مع التطور السريع في الذكاء الاصطناعي التوليدي ووكلاء الذكاء الاصطناعي (AI Agents)، تتجه مشاريع Web3 بشكل متزايد نحو بناء بنية تحتية لامركزية للذكاء الاصطناعي. من أبرز هذه المشاريع Sahara AI وBittensor، وهما من أكثر مشاريع بلوكشين الذكاء الاصطناعي نقاشًا. وبسبب دمجهما بين الذكاء الاصطناعي والبلوكشين، غالبًا ما تتم مقارنتهما بشكل مباشر.
على الرغم من أن Sahara AI وBittensor يعدان شبكتين لامركزيتين للذكاء الاصطناعي، إلا أن أهدافهما الأساسية وبنيتهما التقنية واستراتيجيات النظام البيئي لكل منهما مختلفة بوضوح. يركز Sahara AI على التعاون ونسب العائدات بين البيانات والنماذج والوكلاء، في حين يركز Bittensor على تحفيز جودة مخرجات النماذج والتنافس في استنتاج الذكاء الاصطناعي. من إدارة أصول الذكاء الاصطناعي إلى آليات الحوافز في الشبكة، يرسم كل مشروع مسارًا خاصًا به في بنية الذكاء الاصطناعي التحتية.
Sahara AI مقابل Bittensor: نظرة عامة والفروقات الرئيسية
Sahara AI هو منصة بلوكشين من الطبقة الأولى (Layer1) موجهة للذكاء الاصطناعي، صممت لتسهيل التعاون والموافقة وتوزيع العوائد بين بيانات الذكاء الاصطناعي والنماذج والوكلاء وخدمات الذكاء الاصطناعي. هدفها الرئيسي هو بناء اقتصاد تعاوني مفتوح للذكاء الاصطناعي، بحيث يتمكن مساهمو البيانات ومطورو النماذج ومزودو الخدمات من تحقيق عوائد شفافة عبر آليات على السلسلة.
يرتكز نظام Sahara AI البيئي على متجر الذكاء الاصطناعي (AI Marketplace)، ونظام النسبة (Attribution System)، واقتصاد وكلاء الذكاء الاصطناعي (AI Agent Economy)، مع تركيز كبير على ملكية أصول الذكاء الاصطناعي وشفافية مصادر البيانات.
Bittensor هو شبكة لامركزية لاستنتاج الذكاء الاصطناعي تعتمد على الحوافز الاقتصادية لبناء شبكة مفتوحة من نماذج الذكاء الاصطناعي. في شبكة Bittensor، تتنافس النماذج المختلفة في مهام الاستنتاج عبر الشبكات الفرعية (Subnets)، ويخصص النظام مكافآت TAO بناءً على جودة مخرجات النماذج.
| بُعد المقارنة |
Sahara AI |
Bittensor |
| التمركز الأساسي |
اقتصاد التعاون في الذكاء الاصطناعي |
شبكة استنتاج الذكاء الاصطناعي |
| نوع الشبكة |
طبقة أولى للذكاء الاصطناعي |
بروتوكول شبكة فرعية للذكاء الاصطناعي |
| التركيز الأساسي |
التعاون بين البيانات والنماذج والوكلاء |
التنافس على مخرجات النماذج |
| منطق الحوافز |
نسب العائدات والتعاون |
مكافآت جودة النماذج |
| متجر الذكاء الاصطناعي |
مدعوم |
ليس جوهريًا |
| نظام النسبة |
ميزة أساسية |
ليس محور التركيز |
| اقتصاد وكلاء الذكاء الاصطناعي |
مدعوم |
ضعيف نسبيًا |
| ملكية البيانات |
ذات أولوية |
نادرًا ما تُناقش |
| توجه النظام البيئي |
إدارة أصول الذكاء الاصطناعي |
شبكة نماذج الذكاء الاصطناعي |
لذا، يُنظر إلى Bittensor باعتباره شبكة لاستنتاج الذكاء الاصطناعي وتنافس النماذج، وليس منصة لتعاون بيانات الذكاء الاصطناعي.
ما الذي يميز التمركز الأساسي لكل من Sahara AI وBittensor؟
الفرق الجوهري بين Sahara AI وBittensor يكمن في فهم كل منهما لمفهوم "الذكاء الاصطناعي اللامركزي".
Sahara AI يعطي الأولوية لأصل بيانات الذكاء الاصطناعي، وموافقة النماذج، ونسب العائدات، والتعاون بين الوكلاء، بهدف بناء اقتصاد تعاوني شامل للذكاء الاصطناعي.
أما Bittensor، فيركز على التنافس بين نماذج الذكاء الاصطناعي، ويعتمد على الشبكات الفرعية المفتوحة وآليات الحوافز لتحسين جودة مخرجات النماذج.
وباختصار، يعمل Sahara AI كبنية تحتية للتعاون في الذكاء الاصطناعي، بينما يعمل Bittensor كشبكة استنتاج ذكاء اصطناعي مدفوعة بالحوافز.
كيف تختلف البنية التقنية لكل من Sahara AI وBittensor؟
يعتمد Sahara AI على هندسة طبقة أولى موجهة للذكاء الاصطناعي مبنية على Cosmos SDK وTendermint BFT، مع توافق مع EVM. من أهم ميزاته: الملكية على السلسلة، والتنفيذ خارج السلسلة، ودمج متجر الذكاء الاصطناعي. ونظرًا لمتطلبات قوة التجزئة العالية لاستنتاج وتدريب الذكاء الاصطناعي، يعتمد Sahara AI نموذج "إدارة على السلسلة + تنفيذ خارج السلسلة".
أما Bittensor، فيعتمد على بنية شبكة استنتاج ذكاء اصطناعي لامركزية، ويرتكز على الشبكات الفرعية (Subnets)، وعُقد النماذج، ونظام الحوافز TAO.
على المستوى الأساسي، يتموضع Sahara AI كطبقة أولى للتعاون في الذكاء الاصطناعي، بينما يعمل Bittensor كبروتوكول شبكة استنتاج الذكاء الاصطناعي.
ما هي الفروقات في آليات الحوافز؟
تشكل آليات الحوافز أحد الفروق الجوهرية بين المنصتين.
يرتكز منطق الحوافز في Sahara AI على مساهمة أصول الذكاء الاصطناعي، حيث يحصل مساهمو البيانات على عوائد، ويتلقى مطورو النماذج إيرادات الموافقة، ويحصل مزودو خدمات الوكلاء على رسوم الاستخدام.
النموذج الأساسي هو "توزيع عوائد التعاون في الذكاء الاصطناعي".
أما في Bittensor، فالحوافز أقرب إلى نموذج تنافسي بين النماذج: حيث تقدم عُقد النماذج مخرجات الذكاء الاصطناعي، ويقيّمها النظام حسب الجودة، وتُمنح النماذج الأعلى أداءً مكافآت TAO أكبر.
لذا، يركز Bittensor على تنافس أداء النماذج، بينما يركز Sahara AI على اقتصاد التعاون في بيانات ونماذج الذكاء الاصطناعي.
كيف يدير Sahara AI وBittensor بيانات ونماذج الذكاء الاصطناعي؟
يولي Sahara AI أهمية كبيرة لتتبع مصادر بيانات ونماذج الذكاء الاصطناعي.
توثق أنظمة النسبة والأصل في المنصة مصادر البيانات، وعلاقات مساهمة النماذج، وقواعد الموافقة، وتدفقات العوائد، ما يجعلها مناسبة لتعاون بيانات الذكاء الاصطناعي وتحويلها إلى أصول.
أما Bittensor فلا يعطي أولوية لملكية البيانات ويركز على قدرات استنتاج النماذج وقابلية توسع الشبكة.
وباختصار، يركز Sahara AI على إدارة أصول بيانات الذكاء الاصطناعي، بينما يركز Bittensor على تنافس قدرات النماذج.
كيف تختلف مقارباتهم تجاه وكلاء الذكاء الاصطناعي وتوجه النظام البيئي؟
يعد وكلاء الذكاء الاصطناعي عنصرًا أساسيًا في نظام Sahara AI البيئي.
يهدف Sahara AI إلى بناء اقتصاد للوكلاء، يمكّن وكلاء الذكاء الاصطناعي من استدعاء النماذج، والوصول للبيانات، وتنفيذ سير العمل، وتحقيق عوائد على السلسلة، مما ينشئ شبكة تعاونية لخدمات الذكاء الاصطناعي.
أما Bittensor، فيركز بشكل رئيسي على شبكة نماذج الذكاء الاصطناعي نفسها، بدلاً من التعاون بين الوكلاء.
وبالتالي، Sahara AI موجه نحو التعاون في تطبيقات الذكاء الاصطناعي، بينما يركز Bittensor على توسيع شبكة نماذج الذكاء الاصطناعي.
ما هي الفروقات في سيناريوهات التطبيق؟
يعد Sahara AI الأنسب لتعاون بيانات الذكاء الاصطناعي، وتشغيل متجر الذكاء الاصطناعي، ونسب العوائد، وسيناريوهات التعاون المؤسسي في الذكاء الاصطناعي.
وبفضل قوته في إدارة أصول الذكاء الاصطناعي وآليات الموافقة، يعتبر Sahara AI مثاليًا لبناء أنظمة بيئية مفتوحة لخدمات الذكاء الاصطناعي.
أما Bittensor، فيتفوق في شبكات استنتاج الذكاء الاصطناعي، وآليات التنافس بين النماذج، وأنظمة النماذج المفتوحة للذكاء الاصطناعي.
لذا، تمثل هذه المشاريع اتجاهات متباينة في بنية الذكاء الاصطناعي التحتية، وليست منافسين مباشرين.
الملخص
Sahara AI وBittensor مشروعان لبنية الذكاء الاصطناعي اللامركزية، لكن مسارات تطورهما مختلفة.
يركز Sahara AI على التعاون بين البيانات والنماذج والوكلاء، ويؤسس اقتصاد تعاون الذكاء الاصطناعي عبر النسبة، ومتجر الذكاء الاصطناعي، وآليات توزيع العوائد. بينما يركز Bittensor على بناء شبكة استنتاج ذكاء اصطناعي، وتعزيز التنافس بين نماذج الذكاء الاصطناعي من خلال الشبكات الفرعية وآليات الحوافز.
الأسئلة الشائعة
ما هي الشبكة الفرعية (Subnet) في Bittensor؟
الشبكة الفرعية في شبكة Bittensor تنظم نماذج الذكاء الاصطناعي المختلفة ومهام الاستنتاج.
هل يدعم Sahara AI متجر الذكاء الاصطناعي؟
نعم. متجر الذكاء الاصطناعي هو وحدة أساسية في نظام Sahara AI البيئي.
هل يستخدم كل من Sahara AI وBittensor الحوافز بالرموز؟
نعم. Sahara AI يستخدم رمز SAHARA، وBittensor يستخدم رمز TAO.
هل Sahara AI وBittensor منافسان مباشران؟
هناك بعض نقاط الالتقاء، لكن توجهات النظام البيئي مختلفة. من الأدق اعتبارهما يمثلان مسارات تطوير مختلفة لبنية الذكاء الاصطناعي اللامركزية.
