الذكاء الاصطناعي الطموح بشكل كبير، ليغو، يجعل الخوارزميات قابلة للتجميع

سوق الاتجاهات يتغير، والعديد من القطاعات تعود للنشاط من جديد.

بالإضافة إلى التركيز على بيئة البيتكوين، فإن مسار الذكاء الاصطناعي، الذي ظل من أبرز الاتجاهات خلال هذا العام، لا يزال يشهد ظهور عملات مشفرة مثيرة للاهتمام.

خارج العملات التي تحظى باهتمام السوق مثل FET و RNDR و OCEAN، ارتفع رمز TAO خلال الشهر الماضي ثلاث مرات، بينما المشروع وراءه، Bittensor، نادراً ما تم تحليله بشكل معمق في السوق الناطقة بالصينية.

أما على الجانب الآخر، فإن وتيرة التطور أسرع بكثير من ردود أفعالنا.

ارتفاع الأسعار بشكل كبير جعل المستثمرين الحساسين يلتقطون الفرص. أعلنت مجموعة من المجتمع في يوم الخميس أن شركة رأس المال المشفر Pantera و Collab Currency أصبحتا مالكي رمز TAO، وأنهما ستقدمان دعمًا أكبر لتطوير بيئة المشروع.

المستثمرون المتمرسون في تتبع الاتجاهات، هم الأفضل في دفعها للأمام.

ما الذي يميز TAO، الذي يحظى بشعبية وارتفعت أسعاره بسرعة؟ وما الفروقات الملحوظة في السرد، المنتج، والنموذج الاقتصادي للرمز مقارنة بالمشاريع الرئيسية في مسار الذكاء الاصطناعي؟

في هذا الإصدار، سنقوم بدراسة متعمقة لـ Bittensor، من حيث خلفية المسار، أهداف المشروع، البنية التقنية، وتقييم الرمز، لنقدم لكم مرجعية في الحكم واتخاذ القرار.

لا تتعجل، فلنبدأ بفهم منطق الاستثمار في Cyrpto + AI كل ارتفاع في قيمة الرمز يرتكز على منطق استثماري أساسي وسرد صناعي كبير يدعمه. قبل دراسة TAO، من المفيد أن نلقي نظرة على نظرة عامة على صناعة الذكاء الاصطناعي.

طفرة الذكاء الاصطناعي في ظل فقاعة السندات الرموز المرتبطة بمفهوم الذكاء الاصطناعي تحظى بشعبية، لكن في الواقع، غياب العملات المشفرة لا يقلل من حماس الذكاء الاصطناعي المستقل.

وفقًا لبيانات CB Insights، شهد عام 2023 زيادة ملحوظة في اهتمام السوق بالذكاء الاصطناعي التوليدي، مع ارتفاع التمويل الموجه للشركات والمشاريع ذات الصلة إلى 14 مليار دولار، مقارنة بـ 2.5 مليار دولار في العام الماضي.

مصدر الصورة: CB INSIGHTS

وبالتالي، فإن الدوافع العميقة وراء TAO و RNDR و FET ليست ببساطة مجرد ChatGPT أو NVIDIA.

في مدونته الأخيرة، عرض الخبير آرثر هيس، سيناريو محتمل أو يحدث حالياً — وهو موجة من التمويل الجماعي للذكاء الاصطناعي نتيجة فقاعة السندات.

وفقًا للتقديرات، فإن إجمالي ديون الحكومة الأمريكية وغيرها من الاقتصادات الكبرى، التي ستحتاج إلى تمديد وإصدار ديون جديدة خلال الثلاث سنوات القادمة بسبب العجز المالي، قد يصل إلى 33.58 تريليون دولار.

عندما تصدر الحكومات سندات وتعد بسدادها عند الاستحقاق، فإن ارتفاع الفائدة على السندات يعني أن الأموال تذهب لشراء السندات الحكومية، مما يعيق التمويل الخاص (القطاع الحكومي العام)، ويؤدي إلى ضغط على فرص التمويل والاستثمار الأخرى، مثل عدم قدرة الشركات على الحصول على التمويل أو تراجع سوق الأسهم.

ويعتقد آرثر أن البنك المركزي الأمريكي سيضطر إلى طباعة النقود لشراء ديونه، مما يقلل من تأثير ذلك على القطاع الخاص؛ ومن المتوقع أن يؤدي ذلك إلى زيادة ضخمة في عرض النقود العالمي بحلول 2026، وربما يتجاوز ذلك مستويات جائحة COVID.

إلى أين ستتجه تلك الأموال الزائدة؟

“المال سيتجه إلى الشركات التقنية الجديدة التي تعد بعوائد مجنونة عند النضوج. كل فقاعة سيولة قانونية تتضمن نوعًا جديدًا من التقنية لجذب المستثمرين ورؤوس الأموال.”

في التسعينيات، كانت فقاعة الإنترنت، وبعد الأزمة المالية عام 2008، ظهرت إعلانات الإنترنت ووسائل التواصل الاجتماعي؛ وهذه المرة، يأتي الذكاء الاصطناعي.

وهذا ربما أحد الأسباب العميقة وراء استحواذ الكثير من الاستثمارات على الذكاء الاصطناعي التوليدي هذا العام. تقنية GPT واضحة للجميع، لكنها في سياق أوسع، تعتبر جوهرة لامعة في موجة رأس المال، مع تدفق جماعي من رأس المال نحو الذكاء الاصطناعي.

القصص السردية بين Crypto + AI عندما تتدفق الأموال، السؤال التالي هو: على ماذا نستثمر؟ دعونا نلقي نظرة أعمق على منطق الاستثمار في Crypto + AI.

كما هو معروف، فإن الذكاء الاصطناعي هو في جوهره قوة إنتاج متقدمة، يعتمد تطوره السريع على ثلاثة عناصر أساسية: البيانات، الخوارزميات، والحوسبة؛ أما العملات المشفرة والبلوكتشين فهي علاقات إنتاج، تُعزز عبر تغييرات في الحوافز والتنظيم والتنسيق.

أي رموز يمكنها تحسين هذه العناصر الثلاثة، تملك فرصة للاندماج مع الاتجاهات.

دون الخوض في مدى جدوى ذلك، في مشاريع سابقة، رأينا بشكل مكثف سردين رئيسيين:

• Crypto + البيانات: يحتاج الذكاء الاصطناعي إلى كميات هائلة من البيانات لتدريب النماذج، ويمكن للبلوكتشين أن يحفز مزودي البيانات على المساهمة، أو يستخدم التخزين اللامركزي للبيانات، لتمهيد الطريق لمزيد من الديمقراطية والتوزيع في تدريب البيانات.

وفي هذا السياق، يمكن أن تكون العملات المشفرة المستفيدة هي بنية تحتية للتخزين اللامركزي، مثل Filecoin الذي يوصي به آرثر بشدة.

• Crypto + الحوسبة: يتطلب تنفيذ نماذج الذكاء الاصطناعي قدرات حوسبة قوية، وتتوفر هذه القدرة لدى الشركات الكبرى أو مزودي الموارد الحاسوبية، لكن يمكن أيضًا استهداف السوق الطويلة، من خلال حوسبة موزعة عبر أجهزة المستخدمين (بطاقات الرسوميات/الأجهزة الشخصية)، وتحفيزهم عبر رموز مشفرة.

وفي هذا السياق، تستفيد رموز مثل RNDR وغيرها من المشاريع التي تتيح المساهمة في الحوسبة.

أما فيما يخص الخوارزميات، فهي قصة أخرى.

• Crypto + الخوارزميات: على عكس السردين السابقين، فإن الخوارزمية ذاتها تقنية كثيفة، وتعتبر سر نجاح وتكرار تطوير شركات الذكاء الاصطناعي، ومن الصعب أن تُخلق من الصفر عبر حوافز العملات المشفرة؛ إذ أن المساهمة والتنسيق والتحفيز في إنشاء الخوارزميات ليست عملية سهلة.

(ملاحظة: النموذج AI هو نتيجة تدريب خوارزمية، ومن الناحية الدقيقة، توجد علاقة سببية بين الخوارزمية والنموذج. لكن، من أجل التبسيط، تم خلط المفهومين هنا.)

لكن، يمكنك عبر الحوافز أن تساهم في اختيار وتحسين الخوارزميات الموجودة، بحيث لا يستخدم الجميع نفس النموذج، كما تفعل مشاريع “الوكيل الذكي” من خلال آليات الحوافز لتشجيع المنافسة واختيار أفضل مصادر البيانات.

لا يوجد حتى الآن مشروع بارز في هذا التصنيف، لكن Bittensor يُعد أحد الأمثلة، حيث لا يساهم مباشرة في البيانات أو الحوسبة، بل يستخدم شبكة البلوكتشين وآليات الحوافز لتنظيم وتصفية الخوارزميات المختلفة، لخلق سوق حر للموديلات (النماذج) في مجال الذكاء الاصطناعي.

فهم سرد Bittensor بسرعة: ذكاء اصطناعي لُعب الأطفال، يجعل الخوارزميات قابلة للتجميع هل يبدو الأمر معقدًا بعض الشيء؟

لتسهيل الفهم، يمكن تلخيص Bittensor بجملة واحدة: نحن لا ننتج خوارزميات، نحن مجرد ناقلون لنماذج عالية الجودة.

لماذا نحتاج إلى نقل الخوارزميات؟ ببساطة، من خلال النظر إلى الحالة الراهنة لصناعة الذكاء الاصطناعي، نكتشف أن جميع اللاعبين يستخدمون نماذج وخوارزميات منفصلة. بسبب المنافسة التجارية، من غير الممكن أن تتعلم نماذج الشركات المختلفة وتتطور معًا؛ وهذا يعني أن المنافسة من جانب العرض في الذكاء الاصطناعي هي لعبة صفرية: فالفائز في السوق يخرج الآخرون.

مصدر الصورة: الموقع الرسمي لـ Bittensor

بالنسبة للفائزين، هذا طبيعي.

لكن، يعتقد Bittensor أن ذلك يضر بتقدم الذكاء الاصطناعي وفعالية الابتكار في الخوارزميات. النماذج المعزولة، وخدمات الذكاء الاصطناعي التي تختار الفائز فقط، تعني أنه إذا أراد أحد تطوير نموذج جديد، قد يضطر للبدء من الصفر؛

على سبيل المثال، إذا كان النموذج A يتقن الإسبانية، والنموذج B يتقن البرمجة، وعندما يحتاج المستخدم إلى شرح كود مع تعليقات باللغة الإسبانية، من الواضح أن التعاون بين النموذجين سيكون الأفضل، لكن حالياً، لا يمكن تحقيق ذلك؛

بالإضافة إلى ذلك، يتطلب دمج التطبيقات الخارجية إذن مالك النموذج، مما يحد من الوظائف ويقلل من القيمة المضافة، وبالتالي، فإن التعاون في مجال الذكاء الاصطناعي لم يُطلق بعد بشكل كامل.

لذا، فإن الهدف الرئيسي لمشروع Bittensor هو تمكين التعاون، التعلم، والتوليف بين نماذج وخوارزميات الذكاء الاصطناعي المختلفة، لخلق نماذج أكثر قوة، وخدمة أفضل للمطورين والمستخدمين.

هذه الفكرة والتصميم، رأيناها قبل سنوات في موجة DeFi الصيفية — لُعب التمويل.

العملات المستقرة، الإقراض، تعدين السيولة، وغيرها من مكونات التمويل كانت مفتوحة المصدر وبدون إذن، ويمكن للمستخدمين دمجها بحرية، مثل قطع الليغو، لخلق منتجات وخدمات جديدة.

وبالمثل، يمكن دمج نماذج خوارزميات الذكاء الاصطناعي المتخصصة في معالجة الصور، النصوص، أو الصوت، لتقديم خدمات متنوعة، وخلق نوع من “ليغو الذكاء الاصطناعي”.

لذا، بالنسبة لـ Bittensor، المشروع لا يقوم بالحوسبة أو توفير البيانات على السلسلة، بل ينشط نماذج الذكاء الاصطناعي خارج السلسلة، ويقوم بتنظيمها وتنسيقها عبر شبكة البلوكتشين وآليات الحوافز.

نظريًا، باستخدام طريقة تركيب “ليغو الذكاء الاصطناعي”، يمكن لـ Bittensor أن يوسع قدراته بشكل أسرع وأكثر كفاءة من النماذج المنفردة.

لكن، مدى قبول مزودي نماذج الذكاء الاصطناعي في الواقع، وكيفية التوسع التجاري، وهل يمكن أن ينجح الأمر، لا يزال بحاجة لمزيد من المراقبة.

العملات المشفرة والحوافز: بناء “وكيل ذكي” للذكاء الاصطناعي تمكين التعاون بين نماذج الذكاء الاصطناعي المختلفة هدف كبير، لكن كيف يمكن تحقيقه؟

جواب Bittensor هو بناء شبكة بلوكتشين، وتنسيق العمل عبر نظام حوافز يعتمد على التعدين.

يعتمد Bittensor على تصميم شبكات الباراليل (السلاسل التطبيقية) من Polkadot، بحيث يكون لديه سلسلة خاصة لمعالجة التعاون بين نماذج الذكاء الاصطناعي، ويملك رمزه الخاص $TAO للتحفيز.

لفهم طريقة عمل هذه السلسلة، من الضروري معرفة ثلاثة أسئلة على الأقل:

أولاً، من هم الأدوار الموجودة على السلسلة؟

ثانيًا، ماذا يفعل هؤلاء الأدوار؟ وما علاقاتهم ببعضهم البعض؟

ثالثًا، كيف تُحفز الرموز المشفرة سلوكيات هؤلاء الأدوار؟

الأدوار والوظائف على السلسلة:

• المعدنون (Miner): يمكن فهمهم كمزودي نماذج وخوارزميات الذكاء الاصطناعي من جميع أنحاء العالم، حيث يستضيفون نماذجهم ويقدمونها لشبكة Bittensor؛ وتشكّل أنواع مختلفة من النماذج شبكات فرعية، مثل نماذج متخصصة في الصور أو الصوت.

• المدققون (Validator): هم المقيمون داخل شبكة Bittensor. يقيمون جودة وفعالية نماذج الذكاء الاصطناعي، ويقومون بترتيبها حسب الأداء في مهام معينة، لمساعدة المستخدمين في اختيار الحلول الأفضل.

(ملاحظة: المدققون حالياً، يبدو أن معظمهم من المؤسسات التابعة للمشروع نفسه، مما يقلل من مركزية الشبكة. مع تطور الشبكة، قد يتم استقطاب منظمات أخرى لتكون مدققين.)

• المرشحون (Nominee): يختارون توكيل الرموز الخاصة بهم إلى مدققين معينين لدعمهم، ويمكنهم تغيير المدققين الذين يرشحون لهم، على غرار الرهان على رموز Lido في التمويل اللامركزي.

• المستخدمون (User): هم المستفيدون النهائيون من نماذج الذكاء الاصطناعي المقدمة من الشبكة. يمكن أن يكونوا أفرادًا أو مطورين يسعون لبناء تطبيقات باستخدام نماذج الذكاء الاصطناعي.

علاقات الأدوار:

المستخدمون يحتاجون إلى نماذج ذكاء اصطناعي أفضل، والمدققون يختارون نماذج أفضل حسب الاستخدام، والمعدنون يزودون نماذجهم، والمرشحون يختارون دعم مدققين معينين.

ببساطة، هو سلسلة مفتوحة لعرض وطلب الذكاء الاصطناعي: يوجد من يقدم نماذج مختلفة، ومن يقيّمها، ومن يستخدم نتائج أفضل نموذج.

مصدر الصورة: ReveloIntel

الصورة أعلاه توضح بشكل مبسط: يدخل المستخدم طلبه، يوجه المدقق الطلب إلى المعدنين في شبكة Bittensor؛ يخرج المعدنون الإجابة، ثم يقوم المدققون بتقييم جودتها، وأخيرًا يُعاد الرد للمستخدم.

ما الذي يُحفز رمز TAO؟

• للمدققين: كلما كانت عملية تقييم واختيار نماذج الذكاء الاصطناعي أكثر دقة وتوافقًا، زادت مكافآتهم. وبالطبع، ليصبح المدقق، يحتاج إلى رهن كمية معينة من رمز TAO.

• للمعدنين: يوفّرون نماذجهم استجابة لطلبات المستخدمين، ويحصلون على رموز TAO مقابل مساهماتهم.

• للمرشحين: يرشحون رموز TAO الخاصة بهم إلى المدققين، على غرار الرهان السائل، ويحصلون على مكافآت.

• للمستخدمين: يدفعون رموز TAO لبدء المهام، وهو بمثابة استهلاك.

من الناحية المثالية، ستتعاون نماذج الذكاء الاصطناعي المختلفة في الشبكة، وتختلف أداءاتها حسب المهام، ومع أن الشبكة مرئية للجميع، فإن النماذج يمكن أن تتعلم من بعضها البعض، وتقوم بتعديلات حسب الحاجة.

الصورة من ReveloIntel

تشبيه أفضل هو أن Bittensor يشبه “وكيل تنبؤ” للذكاء الاصطناعي. في التمويل اللامركزي، يُعطى الوكيل التنبؤي “أفضل الأسعار” للتطبيقات المحتاجة، وBittensor يُعطي المستخدمين المحتاجين للذكاء الاصطناعي “أفضل النماذج”.

أما كيف يشارك الأفراد في الشبكة كمدققين ومعدنين، فذلك يتطلب معرفة تقنية وبرمجية، ولن نناقشه هنا. يمكن للمهتمين الاطلاع على الوثائق الرسمية من خلال الرابط.

$TAO : كيف يتم تقييم قيمة الرمز بشكل مناسب؟ نموذج الاقتصاد في الرمز

وفقًا للمستندات الرسمية، أُطلق مشروع Bittensor في عام 2021 بـ “إطلاق عادل” (بدون عملية تعدين مسبقة)، والرمز يُسمى TAO.

إجمالي العرض هو 21 مليون رمز (تحية لبيتكوين)، ويخضع لنظام تقليل المكافآت نصف السنوي، حيث يُعطى كل 1050 ألف بلوك مكافأة نصفية، مع 64 حدث تقليل للمكافأة، وكان آخرها في أغسطس 2025.

نظريًا، وفقًا لهذا النظام، سيستغرق الأمر حوالي 256 سنة حتى يُستخرج كل الرمز.

حالياً، يُصدر الشبكة رمز TAO كل 12 ثانية، أي حوالي 7200 رمز يوميًا، يُقسم بين المعدنين والمدققين بالتساوي.

إطلاق TAO بشكل عادل يعني عدم وجود جولات استثمارية مسبقة، أو تخصيصات خاصة، أو عروض أولية، أو احتياطيات للمؤسسة، ويمكن اعتباره عملة تعدين نقية.

كل دورة تعدين، يتم توزيع المكافآت بين المدققين والمعدنين.

لكن، على الموقع الرسمي لـ Bittensor، نرى أن شركات مثل DCG و GSR و Polychain و Firstmask من بين المستثمرين والمشاركين في السوق.

من المتوقع أن، نظرًا لارتباط معظم المدققين حالياً بالمؤسسات الرسمية للمشروع، فإن العملات التي يتم تعدينها يمكن أن تعود إلى أيديهم، ثم تُستخدم في السوق من قبل شركات السوق.

كما أن هذه المؤسسات الكبيرة يمكن أن تتدخل كعقد مدقق أو حتى كمعدن، للمشاركة في تعدين TAO.

كما ذكرنا في بداية المقال، فإن شركات رأس المال المشفر مثل Pantera أصبحت من حاملي TAO مؤخراً. إذن، المشروع بدأ بشكل عادل، لكنه لا يخلو من تدخل رأس المال.

وفي دورة السوق الجديدة، لم تعد نماذج إصدار العملات عبر “بيع رأس المال الثانوي” مقبولة، والنموذج الذي يتبع “العدالة أولاً، ثم جذب رأس المال” أصبح أكثر قبولًا، مع محاولة لتحقيق أكبر قدر من العدالة.

الأداء السوقي والتقييم من حيث الأداء، ارتفع سعر الرمز من أدنى مستوى له هذا العام إلى أكثر من 5 أضعاف.

لكن، المشكلة أن ارتفاعات مشاريع الذكاء الاصطناعي الأخرى كانت جيدة أيضًا، مثل RNDR التي زادت حوالي 5 أضعاف منذ بداية العام.

لذا، فإن الاعتماد فقط على الارتفاع المطلق في القيمة لا يعطي تقييمًا دقيقًا للرمز.

مقارنةً بمشاريع الذكاء الاصطناعي الشهيرة الأخرى، فإن TAO يحتل المرتبة الثانية بعد RNDR من حيث القيمة السوقية، لكن مع وجود آلية تقليل المكافآت على مدى 4 سنوات، فإن نسبة القيمة السوقية إلى القيمة المخفّضة (Fully Diluted Valuation) هي الأدنى بين المشاريع، مما يشير إلى أن حجم التداول الحالي للرمز منخفض نسبياً، وسعره مرتفع.

الصورة الأصلية: من المستخدم @Moomsxxx، سعر TAO حتى وقت كتابة المقال حسب حسابي الخاص.

انخفاض حجم التداول أحيانًا يعني أن السوق أصغر وأسهل في الارتفاع، ومع فرض ثبات السعر، فإن بيع 7200 رمز يوميًا بسعر 160 دولارًا، أي حوالي 1.15 مليون دولار من الضغوط البيعية، لا يمثل مشكلة بالنظر إلى حجم السوق الحالي وتداولاته اليومية (500 مليون دولار يوميًا).

بعيدًا عن TAO، فإن تقييم الرمز يجب أن يُقارن بمشاريع ذات نشاط مشابه، وليس من المنطقي مقارنته بمشاريع مثل RNDR التي تقدم بنية تحتية للحوسبة.

وفقًا لتقرير أبحاث AI من Nansen، فإن نشاط Bittensor يُصنف ضمن “تدريب النماذج” (Model Training)، مع منافسين مثل Gensyn وTogether، وسبق أن حصل الأول على دعم من a16z.

لكن، هذين المشروعين لا يملكان رموزًا عامة، لذلك لا يمكن مقارنة TAO بهما من حيث القيمة السوقية.

الصورة من Nansen Research

المؤسس المشارك لـ Omnichain Capital، ديفيد أترمان، اقترح في مدونة مايو الماضي طريقة أكثر تطرفًا — وهي مقارنة Bittensor مباشرة بـ OpenAI.

المثير أن ديفيد أكد أنه لا يملك حاليًا أي رموز TAO، ليظهر أن تحليله موضوعي.

نظرًا لأن النشاط الأساسي هو تدريب النماذج وتقديمها للمستخدمين، فإما أن يكون شركة مغلقة، أو تنسيق نماذج الذكاء الاصطناعي العالمية، وكلاهما يهدف إلى تحسين استخدام المستخدمين للذكاء الاصطناعي.

وبالنظر إلى أن شركة OpenAI حصلت سابقًا على تقييم سوق خاص بقيمة تقارب 300 مليار دولار من Microsoft، وأن القيمة السوقية لـ TAO حالياً حوالي 3.6 مليار دولار، فإن ذلك يضعها في مساحة تقييم محتملة تصل إلى حوالي 8 أضعاف.

أنا لا أؤيد تمامًا هذا الأسلوب في التقييم، فأساسيات مشاريع Web3 وWeb2 مختلفة جدًا، وسرعة النمو، واهتمام السوق، كلها عوامل تؤثر على التقييم، لذا، فإن مجرد حساب 8 أضعاف كمساحة محتملة، هو مجرد مرجع، ويعتمد بشكل كبير على العوامل الإيجابية والتمويل.

الخلاصة باختصار، فإن TAO و Bittensor، خارج إطار مشاريع الذكاء الاصطناعي المشفرة المعروفة، تقدم سردًا آخر، وهو أنها لا تتدخل في عناصر الإنتاج (الحوسبة، البيانات)، وإنما تعتمد على علاقات الإنتاج لتحفيز التعاون، التنافس، والتحسين بين نماذج الذكاء الاصطناعي.

هذا السرد يحمل جاذبية، لكنه يتطلب معالجة عوامل حاسمة مثل ربط النماذج، مركزية المدققين، تقييم جودة النماذج، وغيرها — فAI بسيط، لكن الأعمال التجارية ليست كذلك. إقناع المزيد من الناس بالمشاركة عبر مكافآت رمزية، وتحفيز الشركات التقنية على التعاون مع نماذج أخرى، لا يزال موضوعًا مفتوحًا ويختلف من شخص لآخر.

بعيدًا عن الأساسيات، فإن ارتفاع قيمة الرمز يعكس أن السوق يتبنى مفهوم مسار الذكاء الاصطناعي بشكل جماعي، ومع عدم وجود منافس كبير في هذا القطاع، فإن TAO قد يحقق مزيدًا من المكاسب في موجة الحماس الجماعي، لكن، بسبب غياب معايير تقييم واضحة، يبقى السؤال حول مدى جدوى الاحتفاظ به طويلًا.

المتابعة المستمرة لأخبار المشروع، وتغير حجم التداول، قد تكون الخيار الأكثر واقعية.