0xjacobzhao

Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Əvvəlki Crypto AI seriyamızda apardığımız tədqiqat hesabatlarında, indiki kripto sahəsində ən praktik tətbiq ssenarilərinin əsasən sabitcoin ödənişləri və DeFi-də cəmləşdiyini mütəmadi olaraq vurğulamışıq, Agentlər isə istifadəçilərə yönəlmiş AI sənayesinin açar interfeysidir. Buna görə də, Crypto və AI inteqrasiyası tendensiyasında, iki ən dəyərli yol: qısa müddətdə mövcud yetkin DeFi protokollarına (borc vermə və likvidlik mədənçiliyi kimi əsas strategiyalar, eləcə də Swap, Pendle PT və maliyyə dərəcəsi arbitrajı kimi inkişaf etmiş strategiyalar) əsaslanan AgentFi; və orta və uzun müddətdə sabitcoin hesablaşmasına mərkəzlənən və ACP/AP2/x402/ERC-8004 kimi protokollara etibar edən Agent Ödənişi.

Noya.ai Tədqiqatı: Bazarın ağıllı agentlərinin proqnozu
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao

Keçmiş Crypto AI seriyasında davamlı olaraq vurğuladığımız fikir: indiki kripto sahəsində ən praktik tətbiq dəyərinə malik olan ssenarilər əsasən sabit valyuta ödənişləri və DeFi-də cəmləşir, Agent isə AI sənayesinin istifadəçilərə yönəlmiş əsas interfeysidir. Buna görə də, Crypto və AI-nin inteqrasiyası tendensiyasında, ən dəyərli iki yol müvafiq olaraq: qısa müddətdə mövcud yetkin DeFi protokollarına (borc, likvidlik mədənçiliyi və s. kimi əsas strategiyalar, həmçinin Swap, Pendle PT, maliyyə dərəcəsi arbitrı kimi yüksək strategiyalar) əsaslanan AgentFi və orta və uzun müddətdə sabit valyuta hesablaşmaları ətrafında, ACP/AP2/x402/ERC-8004 kimi protokollara dayanan Agent Ödənişidir.

Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir. Tədqiqat və yazı prosesi Sam Lehman (Pantera Capital) tərəfindən gücləndirilən öyrənmə üzərindəki işindən ilham almışdır. Ben Fielding (Gensyn.ai), Gao Yuan (Gradient), Samuel Dare & Erfan Miahi (Covenant AI), Shashank Yadav (Fraction AI), Chao Wang-a bu məqalə üzərindəki dəyərli təklifləri üçün təşəkkür edirik. Bu məqalə obyektivlik və dəqiqlik üçün çalışır, lakin bəzi baxışlar subyektiv qiymətləndirmələri əhatə edir və qərəzlər ola bilər. Oxucuların başa düşməsini qiymətləndiririk.

Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao

Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir, tədqiqat və yazı prosesi Sam Lehman (Pantera Capital) tərəfindən gücləndirilmiş öyrənmə hesabatından ilham alıb, Ben Fielding (Gensyn.ai), Gao Yuan(Gradient), Samuel Dare & Erfan Miahi (Covenant AI), Shashank Yadav (Fraction AI), Chao Wang-a bu məqaləyə verdikləri dəyərli təkliflər üçün təşəkkür edirik. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, bəzi fikirlər subyektiv qiymətləndirmələri əhatə edir, buna görə də müəyyən dərəcədə səhvlər ola bilər, oxuculardan anlayış göstərmələrini xahiş edirik.
Süni intellekt artıq "model uyğunluğu" əsasında statistik öyrənmədən "strukturlaşdırılmış mühakimə" mərkəzli qabiliyyət sisteminə keçid edir, sonrakı təlimin (Post-training) əhəmiyyəti sürətlə artır. DeepSeek-R1-in meydana gəlməsi, böyük modellər dövründə gücləndirilmiş öyrənmənin paradiqma dəyişməsi ilə nəticələndi, sənaye konsensusu formalaşdı: əvvəlcədən təlim edilmiş modellərin ümumi qabiliyyət bazası, gücləndirilmiş öyrənmə yalnız dəyər uyğunluğu aləti deyil, eyni zamanda mühakimə zənciri keyfiyyətini və mürəkkəb qərar qəbul etmə qabiliyyətini sistemli şəkildə artırmağı sübuta yetirdi, tədricən intellekt səviyyəsini artıran texnologiya yolu kimi inkişaf edir.

Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao

Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir. Tədqiqat və yazı prosesi Raghav Agarwal (LongHash) və Jay Yu (Pantera) tərəfindən əlaqəli işdən ilham almışdır. Bu məqalə ilə bağlı dəyərli təklifləri üçün Lex Sokolin @ Generative Ventures, Jordan@AIsa, Ivy @PodOur2Cents-ə təşəkkürlər. Yazı prosesi zamanı Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON kimi layihə komandalarından da rəy alınmışdır. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, amma bəzi baxışlar subyektiv qiymətləndirməni əhatə edir və qaçılmaz olaraq sapmalar ola bilər. Oxucuların anlayışı qiymətləndirilir.

Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao

Bu müstəqil araşdırma IOSG Ventures tərəfindən dəstəklənir, tədqiqat yazma prosesi Raghav Agarwal@LongHash və Jay Yu@Pantera ilə əlaqəli araşdırma məqalələrindən ilham almışdır, Lex Sokolin @ Generative Ventures, Jordan@AIsa, Ivy@(支无不言) bloguna bu məqaləyə verdiyi dəyərli təkliflər üçün təşəkkür edirəm. Yazı prosesi zamanı Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON kimi layihə komandalarının rəyini də soruşmuşuq. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, bəzi fikirlər subyektiv qiymətləndirmələri əhatə edir, buna görə də səhvlər ola bilər, oxucuların anlayışına ehtiyac var.

Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Bu müstəqil araşdırma hesabatı IOSG Ventures tərəfindən dəstəklənir. Müəllif Hans (RoboCup Asiya-Sakit Okean), Nichanan Kesonpat(1kx), Robert Koschig (1kx), Amanda Young (Collab+Currency), Jonathan Victor (Ansa Araşdırma), Lex Sokolin (Generative Ventures), Jay Yu (Pantera Capital), Jeffrey Hu (Hashkey Capital) tərəfindən verilən dəyərli şərhlərə, eləcə də OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient, Tashi Network və CodecFlow-dan olan töhfəçilərə təşəkkür edir. Hər hansı bir obyektivlik və dəqiqlik təmin etmək üçün hər cür səy göstərilsə də, bəzi anlayışlar qaçılmaz olaraq subyektiv şərhi əks etdirir və oxucuların məzmunla tənqidi şəkildə məşğul olmaları tövsiyə olunur.

Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao

Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir, Hans (RoboCup Asiya-Sakit Okean), Nichanan Kesonpat(1kx), Robert Koschig (1kx), Amanda Young (Collab+Currency), Jonathan Victor (Ansa Research), Lex Sokolin (Generative Ventures), Jay Yu (Pantera Capital), Jeffrey Hu (Hashkey Capital) tərəfindən bu məqaləyə verilmiş dəyərli tövsiyələrə görə təşəkkür edirik. Yazı zamanı OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient, Tashi Network və CodecFlow kimi layihə komandalarının rəyini də aldıq. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, bəzi fikirlər subyektiv mühakimələrə daxildir, buna görə də müəyyən dərəcədə yanlışlıqlar ola bilər, oxuculardan anlayış göstərmələrini xahiş edirik.

Doğrulanabilir Hesablama paradigması—“oflayn hesablama + onlayn doğrulama”—blokçeyn sistemləri üçün universal hesablamalı model halına gəldi. Bu, blokçeyn tətbiqlərinə mərkəzləşdirilmədən və etibarsızlıqdan əsas təhlükəsizlik təminatları olaraq near sonsuz hesablama azadlığı əldə etməyə imkan verir. Sıfır-bilik sübutları (ZKP-lər) bu paradigmanın bel sütununu təşkil edir, tətbiqləri əsasən üç fundamental istiqamətdə: miqyaslanma, gizlilik və qarşılıqlı fəaliyyət & məlumat bütövlüyü üzərində cəmlənmişdir. Miqyaslanma istehsala çatmağı bacaran ilk ZK tətbiqi oldu, icrası oflayn həyata keçirərək və yüksək throughput və aşağı qiymətli etibarsız miqyaslanma üçün onlayn qısa sübutları doğruladı.

“Zəncirin xaricində hesablamalar + Zəncirin üzərində təsdiqləmə” etibarlı hesablamanın (Verifiable Computing) paradiqması, blokçeyn sistemlərinin ümumi hesablamə modelinə çevrilmişdir. Bu, blokçeyn tətbiqlərinə mərkəzləşdirmənin qarşısını almaq və etimadın minimuma endirilməsi (trustlessness) təhlükəsizliyinin şərti altında demək olar ki, sonsuz hesablamə azadlığı (computational freedom) əldə etməyə imkan tanıyır. Sıfır bilik sübutları (ZKP) bu paradiqmanın mərkəzi sütunudur, tətbiqləri əsasən genişlənmə (Scalability), məxfilik (Privacy) və qarşılıqlı fəaliyyət və məlumat tamlığı (Interoperability & Data Integrity) üzrə üç əsas istiqamətə cəmlənmişdir. Bu müddətdə genişlənmə, ZK texnologiyasının ən erkən tətbiq olunduğu sahədir, bu sahədə əməliyyatların zəncirin xaricinə köçürülməsi, qısa sübutlarla zəncir üzərində nəticələrin təsdiqlənməsi həyata keçirilərək yüksək TPS və aşağı qiymətə etibarlı genişlənmə təmin edilir.

Müəllif:0xjacobzhao | https://linktr.ee/0xjacobzhao
Zero-Knowledge Proofs (ZK) — növbəti nəsil kriptovalyuta və genişlənmə infrastrukturu olaraq — blockchain genişləndirilməsi, gizlilik hesablaması, zkML və çarpaz-zəncir doğrulaması sahələrində böyük potensial nümayiş etdirir. Lakin, sübut istehsalı prosesi son dərəcə hesablama-intensivdir və gecikmə ilə doludur, sənaye qəbulunda ən böyük maneəni formalaşdırır. ZK avadanlığının sürətləndirilməsi buna görə də əsas imkanverici kimi ortaya çıxmışdır. Bu mənzərədə, GPU-lar çoxsahəlilik və iterasiya sürətində mükəmməl, ASIC-lər son dərəcə səmərəlilik və genişmiqyaslı performansa yönəlir, FPGAlar isə proqramlaşdırma ilə enerji səmərəliliyini birləşdirən elastik bir orta yol kimi xidmət edir. Birlikdə, onlar ZK-nin gerçək dünya qəbulunu dəstəkləyən avadanlıq təməlini formalaşdırır.

Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Sıfır bilik sübutu (ZK) yeni nəsil kriptoqrafiya və genişlənmə infrastrukturu kimi blockchain genişlənməsi, məxfilik hesablama və zkML, arasında zəncir doğrulama kimi yeni tətbiqlərdə geniş potensial göstərmişdir. Lakin, onun sübut istehsalı prosesi böyük hesablama yükü və yüksək gecikmə ilə nəticələnir, bu da sənaye tətbiqinin ən böyük maneəsidir. ZK avadanlıq sürətləndirməsi məhz bu kontekstdə ortaya çıxan əsas elementdir, ZK avadanlıq sürətləndirmə yolunda, GPU çoxşaxəliliyi və iterasiya sürəti ilə tanınır, ASIC maksimum enerji səmərəliliyi və miqyaslı performans axtarır, FPGA isə aralıq forma olaraq, çevik proqramlaşdırma qabiliyyəti və yüksək enerji səmərəliliyi ilə birləşir, bu üçü birgə sıfır bilik sübutunun həyata keçirilməsini dəstəkləyən avadanlıq əsasını təşkil edir.

0xjacobzhao tərəfindən yazılmışdır | https://linktr.ee/0xjacobzhao
AI ən sürətlə böyüyən texnologiya dalğası olduqca, hesablamanın gücü yeni "valyuta" kimi qəbul edilir, GPU-lar strateji aktivlərə çevrilir. Lakin maliyyələşmə və likvidlik məhdud qalır, kripto maliyyəsi isə real nağd pul axınına əsaslanan aktivlərə ehtiyac duyur. RWA tokenizasiyası körpü rolunu oynayır. AI infrastrukturunun, yüksək dəyərli avadanlığı + proqnozlaşdırıla bilən nağd pul axınlarını birləşdirərək, qeyri-standart RWAs üçün ən yaxşı giriş nöqtəsi kimi qiymətləndirilir — GPU-lar qısa müddətli praktikliyi təklif edir, robototexnika isə daha uzun sərhədin nümayəndəsidir. GAIB-in RWAiFi (RWA + AI + DeFi) on-chain maliyyələşməyə yeni bir yol təqdim edir, AI İnfrastrukturunun (GPU & Robototexnika) × RWA × DeFi fırlanma çarxını gücləndirir.

Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
AI qlobal inkişaf edən texnologiya dalğası olaraq, hesablama yeni “pul” kimi nəzərdən keçirilir, GPU kimi yüksək performanslı avadanlıqlar isə strateji aktivlərə çevrilir. Lakin uzun müddət bu aktivlərin maliyyələşdirməsi və likvidliyi məhdud qalmışdır. Eyni zamanda, kripto maliyyə real nağd pul axını olan keyfiyyətli aktivləri qəbul etmək ehtiyacını hiss edir, RWA (Real-World Assets) zəncir üzərinə keçidi, ənənəvi maliyyə ilə kripto bazarları arasında açar körpü olmağa başlayır. AI infrastruktur aktivləri “yüksək dəyərli avadanlıqlar + proqnozlaşdırıla bilən nağd pul axını” xüsusiyyətlərinə malik olaraq, qeyri-standart aktivlərin RWA-ya keçidinin ən yaxşı sındırma nöqtəsi hesab olunur, burada GPU ən real reallaşma potensialına malikdir, robotlar isə daha uzunmüddətli araşdırma istiqamətini təmsil edir. Bu kontekstdə, GAIB-in təklif etdiyi RWAiFi (RWA + AI + DeFi) yolu, “AI infrastrukturunun zəncir üzərində maliyyələşdirilməsi yolu” üçün yeni bir həll təqdim edir, “AI infrastruktur (hesablama və robototexnika) x RWA x DeFi” fırlanma effektini irəlilətməyə kömək edir.

0xjacobzhao tərəfindən yazılmışdır | https://linktr.ee/0xjacobzhao
İyun hesabatımızda “Kripto AI-nın Müqəddəs Qraili: Mərkəzləşdirilmiş Təlimin Sərhəd Araşdırması” adlı məqalədə Federativ Öyrənməni müzakirə etdik - mərkəzləşdirilmiş təlimlə tam mərkəzləşdirilməmiş təlim arasında yerləşən “idarə olunan mərkəzləşdirmə” paradigmı. Onun əsas prinsipi məlumatları yerli saxlamaq, eyni zamanda parametrləri mərkəzləşdirilmiş şəkildə toplamaqdır; bu, sağlamlıq və maliyyə kimi gizlilik baxımından həssas və uyğunluq tələb edən sahələr üçün xüsusilə uyğundur.

İyun ayında yayımlanan araşdırmada (Crypto AI-nin müqəddəs qayıtması: Mərkəzləşdirilməmiş təlimin sərhəd araşdırması) biz Federativ Öyrənmə (Federated Learning) haqqında danışdıq, bu da mərkəzləşdirilmiş və mərkəzləşdirilməmiş təlim arasında "idarə olunan mərkəzləşdirilməmiş" bir yanaşmadır: onun əsasını məlumatların yerli saxlanması, parametrlərin mərkəzləşdirilmiş toplanması təşkil edir, tibbi, maliyyə və digər gizlilik və uyğunluq tələblərinə cavab verir. Eyni zamanda, biz keçmiş bir neçə araşdırmada agent (Agent) şəbəkələrinin yüksəlişinə davamlı olaraq diqqət yetirmişik - onun dəyəri çoxsaylı agentlərin müstəqil fəaliyyəti və bölüşdürülməsi ilə mürəkkəb vəzifələri birgə yerinə yetirmək, "böyük model"-in "çoxsaylı agent ekosistemi"-nə doğru inkişafını irəlilətməkdir.

I. Giriş | Crypto AI-nin model qatında sıçrayış
Məlumat, model və hesablama AI infrastrukturunun üç əsas tərkib hissəsidir; yanacaq (məlumat), mühərrik (model) və enerji (hesablama) olmadan mümkün deyil. Ənənəvi AI sənayesinin infrastrukturunun inkişaf yolu ilə oxşar olaraq, Crypto AI sahəsi də oxşar mərhələlərdən keçmişdir. 2024-cü ilin əvvəlində, bazar bir müddət mərkəzləşdirilməmiş GPU layihələri (Akash, Render, io.net və s.) tərəfindən idarə olunurdu və “hesablama gücünü birləşdirmək” prinsipi ilə genişmiqyaslı artım məntiqi vurğulanırdı. 2025-ci ildən sonra, sənaye diqqəti tədricən model və məlumat qatına yönəlir, bu da Crypto AI-nin aşağıdakı resurs rəqabətindən daha davamlı və tətbiq dəyəri olan orta qat qurulmasına keçdiyini göstərir.

1. Giriş | Model-Layer Dəyişikliyi Kripto AI-da
Verilər, modellər və hesablama AI infrastrukturu üçün üç əsas sütunu təşkil edir—yanacaq (verilər), mühərrik (model) və enerji (hesablama)—hamısı əvəzolunmazdır. Ənənəvi AI sənayesində infrastrukturun evrimi kimi, Kripto AI sektoru da oxşar bir yol keçmişdir. 2024-cü ilin əvvəllərində, bazar mərkəzləşdirilməmiş GPU layihələri (məsələn, Akash, Render və io.net) tərəfindən idarə olunurdu, xammal hesablama gücünə yönəlmiş resurs-yüklü böyümə modeli ilə xarakterizə olunurdu. Lakin, 2025-ci ilə qədər, sənaye diqqəti tədricən model və verilər qatlarına yönəlmiş, aşağı səviyyəli infrastruktur rəqabətindən daha davamlı, tətbiq yönümlü orta qat inkişafına keçidi qeyd edir.

0xjacobzhao tərəfindən | https://linktr.ee/0xjacobzhao
Şübhəsiz ki, Pendle indiki kripto dövründə ən uğurlu DeFi protokollarından biridir. Bir çox protokollar likvidlik qıtlığı və zəifləyən hekayələr səbəbindən dayanmış olsa da, Pendle öz unikal gəlir bölmə və ticarət mexanizmi ilə fərqlənərək gəlir gətirən aktivlər üçün “qiymət kəşf mərkəzi” olmuşdur. Stabilcoinlər, LST-lər/LRT-lər və digər gəlir gətirən aktivlərlə dərin inteqrasiya edərək, o, “DeFi gəlir dərəcəsi infrastrukturu” olaraq öz mövqeyini təmin etmişdir.

Blokçeynədə kriptologiya təhlükəsizlik və etibarın əsasını təşkil edir. Zero-Knowledge Proofs (ZK) istənilən mürəkkəb off-chain hesablama əməliyyatını səmərəli şəkildə on-chain-də təsdiqlənə bilən qısa bir sübuta sıxışdıra bilər - üçüncü tərəf etibarına etibar etmədən - eyni zamanda gizliliyi qorumaq üçün seçici giriş gizlətməyi mümkün edir. Səmərəli təsdiqləmə, universallıq və gizlilik birləşməsi ilə ZK, miqyaslanma, gizlilik və qarşılıqlı fəaliyyət istifadə hallarının ətrafında açar bir həll halına gəlib. Çətinliklər qalmaqdadır, məsələn, sübut istehsalının yüksək xərci və dövr inkişafının mürəkkəbliyi kimi, ZK-nın mühəndislik imkanları və qəbul dərəcəsi artıq digər yanaşmaları üstələyib, onu etibarlı hesablama üçün ən geniş yayılmış çərçivə halına gətirib.