كنت أتابع KGeN مؤخرًا، وكلما بحثت أكثر شعرت أن النقطة التي تجعل هذا المشروع ممتعًا فعلًا ليست مجرد جمع «الذكاء الاصطناعي» و«البلوك تشين» معًا.

لأن ما لا يفتقر إليه الذكاء الاصطناعي حاليًا، ربما هو النماذج.

النادر حقًا هو بيانات بشرية حقيقية وجديرة بالثقة وقابلة للتحقق ومتنوعة بما يكفي.

نحن نناقش يوميًا معلمات نماذج الذكاء الكبيرة وقدرات الحوسبة والخوارزميات، لكن توجد مشكلة واقعية جدًا هي:

إذا كانت بيانات تدريب الذكاء الاصطناعي نفسها قادمة من محتوى منخفض الجودة، أو حسابات روبوت، أو معلومات مكررة، بل وحتى لا يمكن التحقق من المصدر، فكلما أصبح النموذج أقوى، قد يعني ذلك مجرد «تعلم أخطاء بشكل أكثر كفاءة».

وهذا بالضبط ما تحاول KGeN معالجته.

وفقًا للمواد الرسمية، تبني KGeN شبكة بيانات بشرية موثقة موجهة نحو Physical AI وLLM، وتستحصل على بيانات متعددة الوسائط عبر شبكة بشرية حقيقية، كما تؤكد عبر آلية التحقق أن البشر خلف البيانات حقيقيون وفريدون، وليسوا مجرد روبوتات أو حسابات مكررة. وتُظهر البيانات الرسمية أن شبكتها تغطي أكثر من 60 دولة ومنطقة، وتضم أكثر من 61 مليونًا على مستوى الشبكة، مع أكثر من 8.2 مليون مستخدم نشط خلال 30 يومًا.

أعتقد أن الكلمة المفتاحية الأكثر استحقاقًا للمتابعة في KGeN ليست «AI»، بل:

Human Data Provenance——إثبات مصدر البيانات البشرية.

في الإنترنت السابق، كانت البيانات غالبًا:

ينتج المستخدمون المحتوى → تجمع المنصة البيانات → تحصل الشركة على القيمة.

أما KGeN فيحاول بناء نموذج آخر:

سلوك بشري حقيقي → التحقق منه وتشكيل بيانات موثوقة → توفير قيمة للذكاء الاصطناعي والتطبيقات التجارية → ربط القيمة باقتصاد الشبكة.

وفي هذا السياق، فإن VeriFi وآلية التحقق مهمتان جدًا.

لأن وجود «بيانات» لا يعني بالنسبة للذكاء الاصطناعي «بيانات ذات قيمة».

سيناريو حياة من مستخدم هندي حقيقي، وسلوك لاعب حقيقي، ورد فعل مستهلك حقيقي، ومحتوى لحساب روبوتي تم توليده دفعة واحدة، كلها ذات قيمة مختلفة تمامًا.

ستحتاج الـ Physical AI المستقبلي أكثر إلى فهم الأصوات والصور والحركات واللمس في العالم الحقيقي، إضافةً إلى البيئات الثقافية واللغوية المختلفة.

وهذا يعني أن ما يحتاجه الذكاء الاصطناعي قد لا يكون مجرد المزيد من البيانات، بل:

مزيد من البشر الحقيقيين، مزيد من السيناريوهات الحقيقية، ومزيد من البيانات القابلة للتحقق.

وهذا أيضًا أحد أكبر الفروقات التي أراها بين KGeN ومنصات البيانات التقليدية.

والأكثر لفتًا للانتباه أن KGeN طرح في kgen2.0 اتجاه «Revenue becomes Tokenomics».

أفصحت الجهة الرسمية أن KGeN أطلقت kgen2.0 في يونيو 2026، وأجرت عملية Genesis Burn بقيمة 22 مليون رمز $KGEN، مع ربط إيرادات المنصة بآلية مستمرة لخفض المعروض من التوكن. كما أفصحت الجهة الرسمية أنه حتى مارس 2026 وصلت الإيرادات السنوية المحسوبة على أساس سنوي إلى 85.8 مليون دولار أمريكي.

طبعًا، هذا لا يعني أن $KGEN سيرتفع بالضرورة، ولا يعني أن نموذج الاقتصاد الرمزي خالٍ من المخاطر.

أنا أركز أكثر على هذه الفكرة:

هل يمكن لنمو إيرادات المشروع أن يرتبط فعلًا باقتصاد التوكن؟

وهذا أحد أكثر الجوانب التي تُثار حولها الشكوك في كثير من مشاريع Web3.

بعض المشاريع تمتلك كميات هائلة من بيانات المستخدمين، لكن التوكن فيها مجرد أداة تحفيز؛ وبعضها يمتلك سردية جيدة، لكنه يفتقر إلى أعمال حقيقية.

أما KGeN فيسعى إلى استكشاف جعل «الشبكة البشرية الحقيقية» موردًا أساسيًا، وجعل أعمال بيانات الذكاء الاصطناعي سيناريو تجاريًا، ثم ربط ذلك باقتصاد التوكن عبر آليات على السلسلة.

هذا الطريق ليس سهلًا، لكن إذا أمكن التحقق منه باستمرار، فإن مجال التصور سيكون كبيرًا جدًا بالفعل.

من وجهة نظري، أكثر ثلاثة مؤشرات تستحق المراقبة طويلة الأجل في KGeN هي:

1️⃣ هل تستمر الشبكة الحقيقية في النمو

عدد المستخدمين مهم، لكن الأهم هو ما إذا كان هؤلاء المستخدمون قادرين على الاستمرار في إنتاج بيانات عالية الجودة وقابلة للتحقق.

2️⃣ هل يمكن لأعمال بيانات الذكاء الاصطناعي أن تواصل تحقيق الإيرادات

الإيرادات التجارية الحقيقية، أكثر من مجرد التمويل أو الإنزال الجوي أو ضجة السوق، هي ما يثبت القيمة طويلة الأجل للمشروع.

3️⃣ هل يستمر ارتباط الإيرادات باقتصاد توكن kgen في التحقق

إذا أمكن أن يصبح «Revenue becomes Tokenomics» في النهاية آلية قابلة للتنفيذ بشكل مستمر، فقد يتحول إلى الميزة التنافسية الأساسية التي تميز KGeN عن مشاريع السرديات العادية للذكاء الاصطناعي.

وجهة نظري بسيطة:

مستقبل الذكاء الاصطناعي ليس مجرد منافسة بين النماذج.

وقد تكون أيضًا منافسة حول من يملك بيانات بشرية أكثر واقعية وغنىً وموثوقية.

وكGeN تحاول أن تصبح البنية التحتية للبيانات في هذه المنافسة.

ولهذا أيضًا أرى أن KGeN يستحق المتابعة المستمرة.

ليس لأنه روى مرة أخرى قصة «AI+Crypto».

بل لأنه يحاول الإجابة عن سؤال أعمق:

عندما يصبح الذكاء الاصطناعي أقوى فأقوى، فمن الذي يثبت أن البيانات التي تعلم منها جاءت من العالم الحقيقي؟

$KGEN 🟩

@KGen

DYOR، هذه المقالة تمثل وجهة نظري الشخصية فقط، ولا تشكل أي نصيحة استثمارية.