إذا كان الجزء الأول من InfoFi يتعلق بقياس الانتباه، فإن الجزء الثاني يتعلق بتحويله إلى عائد مادي. مع قيام البروتوكولات بتقييم وتحويل التأثير إلى رموز، يظهر سؤال جديد: هل يمكن لهذه الأنظمة إنشاء اقتصادات مستدامة - أم أنها تضخم ضجيجًا ماليًا؟

سيقوم فريق أبحاث CoinEx بتحليل التأثيرات الثانوية لنماذج InfoFi وتقييم ما يلزم لجعل أسواق الانتباه لامركزية حقًا وقابلة للتشغيل البيني وذات معنى.

ثلاثة نماذج أساسية لتمويل الانتباه: Kaito وNoise وCookie

Kaito: تعدين السرديات ودورة التغذية الراجعة

يمثل Kaito النسخة الأكثر اكتمالاً من دورة التغذية الراجعة من الاجتماعي إلى رأس المال. يكافئ نظام Yaps الخاص به المستخدمين على إنشاء محتوى مرتبط بالعملات المشفرة، ويتضمن نظامه البيئي:

لوحات صدارة ما قبل TGE التي تقيس حصة المشروع من الاهتمام؛
تصنيفات Yapper التي تحدد الأهلية للحصول على توزيعات الرموز؛
وحدات Kaito Earns التي تربط التأثير بفرص الاستثمار.

الدورة محكمة ومتكررة: محتوى → Yaps → تعرض → توزيع مجاني → المزيد من المحتوى. إنها ليست مجرد بنية تحتية لاقتصاد المبدعين - إنها قمع محفز للمضاربة على السرديات.

أثبتت هذه الحلقة قوتها. ربطت كل من Berachain وStory Protocol معايير التوزيع المجاني الخاصة بهما بمقاييس Kaito، مما يضفي الشرعية على Yaps كبديل لحقوق ملكية التأثير. ومع ذلك، فهذا يعني أيضًا أن خوارزمية Kaito تصبح الحكم الفعلي لمن يستحق رأس المال، مما يعيدنا إلى مشكلة التقييم غير الشفاف.

Noise: سوق مشتقات الانتباه

بينما يكافئ Kaito التأثير، يتاجر Noise به. يمكن للمستخدمين الدخول في صفقات طويلة أو قصيرة على حصة المشروع من الاهتمام - ليس سعر الرمز، بل رأس ماله الاجتماعي. إذا كنت تعتقد أن Farcaster يكتسب جاذبية سردية، يمكنك اتخاذ موقف طويل برافعة مالية على درجة الانتباه الخاصة به.

يستمد هذا النموذج إلهامه من أسواق التنبؤ مثل Polymarket، ولكن مع لمسة مختلفة: "الأصل" ليس الأحداث المستقبلية، بل التصور الحالي. يستخدم Noise حتى Kaito كمصدر وحيد لمعلومات الانتباه، مما يقدم سلسلة اعتماد مبتكرة وهشة في آن واحد.

الآثار المترتبة جذرية: لم يعد الانتباه مجرد إشارة - بل أصبح سلعة للمضاربة. ولكن عندما يتم تسعير تلك السلعة بناءً على مصدر بيانات واحد، يصبح السوق عرضة للتلاعب والتحيز والتشويه.

Cookie: البنية التحتية للتأثير القائم على البيانات

يتخذ Cookie مسارًا مختلفًا - أقل مضاربة، وأكثر بنيوية. أطروحته الأساسية هي أن التأثير هو دالة للبيانات الغنية بالسياق، وليس المشاركة الخام. يتتبع Cookie التفاعلات عبر تويتر وبيانات السلسلة لبناء ملفات تعريف متعددة الأبعاد لقادة الرأي، والتي يمكن استخدامها من قبل وكلاء الذكاء الاصطناعي والمسوقين والبروتوكولات.

على عكس Kaito أو Noise، لا يكافئ Cookie الانتباه فحسب - بل يحلله ويعبئه، بهدف أن يصبح طبقة ذكاء B2B لاقتصاد التأثير القابل للبرمجة. يبدأ إطلاقه الأخير لـ Snaps (درجة تعتمد على جودة المحتوى واتساقه) في إغلاق الحلقة بين المحتوى والمكافآت، بينما تشير واجهة برمجة تطبيقات Data Swarm إلى طموحات تتجاوز وسائل التواصل الاجتماعي بكثير.

معًا، يمثل Kaito وNoise وCookie ثلاثة نماذج أساسية لـ InfoFi:

Kaito: تقييم الانتباه ومكافأته وإعادة توزيعه.
Noise: تمويل الانتباه والمضاربة عليه.
Cookie: تنظيم وتوليف الانتباه لوكلاء الذكاء الاصطناعي.

يكشف كل نهج عن جزء من الفرصة - وجزء من المشكلة.

تجارب هشة: Loud وGiveRep وWallchain

Loud: حوافز بدون استمرارية

يمثل Loud أحد أوائل نماذج ترميز الانتباه الخالصة - مكافأة المستخدمين بناءً على مقاييس الظهور وإعادة توزيع رسوم التداول على المتفوقين. كان مفهوم عرض الانتباه الأولي (IAO) جريئًا، حيث قلب نماذج رأس المال التقليدية إلى تخصيص يعتمد على التأثير أولاً.

ومع ذلك، بدون آليات للحفاظ على الجودة أو تصفية المشاركة طويلة الأمد ، واجه النموذج صعوبة في الاحتفاظ بحصة مستدامة من الاهتمام. أصبحت موجات المحتوى قصيرة الأمد، وبمجرد أن هدأ الزخم المضاربي، فقد اقتصاد الرمز المميز أهميته.

الدرس المستفاد ليس أن Loud "فشل"، بل أن ترميز الظهور يتطلب أكثر من مجرد حوافز - إنه يتطلب مرشحات متعددة الطبقات لاستمرارية الإشارة والقيمة السياقية.

GiveRep: سمعة بدون تمييز

رؤية GiveRep - تحويل التفاعل الاجتماعي إلى سمعة على السلسلة - مقنعة وضرورية للغاية في ويب3. ومع ذلك، فإن هيكلها الحالي يعامل جميع الأنشطة بالتساوي، دون تحليل الوزن الدلالي للمساهمات.

تتلقى الإشارة من مساهم طويل الأمد وإعادة النشر العرضية معاملة متشابهة. بدون تسجيل نقاط حساس للجودة أو التحقق عبر المنصات، تصبح السمعة مقياسًا سطحيًا، وليس طبقة ثقة.

علاوة على ذلك، فإن نطاقها الحالي داخل نظام Sui البيئي يحد من تأثيرات الشبكة. لكي تتوسع مثل هذه الأنظمة بشكل هادف، يجب أن تكون قابلية التشغيل البيني والمرشحات الدلالية أساسية، وليست اختيارية.

Wallchain: نية لامركزية، ركيزة مركزية

يهدف Wallchain إلى قياس التأثير الحقيقي من خلال مقاييس مثل X Score ونقاط Quacks. تؤكد المنصة على المساهمة الأصيلة والتقييم اليومي عبر الذكاء الاصطناعي. ومع ذلك، فإن اعتمادها القوي على بيانات X (تويتر) يعني أن تقلبات مستوى المنصة - تغييرات الخوارزمية، وحدود واجهة برمجة التطبيقات، وتحولات الإشراف - يمكن أن تؤثر مباشرة على تسجيل التأثير.

هذا ليس عيبًا في التصميم، بل انعكاس لقيد أوسع في InfoFi: لا تزال مشاريع ويب3 تعتمد بشكل كبير على واجهات بيانات ويب2 . حتى تظهر ركائز انتباه أصلية وقابلة للتحقق، ستواجه العديد من أنظمة InfoFi نفس الهشاشة - على الرغم من تطلعاتها اللامركزية.

معضلة اللامركزية: بروتوكولات مع اعتماديات المنصة

مصادر بيانات مركزية، أغلفة لامركزية

على الرغم من طموحات InfoFi، فإن معظم المشاريع تبني على منصات مركزية مثل X (تويتر) - نقطة فشل واحدة للنظام بأكمله. عندما يتم استخلاص انتباه المستخدم من شبكات تحكمها جهات خاصة، تصبح غموض الخوارزميات وسياسات الإشراف وضوابط الوصول مخاطر أساسية.

سواء كان الأمر يتعلق بـ X Score من Wallchain، أو Yaps من Kaito، أو تصنيفات KOL من Fantasy.top، فإن نفس الضعف يستمر: مقاييس ويب3 مبنية على أرضية ويب2.

أنظمة التسجيل: حراس البوابات الغامضون الجدد

لا تزال معظم محركات تسجيل النقاط في InfoFi مغلقة المصدر، غير قابلة للتحقق، ومقاومة للتحدي . Yaps وQuacks وSnaps - كلها تحدد وصول المستخدم إلى المكافآت والإيردروبس والظهور - ومع ذلك فإن منطقها الداخلي مخفي.

هذا الغموض يعيد خلق نفس عدم تماثل الثقة الذي سعى ويب3 إلى حله . إذا كان سيتم تمويل التأثير، فيجب أن تكون النماذج وراءه قابلة للتدقيق والتركيب. وإلا، فإننا نستبدل صندوقًا أسود واحدًا (خوارزميات ويب2) بآخر.

مسرحية الحوكمة، وليس الملكية الحقيقية

تتبنى بعض المنصات سرديات موجهة للمجتمع (مثل رهان السمعة، والتخفيض الاجتماعي)، لكن القليل منها لديه أطر حوكمة ذات معنى. غالبًا ما تظل القرارات المتعلقة بأوزان التسجيل، أو عتبات لوحة المتصدرين، أو أهلية الإيردروب مركزية وراء فرق المنتج أو المجالس الاستشارية.

التلامركزية الحقيقية تتطلب أكثر من مجرد توزيع الرموز—إنها تحتاج إلى تحكم المستخدمين في نماذج البيانات التي تحدد الوصول ورأس المال والتأثير.

إمكانات البروتوكول: إلى أين يجب أن تتجه InfoFi بعد ذلك

وكلاء الذكاء الاصطناعي كمستهلكين أصليين لـ InfoFi

الجيل القادم من وكلاء الذكاء الاصطناعي لن يقوم فقط بمعالجة المعلومات—بل سيتعاملون على أساسها. مجموعات بيانات InfoFi—إشارات اجتماعية في الوقت الفعلي، واتجاهات السرد، ودرجات السمعة—هي مدخلات مثالية للوكلاء المستقلين الذين ينفذون استراتيجيات الاستثمار أو التنظيم أو البحث.

تخيل مدير محفظة ذكاء اصطناعي يستخدم مؤشر حصة العقول من Kaito لتعديل التعرض للرموز الناشئة. أو روبوت تقييم السمعة الذي يستخدم بيانات Wallchain وGiveRep للتحقق من المساهمين في البروتوكول. سيطلب هؤلاء الوكلاء بيانات منظمة وعالية النزاهة—مما يدفع InfoFi إلى تحسين جودة الإشارة والشفافية وقابلية التشغيل البيني.

هنا يمكن أن تصبح واجهات برمجة تطبيقات البيانات التي تركز على الذكاء الاصطناعي من Cookie برمجيات وسيطة حاسمة، تحول المحتوى البشري المشوش إلى ذكاء قابل للاستخدام من قبل الآلات.

التمويل اللامركزي: التمويل غير الموثوق يحتاج إلى سياق موثوق

لطالما افتقر التمويل اللامركزي إلى طبقة ائتمان أصلية. تعتمد معظم البروتوكولات على الضمانات المفرطة—ليس لأنها ترغب في ذلك، ولكن لأن ليس لديها طريقة لتسعير المخاطر.

يمكن لـ InfoFi المساعدة في إصلاح ذلك. يمكن لأنظمة السمعة على السلسلة مثل ملفات تعريف Ethos أن تسمح للمقرضين بتقييم المقترضين بما يتجاوز أرصدة المحافظ. يمكن للمقاييس التنبؤية من Kaito أو Cookie أن تدعم استراتيجيات العائد القائمة على الاهتمام. ويمكن أن تعمل مؤشرات حصة العقول كـ مدخلات مخاطر لنمذجة التقلبات وتسعير التأمين.

من خلال دمج السمعة والتأثير والاهتمام في التمويل اللامركزي، يمكن لـ InfoFi أن تمنح Web3 أخيرًا طبقة ثقة غير عمياء.

التحول الحاسم: من المنصة إلى البروتوكول

لن يحدث أي من هذا ما لم يكن لاعبو InfoFi على استعداد لـ اللامركزية الذاتية. وهذا يعني:

تحويل نماذج التقييم إلى وحدات مفتوحة المصدر؛
جعل الحوكمة قابلة للبرمجة وشاملة؛
بناء طبقات استيعاب البيانات التي لا تعتمد على المنصات القديمة.

الخلاصة: التأثير هو الأصل—ولكن فقط إذا كان قابلاً للتحقق

فتحت InfoFi حدودًا جديدة: معاملة المعلومات والاهتمام ورأس المال الاجتماعي كأصول اقتصادية سائلة. لكن الموجة الأولى من التجارب—مهما كانت طموحة—كشفت عن التكاليف الهيكلية للامركزية غير المكتملة، والتقييم غير الشفاف، والتصميم المضاربي.

ومع ذلك، لا تزال الأطروحة قوية. إذا كان Web3 سيهرب من ضوضاء وسائل الإعلام الخوارزمية ويعيد بناء الثقة في رواياته، فيجب أن يستثمر في بنية تحتية تجعل التأثير قابلاً للقياس وشفافًا وقابلاً للتركيب.

لن يتم الفوز بالمرحلة التالية من خلال آليات الضجيج أو تعدين لوحات المتصدرين. سيتم بناؤها على بيانات قابلة للتحقق، وبروتوكولات أصلية للذكاء الاصطناعي، وطبقات ثقة تتوسع مع السياق. مستقبل InfoFi لا يعتمد على من يجذب الانتباه—بل على من يمكنه إثبات قيمته.

تأثير إعادة التسعير في ويب3 (II): التمويل المالي للمعلومات