ARI ZAIM

I keep thinking about Newton Protocol recent bounce.

Not because the chart suddenly tells the whole story.

It doesn’t.

That is actually the part I think people are getting wrong.

Price action is easy to watch. It is loud. It gives everyone something to react to.

But Newton’s more interesting story is happening in a quieter place.

Behind the transaction.

Before anything moves.

Because once institutional vaults and AI agents start handling real capital onchain, the question changes fast.

It is no longer just, “Can this transaction execute?”

It becomes, “Should this transaction be allowed in the first place?”

That difference matters.

A strategy can look clean on a dashboard.

An agent can seem useful.

A vault action can look completely normal.

But without a clear policy layer sitting in front of it, one bad move can turn into a much bigger problem.

That is what makes Newton worth watching.

They are not just asking users to trust the system.

They are trying to make every action prove itself before it reaches the chain.

Vaults.

Agents.

Strategies.

Each one has to pass the rule check first.

And honestly, that may end up mattering more than the bounce.

Because if the next phase of onchain finance is only about speed, the risks will scale with it.

But if it is about safe, verifiable permission before execution, Newton is aiming at the right problem.

Now comes the hard part.

They have to prove the technology is bigger than the price move.

#Newt @NewtonProtocol $NEWT

🚨 "إذا كنتَ أقل من 40 عامًا، فالبيتكوين هي ذهبك الجديد."

القصة تتغيّر.

من الشك إلى القبول—تَصير البيتكوين من المستحيل تجاهلها. ₿🔥

أواصل التحديق في بروتوكول نيوتن لأن من السهل جدًا تجاهله بسرعة أكبر من اللازم.

في البداية، يبدو كأنه اسمٌ آخر يجمع بين الذكاء الاصطناعي والـ كريبتو، يتنافس على الانتباه.

أفهم الغريزة.

معظم هذا السوق درّب الناس على تجاهل أي شيء يبدو مُتقنًا بشكلٍ زائد، أو “في الوقت المناسب” بشكلٍ زائد، أو مرتبطًا كثيرًا بأي سردية تتحرك هذا الشهر.

لكنني لا أعتقد أن الجزء المثير في نيوتن هو تسمية الذكاء الاصطناعي.

أعتقد أن الجزء المثير هو “التحكم”.

نيوتن لا يقول فقط إن الوكلاء (agents) يجب أن يتصرفوا على السلسلة.

هو يسأل: من يملك الحق في إيقافهم؟

تبدو هذه الأسئلة مملة حتى يصبح المال حاضرًا.

ثم تتحول إلى السؤال الوحيد الذي يهم.

أعود باستمرار إلى النقطة نفسها: منح وكيل ذكاء اصطناعي إمكانية الوصول مرةً واحدة لا يعني الشيء نفسه مثل منحه إذنًا في كل مرة.

نيوتن يحاول البناء حول هذه الفجوة.

يضع المستخدمون القواعد.

يتم فحص إجراءٍ ما.

يقرر النظام ما إذا كان هذا الإجراء يطابق بالفعل ما كان مسموحًا به.

إن لم يفعل، يُفترض أن يفشل الإجراء قبل أن يصل إلى التسوية.

أعجبني هذه الفكرة لأنها تبدو أقل مثل عرضٍ ترويجي وأكثر مثل “ندبة”.

تعلمت الكريبتو، مرارًا وتكرارًا، أن ملاحظة الخطر بعد التنفيذ ليست إلا طريقةً أنظف لوصف الخسارة.

ومع ذلك، لا أتظاهر بأن هذا مُثبت بالفعل.

بيتا الـMainnet ما زالت في بدايتها.

قد يبدو البُنى التحتية أنيقة في الوثائق وما زالت تتعثر عندما يصل المستخدمون الحقيقيون، ورأس المال الحقيقي، والحالات الحدّية الفوضوية.

وهنا أبقى حذرًا.

النشاط التطويري الأخير يمنح القصة وزنًا أكبر، لكن النشاط ليس اعتمادًا.

طبقة السياسة تبدو مفيدة، لكن فائدة الشيء لا تهم إلا إذا قام المُنشئون فعلًا بربطها في مساراتٍ جادة.

تحتوي توكنات NEWT على أدوار داخل الحَوكمة، والـstaking، والغاز (gas)، وتحديثات الأذونات، ونشر الوكلاء (agent deployment)، لكن تصميم التوكن دائمًا يحتاج طلبًا حقيقيًا ليصبح أكثر من مجرد مخطط.

لذا لا أنظر إلى نيوتن كإجابةٍ نهائية.

أنا أنظر إليها كرهانٍ على المكان الذي ستظهر فيه نقطة الألم التالية.

إذا بدأت وكلاء الذكاء الاصطناعي في لمس رأس المال على السلسلة بطريقة ذات معنى، فلن يكون عامل السرعة هو الشيء النادر.

#Newt @NewtonProtocol $NEWT

التاريخ لا يتكرر… لكنه يحب أن يُقافئ.

في الدورة الأخيرة: تجاوز البيتكوين مستوى ATH السابق إلى الأسفل قبل أن ينفجر للأعلى.

وهذه الدورة؟ نرى إعدادًا مشابهًا بشكل لافت.

لا يزال الأمر مبكرًا جدًا لتحديد القاع—لكن من المستحيل تجاهله. 👀₿

أعود دائمًا إلى بروتوكول نيوتن بفكرة واحدة غير مريحة عن مخاطر التمويل اللامركزي.

نتحدث كثيرًا عن عمليات التدقيق، لكن عملية التدقيق لا تخبرك إلا بما بدا آمنًا في لحظة معينة. ولا تمنع اتخاذ قرار سيئ قبل انتقال الأموال مباشرة.

لفترة، اعتقدت أن لوحات المعلومات هي الحل.

راقب الرسوم البيانية. تابع التدفقات. انتظر إشارات الخطر. وآمل أن تصل التنبيهات في وقت مبكر بما يكفي.

لكن في أغلب الأحيان، عندما يرى الجميع التحذير، يكون الضرر قد بدأ بالفعل.

لهذا يبدو لي نموذج القيّم (curator) هشًّا للغاية. أفهم لماذا يثق الناس بالقيّمين. السمعة مهمة. السجلات مهمة. لكن السمعة ليست تنفيذًا بالقوة.

يمكن أن تمتلك الخزنة قواعد.

يمكن للقيّم أن يَعِد باتباعها.

لكن السؤال الحقيقي هو: ماذا يحدث عندما تكون رؤوس الأموال بالفعل في حالة حركة؟

هنا يبدأ بروتوكول نيوتن أن يبدو مختلفًا بالنسبة لي.

ليس فقط محاولة مراقبة المخاطر من الخارج. بل محاولة وضع فحوصات السياسة مباشرةً في مسار التنفيذ. قبل أن تمر معاملة ما، يجب أن يطابق الإجراء القواعد.

هذا يغيّر شكل إدارة المخاطر بالكامل.

لوحة المعلومات تخبرك أن شيئًا ما قد يكون خاطئًا.

طبقة السياسة يمكنها إيقاف الإجراء الخطأ من أن يحدث.

الفرق بين كاميرا تسجّل عملية اقتحام، وقفل يمنع الباب أصلًا من أن يُفتح.

بحثت عن أداة أخرى لمخاطر التمويل اللامركزي.

ما وجدته كان شيئًا أكثر إثارة للاهتمام: توجهًا نحو سياج حماية قابل للبرمجة.

إذا أمكن لهذه السياج أن تصبح موثوقة مثل العقود الذكية التي تحميها، فقد يبدأ التمويل اللامركزي أخيرًا في منع حالات الفشل بدلًا من الاكتفاء بشرحها بعد وقوعها.

قد لا تكون القفزة الكبرى التالية في أمن السلسلة أمْرًا يجعل لوحة المعلومات أكثر جمالًا.

قد تكون اللحظة التي يتعلم فيها الكود أن يقول:

«لا. هذه الحركة تُخِلّ بالقواعد.»

#Newt @NewtonProtocol $NEWT

كسب ترامب 1.4 مليار دولار من العملات المشفرة بينما لا يزال سعر البيتكوين عند -54% من أعلى مستوى له على الإطلاق، والإيثريوم -68% من قمته التاريخية.

الرئيس الأمريكي الأول المؤيد للتشفير يغيّر بالفعل السرد. 🚀

$BTC $ETH

أعود دائمًا إلى نيوتن في تلك اللحظة المُجزّأة قبل أن يقوم وكيلٌ ذكاء اصطناعي بإجراء عملية تداول.

ليس المخطط بعد حدوث الأمر.

وليس حديث الرموز.

ولا الضجيج الذي يستخدمه الناس ليجعلوا كل شيء يبدو أكبر مما هو عليه.

بل أقصد اللحظة الهادئة قبل أن يتحرّك النظام الآلي، حين تكون الأموال الحقيقية ما زالت موجودة في مكانها ولم يتحوّل القرار بعدُ إلى تاريخ.

بعدها، يستطيع الجميع تفسير ما حدث.

كانت الإشارة قوية.

ثم تغيّر السوق.

وتصرّف النموذج بالطريقة التي كان يفترض أن يتصرّف بها.

قد تكون المشكلة توقيتًا سيئًا.

قد تكون نُذْرًا سوء حظ.

لكن قبل أن يحدث شيء، لا توجد قصة مرتّبة ونظيفة بعد. فقط آلة تقرأ الأرقام وتستعد لاتخاذ إجراء.

وهذا هو الجزء غير المريح.

لا يقوم الروبوت بمراجعة نفسه.

ولا يشعر بذلك الهبوط الغريب في معدتك عندما تبدو الأمور صحيحة على الورق لكنها خاطئة في الواقع.

ولا يتوقّف لأن الغرفة فجأة تصبح صامتة للغاية.

إنه ينفّذ.

وهذا هو السبب في أن نيوتن يستمرّ في جذب انتباهي.

نحن نبني أنظمة يمكنها التداول، وإدارة المخازن/الخزائن، وتشغيل الاستراتيجيات، والتوسّع دون ذلك النوع من التردد الذي يعيشه البشر يوميًا.

لكن التردد ليس دائمًا ضعفًا.

أحيانًا يكون آخر تحذير قبل أن يصبح خطأ ما مكلفًا.

يريد الجميع أن تكون الأتمتة أسرع.

يريد الجميع أن تعمل الاستراتيجيات بلا عاطفة.

لكن في مرحلة ما، علينا أن نطرح السؤال الذي يتجنّبه الناس.

عندما يكون وكيل ذكاء اصطناعي على وشك اتخاذ الحركة المثالية لأسباب خاطئة، من يملك حق إيقافه؟

لأن هذا ليس فقط مسألة بناء برمجيات أفضل.

بل يتعلق بتحديد مقدار السيطرة التي نحن مستعدون للتنازل عنها قبل أن ندرك أننا لا نستطيع بسهولة استعادتها.

#Newt @NewtonProtocol $NEWT

أستمر في التفكير في أن مخاطر OpenGradient تبدو مملة إلى أن يبدأ الناتج بالاقتراب من قرارات حقيقية.

يمكنني تجاهل إجابة سيئة في محادثة.

لا يمكنني تجاهل إجابة سيئة تتحرك معها أموال، أو تُوجّه وكيلًا، أو تتعامل مع بيانات خاصة، أو تساعد آلة على التصرف في العالم الحقيقي.

وهنا أعود باستمرار إلى OpenGradient.

القراءة الواضحة هي أنه مجرد مشروع آخر يحاول جعل الذكاء الاصطناعي قابلاً للتحقق.

لكنني لا أعتقد أن ذلك يكفي.

ما زلت أطرح سؤالًا أصعب.

إذا كانت أنظمة الذكاء الاصطناعي ستتصرف نيابةً عن الناس، فماذا يُعدّ دليلًا على أنها فعلت الشيء الصحيح فعلًا؟

أرى جانبًا واحدًا بوضوح.

يبدو الاستدلال المعتمد على TEE منطقيًا عندما تهم السرعة والخصوصية. أستطيع أن أفهم لماذا قد يرغب المطورون في تنفيذ ذكاء اصطناعي سريع دون كشف كل ما وراء الطلب.

وأفهم أيضًا لماذا تهم ZKML.

بعض المخرجات تحتاج إلى أكثر من مجرد ثقة بالأجهزة. بعض القرارات تتطلب تحققًا رياضيًا، خصوصًا عندما تكون هناك رؤوس أموال حقيقية أو منطق حساس.

لكنني لا أظن أن كل مهمة في مجال الذكاء الاصطناعي تحتاج إلى أقصى قدر ممكن من الأدلة.

وهنا تصبح OpenGradient أكثر إثارة للاهتمام بالنسبة إليّ. يبدو أنها تتعامل مع التحقق بوصفه طيفًا، لا إجابة واحدة جامدة.

أعجبني هذه الفكرة.

ما زلت حذرًا بشأن مقدار الطلب الذي سيظهر مبكرًا. غالبًا ما يقول المطورون إنهم يريدون الثقة، لكنهم عادةً يختارون ما هو الأسرع والأبسط حتى يحدث شيء ينكسر.

ومع ذلك، لا أستطيع تجاهل الاتجاه.

الـ DeFi يحتاج إلى مخرجات ذكاء اصطناعي يمكن التحقق منها.

تحتاج الوكلاء إلى أثر خلف تصرفاتهم.

تحتاج الروبوتات إلى المسؤولية لأن الأخطاء لا تبقى على شاشة.

تحتاج تطبيقات الذكاء الاصطناعي الخاصة إلى طريقة تكون مفيدة فيها دون أن يُطلب من المستخدمين تسليم كل شيء.

لا أرى OpenGradient كمجرد مشروع ذكاء اصطناعي.

أراها مقامرةً على مستقبل لا تكون فيه المخرجات هي المنتج بعد الآن.

الدليل وراء المخرجات هو.

#OPG @OpenGradient $OPG

من «الاحتيال» إلى «المستقبل». 🔥

عندما تغيّر مؤسسات بمليارات الدولارات نبرتها، تعرف أن اللعبة تتطوّر. 🚀

تم حذف 860 مليار دولار… ثم إضافته مرة أخرى في النهاية.

السوق لا يتحرك فحسب—إنه ينفجر تذبذبًا. شدّ الحزام. 📈⚡

أظل أفكر في OpenGradient، وكيف يتحدث الناس عن خصوصية الذكاء الاصطناعي وكأنها مجرد مفتاح صغير في قائمة الإعدادات.

فعّلها.
وانتهِ.
وثّق صفحة السياسة.

كان ذلك يبدو مرتبًا أكثر من اللازم بالنسبة لي دائمًا.

لأن الخطر الحقيقي ليس فقط ما يفعله النموذج بمطالبتك.

بل ما يحدث قبل أن تصل كلماتك أصلًا إلى النموذج.

هذا الجزء غالبًا ما يُتجاهَل.

كل مطالبة تحمل سياقًا.

فكرة غير مكتملة التكوين.

خوف خاص.

خطة عمل.

سؤال لن تطرحه أبدًا بصوت عالٍ.

أثر لما تحاول فهمه قبل أن يراه أي شخص آخر.

لذلك عندما يقول الناس “ذكاء اصطناعي خاص”، أريد أن أعرف ماذا يقصدون فعليًا.

OpenGradient مثيرة للاهتمام لأنها لا تعتمد فقط على وعد.

إنها تحاول جعل المسار نفسه أكثر أمانًا.

شفّر المطالبة قبل أن تغادر المستخدم.

افصل المرسل عن المحتوى عبر OHTTP.

ثم عالجها داخل بيئة مؤمّنة بـ TEE، حيث لا يُفترض أن يحتفظ أي طرف واحد بالصورة الكاملة.

هذه هي الجزء الذي بقي عالقًا بي.

تتحول الخصوصية من مجرد عبارة إلى جزء من البنية.

ليس “ثقوا بنا”.

بل شيء أقرب إلى: “صممنا النظام بحيث تكون الثقة بحاجة إلى عمل أقل”.

وربما هذا هو المكان الذي يجب أن تتجه إليه خصوصية الذكاء الاصطناعي.

لأن الناس بدأوا يستخدمون الذكاء الاصطناعي للأفكار التي لم يعترفوا بها لأنفسهم بعد بالكامل.

وفي عالم كهذا، تكون السرعة مفيدة.

حجم النموذج مثير للإعجاب.

لكن القدرة على التفكير بصوت عالٍ دون سحب هويتك عبر كل خطوة من العملية قد تصبح هي الشيء الأكثر أهمية.

#OPG #opg @OpenGradient $OPG

42.9 مليون دولار إضافية إلى إيثريوم.

الآن نملك 5.7 مليون ETH — ما يقرب من 4.7% من إجمالي المعروض.

توم لي يدعو إلى 62,000 دولار مقابل ETH.

إذا حدث ذلك، ستبدو عناوين اليوم صغيرة جدًا. 👀

أعود إلى OpenGradient مرارًا لأنها تبدو «مبكرة» بطريقة مختلفة.

ليس النوع الصاخب من المبكر، الذي يطارد فيه الجميع نفس المخطط.

بل النوع الأهدأ.

النوع الذي يجلس فيه المطورون ووجوههم مقترنة بالوثائق المفتوحة، يلاحظون شيئًا قبل أن يمتلك المكان كلمات له.

يمكنك استضافة نموذج دون طلب إذن من أحد.

يمكنك تشغيل الاستدلال والتحقق مما حدث فعليًا.

يمكنك ترك x402 يتولى الدفع في الخلفية، وكأن التطبيق لم يكن بحاجة للتفكير في الأمر إلا قليلًا.

تلك الجزئية تبقى معي.

لأن الـ SDK يجعل الذكاء الاصطناعي يبدو أقل كأنه شيء مُستأجر من خادم بعيد، وأكثر كأنه شيء يمكن لتطبيق على السلسلة أن يحمله ويُديره بنفسه.

ربما لهذا السبب تشعر هذه التجربة بأنها مختلفة.

ليس بسبب الضجيج حولها.

بل بسبب ما يجري تحتها.

بدأت ملامح الذكاء تغادر الغرف الخاصة.

وعندما يصبح جزءًا من البنية المفتوحة، فإن السؤال غير المريح ليس من يبني أولًا.

بل من سيُقصى آخرًا.

#OPG @OpenGradient $OPG

لقطة شاشة من عام ٢٠٢٨. المستقبل تسرب للتو. 🚀

أواصل التحديق في نفس التفاصيل داخل OpenGradient.

لا يطلب من السلسلة أن تفكّر.

في البداية، أردت تصنيفها ضمن الفئة المعتادة: محاولة أخرى لجعل النماذج الذكية أقرب إلى Web3. كان ذلك سيكون القراءة الأسهل. لكنه سيغفل الجزء الذي يهم فعلاً.

كلما نظرت إليها أكثر، شعرت أن القصة الحقيقية ليست حول إتاحة النماذج.

بل حول جعل عملها أقل خفاءً.

هذه هي الجزئية غير المريحة بالنسبة لي. يمكن للنموذج أن يُعيد إجابة، وقد تبدو الإجابة نظيفة ومفيدة وحتى مقنعة. لكنني ما زلت لا أعرف أين نُفّذت. لا أعرف ما الذي حمى الإدخال. لا أعرف ما إذا كانت المخرجات قد جاءت من العملية التي تم الادعاء بها.

في معظم الأحيان، أتقبل الفجوة ببساطة.

يبدو أن OpenGradient بُني حول تلك الفجوة.

تصميمه يفصل المكوّنات بدلًا من إجبار كل شيء على أن يجتمع في مكان واحد. تتولى عُقد الـ GPU إجراء الحساب. تساعد العُقد الكاملة على التحقق مما حدث. تجلب عُقد البيانات معلومات خارجية. وتتحرك وسائط التخزين خارج السلسلة عندما لا تحتاج السلسلة إلى حمل العبء.

قد يبدو هذا تقنيًا، لكنني أقرأه على أنه شيء أبسط.

تسعى الشبكة إلى تحديد ما الذي ينبغي الوثوق به، وما الذي يجب التحقق منه، وما الذي لا ينبغي كشفه من الأساس.

لا أعتقد أن هناك إجابة مثالية واحدة.

يبدو أن تنفيذ TEE منطقي عندما تكون السرعة والخصوصية مهمتين. ويشعر zkML بالثبات أكثر عندما يحتاج الناتج إلى إثبات أعمق. وتكفي التواقيع للحالات الأخف حين تكون تكلفة اليقين مرتفعة جدًا.

يوجد توتر هنا.

قد يؤدي التحقق المفرط إلى جعل النظام ثقيلًا. وقلة التحقق تحول كل شيء مرة أخرى إلى نوع من الإيمان مع تحسين التسويق. يثير اهتمامي OpenGradient لأنه لا يبدو أنه يتظاهر بأن كل حالة استخدام تستحق النوع نفسه من الإثبات.

هذا أقرب إلى الواقع.

كما أنني أفكر باستمرار في اتجاه المنتج الأخير: الدردشة، والاستدلال الخاص، والوكلاء، وتوليد الصور، والملفات، وسير العمل. ليست هذه مجرد واجهات. إنها أماكن يبدأ فيها السياق الشخصي ومخرجات الآلة والتنفيذ بالتلامس.

#OPG @OpenGradient $OPG

🚨 كانت هذه الأسبوع قاسية جدًا على العملات المشفرة.

تم مسح ما يقرب من 4 مليارات دولار، حيث تكبّد الـlongs أكبر خسارة.

السوق لا يرحم. ⚡📉