استراتژی جدید اقتصادی AI NEAR: از معاملات بین زنجیره‌ای تا AI خصوصی، مرحله بعدی واگذاری بازار به عامل‌های AI؟

نویسنده: در حالی که عامل‌های AI از ابزارهای چت به سیستم‌های خودکار پیشرفت می‌کنند، زیرساخت‌های بلاک‌چین به دنبال یافتن جایگاه جدیدی هستند. در تاریخ 21 اکتبر، Illia Polosukhin، یکی از بنیان‌گذاران NEAR، به همراه اعضای تیمش Alex و Anton در برنامه «چرخه فوق‌العاده AI» از The Rollup حضور یافتند و درباره NEAR Intents، محاسبات خصوصی، امنیت پساکوانتومی و جهت‌گیری‌های اقتصادی عامل‌های AI بحث کردند. در مقایسه با رقابت‌های سنتی بلاک‌چین‌های عمومی که حول عملکرد معاملات و مقیاس اکوسیستم می‌چرخند، NEAR در تلاش است تا این فناوری‌ها را به یک زیرساخت خدمت‌رسانی به اقتصاد AI یکپارچه کند.

این موضوع به یک سوال بنیادی‌تر مربوط می‌شود: اگر در آینده کاربران عمدتاً از طریق عامل‌های AI خرید، پرداخت، معاملات دارایی و سایر فعالیت‌های تجاری را انجام دهند، چه کسی مسئول اتصال بازارهای مختلف، انجام معاملات و تأیید نتایج خواهد بود؟ در عین حال، با افزایش دسترسی AI به داده‌های شخصی و شرکتی، چگونه می‌توان از کنترل اطلاعات کاربران، ورودی‌های معاملاتی و مکانیزم‌های توزیع تجاری توسط تعداد کمی از ارائه‌دهندگان مدل جلوگیری کرد؟

در مصاحبه، Polosukhin تأکید کرد که قضاوت اصلی NEAR این است: AI به عنوان رابط تعامل انسان با سیستم‌های محاسباتی عمل خواهد کرد و بلاک‌چین مسئول هماهنگی فعالیت‌های اقتصادی بین AI، انسان و شرکت‌ها خواهد بود. طبق این تصور، NEAR Intents دیگر فقط ابزاری برای معاملات بین زنجیره‌ای نیست، بلکه ممکن است به شبکه‌ای برای اتصال دارایی‌های مالی، خدمات دیجیتال و حتی کالاهای فیزیکی تبدیل شود؛ NEAR AI نیز حفاظت از حریم خصوصی، استدلال قابل تأیید و قابلیت دسترسی به مدل‌ها را فراهم می‌کند.

قابل توجه است که این استراتژی همچنین در حال ترکیب با طراحی اقتصادی توکن NEAR است. NEAR ارتباطی بین بخشی از درآمد پروتکل و خرید توکن ایجاد کرده و مکانیزمی را برای دریافت اعتبار محاسبات AI از طریق استیکینگ NEAR معرفی کرده است. با این حال، برای رشد درآمد معاملات بین زنجیره‌ای به زیرساخت اقتصادی AI که به طور گسترده‌ای استفاده می‌شود، هنوز نیاز به حل مسائلی مانند پذیرش کاربران، نیازهای تجاری و جذب ارزش وجود دارد. این مصاحبه بیشتر قضاوت NEAR درباره ساختار بازار آینده را منعکس می‌کند و نه اینکه این مدل به طور کامل تأیید شده باشد.

AI به عنوان رابط، NEAR امیدوار است بلاک‌چین را به پشتوانه اقتصاد عامل تبدیل کند

در چند سال گذشته، به نظر می‌رسد که جهت‌گیری توسعه NEAR برای عموم همیشه واضح نبوده است. از انتزاع زنجیره‌ای (Chain Abstraction)، NEAR Intents، تا AI غیرمتمرکز، محاسبات خصوصی و رمزنگاری پساکوانتومی، این کسب‌وکارها به نظر می‌رسد که به بازارهای مختلف مربوط می‌شوند.

اما به نظر Polosukhin، این فناوری‌ها همیشه حول یک هدف مشترک در حال پیشرفت بوده‌اند.

"قضاوت اصلی من همیشه این بوده است که AI به عنوان رابط تعامل ما با سیستم‌های محاسباتی عمل خواهد کرد و بلاک‌چین مسئول هماهنگی روابط بین AI، انسان و شرکت‌ها خواهد بود."

در این ساختار، بلاک‌چین عمدتاً مسئول تسویه و تأمین امنیت در سطح پایه است، AI مسئول درک نیازهای کاربران و تعامل با آن‌ها است، در حالی که NEAR Intents بازارهای مختلف را متصل کرده و وظایف خاصی را انجام می‌دهد.

Intents، یعنی ساختار معاملات مبتنی بر نیات، به کاربران اجازه می‌دهد تا به طور مستقیم نتایج مورد نظر خود را بیان کنند، بدون اینکه نیاز باشد تمام مراحل فنی لازم برای انجام معامله را خودشان مدیریت کنند. برای معاملات بین زنجیره‌ای، کاربران فقط نیاز دارند دارایی مورد نظر برای مبادله را مشخص کنند و سیستم می‌تواند از طریق مکانیزم‌های اجرایی مربوطه عملیات بین زنجیره‌ای را انجام دهد.

NEAR امیدوار است که دامنه کاربرد این ساختار را گسترش دهد.

Polosukhin به عنوان مثال اشاره کرد که در بازار عامل در حال توسعه، خدماتی وجود دارد که می‌تواند تحلیل کند که آیا وب‌سایت‌ها و محصولات به راحتی توسط سایر عامل‌های AI توصیه می‌شوند یا خیر، همچنین عامل‌هایی وجود دارند که می‌توانند بر اساس عکس‌های سلفی که کاربران بارگذاری می‌کنند، عکس‌های حرفه‌ای تولید کرده و چاپ و ارسال کنند.

در مثال دوم، کاربران فقط نیاز دارند که درخواست «من یک عکس حرفه‌ای می‌خواهم» را مطرح کرده و عکس سلفی خود را بارگذاری کنند، و بقیه کارها می‌تواند توسط سیستم هماهنگ شود.

این بدان معناست که NEAR Intents در آینده ممکن است تنها به دستورات معاملات مالی محدود نشود، بلکه شامل تحویل خدمات دیجیتال، وظایف تجاری و معاملات کالاهای فیزیکی نیز خواهد بود.

Alex این موقعیت را به عنوان «بازار بازارها» (Market of Markets) خلاصه کرد.

او معتقد است که بازار هنوز داستان واحدی درباره NEAR شکل نداده است. برخی آن را به عنوان SWIFT بین بلاک‌چین‌های مختلف می‌بینند، برخی دیگر آن را به عنوان زیرساختی برای تجمیع انواع بازارها در نظر می‌گیرند، و برخی آن را به عنوان شبکه پایه اقتصاد عامل‌های AI می‌دانند.

Alex این عدم تمرکز در موقعیت را چیز بدی نمی‌داند. برعکس، او معتقد است که مزیت NEAR در توانایی همکاری با سایر بلاک‌چین‌ها و اکوسیستم‌های کاربردی است، بدون اینکه توسعه خود را بر اساس جایگزینی سایر شبکه‌ها بنا کند.

"تمرکز ما همیشه بر روی ساخت فناوری صحیح و قابل اعتماد بوده است که از بیشتر سناریوهای کاربردی پشتیبانی کند و با فناوری‌های سایر اکوسیستم‌ها ترکیب شود، تا از رقابت صفر-جمع رهایی یابیم."

بنابراین، جهت‌گیری بلندمدت NEAR پیشنهادی نیست که همه دارایی‌ها و برنامه‌ها به یک بلاک‌چین عمومی منتقل شوند، بلکه این است که بازارهای مختلف بتوانند از طریق یک ساختار اجرایی یکپارچه به طور هماهنگ عمل کنند.

این تصور تا حد زیادی به این بستگی دارد که آیا عامل‌های AI واقعاً به ورودی‌های مهم فعالیت‌های تجاری آینده تبدیل می‌شوند یا خیر.

از معاملات بین زنجیره‌ای به سمت مالیات شرکتی، حریم خصوصی به نقطه ورود جدید NEAR تبدیل شده است

با انتقال روزافزون فعالیت‌های مالی به زنجیره، شفافیت عمومی که یکی از ویژگی‌های سنتی بلاک‌چین است، به مانعی برای پذیرش زیرساخت‌های رمزنگاری توسط شرکت‌ها تبدیل شده است.

Polosukhin معتقد است که در دهه گذشته، فعالیت‌های اصلی صنعت رمزنگاری هنوز بر روی سفته‌بازی و تأمین مالی متمرکز بوده است و کسب‌وکارهای واقعی به طور گسترده‌ای به زنجیره وارد نشده‌اند.

اما با روشن شدن تدریجی محیط نظارتی و بهبود نقدینگی، شرکت‌ها شروع به پذیرش بلاک‌چین برای فعالیت‌های واقعی خود کرده‌اند. مشکل این است که شرکت‌ها معمولاً نمی‌توانند بپذیرند که تمام پرداخت‌ها، درآمدها و تعاملات تجاری آن‌ها به طور زنده توسط خارجی‌ها مشاهده شود.

برای شرکت‌های عمومی، افشای زودهنگام برخی از داده‌های معاملاتی ممکن است حتی به مسائل افشای اطلاعات و انطباق مربوط شود.

"بلاک‌چین به تدریج به مرحله‌ای رسیده است که واقعاً می‌تواند برای فعالیت‌های تجاری استفاده شود، اما حریم خصوصی دیگر فقط مسأله‌ای نیست که با آدرس‌های ناشناس هویت را مخفی کنیم. ما به حفاظت واقعی از حریم خصوصی نیاز داریم."

این نیز زمینه‌ای برای پیشبرد NEAR در اجرای Confidential Intents (اجرای نیات محرمانه) است.

Confidential Intents یک مکانیزم اجرای معاملات محرمانه است که بر اساس NEAR Intents ساخته شده است. طبق اطلاعات رسمی NEAR، این مکانیزم با استفاده از شاردهای خصوصی اختصاصی برای اجرای معاملات، اطلاعاتی مانند مبلغ معامله، ترکیب دارایی‌ها، طرف‌های معامله و استراتژی‌های اجرایی را از افشای کامل در زنجیره عمومی معاف می‌کند.

در تاریخ 7 ژوئیه، NEAR اعلام کرد که Confidential Intents به طور کامل برای توسعه‌دهندگان باز است. در آن زمان، NEAR اعلام کرد که حجم معاملات ZEC که توسط NEAR Intents پردازش شده، به بیش از 1.5 میلیارد دلار رسیده است و حدود 42% از حجم معاملات در هفته‌های پس از معرفی حالت محرمانه از این قابلیت استفاده کرده‌اند. این داده‌ها وضعیت استفاده در یک پلتفرم خاص را منعکس می‌کند و نمی‌توان به طور مستقیم به عنوان نیاز بازار به معاملات محرمانه تعمیم داد.

در مقایسه با مدل‌هایی که تمام اطلاعات معاملاتی را به طور کامل افشا می‌کنند، Confidential Intents امیدوار است که در حالی که اطلاعات حساس تجاری را محافظت می‌کند، قابلیت تسویه قابل تأیید را حفظ کند.

با این حال، این بدان معنا نیست که NEAR به معاملات ناشناس کاملاً بدون نیاز به اعتماد دست یافته است. اسناد فنی رسمی نشان می‌دهد که این سیستم به شاردهای خصوصی که توسط تأییدکنندگان مجاز اجرا می‌شود، وابسته است و بین حفاظت از حریم خصوصی، قابلیت حسابرسی و فرضیات اعتماد تعادل برقرار می‌کند؛ قابلیت افشای انتخابی نیز هنوز به عنوان یک قابلیت مرحله‌ای در حال پیشرفت است.

برای Polosukhin، اهمیت حریم خصوصی همچنین به این دلیل است که AI به طور قابل توجهی توانایی تحلیل داده‌ها را افزایش می‌دهد.

"AI به طور فزاینده‌ای در پیگیری هر فرد مهارت پیدا می‌کند و همچنین قادر به کشف ارتباطات بین رفتارهای مصرفی مختلف است. شما نمی‌خواهید که این اطلاعات به طور کامل افشا شود و هر کسی بتواند به آن دسترسی پیدا کند."

او معتقد است که Zcash نیاز به حریم خصوصی مالی فردی را افزایش داده است و نیاز شرکت‌ها به محرمانه بودن معاملات ممکن است مرحله بعدی این روند باشد.

Alex همچنین تأکید کرد که بلاک‌چین لزوماً نباید بانک‌ها را جایگزین کند. مهم‌تر این است که وقتی کاربران می‌توانند بین خدمات نگهداری سنتی و خودنگهداری، معاملات محرمانه زنجیره‌ای انتخاب کنند، گزینه‌های بیشتری برای مدیریت ریسک خواهند داشت.

به عبارت دیگر، NEAR امیدوار است که تنها به کاربران DeFi موجود محدود نشود، بلکه شامل شرکت‌ها و نهادهایی شود که به قابلیت‌های محرمانه تجاری نیاز دارند اما همچنین می‌خواهند از تسویه زنجیره‌ای و نقدینگی بین زنجیره‌ای بهره‌برداری کنند.

NEAR AI سعی در ایجاد بازار استدلال محرمانه دارد، مدل‌های باز به عنوان نقطه عطف هزینه

اگر NEAR Intents به این سوال پاسخ می‌دهد که چگونه عامل‌های AI وظایف را انجام می‌دهند، NEAR AI بیشتر بر این تمرکز دارد که آیا مدل‌ها در حین انجام این وظایف قابل اعتماد هستند یا خیر.

Polosukhin هدف NEAR AI را با سه کلمه کلیدی خلاصه می‌کند: حریم خصوصی، قابل تأیید و ایمن.

او معتقد است که با عمیق‌تر شدن کاربردهای AI در زندگی روزمره و عملیات تجاری، کاربران اطلاعات حساسی بیشتری را به مدل‌ها ارائه می‌دهند، از جمله وضعیت مالی، داده‌های پزشکی، مسائل حقوقی، روابط شخصی و همچنین اسناد و فرآیندهای داخلی شرکت.

هرچه زمینه کامل‌تر باشد، ارزش AI ممکن است بیشتر باشد، اما وابستگی کاربران به ارائه‌دهندگان مدل نیز افزایش می‌یابد. "اگر تمام اسناد شرکتی به صورت متن ساده به یک ارائه‌دهنده خدمات واحد داده شود، آن‌ها در واقع ممکن است توانایی بازسازی کل کسب‌وکار شما را داشته باشند."

NEAR AI امیدوار است که با استفاده از استدلال رمزنگاری و مکانیزم‌های تأیید اجرا، این ریسک را کاهش دهد.

طبق توضیحات Polosukhin، NEAR AI می‌تواند برای اجرای مدل‌ها اطلاعاتی را ارائه دهد که قابل بررسی مستقل هستند، از جمله هش‌های کلمات کلیدی و پاسخ‌ها، امضای سخت‌افزاری و سوابق اجرایی مربوطه. هدف آن این است که کاربران بتوانند محیط اجرایی مدل و فرآیند اجرا را تأیید کنند، نه اینکه فقط به وعده‌های پلتفرم تکیه کنند.

این مسیر فنی همچنین با توسعه مدل‌های وزن باز (Open-Weight Models) مرتبط است. وزن‌های باز به این معنی است که پارامترهای مدل برای استفاده یا استقرار خارجی در دسترس هستند، اما لزوماً به این معنا نیست که داده‌های آموزشی، کد آموزشی و کل فرآیند توسعه مدل به طور کامل متن‌باز باشد.

Polosukhin اظهار داشت که با بهبود عملکرد مدل‌های وزن باز، مزیت هزینه پایین آن‌ها در برخی وظایف شروع به ظهور کرده است.

او به‌ویژه اشاره کرد که NEAR در تحقیقات تأیید رسمی از مدل DeepSeek به همراه چارچوب اجرایی سفارشی استفاده کرده و در برخی وظایف پیچیده به عملکردی نزدیک به Claude و GPT دست یافته است، اما هزینه آن حدود 100 تا 200 برابر کمتر بوده است.

تأیید رسمی یک تکنیک است که از روش‌های ریاضی برای بررسی اینکه آیا برنامه یا سیستم الزامات خاصی از نظر درستی را برآورده می‌کند، استفاده می‌کند و به ویژه برای پروتکل‌ها و سیستم‌های نرم‌افزاری با الزامات امنیتی بالا مناسب است.

باید تأکید کرد که این مقایسه هزینه و عملکرد از توضیحات Polosukhin درباره نتایج تحقیق NEAR ناشی می‌شود و مصاحبه هیچ اطلاعات کاملی از آزمایش‌های مرجع، نسخه‌های مدل و معیارهای محاسبه هزینه ارائه نکرده است، بنابراین نمی‌توان بر اساس آن نتیجه‌گیری کرد که DeepSeek در تمام سناریوها دارای مزیت یکسانی است.

او همچنین اعتراف کرد که در مسائل مرزی و دشوار، مدل‌های برتر هنوز در موقعیت پیشرو قرار دارند.

اما به نظر او، نه همه وظایف نیاز به استفاده از گران‌ترین مدل‌ها دارند. برای بسیاری از وظایفی که می‌توان با مدل‌های کم‌هزینه‌تر انجام داد، مدل‌های وزن باز اکنون دارای رقابت واقعی هستند.

بر این اساس، NEAR AI همچنین برنامه‌ریزی کرده است که قابلیت نگهداری محرمانه را به ارائه‌دهندگان مدل‌های شخص ثالث ارائه دهد. طبق ساختاری که Polosukhin توصیف کرده است، توسعه‌دهندگان مدل می‌توانند مدل‌ها را به پلتفرم مستقر کنند و در عین حال وزن‌های مدل را رمزگذاری کنند؛ داده‌های ارائه شده توسط کاربران نیز به طور مستقیم به ارائه‌دهندگان مدل افشا نخواهد شد.

این به این معنی است که NEAR AI امیدوار است در حالی که از حقوق مالکیت معنوی توسعه‌دهندگان مدل‌ها محافظت می‌کند، از داده‌های ورودی کاربران نیز محافظت کند. هدف بلندمدت آن تنها اداره یک مجموعه از مدل‌های خود نیست، بلکه ایجاد بازاری است که همزمان ارائه‌دهندگان مدل و نیازمندان به استنتاج را متصل کند.

در زمینه مدل تجاری، NEAR در ماه ژوئیه مکانیزمی را برای دریافت اعتبار محاسباتی AI از طریق استیکینگ NEAR معرفی کرد. طبق توضیحات رسمی، کاربران می‌توانند از طریق استیکینگ، اعتبار محاسباتی دوره‌ای ایجاد کنند و در عین حال مالکیت دارایی‌های استیک شده را حفظ کنند و از خدمات AI مربوطه استفاده کنند.

با این حال، اینکه آیا بازار استنتاج محرمانه می‌تواند در قیمت، کیفیت مدل، تأخیر و تجربه توسعه‌دهنده با خدمات ابری موجود رقابت کند، همچنان نیاز به نظارت مداوم دارد.

زمانی که عامل AI جایگزین ورودی‌های جستجوی سنتی می‌شود، مدل‌های تجاری پلتفرم‌های اینترنتی ممکن است نیاز به ارزیابی مجدد داشته باشند

در مورد آینده عامل AI، تیم NEAR یک قضاوت جنجالی‌تر را مطرح کرده است: پلتفرم‌های اینترنتی موجود ممکن است تنها به دلایل فنی یا امنیتی مانع از انجام معاملات توسط عامل AI شوند، بلکه همچنین به حفاظت از مدل‌های تجاری قبلی مربوط می‌شود.

Polosukhin به عنوان مثال به آمازون اشاره کرد و گفت که درآمد پلتفرم‌های تجارت الکترونیک تنها از فروش کالاها نیست، بلکه شامل تبلیغات جستجو، ترویج‌های اسپانسر شده و غیره نیز می‌شود. این مدل‌های تجاری به مرور، کلیک و تأثیرات موقعیت نمایش تبلیغات وابسته هستند.

اما منطق خرید عامل ممکن است کاملاً متفاوت باشد. "برای عامل، آنچه که اسکن می‌کند یک مجموعه داده JSON است. اینکه کالا در جایگاه اول یا سوم قرار دارد، لزوماً مهم نیست."

در این زمینه، اگر عامل بتواند بر اساس نیاز کاربر به طور مستقل قیمت‌ها، ویژگی‌های محصول و توانایی انجام را مقایسه کند، ارزش تجاری موقعیت‌های تبلیغاتی جستجوی سنتی ممکن است تحت تأثیر قرار گیرد.

Polosukhin این را با روند پذیرش مدل‌های زبانی بزرگ توسط گوگل مقایسه کرد. او معتقد است که روش‌های تعامل جدید حتی اگر بتوانند تجربه کاربر را بهبود بخشند، ممکن است به دلیل تأثیر بر درآمدهای تجاری موجود با مقاومت داخلی مواجه شوند.

Alex همچنین معتقد است که این نوع مقاومت یک پدیده رایج در تحول‌های تکنولوژیکی است. او با مثال خودرو که جایگزین کالسکه شد، توضیح داد که منافع تجاری قبلی معمولاً با فناوری جدید مخالفت می‌کنند، اما لزوماً نمی‌توانند از گسترش آن جلوگیری کنند.

به نظر او، در پنج سال آینده، برخی از شرکت‌های مهم جهانی ممکن است به دلیل عدم توانایی در سازگاری با تحول‌های تکنولوژیکی، مزیت خود را از دست بدهند.

با این حال، این هنوز پیش‌بینی Alex در مورد وضعیت رقابت صنعتی است و نه نتیجه‌ای که می‌توان به طور قطعی در بازار تأیید کرد. اینکه آیا عامل AI می‌تواند به طور مستقل پرداخت، خرید و تحویل را انجام دهد، همچنان به مسائل واقعی مانند مجوز پلتفرم، تأیید هویت، حفاظت از مصرف‌کننده و مسئولیت‌های معاملاتی بستگی دارد.

برای NEAR، این تغییر ممکن است فرصت‌های تجاری جدیدی ایجاد کند.

اگر فعالیت‌های تجاری از دسترسی مستقیم کاربران به وب‌سایت‌ها به سمت خرید خدمات توسط عامل AI تغییر کند، بازار به زیرساخت‌های جدیدی برای پردازش کشف خدمات، قیمت‌گذاری، پرداخت، اجرا و تأیید نیاز دارد.

بازار عامل NEAR دقیقاً در این راستا توسعه می‌یابد.

Polosukhin اظهار داشت که NEAR امیدوار است توانایی Intents را از معاملات دارایی به کارهای دیجیتال، کالاهای دیجیتال و کالاهای فیزیکی گسترش دهد تا عامل بتواند به طور مستقیم به ارائه‌دهندگان خدمات مختلف متصل شود و تحویل وظایف را انجام دهد.

اما اینکه آیا این مدل می‌تواند به جریان اصلی تجارت اینترنتی تبدیل شود، همچنان به تأمین خدمات، پذیرش کاربران و همکاری بین پلتفرمی بستگی دارد که آیا می‌تواند مقیاس کافی را تشکیل دهد.

از AI متعلق به کاربر تا امنیت پساکوانتومی، NEAR امیدوار است وابستگی به یک ارائه‌دهنده خدمات واحد را کاهش دهد

علاوه بر معاملات و مدل‌های تجاری، تیم NEAR همچنین مالکیت AI را به عنوان یک مسئله مهم در آینده می‌بیند.

Alex مطرح کرد که ربات‌های چت AI امروز ممکن است زمینه کاربر را به مراتب بیشتر از موتورهای جستجوی سنتی درک کنند.

در گذشته، پلتفرم‌های جستجو عمدتاً بر اساس کلمات کلیدی ورودی کاربر نیازها را استنباط می‌کردند. اما زمانی که کاربران به طور طولانی‌مدت از دستیار AI برای پردازش کار، زندگی و تصمیم‌گیری‌های شخصی استفاده می‌کنند، ارائه‌دهندگان مدل ممکن است اطلاعات شخصی کامل‌تر و پیوسته‌تری را در اختیار داشته باشند. اگر این اطلاعات به طور متمرکز برای تبلیغات و تجاری‌سازی استفاده شود، پلتفرم ممکن است توانایی تأثیرگذاری بر رفتار را به دست آورد.

Alex نگران است که با بلوغ مدل‌های تجاری AI، کاربران حتی ممکن است نتوانند مرز بین قضاوت خود و هدایت الگوریتمی طولانی‌مدت را تشخیص دهند. او این ریسک را به عنوان دلیل مهمی برای حمایت از AI متعلق به کاربر مطرح می‌کند.

Polosukhin همچنین مطرح کرد که AI متعلق به کاربر تنها به مسئله حریم خصوصی داده‌ها مربوط نمی‌شود، بلکه به مشوق‌های اقتصادی و کنترل سیستم نیز مربوط می‌شود. او معتقد است که یکی از نوآوری‌های مهم بیت‌کوین، هماهنگی شرکت‌کنندگان مختلف از طریق مشوق‌های اقتصادی است که یک شبکه عمومی مشترک را حفظ می‌کند. AI نیز ممکن است از الگوی مشابهی استفاده کند تا کاربران و توسعه‌دهندگان در حین ساخت مشترک سیستم، کنترل داده‌های خود، فرآیند استفاده از مدل و دارایی‌های مرتبط را حفظ کنند.

در این میان، حفاظت از حریم خصوصی و قابلیت تأیید از شرایط اساسی است. به عنوان مثال، کاربران باید قادر باشند کدهای اجرایی مدل را بررسی کنند، محیط اجرایی را تأیید کنند و تا حد امکان تأیید کنند که سیستم بدون مجوز تغییر نکرده است.

اما این به این معنی نیست که همه سیستم‌های AI می‌توانند به طور فوری کاملاً غیرمتمرکز شوند. Polosukhin اعتراف می‌کند که آموزش مشترک مدل، تنظیم دقیق و بهبود مستمر هنوز با چالش‌های تحقیق و توسعه زیادی مواجه است.

بنابراین، NEAR در حال حاضر ابتدا بر روی زیرساخت‌های استنتاج محرمانه تمرکز کرده و به تدریج به کاوش مدل‌های مالکیت کاربر گسترده‌تر می‌پردازد.

در سطح امنیت، NEAR همچنین رمزنگاری پساکوانتومی را در چارچوب کلی خود گنجانده است.

CTO Near One، Anton Astafiev، در مصاحبه‌ای گفت که طراحی اولیه حساب‌های NEAR اجازه می‌دهد تا از چندین طرح امضای رمزنگاری پشتیبانی کند، بنابراین در آینده که نیاز به جایگزینی یا افزودن الگوریتم‌های امضا باشد، انعطاف‌پذیری خاصی دارد.

نقشه‌راه فنی که NEAR در آگوست امسال منتشر کرد، تأیید کرد که پروتکل از طرح امضای پساکوانتومی ML-DSA پشتیبانی کرده و برنامه‌ریزی شده است که به بهینه‌سازی عملکرد و سازگاری کیف پول ادامه دهد.

Anton تأکید کرد که امنیت پساکوانتومی نباید به سادگی به عنوان این درک شود که روزی کامپیوترهای کوانتومی به طور ناگهانی تمام رمزنگاری‌ها را شکسته‌اند. وظیفه واقعی‌تر این است که به بلاک‌چین این قابلیت را بدهیم که در صورت بروز خطرات رمزنگاری، الگوریتم‌های امضا را به‌روزرسانی کرده، دارایی‌ها را منتقل کرده و سیستم را بازیابی کند.

NEAR معتقد است که ساختار حساب‌های چند امضایی رمزنگاری می‌تواند دشواری‌های آینده در مهاجرت را کاهش دهد.

اما پشتیبانی از امضای پساکوانتومی به این معنی نیست که کل پروتکل و اکوسیستم به طور کامل امنیت پساکوانتومی را دارد. نقشه‌راه رسمی نیز تأیید می‌کند که کیف پول‌ها، زیرساخت‌های بین زنجیره‌ای و سایر اجزای پروتکل همچنان نیاز به ارتقاء دارند.

گام بعدی NEAR: از رشد درآمد معاملات به سمت جذب ارزش اقتصادی AI

در پایان مصاحبه، مجری موضوع را به مدل اقتصادی شبکه NEAR تغییر داد.

او یک مسیر توسعه ممکن را مطرح کرد: NEAR Intents از طریق معاملات بین زنجیره‌ای و سایر فعالیت‌های بازار درآمد ایجاد می‌کند و سپس از این فعالیت‌های اقتصادی برای حمایت از توسعه NEAR AI استفاده می‌کند. با افزایش تعداد عامل‌های AI و کاربران که به این شبکه وابسته هستند، NEAR ممکن است به تدریج به زیرساختی با اهمیت سیستمی در اقتصاد AI تبدیل شود.

این همچنین منطقی است که NEAR در سال‌های اخیر سعی در ایجاد آن داشته است.

در فوریه امسال، NEAR به طور رسمی فاش کرد که Intents بیش از 130 میلیارد دلار حجم معاملات بین زنجیره‌ای را پردازش کرده و مکانیزم توزیع هزینه‌ها را راه‌اندازی کرده و بخشی از درآمد را به خرید توکن NEAR اختصاص داده است.

در گزارش سه‌ماهه تا ماه ژوئیه، NEAR همچنین تلاش کرد تا کسب و کارهای جلویی near.com، جذب هزینه‌های پروتکل و خرید توکن را به هم مرتبط کند و سعی در ایجاد رابطه‌ای بین رشد استفاده از شبکه و ارزش اقتصادی توکن داشته باشد.

این نوع طراحی به این معنی است که NEAR دیگر تنها به تقاضای فضای بلاک برای ساخت داستان ارزش توکن وابسته نیست، بلکه همچنین امیدوار است از اجرای معاملات بین زنجیره‌ای، توزیع برنامه‌ها و خدمات محاسباتی AI درآمد پیدا کند.

اما نمی‌توان به سادگی بین حجم معاملات، درآمد پروتکل و ارزش توکن معادله‌ای مستقیم کشید.

رشد مقیاس معاملات بین زنجیره‌ای لزوماً به این معنی نیست که سود به طور همزمان افزایش می‌یابد؛ هزینه‌هایی که پروتکل به دست می‌آورد نیز باید به سهم توزیع‌کنندگان، درآمد خالص واقعی و بخشی که در نهایت می‌تواند به مکانیزم خرید توکن وارد شود، تفکیک شود.

به همین ترتیب، از طریق استیکینگ NEAR برای دریافت اعتبار محاسباتی AI، اگرچه ممکن است نیاز به استفاده یا قفل کردن توکن را افزایش دهد، اما اینکه آیا می‌تواند ارزش اقتصادی پایدار ایجاد کند، همچنان به مقیاس واقعی استفاده از خدمات AI و تمایل کاربران به پرداخت بستگی دارد.

در پایان مصاحبه، مجری این احتمال را به این صورت خلاصه کرد: آیا NEAR می‌تواند از داستانی درباره رشد درآمد به تدریج به داستانی درباره ارز AI و ارزش شبکه تبدیل شود؟

از آنجا که متن مصاحبه ارائه شده در این سوال به پایان می‌رسد و شامل پاسخ‌های بیشتر مصاحبه‌شونده نمی‌شود، بنابراین این قضاوت همچنان باید به عنوان چارچوب بازار مطرح شده توسط مجری در نظر گرفته شود و نه نتیجه‌ای که تیم NEAR در این مصاحبه تأیید کرده است.

برای NEAR، شاخص‌های تأیید بعدی که بیشتر معنا دارند، نه اینکه آیا می‌تواند به طور همزمان سه روایت بین زنجیره‌ای، حریم خصوصی و AI را بیان کند، بلکه این است که آیا این کسب و کارها می‌توانند نیازهای واقعی متقابل را ایجاد کنند: آیا Intents به طور مداوم درآمد خالص قابل جذب تولید می‌کند، آیا استنتاج AI و بازار عامل توسعه‌دهندگان و کاربران پرداختی خارجی را جذب می‌کند و در نهایت چه مقدار از فعالیت‌های اقتصادی جدید می‌تواند به شبکه NEAR و سیستم توکن آن تبدیل شود.

فقط زمانی که این ارتباطات به تدریج قابل اندازه‌گیری شوند، ممکن است دیدگاه فنی NEAR مبنی بر اینکه "AI در جلو و بلاک‌چین در عقب" به یک مدل اقتصادی قابل تأیید تبدیل شود.