Tag: نوآوری فناوری

ریو کالینز، هم‌بنیان‌گذار تتر: نسل بعدی استیبل‌کوین‌ها بازدهی را از توکن جدا می‌کنند

ریو کالینز، یکی از هم‌بنیان‌گذاران تتر، پیش‌بینی می‌کند که نسل آینده استیبل‌کوین‌ها شفافیت وثیقه‌ها را در زنجیره (آن‌چین) افزایش داده و در عین حال، بازدهی را از خود توکن جدا کرده و به صورت برنامه‌ریزی‌شده توزیع خواهند کرد. او همچنین انتظار دارد هوش مصنوعی (AI) بخش زیادی از پیچیدگی‌های فنی ارزهای دیجیتال را پنهان کند و امور مالی مبتنی بر بلاک‌چین را به زیرساختی تبدیل کند که کاربران به سختی متوجه حضور آن می‌شوند.

استیبل‌کوین‌های نسل دوم: شفافیت و جداسازی بازدهی

کالینز معتقد است که استیبل‌کوین‌های نسل دوم، با تمرکز بر شفافیت وثیقه‌ها در زنجیره، اعتماد بیشتری را در بازار ایجاد خواهند کرد. این امر به کاربران امکان می‌دهد تا به طور مستقیم از وضعیت پشتوانه استیبل‌کوین‌ها مطلع شوند. علاوه بر این، رویکرد جدید، بازدهی حاصل از سرمایه‌گذاری یا نگهداری استیبل‌کوین را از خود توکن جدا می‌کند. این جداسازی به معنای آن است که بازدهی به صورت خودکار و از طریق الگوریتم‌ها و قراردادهای هوشمند توزیع خواهد شد، نه اینکه به صورت مستقیم به ارزش توکن گره خورده باشد.

نقش هوش مصنوعی در ساده‌سازی امور مالی بلاک‌چین

هم‌بنیان‌گذار تتر همچنین بر نقش بالقوه هوش مصنوعی در آینده ارزهای دیجیتال تأکید کرد. او پیش‌بینی می‌کند که هوش مصنوعی قادر خواهد بود پیچیدگی‌های فنی موجود در فناوری بلاک‌چین و امور مالی غیرمتمرکز (DeFi) را به طور قابل توجهی کاهش دهد. این امر می‌تواند منجر به تجربه‌ای کاربری بسیار ساده‌تر شود، به گونه‌ای که کاربران بدون نیاز به درک عمیق جزئیات فنی، از مزایای امور مالی مبتنی بر بلاک‌چین بهره‌مند شوند. در واقع، این فناوری‌ها به زیرساخت‌هایی نامرئی تبدیل خواهند شد که به طور خودکار و کارآمد عمل می‌کنند.

آن‌سِمی: گلوگاه واقعی هوش مصنوعی، توان است نه پردازش

در حالی که بسیاری، توان پردازشی و حافظه را موانع اصلی پیشرفت هوش مصنوعی می‌دانند، شرکت آن‌سِمی (onsemi) معتقد است که نگاه‌ها به گلوگاه اشتباهی دوخته شده است. این تولیدکننده تراشه در روز سرمایه‌گذار خود در تاریخ ۱۶ سپتامبر، تئوری خود را مبنی بر اینکه چگالی توان، نه سرعت پردازش یا ظرفیت ذخیره‌سازی، محدودیت تعیین‌کننده دوران بعدی زیرساخت‌های هوش مصنوعی خواهد بود، ارائه کرد. این شرکت خود را برای حل این چالش آماده کرده و بازار هدف خود را تا سال ۲۰۳۰ در حوزه اصلی کسب‌وکار نیمه‌هادی‌های قدرت، ۲۱۳ میلیارد دلار تخمین می‌زند.

درآمد آن‌سِمی از مراکز داده هوش مصنوعی در سال ۲۰۲۶ حدود ۵۰۰ میلیون دلار پیش‌بینی شده است. این شرکت انتظار دارد این رقم تا سال ۲۰۳۰ از ۲.۵ میلیارد دلار فراتر رود که نشان‌دهنده نرخ رشد سالانه مرکب (CAGR) بیش از ۵۰ درصد است. تصویر کلی درآمد نیز به همان اندازه بلندپروازانه است؛ آن‌سِمی هدف‌گذاری کرده تا سال ۲۰۳۰ به درآمد کل حدود ۱۱ میلیارد دلار دست یابد که نشان‌دهنده CAGR ۱۲ تا ۱۴ درصدی در کل کسب‌وکار است. این رشد شامل حوزه‌های برقی‌سازی خودرو، اتوماسیون صنعتی، مراکز داده هوش مصنوعی و آنچه شرکت «هوش مصنوعی فیزیکی» می‌نامد، می‌شود.

چشم‌انداز بازار و اهداف درآمدی

با خرید آتی شرکت Synaptics، که آن‌سِمی اعلام کرده در آینده نزدیک انجام خواهد شد، بازار هدف کل از ۲۱۳ میلیارد دلار به بیش از ۲۴۳ میلیارد دلار افزایش خواهد یافت. حسن الخوری، مدیرعامل آن‌سِمی، چگالی توان را مسئله‌ای جانشین برای محدودیت‌های پردازشی و حافظه عنوان کرد. پیش‌بینی می‌شود سیستم‌های هوش مصنوعی از حدود ۶۰ کیلووات به ۲۰۰ کیلووات و در آینده حتی به ۱ مگاوات برسند، که این امر میزان برق مورد نیاز برای اجرای این سیستم‌ها را به محدودیت اصلی تبدیل می‌کند.

نوآوری در پلتفرم‌های فناوری

در همین راستا، آن‌سِمی دو پلتفرم فناوری جدید را معرفی کرد. مجموعه GaNEXUS بر راه‌حل‌های نیترید گالیم (GaN) تمرکز دارد؛ ماده‌ای که امکان تبدیل توان را با بازدهی بالاتر نسبت به سیلیکون سنتی فراهم می‌کند. پلتفرم Embedded Power Platform (EPP) نیز با استفاده از ادغام در سطح ویفر، قابلیت توان بیشتری را در ابعاد کوچک‌تر جای می‌دهد.

پاسخ به نگرانی‌ها و جایگاه در زنجیره ارزش

الخوری به بزرگترین نگرانی احتمالی، یعنی احتمال کاهش سرمایه‌گذاری در هوش مصنوعی، مستقیماً پرداخت. پاسخ او قاطع بود. او نگرانی‌های کوتاه‌مدت در مورد کند شدن روند هوش مصنوعی را رد کرد و با اشاره به تعهدات مداوم مشتریان بزرگ (hyperscalers)، تقاضای موجود را شاهدی بر پابرجا بودن آن دانست. آن‌سِمی جایگاه جالبی در زنجیره ارزش نیمه‌هادی‌ها دارد. این شرکت مستقیماً با انویدیا (Nvidia) در رقابت برای تسلط بر پردازنده‌های گرافیکی (GPU) یا با ای‌ام‌دی (AMD) برای پردازنده‌های مراکز داده رقابت نمی‌کند. در عوض، در لایه مدیریت توان، یعنی زیرساختِ زیرِ زیرساخت، فعالیت می‌کند.

مزیت فناوری‌های پیشرفته

ورود آن‌سِمی به فناوری GaN، بُعد دیگری به جایگاه آن می‌بخشد، زیرا کارخانه‌های نیترید گالیم نیازمند فرآیندهای تخصصی هستند که نمی‌توان آن‌ها را به سادگی از خطوط تولید سیلیکون موجود بازسازی کرد. آن‌سِمی پیش از این نیز شرکت GTAT را برای فناوری کاربید سیلیکون (SiC) خریداری کرده بود که توانایی‌های آن در مواد پیشرفته را عمیق‌تر می‌کند. سهام این شرکت در بورس NASDAQ با نماد ON معامله می‌شود. نرخ رشد سالانه مرکب بیش از ۵۰ درصدی در درآمد مراکز داده هوش مصنوعی، رقمی است که یا به طور چشمگیری یک تئوری را تأیید می‌کند یا به یک داستان هشداردهنده در مورد خوش‌بینی روز سرمایه‌گذار تبدیل می‌شود.

بلک‌راک معتقد است ربات‌ها به حساب بانکی نیاز خواهند داشت.

بزرگترین مدیر دارایی جهان این هفته مقاله‌ای پژوهشی منتشر کرد که در آن استدلال می‌شود هوش مصنوعی، نه مقررات جدید یا خرید نهادی تازه، می‌تواند به یکی از بزرگترین و نادیده‌گرفته‌شده‌ترین محرک‌های تقاضا برای ارزهای دیجیتال تبدیل شود. به گفته این شرکت، عامل‌های هوش مصنوعی به زودی شروع به پرداخت هزینه خریدها خواهند کرد و استیبل‌کوین‌ها بهترین ابزار برای این کار هستند.

بلک‌راک می‌گوید: «با افزایش قابلیت و پایداری عامل‌ها، ادعاهای استاندارد شده بر ظرفیت محاسباتی می‌تواند به یک مورد استفاده قابل توجه برای دارایی‌های دیجیتال در زمینه تأمین مالی و تسویه قابل برنامه‌ریزی تبدیل شود.»

این مقاله با عنوان «اقتصاد بومی ماشین» (The Machine-Native Economy) از تیم تحقیقات دارایی‌های دیجیتال بلک‌راک، به رهبری ویل سو و رابرت میچنیک، در کنار رهبران محصولات ETF سهام آمریکا و iShares این شرکت، منتشر شده است.

ایده اصلی آن یک بازی کلامی هوشمندانه است. بلک‌راک می‌گوید: «هوش مصنوعی نمایانگر هوش بومی ماشین است، در حالی که دارایی‌های دیجیتال نمایانگر پول بومی ماشین هستند.» این شرکت استدلال می‌کند که این دو همیشه به سمت یکدیگر در حرکت بوده‌اند.

عامل‌ها، نه انسان‌ها، خریدار خواهند بود

این مقاله بر «هوش مصنوعی عامل‌محور» (agentic AI) تکیه دارد؛ سیستم‌های هوش مصنوعی که می‌توانند وظایف چند مرحله‌ای را به تنهایی برنامه‌ریزی و اجرا کنند و با حداقل دخالت انسان، از ابزارها و خدمات خارجی استفاده کنند. عامل‌ها هوش مصنوعی‌هایی هستند که نه تنها پرواز را پیشنهاد می‌دهند، بلکه آن را رزرو می‌کنند، هزینه آن را پرداخت می‌کنند و رسید را به شما تحویل می‌دهند.

این نوع استقلال به سرعت با یک مشکل مواجه می‌شود: کسی یا چیزی باید هزینه را پرداخت کند.

زیرساخت‌های پرداخت سنتی برای این منظور ساخته نشده‌اند. افتتاح حساب بانکی یا کارت اعتباری نیازمند یک انسان با هویت است و هزینه‌های شبکه‌های کارت برای خریدهای ۴۰ دلاری منطقی است، اما نه برای فراخوانی API با کسری از سنت.

پاسخ بلک‌راک، استیبل‌کوین‌ها است؛ ارزهای دیجیتالی که به دارایی پایداری مانند دلار آمریکا متصل هستند و برای حفظ قیمت ثابت طراحی شده‌اند، نه نوسان مانند بیت‌کوین. آن‌ها می‌توانند شبانه‌روز در گردش باشند، تقریباً فوراً تسویه شوند و نیازی به متصدی بانک ندارند.

بر اساس این گزارش، حجم تراکنش‌های تعدیل شده استیبل‌کوین در سال ۲۰۲۵ از ۱۱ تریلیون دلار فراتر رفت و در همان محدوده حجم پرداخت‌های سالانه ویزا و مسترکارت قرار گرفت. این رقم هنوز در مقایسه با ۹۳ تریلیون دلاری که در همان سال از طریق سیستم سنتی انتقال بانکی ACH جابجا شد، ناچیز است، اما حجم استیبل‌کوین‌ها از سال ۲۰۲۰ تقریباً ۸۰ درصد در سال رشد داشته است، در حالی که رشد ACH حدود ۸.۵ درصد بوده است.

این مقاله می‌خواند: «ظهور هوش مصنوعی عامل‌محور و پرداخت‌های ماشین به ماشین احتمالاً تقاضا برای بلاک‌چین‌ها و سایر زیرساخت‌های پرداخت قابل برنامه‌ریزی را افزایش خواهد داد؛ استیبل‌کوین‌ها، دارایی‌های بومی ارز دیجیتال و سایر دارایی‌های روی زنجیره می‌توانند به عنوان ابزارهای بومی ماشین برای پرداخت و تسویه در این مسیرها عمل کنند.»

بخشی از این زیرساخت‌ها در حال حاضر فعال هستند. x402، پروتکلی که توسط کوین‌بیس بر اساس کد قدیمی و عمدتاً بلااستفاده وب “HTTP 402: Payment Required” ساخته شده است، به یک قطعه نرم‌افزار اجازه می‌دهد تا هزینه یک فید داده یا فراخوانی API را در همان درخواستی که آن را می‌خواهد، بدون نیاز به حساب یا تأیید انسانی، پرداخت کند.

آمازون قبلاً پرداخت‌های استیبل‌کوین را با کوین‌بیس و استرایپ در ابزارهای ابری هوش مصنوعی خود ادغام کرده است، که به عامل‌ها اجازه می‌دهد در حین انجام وظیفه، به طور خودکار برای APIها، فیدهای داده و رزروها پرداخت کنند. گوگل با پشتیبانی کوین‌بیس و بنیاد اتریوم، لایه پرداخت عامل خود را ساخت و چارچوب Agent2Agent خود را برای مدیریت کارت‌ها، استیبل‌کوین‌ها و انتقال‌های بانکی بی‌درنگ گسترش داد.

اما استفاده واقعی هنوز محدود است. شرکت تحلیل بلاک‌چین TRM Labs، ۵۲.۷ میلیون دلار تسویه حساب x402 را در سال جاری بررسی کرد و دریافت که عامل‌های هوش مصنوعی احتمالاً بین ۰.۶ تا ۷.۵ درصد از این ارزش را به خود اختصاص داده‌اند؛ بیشتر ترافیک بیشتر شبیه اسکریپت‌های خودکار معمولی بود تا عامل‌های واقعاً خودمختار.

بلک‌راک ادعا نمی‌کند که این اتفاق به زودی در مقیاس بزرگ رخ می‌دهد. در عوض، این شرکت شرط بسته است که زیرساخت‌ها پیش از وقوع این لحظه در حال ساخته شدن هستند.

اجرای هوش مصنوعی پرهزینه است و تقاضا برای ظرفیت محاسبات ابری همچنان در حال افزایش است. بلک‌راک به تخمین‌های تحلیلگران استناد می‌کند که درآمد ترکیبی بخش‌های ابری آمازون، مایکروسافت و گوگل را در سال ۲۰۳۰ حدود ۱.۱ تریلیون دلار پیش‌بینی می‌کنند.

این مقاله «محاسبات» را به صورت قراردادهای استاندارد شده، شبیه به نحوه کار قراردادهای آتی نفت یا گندم امروزی، بسته‌بندی می‌کند که می‌توانند خریداری، فروخته، به عنوان وثیقه استفاده شوند یا به طور خودکار در یک بلاک‌چین تسویه شوند. در این سناریو، یک عامل هوش مصنوعی می‌تواند به دنبال ارزان‌ترین ظرفیت سرور موجود بگردد و هزینه آن را مستقیماً، شغل به شغل، بدون نیاز به مذاکره یک فرد برای قرارداد ابری، پرداخت کند.

ارقام خود بلک‌راک، ارزش بازار در گردش استیبل‌کوین‌ها را در سپتامبر ۲۰۲۶ بیش از ۳۰۰ میلیارد دلار و حجم تراکنش‌های تعدیل شده را در سال ۲۰۲۵ بیش از ۱۱ تریلیون دلار نشان می‌دهد. شرط این شرکت این است که عامل‌های هوش مصنوعی، نه خرج‌کنندگان انسانی، محرک مرحله بعدی این رشد باشند، زیرا سیستم‌های خودمختار شروع به پرداخت صورت‌حساب‌های خود می‌کنند.

تتر از مجموعه داده عظیم هوش مصنوعی Genesis III رونمایی کرد؛ نتایج امیدوارکننده در بنچمارک‌های علمی

بخش تحقیقات هوش مصنوعی شرکت Tether، که با نام QVAC فعالیت می‌کند، از انتشار Genesis III خبر داده است؛ یک مجموعه داده مصنوعی در حوزه علوم، فناوری، مهندسی و ریاضیات (STEM) که شامل ۱۹۱.۴۳ میلیارد توکن است. یک مدل با ۱.۷ میلیارد پارامتر که با بخشی از این مجموعه داده آموزش دیده، به نرخ پاسخگویی ۹۹.۴۵ درصدی در بنچمارک‌های MMLU STEM دست یافته است؛ نتیجه‌ای که برای پذیرش مقاله تحقیقاتی همراه آن در کنفرانس COLM 2026 کافی بوده است.

این مجموعه داده حدود ۱۵۹.۶ میلیون سند را در ۱۹ حوزه مختلف STEM پوشش می‌دهد و به سه سطح دشواری تقسیم شده است: دبیرستان، دانشگاه و حرفه‌ای.

QVAC این مجموعه داده را بر اساس دو روش آموزشی متمایز تقسیم کرده است. روش اول، که “استدلال مبتنی بر گزینه” (Option-Level – OL) نام دارد، مدل‌ها را با تمرکز بر پاسخ‌های صحیح و منطق پشت آن‌ها آموزش می‌دهد و ۱۰۸.۶۷ میلیارد توکن را به خود اختصاص داده است. روش دوم، “تحلیل شکست” (Failure Analysis – FA)، رویکردی معکوس دارد: مدل‌ها را بر اساس خطاها و چرایی نادرست بودن آن‌ها آموزش می‌دهد و ۸۲.۷۶ میلیارد توکن دیگر را به این مجموعه اضافه می‌کند.

مدلی که تنها با بخش OL آموزش دیده بود، نرخ پاسخگویی چشمگیر ۹۹.۴۵ درصدی را به ثبت رساند. اما مدل‌های آموزش‌دیده با کل مجموعه داده، در بنچمارک‌های مقایسه‌ای داستانی قانع‌کننده‌تر را روایت کردند. در مقایسه با Cosmopedia-v2، یک مجموعه داده مبنای شناخته‌شده، مدل‌های آموزش‌دیده با Genesis III در ARC-Easy ۲۸.۵۷ امتیاز، در ARC-Challenge ۲۱.۳۵ امتیاز و در MMLU STEM ۱۵.۰۳ امتیاز بهبود نشان دادند.

Genesis III اوج یک سری است که با Genesis I آغاز شد؛ این مجموعه داده در ۲۴ اکتبر ۲۰۲۵ با ۴۰.۹۱ میلیارد توکن منتشر شد. Genesis II در ۲۲ دسامبر ۲۰۲۵ با گسترش پوشش به ۱۹ حوزه و افزودن ۱۰۷.۴۶ میلیارد توکن منتشر شد. Genesis III که در ۲۳ سپتامبر ۲۰۲۶ منتشر شد، این سه‌گانه را کامل می‌کند.

تتر این مجموعه داده را تحت مجوز CC-BY-NC 4.0 منتشر کرده است، به این معنی که هر کسی می‌تواند از آن برای تحقیقات و آموزش غیرتجاری استفاده کند. خود مدل نیز دارای مجوز Apache 2.0 است که انعطاف‌پذیرتر بوده و استفاده تجاری را نیز مجاز می‌داند.

تتر به طور مداوم در حال تنوع بخشیدن به فعالیت‌های خود فراتر از استیبل‌کوین‌ها بوده است. هدف اعلام شده، دموکراتیزه کردن دسترسی به ابزارهای آموزشی هوش مصنوعی و فراهم کردن امکان آموزش محلی و پشتیبانی فنی بدون اتکا به خدمات ابری متمرکز است.

شرکت Ema، پیشرو در هوش مصنوعی سازمانی، ۸۰ میلیون دلار جذب کرد

شرکت نوپای Ema که در زمینه توسعه عامل‌های هوش مصنوعی خودکار برای مدیریت فرآیندهای پیچیده کسب‌وکار فعالیت می‌کند، موفق به جذب سرمایه جدیدی به ارزش تقریبی ۸۰ میلیون دلار شد. این دور تأمین مالی، ارزش این شرکت را به حدود ۸۰۰ میلیون دلار رسانده است که نشان‌دهنده جهشی دو تا سه برابری نسبت به دورهای ارزش‌گذاری قبلی در سال ۲۰۲۴ است.

با این دور جدید جذب سرمایه، Ema از زمان تأسیس خود در سال ۲۰۲۳ تاکنون حدود ۱۴۰ میلیون دلار سرمایه جمع‌آوری کرده است. رهبری این دور از سرمایه‌گذاری بر عهده شرکت Creaegis بوده است. این اتفاق در حالی رخ می‌دهد که بازار هوش مصنوعی سازمانی وارد مرحله‌ای شده است که اشتیاق سرمایه‌گذاران به شرکت‌های فعال در حوزه “هوش مصنوعی عامل‌محور” (agentic AI) – شرکت‌هایی که سیستم‌هایی را برای اجرای مستقل وظایف چندمرحله‌ای توسعه می‌دهند – به شدت افزایش یافته است.

مسیر رشد Ema، حتی با استانداردهای دره سیلیکون، بسیار سریع بوده است. این شرکت مستقر در مانتین ویو کالیفرنیا، در مارس ۲۰۲۴ با جذب ۲۵ میلیون دلار از حالت پنهان خارج شد. تا ژوئیه ۲۰۲۴، ۳۶ میلیون دلار دیگر به این مبلغ اضافه کرد و مجموع سرمایه خود را در آن مقطع به ۶۱ میلیون دلار رساند.

این شرکت بیش از ۵۰ مشتری سازمانی را به خود جلب کرده است که از جمله آن‌ها می‌توان به ADP، Wipro و PwC اشاره کرد.

محصول اصلی Ema بر روی لایه‌ای به نام “EmaFusion” متمرکز است؛ این لایه، هماهنگ‌کننده بیش از ۴۰ مدل زبان بزرگ (LLM) برای مدیریت وظایف سازمانی است. در بالای این لایه، موتور گردش کار مولد (Generative Workflow Engine) قرار دارد که برای اتوماسیون سرتاسری در بخش‌های منابع انسانی، مالی، پشتیبانی مشتری و سایر کارکردهای تجاری طراحی شده است. این پلتفرم با بیش از ۲۰۰ برنامه و سیستم سازمانی ادغام می‌شود.

برای شرکت‌هایی که نسبت به ارسال داده‌های حساس به سرورهای خارجی نگرانی دارند، Ema گزینه‌های استقرار داخلی (on-premises) را از طریق چارچوب‌های Azure و Google Cloud نیز ارائه می‌دهد.

مدیرعامل Ema، سورو جیت چاترجی (Surojit Chatterjee)، پیش از این به عنوان مدیر ارشد محصول در Coinbase فعالیت می‌کرد.

سولانا در آستانه ارتقای بزرگ سرعت؛ آیا قیمت SOL به ۱۵۰ دلار می‌رسد؟

ارز دیجیتال سولانا (SOL) در حال حاضر با قیمتی نزدیک به ۱۱۷ دلار معامله می‌شود که نشان‌دهنده کاهش ۰.۷۸ درصدی در روز است. این در حالی است که بزرگترین بازنگری ساختاری شبکه سولانا در سال‌های اخیر، با موفقیت یک نقطه عطف حیاتی در تست را پشت سر گذاشته است. عددی کلیدی در این خبر وجود دارد که معامله‌گرانی که به دنبال موج صعودی بعدی هستند، باید پیش از ثبت سفارش جدید، به آن توجه کنند.

ارتقای Alpenglow و کاهش چشمگیر زمان نهایی شدن تراکنش‌ها

توسعه‌دهندگان، ارتقای Alpenglow را بر روی شبکه آزمایشی عمومی سولانا (public testnet) مستقر کرده‌اند. هدف اصلی این ارتقا، کاهش زمان نهایی شدن تراکنش‌ها از حدود ۱۳ ثانیه به ۰.۱۵ ثانیه است. این امر با جایگزینی مکانیزم اجماع فعلی TowerBFT با یک پروتکل رأی‌گیری جدید به نام Votor محقق خواهد شد.

اعتبارسنج‌هایی که از Agave 4.3 استفاده می‌کنند، اکنون می‌توانند این مهاجرت را بر روی یک نسخه زنده از شبکه بدون ریسک کردن وجوه واقعی، آزمایش کنند. این مرحله پس از بیش از چهار ماه آزمایش در یک محیط آزمایشی اختصاصی صورت گرفته است.

شرکت Anza، که مسئولیت نگهداری از Agave را بر عهده دارد، این اقدام را از طریق ردیاب ویژگی‌های خود تأیید کرده است. فعال‌سازی بر روی شبکه اصلی (mainnet) در حال حاضر برای حدود ۲۸ سپتامبر برنامه‌ریزی شده است.

تقاضای قوی برای ETFهای سولانا و افزایش حجم تراکنش‌ها

تقاضا برای صندوق‌های قابل معامله در بورس (ETF) مبتنی بر سولانا همچنان قوی است. در تاریخ ۲۱ سپتامبر، شاهد ورود خالص ۲۶.۱ میلیون دلاری به این ETFها بودیم که جریان‌های تجمعی ردیابی شده را به ۱.۴۴ میلیارد دلار رساند. این اقدام به دنبال ۱۲ هفته متوالی ورود هفتگی است که نشان‌دهنده علاقه مداوم سرمایه‌گذاران، علی‌رغم نوسانات اخیر بازار است.

زمان‌بندی این رویدادها اهمیت ویژه‌ای دارد. ETFهای اسپات سولانا در تاریخ ۲۱ سپتامبر ۲۶.۱ میلیون دلار ورود خالص را جذب کردند. معیارهای استفاده از شبکه، از جمله ۲۳.۲ میلیون تراکنش عامل هوش مصنوعی x402 در چهار هفته گذشته، نشان‌دهنده افزایش تقاضای نهادی و لایه برنامه‌های کاربردی در آستانه این ارتقا است.

تحلیل تکنیکال و سطوح کلیدی قیمت SOL

قیمت SOL/USD در حال حاضر لبه پایینی باند مقاومت بین ۱۱۶ تا ۱۲۳.۳۵ دلار را آزمایش می‌کند. این سطحی است که برای باز شدن مسیر به سمت ۱۳۷.۶۵ دلار و در نهایت ۱۴۴.۷۶ دلار، نیاز به عبور قاطعانه از آن دارد.

شاخص قدرت نسبی (RSI) چهار ساعته که نزدیک به ۷۱ قرار دارد، داستانی دوگانه را روایت می‌کند: شتاب (momentum) واقعی است، اما این خوانش همچنین نشان‌دهنده کشیدگی بازار است؛ بازاری که در آن عقب‌نشینی غیرمنتظره نخواهد بود.

سطح حمایتی در حدود ۱۱۴.۶۷ دلار قرار دارد و در صورت وخامت اوضاع، یک کف عمیق‌تر در نزدیکی ۱۰۶.۹۵ دلار وجود دارد.

شایان ذکر است که دیوارهای خرید (buying walls) در سطوح ۱۲۳ و ۱۳۲ دلار وجود دارند و ۱۵۰ دلار به عنوان هدف صعودی اجماع در صورت عبور از هر دو سطح ظاهر می‌شود.

سناریوی پایه (base case) نشان می‌دهد که SOL تا زمان فعال‌سازی Alpenglow در ۲۸ سپتامبر، در برابر مقاومت در نوسان خواهد بود و از این کاتالیزور به عنوان ماشه ای برای تلاش برای شکستن مقاومت استفاده خواهد کرد.

سناریوی نزولی (bear case) بیان می‌کند که رد شدن در محدوده ۱۲۰ تا ۱۲۳ دلار، قیمت را به سمت تست مجدد ۱۱۴.۶۷ دلار باز می‌گرداند و بحث ۱۵۰ دلاری را به تعویق می‌اندازد.

حجم معاملات را در هر تست مقاومت زیر نظر داشته باشید؛ فشار کم‌حجم از میان ۱۲۳ دلار، به مراتب کمتر از فشاری که با حجم واقعی پشتیبانی می‌شود، قانع‌کننده خواهد بود.

برای درک عمیق‌تر نحوه تعامل این ارتقا با روند ظرفیت و پذیرش، می‌توانید این به‌روزرسانی اخیر زیرساخت سولانا را مشاهده کنید.

هر کسی که SOL را از محدوده زیر ۱۰۰ دلار خریداری کرده است، در موقعیت راحتی قرار دارد. اما خرید در حال حاضر، با تعقیب توکنی که در هفت روز گذشته ۲۲.۵۷ درصد افزایش یافته و به مقاومت نزدیک می‌شود، محاسبات ریسک متفاوتی را می‌طلبد؛ پول آسان در این موج تا حد زیادی به دست آمده است.

این امر برخی از معامله‌گران را به سمت سرمایه‌گذاری‌های زودتر با فضای رشد بیشتر سوق می‌دهد و زیرساخت‌های بین زنجیره‌ای (cross-chain infrastructure) یکی از فعال‌ترین گوشه‌های این جستجو در حال حاضر است.

LiquidChain (LIQUID) در حال ساخت یک محیط اجرایی لایه ۳ است که برای ادغام نقدینگی بیت‌کوین، اتریوم و سولانا در یک لایه واحد طراحی شده است؛ مدلی “یک بار مستقر کن، همه جا دسترسی داشته باش” برای توسعه‌دهندگانی که از پراکندگی نقدینگی در زنجیره‌ها خسته شده‌اند.

پیش‌فروش این توکن با قیمت ۰.۰۱۴۹۵۸ دلار برای هر توکن قیمت‌گذاری شده و تاکنون ۹۷۱,۶۸۰.۱۷ دلار جمع‌آوری شده است. ویژگی‌های اصلی شامل اجرای تک مرحله‌ای و تسویه قابل تأیید است که هدف آن حذف اصطکاک پل زدن بین اکوسیستم‌ها است. مانند هر پیش‌فروشی، هنوز بازار ثانویه‌ای وجود ندارد و تضمینی برای تحقق نقشه راه در شبکه اصلی وجود ندارد؛ بررسی دقیق در اینجا اهمیت دارد.

کسانی که به دنبال ارتباط سولانا و LiquidChain هستند، می‌توانند پیش از تصمیم‌گیری، تحقیقات بیشتری در مورد LiquidChain انجام دهند.

Anthropic مدل Claude Opus 5.5 را با کاهش هزینه و بهبود عملکرد عرضه کرد

شرکت Anthropic به طور رسمی مدل Claude Opus 5.5 را معرفی کرد. این به‌روزرسانی با کاهش ۲۰ درصدی هزینه‌های ورودی و خروجی، ۶۰ درصدی در خواندن حافظه پنهان و ۵۰ درصدی در پردازش دسته‌ای، صرفه‌جویی قابل توجهی را برای تیم‌هایی که به طور گسترده از این مدل استفاده می‌کنند، به ارمغان می‌آورد. با این حال، توسعه‌دهندگان باید توجه داشته باشند که استفاده مستقیم از کد Opus 5 ممکن است به دلیل چهار تغییر در سازگاری، با خطا مواجه شود.

کاهش هزینه‌ها و افزایش سرعت

توسعه‌دهندگان با تمرکز صرف بر کاهش ۲۰ درصدی هزینه‌های ورودی و خروجی، ممکن است مهم‌ترین جنبه این به‌روزرسانی را نادیده بگیرند. Anthropic در اطلاعیه رسمی خود اعلام کرده است که Claude Opus 5.5 برای انجام وظایف مشابه، به توکن‌های کمتری نیاز دارد و سرعت خروجی آن بیش از ۳۰ درصد افزایش یافته است. در نتیجه، هزینه کلی برای بارهای کاری معمول حدود ۴۰ درصد کاهش یافته است. برای تیم‌هایی که تماس‌های مکرر و در مقیاس بزرگ دارند، کاهش هزینه خواندن حافظه پنهان به ۰.۰۵ برابر قیمت ورودی پایه و نیم‌بها شدن پردازش دسته‌ای، تفاوت چشمگیری را در صورت‌حساب ایجاد خواهد کرد.

نکته کوچکی نیز وجود دارد: مستندات توسعه‌دهندگان Anthropic ذکر می‌کند که چهار تغییر در سازگاری باعث می‌شود پروژه‌هایی که از کد قدیمی Opus 5 استفاده می‌کنند، مستقیماً با خطا مواجه شوند. اگر قبل از مطالعه مستندات، شناسه مدل را به claude-opus-5-5 تغییر دهید، ممکن است با مجموعه‌ای از خطاهای ۴۰۰ مواجه شوید.

جزئیات قیمت‌گذاری و قابلیت‌های جدید

با مقایسه جدول قیمت‌گذاری Opus 5.5 و Opus 5، مشاهده می‌شود که قیمت پایه ورودی و خروجی تنها ۲۰ درصد کاهش یافته است. تفاوت واقعی در سه حوزه ایجاد می‌شود: خواندن حافظه پنهان، پردازش دسته‌ای و حالت سریع (fast mode) که منحصراً برای Claude API در دسترس است (پیش‌نمایش تحقیقاتی با سرعت تا ۲.۵ برابر، که در Claude Code نیز قابل استفاده است، اما در Bedrock، Google Cloud و Microsoft Foundry پشتیبانی نمی‌شود).

هزینه خواندن حافظه پنهان به ۰.۲۰ دلار کاهش یافته است که معادل ۰.۰۵ برابر قیمت ورودی پایه است. هزینه نوشتن حافظه پنهان ۵ دقیقه‌ای از ۶.۲۵ دلار به ۵ دلار و هزینه نوشتن حافظه پنهان ۱ ساعته به ۸ دلار کاهش یافته است.

پردازش دسته‌ای نیز با هزینه ورودی ۲ دلار و خروجی ۱۰ دلار، مستقیماً نیم‌بها شده است. حالت سریع با قیمت بالاتری عرضه می‌شود، به طوری که ورودی و خروجی به ترتیب ۸ دلار و ۴۰ دلار هزینه دارد، که در ازای آن سرعت خروجی تا ۲.۵ برابر افزایش می‌یابد. Anthropic اعلام کرده است که محدودیت استفاده ۵ ساعته برای طرح‌های Pro، Max، Team و Enterprise نیز افزایش یافته است.

تغییرات سازگاری و نکات مهم برای توسعه‌دهندگان

مستندات توسعه‌دهندگان Anthropic چهار تغییر ناسازگار را فهرست کرده است که استفاده مستقیم از کد Opus 5 با تغییر شناسه مدل به claude-opus-5-5 را با مشکل مواجه می‌کند:

۱. حالت تفکر غیرقابل غیرفعال‌سازی: ارسال پارامترهای thinking disabled یا budget_tokens با خطای ۴۰۰ مواجه می‌شود. برای کنترل عمق تفکر باید از پارامتر effort استفاده کرد.
۲. عدم پشتیبانی از فراخوانی اجباری ابزار: تنظیم tool_choice بر روی any یا انتخاب ابزار خاص با خطای ۴۰۰ مواجه می‌شود. باید از auto همراه با تعریف ابزار دقیق استفاده کرد یا به خروجی ساختاریافته روی آورد.
۳. وابستگی تفکر به مدل و مکالمه: بلوک‌های تفکر در Opus 5.5 تنها توسط Fable 5.1 و Mythos 5.1 قابل درک هستند. برای حساب‌های کاربری که پس از ۳۱ اوت ۲۰۲۶ ایجاد شده‌اند، تغییر متن قبلی مکالمه و ارسال مجدد آن، به دلیل مکانیزم “preserved thinking” برای جلوگیری از تقطیر، با خطای ۴۰۰ مواجه خواهد شد.
۴. به‌روزرسانی نسخه ابزار عملیات کامپیوتری: در Claude API و Google Cloud، نسخه قدیمی computer20251124 دیگر پذیرفته نمی‌شود و باید از computertoolset_20260801 استفاده کرد. Bedrock تحت تأثیر این تغییر قرار نگرفته است.

علاوه بر این چهار تغییر اجباری، یک تفاوت رفتاری دیگر نیز وجود دارد که اغلب نادیده گرفته می‌شود: سطح پیش‌فرض effort از high به medium کاهش یافته است. درخواست‌هایی که به طور خاص مشخص نشده‌اند، به طور پیش‌فرض با سطح medium اجرا می‌شوند. Anthropic توصیه می‌کند توسعه‌دهندگان به طور صریح effort را مشخص کنند. در همان سطح effort، میزان تفکر در هر دور در Opus 5.5 افزایش یافته است. متنی که قبلاً بین فراخوانی ابزارها خروجی داده می‌شد، اکنون به طور پیش‌فرض در یک بلوک تفکر خالی قرار می‌گیرد. برنامه‌هایی که از این متن برای نمایش پیشرفت استفاده می‌کردند، اکنون رابط کاربری آرام‌تری خواهند داشت.

دقت در خواندن تصاویر و اسکرین‌شات‌ها به طور قابل توجهی افزایش یافته است، در حالی که سقف زمینه (context) ۱ میلیون توکن و سقف خروجی ۱۲۸ هزار توکن، مانند Opus 5، باقی مانده است.

امنیت و عملکرد در مقایسه با رقبا

Anthropic اعلام کرده است که Opus 5.5 بهترین عملکرد را در میان مدل‌های قبلی در ممیزی رفتار خودکار داشته است. در تست‌های تزریق پرامپت Gray Swan، این مدل در کنار Fable 5.1 کمترین نرخ موفقیت را داشته و تلاش برای عبور از مرزهای بسته حدود ۸۵ درصد کمتر از Opus 5 و Mythos 5.1 بوده است.

این شرکت همچنین یک طبقه‌بندی‌کننده ایمنی زیستی جدید اضافه کرده است و بسیاری از وظایف امنیتی توسط Opus 4.8 انجام می‌شود. برنامه تأیید سایبری (Cyber Verification Program) برای درخواست‌های خارجی راه‌اندازی شده است و ارزیابی‌های خارجی توسط METR و Frontier Design انجام می‌شود. برای انطباق با قانون هوش مصنوعی اتحادیه اروپا، Anthropic اقدامات واترمارکینگ را نیز اضافه کرده است.

در زمینه بنچمارک‌ها، Opus 5.5 در همه موارد پیشتاز نیست. در AutomationBench، GPT-6 Astra با ۴۱.۴ درصد عملکرد بهتری نسبت به Opus 5.5 با ۴۰.۰ درصد داشته است. در Terminal-Bench-Science 0.1، GPT-6 Astra با ۶۴.۶ درصد، بسیار بالاتر از ۵۸.۷ درصد Opus 5.5 قرار گرفته است.

Anthropic خود تأکید می‌کند که در Terminal-Bench 4.0، دستیابی به نتایج مشابه GPT-6 Astra تنها حدود ۴۰ درصد هزینه داشته و در FrontierCode، برتری بر GPT-6 Astra تنها حدود ۲۰ درصد هزینه در بر داشته است. این شرکت بیشتر بر نسبت عملکرد به هزینه تمرکز دارد تا صرفاً امتیازات بنچمارک.

بلک‌راک نقشه راهی برای اقتصادی مبتنی بر هوش مصنوعی ترسیم می‌کند: قدرت محاسباتی به دارایی دیجیتال تبدیل می‌شود

تیم تحقیقات دارایی‌های دیجیتال بلک‌راک (BlackRock) با انتشار مقاله‌ای سفید، چشم‌اندازی را ترسیم کرده است که در آن قدرت محاسباتی هوش مصنوعی به عنوان دارایی‌های دیجیتال توکنیزه شده قیمت‌گذاری، تأمین مالی و معامله می‌شود. این مقاله که با عنوان «اقتصاد بومی ماشین: چگونه دارایی‌های دیجیتال هوش، تجارت و محاسبات را به هم متصل می‌کنند» منتشر شده، دنیایی را تصور می‌کند که در آن پردازنده‌های گرافیکی (GPU) به طلای جدید تبدیل شده‌اند.

همگرایی هوش مصنوعی و امور مالی قابل برنامه‌ریزی

این مقاله سه حوزه اصلی را شناسایی می‌کند که در آن‌ها هوش مصنوعی و امور مالی قابل برنامه‌ریزی در حال همگرا شدن هستند: پرداخت‌های خودکار ماشین به ماشین، دارایی‌های مالی توکنیزه شده و بازارهای نوظهور برای ظرفیت محاسباتی.

بازارهای جدید برای ظرفیت محاسباتی

موضوع بازارهای ظرفیت محاسباتی بیش از سایر بخش‌ها توجه را به خود جلب کرده است. محققان بلک‌راک استدلال می‌کنند که قراردادهای دیجیتال استاندارد شده، که اساساً ادعاهایی بر منابع محاسباتی هستند، می‌توانند به ابزارهایی برای تأمین مالی و تسویه قابل برنامه‌ریزی تبدیل شوند. عاملان هوش مصنوعی بر اساس عواملی مانند قیمت، عملکرد و تأخیر تراکنش انجام خواهند داد و ارائه‌دهندگان خدمات محاسباتی را به همان شیوه‌ای انتخاب می‌کنند که یک الگوریتم ارزان‌ترین پرواز را انتخاب می‌کند.

مقیاس فرصت اقتصادی

مقیاس این فرصت قابل توجه است. این مقاله تخمین می‌زند که درآمد حاصل از خدمات ابری هایپرسکیلر (hyperscaler) تا سال ۲۰۳۰ به حدود ۱.۱ تریلیون دلار در سال خواهد رسید که نشان‌دهنده نرخ رشد سالانه مرکب ۲۹ درصدی از سال ۲۰۲۵ است.

در این مقاله آمده است: «محاسبات به عنوان یک بازار جدید و بالقوه بزرگ برای دارایی‌های دیجیتال در حال ظهور است.» این جمله زمانی که از سوی شرکتی با بیش از ۱۰ تریلیون دلار دارایی تحت مدیریت بیان می‌شود، وزن بیشتری پیدا می‌کند.

زیرساخت‌های پرداخت ماشین به ماشین

این تحقیق همچنین پروتکل‌های پرداخت عاملانه (agentic payment protocols) مانند x402 و پروتکل پرداخت ماشین (Machine Payments Protocol) را به عنوان زیرساخت‌های اساسی برای تراکنش‌های آغاز شده توسط ماشین برجسته می‌کند. این‌ها سیستم‌های زیربنایی هستند که به عاملان هوش مصنوعی اجازه می‌دهند تا به طور مستقل برای محاسبات مورد نیاز خود بدون نیاز به تأیید انسانی، هزینه پرداخت کنند.

رویکرد استراتژیک بلک‌راک

این اقدام بلک‌راک نشان‌دهنده ورود تصادفی به حوزه ارزهای دیجیتال نیست. این شرکت سال‌هاست که به طور سیستماتیک ردپای دارایی‌های دیجیتال خود را گسترش داده و صندوق BUIDL و محصولات بازار پول توکنیزه شده را راه‌اندازی کرده است که ابزارهای مالی سنتی را بر بستر بلاک‌چین قرار می‌دهند.

این مقاله سفید هیچ محصول جدیدی را اعلام نمی‌کند یا به توکن‌های موجود اشاره نمی‌کند. این یک سند تحقیقاتی است، نه یک راه‌اندازی محصول.

ملاحظات و چالش‌ها

بلک‌راک با دقت خاطرنشان می‌کند که این بازارها «در این مرحله عمدتاً گمانه‌زنی هستند». این شرکت تأکید می‌کند که زیرساخت‌های قوی در زمینه مجوزها، هویت و انطباق باید قبل از واقعی شدن این موارد ساخته شوند.

تأکید بر پرداخت‌های ماشین به ماشین نشان می‌دهد که بلک‌راک آینده‌ای را می‌بیند که در آن عاملان هوش مصنوعی به خودی خود بازیگران اقتصادی هستند، نه صرفاً ابزارهایی که انسان‌ها از آن‌ها استفاده می‌کنند. اگر سیستم‌های خودکار نیاز به خرید مداوم محاسبات، داده‌ها و خدمات داشته باشند، به مسیرهای مالی نیاز خواهند داشت که با سرعت ماشین عمل کنند.

پیش‌بینی درآمد ۱.۱ تریلیون دلاری برای خدمات ابری هایپرسکیلر تا سال ۲۰۳۰، هدف مشخصی را برای بزرگی این بازار قابل آدرس‌دهی ارائه می‌دهد. حتی اگر محاسبات توکنیزه شده درصد کمی از این کل را به خود اختصاص دهد، باز هم بازاری بزرگتر از اکثر بخش‌های موجود ارزهای دیجیتال خواهد بود.

عرض مدل جدید Anthropic: کاهش هزینه، افزایش سرعت و امنیت بیشتر

شرکت Anthropic با عرضه آخرین مدل خود، ترکیبی نادر در دنیای هوش مصنوعی را به نمایش گذاشته است: این مدل هم ارزان‌تر است، هم سریع‌تر عمل می‌کند و هم در برابر دستکاری مقاوم‌تر از نسل قبلی خود است. Claude Opus 5.5 که در تاریخ ۲۲ سپتامبر ۲۰۲۶ عرضه شد، با کاهش ۴۰ درصدی هزینه‌های عملیاتی کلی نسبت به Claude Opus 5 که تنها دو ماه پیش عرضه شده بود، خبرساز شده است.

ساختار قیمت‌گذاری

ساختار قیمت‌گذاری این مدل، گویاترین داستان را روایت می‌کند. هزینه توکن‌های ورودی اکنون به ازای هر میلیون، ۴ دلار و توکن‌های خروجی ۲۰ دلار است که هر کدام نشان‌دهنده کاهش ۲۰ درصدی نسبت به نرخ‌های ۵ و ۲۵ دلاری Opus 5 است. هزینه‌های خواندن حافظه پنهان (cache reads) حتی بیشتر کاهش یافته و با افت ۶۰ درصدی به ۰.۲۰ دلار به ازای هر میلیون توکن رسیده است.

عملکرد و قابلیت‌ها

این مدل همچنین بیش از ۳۰ درصد سریع‌تر از نسل پیشین خود خروجی تولید می‌کند؛ امری که برای پرس‌وجوهای معمولی اهمیت کمتری دارد اما برای وظایف پیچیده و زنجیره‌ای که نیازمند ده‌ها فراخوانی مدل هستند، بسیار حیاتی است. Anthropic مدل Opus 5.5 را به طور خاص برای وظایف کدنویسی طولانی‌مدت و بارهای کاری حرفه‌ای طراحی کرده است و پنجره زمینه (context window) ۱ میلیون توکنی و حداکثر اندازه خروجی همزمان ۱۲۸ هزار توکن را برای آن در نظر گرفته است.

در معیارهای ارزیابی، این مدل در طیف وسیعی از ارزیابی‌های کدنویسی و دانش‌محور، با Claude Fable 5.1، محصول رده بالاتر Anthropic، برابری می‌کند یا از آن فراتر می‌رود. در معیار GDPval-AA v2.1، امتیاز ۱,۸۴۶ الو را کسب کرده است.

ارزیابی‌های مستقل و امنیت

ارزیابان مستقل، از جمله Frontier Design و METR، دریافتند که تلاش‌ها برای دور زدن محدودیت‌ها در مقایسه با Opus 5 و Mythos 5.1، ۸۵ درصد کاهش یافته است. این‌ها ارزیابی‌های خارجی هستند و نه آمارهای خوداظهاری. Anthropic مدل Opus 5.5 را به عنوان قوی‌ترین مدل خود در تست‌های جامع هم‌راستایی (alignment testing) تا به امروز معرفی کرده است.

مدیرعامل، داریو آمودئی، به دلیل نگرانی‌های ایمنی مداوم در سراسر صنعت، به طور علنی خواستار رویکردی سنجیده‌تر در انتشار قابلیت‌های جدید بوده است و تأکید بر هم‌راستایی در این عرضه، بازتاب‌دهنده این دیدگاه است. Anthropic اعلام کرده است که این مدل اکنون اطلاعات ضروری را اولویت‌بندی کرده و از اصطلاحات تخصصی می‌کاهد.

دسترسی و محدودیت‌ها

Opus 5.5 بلافاصله از طریق Claude API، Claude Platform، Amazon Bedrock و Google Cloud در دسترس است. مایکروسافت نیز به عنوان شریک توزیع معرفی شده است، که این مدل را همزمان با عرضه، در سه محیط ابری سازمانی غالب پوشش می‌دهد.

Anthropic همزمان با عرضه این مدل، محدودیت‌های استفاده را نیز افزایش داده است. مشترکان Pro، Max، Team و Enterprise از سقف استفاده پنج ساعته افزایش‌یافته بهره‌مند می‌شوند و گزینه‌های بازنشانی محدودیت نرخ (rate-limit resets) نیز در دسترس است.

گزارش‌های اولیه کاربران، وظایف مهاجرت کد را به عنوان یک مورد استفاده برجسته معرفی می‌کنند. بازسازی‌های در مقیاس بزرگ یا مهاجرت‌های چارچوبی با وقفه کمتر تکمیل می‌شوند که با هدف طراحی مدل برای ابزارهای توسعه‌دهندگان حرفه‌ای همخوانی دارد.

تیمی از دانشگاه تگزاس شرقی A&M راهکاری برای مقاومت بیت‌کوین در برابر کامپیوترهای کوانتومی ارائه داد

کامپیوترهای کوانتومی در حال حاضر قادر به شکستن بیت‌کوین نیستند، اما تیمی در دانشگاه تگزاس شرقی A&M منتظر وقوع این اتفاق نمانده و راهکاری برای مقابله با آن توسعه داده است.

محققان پردیس RELLIS این دانشگاه، در تاریخ ۱۲ سپتامبر ۲۰۲۶، پروژه‌ای به نام PQLN (مخفف Post-Quantum Lightning Network) را معرفی کردند. این اولین پیاده‌سازی عملی است که رمزنگاری مقاوم در برابر کوانتوم را به شبکه مقیاس‌پذیری لایه دوم بیت‌کوین، یعنی شبکه لایتنینگ، اضافه می‌کند. کد کامل این پروژه که شامل نزدیک به ۱۱ هزار خط کد اضافه شده به یک فورک از rust-lightning است، هم‌اکنون در GitHub در دسترس قرار دارد.

شبکه لایتنینگ به کاربران بیت‌کوین اجازه می‌دهد تا تراکنش‌های خارج از زنجیره اصلی (off-chain) را انجام دهند. این بدان معناست که می‌توانند پرداخت‌ها را بدون نیاز به انتظار برای تسویه هر تراکنش در بلاک‌چین اصلی، ارسال و دریافت کنند. این سرعت بالا با یک بده‌بستان همراه است: شبکه لایتنینگ به همان رمزنگاری منحنی بیضوی (به طور خاص secp256k1) متکی است که امنیت خود بیت‌کوین را نیز تامین می‌کند. اگر یک کامپیوتر کوانتومی به اندازه کافی قدرتمند بتواند این محاسبات را بشکند، هر دو لایه در معرض خطر قرار خواهند گرفت.

PQLN رمزنگاری موجود را حذف نمی‌کند، بلکه الگوریتم‌های مبتنی بر لاتیس (lattice-based) را بر روی آن لایه‌بندی می‌کند. دو ابزار مبتنی بر لاتیس در این مجموعه، ML-DSA برای امضاهای دیجیتال و ML-KEM برای تبادل کلید هستند. هر دو از خانواده الگوریتم‌هایی هستند که موسسه ملی استاندارد و فناوری ایالات متحده (NIST) برای سناریوهای مشابه در حال استانداردسازی آن‌ها بوده است.

این پیاده‌سازی پنج حوزه حیاتی عملیات شبکه لایتنینگ را پوشش می‌دهد: انتشار اخبار (نحوه اشتراک‌گذاری اطلاعات شبکه توسط گره‌ها)، انتقال همتا به همتا، صورت‌حساب‌ها، پیازهای پرداخت (لایه حریم خصوصی مسیریابی) و پیشنهادات از طریق چارچوب مشخصات BOLT. احمد کورت، یکی از نویسندگان مقاله، و همکارانش این سیستم را به گونه‌ای طراحی کرده‌اند که گره‌های ارتقا یافته همچنان بتوانند با گره‌های قدیمی (legacy) ارتباط برقرار کنند.

ارزیابی عملکرد و چالش‌ها

بنچمارک‌های PQLN نشان می‌دهند که تاثیرات منفی قابل مدیریت هستند. عملیات رمزنگاری اضافه شده، زمان پردازش هر عملیات را به ۰.۳۳ میلی‌ثانیه یا کمتر محدود می‌کند.

وضعیت پهنای باند کمی پیچیده‌تر است. دانلود اخبار تحت تنظیمات پیش‌فرض ML-DSA در PQLN، حدود ۱۰ برابر افزایش می‌یابد. با این حال، محققان یک طرح امضای جایگزین به نام Falcon را آزمایش کردند که این سربار را به حدود ۴ برابر کاهش می‌دهد.

آزمون‌های قابلیت همکاری، تمامی ۱۲ سناریوی ممکن ترکیب گره‌ها را پوشش دادند و گره‌های ارتقا یافته و قدیمی را در هر ترکیبی جفت کردند. نتیجه: صفر پرداخت ناموفق در تمام پیکربندی‌ها.

محدودیت‌های کلیدی

یک نکته مهم در طراحی PQLN وجود دارد. این سیستم ارتباطات و لایه‌های مسیریابی شبکه لایتنینگ را امن می‌کند، اما از وجوه واقعی کانال‌ها یا هرگونه عنصر بیت‌کوین در زنجیره اصلی (on-chain) محافظت نمی‌کند. دلیل این امر ساده است: تغییر نحوه پردازش رمزنگاری در لایه پایه بیت‌کوین نیازمند یک ارتقاء اجماع است، به این معنی که کل شبکه ماینرها و اپراتورهای گره باید با قوانین جدید موافقت کنند.

بحث‌ها در مورد PQLN در عرض چند روز پس از انتشار مقاله در arXiv، در پلتفرم‌های Delving Bitcoin و BitcoinTalk آغاز شد. انتشار کد منبع باز، همراه با یک گره نمونه اصلاح شده، موانع را برای سایر پیاده‌سازی‌های شبکه لایتنینگ جهت مطالعه و احتمالاً پذیرش این رویکرد کاهش می‌دهد.