شرکت NEAR مدل پرداخت مبتنی بر استیکینگ را برای NEAR AI راهاندازی کرده است که به کاربران امکان میدهد توکنهای NEAR را قفل کرده و به جای پرداخت از طریق روشهای سنتی پرداخت ابری یا کارت اعتباری، اعتبارات محاسباتی ماهانه دریافت کنند.
براساس اطلاعات تاییدشده، این سیستم به کاربران دسترسی به 43 مدل هوش مصنوعی میدهد، از جمله مدلهایی از OpenAI، Anthropic و Google. نکته کلیدی این است که توکنها مصرف نمیشوند؛ کاربران NEAR را قفل میکنند و برحسب اندازه استیک، اعتبارات محاسباتی دریافت میکنند.
ارتباط مستقیم توکن با هوش مصنوعی
این طرح تلاش میکند تا کارایی توکن را مستقیماً به استفاده از هوش مصنوعی مرتبط کند. به جای درخواست از کاربران برای خرید توکن به منظور اهداف سرمایهگذاری، این مدل نقش توکن را در دسترسی به منابع محاسباتی نشان میدهد.
سوال مهم این است که آیا کاربران در مقیاس وسیع این رویکرد را خواهند پذیرفت یا نه. اما به عنوان یک جهتگیری طراحی، ارزش نظارت دارد.
چالشهای پرداخت و کارایی مدل
استفاده از هوش مصنوعی برای پرداخت مشکلات جدی دارد. کاربران و توسعهدهندگان معمولاً از حسابهای ابری، کارتهای اعتباری، اشتراکها، فاکتورها یا اعتبارهای پلتفرم استفاده میکنند. این روشها در نرمافزارهای معمول مفید است، اما به طور کامل با نیازهای عاملهای مستقل و کاربران رمزینه سازگار نیست.
مدل NEAR سعی دارد این مشکل را با استفاده از استیکینگ به عنوان لایه پرداخت حل کند. کاربران توکنها را قفل میکنند و بر اساس این استیک، اعتبارات محاسباتی ماهانه دریافت مینمایند. این رابطه میان مالکیت توکن و دسترسی به محصول متفاوت است، چرا که کاربر فقط هزینه نمیپردازد بلکه سرمایهگذاری میکند و در مقابل، دسترسی به هوش مصنوعی را دریافت میکند.
مزایای و محدودیتهای کاربرد توکن
مهم است که بدانیم توکنها مصرف نمیشوند. اگر مدل نیاز داشت کاربران هر بار پی وب سرویس AI از توکنهای NEAR استفاده کنند، بیشتر شبیه سیستم پرداخت بر اساس مصرف بود. اما قفل کردن توکنها، اقتصاد سیستم را تغییر میدهد و احساس هزینه کمتر را ایجاد میکند، در حالی که هزینه فرصت هنوز وجود دارد، چون توکنهای قفل شده در بازار قابل استفاده نیستند.
این رویکرد بیشتر شبیه یک سیستم عضویت یا دسترسی است که پشتوانهای استیکینگ دارد، که آن را از مدلهای سنتی کارایی توکن جدا میکند. این نوع کارایی توکن مدتها بحث و جستجو در شبکههای رمزارزی بوده است.
اهمیت روند توسعه در آینده
در مقایسه با راهکارهای پرداخت هماکنون مرسوم، این مفهوم جدید است. اگر عاملهای هوشمند قرار است مستقل عمل کنند، نیاز به سیستمهای پرداخت برنامهپذیر دارند. مدل مبتنی بر استیکینگ میتواند راهکاری برای این باشد که عامل یا توسعهدهندگان بتوانند به منابع AI دسترسی داشته باشند، بدون نیاز به پرداخت مکرر با کارت یا اعتماد به سیستمهای مرکزی.
در حالی که هنوز سؤالات مهمی پیرامون مجوزها، امنیت، کنترلهای سوءاستفاده، پیشبینی هزینه و تجربه کاربری باقی است، این مسیر با تمرکز کلی NEAR بر زیرساختهای هوش مصنوعی و عاملها هماهنگ است.
نیاز به اثبات کاربری واقعی
نکته مهم این است که راهاندازی کامل با پذیرش گسترده متفاوت است. اگرچه مدل اعتبارات محاسباتی NEAR مبتکرانه است، اما بازار باید ببینید که آیا کاربران تمایل دارند از آن استفاده کنند یا نه. توسعهدهندگان بر این اساس با روشهای مرسوم مانند پرداخت مستقیم API، اعتبارات ابری، مدلهای منبعباز، قراردادهای شرکتی و سایر بازارهای رمزارزی مقایسه خواهند کرد.
مدل نیاز به شفافیت دارد: چه تعداد اعتبارات از هر استیک تولید میشود؟ کدام مدلها با چه قیمتی در دسترس است؟ اعتبارات در طول زمان چه میزان прогнозپذیر هستند؟ آیا تیمها میتوانند بدون نگرانی درباره نوسانات توکن بر روی آن حساب باز کنند؟ و اینکه آیا این سیستم کاربران جدیدی جذب میکند که قبلاً در اکوسیستم NEAR نبودهاند؟ این سوالها مشخص میکنند که آیا این رویکرد یک مورد کاربرد واقعی خواهد شد یا صرفاً یک آزمایش نیکنیتی است.
کارایی عملی توکن در دنیای واقعی
آنچه راهکار پرداخت هوش مصنوعی NEAR را جذاب میکند، ایجاد نقش عملی برای توکن است. در صنعت رمزارز، تفسیر چرایی وجود توکن فراتر از حاکمیت، گاز، استیکینگ یا انگیزهها مشکل بوده است. اتصال استیکینگ توکن به دسترسی به محاسبات AI یک روایت کارایی ملموس برای NEAR خلق میکند.
اگر کاربران بتوانند NEAR را قفل کرده و بر اساس مدلهایی که در استفاده دارند، اعتبارات محاسباتی دریافت کنند، توکن بخشی از حلقه محصول میشود. این رویکرد دقیقا همان چیزی است که بسیاری از شبکهها در تلاش برای ساخت آن هستند: درخواست توکن مبتنی بر استفاده واقعی، نه فقط نوسانات بازار.
پرداختهای مبتنی بر استیکینگ NEAR هنوز در مراحل اولیه است، اما نشان میدهد که مدل رمزارزی-هوش مصنوعی عملیتر از بیشتر هیاهوهای این بخش است.
