البنية التحتية للمتجهات على السلسلة: أطلقت Chromia أول قاعدة بيانات متجهات على السلسلة مبنية على PostgreSQL، مما يمثل خطوة مهمة نحو دمج الذكاء الاصطناعي مع البلوكشين بشكل عملي.
كفاءة التكلفة وودية المطورين: من خلال تقديم بيئة تطوير متكاملة للكتل منخفضة التكلفة بنسبة 57% مقارنةً بحلول المتجهات التقليدية، تقلل Chromia من عتبة دخول تطوير تطبيقات AI-Web3.
آفاق المستقبل: يخطط النظام الأساسي للتوسع في فهرسة EVM، وقدرات الاستدلال باستخدام الذكاء الاصطناعي ودعم مجتمع المطورين بشكل أوسع، مما يضع Chromia كقائد محتمل في ابتكارات الذكاء الاصطناعي في مجال Web3.
حالة دمج الذكاء الاصطناعي مع blockchain
المصدر: كيوتاكا
لطالما جذب تقاطع الذكاء الاصطناعي و blockchain انتباه الصناعة. لا تزال أنظمة الذكاء الاصطناعي المركزية تواجه تحديات مثل الشفافية والموثوقية والقدرة على التنبؤ بالتكلفة - وهي مجالات غالبا ما ينظر إليها على أنها حلول محتملة ل blockchain.
على الرغم من أن سوق وكلاء الذكاء الاصطناعي قد انفجر في نهاية عام 2024، إلا أن معظم المشاريع حققت فقط تكاملًا سطحيًا بين نوعين من التقنيات. تعتمد العديد من المبادرات على الاهتمام المضاربي بالعملات المشفرة لجذب التمويل والظهور، بدلاً من استكشاف التعاون العميق في التقنية أو الوظائف مع Web3. وبالتالي، انخفضت تقييمات العديد من المشاريع بأكثر من 90% من ذروتها.
تتمثل جذور صعوبة تحقيق التعاون الجوهري بين الذكاء الاصطناعي و blockchain في عدة مشكلات هيكلية. ومن أبرزها تعقيد معالجة البيانات على السلسلة - حيث تظل البيانات متناثرة، وتقلبات التكنولوجيا قوية. إذا كان من الممكن الوصول إلى البيانات واستخدامها بسهولة مثل الأنظمة التقليدية، لكان القطاع قد حقق نتائج أوضح بالفعل.
تبدو هذه الأزمة مشابهة لسيناريو روميو وجولييت: تقنيتان قويتان من مجالات مختلفة تفتقران إلى لغة مشتركة أو نقطة تقاطع حقيقية. من الواضح بشكل متزايد أن الصناعة بحاجة إلى بنية تحتية قادرة على سد الفجوة - بحيث تكمل مزايا الذكاء الاصطناعي و blockchain، وتعمل كنقطة تقاطع لكل منهما.
يتطلب مواجهة هذا التحدي أنظمة تجمع بين الفعالية من حيث التكلفة والأداء العالي، لتتناسب مع موثوقية الأدوات المركزية الحالية. في هذا السياق، أصبحت تقنية قواعد البيانات المتجهة، التي تدعم معظم الابتكارات في مجال الذكاء الاصطناعي اليوم، محرك تمكين رئيسي.
ضرورة قاعدة بيانات المتجهات
مع انتشار تطبيقات الذكاء الاصطناعي، أصبحت قواعد بيانات المتجهات تبرز بسبب قدرتها على حل قيود أنظمة قواعد البيانات التقليدية. تقوم هذه القواعد بتخزين البيانات المعقدة مثل النصوص والصور والصوت من خلال تحويلها إلى تمثيل رياضي يُسمى "المتجهات". نظرًا لأنها تعتمد على استرجاع البيانات بناءً على التشابه (بدلاً من الدقة)، فإن قواعد بيانات المتجهات تتناسب بشكل أفضل مع منطق فهم الذكاء الاصطناعي للغة والسياق.
المصدر: weaviate
تعتبر قواعد البيانات التقليدية مثل فهرس المكتبة - حيث تعيد فقط الكتب التي تحتوي على كلمة "kitten"، في حين أن قاعدة البيانات المتجهة يمكن أن تظهر محتوى ذا صلة مثل "cat" و"dog" و"wolf". يعود ذلك إلى أن النظام يخزن المعلومات في شكل متجهات عددية، مما يلتقط العلاقات بناءً على التشابه المفهومي (بدلاً من العبارات الدقيقة).
كمثال على الحوار: عندما يُسأل "كيف تشعر اليوم؟"، إذا كانت الإجابة "السماء صافية للغاية"، يمكننا أن نفهم مشاعره الإيجابية - على الرغم من أنه لم يستخدم كلمات عاطفية صريحة. تعمل قاعدة بيانات المتجهات بطريقة مماثلة، مما يسمح للنظام بتفسير المعاني الكامنة بدلاً من الاعتماد على تطابق الكلمات المباشر. هذا يحاكي أنماط الإدراك البشري، مما يحقق تفاعلات AI أكثر طبيعية وذكاء.
في Web2، تم الاعتراف على نطاق واسع بقيمة قواعد بيانات المتجهات. تلقت منصات مثل Pinecone (100 مليون دولار) و Weaviate (50 مليون دولار) و Milvus (60 مليون دولار) و Chroma (18 مليون دولار) استثمارات ضخمة. بالمقابل، لا يزال من الصعب على Web3 تطوير حلول قابلة للمقارنة، مما يجعل دمج الذكاء الاصطناعي مع blockchain يبقى في الغالب على المستوى النظري.
رؤية قاعدة بيانات المتجهات على سلسلة Chromia
المصدر: أبحاث النمر
كروميا - سلسلة كتل من الطبقة الأولى مبنية على PostgreSQL - تبرز بفضل قدراتها في معالجة البيانات الهيكلية وبيئة صديقة للمطورين. بالاعتماد على أساس قاعدة البيانات العلائقية الخاصة بها، بدأت كروميا في استكشاف التكامل العميق بين تكنولوجيا السلسلة الكتل والذكاء الاصطناعي.
الإنجاز الأخير هو إطلاق "توسيع Chromia"، الذي يدمج PgVector (أداة بحث عن تشابه المتجهات مفتوحة المصدر المستخدمة على نطاق واسع داخل قاعدة بيانات PostgreSQL). يدعم PgVector الاستعلامات الفعالة عن النصوص أو الصور المشابهة، مما يوفر إمكانية استخدام واضحة للتطبيقات المدفوعة بالذكاء الاصطناعي.
تأسست PgVector بشكل قوي في النظام البيئي التكنولوجي التقليدي. تُعتبر Supabase، التي تُعتبر بديلًا للخدمات الرئيسية لقواعد البيانات Firebase، تستخدم PgVector لدعم البحث عن المتجهات عالية الأداء. تعكس شعبيتها المتزايدة على منصة PostgreSQL الثقة الواسعة في هذه الأداة من قبل الصناعة.
من خلال دمج PgVector، ستجلب Chromia قدرة البحث عن المتجهات إلى Web3، مما يضمن توافق بنيتها التحتية مع المعايير المثبتة للتقنيات التقليدية. يلعب هذا الدمج دورًا أساسيًا في ترقية الشبكة الرئيسية Mimir في مارس 2025 ويعتبر خطوة أساسية نحو التشغيل البيني السلس بين AI والبلوكشين.
3.1 بيئة متكاملة: الاندماج الكامل بين blockchain و AI
التحدي الأكبر الذي يواجه المطورين عند محاولة دمج blockchain و AI هو التعقيد. يتطلب إنشاء تطبيقات AI على blockchain القائم الاتصال بعمليات معقدة تتضمن أنظمة خارجية متعددة. على سبيل المثال، يحتاج المطورون إلى تخزين البيانات على السلسلة، وتشغيل نماذج AI على خوادم خارجية، وبناء قاعدة بيانات متجهات مستقلة.
هذا الهيكل المجزأ يؤدي إلى عمليات غير فعالة. يقوم المستخدمون بالاستعلام عن معالجة خارج السلسلة، مما يتطلب نقل البيانات بشكل مستمر بين البيئات على السلسلة وخارجها. هذا لا يزيد فقط من وقت التطوير وتكاليف البنية التحتية، بل يسبب أيضًا ثغرات أمنية خطيرة - حيث أن نقل البيانات بين الأنظمة يزيد من مخاطر هجمات القراصنة ويقلل من الشفافية العامة.
تقدم Chromia حلاً جذريًا من خلال دمج قاعدة بيانات المتجهات مباشرةً في blockchain. على Chromia، يتم إكمال جميع المعالجات داخل السلسلة: يتم تحويل استعلامات المستخدمين إلى متجهات، ويتم البحث عن بيانات مشابهة مباشرةً داخل السلسلة وإرجاع النتائج، مما يحقق معالجة كاملة في بيئة واحدة.
المصدر: تايجر ريسيرش
لتوضيح ذلك من خلال تشبيه بسيط: في الماضي كان على المطورين إدارة المكونات بشكل منفصل - مثلما يحتاج الطهي إلى شراء قدر ومقلاة وخلاط وفرن. تعمل Chromia على تبسيط العملية من خلال توفير جهاز طهي متعدد الوظائف، حيث يتم دمج جميع الميزات في نظام واحد.
تعمل هذه الطريقة المتكاملة على تبسيط عملية التطوير بشكل كبير. لا حاجة لخدمات خارجية أو أكواد اتصال معقدة، مما يقلل من وقت التطوير وتكاليفه. بالإضافة إلى ذلك، يتم تسجيل جميع البيانات والمعالجات على السلسلة، مما يضمن الشفافية الكاملة. يمثل هذا بداية الدمج الكامل بين blockchain و AI.
3.2 كفاءة التكلفة: مقارنةً بالقدرة التنافسية الممتازة للأسعار للخدمات الحالية
هناك تصور شائع: خدمات السلسلة "غير مريحة ومكلفة". خاصة في نماذج blockchain التقليدية، يصبح العيب الهيكلي الملحوظ الناتج عن تكاليف الوقود لكل معاملة وارتفاع تكاليف الازدحام على السلسلة واضحًا. عدم القدرة على توقع التكاليف أصبح العقبة الرئيسية أمام اعتماد الشركات لحلول blockchain.
المصدر: كروميا
تقوم Chromia بحل نقاط الألم من خلال هيكل فعال ونموذج تجاري متميز. على عكس نموذج رسوم الوقود التقليدي في blockchain، تقدم Chromia نظام تأجير وحدات الحوسبة الخادم (SCU) - وهي مشابهة لهيكل التسعير في AWS أو Google Cloud. يتماشى هذا النموذج القائم على الأمثلة مع تسعير خدمات السحاب المألوفة، مما يقضي على تقلبات التكلفة الشائعة في شبكة blockchain.
على وجه التحديد، يمكن للمستخدمين استئجار SCU أسبوعيًا باستخدام الرمز الأصلي لكروميا $CHR. يوفر كل SCU تخزينًا أساسيًا بسعة 16 جيجابايت، وتكلفته تتوسع بشكل خطي مع الاستخدام. يمكن ضبط SCU بشكل مرن حسب الطلب، مما يحقق تخصيص موارد مرن وفعال. يجمع هذا النموذج بين الحفاظ على لامركزية الشبكة وتقديم تسعير قابل للتنبؤ للاستخدام مثل خدمات الويب 2 - مما يعزز بشكل كبير الشفافية والكفاءة في التكاليف.
المصدر: كروميا، بحوث تايجر
تعزز قاعدة بيانات كروميا المتجهة مزايا التكلفة بشكل أكبر. وفقًا للاختبارات الداخلية، فإن التكلفة الشهرية لتشغيل هذه القاعدة البيانات هي 727 دولارًا (استنادًا إلى 2 SCU و50 جيجابايت من التخزين) - أقل بنسبة 57% من حلول قواعد البيانات المتجهة المماثلة في Web2.
تأتي هذه المنافسة السعرية من كفاءة الهيكل المتعددة. تستفيد Chromia من تحسين التكنولوجيا التي تجعل PgVector متوافقة مع البيئة على السلسلة، ولكن التأثير الأكبر يأتي من نموذج توفير الموارد اللامركزي. تضيف الخدمات التقليدية علاوة خدمة عالية على البنية التحتية لـ AWS أو GCP، بينما تقدم Chromia قوة الحوسبة والتخزين مباشرة من خلال مشغلي العقد، مما يقلل من الطبقات الوسيطة والتكاليف ذات الصلة.
تُعزز الهيكلية الموزعة أيضًا من موثوقية الخدمة. تجعل العمليات المتوازية متعددة العقد الشبكة تتمتع بتوافر عالي بشكل طبيعي - حتى لو تعطلت بعض العقد. وبالتالي، يتم تقليل الحاجة إلى البنية التحتية المكلفة ذات التوافر العالي وفرق الدعم الكبيرة التي تُعتبر نموذجًا نموذجيًا في Web2 SaaS، مما يقلل من تكاليف التشغيل ويعزز مرونة النظام.
بداية دمج blockchain و AI
على الرغم من أنه تم إطلاقه منذ شهر واحد فقط، فقد أظهر قاعدة بيانات الكيانات Chromia جاذبية مبكرة، حيث يتم تطوير العديد من حالات الاستخدام المبتكرة. لتسريع التبني، تدعم Chromia المطورين بنشاط من خلال تمويل تكاليف استخدام قاعدة بيانات الكيانات.
تقلل هذه المنح من عوائق التجربة، مما يسمح للمطورين باستكشاف أفكار جديدة بمخاطر أقل. تشمل التطبيقات المحتملة خدمات DeFi المتكاملة مع الذكاء الاصطناعي، وأنظمة توصية المحتوى الشفافة، ومنصات مشاركة البيانات التي يمتلكها المستخدمون، وأدوات إدارة المعرفة المدفوعة من المجتمع.
المصدر: أبحاث النمر
افترض حالة مثل "مركز أبحاث الذكاء الاصطناعي Web3" الذي طورته Tiger Labs. يستخدم هذا النظام بنية Chromia التحتية لتحويل محتوى البحث وبيانات المشاريع على شبكة Web3 إلى تضمينات متجهة، لتقديم خدمات ذكية من قبل وكلاء الذكاء الاصطناعي.
يمكن لوكلاء الذكاء الاصطناعي هؤلاء استعلام بيانات السلسلة مباشرة من قاعدة بيانات Chromia Vector، مما يحقق تسريعًا كبيرًا في الاستجابة. بالجمع بين قدرة فهرسة EVM الخاصة بـ Chromia، يمكن للنظام تحليل الأنشطة على السلاسل مثل Ethereum و BNB Chain و Base - مما يدعم مجموعة واسعة من المشاريع. من الجدير بالذكر أن سياق محادثة المستخدم يتم تخزينه على السلسلة، مما يوفر تدفق توصيات شفاف تمامًا للمستثمرين والمستخدمين النهائيين.
المصدر: أبحاث النمر
مع زيادة حالات الاستخدام المتنوعة، يتم إنشاء المزيد من البيانات وتخزينها في Chromia - مما يضع الأساس لـ "دوامة الذكاء الاصطناعي". يتم تخزين النصوص والصور وبيانات المعاملات من تطبيقات blockchain في شكل متجهات منظمة في قاعدة بيانات Chromia، مما يشكل مجموعة بيانات غنية يمكن تدريب الذكاء الاصطناعي عليها.
تتحول هذه البيانات المتراكمة إلى مواد أساسية لتعلم الذكاء الاصطناعي، مما يعزز الأداء بشكل مستمر. على سبيل المثال، يمكن للذكاء الاصطناعي الذي يتعلم من أنماط تداول المستخدمين الهائلة تقديم نصائح مالية مخصصة بدقة أكبر. تجذب هذه التطبيقات المتقدمة للذكاء الاصطناعي المزيد من المستخدمين من خلال تحسين تجربة المستخدم، مما يؤدي إلى زيادة عدد المستخدمين التي ستنتج بدورها تراكم بيانات أكثر ثراءً، مما يشكل حلقة مغلقة من التطور المستدام للنظام البيئي.
خريطة طريق كروميا
بعد إطلاق شبكة Mimir الرئيسية، ستتركز Chromia على ثلاثة مجالات:
تعزيز فهرسة EVM لسلاسل البلوكشين الرئيسية مثل BSC وإيثريوم وBase.
توسيع نظام مطوري البرمجيات من خلال أدوات وبنية تحتية أكثر سهولة.
5.1 ابتكار فهرسة EVM
لقد كانت التعقيدات الجوهرية لتقنية البلوكشين عقبة رئيسية أمام المطورين لفترة طويلة. ومن أجل ذلك، قدمت تشروما حلًا مبتكرًا يركز على المطورين، يهدف إلى تبسيط استعلامات البيانات على السلسلة بشكل جذري. الهدف واضح: من خلال تعزيز كفاءة ومرونة الاستعلام بشكل كبير، جعل بيانات البلوكشين أكثر سهولة في الوصول.
تمثل هذه الطريقة تحولًا كبيرًا في طريقة تتبع معاملات NFT على إيثريوم. تتعلم نماذج البيانات الديناميكية في Chromia الهيكل والأنماط، مما يحل محل هيكل الاستفسارات المحددة مسبقًا، وبالتالي تحديد أكثر مسارات استرجاع المعلومات كفاءة. يمكن لمطوري الألعاب تحليل تاريخ معاملات العناصر على السلسلة على الفور، ويمكن لمشاريع DeFi تتبع تدفقات المعاملات المعقدة بسرعة.
5.2 توسيع قدرات استدلال الذكاء الاصطناعي
تؤسس تقدم بيانات الفهرسة المذكورة أعلاه قاعدة لتوسيع قدرات الاستدلال بالذكاء الاصطناعي في Chromia. وقد تم إطلاق أول توسيع لاستدلال الذكاء الاصطناعي بنجاح على شبكة الاختبار، مع التركيز على دعم نماذج الذكاء الاصطناعي مفتوحة المصدر. ومن الجدير بالذكر أن إدخال عميل Python قد خفض بشكل كبير من صعوبة دمج نماذج التعلم الآلي في بيئة Chromia.
تتجاوز هذه التطورات تحسين التكنولوجيا، حيث تعكس التوافق الاستراتيجي السريع مع ابتكارات نماذج الذكاء الاصطناعي. من خلال دعم تشغيل نماذج الذكاء الاصطناعي القوية والمتنوعة بشكل متزايد مباشرة على نقاط الموردين، تهدف Chromia إلى تجاوز حدود التعلم والتفكير في الذكاء الاصطناعي الموزع.
5.3 استراتيجية توسيع نظام المطورين
تعمل Chromia بنشاط على بناء شراكات لإطلاق العنان لجميع إمكانيات تقنية قواعد البيانات المتجهة، مع التركيز على تطوير التطبيقات المدفوعة بالذكاء الاصطناعي. تهدف هذه الجهود إلى تعزيز فائدة الشبكة وطلبها.
تستهدف الشركة مجالات ذات تأثير عالٍ مثل وكالات أبحاث الذكاء الاصطناعي، وأنظمة التوصية اللامركزية، والبحث النصي القائم على السياق، والبحث عن التشابه الدلالي. يتجاوز هذا البرنامج الدعم الفني - حيث يهدف إلى إنشاء منصة يمكن للمطورين من خلالها بناء تطبيقات ذات قيمة حقيقية للمستخدمين. من المتوقع أن تصبح قدرات الفهرسة المعززة والذكاء الاصطناعي المحرك الأساسي لتطوير هذه التطبيقات.
رؤية كروميا والتحديات السوقية
تجعل قاعدة بيانات المتجهات على السلسلة من Chromia منافسًا رائدًا في مجال دمج blockchain و AI. تبرز نهجها المبتكر - دمج قاعدة بيانات المتجهات مباشرة على السلسلة - ميزة تقنية واضحة لم تتحقق بعد في أنظمة بيئية أخرى.
يقدم نموذج تأجير SCU السحابي في المنصة أيضًا تحولًا جذابًا للمطورين الذين اعتادوا على نظام رسوم الوقود. هيكل التكلفة القابل للتوقع والتحسين هذا مناسب بشكل خاص لتطبيقات الذكاء الاصطناعي على نطاق واسع، مما يشكل نقطة تمايز رئيسية. من الجدير بالذكر أن تكلفة الاستخدام أقل بحوالي 57% مقارنة بخدمات قواعد بيانات الويب 2، مما يعزز بشكل ملحوظ من تنافسية سوق كروميا.
ومع ذلك، تواجه Chromia تحديات رئيسية - خاصة في الوعي السوقي ونمو النظام البيئي. من الضروري توصيل الابتكارات المعقدة مثل لغة البرمجة الأصلية لها (Rell) ودمج الذكاء الاصطناعي على السلسلة للمطورين والشركات. يتطلب الحفاظ على الصدارة تطويرًا تقنيًا مستمرًا وتوسيع النظام البيئي، خاصة عندما تبدأ منصات blockchain الأخرى في استهداف حالات الاستخدام المماثلة.
يعتمد النجاح على المدى الطويل على التحقق من حالات الاستخدام الفعلية وضمان استدامة نموذج الاقتصاد الرمزي. سيكون تأثير نموذج تأجير SCU على القيمة طويلة الأجل للرموز، واستراتيجيات اعتماد المطورين الفعالة، وإنشاء حالات تطبيق تجاري ملموسة، هي العوامل الحاسمة في تطوير كروميا في المستقبل.
لقد أنشأت Chromia موقعًا رائدًا مبكرًا في مجال دمج Web3 و AI الناشئ. ومع ذلك، فإن تحويل الفروق التكنولوجية إلى قيمة سوقية مستدامة يتطلب تقدمًا مستمرًا على مستوى البنية التحتية والبيئة ووسائل التواصل. ستكون الـ 12-24 شهرًا القادمة حاسمة في تشكيل المسار الطويل الأمد لـ Chromia.
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
ثورة تكلفة مدمرة: تشروما تمزق الفجوة في تسويق الذكاء الاصطناعي + البلوكتشين بمعدل تخفيض يبلغ 57%
المؤلف الأصلي: رايان يون ويون لي
إعادة نشر: دايزي،财经火星
تلخيص النقاط الرئيسية
البنية التحتية للمتجهات على السلسلة: أطلقت Chromia أول قاعدة بيانات متجهات على السلسلة مبنية على PostgreSQL، مما يمثل خطوة مهمة نحو دمج الذكاء الاصطناعي مع البلوكشين بشكل عملي.
كفاءة التكلفة وودية المطورين: من خلال تقديم بيئة تطوير متكاملة للكتل منخفضة التكلفة بنسبة 57% مقارنةً بحلول المتجهات التقليدية، تقلل Chromia من عتبة دخول تطوير تطبيقات AI-Web3.
آفاق المستقبل: يخطط النظام الأساسي للتوسع في فهرسة EVM، وقدرات الاستدلال باستخدام الذكاء الاصطناعي ودعم مجتمع المطورين بشكل أوسع، مما يضع Chromia كقائد محتمل في ابتكارات الذكاء الاصطناعي في مجال Web3.
المصدر: كيوتاكا
لطالما جذب تقاطع الذكاء الاصطناعي و blockchain انتباه الصناعة. لا تزال أنظمة الذكاء الاصطناعي المركزية تواجه تحديات مثل الشفافية والموثوقية والقدرة على التنبؤ بالتكلفة - وهي مجالات غالبا ما ينظر إليها على أنها حلول محتملة ل blockchain.
على الرغم من أن سوق وكلاء الذكاء الاصطناعي قد انفجر في نهاية عام 2024، إلا أن معظم المشاريع حققت فقط تكاملًا سطحيًا بين نوعين من التقنيات. تعتمد العديد من المبادرات على الاهتمام المضاربي بالعملات المشفرة لجذب التمويل والظهور، بدلاً من استكشاف التعاون العميق في التقنية أو الوظائف مع Web3. وبالتالي، انخفضت تقييمات العديد من المشاريع بأكثر من 90% من ذروتها.
تتمثل جذور صعوبة تحقيق التعاون الجوهري بين الذكاء الاصطناعي و blockchain في عدة مشكلات هيكلية. ومن أبرزها تعقيد معالجة البيانات على السلسلة - حيث تظل البيانات متناثرة، وتقلبات التكنولوجيا قوية. إذا كان من الممكن الوصول إلى البيانات واستخدامها بسهولة مثل الأنظمة التقليدية، لكان القطاع قد حقق نتائج أوضح بالفعل.
تبدو هذه الأزمة مشابهة لسيناريو روميو وجولييت: تقنيتان قويتان من مجالات مختلفة تفتقران إلى لغة مشتركة أو نقطة تقاطع حقيقية. من الواضح بشكل متزايد أن الصناعة بحاجة إلى بنية تحتية قادرة على سد الفجوة - بحيث تكمل مزايا الذكاء الاصطناعي و blockchain، وتعمل كنقطة تقاطع لكل منهما.
يتطلب مواجهة هذا التحدي أنظمة تجمع بين الفعالية من حيث التكلفة والأداء العالي، لتتناسب مع موثوقية الأدوات المركزية الحالية. في هذا السياق، أصبحت تقنية قواعد البيانات المتجهة، التي تدعم معظم الابتكارات في مجال الذكاء الاصطناعي اليوم، محرك تمكين رئيسي.
مع انتشار تطبيقات الذكاء الاصطناعي، أصبحت قواعد بيانات المتجهات تبرز بسبب قدرتها على حل قيود أنظمة قواعد البيانات التقليدية. تقوم هذه القواعد بتخزين البيانات المعقدة مثل النصوص والصور والصوت من خلال تحويلها إلى تمثيل رياضي يُسمى "المتجهات". نظرًا لأنها تعتمد على استرجاع البيانات بناءً على التشابه (بدلاً من الدقة)، فإن قواعد بيانات المتجهات تتناسب بشكل أفضل مع منطق فهم الذكاء الاصطناعي للغة والسياق.
المصدر: weaviate
تعتبر قواعد البيانات التقليدية مثل فهرس المكتبة - حيث تعيد فقط الكتب التي تحتوي على كلمة "kitten"، في حين أن قاعدة البيانات المتجهة يمكن أن تظهر محتوى ذا صلة مثل "cat" و"dog" و"wolf". يعود ذلك إلى أن النظام يخزن المعلومات في شكل متجهات عددية، مما يلتقط العلاقات بناءً على التشابه المفهومي (بدلاً من العبارات الدقيقة).
كمثال على الحوار: عندما يُسأل "كيف تشعر اليوم؟"، إذا كانت الإجابة "السماء صافية للغاية"، يمكننا أن نفهم مشاعره الإيجابية - على الرغم من أنه لم يستخدم كلمات عاطفية صريحة. تعمل قاعدة بيانات المتجهات بطريقة مماثلة، مما يسمح للنظام بتفسير المعاني الكامنة بدلاً من الاعتماد على تطابق الكلمات المباشر. هذا يحاكي أنماط الإدراك البشري، مما يحقق تفاعلات AI أكثر طبيعية وذكاء.
في Web2، تم الاعتراف على نطاق واسع بقيمة قواعد بيانات المتجهات. تلقت منصات مثل Pinecone (100 مليون دولار) و Weaviate (50 مليون دولار) و Milvus (60 مليون دولار) و Chroma (18 مليون دولار) استثمارات ضخمة. بالمقابل، لا يزال من الصعب على Web3 تطوير حلول قابلة للمقارنة، مما يجعل دمج الذكاء الاصطناعي مع blockchain يبقى في الغالب على المستوى النظري.
المصدر: أبحاث النمر
كروميا - سلسلة كتل من الطبقة الأولى مبنية على PostgreSQL - تبرز بفضل قدراتها في معالجة البيانات الهيكلية وبيئة صديقة للمطورين. بالاعتماد على أساس قاعدة البيانات العلائقية الخاصة بها، بدأت كروميا في استكشاف التكامل العميق بين تكنولوجيا السلسلة الكتل والذكاء الاصطناعي.
الإنجاز الأخير هو إطلاق "توسيع Chromia"، الذي يدمج PgVector (أداة بحث عن تشابه المتجهات مفتوحة المصدر المستخدمة على نطاق واسع داخل قاعدة بيانات PostgreSQL). يدعم PgVector الاستعلامات الفعالة عن النصوص أو الصور المشابهة، مما يوفر إمكانية استخدام واضحة للتطبيقات المدفوعة بالذكاء الاصطناعي.
تأسست PgVector بشكل قوي في النظام البيئي التكنولوجي التقليدي. تُعتبر Supabase، التي تُعتبر بديلًا للخدمات الرئيسية لقواعد البيانات Firebase، تستخدم PgVector لدعم البحث عن المتجهات عالية الأداء. تعكس شعبيتها المتزايدة على منصة PostgreSQL الثقة الواسعة في هذه الأداة من قبل الصناعة.
من خلال دمج PgVector، ستجلب Chromia قدرة البحث عن المتجهات إلى Web3، مما يضمن توافق بنيتها التحتية مع المعايير المثبتة للتقنيات التقليدية. يلعب هذا الدمج دورًا أساسيًا في ترقية الشبكة الرئيسية Mimir في مارس 2025 ويعتبر خطوة أساسية نحو التشغيل البيني السلس بين AI والبلوكشين.
3.1 بيئة متكاملة: الاندماج الكامل بين blockchain و AI
التحدي الأكبر الذي يواجه المطورين عند محاولة دمج blockchain و AI هو التعقيد. يتطلب إنشاء تطبيقات AI على blockchain القائم الاتصال بعمليات معقدة تتضمن أنظمة خارجية متعددة. على سبيل المثال، يحتاج المطورون إلى تخزين البيانات على السلسلة، وتشغيل نماذج AI على خوادم خارجية، وبناء قاعدة بيانات متجهات مستقلة.
هذا الهيكل المجزأ يؤدي إلى عمليات غير فعالة. يقوم المستخدمون بالاستعلام عن معالجة خارج السلسلة، مما يتطلب نقل البيانات بشكل مستمر بين البيئات على السلسلة وخارجها. هذا لا يزيد فقط من وقت التطوير وتكاليف البنية التحتية، بل يسبب أيضًا ثغرات أمنية خطيرة - حيث أن نقل البيانات بين الأنظمة يزيد من مخاطر هجمات القراصنة ويقلل من الشفافية العامة.
تقدم Chromia حلاً جذريًا من خلال دمج قاعدة بيانات المتجهات مباشرةً في blockchain. على Chromia، يتم إكمال جميع المعالجات داخل السلسلة: يتم تحويل استعلامات المستخدمين إلى متجهات، ويتم البحث عن بيانات مشابهة مباشرةً داخل السلسلة وإرجاع النتائج، مما يحقق معالجة كاملة في بيئة واحدة.
المصدر: تايجر ريسيرش
لتوضيح ذلك من خلال تشبيه بسيط: في الماضي كان على المطورين إدارة المكونات بشكل منفصل - مثلما يحتاج الطهي إلى شراء قدر ومقلاة وخلاط وفرن. تعمل Chromia على تبسيط العملية من خلال توفير جهاز طهي متعدد الوظائف، حيث يتم دمج جميع الميزات في نظام واحد.
تعمل هذه الطريقة المتكاملة على تبسيط عملية التطوير بشكل كبير. لا حاجة لخدمات خارجية أو أكواد اتصال معقدة، مما يقلل من وقت التطوير وتكاليفه. بالإضافة إلى ذلك، يتم تسجيل جميع البيانات والمعالجات على السلسلة، مما يضمن الشفافية الكاملة. يمثل هذا بداية الدمج الكامل بين blockchain و AI.
3.2 كفاءة التكلفة: مقارنةً بالقدرة التنافسية الممتازة للأسعار للخدمات الحالية
هناك تصور شائع: خدمات السلسلة "غير مريحة ومكلفة". خاصة في نماذج blockchain التقليدية، يصبح العيب الهيكلي الملحوظ الناتج عن تكاليف الوقود لكل معاملة وارتفاع تكاليف الازدحام على السلسلة واضحًا. عدم القدرة على توقع التكاليف أصبح العقبة الرئيسية أمام اعتماد الشركات لحلول blockchain.
المصدر: كروميا
تقوم Chromia بحل نقاط الألم من خلال هيكل فعال ونموذج تجاري متميز. على عكس نموذج رسوم الوقود التقليدي في blockchain، تقدم Chromia نظام تأجير وحدات الحوسبة الخادم (SCU) - وهي مشابهة لهيكل التسعير في AWS أو Google Cloud. يتماشى هذا النموذج القائم على الأمثلة مع تسعير خدمات السحاب المألوفة، مما يقضي على تقلبات التكلفة الشائعة في شبكة blockchain.
على وجه التحديد، يمكن للمستخدمين استئجار SCU أسبوعيًا باستخدام الرمز الأصلي لكروميا $CHR. يوفر كل SCU تخزينًا أساسيًا بسعة 16 جيجابايت، وتكلفته تتوسع بشكل خطي مع الاستخدام. يمكن ضبط SCU بشكل مرن حسب الطلب، مما يحقق تخصيص موارد مرن وفعال. يجمع هذا النموذج بين الحفاظ على لامركزية الشبكة وتقديم تسعير قابل للتنبؤ للاستخدام مثل خدمات الويب 2 - مما يعزز بشكل كبير الشفافية والكفاءة في التكاليف.
المصدر: كروميا، بحوث تايجر
تعزز قاعدة بيانات كروميا المتجهة مزايا التكلفة بشكل أكبر. وفقًا للاختبارات الداخلية، فإن التكلفة الشهرية لتشغيل هذه القاعدة البيانات هي 727 دولارًا (استنادًا إلى 2 SCU و50 جيجابايت من التخزين) - أقل بنسبة 57% من حلول قواعد البيانات المتجهة المماثلة في Web2.
تأتي هذه المنافسة السعرية من كفاءة الهيكل المتعددة. تستفيد Chromia من تحسين التكنولوجيا التي تجعل PgVector متوافقة مع البيئة على السلسلة، ولكن التأثير الأكبر يأتي من نموذج توفير الموارد اللامركزي. تضيف الخدمات التقليدية علاوة خدمة عالية على البنية التحتية لـ AWS أو GCP، بينما تقدم Chromia قوة الحوسبة والتخزين مباشرة من خلال مشغلي العقد، مما يقلل من الطبقات الوسيطة والتكاليف ذات الصلة.
تُعزز الهيكلية الموزعة أيضًا من موثوقية الخدمة. تجعل العمليات المتوازية متعددة العقد الشبكة تتمتع بتوافر عالي بشكل طبيعي - حتى لو تعطلت بعض العقد. وبالتالي، يتم تقليل الحاجة إلى البنية التحتية المكلفة ذات التوافر العالي وفرق الدعم الكبيرة التي تُعتبر نموذجًا نموذجيًا في Web2 SaaS، مما يقلل من تكاليف التشغيل ويعزز مرونة النظام.
على الرغم من أنه تم إطلاقه منذ شهر واحد فقط، فقد أظهر قاعدة بيانات الكيانات Chromia جاذبية مبكرة، حيث يتم تطوير العديد من حالات الاستخدام المبتكرة. لتسريع التبني، تدعم Chromia المطورين بنشاط من خلال تمويل تكاليف استخدام قاعدة بيانات الكيانات.
تقلل هذه المنح من عوائق التجربة، مما يسمح للمطورين باستكشاف أفكار جديدة بمخاطر أقل. تشمل التطبيقات المحتملة خدمات DeFi المتكاملة مع الذكاء الاصطناعي، وأنظمة توصية المحتوى الشفافة، ومنصات مشاركة البيانات التي يمتلكها المستخدمون، وأدوات إدارة المعرفة المدفوعة من المجتمع.
المصدر: أبحاث النمر
افترض حالة مثل "مركز أبحاث الذكاء الاصطناعي Web3" الذي طورته Tiger Labs. يستخدم هذا النظام بنية Chromia التحتية لتحويل محتوى البحث وبيانات المشاريع على شبكة Web3 إلى تضمينات متجهة، لتقديم خدمات ذكية من قبل وكلاء الذكاء الاصطناعي.
يمكن لوكلاء الذكاء الاصطناعي هؤلاء استعلام بيانات السلسلة مباشرة من قاعدة بيانات Chromia Vector، مما يحقق تسريعًا كبيرًا في الاستجابة. بالجمع بين قدرة فهرسة EVM الخاصة بـ Chromia، يمكن للنظام تحليل الأنشطة على السلاسل مثل Ethereum و BNB Chain و Base - مما يدعم مجموعة واسعة من المشاريع. من الجدير بالذكر أن سياق محادثة المستخدم يتم تخزينه على السلسلة، مما يوفر تدفق توصيات شفاف تمامًا للمستثمرين والمستخدمين النهائيين.
المصدر: أبحاث النمر
مع زيادة حالات الاستخدام المتنوعة، يتم إنشاء المزيد من البيانات وتخزينها في Chromia - مما يضع الأساس لـ "دوامة الذكاء الاصطناعي". يتم تخزين النصوص والصور وبيانات المعاملات من تطبيقات blockchain في شكل متجهات منظمة في قاعدة بيانات Chromia، مما يشكل مجموعة بيانات غنية يمكن تدريب الذكاء الاصطناعي عليها.
تتحول هذه البيانات المتراكمة إلى مواد أساسية لتعلم الذكاء الاصطناعي، مما يعزز الأداء بشكل مستمر. على سبيل المثال، يمكن للذكاء الاصطناعي الذي يتعلم من أنماط تداول المستخدمين الهائلة تقديم نصائح مالية مخصصة بدقة أكبر. تجذب هذه التطبيقات المتقدمة للذكاء الاصطناعي المزيد من المستخدمين من خلال تحسين تجربة المستخدم، مما يؤدي إلى زيادة عدد المستخدمين التي ستنتج بدورها تراكم بيانات أكثر ثراءً، مما يشكل حلقة مغلقة من التطور المستدام للنظام البيئي.
بعد إطلاق شبكة Mimir الرئيسية، ستتركز Chromia على ثلاثة مجالات:
تعزيز فهرسة EVM لسلاسل البلوكشين الرئيسية مثل BSC وإيثريوم وBase.
توسيع قدرات استنتاج الذكاء الاصطناعي لدعم نماذج واستخدامات أوسع؛
توسيع نظام مطوري البرمجيات من خلال أدوات وبنية تحتية أكثر سهولة.
5.1 ابتكار فهرسة EVM
لقد كانت التعقيدات الجوهرية لتقنية البلوكشين عقبة رئيسية أمام المطورين لفترة طويلة. ومن أجل ذلك، قدمت تشروما حلًا مبتكرًا يركز على المطورين، يهدف إلى تبسيط استعلامات البيانات على السلسلة بشكل جذري. الهدف واضح: من خلال تعزيز كفاءة ومرونة الاستعلام بشكل كبير، جعل بيانات البلوكشين أكثر سهولة في الوصول.
تمثل هذه الطريقة تحولًا كبيرًا في طريقة تتبع معاملات NFT على إيثريوم. تتعلم نماذج البيانات الديناميكية في Chromia الهيكل والأنماط، مما يحل محل هيكل الاستفسارات المحددة مسبقًا، وبالتالي تحديد أكثر مسارات استرجاع المعلومات كفاءة. يمكن لمطوري الألعاب تحليل تاريخ معاملات العناصر على السلسلة على الفور، ويمكن لمشاريع DeFi تتبع تدفقات المعاملات المعقدة بسرعة.
5.2 توسيع قدرات استدلال الذكاء الاصطناعي
تؤسس تقدم بيانات الفهرسة المذكورة أعلاه قاعدة لتوسيع قدرات الاستدلال بالذكاء الاصطناعي في Chromia. وقد تم إطلاق أول توسيع لاستدلال الذكاء الاصطناعي بنجاح على شبكة الاختبار، مع التركيز على دعم نماذج الذكاء الاصطناعي مفتوحة المصدر. ومن الجدير بالذكر أن إدخال عميل Python قد خفض بشكل كبير من صعوبة دمج نماذج التعلم الآلي في بيئة Chromia.
تتجاوز هذه التطورات تحسين التكنولوجيا، حيث تعكس التوافق الاستراتيجي السريع مع ابتكارات نماذج الذكاء الاصطناعي. من خلال دعم تشغيل نماذج الذكاء الاصطناعي القوية والمتنوعة بشكل متزايد مباشرة على نقاط الموردين، تهدف Chromia إلى تجاوز حدود التعلم والتفكير في الذكاء الاصطناعي الموزع.
5.3 استراتيجية توسيع نظام المطورين
تعمل Chromia بنشاط على بناء شراكات لإطلاق العنان لجميع إمكانيات تقنية قواعد البيانات المتجهة، مع التركيز على تطوير التطبيقات المدفوعة بالذكاء الاصطناعي. تهدف هذه الجهود إلى تعزيز فائدة الشبكة وطلبها.
تستهدف الشركة مجالات ذات تأثير عالٍ مثل وكالات أبحاث الذكاء الاصطناعي، وأنظمة التوصية اللامركزية، والبحث النصي القائم على السياق، والبحث عن التشابه الدلالي. يتجاوز هذا البرنامج الدعم الفني - حيث يهدف إلى إنشاء منصة يمكن للمطورين من خلالها بناء تطبيقات ذات قيمة حقيقية للمستخدمين. من المتوقع أن تصبح قدرات الفهرسة المعززة والذكاء الاصطناعي المحرك الأساسي لتطوير هذه التطبيقات.
تجعل قاعدة بيانات المتجهات على السلسلة من Chromia منافسًا رائدًا في مجال دمج blockchain و AI. تبرز نهجها المبتكر - دمج قاعدة بيانات المتجهات مباشرة على السلسلة - ميزة تقنية واضحة لم تتحقق بعد في أنظمة بيئية أخرى.
يقدم نموذج تأجير SCU السحابي في المنصة أيضًا تحولًا جذابًا للمطورين الذين اعتادوا على نظام رسوم الوقود. هيكل التكلفة القابل للتوقع والتحسين هذا مناسب بشكل خاص لتطبيقات الذكاء الاصطناعي على نطاق واسع، مما يشكل نقطة تمايز رئيسية. من الجدير بالذكر أن تكلفة الاستخدام أقل بحوالي 57% مقارنة بخدمات قواعد بيانات الويب 2، مما يعزز بشكل ملحوظ من تنافسية سوق كروميا.
ومع ذلك، تواجه Chromia تحديات رئيسية - خاصة في الوعي السوقي ونمو النظام البيئي. من الضروري توصيل الابتكارات المعقدة مثل لغة البرمجة الأصلية لها (Rell) ودمج الذكاء الاصطناعي على السلسلة للمطورين والشركات. يتطلب الحفاظ على الصدارة تطويرًا تقنيًا مستمرًا وتوسيع النظام البيئي، خاصة عندما تبدأ منصات blockchain الأخرى في استهداف حالات الاستخدام المماثلة.
يعتمد النجاح على المدى الطويل على التحقق من حالات الاستخدام الفعلية وضمان استدامة نموذج الاقتصاد الرمزي. سيكون تأثير نموذج تأجير SCU على القيمة طويلة الأجل للرموز، واستراتيجيات اعتماد المطورين الفعالة، وإنشاء حالات تطبيق تجاري ملموسة، هي العوامل الحاسمة في تطوير كروميا في المستقبل.
لقد أنشأت Chromia موقعًا رائدًا مبكرًا في مجال دمج Web3 و AI الناشئ. ومع ذلك، فإن تحويل الفروق التكنولوجية إلى قيمة سوقية مستدامة يتطلب تقدمًا مستمرًا على مستوى البنية التحتية والبيئة ووسائل التواصل. ستكون الـ 12-24 شهرًا القادمة حاسمة في تشكيل المسار الطويل الأمد لـ Chromia.