The MeeCrypt

كدت أنسى أن لدي بعض $FLT في محفظتي (@Fluence ).

التقطت بضع FLT العام الماضي، وبصراحة لم أكن أوليها اهتمامًا كبيرًا لفترة.

لكن بالنظر إلى Fluence مرة أخرى مؤخرًا جعلني ذلك أعود وأتحقق مما يفعله الرمز المميز فعليًا داخل النظام البيئي.

وهناك ما هو أكثر مما كنت أعتقده في البداية.

• إن FLT جزء من نظام الحصص (staking)، حيث تُستخدم الرموز حول أمن الموارد الحاسوبية والتنسيق الخاص بها.

• ولها دور في الحوكمة، إذ تمنح المجتمع طريقة للمشاركة في القرارات المتعلقة بالنظام البيئي لـ Fluence.

• مزوّدو خدمات الحوسبة واقتصاد الشبكة مرتبطان بـ FLT، ما يمنح الرمز دورًا عمليًا يتجاوز مجرد بقائه في محفظة.

• كما أن جانب السحابة أصبح أكثر إثارة للاهتمام أيضًا. تقوم Fluence ببناء بنية تحتية تتيح للمستخدمين الوصول إلى الموارد الحاسوبية دون الحاجة إلى الاعتماد بالكامل على مزوّدي السحابة المركزيين التقليديين.

• والآن هناك زاوية أكبر: الذكاء الاصطناعي والحوسبة عبر وحدات GPU. مع القدر من القدرة الحاسوبية الذي تتطلبه تطبيقات الذكاء الاصطناعي، يصبح الوصول اللامركزي إلى وحدات GPU مجالًا أكثر إثارة للمتابعة.

على الأرجح الجزء الأخير هو ما شد انتباهي أكثر.

لأنني عندما اشتريت تلك الكمية الصغيرة من FLT العام الماضي، لم أكن أفكر كثيرًا في البنية التحتية للذكاء الاصطناعي أو في طلب وحدات GPU.

الآن تبدو المحادثة حول Fluence مختلفة تمامًا.

لست أقول إنني أعرف إلى أين سيذهب FLT من هنا.

فقط أعتقد أنه أمر مثير للاهتمام عندما يتحول رمز كنت قد حصلت عليه بشكل عابر إلى جزء من قصة بنية تحتية أكبر بكثير.

إذن نعم… سأبقي عينَيّ على حقيبة FLT الصغيرة مرة أخرى.

#Fluence #Web3 #DePIN #AI

@Fluence لقد نقلت Fluence موقعها الرسمي من Fluence Network إلى fluence.ai، وأعتقد أن هذا التغيير يعكس توجّه المشروع بشكل أكبر مما قد يبدو للوهلة الأولى.

• المجال الجديد: يتم الآن تمثيل Fluence Network عبر fluence.ai، ما يجعل الذكاء الاصطناعي أقرب بكثير إلى مركز هوية المشروع.

• بنية تحتية للذكاء الاصطناعي: يعكس هذا تركيز Fluence المتزايد على توفير بنية تحتية لأحمال عمل الذكاء الاصطناعي، بدل أن يُعرف ببساطة كشبكة حوسبة لامركزية.

• الحوسبة باستخدام GPU + CPU: تقوم Fluence ببناء تركيزها على إتاحة موارد كل من وحدات GPU ووحدات CPU، والتي أصبحت أكثر أهمية مع استمرار نمو أحمال عمل الذكاء الاصطناعي.

• Fluence Cloud: من التفاصيل اللافتة أن Fluence تصف الآن Fluence Cloud باعتباره خليفة لمشروع Fluence.

• تركيز أوسع على البنية التحتية: يبدو أن اتجاه المشروع يتجه نحو البنية التحتية السحابية وجعل الحوسبة الموزعة أكثر سهولة للوصول بالنسبة للمطورين والجهات التي تبني حلولًا.

• المجال يحكي جزءًا من القصة: الانتقال من “Network” إلى “.ai” يمنح العلامة التجارية ارتباطًا أكثر مباشرة بمساحة بنية الذكاء الاصطناعي التحتية التي تركز عليها بشكل متزايد.

قد يظل الأمر مجرد تغيير نطاق على السطح، لكن عند النظر إلى الصورة الأكبر، يبدو كإشارة أوضح إلى أين يتجه Fluence.

من الحوسبة اللامركزية إلى البنية التحتية السحابية الموجهة للذكاء الاصطناعي، يصبح التطور أسهل في الرؤية.

#Fluence #AI #DePIN #Web3

قد تكون فاتورتك السحابية أكثر مرونة مما تتوقع.

يُعدّ البُنية التحتية السحابية مريحة، لكن قد تصبح مكلفة عندما يبدأ الطلب على الحوسبة في التصاعد، خاصةً لأحمال عمل الذكاء الاصطناعي.

@Fluence $FLT تتبع نهجًا مختلفًا من خلال ربط الأحمال بشبكة لا مركزية من مقدّمي موارد الحوسبة.

• تكاليف بنية تحتية أقل: الوصول إلى حوسبة موزعة دون الاعتماد بالكامل على مزوّدي الخدمات السحابية التقليديين
• مرونة أكبر: يمكن للأحمال الاستفادة من الحوسبة من مزوّديين مختلفين
• بنية تحتية جاهزة للذكاء الاصطناعي: مفيدة مع استمرار تزايد الطلب على الحوسبة مع نمو تطبيقات الذكاء الاصطناعي
• تركّز سحابي أقل: بديل عن تمرير كل شيء عبر نفس المزوّدين الرئيسيين

إن الفكرة الكبرى بسيطة: أصبحت الحوسبة أكثر أهمية بشكل متزايد، لذا فإن وجود خيارات أكثر فيما يتعلق بمكان وكيفية توفيرها قد يهم بنفس قدر أهمية توفر المزيد منها.

وهنا تصبح الحوسبة اللامركزية مثيرة للاهتمام.

#Fluence #DePIN #AI

قال الجميع $ETH . بدأت أفكر في $FLT من @Fluence

رأيت سؤالًا مثيرًا للاهتمام مؤخرًا: إذا اختفى $BTC فجأة، أي أصل يمكن أن يحل مكانه؟

كانت الإجابات في الغالب ETH وأسماء عملات مشفرة راسخة أخرى.

بدأت أفكر في زاوية مختلفة: ماذا لو لم يكن السرد التالي المهم مجرد أصل مالي آخر، بل البنية التحتية التي تُشغّل الموجة التالية من التكنولوجيا؟

تقوم الذكاء الاصطناعي بالفعل بخلق طلب هائل على الحوسبة. تحتاج النماذج والوكلاء والتطبيقات جميعها إلى موارد حوسبة لتعمل.

لهذا السبب كان من المثير للاهتمام متابعة $FLT.

@Fluence يعمل على الحوسبة اللامركزية، وكما ناقش يفغيني بونوماريف في AMA حديث، فإن الرؤية الأكبر هي إنشاء بديل لبنية تحتية سحابية تزداد مركزية، مع اعتبار الذكاء الاصطناعي نقطة انطلاق مهمة.

$BTC يمثل فصلًا كبيرًا في التمويل اللامركزي.

هل يمكن أن تصبح الحوسبة اللامركزية جزءًا بنفس الأهمية من الفصل التالي في Web3؟

@Fluence : من يحصل على سعة وحدة معالجة الرسوميات (GPU)؟

كيف يتم فعليًا شراء سعة وحدات معالجة الرسوميات وبيعها. قد توجد الكثير من وحدات GPU في العالم ومع ذلك قد يكون هناك نقص بالنسبة إلى مشتَرٍ معيّن، أو موقع معيّن، أو عبء عمل معيّن، أو خلال فترة زمنية معيّنة. وهذا يجعل التسعير وإتاحة الخدمة أكثر تعقيدًا من مجرد وضع رقم بجانب وحدة GPU.

هنا تصبح المزادات مفيدة. تتيح المزادات التقدمية للمشترين المنافسة على السعة المتاحة، بينما تتيح المزادات العكسية للمقدّمين المنافسة لتلبية الطلب.

يخلق كلا النهجين طريقة أكثر ديناميكية لاكتشاف ما قيمة القدرة الحوسبية فعلًا في لحظة معيّنة. وبالنسبة إلى شخص يشتري سعة GPU لأغراض جادة، فإن الخيار الأرخص ليس بالضرورة هو الخيار الصحيح.

كما تحتاج إلى طرح سؤالين: هل السعة متاحة فعلًا عندما تحتاج إليها؟ وهل يمكن لبنية الشبكات التعامل مع عبء العمل؟ ما مستوى اتفاقية الخدمة (SLA) المرفق بالبنية التحتية؟ وإذا تعطل شيء ما، فكم يستغرق الأمر لاستعادته؟ قد تصنع هذه التفاصيل فرقًا كبيرًا عندما تعمل أحمال عمل الذكاء الاصطناعي على نطاق واسع.

تعمل Fl uence على التوجه نحو سوق عالمي يمكن لمراكز البيانات فيه الاتصال مباشرةً مع طلبات مؤهلة للحصول على عناقيد GPU محفوظة.

الجزء المثير للاهتمام هو أن الأمر لا يتعلق فقط بإضافة المزيد من وحدات GPU. بل يتعلق بجعل وحدات الـ GPU الموجودة بالفعل أسهل في الاكتشاف والمقارنة والتسعير والاستخدام.

#Fluence #DePIN #AI

من يدعم الذكاء الاصطناعي من وراء الكواليس؟ @Fluence

أمرٌ واحد أراه مثيرًا للاهتمام حول وكلاء الذكاء الاصطناعي هو أن التأخير لا يكون دائمًا سببه النموذج نفسه.

يمكن للوكيل إجراء عدة استدعاءات لأدوات، واسترجاع الحالة، وتشغيل عمليات التحقق، وتحديث الذاكرة، ثم تكرار الحلقة عدة مرات. قد تبدو عدة أجزاء من الملي ثانية من تأخير المعالج في كل خطوة غير مهمة بحد ذاتها، لكن مع مرورها عبر سير العمل كاملًا، يمكن أن تتراكم تلك التأخيرات وتدفع الطلب إلى ما بعد موعده النهائي.

هنا تصبح البنية التحتية أكثر أهمية مما قد يبدو في البداية.

بالنسبة لأحمال عمل الذكاء الاصطناعي، فإن متوسط الأداء ليس دائمًا كافيًا. قد يظهر التحدي الحقيقي عندما يتسبب التنافس على وحدة المعالجة المركزية في تأخيرات صغيرة عبر مراحل كثيرة.

وهذا يجعل تخصيص موارد حسابية مخصصة خيارًا مثيرًا للاهتمام للأحمال التي تهمها إمكانية الحصول على أداء يمكن التنبؤ به.

تعمل Fluence على معالجة هذا من جانب الحوسبة اللامركزية، ما يتيح للمطورين الوصول إلى موارد CPU مخصصة للأحمال التي تحتاج إلى سعة أكثر اتساقًا.

أعتقد أن هذا سيصبح أكثر أهمية مع انتقال وكلاء الذكاء الاصطناعي من التجارب البسيطة إلى بيئات الإنتاج. عندما يتولى الوكيل عشرات الخطوات، فإن تقليل التباين في كل مرحلة يمكن أن يحدث أثرًا أكبر بكثير على تجربة المستخدم النهائية.

السؤال الذي أراقبه بسيط: مع تعقُّد أحمال عمل الوكلاء، هل ستصبح الحوسبة القابلة للتنبؤ بنفس أهمية القدرة الخام على الحوسبة؟

https://fluence.ai/

#Fluence #AI #DePIN

@Fluence VPC سيعني الإطلاق المباشر خطوة مهمة في نظام Fluence البيئي.

https://fluence.ai/

تتيح بنية VPC الجديدة للمطوّرين تشغيل عدة أجهزة افتراضية (VMs) مع شبكة خاصة ومجموعات أمان وتحكّم في الخروج (egress) وعناوين IP عامة اختيارية وcloud-init. وبعبارة بسيطة، تجعل Fluence أكثر ملاءمة لتشغيل تطبيقات حقيقية مع عمل خدمات مختلفة معًا بشكل آمن.

ومن منظور $FLT، أرى أن الأمور تصبح مثيرة للاهتمام هنا.

ميزة بنية تحتية جديدة لا تعني تلقائيًا أن سعر FLT سيرتفع. السؤال الأكبر هو ما إذا كانت VPC ستساعد Fluence على جذب المزيد من المطوّرين والأحمال (workloads) والشركات.

إذا زاد التبنّي، فقد يتم نشر المزيد من الحوسبة عبر الشبكة، ما يخلق طلبًا أساسيًا أقوى وربما يحسّن الأساسيات التي تدعم FLT.

لذا أنا أراقب الاستخدام أكثر من الإعلان نفسه. إذا استمرت Fluence في إضافة بنية تحتية عملية وتحولت هذه الميزات إلى نشاط شبكي فعلي، فأعتقد أن ذلك قد يصبح محفزًا إيجابيًا لـ FLT مع مرور الوقت.

بالنسبة لي، الفرضية بسيطة: بنية تحتية أفضل → مزيد من حالات الاستخدام → مزيد من نشاط الشبكة → وربما أساسيات أقوى لـ FLT.

#DePIN #AI #Web3

صفقة حوسبة أخرى بقيمة 5.5 مليون دولار مقابل @Fluence

حصلت شركة Fluence على صفقة حوسبة بقيمة 5.5 مليون دولار مع عميل يبني ذكاءً اصطناعيًا عامًا (AGI) يركز على إيجاد مسارات أسرع من علم الأحياء إلى الأدوية.

ما يلفت نظري ليس فقط حجم الصفقة.

بل المشكلة التي يجري حلها: ضمان ألا تصبح الحوسبة عنق الزجاجة.

تتزايد كثافة تطوير الذكاء الاصطناعي للحوسبة، لكن امتلاك المزيد من وحدات GPU ليس القصة كاملة. التحدي الأكبر هو إتاحة الحوسبة حيثما وحينما تكون هناك حاجة إليها.

وهنا تصبح أسواق وحدات GPU اللامركزية أمراً مثيراً للاهتمام.

تقوم Fluence ببناء سوق يمكن لموردي وحدات GPU فيه التنافس على الأحمال (workloads)، ما قد يخلق طريقة أكثر مرونة للفرق للوصول إلى الحوسبة التي تحتاجها.

أظن أننا سنسمع المزيد عن طبقة الحوسبة الداعمة للذكاء الاصطناعي، لا عن النماذج وحدها.

إن مبلغ 5.5 مليون دولار هو صفقة واحدة، لكنه يُظهر كذلك مدى قيمة الوصول الموثوق إلى حوسبة وحدات GPU الذي بات يتزايد.

جدير بالمتابعة ما الذي ستفعله Fluence بعد ذلك.

$FLT #DePIN #AI #Web3

@Fluence : سوق الـ GPU الخفي

أعباء عمل الذكاء الاصطناعي تتوسع، ومراكز البيانات تكبر، والشركات تنفق بكثافة على الحوسبة.

لكن هناك جانبًا آخر من قصة الـ GPU أعتقد أنه يستحق المتابعة:

بعض العتاد يبقى خاملاً بين أعباء العمل. وبعضه يُستخدم بشكل غير كافٍ. وبعض موارد الحوسبة يصعب على الآخرين الوصول إليها ببساطة.

وهذا يجعل مستقبل الحوسبة أقل تعلقًا بمجرد إضافة المزيد من وحدات GPU، وأكثر تعلقًا بمدى الكفاءة التي نستطيع بها استخدام وحدات GPU الموجودة بالفعل.

@Fluence الفكرة بسيطة لكنها مثيرة للاهتمام: إنشاء بنية تحتية يمكنها ربط الحوسبة المتاحة بالأشخاص وأعباء العمل التي تحتاجها.

إذا استمر الطلب على الذكاء الاصطناعي في التسارع، أعتقد أن النقاش سيتحول تدريجيًا من:

"من لديه أكبر عدد من وحدات GPU؟"

aلى:

"من يستطيع إتاحة أكبر قدر من الحوسبة، مع المرونة، والاستخدام الأكثر كفاءة؟"

قد لا يقتصر اقتصاد الـ GPU على العتاد بعد الآن.

بل قد يتعلق أيضًا ببناء أسواق أفضل حول الحوسبة الموجودة بالفعل.

#DePIN #AI #Web3

أسرع وحدة معالجة رسومات (GPU) على الورق ليست بالضرورة أفضل خيار لكل نوع من الأحمال.

قد يخبرك معيار أداء (Benchmark) أي وحدة GPU يمكنها دفع أكبر عدد من الرموز (tokens) في الثانية، لكن النشر الفعلي يواجه متغيرات أكثر للتعامل معها.

حجم النموذج، طول الإخراج، متطلبات الذاكرة، التزامن، المنطقة (region)، التوفر، وبالطبع التكلفة الفعلية لتشغيل الحمل—كلها قد تغيّر المعادلة.

وهنا تتبع @Fluence نهجًا مثيرًا للاهتمام.

من خلال مزادات عُناقيد وحدات معالجة الرسومات (GPU Cluster Auctions)، يمكن للمشترين مقارنة العروض من مقدّمين مختلفين بناءً على نوع الـGPU، والسعة، والمنطقة، والتسعير، والتوفر.

وهذا ينقل قرار الشراء بعيدًا عن مجرد مطاردة أكثر العتاد أداءً.

بدلًا من أن تسأل:

“أي GPU هو الأسرع؟”

قد يكون السؤال الأفضل:

أي GPU يمنحني الأداء الذي أحتاجه بسعر منطقي فعلًا؟

لأن وحدة GPU أقوى قد تكلف أكثر بكثير لكنها لا توفر ميزة ملموسة لحملك المحدد، فقد لا يكون الأداء الإضافي يستحق الدفع.

وإذا كانت وحدة GPU أخرى تستطيع التعامل مع نفس الحمل بتكلفة أقل، فإن هذا الفرق يبدأ بالظهور كعامل مهم على نطاق واسع.

ومع استمرار تطور أحمال العمل الخاصة بالذكاء الاصطناعي، لن يكون الطلب على وحدات GPU مقتصرًا فقط على إيجاد المزيد من القدرة الحاسوبية.

بل سيكون أيضًا حول العثور على القدرة الحاسوبية المناسبة، في المكان المناسب، وبالسعر المناسب.

وهنا قد يصبح اكتشاف سعر GPU أكثر أهمية بشكل متزايد.

#Flt #DePIN #Web3 #AI

@Fluence GPU مزادات GPU الجديدة وصلت للتو بعقد آخر بقيمة 15.4 مليون دولار+

نجحت شركة Fluence في تأمين صفقة رئيسية أخرى للـ GPU عبر منصة المزادات الخاصة بها.

تغطي هذه الصفقة 96 عقدة من طراز H100 عبر آسيا، مع الانتقال إلى مرحلة الإنتاج لدعم استدلال الذكاء الاصطناعي وتدريب النماذج.

الجزء المثير للاهتمام ليس فقط حجم الصفقة.
بل يشير ذلك إلى أن الطلب الحقيقي على وحدات GPU يتحرك عبر المنافسة بالمزايدات، حيث يربط بين المشترين الباحثين عن سعة وبين مقدمي الخدمات الذين لديهم وحدات GPU متاحة.

ومع تزايد الصفقات عالية القيمة التي تصل عبر المنصة، أصبحت مزادات GPU جزءًا مثيرًا للاهتمام من سوق بنية الذكاء الاصطناعي التحتية التي يستحق متابعتها.

#FLT #DePIN #Web3

هل تفضّل حمل توكن يمتلك منفعة فعلية أم توكن لا يجذب الانتباه إلا عندما يبدأ الرسم البياني بالتحرك؟

هذا ما يجعل $FLT يستحق الاهتمام.

@Fluence يجري بناء بنية تحتية للحوسبة اللامركزية لاقتصاد الذكاء الاصطناعي، و$FLT يقع في قلب اقتصاديات شبكته.

فما الذي يمكن أن يفعله $FLT فعليًا؟

→ الحصص (Staking): يمكن إيداع FLT للمساعدة في تأمين وتوفير موارد الحوسبة، مع تمكّن حاملي التوكن من المشاركة في الإيداع.

→ الحوكمة: يمكن لحاملي FLT المشاركة في حوكمة Fluence DAO والتصويت على المقترحات التي تشكل مسار الشبكة.

→ حوافز الشبكة: يُعد $FLT جزءًا من نظام الحوافز الذي ينسّق مزودي الحوسبة ويساعد على تأمين الشبكة.

ما أراه مثيرًا للاهتمام هو أن التوكن ليس منفصلًا بالكامل عن البنية التحتية.

تركّز الشبكة على الذكاء الاصطناعي وحوسبة GPU، وتقول Fluence إنها تقدم الآن 1,400+ وحدة GPU عبر 32 منطقة و71 مركز بيانات.

وهنا أعتقد أن بعض الناس قد يكونون فاتهم الصورة الأكبر أثناء آخر حركة لـ $FLT.

الضخ (Pump) يجذب انتباه الجميع.

المنفعة هي ما يجعلني أستمر في المتابعة.

السؤال المثير للاهتمام الآن ليس فقط إلى أين سيتجه $FLT بعد ذلك.

بل: كم قيمة يمكن بناؤها حول البنية التحتية التي يدعمها.

الذكاء الاصطناعي يحتاج إلى حوسبة.

Fluence تبني طبقة الحوسبة.

$FLT جزء من طبقة الاقتصاد خلف ذلك.

هل تعتقد أن توكنات المنفعة ستتفوق على صفقات السرد/القصّة البحتة في المرحلة القادمة من DePIN؟

#Fluence #DePIN #AI

<keep>$6M IN GPU CONTRACTS: @Fluence

أصبحت وحدات معالجة الرسومات (GPUs) نادرةً ومكلفةً بشكل متزايد، ومهمةً على نحو متزايد للفرق التي تبني منتجات الذكاء الاصطناعي. لكن امتلاك وحدات GPU ليس سوى نصف المشكلة. أما النصف الآخر فهو ربط السعة المتاحة بالفرق التي تحتاج إليها بالفعل.

وهنا تأتي مزادات https://auctions.fluence.network/ لـ GPU.

منذ إطلاق السوق، تم بالفعل تسجيل 6 ملايين دولار من عقود عنقود GPU.

النموذج بسيط:

→ تقوم الفرق بنشر احتياجها من الحوسبة
→ يتنافس مقدمو الخدمة عبر العطاءات
→ يقارن المشترون السعر وSLA ونوافذ الإيجار
→ تُبرم العقود بناءً على العطاء المقبول

يعرض السوق الحالي 6,468 وحدة GPU متاحة عبر 4 دول.

ما أجدُه مثيرًا للاهتمام هنا هو التحوّل من مجرد تأجير الحوسبة إلى خلق سوق أكثر تنافسية حول سعة وحدات GPU.

يحتاج الذكاء الاصطناعي إلى مزيد من الحوسبة.

لكنّه يحتاج أيضًا إلى طرق أفضل لتوزيع الحوسبة التي لدينا بالفعل.

وتسعى Fluence إلى معالجة هذا الجانب من المعادلة.

تحتاج حوسبة؟ لديك سعة؟

#Fluence #DePIN #AI #Web3

لماذا يلفت DTEC الانتباه في مجال DePIN والتنقل؟

بدلًا من التعامل مع المركبات كآلات سلبية، يقوم @DtecAI ببناء الفكرة القائلة بأن التنقل اليومي يمكن أن يصبح جزءًا من شبكة لا مركزية للبيانات والذكاء الاصطناعي.

محركات القيمة الرئيسية:

• البيانات الواقعية: يمكن أن تصبح بيانات المركبات والتنقل موردًا قيّمًا للذكاء الاصطناعي والتطبيقات المتصلة.
• بنية تحتية لـ DePIN: تساهم المركبات والأجهزة المتصلة في تزويد الشبكة ببيانات واقعية عبر شبكة لا مركزية.
• تنقل مدعوم بالذكاء الاصطناعي: تجمع بنية DTEC بين بيانات المركبة ومُدخلات إنترنت الأشياء والذكاء الاصطناعي لإنشاء تجارب تنقل أكثر تخصيصًا.
• مشاركة السائق: صُمّم النظام البيئي لمكافأة المستخدمين على تقديم بيانات قيّمة للشبكة عبر توكن DTEC.

إذا تمكّنت بيانات التنقل اللا مركزية من التوسع بفعالية، فقد تمتد الفرصة بعيدًا عن عالم العملات المشفرة لتشمل الذكاء الاصطناعي وبيانات السيارات والمركبات المتصلة والنقل الذكي.

الجزء المثير بالنسبة لي هو التحول من مجرد استخدام مركبة إلى جعل المركبة جزءًا من شبكة بيانات أكبر.

هل أنت متفائل بشأن أطروحة $DTEC؟ 👀

#DePIN #AI #Web3 #DTEC

هل يُعدّ DTEC الخيار الأهم في مجال التنقّل اللامركزي (DePIN Mobility)؟

إن إضفاء اللامركزية على التنقّل ليس مجرد ترند، بل قد يعيد تشكيل طريقة تفاعل المركبات والبيانات والذكاء الاصطناعي. يعمل DTEC على بناء منظومة تربط المركبات والبيانات الواقعية والذكاء الاصطناعي والبنية التحتية اللامركزية عبر شبكة التنقّل الخاصة به.

أبرز النقاط:

• الربح من مركبتك: ساهم ببيانات المركبات والتنقّل في الشبكة واحصل على مكافآت مقابل المشاركة.

• تنقّل مدعوم بالذكاء الاصطناعي: يجمع Dtec بين بيانات المركبات الواقعية والذكاء الاصطناعي لتمكين تطبيقات تنقّل أكثر ذكاءً.

• بيانات لا مركزية: يمكن لبيانات المركبات المُولَّدة أن تصبح جزءًا من بنية تحتية لامركزية مفتوحة بدلًا من البقاء محبوسة داخل الأنظمة المركزية.

• مركز اتصال بالذكاء الاصطناعي: يطرح Dtec أيضًا الذكاء الاصطناعي في اتصالات الأعمال، للمساعدة في أتمتة تفاعلات العملاء والدعم.

• DePIN واقعي على أرض الواقع: بدل الاعتماد فقط على الأصول الرقمية، يربط Dtec البنية التحتية اللامركزية بالمركبات المادية والتنقّل اليومي.

مع تلاقي DePIN والذكاء الاصطناعي والتنقّل المتصل، يواصل DTEC البناء عند نقطة تقاطع مثيرة للاهتمام.

قد يصبح $DTEC أحد أكبر المشاريع التي تُعرّف جيل التنقّل اللامركزي القادم.

#Dtec #AI #DePIN

@Fluence : تحويل سعة وحدات معالجة الرسوميات (GPU) إلى سوق

تتسبب أحمال العمل الخاصة بالذكاء الاصطناعي في طلب ضخم على وحدات معالجة الرسوميات (GPUs)، لكن لا يزال الوصول إلى العتاد المناسب مكلفًا وصعبًا.

تتعامل Fluence مع هذا الأمر بطريقة مختلفة.

فشبكتها اللامركزية للحوسبة تربط البنية التحتية المتاحة بالعملاء، بينما تقدم مزاد وحدات معالجة الرسوميات (GPU Auction) نموذجًا لسوق يمكن من خلاله المزايدة على سعة الـGPU بدلًا من شرائها ببساطة عبر تسعير سحابي ثابت.

بدلًا من أن يدفع كل عميل المعدل المحدد نفسه مسبقًا، يمكن أن يساعد المزاد في مواءمة توريد وحدات الـGPU المتاحة مع الطلب الحقيقي.

بالنسبة للمزوّدين، فهذا يخلق طريقة إضافية لتحقيق الدخل من عتادهم.

وبالنسبة للعملاء، فإنه يتيح إمكانية العثور على وصول تنافسي للحوسبة التي يحتاجون إليها.

وهنا يصبح طرح Fluence الأوسع أكثر إثارة للاهتمام.

قد لا يكون مستقبل الحوسبة متعلقًا بشركة واحدة تمتلك كل العتاد.

قد يكون الأمر متعلقًا بإنشاء أسواق مفتوحة حول العتاد الذي يتوفر بالفعل.

وهذا هو جانب البنية التحتية وراء $FLT الذي يستحق المتابعة.

#DePIN #AI #Web3 #FLT

@Fluence : حوسبة سحابية على مستوى المؤسسات، دون السعر الباهظ لشركات التقنية الكبرى

إذا كنت تحتاج إلى قوة حوسبة جدية—تلك التي تُدرّب نماذج الذكاء الاصطناعي أو تُشغّل أحمالًا ثقيلة على نطاق واسع—فلم تكن هناك سوى أماكن قليلة للحصول عليها. AWS وGoogle Cloud وAzure. موثوقة بالتأكيد، لكنها مكلفة، وتخضع بالكامل لعدة شركات قليلة.

تقوم Fluence ببناء بديل لا يطلب منك التنازل عن الجودة للوصول إلى ذلك.

نفس البنية التحتية، نموذج ملكية مختلف

تستمد Fluence حوسبتها من مراكز بيانات على مستوى رفيع تخدم بالفعل كبريات شركات Web2. هذه ليست شبكة من أجهزة عشوائية غير موثقة؛ بل هي نفس مستوى البنية التحتية التي يشغّلها السحابة التقليدية، فقط بتنظيم مختلف. بدلًا من أن تمتلك شركة واحدة تلك السعة وتسعّرها، تقوم Fluence بتجميع السعة المتاحة معًا في شبكة لا مركزية تعمل دائمًا ويمكن لأي شخص الاستفادة منها.

النتيجة: يحصل العملاء على خدمة على مستوى المؤسسات بتكلفة أقل. وقد وفّر مستخدمو Fluence بالفعل ملايين الدولارات مقارنةً بما كانوا سيدفعونه لمقدمي السحابة التقليديين—وفورات حقيقية من عملاء حقيقيين يقومون بأحمال عمل حقيقية على الشبكة.

$FLT هو الرمز المميز الذي يجمع النظام كله معًا:

• يقوم مقدمو الخدمة بوضع FLT كضمان لتأمين الشبكة والحصول على أجر مقابل سعة الحوسبة التي يساهمون بها
• تموّل عائدات العملاء برنامج إعادة شراء، بحيث يعود الاستخدام على الشبكة مباشرةً إلى اقتصاديات الرمز المميز الخاص بـ FLT
• يتم حاليًا وضع أكثر من 25 مليون FLT كضمان لتأمين الشبكة على نطاق واسع
• يمكن لحاملي الرموز وضع FLT عبر لوحة الرمز المميز Token Dashboard، والمشاركة في الحوكمة، والحصول على مكافآت مرتبطة بنشاط الشبكة

طلب الذكاء الاصطناعي على الحوسبة لا يتباطأ؛ تدريب النماذج وتشغيلها يتطلب بنية تحتية هائلة، وهذه الحاجة في تزايد مستمر. لقد بَنَت شركات السحابة التقليدية أعمالها على التحكم في الوصول إلى تلك البنية التحتية وتسعيرها وفقًا لذلك.

تقدم Fluence مسارًا مختلفًا: نفس جودة الحوسبة، من نفس مستوى مراكز البيانات، لكن مبني على شبكة تتدفق فيها القيمة إلى الأشخاص الذين يؤمّنون الشبكة ويستخدمونها.

#DePIN #FLT #AI #Web3

الجميع يتسابقون لبناء منتج ذكاء اصطناعي كبير جديد، لكن بالكاد يتحدث أحد عن ما الذي يبطئ هذا السباق فعليًا: الحصول على عدد كافٍ من وحدات GPUs دون انتظار أشهر أو دفع أسعار مرتفعة من مزودي الخدمات السحابية الكبار مقابل ذلك.

@Fluence هو أحد المشاريع القليلة التي تحل هذه المشكلة فعلًا بدلًا من مجرد الحديث عنها.

هذه هي الفكرة: بدلًا من توجيه الجميع عبر AWS أو Google Cloud أو Azure، تقوم Fluence بربط المطورين مباشرة بشبكة عالمية من مزودي حوسبة مستقلين. مراكز بيانات حقيقية، عتاد حقيقي، دون أن تتحكم شركة واحدة في التسعير أو خط الأنابيب.

والأمر يعمل بالفعل أيضًا. سوق وحدات GPU لديهم متاح الآن، ويوفر حوسبة بمستوى مؤسسي بتكلفة أقل تصل إلى 85% مقارنةً بالسحابات الكبيرة. وعلى جانب وحدات CPU، حققوا بالفعل أكثر من 1 مليون دولار كإيرادات سنوية—هذه ليست وعودًا ضمن خارطة طريق، بل منتج يدفع الناس فعليًا لاستخدامه.

الجزء الأحدث هو GPU Cluster Auctions، وهو سوق مزادات حقيقي للمزايدة على سعة GPUs المحجوزة. بدلًا من الأمل في أن تكون لدى أحد المزودين توفر بسعر عادل، تقوم الفرق بنشر ما تحتاجه تحديدًا (طراز الـGPU، والكمية، والمنطقة، والإطار الزمني)، ويتنافس المزودون على الصفقة. هذا هو اكتشاف السعر الذي ببساطة لا وجود له في أي مكان آخر داخل هذا المجال الآن.

يتصادمان حاليًا بين DePIN وAI بقوة، ومعظم المشاريع ضمن هذا التقاطع ما تزال نظريّة. Fluence ليست كذلك—إنها بنية تحتية تُستخدم بالفعل لحل مشكلة حقيقية ومكلفة.

إذا كنت تتابع مجال Web3 × AI، فإن $FLT يستحق الفهم ليس من زاوية السردية، بل لما يجري بناؤه فعليًا.

#Fluence #DePIN #AI

@Fluence Brings تزويد الحوسبة الرسومية اللامركزية لبنّائي الذكاء الاصطناعي

أصبح الوصول إلى وحدات GPU أكبر عائق في مجال الذكاء الاصطناعي حالياً؛ ليس بسبب نقص الأفكار أو المواهب، بل بسبب صعوبة الحصول على قدر كافٍ من الحوسبة دون دفع أسعار باهظة لدى مزوّدي الخدمات السحابية الكبار. تتجه Fluence، وهي منصة DePIN رائدة، لمعالجة هذه المشكلة مباشرةً.

تدير Fluence بالفعل بديلاً لامركزياً لـ "السحابة الخالية" لـ AWS وGoogle Cloud، يتيح للمطوّرين استئجار خوادم من شبكة عالمية من مزوّدي الخدمات المستقلين بدل الاعتماد على شركة واحدة. وقد ولّدت أسواق وحدات المعالجة المركزية تلك إيرادات سنوية تجاوزت 1 مليون دولار، ووفّرت على العملاء ملايين الدولارات مقارنةً بتسعير السحابة التقليدي. والآن يقومون بالأمر نفسه بالنسبة لوحدات GPU.

يمكن للمطوّرين نشر حاويات GPU أو آلات افتراضية VMs أو استخدام الأجهزة المعدنية العارية (bare metal) حسب ما يحتاجون إليه، وكل ذلك يعمل عبر عقود ذكية تتولى التعامل مع التسعير والمدفوعات تلقائياً، مع اشتراط أن يقوم المزوّدون بتقديم ضمان (collateral) والالتزام بمعايير موثوقية قبل الانضمام إلى الشبكة. والنتيجة: وصول إلى GPU بمستوى جاهزية للمؤسسات بتكلفة أقل حتى 85% مقارنةً بالسحابات الكبيرة.

والدعم قائم أيضاً على بنية تحتية حقيقية: مراكز بيانات بمستوى مؤسسي مع امتثال GDPR وISO 27001 وSOC2، ما يوسّع من إمدادات GPU. كما قال أحد المؤسسين المشاركين، يفغيني بونوماريف (Evgeny Ponomarev)، الفكرة بسيطة: إزالة ندرة الموارد وحواجز التكلفة التي تمنع فرق الذكاء الاصطناعي من الحصول على الحوسبة التي تحتاجها.

الخلاصة: تراهن Fluence على نفس منهج اللامركزية الذي نجح مع وحدات CPUs السحابية، والآن قد يصلح أيضاً لعلاج نقص GPUs. يستحق المتابعة.

#DePIN #Ai #GPU

عندما يقوم الناس بتقييم مشاريع الذكاء الاصطناعي، غالبًا ما يبحثون عن الإعلانات وسعر التوكن. أنا أميل أكثر إلى النظر إلى التفاعل على مستوى المؤسسات.

أكبر الفرص في مجال الذكاء الاصطناعي لن تنشأ من التطبيقات وحدها. بل ستأتي من البنية التحتية التي تجعل تلك التطبيقات ممكنة. ومع ازدياد قوة نماذج الذكاء الاصطناعي، تستمر الحاجة إلى الحوسبة الموثوقة والقابلة للتوسع في النمو.

وهذا ما قادني إلى @Fluence $FLT.

بدلًا من محاولة أن نصبح الجيل التالي من ترندات السوق، تركز Fluence على بنية الحوسبة اللامركزية، وهي قطاع قد يصبح ذا أهمية متزايدة مع توسّع اعتماد الذكاء الاصطناعي عبر مختلف الصناعات.

كما أعتقد أن مشاريع البنية التحتية تستحق أن تُقيَّم بشكل مختلف. فالتقدم لا يُقاس دائمًا بما يحدث يوميًا في حركة السعر. بل يُقاس بمدى استمرار تحسن التكنولوجيا، وبما إذا كان المطورون يبنون عليها، وبما إذا كانت الشركات ترى قيمة في استخدامها.

لا تزال سباق الذكاء الاصطناعي في مراحله المبكرة، والحاجة إلى الحوسبة لا تتباطأ. لذلك، يظل $FLT واحدًا من المشاريع التي أواصل متابعتها بينما يتطور مشهد البنية التحتية للذكاء الاصطناعي اللامركزية.

#Fluence #AI #DePIN #GPU