محدثة. لكن في مجموعة كبيرة من بيانات الطريق الغلط تم رفعها، والنظام غلط في تقييم حالة الطريق.
الموضوع هذا خلاني أستوعب فجأة أن أكبر خطر في صناعة الذكاء الاصطناعي الجاي، مو في قدرات النموذج. لكن في: البيانات الغلط بدأت تأثر على القرارات الواقعية. في عصر الإنترنت السابق، إذا كانت المعلومات غلط، كان أسوأ شيء أنك تشوف مقال غلط.
لكن الحين الذكاء الاصطناعي صار يشبه أكثر “نظام اتخاذ قرارات تلقائي”. ردود خدمة العملاء، تدقيق مالي، قيادة ذاتية، مساعدات طبية. هذه الأشياء إذا انحرفت بسبب بيانات خطأ، العواقب راح تكون أكثر واقعية.
وعشان كذا، أنا مؤخراً سهران أدرس @OpenLedger لـ Proof of Attribution. كثير من الناس يفهمونه كـ “توزيع البيانات”.
لكن الحين أنا مهتم أكثر: إنه في الحقيقة يحاول يبني “مسار المسؤولية” في عالم الذكاء الاصطناعي.
خذ مثال. في المستقبل إذا أعطى الذكاء الاصطناعي حكم غلط، الشركات راح تبي تعرف مو “ما هي معلمات النموذج”. لكن: هذا النتيجة تأثرت بأي بيانات. أي محتوى كان له أكبر تأثير. وين أصل المشكلة. ومنطق الـ OpenLedger في الإسناد، في جوهره، هو يعمل على هذا “تتبع التأثير”.
الذكاء الاصطناعي في الماضي، كان أشبه بعلبة سوداء. النتيجة ظهرت. لكن ما في أحد يعرف العملية. الحين #OpenLedger اللي يبغى يسويه، هو في الحقيقة يحاول يفكك العملية. بيانات مين شاركت في الاستدلال. أي محتوى كان مستقر وفعال على المدى الطويل. أي بيانات سهلة تصنع انحراف. كل شيء بدأ يُقاس. و$OPEN أقرب مثل وسيلة التسوية في هذا النظام. استدعاء النموذج. مساهمة البيانات. وزن التأثير. بدأت تتشكل هيكل اقتصادي جديد في الذكاء الاصطناعي.
لكن هنا عندي سؤال: إذا في المستقبل بس مصادر بيانات موثوقة قليلة هي اللي تُستخدم بشكل مستمر، هل ممكن للمساهمين العاديين في البيانات يحصلوا على أرباح حقيقية؟ أو في النهاية راح يتشكل “تركيز قوة البيانات” جديد؟ أعتقد هذا السؤال راح يكون أوضح في السنوات الجاية. #OpenLedger $OPEN
#openledger $OPEN
الناس في مجال الذكاء الاصطناعي اللي ممكن يتبدلوا بسهولة، يمكن يكونوا "عمال البيانات منخفضة الجودة". مؤخراً، كان عندي حديث طويل مع فريق يعمل في تعهيد التوصيف للذكاء الاصطناعي. كانوا في مشروع سابق يقدروا يجيبوا مئات الأشخاص في نفس الوقت لتنظيف البيانات والتوصيف اليدوي، لكن هذا العام، الطلبات نزلت بشكل مفاجئ. السبب واقعي جداً.
الكثير من الشركات اكتشفت: أن البيانات اليدوية منخفضة الجودة، صارت أكبر تكلفة خفية في مجال الذكاء الاصطناعي. العديد من الفرق، عشان يسرعوا من العمل، بدؤوا يستخدموا الذكاء الاصطناعي لتوليد "توصيفات زائفة" بشكل جماعي. من الظاهر، يبدو أنه فيه مراجعة يدوية، لكن في الحقيقة، الكثير من المحتوى ما حد قام بمراجعته بشكل جاد.
النتيجة هي: خلال مرحلة اختبار النموذج ما كان فيه مشاكل، لكن بعد الإطلاق، نسبة الأخطاء بدأت ترتفع بشكل كبير. خصوصاً في مجالات المالية، خدمة العملاء، والطب، الشركات الآن أكثر ما تخاف منه مو أن الذكاء الاصطناعي مو ذكي، لكن: الذكاء الاصطناعي باستخدام بيانات "تبدو صحيحة"، تعلمت منطق خاطئ.
هذا الموضوع خلاني أراجع @OpenLedger حول تصميم DataInf ونسب البيانات. الكثير من الناس الآن يتكلموا عن #OpenLedger ، لكن التركيز غالباً يكون على الذكاء الاصطناعي + البلوكشين، لكن أنا أعتقد أن النقطة المهمة الحقيقية هي: في المستقبل، الشيء اللي يهم في مجال الذكاء الاصطناعي مو "حجم البيانات".
لكن: أي البيانات هي اللي أثرت فعلاً على نتائج النموذج. مثلاً، إذا كان نموذج مالي يعرف: أي جزء من بيانات التدريب اللي أثر فعلياً على الاستنتاج، أي البيانات اللي مستقرة وفعالة على المدى الطويل، الشركات تقدر بعدين تبدأ تصفي مصادر البيانات منخفضة القيمة.
وDataInf في OpenLedger، بالأساس تحاول تبني "تعرف تأثير البيانات". في عصر الإنترنت الماضي، كان التنافس على من لديه بيانات أكثر. في المستقبل، في مجال الذكاء الاصطناعي، المنافسة قد تكون على من لديه بيانات أكثر فائدة. و$OPEN أشبه بوقود التسوية في نظام تدفق البيانات بالكامل.
لكن هنا فيه سؤال واقعي: إذا في المستقبل، بس عدد قليل من مصادر البيانات عالية القيمة هي اللي بتستمر في الاستخدام، هل صناعة الذكاء الاصطناعي حتكون في النهاية عرضة لاحتكار "موارد البيانات" جديدة؟ هذا السؤال، الآن قد يكون ما فيه جواب في الصناعة كلها.
#OpenLedger $OPEN
الناس في مجال الذكاء الاصطناعي اللي ممكن يتبدلوا بسهولة، يمكن يكونوا "عمال البيانات منخفضة الجودة". مؤخراً، كان عندي حديث طويل مع فريق يعمل في تعهيد التوصيف للذكاء الاصطناعي. كانوا في مشروع سابق يقدروا يجيبوا مئات الأشخاص في نفس الوقت لتنظيف البيانات والتوصيف اليدوي، لكن هذا العام، الطلبات نزلت بشكل مفاجئ. السبب واقعي جداً.
الكثير من الشركات اكتشفت: أن البيانات اليدوية منخفضة الجودة، صارت أكبر تكلفة خفية في مجال الذكاء الاصطناعي. العديد من الفرق، عشان يسرعوا من العمل، بدؤوا يستخدموا الذكاء الاصطناعي لتوليد "توصيفات زائفة" بشكل جماعي. من الظاهر، يبدو أنه فيه مراجعة يدوية، لكن في الحقيقة، الكثير من المحتوى ما حد قام بمراجعته بشكل جاد.
النتيجة هي: خلال مرحلة اختبار النموذج ما كان فيه مشاكل، لكن بعد الإطلاق، نسبة الأخطاء بدأت ترتفع بشكل كبير. خصوصاً في مجالات المالية، خدمة العملاء، والطب، الشركات الآن أكثر ما تخاف منه مو أن الذكاء الاصطناعي مو ذكي، لكن: الذكاء الاصطناعي باستخدام بيانات "تبدو صحيحة"، تعلمت منطق خاطئ.
هذا الموضوع خلاني أراجع @OpenLedger حول تصميم DataInf ونسب البيانات. الكثير من الناس الآن يتكلموا عن #OpenLedger ، لكن التركيز غالباً يكون على الذكاء الاصطناعي + البلوكشين، لكن أنا أعتقد أن النقطة المهمة الحقيقية هي: في المستقبل، الشيء اللي يهم في مجال الذكاء الاصطناعي مو "حجم البيانات".
لكن: أي البيانات هي اللي أثرت فعلاً على نتائج النموذج. مثلاً، إذا كان نموذج مالي يعرف: أي جزء من بيانات التدريب اللي أثر فعلياً على الاستنتاج، أي البيانات اللي مستقرة وفعالة على المدى الطويل، الشركات تقدر بعدين تبدأ تصفي مصادر البيانات منخفضة القيمة.
وDataInf في OpenLedger، بالأساس تحاول تبني "تعرف تأثير البيانات". في عصر الإنترنت الماضي، كان التنافس على من لديه بيانات أكثر. في المستقبل، في مجال الذكاء الاصطناعي، المنافسة قد تكون على من لديه بيانات أكثر فائدة. و$OPEN أشبه بوقود التسوية في نظام تدفق البيانات بالكامل.
لكن هنا فيه سؤال واقعي: إذا في المستقبل، بس عدد قليل من مصادر البيانات عالية القيمة هي اللي بتستمر في الاستخدام، هل صناعة الذكاء الاصطناعي حتكون في النهاية عرضة لاحتكار "موارد البيانات" جديدة؟ هذا السؤال، الآن قد يكون ما فيه جواب في الصناعة كلها.
#OpenLedger $OPEN
$CHZ العد التنازلي لكأس العالم بدأ، وأنت تسير بالعكس، كأس العالم هذا العام ما عاد له قيمة، المعجبين ما عاد يشتروا عملات رقمية 😂😂😂
#openledger $OPEN
في اليومين اللي فاتوا، كنت مركز على بيانات الاستدعاء على السلسلة لعدة سلاسل AI، وكل ما أتابع أكثر، كل ما زاد اقتناعي إن كثير من الناس ممكن يكونوا غلطانين في حاجة.
الكل دائمًا يعتقد إن مشاريع AI تتنافس على "من عنده نموذج أقوى". لكني الآن أشكك أكثر، وأعتقد إن اللي يحدد الحياة والموت فعليًا، هو من يقدر يبني نظام مصالح مستقر على المدى الطويل.
خصوصًا بعد إعادة دراسة @OpenLedger ، صار الإحساس هذا واضح جدًا. لأنه الآن اللي يسويه كثير من الأشياء، مو بس مسائل تقنية، لكن كأنهم قاعد يجهزون قواعد توزيع المصالح في عالم AI المستقبلي.
قبل فترة، جربت عدة اتجاهات مختلفة من Datanet، ولقيت ظاهرة واقعية جدًا: البيانات اللي يقدر أي شخص يرفعها، تتناقص عوائدها بشكل جنوني.
لكن اللي يحقق عوائد ثابتة، هي بعض البيانات الغير شائعة، اللي حتى حجم استدعائها مو عالي بشكل خاص.
هذا يدل على إيش؟
يدل على إن الأشياء اللي تستحق القيمة في عصر AI، ممكن مو "البيانات الضخمة"، لكن "البيانات الغير قابلة للاستبدال". قبل كانت الإنترنت تتصارع على حركة المرور. بعدين AI ممكن تتصارع على المحتوى اللي عنده أحد وما عنده أحد.
وOpenLedger الآن في الحقيقة قاعد يسوي شيء خطير - بدأ يحاول يحول "سلطة تسعير البيانات" إلى السلسلة.
من بياناته أهم، هو اللي راح يكسب أكثر في المستقبل. من يقدر يؤثر على النموذج باستمرار، هو اللي راح يأخذ العوائد على المدى الطويل. الموضوع هذا يبدو عادل، لكن في الحقيقة، أحسني حذر. لأنه أي شيء يقدر يولد تدفق نقدي مستمر، في النهاية راح يتشكل حوله احتكار.
هل راح تظهر حالة في المستقبل: قلة من المؤسسات تتحكم في مصادر بيانات عالية القيمة، والمستخدمين العاديين يأخذون فقط مكافآت ضئيلة؟ أعتقد إن هذا السؤال راح يطرأ عاجلاً أم آجلاً. لذلك حاليًا أراقب $OPEN ، مو بس عشان سعر العملة.
اللي يهمني أكثر هو: هل راح تتحول في النهاية إلى "شبكة تعاون البيانات في عصر AI"، أو تتطور إلى نظام طبقي جديد للبيانات.
الآن في المنافسة في مجال AI، أكثر حاجة ناقصة هي الناس اللي يعرفون يحكون قصص. لكن المشاريع اللي بدأت تناقش "كيف يتم توزيع المصالح على المدى الطويل"، في الحقيقة قليلة جدًا. و#OpenLedger بدأت تلامس هذا الموضوع الحساس جدًا.
وهذا هو السبب اللي يجعلني أعتقد إنها راح تصبح أكثر جدلًا، لكن أيضًا أكثر جدارة بالمشاهدة.
في اليومين اللي فاتوا، كنت مركز على بيانات الاستدعاء على السلسلة لعدة سلاسل AI، وكل ما أتابع أكثر، كل ما زاد اقتناعي إن كثير من الناس ممكن يكونوا غلطانين في حاجة.
الكل دائمًا يعتقد إن مشاريع AI تتنافس على "من عنده نموذج أقوى". لكني الآن أشكك أكثر، وأعتقد إن اللي يحدد الحياة والموت فعليًا، هو من يقدر يبني نظام مصالح مستقر على المدى الطويل.
خصوصًا بعد إعادة دراسة @OpenLedger ، صار الإحساس هذا واضح جدًا. لأنه الآن اللي يسويه كثير من الأشياء، مو بس مسائل تقنية، لكن كأنهم قاعد يجهزون قواعد توزيع المصالح في عالم AI المستقبلي.
قبل فترة، جربت عدة اتجاهات مختلفة من Datanet، ولقيت ظاهرة واقعية جدًا: البيانات اللي يقدر أي شخص يرفعها، تتناقص عوائدها بشكل جنوني.
لكن اللي يحقق عوائد ثابتة، هي بعض البيانات الغير شائعة، اللي حتى حجم استدعائها مو عالي بشكل خاص.
هذا يدل على إيش؟
يدل على إن الأشياء اللي تستحق القيمة في عصر AI، ممكن مو "البيانات الضخمة"، لكن "البيانات الغير قابلة للاستبدال". قبل كانت الإنترنت تتصارع على حركة المرور. بعدين AI ممكن تتصارع على المحتوى اللي عنده أحد وما عنده أحد.
وOpenLedger الآن في الحقيقة قاعد يسوي شيء خطير - بدأ يحاول يحول "سلطة تسعير البيانات" إلى السلسلة.
من بياناته أهم، هو اللي راح يكسب أكثر في المستقبل. من يقدر يؤثر على النموذج باستمرار، هو اللي راح يأخذ العوائد على المدى الطويل. الموضوع هذا يبدو عادل، لكن في الحقيقة، أحسني حذر. لأنه أي شيء يقدر يولد تدفق نقدي مستمر، في النهاية راح يتشكل حوله احتكار.
هل راح تظهر حالة في المستقبل: قلة من المؤسسات تتحكم في مصادر بيانات عالية القيمة، والمستخدمين العاديين يأخذون فقط مكافآت ضئيلة؟ أعتقد إن هذا السؤال راح يطرأ عاجلاً أم آجلاً. لذلك حاليًا أراقب $OPEN ، مو بس عشان سعر العملة.
اللي يهمني أكثر هو: هل راح تتحول في النهاية إلى "شبكة تعاون البيانات في عصر AI"، أو تتطور إلى نظام طبقي جديد للبيانات.
الآن في المنافسة في مجال AI، أكثر حاجة ناقصة هي الناس اللي يعرفون يحكون قصص. لكن المشاريع اللي بدأت تناقش "كيف يتم توزيع المصالح على المدى الطويل"، في الحقيقة قليلة جدًا. و#OpenLedger بدأت تلامس هذا الموضوع الحساس جدًا.
وهذا هو السبب اللي يجعلني أعتقد إنها راح تصبح أكثر جدلًا، لكن أيضًا أكثر جدارة بالمشاهدة.
سجّل الدخول لاستكشاف المزيد من المُحتوى