المواضيع الرائجة
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Trissy
جولة صعود أخيرة
أكدت OpenAI للتو أطروحة النجم الشمالي الخاصة بي عن الذكاء الاصطناعي اليوم من خلال إطلاق سراح وكيل المشغل.
لم تكن هذه أطروحتي التوجيهية $CODEC فحسب ، بل كانت كل استثمار الذكاء الاصطناعي آخر قمت به ، بما في ذلك تلك التي وقعت في وقت سابق من العام خلال هوس الذكاء الاصطناعي.
كان هناك الكثير من النقاش مع برنامج الترميز فيما يتعلق بالروبوتات ، في حين أن هذا العمودي سيكون له روايته الخاصة قريبا جدا ، فإن السبب الأساسي الذي جعلني متفائلا جدا بشأن برنامج الترميز منذ اليوم الأول يرجع إلى كيفية قيام بنيتها بتشغيل وكلاء المشغلين.
لا يزال الناس يقللون من شأن مقدار الحصة السوقية المعرضة للخطر من خلال بناء برامج تعمل بشكل مستقل ، ويتفوق على العمال البشريين دون الحاجة إلى مطالبات أو رقابة مستمرة.
لقد رأيت الكثير من المقارنات مع $NUIT. أولا ، أريد أن أقول إنني من أشد المعجبين بما تبنيه Nuit ولا أتمنى شيئا سوى نجاحهم. إذا كتبت "nuit" في برقيتي ، فسترى أنه في أبريل قلت إنه إذا اضطررت إلى الاحتفاظ بعملة واحدة لعدة أشهر ، فستكون Nuit بسبب أطروحة المشغل الخاصة بي.
كان Nuit أكثر مشاريع المشغل الواعد على الورق ، ولكن بعد بحث مكثف ، وجدت أن هندسته المعمارية تفتقر إلى العمق اللازم لتبرير استثمار كبير أو وضع سمعتي وراءه.
مع وضع ذلك في الاعتبار ، كنت بالفعل على دراية بالثغرات المعمارية في فرق وكلاء المشغل الحالية والبحث بنشاط عن مشروع يعالجها. بعد فترة وجيزة من ظهور برنامج الترميز (بفضل إصرار @0xdetweiler على النظر بشكل أعمق) وهذا هو الفرق بين الاثنين:
$CODEC مقابل $NUIT
تم بناء بنية برنامج الترميز عبر ثلاث طبقات. الآلة والنظام والذكاء، التي تفصل بين البنية التحتية وواجهة البيئة ومنطق الذكاء الاصطناعي. يعمل كل عامل عميل في برنامج الترميز في الجهاز الظاهري أو الحاوية المعزولة الخاصة به، مما يسمح بالأداء الأصلي القريب وعزل الأخطاء. يعني هذا التصميم متعدد الطبقات أن المكونات يمكن أن تتوسع أو تتطور بشكل مستقل دون كسر النظام.
تأخذ الهندسة المعمارية ل Nuit مسارا مختلفا من خلال كونها أكثر تجانسا. تدور مجموعتها حول وكيل متصفح ويب متخصص يجمع بين التحليل والتفكير في الذكاء الاصطناعي والعمل. بمعنى أنها تحلل صفحات الويب بعمق إلى بيانات منظمة ليستهلكها الذكاء الاصطناعي وتعتمد على المعالجة السحابية لمهام الذكاء الاصطناعي الثقيلة.
إن نهج برنامج الترميز لتضمين نموذج Vision-Language-Action خفيف الوزن (VLA) داخل كل وكيل يعني أنه يمكن تشغيله محليا بالكامل. الأمر الذي لا يتطلب إعادة اتصال مستمر إلى السحابة للحصول على التعليمات ، والتخلص من زمن الوصول وتجنب الاعتماد على وقت التشغيل والنطاق الترددي.
يعالج وكيل Nuit المهام عن طريق تحويل صفحات الويب أولا إلى تنسيق دلالي ثم استخدام دماغ LLM لمعرفة ما يجب القيام به ، والذي يتحسن بمرور الوقت مع التعلم المعزز. على الرغم من فعاليته في أتمتة الويب ، إلا أن هذا التدفق يعتمد على معالجة الذكاء الاصطناعي الثقيلة من جانب السحابة وهياكل الصفحات المحددة مسبقا. يعني ذكاء الجهاز المحلي لبرنامج الترميز أن القرارات تحدث بالقرب من البيانات ، مما يقلل من النفقات العامة ويجعل النظام أكثر استقرارا للتغييرات غير المتوقعة (لا توجد نصوص هشة أو افتراضات DOM).
يتبع مشغلو برنامج الترميز حلقة مستمرة للإدراك والتفكير والفعل. تقوم طبقة الجهاز ببث البيئة (على سبيل المثال تطبيق مباشر أو تغذية روبوت) إلى طبقة الذكاء عبر القنوات المحسنة لطبقة النظام ، مما يمنح الذكاء الاصطناعي "عيون" على الحالة الحالية. يقوم نموذج VLA الخاص بالوكيل بعد ذلك بتفسير العناصر المرئية والتعليمات معا لاتخاذ قرار بشأن الإجراء ، والذي تنفذه طبقة النظام من خلال أحداث لوحة المفاتيح / الماوس أو التحكم في الروبوت. تعني هذه الحلقة المدمجة أنها تتكيف مع الأحداث الحية ، حتى إذا تحولت واجهة المستخدم ، فلن تكسر التدفق.
لوضع كل هذا في تشبيه أكثر بساطة ، فكر في مشغلي برنامج الترميز كموظف مكتف ذاتيا يتكيف مع المفاجآت في الوظيفة. يشبه وكيل Nuit الموظف الذي يحتاج إلى التوقف ، ووصف الموقف للمشرف عبر الهاتف ، وانتظار التعليمات.
دون النزول كثيرا في حفرة الأرانب الفنية ، يجب أن يمنحك هذا فكرة عالية المستوى عن سبب اختياري ل Codec كرهاني الأساسي على العملاء.
نعم ، يتمتع Nuit بدعم من YC ، وهو فريق مكدس و github من المستوى S. على الرغم من أن بنية برنامج الترميز قد تم إنشاؤها مع وضع القياس الأفقي في الاعتبار ، مما يعني أنه يمكنك نشر الآلاف من الوكلاء بالتوازي مع عدم وجود ذاكرة مشتركة أو سياق تنفيذ بين الوكلاء. فريق الترميز ليس مطورين عاديين أيضا.
تفتح بنية VLA الخاصة بهم العديد من حالات الاستخدام التي لم تكن ممكنة مع نماذج الوكلاء السابقة بسبب الرؤية من خلال وحدات البكسل ، وليس لقطات الشاشة.
يمكنني الاستمرار ولكني سأحفظ ذلك للمشاركات المستقبلية.
15.5K
الشيء هو ، إذا كنت تريد حقا أن تجعله في هذا الفضاء ، فسيعتقد كل من حولك أن هناك شيئا خاطئا معك.
لكي تكون حقا 0.001٪ ، فإن الحياة خارج الخنادق تكاد تكون معدومة.
لا فتيات ، ولا هوايات ، ولا نزهات اجتماعية ، ولا نتفليكس أو أي شيء يأخذك بعيدا عن الطحن.
إنه نوع من العقلية لا علاقة له حتى بأمثال الرياضيين المحترفين لأنه لا يوجد سبب يمنعك من الاتصال بالإنترنت 24/7.
نحن عالقون في مفارقة الحرية الخاصة بنا.
يريد الجميع القدرة السحرية على النقر فوق الأزرار للحصول على المال ، حتى يحين وقت قول لا ل 95٪ من المتعة.
سوف يلقي الأصدقاء والعائلة باستمرار تلميحات تشير إلى أن لديك شكلا من أشكال المرض العقلي ولن ترى الرؤية حقا.
يرتفع الغيرة عندما تتسلل أجزاء من النجاح ، إذا كنت تراقب الناس عن كثب بما فيه الكفاية ، فإنهم يكشفون دائما عن نواياهم الحقيقية ، حتى لو لم يقصدوا ذلك.
ستتخلى عنها أصغر التلميحات ، عادة من ردود الفعل العاطفية العفوية في اللحظة التي تحتاج فيها فقط إلى سماع بضع كلمات تنزلق ، في معظم الأوقات هذا كل ما يتطلبه الأمر.
عندما تصبح أكثر نجاحا ، تعلم التزام الهدوء. ليست هناك حاجة لذكر تقدمك ، بقدر ما سيكون رائعا لمشاركتها مع الجميع والاستمتاع بثمار عملك ، فلن يؤدي ذلك إلا إلى جذب الجشع من الآخرين.
يفشل معظمهم في ذلك لأنهم يجعلون "رجل التشفير" أو "المستثمر" شخصيتهم بالكامل. حتى لو كنت متصلا بالإنترنت لمدة 16 ساعة في اليوم ، فلا تزال بحاجة إلى اهتمامات وطموحات خارج هذه الصناعة.
يجب أن يرغب الأصدقاء في التسكع معك لجودة وجودك واختلاف مزاجك الذي تحدثه أثناء وجودك هناك ، وليس عدد الأرقام التي قمت بإنشائها على الشاشة.
إن عيش حياة خاصة ومنعزلة مع دائرة صغيرة من الأفراد ذوي الجودة العالية هو أعظم اختراق للحياة لراحة البال.
إذا كان وجودك لا يجعل الناس يشعرون بشيء ما دون الحديث عن المال ، فقد خسرت بالفعل.
5.66K
ما هو $CODEC
الروبوتات والمشغلين والألعاب؟
كل ما سبق وأكثر.
يعد برنامج الترميز نموذجا محايدا لإطار العمل ، مما يسمح بالعشرات من حالات الاستخدام نظرا لقدرته الفريدة على تصور الأخطاء مقارنة ب LLM.
على مدار ال 12 شهرا الماضية ، رأينا أن LLMs تعمل بشكل أساسي كآليات تكرار ، مدفوعة ببيانات محددة مسبقا وأنماط استجابة.
نظرا لأنها مبنية على الكلام والنص ، فإن LLMs لديها قدرة محدودة على التطور خارج نافذة السياق اللغوي التي تم تدريبها عليها. لا يمكنهم تفسير المدخلات الحسية ، مثل تعبيرات الوجه أو الإشارات العاطفية في الوقت الفعلي ، لأن تفكيرهم مرتبط باللغة وليس الإدراك.
يجمع معظم الوكلاء اليوم بين LLMs القائمة على المحولات وأجهزة التشفير المرئية. إنهم "يرون" الواجهة من خلال لقطات الشاشة ، ويفسرون ما يظهر على الشاشة ، ويولدون تسلسلات من الإجراءات ، والنقرات ، وضغطات المفاتيح ، والتمرير لاتباع التعليمات وإكمال المهام.
هذا هو السبب في أن الذكاء الاصطناعي لم يحل محل فئات كبيرة من الوظائف حتى الآن: يرى LLMs لقطات الشاشة وليس وحدات البكسل. إنهم لا يفهمون الدلالات المرئية الديناميكية للبيئة ، فقط ما يمكن قراءته من خلال الإطارات الثابتة.
سير عملهم النموذجي متكرر: التقاط لقطة شاشة ، وسبب الإجراء التالي ، وتنفيذه ، ثم التقاط إطار آخر وتكراره. تستمر حلقة التفكير الإدراكي هذه حتى تكتمل المهمة أو يفشل العامل.
للتعميم الحقيقي ، يجب على الذكاء الاصطناعي أن يدرك بيئته ، والتفكير في حالته ، وأن يتصرف بشكل مناسب لتحقيق الأهداف ، وليس مجرد تفسير اللقطات.
لدينا بالفعل وحدات ماكرو وروبوتات RPA ونصوص أتمتة ، لكنها ضعيفة وغير مستقرة. يؤدي التحول الطفيف في البكسل أو تغيير التخطيط إلى كسر التدفق ويتطلب تصحيحا يدويا. لا يمكنهم التكيف عندما يتغير شيء ما في سير العمل. هذا هو عنق الزجاجة.
الرؤية واللغة والعمل (VLA)
يعمل وكلاء VLA في برنامج الترميز على حلقة بديهية ولكنها قوية: إدراك ، فكر ، تصرف. بدلا من مجرد بصق النص مثل معظم LLMs ، يرى هؤلاء الوكلاء بيئتها ، ويقررون ما يجب القيام به ثم تنفيذها. يتم تجميع كل ذلك في خط أنابيب واحد موحد ، والذي يمكنك تصوره في ثلاث طبقات أساسية:
رؤية
يدرك الوكيل أولا بيئته من خلال الرؤية. بالنسبة لوكيل مشغل سطح المكتب، يعني هذا التقاط لقطة شاشة أو إدخال مرئي للحالة الحالية (على سبيل المثال، نافذة تطبيق أو مربع نص). يفسر مكون رؤية نموذج VLA هذا الإدخال ، ويقرأ على نص الشاشة ويتعرف على عناصر أو كائنات الواجهة. ويعرف أيضا باسم عيون الوكيل.
اللغة
ثم يأتي التفكير. بالنظر إلى السياق المرئي (وأي تعليمات أو أهداف) ، يحلل النموذج الإجراء المطلوب. بشكل أساسي ، "يفكر" الذكاء الاصطناعي في الاستجابة المناسبة تماما مثل الشخص. تدمج بنية VLA الرؤية واللغة داخليا ، بحيث يمكن للعامل ، على سبيل المثال ، فهم أن مربع الحوار المنبثق يطرح سؤالا بنعم / لا. سيقرر بعد ذلك الإجراء الصحيح (على سبيل المثال ، انقر فوق "موافق") بناء على الهدف أو المطالبة. بمثابة دماغ الوكيل ، ورسم خرائط للمدخلات المتصورة لعمل ما.
فعل
أخيرا ، يعمل العامل عن طريق إخراج أمر تحكم إلى البيئة. بدلا من النص ، يقوم نموذج VLA بإنشاء إجراء (مثل نقرة الماوس أو ضغطة المفتاح أو استدعاء واجهة برمجة التطبيقات) يتفاعل مباشرة مع النظام. في مثال مربع الحوار ، سيقوم الوكيل بتنفيذ النقر على الزر "موافق". هذا يغلق الحلقة: بعد التمثيل ، يمكن للوكيل التحقق بصريا من النتيجة ومواصلة دورة الإدراك والتفكير والفعل. الإجراءات هي فاصل المفاتيح الذي يحولها من مربعات الدردشة إلى المشغلين الفعليين.
حالات الاستخدام
كما ذكرت ، نظرا للهندسة المعمارية ، فإن برنامج الترميز لا يعتمد على السرد. مثلما لا تقتصر LLM على المخرجات النصية التي يمكنهم إنتاجها ، فإن VLA لا تقتصر على المهام التي يمكنهم إكمالها.
الروبوتات
بدلا من الاعتماد على البرامج النصية القديمة أو الأتمتة غير الكاملة ، يأخذ وكلاء VLA المدخلات المرئية (تغذية الكاميرا أو أجهزة الاستشعار) ، ويمررونها عبر نموذج لغة للتخطيط ، ثم يخرجون أوامر التحكم الفعلية للتحرك أو التفاعل مع العالم.
في الأساس ، يرى الروبوت ما أمامه ، ويعالج تعليمات مثل "تحريك علبة بيبسي بجوار اللون البرتقالي" ، ويعرف مكان كل شيء ، وكيفية التحرك دون ضرب أي شيء ، ويفعل ذلك دون الحاجة إلى ترميز ثابت.
هذه هي نفس فئة النظام مثل RT-2 أو PaLM-E من Google. نماذج كبيرة تدمج الرؤية واللغة لإنشاء إجراءات في العالم الحقيقي. يعد عمل VLA الخاص ب CogAct مثالا جيدا ، حيث يقوم الروبوت بمسح جدول مزدحم ، ويحصل على مطالبة طبيعية ، ويقوم بتشغيل حلقة كاملة: معرف الكائن ، وتخطيط المسار ، وتنفيذ الحركة.
المشغلون
في بيئة سطح المكتب والويب ، يعمل وكلاء VLA بشكل أساسي مثل العمال الرقميين. إنهم "يرون" الشاشة من خلال لقطة شاشة أو بث مباشر ، ويقومون بتشغيلها من خلال طبقة تفكير مبنية على نموذج لغة لفهم كل من واجهة المستخدم وموجه المهمة ، ثم ينفذون الإجراءات بتحكم حقيقي في الماوس ولوحة المفاتيح ، كما يفعل الإنسان.
هذه الحلقة الكاملة ، الإدراك ، التفكير ، الفعل تعمل باستمرار. لذلك لا يتفاعل العامل مرة واحدة فحسب ، بل يتنقل بنشاط في الواجهة ، ويتعامل مع تدفقات متعددة الخطوات دون الحاجة إلى أي برامج نصية مشفرة. البنية عبارة عن مزيج من رؤية نمط التعرف الضوئي على الحروف لقراءة النص / الأزرار / الرموز ، والتفكير الدلالي لتحديد ما يجب القيام به ، وطبقة تحكم يمكنها النقر والتمرير والكتابة وما إلى ذلك.
حيث يصبح هذا مثيرا للاهتمام حقا هو معالجة الأخطاء. يمكن لهؤلاء الوكلاء التفكير بعد الإجراءات وإعادة التخطيط إذا لم يسير شيء ما كما هو متوقع. على عكس البرامج النصية RPA التي تتعطل إذا تغيرت واجهة المستخدم بشكل طفيف، مثل موضع تغيير الزر أو إعادة تسمية التسمية، يمكن لعامل VLA التكيف مع التخطيط الجديد باستخدام الإشارات المرئية وفهم اللغة. يجعلها أكثر مرونة للأتمتة في العالم الحقيقي حيث تتغير الواجهات باستمرار.
شيء عانيت منه شخصيا عند ترميز روبوتات البحث الخاصة بي من خلال أدوات مثل الكاتب المسرحي.
الالعاب
تعد الألعاب واحدة من أوضح حالات الاستخدام حيث يمكن لوكلاء VLA التألق ، والتفكير فيهم بشكل أقل شبها بالروبوتات وأكثر شبها بمشغلات الذكاء الاصطناعي الغامرة. التدفق بأكمله هو نفسه ، يرى الوكيل شاشة اللعبة (الإطارات ، القوائم ، المطالبات النصية) ، والأسباب المتعلقة بما يفترض أن تفعله ، ثم يلعب باستخدام مدخلات الماوس أو لوحة المفاتيح أو وحدة التحكم.
لا يركز الأمر على القوة الغاشمة ، بل يتعلم الذكاء الاصطناعي كيفية اللعب مثل الإنسان. الإدراك + التفكير + التحكم ، كلها مرتبطة ببعضها البعض. لقد فتح مشروع SIMA الخاص ب DeepMind هذا من خلال الجمع بين نموذج لغة الرؤية وطبقة تنبؤية وإسقاطه في ألعاب مثل No Man's Sky و Minecraft. من مجرد مشاهدة الشاشة واتباع التعليمات ، يمكن للوكيل إكمال المهام المجردة مثل "بناء نار المخيم" عن طريق ربط الخطوات الصحيحة معا ، وجمع الخشب ، والعثور على أعواد الثقاب ، واستخدام المخزون. ولم يقتصر الأمر على لعبة واحدة فقط. لقد نقلت تلك المعرفة بين بيئات مختلفة.
وكلاء ألعاب VLA غير مقفلين في مجموعة قواعد واحدة. يمكن للوكيل نفسه أن يتكيف مع آليات مختلفة تماما ، فقط من الرؤية والتأريض اللغوي. ولأنه مبني على البنية التحتية LLM ، يمكنه شرح ما يفعله ، أو اتباع تعليمات اللغة الطبيعية في منتصف اللعبة ، أو التعاون مع اللاعبين في الوقت الفعلي.
لسنا بعيدين عن وجود زملاء في فريق الذكاء الاصطناعي يتكيفون مع أسلوب لعبك وتخصيصاتك ، كل ذلك بفضل برنامج الترميز.
9.17K
لا يعتمد نجاح آي سي إم على Launchcoin أو أي منصة واحدة.
إنه تغيير في النظام من الطريقة التي ننظر بها إلى مشاريع المرافق على السلسلة.
انتقلنا من عمليات إطلاق بمليارات الدولارات إلى pumpfun بسبب عدم التطابق المجنون في السعر والأساسيات.
نحن الآن ننتقل من برامج البخار إلى المشاريع ذات المستخدمين الحقيقيين والحجم والإيرادات.
سوف تستسلم الأغلبية بشكل صحيح عندما نتحول إلى زاوية التبني الحقيقي.
6.52K
عدم تطابق في السعر والأساسيات.
$KNET (8 مليون دولار) مقابل $ALCH (120 مليون دولار)
@ Kingnet_الذكاء الاصطناعي
يتعامل مع كل شيء بدءا من النمذجة ثنائية الأبعاد / ثلاثية الأبعاد إلى منصات الشخصيات الكاملة والرسوم المتحركة وحتى إنشاء التعليمات البرمجية مباشرة من مطالبات اللغة الطبيعية. لا توجد واجهة مستخدم للتعليمات البرمجية تعني أنه يمكن لأي شخص الانتقال من فكرة إلى عرض توضيحي للعبة Web3 القابلة للعب دون لمس سطر من التعليمات البرمجية. يسرع البناء ويخفض التكاليف ويخفض الحاجز بشكل كبير.
إنه في وضع مطوري ألعاب Web3 الأصليين ، وبناة المستقلين ، والاستوديوهات الصغيرة. تركيز كبير على توليد الأصول + النماذج الأولية من البداية إلى النهاية. يحول بشكل أساسي مطور اللعبة إلى سير عمل مرئي للذكاء الذكاء الاصطناعي ، يهدف إلى الحصول على المزيد من المحتوى بشكل أسرع ، حتى لو لم تكن تقنيا.
تعمل KNET على تشغيل كل شيء ، والمدفوعات ، واستعلامات الذكاء الاصطناعي ، وفي النهاية سوق الأصول التي تم إنشاؤها. لديها أيضا خطافات الحوكمة. مرتبط ب KingNet (شركة ألعاب عامة كبيرة) ، وتم توصيله بالفعل ب Solana و BNB و TON. رؤية الجر المبكر + الهاكاثون يفوز.
يتم دعم الذكاء الاصطناعي Kingnet من قبل شركة Kingnet Network Co. Ltd ، وهي شركة ألعاب صينية عملاقة مدرجة في البورصة تأسست في عام 2008. مع سجل حافل من العناوين الناجحة مثل Happy Tower و Shushan Legend و MU Miracle و World of Warships Blitz ، تعد الشركة واحدة من أشهر الحاضنات في الألعاب المحمولة. تم بناء الذكاء الاصطناعي Kingnet بواسطة SmileCobra Studio (سنغافورة) في شراكة حصرية مع ذراع Kingnet في هونغ كونغ. تقدر قيمة الشركة الأم بأكثر من 5 مليارات دولار مع 1 مليار دولار في ميزانيتها العمومية.
@alchemistAIapp
منصة أوسع بدون تعليمات برمجية تحول مطالبات المستخدم إلى تطبيقات أو ألعاب تعمل بكامل طاقتها.
يستخدم محرك الذكاء الاصطناعي متعدد العوامل (نماذج متخصصة متعددة) لتحليل مطالبات المستخدم وإنشاء التعليمات البرمجية وإنشاء المرئيات وتجميع التطبيقات الكاملة في الوقت الفعلي. يستهدف قاعدة مستخدمين واسعة، من الهواة إلى منشئي Web3، الذين يتطلعون إلى وضع نماذج أولية للأدوات أو الألعاب أو مواقع الويب بسرعة.
تجربة المستخدم مبسطة للغاية ، على سبيل المثال تدخل "لعبة ثعبان بخلفية خشبية بنية" ، وتنظم واجهة المختبر المقدس للخيميائي وكلاء الذكاء الاصطناعي لإنتاج كود الواجهة الأمامية ومنطق اللعبة وحتى الرسومات المخصصة
يتم استخدام ALCH في سوق Arcane Forge وللوصول إلى خدمات الذكاء الاصطناعي الخاصة ب Alchemist. يمكن للمستخدمين كسب ALCH عن طريق بيع تطبيقات أو ألعاب مفيدة ، ويحتوي السوق على ميزات البقشيش والاكتشاف لمكافأة التطبيقات الشائعة.
تأسست Alchemist في عام 2024 من قبل فريق في فيتنام ، بقيادة Thien Phung Van (المؤسس / المدير المالي) ، Trong Pham Van (المؤسس المشارك) ، و Duc Loc "Louis" Nguyen (CTO). مع خلفيات في البرمجيات وريادة الأعمال (كان Thien سابقا الرئيس التنفيذي / المدير المالي في Vistia) ، أطلق الفريق الصغير Alchemist كشركة ناشئة غير ممولة
TLDR. Kingnet الذكاء الاصطناعي متخصص ، مع التركيز على أتمتة إنشاء الألعاب الشاملة ل Web3 ، مدعومة ببنية تحتية للألعاب مثبتة. يعد الذكاء الاصطناعي الكيميائي أوسع نطاقا ، حيث يوفر واجهة LLM سريعة لبناء أدوات وألعاب فريدة من نوعها ذات جاذبية البيع بالتجزئة. Kingnet هو مجال عميق في الألعاب ، بينما Alchemist واسع النطاق عبر العديد من حالات الاستخدام.
بناء على ذلك ، من الواضح تماما أن Kingnet مقومة بأقل من قيمتها الحقيقية بالمقارنة. Kingnet في وقت مبكر جدا في دورة حياة منتجاتها ولم تجسد تجربة المستخدم والواجهاتها بالكامل ، على الرغم من أن جودة الفريق والخبرة والدعم تفوق بشكل كبير منصة Alchemist بينما تكون أقل بمقدار 15 مرة في mcap.
27.64K
يستمر الناس في تهنئتي على $CODEC ، لماذا؟
حتى الآن ، لم نر حتى:
- أداة الرمز المميز
-حوافز
- خارطة الطريق
-العروض
- موقع جديد
-السوق
- الشراكات المستقبلية
- حالات الاستخدام
+ المزيد
كل ما رأيناه هو عدد قليل من الشراكات وإصدار مجمع الموارد الخاص بهم (Fabric).
لم أكتب مواضيع متعددة ، أو منشورات برقية متعددة ، أو أتحدث مع الفريق على أساس يومي تقريبا ، أو أنصح بالتسويق ، والعلامة التجارية ، وتحديد المواقع للاحتفال ب 6 مل.
كان غلاف chatgpt لفتاة أنيمي ذات شعر وردي كافيا ل 6 مل mcap مرة أخرى في الذكاء الاصطناعي szn.
تم إرسال المشاريع إلى 9 أرقام بين عشية وضحاها للفوز بهاكاثون أو تسليط الضوء عليها من كبار KOLs / الباحثين.
لقد نسي الجميع ما يحدث عندما تضيء الأضواء ويؤمن الناس مرة أخرى.
السبب في أنني تحولت إلى الاتجاه الصعودي في الأسبوع الماضي بالنسبة إلى onchain هو الاعتقاد في أدنى مستوياته في جميع الأوقات. كان الشهر الماضي من أكبر التطورات التي أحرزناها في هذه الصناعة جنبا إلى جنب مع الخلفية الكلية الإيجابية.
هل تتذكر هذا الشعور بسقوط المال من السماء؟ قد لا يمر وقت طويل حتى نتمكن من تجربته مرة أخرى.
9.32K
بين الحين والآخر يولد مشروع فريد من نوعه يدير سباقه الخاص.
لم يكن الذكاء الاصطناعي في الغالب سوى محطات نمط chatgpt وصورة / فيديو إبداعية.
لقد سمعنا منذ عدة أشهر أننا على أعتاب فقدان الجميع وظائفهم بسبب الذكاء الاصطناعي.
نعم ، لقد جعلت الجميع 10 أضعاف الإنتاجية ، لكننا لم نحل محل الأشخاص في القوى العاملة بالكامل. لماذا؟
إن مساعدي الذكاء الاصطناعي المهيمنين اليوم ، من روبوتات المحادثة في المتصفح إلى أطر عمل "الوكيل" التجريبية أقوياء في المحادثة ، لكنهم محدودون هيكليا في التنفيذ.
عادة ما يعتمدون على متصفح أو بيئة برمجة نصية بسيطة لأداء المهام. في حين أن هذا يعمل على جلب المعلومات أو أتمتة الويب الأساسية ، فإن هؤلاء الوكلاء يعانون من عمليات معقدة ومتعددة الخطوات وغالبا ما ينكسرون عندما تنحرف الأشياء عن مسارها المحدود.
تفشل عوامل الذكاء الاصطناعي الحالية لأنها تفتقر إلى الذاكرة المستمرة والتسامح مع الأخطاء ، وعندما تواجه أخطاء غير متوقعة ، فإنها لا تستطيع التعافي أو التكيف ، وغالبا ما تتعطل أو تتعطل إلى أجل غير مسمى.
يعمل معظمهم في بيئات محدودة قائمة على المتصفح ولا يمكنهم الوصول إلى مجموعة كاملة من برامج المؤسسة ، مما يترك العمل الروتيني بعيدا عن متناول أيديهم.
وهذا هو السبب في أننا لم نر الذكاء الاصطناعي يحل محل أدوار الشركة العادية مثل دعم العملاء والإدارة. ليس بسبب نقص القدرة في نماذج الذكاء الاصطناعي نفسها ، ولكن لأن الأطر المحيطة بها ليست موثوقة بما يكفي لسير العمل الحرجة.
إذن ما هو المطلوب؟
بنية نظام معاد تصورها. واحد يعالج التسامح مع الأخطاء والذاكرة والوصول والعزل والكفاءة في إطار عمل فردي.
بدلا من المماطلة عند أول إدخال غير متوقع ، يجب عليهم اكتشاف الأخطاء والتكيف وإعادة تجربة طرق مختلفة ، مثلما يفعل البشر عندما تسوء الأمور.
لتوسيع نطاق الذكاء الاصطناعي إلى مهام سير عمل حقيقية ، فإنه يحتاج إلى ذاكرة مستمرة وتتبع المهام للعمل بشكل موثوق على مدى فترات طويلة.
كما أنها تتطلب وصولا كاملا إلى النظام البيئي ، بخلاف أدوات المتصفح لاستخدام نفس البرامج التي يستخدمها البشر ، بما في ذلك تطبيقات سطح المكتب.
بدون العزل الآمن ، لا يمكن للوكلاء العمل بأمان في بيئات مخصصة ، مما يجعل النشر على نطاق واسع محفوفا بالمخاطر بسبب التداخل المحتمل عبر النظام.
إذا أرادوا أن يكون وقت تشغيلهم متسقا وفعالا ، فسيحتاجون أيضا إلى إدارة ذكية للموارد تعامل أجهزة الكمبيوتر كهيئة تعمل على قيد الحياة.
بالنسبة لأولئك الذين قاموا بتوصيل النقاط ، @Codecopenflow يجمع إصدار Fabric الأخير كل هذا معا ، مما يمنح الذكاء الاصطناعي الوكلاء أنظمة تشغيل (OS) موثوقة ومخصصة بالكامل تجمع بين القوة المعرفية للنماذج المتقدمة والبنية التحتية التي يحتاجونها للعمل مثل العمال الرقميين الموثوق إليهم.
يمكن أن يكون Fabric في حد ذاته برنامجا مرخصا مستقلا تماما. يحول الوكلاء من البرامج النصية المرتبطة بالمتصفح إلى مشغلين مستقلين مع وصول كامل على مستوى نظام التشغيل.
يشبه إلى حد كبير مجمع DEX الذي يوجه السعر الأكثر كفاءة إليك ، فإن Fabric هي طبقة التوجيه التي تخدم بنية المستوى العميق ل Codec.
يمكنك إدراج وحدة المعالجة المركزية ووحدة معالجة الرسومات واحتياجات الذاكرة وأي تفضيلات للمنطقة. هذا يعني العثور على الخوادم الأكثر فعالية من حيث التكلفة مثل AWS / google cloud أو موارد GPU من Render / IO net.
يوفر برنامج الترميز حزم SDK نظيفة وواجهة برمجة تطبيقات للتحكم الكامل في مشغلي الذكاء الاصطناعي هؤلاء. يمكن للشركة دمج وكلاء الترميز في خط أنابيب البرامج الحالي (على سبيل المثال ، تدوير وكيل للتعامل مع طلب المستخدم ، ثم تدويره) دون الحاجة إلى إعادة اختراع بنيتها التحتية.
في دعم العملاء ، يمكن للوكلاء إدارة مهام سير العمل بالكامل ، وحل الاستعلام ، وتحديثات CRM ، والمبالغ المستردة ، وتقليل تكاليف العمالة بنسبة تصل إلى 90٪ مع تحسين الاتساق ووقت التشغيل.
بالنسبة للعمليات التجارية ، يقوم برنامج الترميز بأتمتة العمليات الإدارية المتكررة مثل معالجة الفواتير وتحديثات الموارد البشرية ومطالبات التأمين ، خاصة في القطاعات ذات الحجم الكبير مثل التمويل والرعاية الصحية.
من خلال التركيز على بيئة معزولة تماما ومتعددة التطبيقات لكل مشغل الذكاء الاصطناعي، لا يتم تقييد الذكاء الاصطناعي بالقضايا الحرجة المتعلقة بالموثوقية والتكامل التي لم تتمكن الأطر السابقة من معالجتها.
تحويل البنية التحتية للحوسبة السحابية بشكل أساسي إلى خط تجميع مرن للعاملين في مجال الذكاء الاصطناعي. يتم منح كل "عامل" الأدوات المناسبة (التطبيقات ، ونظام التشغيل ، والوصول إلى البيانات) وحزام الأمان (العزل + معالجة الأعطال) للقيام بعمله.
كل تحسين في نماذج الذكاء الاصطناعي (GPT-5 وما إلى ذلك) يزيد فقط من قيمة منصة الترميز ، لأنه يمكن الآن توصيل "أدمغة" أفضل بهذا "الجسم" القوي لإنجاز وظائف أكثر تعقيدا.
برنامج الترميز هو نموذج محايد (يعمل مع أي نموذج الذكاء الاصطناعي) ، لذلك سيستفيد من التقدم العام في الذكاء الاصطناعي دون أن يرتبط بمصير مزود واحد.
نحن في نقطة انعطاف مشابهة للأيام الأولى للحوسبة السحابية. مثلما أصبحت الشركات التي قدمت منصات السحابة (المحاكاة الافتراضية ، والبنية التحتية ل AWS ، وما إلى ذلك) لا غنى عنها لتكنولوجيا المعلومات في المؤسسات ، فإن الشركة التي توفر منصة الانتقال إلى وكلاء الذكاء الاصطناعي للعمل ستستحوذ على سوق ضخم.
أصدرت OpenAI بالفعل محطة ترميز سحابية وكيلة بالكامل تسمى Codex. سيكون Codex إصدارا محليا صغيرا من Codex يمكنك تشغيله على جهاز الكمبيوتر الخاص بك ، ولكن الأهم من ذلك أن النموذج الأساسي ل Codex سيكون في السحابة باستخدام جهاز الكمبيوتر الخاص به.
يعتقد المؤسس المشارك ل OpenAI أن أنجح الشركات في المستقبل ستكون هذين النوعين من الهندسة المعمارية المدمجين معا. يبدو مألوفا.
ماذا بعد؟
بدلا من إخبارك بما هو التالي ، ربما يكون من الأفضل أن أشير إلى ما لم نره بعد:
- لا توجد أداة مساعدة مؤكدة للرمز المميز
- لا توجد حوافز
- لا توجد خارطة طريق أساسية
- لا توجد عروض توضيحية
- لا يوجد سوق
- الحد الأدنى من الشراكات
النظر في المبلغ قيد الإعداد جنبا إلى جنب مع مواقع الويب الجديدة والمستندات المحدثة ومجمعات السيولة الأعمق والحملات المجتمعية / التسويق والروبوتات. لم يكشف برنامج الترميز عن العديد من البطاقات حتى الآن.
من المؤكد أنه قد يكون هناك المزيد من المنتجات الجاهزة القائمة على المتصفح حاليا في السوق ، على الرغم من المدة التي يجب أن تصبح قديمة؟
هذا استثمار في اتجاه الذكاء الاصطناعي والهندسة الأساسية التي ستحل محل القوى العاملة البشرية.
برنامج الترميز مشفر.
13 مايو 2025
البيئات الظاهرية لوكلاء المشغلين: $CODEC
لطالما تركزت أطروحتي الأساسية حول انفجار الذكاء الاصطناعي على صعود وكلاء المشغلين.
ولكن لكي ينجح هؤلاء الوكلاء ، فإنهم يحتاجون إلى وصول عميق إلى النظام ، مما يمنحهم بشكل فعال التحكم في جهاز الكمبيوتر الشخصي والبيانات الحساسة ، مما يؤدي إلى مخاوف أمنية خطيرة.
لقد رأينا بالفعل كيف تتعامل شركات مثل OpenAI وعمالقة التكنولوجيا الآخرين مع بيانات المستخدم. في حين أن معظم الناس لا يهتمون ، فإن الأفراد الذين سيستفيدون أكثر من وكلاء المشغلين ، فإن أعلى 1٪ يفعلون ذلك تماما.
شخصيا ، ليس هناك أي فرصة لمنح شركة مثل OpenAI وصولا كاملا إلى جهازي ، حتى لو كان ذلك يعني زيادة الإنتاجية بمقدار 10×.
فلماذا برنامج الترميز؟
تتمحور بنية برنامج الترميز على إطلاق "أجهزة سطح المكتب السحابية" المعزولة عند الطلب لوكلاء الذكاء الاصطناعي. في جوهرها ، توجد خدمة تنسيق مستندة إلى Kubernetes (تحمل الاسم الرمزي Captain) والتي توفر أجهزة افتراضية خفيفة الوزن (VMs) داخل كبسولات Kubernetes.
يحصل كل عامل على بيئة معزولة خاصة به على مستوى نظام التشغيل (مثيل نظام تشغيل Linux كامل) حيث يمكنه تشغيل التطبيقات أو المستعرضات أو أي تعليمات برمجية ، في وضع الحماية بالكامل من الوكلاء الآخرين والمضيف. يتعامل Kubernetes مع الجدولة والقياس التلقائي والإصلاح الذاتي لكبسولات الوكيل هذه ، مما يضمن الموثوقية والقدرة على تدوير العديد من مثيلات العامل لأعلى / لأسفل حسب متطلبات التحميل
يتم استخدام بيئات التنفيذ الموثوق بها (TEEs) لتأمين هذه الأجهزة الظاهرية، مما يعني أنه يمكن عزل جهاز العامل بشكل مشفر، ويمكن حماية ذاكرته وتنفيذه من نظام التشغيل المضيف أو موفر السحابة. هذا أمر بالغ الأهمية للمهام الحساسة: على سبيل المثال ، يمكن أن يحتفظ الجهاز الظاهري الذي يعمل في جيب بمفاتيح واجهة برمجة التطبيقات أو أسرار محفظة التشفير بشكل آمن.
عندما يحتاج عامل الذكاء الاصطناعي ("دماغ") المستند إلى LLM إلى تنفيذ إجراءات، فإنه يرسل طلبات واجهة برمجة التطبيقات إلى خدمة Captain، والتي تقوم بعد ذلك بتشغيل أو إدارة جراب الجهاز الظاهري للعامل. سير العمل: يطلب العامل جهازا، ويخصص Captain (من خلال Kubernetes) جرابا ويعلق وحدة تخزين ثابتة (لقرص الجهاز الظاهري). يمكن للعامل بعد ذلك الاتصال بالجهاز الظاهري الخاص به (عبر قناة آمنة أو واجهة دفق) لإصدار الأوامر. يعرض Captain نقاط النهاية للعامل لتنفيذ أوامر shell وتحميل/تنزيل الملفات واسترداد السجلات وحتى لقطة الجهاز الظاهري لاستعادتها لاحقا.
يمنح هذا التصميم العامل نظام تشغيل كامل للعمل فيه ، ولكن مع وصول متحكم فيه ومدقق. نظرا لأنه مبني على Kubernetes، يمكن ل Codec التوسع تلقائيا أفقيا، إذا احتاج 100 وكيل إلى بيئات، فيمكنه جدولة 100 pod عبر نظام المجموعة، ومعالجة حالات الفشل عن طريق إعادة تشغيل pods.
يمكن تجهيز الجهاز الظاهري للوكيل بخوادم MCP مختلفة (مثل "منفذ USB" ل الذكاء الاصطناعي). على سبيل المثال ، وحدة Codec's Conductor هي حاوية تشغل متصفح Chrome جنبا إلى جنب مع خادم Microsoft Playwright MCP للتحكم في المتصفح. يسمح هذا لوكيل الذكاء الاصطناعي بفتح صفحات الويب والنقر فوق الروابط وملء النماذج وكشط المحتوى عبر مكالمات MCP القياسية ، كما لو كان إنسانا يتحكم في المتصفح.
يمكن أن تتضمن عمليات تكامل MCP الأخرى نظام الملفات/المحطة الطرفية MCP (للسماح للوكيل بتشغيل أوامر CLI بشكل آمن) أو MCPs الخاصة بالتطبيق (لواجهات برمجة التطبيقات السحابية وقواعد البيانات وما إلى ذلك). بشكل أساسي ، يوفر برنامج الترميز "أغلفة" البنية التحتية (الأجهزة الافتراضية ، الجيوب ، الشبكات) بحيث يمكن تنفيذ خطط الوكيل عالية المستوى بأمان على البرامج والشبكات الحقيقية.
حالات الاستخدام
أتمتة المحفظة:
يمكن لبرنامج الترميز تضمين محافظ أو مفاتيح داخل جهاز ظاهري محمي بواسطة TEE ، مما يسمح لوكيل الذكاء الاصطناعي بالتفاعل مع شبكات blockchain (التداول على DeFi ، وإدارة الأصول المشفرة) دون الكشف عن المفاتيح السرية.
تمكن هذه البنية الوكلاء الماليين على السلسلة من تنفيذ معاملات حقيقية بشكل آمن ، وهو أمر قد يكون خطيرا للغاية في إعداد الوكيل النموذجي. يسرد شعار المنصة صراحة دعم "المحافظ" كقدرة رئيسية.
يمكن للوكيل، على سبيل المثال، تشغيل واجهة سطر أوامر (CLI) لمحفظة Ethereum داخل جيبه، وتوقيع المعاملات، وإرسالها، مع التأكد من أنه إذا أساء العامل التصرف، فإنه يقتصر على الجهاز الظاهري الخاص به وأن المفاتيح لا تغادر TEE أبدا.
أتمتة المتصفح والويب:
يمكن لوكلاء CodecFlow التحكم في مستعرضات الويب الكاملة في الجهاز الظاهري الخاص بهم. يوضح مثال Conductor وكيلا يقوم بتشغيل Chrome وبث شاشته إلى Twitch في الوقت الفعلي. من خلال Playwright MCP ، يمكن للوكيل التنقل في مواقع الويب والنقر فوق الأزرار وكشط البيانات تماما مثل المستخدم البشري. يعد هذا مثاليا لمهام مثل تجريف الويب خلف عمليات تسجيل الدخول أو معاملات الويب الآلية أو اختبار تطبيقات الويب.
تعتمد الأطر التقليدية عادة على استدعاءات واجهة برمجة التطبيقات أو نصوص المتصفح البسيطة مقطوعة الرأس. في المقابل ، يمكن ل CodecFlow تشغيل متصفح حقيقي بواجهة مستخدم مرئية ، مما يسهل التعامل مع تطبيقات الويب المعقدة (على سبيل المثال مع تحديات JavaScript أو CAPTCHA الثقيلة) تحت سيطرة الذكاء الاصطناعي.
أتمتة واجهة المستخدم الرسومية في العالم الحقيقي (الأنظمة القديمة):
نظرا لأن كل وكيل لديه نظام تشغيل سطح مكتب فعلي، يمكنه أتمتة تطبيقات واجهة المستخدم الرسومية القديمة أو جلسات سطح المكتب البعيد، وتعمل بشكل أساسي مثل أتمتة العمليات الروبوتية (RPA) ولكن مدفوعة ب الذكاء الاصطناعي. على سبيل المثال، يمكن للوكيل فتح جدول بيانات Excel في جهاز Windows الظاهري الخاص به، أو واجهة مع تطبيق طرفي قديم لا يحتوي على واجهة برمجة تطبيقات.
يذكر موقع الترميز تمكين "الأتمتة القديمة" صراحة. يفتح هذا باستخدام الذكاء الاصطناعي لتشغيل البرامج التي لا يمكن الوصول إليها عبر واجهات برمجة التطبيقات الحديثة ، وهي مهمة ستكون مخترقة للغاية أو غير آمنة بدون بيئة مضمنة. يشير تكامل noVNC المضمن إلى أنه يمكن ملاحظة العوامل أو التحكم فيها عبر VNC ، وهو أمر مفيد لمراقبة الذكاء الاصطناعي الذي يقود واجهة المستخدم الرسومية.
محاكاة مهام سير عمل SaaS:
غالبا ما يكون لدى الشركات عمليات معقدة تتضمن تطبيقات SaaS متعددة أو أنظمة قديمة. على سبيل المثال ، قد يأخذ الموظف بيانات من Salesforce ، ويدمجها مع بيانات من تخطيط موارد المؤسسات الداخلي ، ثم يرسل ملخصا بالبريد الإلكتروني إلى العميل. يمكن أن يمكن برنامج الترميز عامل الذكاء الاصطناعي من تنفيذ هذا التسلسل بأكمله عن طريق تسجيل الدخول الفعلي إلى هذه التطبيقات من خلال متصفح أو برنامج عميل في الجهاز الظاهري الخاص به ، تماما كما يفعل الإنسان. هذا يشبه RPA ، ولكنه مدعوم ب LLM يمكنه اتخاذ القرارات والتعامل مع التباين.
الأهم من ذلك ، يمكن توفير بيانات اعتماد هذه التطبيقات إلى الجهاز الظاهري بشكل آمن (وحتى مرفقة في TEE) ، بحيث يمكن للوكيل استخدامها دون "رؤية" بيانات اعتماد النص العادي أو تعريضها خارجيا. يمكن أن يؤدي ذلك إلى تسريع أتمتة مهام المكتب الخلفي الروتينية مع إرضاء تكنولوجيا المعلومات التي يقوم كل وكيل بتشغيلها بأقل امتياز وقابلية تدقيق كاملة (حيث يمكن تسجيل كل إجراء في الجهاز الظاهري أو تسجيله).
خارطة الطريق
- إطلاق العرض التوضيحي العام في نهاية الشهر
- مقارنة الميزات مع الأنظمة الأساسية المماثلة الأخرى (لا يوجد منافس ل web3)
- تكامل TAO
- شراكة ألعاب كبيرة
من حيث الأصالة ، تم بناء برنامج الترميز على أساس التقنيات الحالية ولكنه يدمجها بطريقة جديدة لاستخدام عامل الذكاء الاصطناعي. فكرة بيئات التنفيذ المعزولة ليست جديدة (الحاويات والأجهزة الافتراضية وTEEs قياسية في الحوسبة السحابية) ، ولكن تطبيقها على وكلاء الذكاء الاصطناعي المستقلين باستخدام طبقة واجهة برمجة التطبيقات السلسة (MCP) أمر جديد للغاية.
تستفيد المنصة من المعايير والأدوات المفتوحة حيثما أمكن ذلك: فهي تستخدم خوادم MCP مثل Playwright من Microsoft للتحكم في المتصفح بدلا من إعادة اختراع تلك العجلة ، وتخطط لدعم أجهزة Firecracker الصغيرة من AWS للمحاكاة الافتراضية بشكل أسرع. كما أنها تشعبت الحلول الحالية مثل noVNC لبث أجهزة الكمبيوتر المكتبية. إثبات أن المشروع يقف على أسس التكنولوجيا التي أثبتت جدواها (Kubernetes ، وأجهزة الجيب ، والمكتبات مفتوحة المصدر) ، مع التركيز على تطويره الأصلي على منطق الغراء والتنسيق ("الصلصة السرية" هي الطريقة التي يعمل بها كل شيء معا).
إن الجمع بين المكونات مفتوحة المصدر والخدمة السحابية القادمة (التي تم التلميح إليها من خلال ذكر أداة مساعدة $CODEC للرمز المميز والوصول إلى المنتج العام) يعني أن برنامج الترميز سيكون متاحا قريبا بأشكال متعددة (كخدمة ومستضاف ذاتيا).
فريق
Moyai: 15+ عاما من الخبرة في التطوير ، يقود حاليا تطوير الذكاء الاصطناعي في Elixir Games.
lil'km: 5+ سنوات مطور الذكاء الاصطناعي ، يعمل حاليا مع HuggingFace في مشروع LeRobot.
HuggingFace هي شركة روبوتات ضخمة ويعمل Moyai كرئيس للذكاء الاصطناعي في ألعاب الإكسير (بدعم من Square enix و solanafdn.
لقد اتصلت شخصيا بالفيديو بالفريق بأكمله وأحب حقا الطاقة التي يجلبونها. صديقي الذي وضعهم على الرادار الخاص بي التقى بهم جميعا أيضا في Token2049 ولم يكن لديه سوى أشياء جيدة ليقولها.
افكار اخيرة
لا يزال هناك الكثير لتغطيته ، والذي سأحفظه للتحديثات والمنشورات المستقبلية في قناة Telegram الخاصة بي.
لطالما اعتقدت أن البنية التحتية السحابية هي مستقبل وكلاء المشغلين. لطالما احترمت ما تقوم Nuit ببنائه ، لكن برنامج الترميز هو أول مشروع أظهر لي القناعة الكاملة التي كنت أبحث عنها.
من الواضح أن الفريق من المهندسين من الدرجة الأولى. لقد قالوا صراحة إن التسويق ليس قوتهم ، وهذا على الأرجح هو السبب في أن هذا قد طار تحت الرادار. سأعمل معهم عن كثب للمساعدة في تشكيل استراتيجية GTM التي تعكس في الواقع عمق ما يبنونه.
مع القيمة السوقية البالغة 4 ملايين دولار وهذا المستوى من البنية التحتية ، يبدو أنه أقل من قيمته بشكل كبير. إذا تمكنوا من تقديم منتج قابل للاستخدام ، أعتقد أنه يمكن أن يمثل بسهولة بداية دورة البنية التحتية التالية لنظام الذكاء الاصطناعي.
كما هو الحال دائما ، هناك خطر ، وبينما قمت بفحص الفريق خلسة خلال الأسابيع القليلة الماضية ، لا يوجد مشروع مقاوم تماما على الإطلاق.
أهداف الأسعار؟ أعلى بكثير.
11.84K
الأفضل
المُتصدِّرة
التطبيقات المفضلة