خبر خوب: NEAR، استیکینگ را برای استفاده از AI معرفی کرد! آیا واقعاً توکن‌ها مصرف نمی‌شوند؟

📌 خلاصه در ۳ خط

・NEAR یک روش پرداخت جدید به نام "استیکینگ بیس" برای استفاده از AI معرفی کرده است!

・فقط با قفل کردن توکن‌های NEAR، هر ماه اعتبار محاسباتی AI دریافت خواهید کرد.

・این باعث می‌شود که توکن‌ها و استفاده از AI به هم متصل شوند، اما آیا واقعاً محبوب خواهد شد، هنوز باید منتظر بمانیم!

چرا این اتفاق افتاده است؟ روش پرداخت جدید NEAR در حال جلب توجه است!

NEAR در حال آغاز "مدل پرداخت استیکینگ بیس" در NEAR AI است! با این کار، همه می‌توانند فقط با قفل کردن توکن‌های NEAR (به معنای سپردن آنها) به جای پرداخت‌های معمولی مانند صورتحساب‌های ابری (هزینه‌های خدمات آنلاین معمولی) یا پرداخت با کارت اعتباری، هر ماه اعتبار محاسباتی AI (شبیه به امتیاز برای استفاده از AI) دریافت کنند.

بر اساس اطلاعات رسمی، با این سیستم، ۴۳ مدل AI از جمله OpenAI (همان جایی که ChatGPT است!)، Anthropic و Google در دسترس خواهند بود. این نکته بسیار مهم است، اما توکن‌ها مصرف نمی‌شوند! کاربران فقط با قفل کردن NEAR، اعتبار محاسباتی متناسب با مقدار توکن‌های قفل شده دریافت می‌کنند.

این موضوع به نظر می‌رسد که بیشتر از فقط "افزایش روش‌های پرداخت" جالب است؟

NEAR در تلاش است تا کاربرد توکن‌ها (به اصطلاح یوتیلیتی، یعنی "برای چه چیزی قابل استفاده است") را به طور مستقیم به استفاده از AI مرتبط کند. به جای اینکه از مردم بخواهد توکن‌ها را به امید افزایش قیمت در آینده بخرند، به توکن‌ها نقشی می‌دهد که در استفاده از AI مفید باشد.

اما هنوز مشخص نیست که آیا مردم واقعاً این روش را به طور گسترده‌ای قبول خواهند کرد یا نه. با این حال، این طراحی و جهت‌گیری ارزش توجه زیادی دارد!

این فقط یک روش پرداخت نیست! این یک کاربرد جدید برای توکن‌هاست.

پرداخت برای استفاده از AI واقعاً یک مشکل بسیار پیچیده است.

کاربران و توسعه‌دهندگان معمولاً با حساب‌های ابری، کارت‌های اعتباری، اشتراک‌های ماهانه، صورتحساب‌ها و همچنین اعتبارهای خاص پلتفرم پرداخت می‌کنند، درست است؟ این‌ها معمولاً در نرم‌افزارهای معمولی به خوبی کار می‌کنند، اما برای عوامل AI خودمختار (برنامه‌هایی که به طور مستقل تصمیم‌گیری و عمل می‌کنند) یا افرادی که با ارزهای دیجیتال آشنا هستند و یا برنامه‌هایی که می‌خواهند بدون صورتحساب به آن‌ها دسترسی پیدا کنند، چندان مناسب نیستند.

بنابراین مدل NEAR در تلاش است تا این مشکل را با استفاده از "استیکینگ" به عنوان لایه پرداخت حل کند.

به جای استفاده مستقیم از توکن‌ها، همه فقط توکن‌ها را قفل می‌کنند (سپرده‌گذاری می‌کنند). مقدار قفل شده، اعتبار محاسباتی ماهانه را تعیین می‌کند. این موضوع به طور بنیادی رابطه بین داشتن توکن و استفاده از محصول را تغییر می‌دهد.

کاربران فقط هزینه نمی‌پردازند. آنها سرمایه خود را به شبکه متعهد می‌کنند (به معنای سپرده‌گذاری و مشارکت) و به عنوان پاداش، به دسترسی به محاسبات AI دست می‌یابند.

این ممکن است برای توسعه‌دهندگانی که قبلاً توکن‌های NEAR را دارند، افرادی که عوامل AI می‌سازند و همچنین کسانی که به دنبال دلایل دیگری برای استفاده از توکن‌ها هستند، بسیار منطقی باشد.

چرا "عدم مصرف توکن" اینقدر مهم است؟ این برای عوامل AI بسیار مناسب است!

عدم مصرف توکن‌ها واقعاً یک واقعیت مهم است.

اگر مدلی وجود داشته باشد که هر بار که از مدل AI استفاده می‌کنید، NEAR مصرف شود، تفاوت چندانی با سیستم‌های پرداخت بر اساس مصرف (پرداخت بر اساس استفاده) ندارد، درست است؟ اما با روش قفل کردن توکن‌ها، کاربران می‌توانند مالکیت (به معنای اینکه توکن‌ها متعلق به خودشان است) را حفظ کنند و اعتبار دریافت کنند، بنابراین ساختار اقتصادی به طور کلی تغییر می‌کند.

این به کاربران این احساس را می‌دهد که "احساس نمی‌کنند که خیلی هزینه می‌کنند". البته، "هزینه فرصت" (به معنای اینکه در طول قفل شدن، نمی‌توانند از آن برای چیزهای دیگر استفاده کنند و قیمت بازار نیز نوسان دارد، بنابراین ممکن است منافع یا کاربرد‌هایی که می‌توانستند به دست آورند، از دست برود) هنوز وجود دارد.

بنابراین این مدل شبیه به یک سیستم عضویت یا دسترسی است که بر اساس استیکینگ پشتیبانی می‌شود.

این یک نوع جدید از کاربرد توکن‌ها (یوتیلیتی) است. شبکه‌های ارز دیجیتال سال‌ها به دنبال مدل‌های کاربردی بوده‌اند که فقط به سفته‌بازی (هدف کسب سود) یا پاداش‌های تورمی (پاداش‌هایی که باعث کاهش ارزش می‌شوند) وابسته نباشند.

و از این منظر، دیدگاه "عوامل AI خودمختار" حتی آینده‌نگرتر است.

اگر عوامل AI به طور مستقل عمل کنند، مدل‌های AI را فراخوانی کنند، از ابزارها استفاده کنند، برای خدمات پول پرداخت کنند و در یک محیط نرم‌افزاری به طور مستقل تصمیم‌گیری کنند، به یک روش پرداخت قابل کنترل از طریق برنامه (به اصطلاح "پیمان پرداخت") نیاز دارند. سیستم‌های صورتحساب سنتی برای حساب‌های مدیریت شده توسط انسان مناسب هستند، اما با توجه به اینکه عوامل نرم‌افزاری به طور مداوم در حال فعالیت هستند، بسیار نامناسب و دشوار به نظر می‌رسند.

در اینجا ممکن است روش‌های پرداخت ارز دیجیتال مفید باشند.

مدل محاسباتی مبتنی بر استیکینگ می‌تواند به عوامل AI و محیط‌های توسعه اجازه دهد بدون تکیه بر پرداخت‌های تکراری با کارت اعتباری یا اطلاعات تأیید متمرکز (مانند ID یا رمز عبور) به منابع AI دسترسی پیدا کنند.

این هنوز در مراحل اولیه است. اما هنوز مسائل حل نشده زیادی در مورد مجوز، امنیت، جلوگیری از تقلب، پیش‌بینی هزینه‌ها و تجربه کاربری وجود دارد. با این حال، این جهت‌گیری با سیاست کلی NEAR که بر روی زیرساخت‌های AI و عوامل AI تمرکز دارد، کاملاً هم‌راستا است.

اما هنوز نمی‌توان به راحتی خوشحال بود! چالش‌های زیادی وجود دارد.

نکته ساده است. "راه‌اندازی (شروع خدمات)" و "(توسط همه) پذیرفته شدن" کاملاً متفاوت است.

NEAR ممکن است یک مدل اعتبار محاسباتی هوشمند ارائه کرده باشد، اما اینکه آیا کاربران واقعاً از آن استفاده خواهند کرد یا نه، باید بازار آن را ثابت کند. توسعه‌دهندگان نیز روش‌های مختلفی مانند صورتحساب مستقیم API (مانند درگاه‌هایی که برنامه‌ها را به هم متصل می‌کنند)، اعتبار ابری، مدل‌های AI متن باز، قراردادهای شرکتی و همچنین بازارهای محاسباتی دیگر ارزهای دیجیتال را مقایسه خواهند کرد.

علاوه بر این، این مدل باید واضح‌تر باشد.

・به عنوان مثال، چه مقدار باید قفل شود تا چه مقدار اعتبار دریافت شود؟

・کدام مدل‌های AI با چه قیمتی قابل استفاده هستند؟

・اعتبار دریافتی چقدر قابل پیش‌بینی است؟

・آیا تیم می‌تواند بدون نگرانی از نوسانات قیمت توکن‌ها از این استفاده کند؟

・آیا این سیستم می‌تواند کاربران جدیدی را که در حال حاضر در ساختار NEAR نیستند، جذب کند؟

اینکه آیا می‌توان به این سوالات پاسخ داد یا نه، تعیین می‌کند که آیا این واقعاً یک مورد استفاده قابل اجرا خواهد بود یا اینکه به یک آزمایش محدود ختم خواهد شد.

در نهایت، هدف NEAR "توکن‌های واقعاً قابل استفاده" است.

مدل پرداخت AI NEAR جالب است زیرا نقش بسیار کاربردی به توکن‌ها داده است.

ارزهای دیجیتال همیشه در توضیح اینکه "چرا این توکن لازم است؟" به جز حاکمیت (شرکت در مدیریت)، هزینه‌های گاز (هزینه‌های تراکنش)، استیکینگ و همچنین مشوق‌ها (پاداش‌ها) با مشکل مواجه بوده‌اند. اما با پیوند زدن استیکینگ توکن‌ها به دسترسی به محاسبات AI، NEAR توانسته است داستانی بسیار مشخص از کاربرد توکن‌ها (یوتیلیتی) ایجاد کند.

البته، این به معنای تضمین موفقیت نیست. اما به مراتب مفیدتر از برچسب‌گذاری مبهم "مربوط به AI است!" است.

اگر کاربران NEAR را قفل کنند و واقعاً اعتبار محاسباتی برای مدل‌های AI که استفاده می‌کنند دریافت کنند، آن توکن بخشی از چرخه محصول خواهد بود. این دقیقاً همان چیزی است که بسیاری از شبکه‌ها در تلاش برای ایجاد آن هستند. نه تنها به چرخه بازار (نوسانات قیمت) بلکه به تقاضای واقعی مرتبط با استفاده واقعی از توکن‌ها.

مدل پرداخت محاسباتی مبتنی بر استیکینگ NEAR هنوز در مراحل اولیه است، اما به وضوح به مدل‌های کاربردی ارز دیجیتال و AI اشاره دارد که از اکثر تبلیغات اغراق‌آمیز در این زمینه بهتر است.