حوزه بررسی، بهصراحت: هر پلتفرمی که در این گزارش آمده، یک محصول مستقل در حوزه تحلیل / سیگنال / تحقیق / آنچین / احساسات بازار / عامل هوش مصنوعی است. در این فهرست نیستند: صرافیهای متمرکز (Binance، Coinbase، OKX، Bybit، Crypto.com، Kraken، Bitget و…)، صرافیهای غیرمتمرکز (Uniswap، Aave، Hyperliquid و…)، تجمیعکنندهها (CoinMarketCap، CoinGecko)، اپلیکیشنهای کیف پول و پورتفولیو (CoinStats، Delta)، و رباتهای اجرای خودکار مبتنی بر API صرافی (3Commas، Cryptohopper، Bitsgap، HaasOnline، Mizar، Coinrule، Altrady). این فیلتر عمدی وجود دارد تا مجموعه مقایسهای، همتایان مستقیم Nextino باشد — محصولاتی که تمام ارزش پیشنهادیشان اطلاعرسانی به کاربران درباره وضع موجود و اقدام بعدی است، نه زیرساخت بازار.
نحوه خواندن این گزارش: هر پلتفرم پنج بخش کوتاه دارد — (۱) چه کسانی هستند، (۲) چه ارائه میدهند، (۳) چگونه واقعاً این کار را میکنند، (۴) حکم کیفی، (۵) ارتباط با Nextino. چهار بخش اول، بررسی پلتفرم بر اساس معیارهای خود آن است — آنچه عرضه میکنند، دلیل پرداخت کاربران، ویژگیهای تیم، و اشتباهاتشان. بخش پنجم جایی است که مقایسه با Nextino در آن قرار دارد — موجز و ملموس نگه داشته شده تا در هر پاراگراف پخش نشود.
بیست و پنج پلتفرم مستقل در لایه تحلیل کریپتو در سطح جهانی با یکدیگر رقابت میکنند (یا همکاری دارند). این پلتفرمها به هفت خوشه طبیعی تقسیم میشوند و تقریباً هیچ محصول منفردی در بیش از یک خوشه تسلط ندارد:
| خوشه | کاری که انجام میدهد | بازیگران در این گزارش | چرا برای Nextino اهمیت دارد |
|---|---|---|---|
| سیگنال/امتیازدهی هوش مصنوعی | امتیاز به ازای هر کوین ← توصیه معاملاتی | Token Metrics · Numerai · Faradox AI | نزدیکترین رقیب به ستون سیگنال Nextino؛ نشان میدهد چه چیزی اثبات شده است. |
| پرسش و پاسخ تحقیقاتی LLM | سؤال متن آزاد ← پاسخ با استناد | Messari · DefiLlama LlamaAI · Dune AI · Kaito | الگویی که پرسش و پاسخ هوش مصنوعی Nextino باید از آن پیروی کند. |
| تحلیل آنچین (on-chain) | داده کیف پول/زنجیره ← معیارها/هشدارها | Nansen · CryptoQuant · Glassnode · IntoTheBlock · Arkham · Lookonchain · Whale Alert | خندق رقابتی (moat) سخت: نیازمند سرمایه + داده است. Nextino عمدتاً این داده را مصرف میکند، نه رقابت. |
| احساسات / شبکههای اجتماعی | داده اجتماعی ← روایت یا امتیاز | LunarCrush · Santiment · The Tie · CryptoPanic · Banter Bubbles | کپی ویژگیهای ظاهری آسان است؛ کپی مقیاس (فایرهوز X) سخت. |
| تحلیل تکنیکال / نمودار | قیمت + اندیکاتورها ← سیگنالهای ساختهشده توسط جامعه | TradingView | بازی پلتفرمی؛ Nextino باید یکپارچهسازی کند، نه رقابت. |
| سرمقاله / تحقیق | خبرنامه / پادکست / گزارش | Coin Bureau · Delphi Digital · Bankless · The Block Research | اعتماد از طریق صدا. Nextino میتواند نسخه فارسیزبان را بسازد. |
| عامل هوش مصنوعی / پرسونا | شخصیت LLM با مخاطب | aixbt by Virtuals | مدل با ویروسیشدن بالا و شکنندگی بالا. عبرتی آموزنده. |
شش نتیجهگیری از این بررسی به دست میآید:
۱. بازار «هوش مصنوعی در کریپتو» بزرگتر و عجیبتر از آن چیزی است که به نظر میرسد. از فروشندگان احساسات سازمانی با ارزشگذاری $2B (The Tie) تا حسابهای توییتری تکنفره که memecoins تبلیغ میکنند (aixbt) را شامل میشود. Nextino در جایگاهی قرار دارد که هیچ رقیب جدی فارسیزبان ندارد، و دو یا سه رقیب بالقوه جهانی میتوانند وارد شوند (نزدیکترین معادلهای Token Metrics). ۲. دو خندق رقابتی واقعاً قابلدفاع عبارتند از: (الف) داده اختصاصی و (ب) اعتماد مخاطب. Nansen مالک برچسبهای کیف پول است. Glassnode مالک معیارهای آنچین نامگذاریشده است. Coin Bureau مالک 2.5M مشترک یوتیوب است. Nextino هنوز هیچکدام را ندارد — اما مخاطب فارسیزبان در واقع یک خندق اعتماد مخاطبی است که بهکندی شکل میگیرد. ۳. الگوی محصولی که بیشترین قابلیت کپی را دارد، RAG بر روی دادههای خودی در قالب پرسش و پاسخ است. Messari، DefiLlama، Dune، Kaito و CoinGecko همه به این سمت همگرا شدهاند. ساخت آن ارزان است، درک هوش مصنوعی بودنش بالاست، و Nextino در حال حاضر ۷۰٪ راه را رفته است. ۴. «سیگنال» بهتنهایی یک محصول کالاییشده است. Token Metrics هشت سال است که در این مسیر بوده و هنوز باید تحقیق + پورتفولیو + توکن را برای کسب درآمد باهم بستهبندی کند. یک بازی صرفاً سیگنالمحور شکست میخورد؛ «سیگنال + تحلیل + پرسش و پاسخ + هشدارها زیر یک صدای فارسی مورد اعتماد» برنده میشود. ۵. بزرگترین اشتباهی که هر پلتفرم در این گزارش در مقطعی مرتکب شده: مخاطب اجارهای (rented audience). Yaps کایتو با قطع دسترسی API توسط X از بین رفت؛ mcap توکن aixbt 84٪ سقوط کرد وقتی روایت عامل هوش مصنوعی سرد شد؛ دسته باتهای مبتنی بر exchange API یک ممنوعیت صرافی با مرگ فاصله دارند. خط لوله Bale + Telegram + RSS اختصاصی Nextino اجارهای نیست — این یک مزیت استراتژیک است که تا زمانی که در جایی از رقیبان چیزی نشکند، نامرئی باقی میماند. ۶. اولویت ۹۰ روزه Nextino «سیگنالهای بیشتر» نیست. بلکه (الف) پرسش و پاسخ هوش مصنوعی بهعنوان یک تجربه متن آزاد، (ب) پستهای دنبالهدار آنی برای اخبار فوری، و (ج) یک اندیکاتور نامگذاریشده که مترادف با برند میشود، هستند. این سه حرکت کمتر از $1k هزینه توسعه دارند، در سراسر این گزارش سابقه مستقیم دارند، و Nextino را در یک دستهبندی منحصربهفرد برای هوش مصنوعی کریپتو فارسیزبان قرار میدهند.
هر یک از این نتیجهگیریها بر اساس بررسی یک پلتفرم مشخص در ادامه این گزارش استوار است.
tokenmetrics.comچه کسانی هستند. این شرکت در سال ۲۰۱۸ توسط Ian Balina (سابقاً در IBM، سرمایهگذار پرسابقه حوزه کریپتو) در آستین، تگزاس تأسیس شد. در ابتدا بهعنوان یک خبرنامه پولی و سرویس ارزیابی ICO فعالیت میکرد و به تدریج به شناختهشدهترین برند تحقیقات کریپتو مبتنی بر AI در غرب تبدیل شد. بیش از ۷۰,۰۰۰ مشترک پولی (بر اساس ادعای عمومی خودشان)، حدود ۱۲۰ نفر کارمند بر اساس LinkedIn، و توکن کاربردی $TMAI را در سال ۲۰۲۴ راهاندازی کردهاند. تأمین مالی این شرکت بخشی از طریق فروش توکن و بخشی از محل درآمد اشتراک صورت گرفته — نه یک شرکت معمول با پشتوانه سرمایهگذاری خطرپذیر (VC).
چه چیزی ارائه میدهند. یک داشبورد شامل بیش از ۶,۰۰۰ توکن با دو خروجی شاخص برای هر ارز: یک Trader Grade (عدد ۰ تا ۱۰۰، کوتاهمدت، هر ساعت بهروزرسانی میشود) و یک Investor Grade (عدد ۰ تا ۱۰۰، بلندمدت، روزانه بهروزرسانی میشود). در کنار هر شاخص، محدودههای ورود/خروج تولیدشده توسط AI، پورتفولیوهای مدل، سیگنالهای هفتگی در Discord، یک لایه AI Chat برای پرسشوپاسخ به زبان ساده، و تقویم آنلاک توکن و ایردراپ نیز ارائه میشود. محصول در قالب سطوح اشتراک (~$50 تا $300 در ماه) فروخته میشود و بالاترین سطح از طریق $TMAI قفلگذاری شده است.
چطور این کار را انجام میدهند. پایپلاین ML آنها حدود ۸۰ ویژگی (feature) به ازای هر ارز در هر ساعت دریافت میکند: قیمت و حجم در صرافیهای مختلف، اندیکاتورهای تکنیکال (RSI، MACD، تقاطعهای میانگین متحرک، ATR)، دینامیکهای مارکتکپ، دادههای آنچین (TVL، تعداد هولدرها، فعالیت توسعهدهندگان)، اشارههای شبکههای اجتماعی و جریانهای صرافی. یک مدل gradient boosting (مواد منتشرشده آنها به کلاس XGBoost اشاره دارد) بر اساس نتایج تاریخی برچسبگذاریشده آموزش دیده — «آیا این ترکیب ویژگیها پیشبینیکننده حرکت بیش از ۵٪ در ۷ روز بوده است؟» — و دو شاخص فوق را خروجی میدهد. روی این بخش یک AI Chat مبتنی بر LLM (احتمالاً GPT-4 یا Claude، که بهصورت عمومی تأیید نشده) با بازیابی از دادههای اختصاصی امتیازدهی قرار گرفته؛ بنابراین وقتی کاربر میپرسد «آیا ETH بخرم؟» پاسخ به Trader Grade زیرین استناد میکند نه به حدس آزاد. کل این مجموعه از طریق بازاریابی تهاجمی در YouTube، پادکست و Discord به فروش میرسد و برند شخصی Ian Balina در کانون این بازاریابی قرار دارد.
حکم کیفی. واقعاً معتبرترین محصول در دسته سیگنالهای AI برای کاربران خردهپا (retail) است. ادعای «دقت ۹۷٪ در بازارهای دارای روند» قابل تأیید نیست و احتمالاً گمراهکننده است (این یک بکتست است، نه فوروارد-تست، و عبارت «بازار دارای روند» یک سوگیری انتخابی [selection bias] است). اما تجربه واقعی محصول قابل قبول است: دو عدد ساده به جای پنجاه نمودار برای هر ارز. نقاط ضعف شامل پیچیدگی قیمتگذاری، قفلگذاری ویژگیها پشت توکن که کاربران غیرکریپتونیتیو را تنبیه میکند، و ریسک وابستگی به شخصیت بنیانگذار است (هر بار که Ian Balina در فضای عمومی با انتقاد روبهرو میشود، برند تزلزل پیدا میکند).
ارتباط با Nextino. این شرکت نزدیکترین معادل به مسیری است که Nextino در پیش دارد. سادهسازی دو شاخصه، استاندارد طلایی تجربه کاربری (UX) است — Nextino باید یک شاخص واحد به سبک Trader Grade به ازای هر ارز ارائه دهد (مثلاً «شاخص نکستینو») که اطمینان AI، نسبت ریسک به ریوارد (R:R) و همراستایی با دیدگاه TradingView را در یک عدد خلاصه کند تا یک معاملهگر غیرحرفهای بتواند بر اساس آن اقدام کند. از سه تله Token Metrics پرهیز کنید: ادعای درصد دقت غیرقابل تأیید منتشر نکنید، ویژگیها را پشت توکن قفل نکنید، و برند شخصی بنیانگذار را به ستون اصلی محصول تبدیل نکنید.
messari.ioمعرفی. تأسیسشده در سال ۲۰۱۸ توسط Ryan Selkis (معروف به “Two-Bit Idiot” در Crypto Twitter، از اعضای سابق DCG). مستقر در نیویورک. با هدف شفافیت شروع کرد — بهعنوان یک ترمینال به سبک Bloomberg برای افشاگریهای حوزه کریپتو — و سپس به سمت پژوهش نهادی (institutional) در این حوزه چرخش کرد. حدود $50M از Brevan Howard، Point72 Ventures و سایرین جذب سرمایه کرده است. علیرغم جنجالهای عمومی مکرر Selkis، اعتبار نهادی خود را حفظ کرده است. پایگاه مشتریانش عمدتاً صندوقهای پوشش ریسک (hedge fund)، میزهای OTC، صرافیها و خزانههای DeFi هستند — نه کاربران خرد.
محصولات. یک ایستگاه کاری پژوهشی با سه محصول اصلی: (۱) Messari Copilot — دستیار هوش مصنوعی با قابلیت پرسش به زبان طبیعی درباره هر توکن، پروتکل یا موضوع، با پاسخهای مستندشده از کتابخانه پژوهشی اختصاصی Messari. (۲) Token unlock alerts — تقویم انتشار توکنهای آتی به همراه دادههای تاریخی تأثیر آنها بر قیمت. (۳) یادداشتهای پژوهشی روزانه که توسط تیم تحلیلگران داخلی (~۳۰ تحلیلگر تا اواخر ۲۰۲۵) نوشته و از طریق ایمیل و یکپارچهسازی با Slack توزیع میشوند. ساختار قیمتگذاری از رایگان (تعداد محدود query در Copilot) تا سازمانی (قراردادهای سفارشی با قیمت بسیار بالا) متغیر است.
رویکرد فنی. Copilot از یک پایپلاین RAG (retrieval-augmented generation) کلاسیک بهره میبرد: پرسش کاربر به یک فضای برداری (vector space) تبدیل میشود، گذرهای (passage) مرتبط از پایگاه داده داخلی Messari (سالها گزارش تحلیلگران، پروفایلهای توکن، خلاصههای tokenomics و فیدهای governance) بازیابی میشوند، و یک LLM (طبق مستندات شرکت از نوع “GPT and Claude class”) پاسخی میسازد که هر ادعا را به منبع اصلیاش ارجاع میدهد. اعتبار query بهصورت credit-based محاسبه میشود — که همین ویژگی آزمایش x402 micropayment آنها را ممکن ساخته (پرداخت بهازای هر query از طریق USDC در شبکه Base، بدون نیاز به حساب کاربری). هشدارهای token unlock از قراردادهای vesting on-chain و ردیابی دستی تحلیلگران تأمین میشوند. پژوهشهای روزانه عمدتاً توسط انسان نوشته میشوند، اما بخشهای قالبی (boilerplate) بهتدریج با کمک LLM تولید میگردند.
ارزیابی کیفیت. برترین سرویس در حوزه پژوهش نهادی کریپتو. الگوی ارجاعدهی جامع است که Copilot را در دستهای که اکثر «AI در کریپتو» با اطمینان کاذب خطا میکنند، قابلاعتماد میسازد. هزینه ($50–1000+/ماه) برای افراد حقیقی مانعی جدی است، اما متناسب با ارزش نهادی آن است. نقطه ضعف: عمق بدون روایت — پژوهشهایشان جامع است اما بهندرت موضعگیری قاطعی دارند، و همین مسئله آنها را در نظر مخاطبان خرد کمرنگ میکند.
ارتباط با Nextino. الگوی RAG-با-ارجاع، مهمترین الگوی این گزارش است. تحلیل هوش مصنوعی Nextino در حال حاضر ~۷۰٪ این مسیر را پیموده؛ ۳۰٪ باقیمانده شامل این موارد است: (الف) آن را بهصورت پرسشوپاسخ متن آزاد ارائه دهید، نه صرفاً دکمهمحور، و (ب) هنگامی که هوش مصنوعی پاسخ میدهد، سطر دادهای که استدلالش بر پایه آن بوده را نمایش دهید — حتی همین جمله ساده که «بر اساس قیمت ${X} و تغییر ۲۴ ساعته {Y%}» پاسخ را بینهایت معتبرتر میکند. قیمتگذاری نهادی را کنار بگذارید — کاربران خرد ایرانی نه توانایی پرداخت $50/ماه دارند و نه این انگیزه را.
kaito.aiمعرفی. تأسیسشده در سال ۲۰۲۲ توسط Yu Hu (از تیم سابق Citadel) و همکارانش در سنگاپور. دریافت سرمایه در مرحله Series A از Sequoia، Dragonfly و سایرین — پشتوانهای معتبر از سرمایهگذاران خطرپذیر. توکن $KAITO در فوریه ۲۰۲۵ عرضه شد؛ سقف ارزش بازار آن به حدود $400M رسید و در حال حاضر حدود $120M است. تیمی با حدود ۵۰ نفر.
محصولات. دو محصول اصلی دارند: Kaito Studio (یک موتور جستجوی هوش مصنوعی تخصصی که هزاران منبع حوزه کریپتو را ایندکس میکند — X، Reddit، Discord، فرومهای حاکمیتی، پادکستها، GitHub) و Mindshare Arena (یک جدول رتبهبندی بلادرنگ که هر توکن مهم را بر اساس درصد سهمش از گفتمان کریپتو رتبهبندی میکند). مدل قیمتگذاری ترکیبی از اشتراک و دسترسی token-gated است. تا ژانویه ۲۰۲۶ برنامهای به نام Yaps نیز اجرا میکردند — یک طرح انگیزشی ویروسی که به حسابهای توییتر با رتبه بالا در Crypto-Mindshare امتیاز پرداخت میکرد — این برنامه پس از قطع دسترسی API توسط X متوقف شد.
روش کار. هسته Kaito یک مدل embedding اختصاصی است که روی مجموعه داده تخصصی کریپتو fine-tuned شده است. مسیر کار بدین شکل است: پرسش کاربر → embedding → جستجوی معنایی (semantic search) روی منابع ایندکسشده → انتقال برترین بخشها به یک LLM که پاسخ نهایی را ترکیب میکند. Mindshare Arena از NLP entity-recognition و یک موتور شمارش گفتمان استفاده میکند که با تأخیر کمتر از یک ساعت نشان میدهد «الان چه چیزی داغ است». آنها از نخستین تیمهای هوش مصنوعی کریپتو بودند که روی ایندکسکردن صدا (رونویسی پادکستها از طریق مدلهای STT از نوع Whisper) سرمایهگذاری کردند و یک MCP server (نقاط پایانی API آماده برای LLM که سایر عوامل هوش مصنوعی میتوانند مستقیماً از آنها فراخوانی کنند) عرضه نمودند.
ارزیابی کیفی. فناوری بهراستی چشمگیر است — جستجوی کل لایه گفتمانی کریپتو کار سادهای نیست، و آنها آن را به نتیجه رساندند. اما کسبوکار شکننده است: توقف Yaps نشان داد که کل محصول تا چه حد به دسترسی به API پلتفرم X وابسته است. وقتی X دسترسی را قطع کرد، یک خط درآمدی کامل و یک کانال جذب مخاطب یکشبه از بین رفت. علاوه بر این، مدل درآمدی مبتنی بر توکن، سروصدای سفتهبازانهای ایجاد میکند که به داستان محصول اصلی کمک نمیکند.
ارتباط با Nextino. دو نکته مشخص وجود دارد: (الف) Mindshare Arena در مفهوم یک ساخت ۲۰ خطی است — شمردن اشاره به کلیدواژههای کریپتو در کانالهای فارسیزبان Telegram، چیزی میشود که میتوان آن را «Persian Mindshare» نامید. هیچ هزینهای ندارد و Nextino را در برابر هر کانال فارسی دیگری متمایز میکند. (ب) الگوی MCP server آینده یکپارچهسازیهای B2B است — Nextino باید برنامهریزی کند که دادههای سنتیمنت فارسی و بازار ایران را بهصورت یک API به سبک MCP عرضه کند، به محض اینکه ربات به بیش از ۵,۰۰۰ کاربر فعال رسید. درس عبرت این داستان: هرگز نباید سرنوشت کسبوکار را به API یک پلتفرم خارجی واحد گره زد.
intotheblock.comمعرفی. تأسیسشده در سال ۲۰۱۸ توسط Jesús Rodríguez (کارآفرین سریال با پیشینه AI/blockchain) در میامی. در مرحله پیش از Series-A با حدود ۳۰ نفر کارمند، با صرافیهای بزرگ (Crypto.com، Binance، Coinbase) برای راهاندازی تبهای تحلیلیشان همکاری دارد. در سال ۲۰۲۴ خط محصول نهادی خود را با نام “Sentora” جدا کرد.
محصولات و خدمات. یک داشبورد که ۵ تا ۸ نشانگر چراغ راهنما به ازای هر ارز ارائه میدهد — In/Out of the Money (درصد دارندگان سودده)، Concentration (تسلط نهنگها)، Smart Money (موضعگیری ۱۰۰ کیفپول برتر)، Network Growth، Whale Activity، و انحراف Derivatives Open Interest. هر نشانگر به صورت 🟢 (صعودی)، 🟡 (خنثی) یا 🔴 (نزولی) نمایش داده میشود. علاوه بر این، گزارشهای پژوهشی هفتگی و یکپارچگی با کیفپولها و صرافیهای مختلف نیز ارائه میشود. قیمتگذاری از $10/ماه (ارزانترین در دسته تحلیل on-chain) تا $400+/ماه برای سازمانها.
نحوه عملکرد. هسته اصلی آنها classifier های ML جداگانه به ازای هر نشانگر است — هر چراغ، خروجی یک مدل مجزا است که بر روی دادههای تاریخی برچسبگذاریشده آموزش دیده. نشانگر “Smart Money”، برای نمونه، ۱۰۰ کیفپول برتر را بر اساس PnL تحققیافته در یک بازه زمانی متحرک شناسایی میکند، سپس تغییر خالص موضع آنها را به یک سیگنال جهتدار تبدیل میکند. نشانگر “In/Out of the Money” از مدلسازی cost-basis بر پایه UTXO برای BTC و تحلیل cohort آدرسی معادل برای ETH استفاده میکند. نقطه قوت پلتفرم، رابط کاربری قابل درک در نگاه اول است: یک کاربر غیرمتخصص میتواند در دو ثانیه 🟢🟢🟢🟡🔴 را بخواند و بدون درک ریاضیات پشت آن، یک تفسیر جهتدار به دست آورد.
داوری کیفی. در مباحث تحلیل on-chain کمتر از حد انتظار دیده میشود. قیمتگذاری آنها دسترسپذیرترین در این دسته است، رابط کاربریشان مبتدیپسندترین است، و نشانگرهایشان واقعاً مفیدند. نقطه ضعف: نشانگرهای بیش از حد زیادی به ازای هر ارز ارائه میدهند — پارادوکس انتخاب (paradox of choice) برای غیرحرفهایها — و محتوای نوشتاری و بازاریابیشان به اندازه Nansen صیقلیده نیست، بنابراین ذهنیت کمتری در بازار دارند. جداسازی Sentora نشان میدهد که به جای توسعه خردهفروشی، به دنبال درآمد نهادی هستند.
ارتباط با Nextino. الگوی UX که بیشترین قابلیت الگوبرداری را در کل این گزارش دارد. Nextino باید ۳ چراغ راهنما به ازای هر ارز ارائه دهد (نه ۸ — سه موردی که برای خردهسرمایهگذاران ایرانی اهمیت بیشتری دارند انتخاب شوند: مثلاً 🟢/🔴 برای «مومنتوم قیمت»، «فعالیت on-chain» و «احساسات اجتماعی»). پیادهسازی آن ساده است — Claude میتواند هر کدام را از دادههای عمومی امتیازدهی کند — و میزان افزایش درک کاربر چشمگیر است. این یک ساخت یکهفتهای است که بازدهی بسیار فراتر از حجم کارش دارد.
nansen.aiمعرفی. این شرکت در سال ۲۰۱۹ توسط Alex Svanevik (فارغالتحصیل Y Combinator، دانشمند داده) در سنگاپور تأسیس شد. سرمایهگذاری Series A از a16z، Andreessen و Tiger Global — با پشتوانهی سرمایهگذاران درجهیک. حدود ۸۰ نفر کارمند. در دوران نزولی ۲۰۲۲-۲۰۲۳ با تمرکز جدی بر بخش سازمانی (enterprise) در کنار حفظ محصول خردهفروش دوام آورد.
محصولات و خدمات. معیار (benchmark) اصلی صنعت در تحلیل هوشمند کیفپولهای on-chain. دارایی دادهای کلیدی آنها: بیش از ۳۰۰ میلیون آدرس کیفپول برچسبگذاریشده همراه با هویت نهادها (Wintermute، Justin Sun، کیفپولهای داغ صرافیهای مشخص، گروههای “Smart Money” و غیره). بر این اساس، محصولاتی نظیر AI Signals Dashboard (خلاصهسازی روزانهی جریانهای پول هوشمند با LLM)، wallet stories (رصد هر آدرس دلخواه)، Token God Mode (تحلیل عمیق دارندگان هر توکن) و یک لایهی Q&A جدیدتر که سؤالات به زبان طبیعی دربارهی کیفپولها را به کوئری زنجیرهای ترجمه میکند، ارائه میدهند. قیمتگذاری از $150 تا $1800 در ماه در سطوح مختلف.
رویکرد فنی. سه لایهی فنی روی هم انباشته: (۱) برچسبگذاری کیفپول از طریق graph ML — خوشهبندی کیفپولها بر اساس الگوهای تراکنش و تطبیق با منابع عمومی (مستندات صرافیها، اخبار، اسناد قضایی) برای تخصیص برچسب نهادی. (۲) تشخیص رویداد در زمان واقعی (real-time) — پردازش جریان دادهی بلاکچین، فیلتر بر اساس کیفپولهای برچسبدار، و ارسال هشدار هنگامی که N کیفپول برچسبدار «Smart Money» یک توکن مشترک خریداری میکنند. (۳) AI Signals — یک LLM جریانهای فیلترشدهی روز را به زبان ساده خلاصه میکند (مثلاً: «Smart Money در حال انباشت SOL است — ۶ کیفپول برچسبدار در ۲۴ ساعت گذشته بیش از $200k خریداری کردهاند»). خندق رقابتی (moat) در AI نیست؛ در برچسبهاست. هر کسی میتواند زنجیره را کوئری بزند — اما تنها Nansen میداند که 0xABC کدام نهاد است.
ارزیابی کیفی. بالاترین سطح تحلیل on-chain در بازار برای کاربران خردهفروش و حرفهای (prosumer). در ردیابی پول هوشمند واقعاً بهتر از هر رقیبی است. سطح خردهفروش $150 در ماه بالاست اما برای معاملهگران فعال توجیه دارد؛ سطح سازمانی استاندارد صنعت محسوب میشود. نقطهضعف: پلتفرم برای تازهواردان میتواند سردرگمکننده باشد، و برچسبگذاری عمدتاً غربیمحور است — پوشش ایران، روسیه یا منطقهی MENA ضعیف است.
ارتباط با Nextino. Nextino نمیتواند Nansen بسازد — برچسبگذاری سالها کار و سرمایه میطلبد. اما Nextino میتواند یک نسخهی سبک (lite) متمرکز بر ایران/MENA بسازد: رصد ~۵۰ کیفپول شناختهشده از فعالان کریپتو-توییتر فارسی/MENA، ~۲۰ کیفپول داغ صرافیهای ایرانی، بهعلاوهی ۵۰ کیفپول برتر جهانی از دادههای عمومی Nansen. نمایش حرکات آنها به شکل «🐳 کیفپول {X} تازه $100k از USDT خریداری کرد» — مخاطب فارسیزبان، بینشی نو، هزینهای پایین. این نوع ویژگی است که در یک مخاطب طاقچهای (niche) مزیت رقابتی غیرمنصفانه (unfair advantage) ایجاد میکند.
cryptoquant.comمعرفی. در سال ۲۰۱۸ توسط Ki Young Ju در سئول تأسیس شد. بدون سرمایهگذاری جدی از VCها، کاملاً خودگردان ماند. تیم کوچک (زیر ۳۰ نفر) اما تأثیرگذاری استثنایی در میان پژوهشگران on-chain متمرکز بر BTC پیدا کرد. توییتر شخصی Ki Young Ju (بیش از ۱ میلیون دنبالکننده) کانال اصلی توزیع برند است.
خدمات ارائهشده. تحلیل on-chain به تفکیک هر متریک برای BTC، ETH و استیبلکوینها — شامل ذخایر صرافیها، جریانهای ماینرها، نسبت عرضه استیبلکوینها، پریمیوم مشتقات و کوهورتهای MVRV. یک گزارش روزانه («Quicktake») با فرمت خواندنی ۵ دقیقهای و مشاهدات شمارهگذاریشده. پلن رایگان واقعاً مفید است (امری نادر در این بخش)؛ پلنهای پولی $29 / $99 / $799 در ماه. نسخه کرهای آنها محصول on-chain غالب در آن بازار است.
نحوه عملکرد. مدلهای ML به ازای هر متریک، ناهنجاریها را شناسایی میکنند (مثلاً: «ذخایر صرافی طی ۲۴ ساعت ۵٪ کاهش یافت — تاریخاً در ۷ روز بعد پمپ BTC دنبال شده»). تیم روزانه ۱ تا ۳ گزارش تهیه میکند که مهمترین سیگنالهای شناساییشده را در قالب یک خلاصه «چه چیزی را دنبال کنید» ترکیب میکند. کمک هوش مصنوعی در حال افزایش است، اما یک دروازه تحریریه انسانی بر هر گزارش منتشرشده نظارت دارد. مزیت منحصربهفرد، شخص Ki Young Ju بهعنوان یک شخصیت عمومی است — توییتهای او بازار را جابهجا میکنند و پلتفرم بهمثابه پایگاه شواهد برای موضعگیریهای عمومی او عمل میکند.
حکم کیفی. خواناترین محصول on-chain موجود در بازار. فرمت «گزارش روزانه ۵ دقیقهای» برای بسیاری از کاربردهای دیگر قابل تکرار است — کوتاه، شمارهگذاریشده، متراکم از سیگنال، بدون محتوای اضافی. بخش عمودی کرهای اثبات میکند که بومیسازی در این حوزه، خندق رقابتی (moat) ایجاد میکند. نقطه ضعف، محوریت BTC است — آلتکوینها را بهخوبی پوشش نمیدهند و دوره Web3/DeFi ارتباط آنها را تا حدی کمرنگ کرده است.
ارتباط با Nextino. سه درس مشخص: (الف) فرمت Quicktake پنجدقیقهای دقیقاً همان فرمتی است که خلاصه روزانه Nextino باید از آن الگو بگیرد. کوتاه. شمارهگذاریشده. فارسی. متراکم از سیگنال. (ب) پلتفرم شخصیتمحور (Ki Young Ju) به این دلیل کار میکند که برند را انسانی میکند — صدرا/نیک باید ساختن پرسونای عمومی خود پیرامون تحلیلهای Nextino را جدی بگیرند. (ج) بخش عمودی کرهای آنها نقشه راه را اثبات میکند: اول یک زبان را تسخیر کن، بعد گسترش بده. فارسی، کرهای Nextino است.
glassnode.comمعرفی. این شرکت در سال ۲۰۱۷ توسط Rafael Schultze-Kraft و Jan Happel در سوئیس تأسیس شد. خودتأمینمالی (self-funded)، با حدود ۵۰ نفر نیروی انسانی. معتبرترین و آکادمیکترین نام در حوزهی آنچین (on-chain). محققان این شرکت بسیاری از متریکهای نامگذاریشدهای را که امروز کل صنعت از آنها استفاده میکند ابداع یا رواج دادند — MVRV، SOPR، Realized Cap، NUPL، aSOPR، RHODL.
خدمات ارائهشده. عمیقترین کاتالوگ متریکهای آنچین نامگذاریشده، همراه با تصویرسازیهای (visualizations) پژوهشمحور. گزارشهای هفتگی “Insights” که توسط تیم محققان نوشته میشوند — قالب بلند، استنادمحور، با رویکرد تشخیص رژیم بازار (regime-detection) — نظیر: «بر اساس NUPL وارد فاز سرخوشی شدهایم». قیمتگذاری پلکانی: رایگان ← $29-$39/ماه Advanced ← $799/ماه Pro (جهش قیمتی بزرگی که شکافی آشکار ایجاد میکند). اخیراً قابلیت Q&A روی کاتالوگ متریکها نیز اضافه شده است.
روش کار. کمتر از رقبا بر «AI» تکیه میکنند — ارزش اصلیشان در مدلسازی آماری پژوهشمحور، تحلیل کوهورتی (cohort analysis)، و تنوع گستردهی متریکهای نامگذاریشدهای است که خود تألیف کردهاند. سیستم Q&A آنها از نوع RAG بر روی کاتالوگ متریکها و گزارشهای Insights است. هویت تیم، محققمحور است نه بازاریابیمحور — محتوا به سبک مقالات مالی آکادمیک نوشته میشود که جذابیت آن برای کاربران عادی را محدود، اما اعتبارش را نزد کوانتها به حداکثر میرساند.
حکم کیفی. معتبرترین نام در آنچین. روششناسیشان منتشر شده است. محققانشان به یکدیگر و منابع بیرونی استناد میدهند و توسط دیگران نیز استناد میگیرند. نقطهی ضعف: شکاف قیمتی ($39 → $799 بدون هیچ گزینهای در بین) و لحن آکادمیک که غیرمتخصصان را دور میکند. لایهی Q&A آنها شایسته است اما دیرهنگام — Messari و Dune زودتر و با صیقل بیشتری به این مرحله رسیدند.
ارتباط با Nextino. مهمترین درس استراتژیک اینجاست: یک شاخص نامدار از آنِ خود بسازید. Glassnode معیار MVRV را اختراع کرد. حالا هر پلتفرم دیگری MVRV را «بر اساس روششناسی Glassnode» گزارش میدهد. این یک خندق مرجعیت (reference moat) دائمی است. Nextino باید یک شاخص با نام فارسی طراحی و نامگذاری کند — «شاخص نکستینو» یا «شاخص ترس و طمع تهران» یا معادلی مشابه — که تیم در هر خلاصهی تحلیلی از آن استفاده کند و کاربران بهتدریج شروع به استناد به آن نمایند. خندق رقابتی (moat) دوساله با هزینهی ساخت تقریباً صفر.
arkhamintelligence.comمعرفی. این شرکت در سال ۲۰۲۰ توسط Miguel Morel در سانفرانسیسکو تأسیس شد. از حمایت سرمایهگذاران Tier-1 (Founders Fund، Sound Ventures) برخوردار است. Arkham همواره بحثبرانگیز بوده؛ محصول برچسبگذاری هویت نهادها (entity-labeling) با مرزهای حریم خصوصی تداخل دارد و Intel Exchange آنها (بازاری برای کشف هویت کیفپولها از طریق جایزهگذاری جمعسپارانه) پرسشهای اخلاقی جدی ایجاد کرده است. حدود ۶۰ نفر نیرو دارند که اکثراً مهندس هستند.
محصولات ارائهشده. دو محصول مجزا: Arkham Visualizer (رابط گرافمحور برای کاوش روابط کیفپولها با برچسبهای هویتی روی آنها) و Arkham Ultra (یک LLM agent که پرسوجوهای متنی برای تحقیق درباره کیفپولها را به query های زنجیرهای تبدیل میکند). به علاوه، بازار جایزه Intel Exchange نیز موجود است. مدل قیمتگذاری freemium با سطوح پولی است؛ درآمد قابل توجهی از تیمهای انطباق (compliance) و قراردادهای دولتی کسب میکنند.
نحوه عملکرد. سه بخش اصلی دارد: (۱) pipeline برچسبگذاری هویت، مشابه Nansen، مبتنی بر graph ML روی الگوهای تراکنش و تطابق با منابع عمومی. (۲) Arkham Ultra این سیستم را در یک LLM agent میپوشاند که میتواند درخواستهایی مانند «کیفپولی که سه روز قبل از عرضه $TRUMP خرید کرد را پیدا کن» را دریافت و برای یافتن نامزدها، query های چندمرحلهای روی زنجیره اجرا کند. (۳) Intel Exchange به عموم امکان میدهد برای شناسایی هویت کیفپولهای خاص جایزه تعیین کنند، که برچسبهای اضافیای را فراهم میکند که تیم آنها تأیید و ادغام مینماید. همکاری دادهای آنها با وزارت خزانهداری آمریکا برای اجرای تحریمها بهخوبی مستند شده است.
ارزیابی کیفیت. از نظر فنی چشمگیر، اما از نظر اخلاقی مبهم است. الگوی تبدیل زبان طبیعی به query زنجیرهای یک رویکرد UX قدرتمند است. بازار جایزه ریسکهای واقعی ایجاد میکند (دیآنانیمایز کردن (doxxing)، آزار و اذیت، سلاحسازی ژئوپلیتیکی). این شرکت بهخاطر عادیسازی «کشف هویت کیفپول بهعنوان سرویس» به شیوهای که حریم خصوصی را از بین میبرد، مورد انتقاد قرار گرفته است. قراردادهای وزارت خزانهداری آمریکا در دوران دولت ترامپ نیز یک مزیتنمایی (flex) بحثبرانگیز به شمار میرود.
ربط به Nextino. دو درس با علامت مخالف وجود دارد. الگوی پرسوجوی زبان طبیعی به داده را کپی کنید — «نشانم بده بزرگترین حرکتهای دلار در یک ساعت گذشته» بهزیبایی با دادههای قیمت، خبر و شبکههای اجتماعی Nextino تطابق دارد. مدل برچسبگذاری هویت یا بازار جایزه را کپی نکنید. ایران بازاری با اعتماد شکننده است؛ کشف هویت کیفپول افراد ایرانی (wallet doxxing) هم برند را نابود میکند و هم مشکلات امنیتی واقعی برای کاربران ایجاد مینماید.
lunarcrush.comمعرفی شرکت. در سال ۲۰۱۸ در سانفرانسیسکو تأسیس شد. چندین بار جهتگیری محصول را تغییر داد — ابتدا با دادههای احساسات شبکههای اجتماعی شروع کرد، سپس در سال ۲۰۲۴ به ابزارسازی MCP server برای عوامل هوش مصنوعی (AI agents) روی آورد و در حال حاضر بهعنوان «دستیار هوش مصنوعی (AI Co-Pilot) برای اطلاعات کریپتو» جایگاهیابی کرده است. بدون سرمایهگذاری عمدهی VC (Bootstrapped) و با حدود ۲۵ نفر پرسنل فعالیت میکند.
خدمات ارائهشده. سه معیار اصلی بهازای هر ارز: Galaxy Score (بین ۰ تا ۱۰۰، ترکیبی از حجم اجتماعی + روند احساسات + مومنتوم قیمت)، AltRank (رتبهبندی دارایی در برابر کل بازار) و Narrative Tracking (پیگیری روایتها و بخشهای داغ — مانند AI، DePIN، RWA و غیره). همچنین یک MCP server (اندپوینتهای API آماده برای LLM) ارائه میدهد که صریحاً برای مصرف توسط عوامل هوش مصنوعی طراحی شده است. سطح رایگان + سطح Pro (حدود $25 در ماه برای دادههای تاریخی) + سطوح API ($$$).
نحوهی عملکرد. هستهی اصلی کارشان یک خطلولهی (pipeline) سفارشی NLP است که سالانه حدود ۲ تریلیون نقطهدادهی اجتماعی را پردازش میکند. مراحل این pipeline عبارتاند از: (۱) تشخیص زبان هر پست، (۲) امتیازدهی احساسات از طریق یک مدل fine-tuned در سطح FinBERT، (۳) طبقهبند (classifier) ربات و اسپم (این بخش پرهزینه است — سرمایهگذاری سنگینی روی فیلتر اسپم دارند)، (۴) تجمیع نتایج در قالب امتیازات هر ارز و هر روایت. Galaxy Score ترکیبی از احساسات + حجم + مومنتوم قیمت است، چون احساسات خام بهتنهایی بیش از حد پرنویز (noisy) است. چرخش به MCP server کاملاً استراتژیک بود — آنها دریافتند که «منبع دادهای باشیم که سایر هوشهای مصنوعی مصرف میکنند» موقعیتی قابلدفاعتر از رقابت بر سر رابط کاربری داشبورد است.
قضاوت دربارهی کیفیت. کیفیت داده واقعی است؛ اما استراتژی محصول مسیری پرتلاطم داشته. چرخش به MCP server آیندهنگرانه است اما کسب درآمد از آن در سطح خردهفروشی دشوارتر است. قیمتگذاری مبهم است (تا اواسط ۲۰۲۶ قیمت عمومی سطح Pro اعلام نشده). Galaxy Score یک پریمیتیو (primitive) مفید است، اما دقت آن بدون ترکیب با سایر شاخصها متوسط است — احساسات اجتماعی خالص اغلب با نقاط ورود سودآور همبستگی معکوس دارد.
ارتباط با Nextino. الگوی MCP server بازی بلندمدت Nextino برای داده است: وقتی سالها دادهی بازار ایران + احساسات فارسی + دادههای کانالهای Bale را در اختیار داشتیم، میتوانیم آن را بهصورت یک اندپوینت MCP در معرض دید سایر پروژههای هوش مصنوعی فینتک ایرانی قرار دهیم. این یک خط درآمد B2B است، نه برای فاز اول، اما تصمیمات معماری امروز (مثلاً داشتن API های تمیز روی دادههایمان) این مسیر را در سال سوم هموارتر میکند. در کوتاهمدت: الگوی UX یکعدد-بهازای-هر-ارز (سبک Galaxy Score) را الگوبرداری کنیم — ایدهی «شاخص نکستینو» دقیقاً با همین رویکرد همسو است.
santiment.netمعرفی. تأسیسشده در سال ۲۰۱۶ توسط Maksim Balashevich در Tallinn / Berlin. یکی از قدیمیترین نامها در حوزهی سنتیمنت کریپتو. ابتدا خودکفا، سپس از طریق ICO در سال ۲۰۱۷ تأمین مالی شد (دورهای بحثبرانگیز)، و از چندین بازار نزولی با تکیه بر درآمد اشتراک جان سالم به در برد. حدود ۲۵ نفر کارمند.
خدمات ارائهشده. پلتفرم Sanbase که ترکیبی است از: (الف) سنتیمنت اجتماعی هر ارز از بیش از ۷ منبع اجتماعی (X، Reddit، Telegram، Discord، Bitcointalk، 4chan، و انجمنهای داخلی)، (ب) متریکهای on-chain برای BTC و ETH، و (ج) یک متریک منحصربهفرد به نام Dev Activity — شمارش کامیتهای معنادار GitHub بهازای هر پروژه در هفته. بهعلاوه گزارشهای روزانه، قالبهای سفارشی هشدار، و یک تب AI Insights.
نحوهی عملکرد. مدل NLP سنتیمنت آنها از سال ۲۰۱۷ پیوسته بهبود یافته — یکی از قدیمیترین classifier های اختصاصی کریپتو، با پشتوانهی دادههای تاریخی غنی. Dev Activity یک متریک هوشمندانه است: آنها ریپوهای GitHub مرتبط با هر پروژه را انتخاب میکنند، کامیتهای بیاهمیت (merge، بهروزرسانی وابستگیها، قالببندی) را فیلتر میکنند، و یک شمارش کامیت با وزندهی اعتبار تولید میکنند. تب “AI Insights” نیز summarization مبتنی بر LLM است که روی لایهی متریکهای آنها سوار شده. قیمتگذاری از $50 در ماه (پلن Pro) تا سطح Enterprise.
حکم کیفی. دستکم گرفتهشده. متریک Dev Activity واقعاً متمایز است — جعل کامیتهای واقعی GitHub برای یک توکن کلاهبرداری، دشوارتر از جعل قیمت، حجم معاملات، یا منشنهای اجتماعی است. NLP اجتماعی چندمنبعی آنها بالغ است. نقاط ضعف: رابط کاربری قدیمی به نظر میرسد، برند آنها در سایهی بازیگران جدیدتر قرار گرفته، و قیمتگذاریشان آنها را در موقعیتی ناجور بین IntoTheBlock (ارزانتر و سادهتر) و Glassnode (پریمیومتر) قرار میدهد.
ارتباط با Nextino. به هر ارزی که Nextino دنبال میکند، یک بج “Dev Activity 🟢/🔴” اضافه کنید. این یک سیگنال کیفی در بازاری پر از نویز است. پیادهسازی آن کاملاً ساده است — GitHub Public API، رایگان، حدود ۵۰ خط کد Python — و اعتبارافزایی آن واقعی است. اغلب کاربران خُرد ایرانی این متریک را در هیچ جای دیگری ندیدهاند. مزیت پیشگامبودن (first-mover advantage) در حوزهی کریپتو-AI فارسیزبان.
whale-alert.ioمعرفی. این سرویس در سال ۲۰۱۸ توسط Frank van Weert در هلند تأسیس شد. تیمی بسیار کوچک (زیر ۱۰ نفر) بدون هیچگونه سرمایهگذاری خارجی. برجستهترین مطالعهی موردی (case study) در تمام این گزارش: محصولی به سادگی آنچه میتوان در یک هفته ساخت، با بیش از ۱.۸ میلیون دنبالکننده در Twitter — که از بالاترین آمارها در سراسر اکوسیستم کریپتو بهشمار میرود.
آنچه ارائه میدهند. فقط یک چیز: هشدار لحظهای هنگامی که یک تراکنش بزرگ روی هر یک از ۳۰+ بلاکچین رخ میدهد. خروجی یک توییت/اعلان قالببندیشده است: “🐳 1,500 BTC (#119,500,000 USD) transferred from Whale to Binance”. تأخیر زیر ۶۰ ثانیه از تأیید آنچین. هشدارها برای مصرفکننده رایگان است؛ دسترسی API پولی برای محصولاتی که به داده نیاز دارند.
نحوهی عملکرد واقعی. تقریباً هیچ هوش مصنوعیای در Whale Alert وجود ندارد — و این خود درس اصلی است. موتور سیستم یک مجموعهقانون휴ریستیک (heuristic rule-set) است: تراکنشهایی که از یک آستانهی تعریفشده بهازای هر زنجیره فراتر میروند (500 BTC، 10,000 ETH، 5 میلیون دلار استیبلکوین و غیره) یا تراکنشهایی که از/به یکی از آدرسهای «جالبتوجه» فهرستشدهی آنها (کیفپولهای برتر، نهنگهای شناختهشده، کیفپولهای داغ صرافیها) انجام میشوند. یک قالب ساده پیام را تولید میکند. سرمایهگذاری فنی واقعی تیم روی زیرساخت است: همگام نگهداشتن نودها روی ۳۰+ زنجیره، فیدهای mempool/تأیید زیر یک ثانیه، و یک خط لولهی انتشار توییت قابلاطمینان. مدل درآمدی از طریق دسترسی API پولی به همین فید داده است.
داوری کیفی. یک درس استادانه در سادگی محصول. هزینهی جذب مخاطب تقریباً صفر بوده — هر توییت قابل اشتراکگذاری است، برند غیرقابل اشتباه است، و ارزش هر توییت برای یک معاملهگر فوری است. نقاط ضعف: این یک کسبوکار توجهمحور است، نه یک کسبوکار درآمد تکرارشونده (recurring revenue). اکثر دنبالکنندهها توییتهای رایگان را مصرف میکنند و هرگز پولی نمیپردازند. این مجموعه هرگز نتوانسته مخاطب را به درآمد خردهفروشی پولی قابلتوجهی تبدیل کند.
ارتباط با Nextino. این پرسودترین ساخت دو هفتهای در این گزارش است. یک کانال Bale فارسی به سبک Whale Alert راهاندازی کنید که پیامهای فارسی قالببندیشده را برای حرکتهای بزرگ نهنگها در BTC/ETH/USDT/دلار/طلا/نفت ارسال کند. هزینه: ~$0 (APIهای رایگان زنجیره + RSS رایگان برای بازار ارز). مخاطب: واقعی و مستقل — حتی کاربران غیر-Nextino هم عضو میشوند، و آن کانال به یک قیف جذب (top-of-funnel) برای ربات اصلی تبدیل میشود. فرمت پیام این است: “🐳 ۱۵۰۰ بیتکوین از یک کیفپول حوت به Binance منتقل شد · ۱۲۰ میلیون دلار” — شفاف، کامل، و فوراً قابل درک. مخاطب را بهصورت ارگانیک به محصول اصلی خود تبدیل کنید.
lookonchain.comآنها چه کسانی هستند. در سال ۲۰۲۲ توسط یک تیم ناشناس مستقر در آسیا تأسیس شد. بسیار کوچک — احتمالاً زیر ۱۰ نفر. یک برند رسانهای/نشریاتی محض که بر پایهی Twitter به عنوان کانال اصلی توزیع بنا شده — تا اواسط ۲۰۲۶ حدود ۵۰۰k دنبالکنندهی Twitter دارند. بوتاسترپشده، با درآمدزایی از طریق مخاطب (اسپانسرشیپ، مشارکتها، و احتمالاً خبرنامه یا ترمینال پولی در آینده).
چه چیزی ارائه میدهند. همان فید دادهی خام Whale Alert (شناسایی تراکنشهای بزرگ on-chain بهعلاوهی دایرکتوری کیفپولهای برچسبگذاریشده)، اما به شکلی متفاوت بستهبندیشده: بهصورت توییتهای روایی. بهجای «1500 BTC جابهجا شد»، مینویسند «کیفپول 0xABC سه ساعت پس از توییت Vitalik دربارهی آن، 50 ETH خرید — همین کیفپول پیش از اعلام merge نیز ۲۰۰ ETH خریده بود.» این کار را روزانه چندین بار انجام میدهند.
واقعاً چطور این کار را میکنند. از نظر فنی حداقلیاند — از Etherscan، Arbiscan، Solscan بهعلاوهی دایرکتوری کیفپولهای برچسبدار خودشان و رصد Twitter برای شناسایی حرکتهای on-chain قابلروایت استفاده میکنند. سپس انسانها روایتها را مینویسند (با کمک LLM که رفتهرفته بیشتر میشود). محصول اصلیشان چارچوببندی تحریریه است، نه شناسایی. ارزشافزودهشان این است که «داستان پشت تراکنش را بگو»، نه صرفاً «بگو تراکنشی اتفاق افتاد.»
حکم کیفی. اجرای عالی در یک حوزهی محدود. قالب توییت روایی، ۱۰ برابر بیشتر از هشدارهای قالبی whale engagement میگیرد. ذوق تحریریهی تیم است که آن را کارآمد میکند — آنها داستانهایی را انتخاب میکنند که زاویهی انسانی روشنی دارند. نقطهی ضعف: وابستگی کامل به Twitter؛ اگر سیاستهای X تغییر کند، کل برند از بین میرود (شبیه ماجرای Yaps در Kaito).
ارتباط با Nextino. این ایده را با ایدهی Whale Alert (شماره ۱۱) ترکیب کنید: کانال فارسی whale-alert Nextino باید روایت را هم در بر بگیرد، نه فقط تراکنش را. «🐳 ۱۵۰۰ بیتکوین به Binance — این کیفپول دو هفته پیش هم همین مقدار را قبل از سقوط بازار فروخته بود.» یک روایت فارسی ۲ تا ۳ جملهای پیرامون هر حرکت مهم. هزینهی توکنهای AI آن ناچیز است، اما engagement را بهشدت بالا میبرد. البته مخاطب خود را روی Twitter شرطبندی نکنید — Bale و Telegram را بهعنوان کانالهای اصلی نگه دارید.
cryptopanic.comمعرفی. در سال ۲۰۱۷ در رومانی تأسیس شد (بنیانگذاران سالها ناشناس بودند؛ اکنون یک تیم در اروپای شرقی آن را اداره میکند). بوتاسترپشده (Bootstrapped) و سالهاست از طریق اشتراک و تبلیغات سودآور است. حدود ۱۰ نفر کارمند دارد. یکی از معدود محصولات حوزه کریپتو که چندین بازار نزولی را پشت سر گذاشته، صرفاً به این دلیل که واقعاً کاربردی و ارزانقیمت است.
خدمات. یک فید خبری تجمیعشده (aggregated) از کریپتو که بیش از ۱۰۰ منبع — از جمله CoinDesk، Cointelegraph، The Block، فیدهای رسمی وبلاگها و X — را گرد هم میآورد؛ با برچسبهای احساسی (sentiment tags) برای هر مقاله (مثبت / منفی / مهم) و فیلتر سفارشیسازیشده (مثلاً «فقط اخبار منفی ETH از منابع درجهیک به من نشان بده»). سطح رایگان با تبلیغات؛ سطح پولی حدود $۱۵ در ماه که تبلیغات را حذف کرده و دسترسی به API و خلاصهسازی هوش مصنوعی را فعال میکند.
نحوه عملکرد. سه لایه دارد: (۱) یک پایپلاین (pipeline) سفارشی RSS و توییتر که مقالات را دریافت و عنوان/خلاصه را استخراج میکند. (۲) یک classifier احساسسنجی برای هر مقاله — احتمالاً یک مدل fine-tuned از خانواده BERT که روی اخبار کریپتوی برچسبگذاریشده آموزش دیده (برچسب «Important» یک classifier جداگانه است که اخبار پرتأثیر را شناسایی میکند). (۳) برای کاربران پولی، یک لایه خلاصهسازی مبتنی بر LLM که چندین مقاله درباره یک موضوع واحد را به یک پاراگراف فشرده میکند. رابط کاربری فیلترسازی ویژگی کلیدی (killer feature) محصول است — کاربران فیدهای سفارشی به ازای هر ارز میسازند.
داوری کیفی. الگوی موفقی از پایداری فناوری مستقل (indie-tech). محصول سالهاست تغییر نکرده و این خود یک ویژگی است، نه نقص. برچسب «Important» تمام ارزش محصول است — بدون آن، این فید صرفاً یک تجمیعکننده ساده است. classifier کامل نیست (گاهی اخبار واقعاً مهم را از دست میدهد؛ گاهی روی محتوای تبلیغاتی (hype) اشتباه میکند) اما به اندازه کافی دقیق است که کاربران پولی به پرداخت ادامه دهند.
ارتباط با Nextino. دو الگوی قابل استفاده وجود دارد: (الف) UX برچسبگذاری هر مقاله («🚨 مهم» / «🟢 مثبت» / «🔴 منفی») که یک افزوده کوچک به پایپلاین خبری Nextino است اما سطح حرفهای بودن محصول را در نگاه کاربر بهشدت بالا میبرد. (ب) الگوی فیلترساز (filter-builder) — به کاربران اجازه داده شود بگویند «فقط پستهای تحلیلگران درباره بیتکوین» یا «فقط اخبار با برچسب 🚨 در ۶ ساعت گذشته.» این ویژگی پیشرفتهتری برای کاربران قدرتمند (power users) است، اما اثبات شده که نرخ ماندگاری (retention) را افزایش میدهد.
banterbubbles.comمعرفی. تأسیسشده حدود ۲۰۲۱ در آمریکا، برخاسته از اکوسیستم گستردهتر گروه Banter در Twitter (Banter یک شخصیت محبوب حوزه کریپتو در Twitter با حدود ~700k دنبالکننده است). تیم کوچک. توزیع محصول عمدتاً از طریق مخاطبان Banter صورت میگیرد.
چه ارائه میدهند. یک «نقشه حبابی» بصری که در آن هر ارز بهصورت یک دایره نمایش داده میشود: اندازه = مارکتکپ، رنگ = درصد تغییر در ۲۴ ساعت گذشته، موقعیت = دستهبندی روایت (AI، RWA، Memecoin، DePIN، Gaming و غیره). حبابها بهصورت نزدیک به لحظهای بهروز میشوند. نسخه پایه رایگان است؛ سطوح پولی امکان پخش تاریخچه و فیلترهای روایت سفارشی را فعال میکنند.
نحوه عملکرد واقعی. دو لایه: (۱) طبقهبندی روایت — هر توکن از طریق یک prompt بهصورت zero-shot LLM بر اساس توضیحات، برچسبهای دستهبندی و محتوای صفحه پروژه به ۱ تا ۲ روایت تخصیص مییابد. (۲) رندرینگ حباب — یک ویژوالیزیشن سفارشی D3.js / web-canvas که تغییرات قیمت و مارکتکپ را بهصورت انیمیشن نمایش میدهد. منابع داده CoinGecko + DefiLlama API هستند (ارزان و عمومی). محصول ۹۰٪ تجربه کاربری (UX) است و ۱۰٪ داده.
حکم کیفیت. واقعاً جذاب و مفید. ویژوالیزیشن حبابی به سؤالی پاسخ میدهد که هر معاملهگر خردهپا به آن اهمیت میدهد: «روایت بعدی AI/RWA/DePIN چیست؟» — بهتر از هر صفحهگستردهای. نقاط ضعف: صرفاً ویژوالیزیشن است، هیچ خروجی سیگنالی ندارد، کسب درآمد فراتر از اسپانسرشیپهای تبلیغاتی دشوار است، و دادهها همان چیزی است که CoinGecko ارائه میدهد (تمایزی ندارد).
ارتباط با Nextino. طبقهبندی روایت یک فراخوانی one-shot LLM به ازای هر ارز است که ارزش واقعی میافزاید. Nextino باید هر ارز موجود در لیست رصد خود را با ۱ تا ۲ روایت برچسبگذاری کند («روایت AI»، «روایت بازی»، «روایت RWA») و یک خلاصه روزانه «گرمترین روایتهای امروز» منتشر کند. نیازی به ویژوالیزیشن پیچیده نیست — برای مخاطبان Bale/Telegram یک خلاصه متنی فارسی کافی است.
tradingview.comمعرفی. این شرکت در سال ۲۰۱۱ توسط Constantin Ivanov، Stan Bokov و Denis Globa بهعنوان یک تیم روسی تأسیس شد و اکنون دفاتر اصلی آن در روسیه و انگلستان قرار دارند. TradingView یک یونیکورن پیش از عرضه اولیه سهام (pre-IPO) است که تاکنون حدود $300M جذب سرمایه کرده و ارزشگذاری آن به چند میلیارد دلار رسیده است. این پلتفرم حدود ۱۰۰ میلیون کاربر ثبتنامشده در حوزههای کریپتو، فارکس (FX)، سهام و قراردادهای آتی (futures) دارد. TradingView بهاختلاف، مسلطترین پلتفرم TA برای معاملهگران خُرد در سطح جهان است.
محصولات و خدمات. یک پلتفرم نموداری و تحلیل تکنیکال (TA) تحت وب با دادههای بازار بهصورت Real-time برای بیش از ۱۰۰ هزار نماد معاملاتی. هسته اصلی محصول همان نمودار است، اما آنچه آن را استثنایی میکند اندیکاتورهای Pine Script منتشرشده توسط جامعه کاربری است. هزاران اندیکاتور ساختهشده توسط کاربران — که بسیاری از آنها از ML بهره میبرند، از جمله پیشبینیکنندههای LSTM، پوششهای تحلیل احساسات (sentiment overlay)، و اسیلاتورهای سفارشی — بهصورت رایگان یا پولی در دسترس هستند. علاوه بر این، شبکه اجتماعی معاملهگران برای بهاشتراکگذاری ستاپها، موتور هشدار (alert engine) که با تحقق شرایط مشخص فعال میشود، و سیستم webhook برای ارسال هشدارها به سیستمهای خارجی نیز ارائه میشوند.
رویکرد فناورانه. خود TradingView در حوزه AI فعالیتی ندارد — این پلتفرم یک زیرساخت (infrastructure platform) است. هوش مصنوعی در اکوسیستم Pine Script منتشرشده توسط نویسندگان جامعه کاربری جریان دارد. AI Strategy Tester که اخیراً معرفی شده، اولین قابلیت واقعی AI این پلتفرم است: استراتژی خود را به زبان طبیعی توصیف کنید و ابزار، Pine Script متناظر آن را تولید میکند. خروجی webhook پلتفرم، دارایی فنی کلیدی در اکوسیستم گستردهتر است — میلیونها هشدار در روز از TradingView عبور کرده و به رباتها، کانالهای Telegram و پلتفرمهای معاملاتی ارسال میشوند.
نتیجهگیری کیفی. یک محصول تعریفکننده دستهبندی (category-defining). چرخه خودتقویتکننده (flywheel) Pine Script جامعه کاربری، کاملاً منحصربهفرد است — هیچ پلتفرم دیگری این عمق از منطق AI/TA مشارکتی را ندارد. نقاط ضعف: تأخیر داده در سطح رایگان قابلتوجه است (تأخیر اینترادی برای بسیاری از نمادها)، ابهام ژئوپلیتیکی مرتبط با تیم روسی برای مشتریان سازمانی نگرانیهایی ایجاد میکند، و Pine Script منحنی یادگیری (learning curve) دارد.
ارتباط با Nextino. رقابت نکنید؛ یکپارچهسازی کنید. Nextino نیازی به ساخت نمودارهای TA از صفر ندارد. رویکرد هوشمندانهتر این است که به کاربران امکان داده شود هشدارهای TradingView خود را بهعنوان سیگنال ورودی به Nextino متصل کنند. کاربر یک هشدار در TradingView پیکربندی میکند (مثلاً «ETH RSI < 30»)، webhook هشدار به یک endpoint در Nextino میرسد، و Nextino یا تفسیر AI روی آن سیگنال تولید میکند یا آن را در هشدارهای شخصیسازیشده کاربر لایهبندی میکند. بدین ترتیب، Nextino به لایه AI فارسیزبان روی زیرساخت TA پلتفرم TradingView تبدیل میشود.
thetie.ioدربارهشان. در سال ۲۰۱۸ توسط Joshua Frank در نیویورک تأسیس شده است. دارای سرمایهگذاری Series A است. حدود ۵۰ نفر کارمند دارند. ارائهدهنده معیار دادههای احساسات نهادی (institutional sentiment data) در حوزه کریپتو. مشتریان آنها صندوقهای پوشش ریسک (hedge funds)، میزهای معاملات OTC و بانکها هستند؛ تقریباً هیچ محصول خردهفروشی ندارند.
آنچه ارائه میدهند. دو محصول اصلی: Terminal (یک ایستگاه کاری تحقیقاتی در سطح Bloomberg با نمایش همپوشانی احساسات در برابر قیمت، موتورهای هشدار، و غربالگرهای سفارشی) و Sentiment API (نمرات NLP آنها بهصورت فید B2B). قیمتگذاری سفارشی و نهادی است — از اواسط پنج رقم در ماه تا اوایل شش رقم برای استقرارهای سازمانی متغیر است.
نحوه عملکرد واقعی آنها. دارایی دادهای منحصربهفردشان: آرشیو فایرهوس توییتر از لحظه رویداد (point-in-time) از سال ۲۰۱۸. این همان خندق رقابتی (moat) آنهاست. اکثر محصولات احساسات خردهفروشی «احساسات جاری» دارند اما هیچ پیشینه تاریخی قابل استفادهای ندارند — یعنی بدون بکتست، بدون ادعای آماری. The Tie میتواند به مشتریان نشان دهد: «هر بار که این پیکربندی واگرایی احساسات در برابر قیمت از سال ۲۰۱۸ تاکنون رخ داده، توزیع بازده ۷ روزه بعدی اینگونه بوده است.» زیرساخت NLP آنها پیچیده است اما استثنایی نیست — آنچه میفروشند عمق تاریخی است. بهعلاوه TikTok، YouTube و حدود ۵۰ منبع خبری نیز لایهبندی شدهاند.
حکم کیفی. بهترین در کلاس خود است. بازار نهادی برای دادههای احساسات کریپتو کوچک اما پردرآمد است. نقاط ضعف: استراتژی محصول محدود است (فقط نهادی)، قیمتگذاری همه را بهجز صندوقهای بالای $100M حذف میکند، و خندق رقابتی (آرشیو تاریخی توییتر) در معرض خطر است، چنانچه سیاست دسترسی به داده توییتر به سختگیری ادامه دهد.
ارتباط با Nextino. رقیب مستقیم نیست — Nextino برای صندوقهای پوشش ریسک محصول نمیفروشد. اما یک فرصت B2B آینده وجود دارد که ارزش اشاره دارد: با انباشته شدن داراییهای داده Nextino (از ماهها به سالها از احساسات Telegram و Bale فارسی، دادههای قیمت ایرانی، و جریانهای Nobitex در صورت دسترسی)، آن آرشیو تاریخی به یک فید B2B قابل فروش برای صرافیهای ایرانی، صندوقهای پوشش ریسک MENA، و رسانههای کریپتو تبدیل میشود. درس معماری: هر چیزی که Nextino امروز با آن تماس دارد را زمانبندی کرده و آرشیو کنید. در سال سوم، این به یک خط درآمدی تبدیل خواهد شد.
numer.aiاین پلتفرم چیست. تأسیسشده در سال ۲۰۱۵ توسط Richard Craib در سانفرانسیسکو. حامیان مالی آن شامل Howard Morgan (از همبنیانگذاران Renaissance Technologies)، Naval Ravikant و دیگران میشوند — پشتوانهای با اعتبار بالا در حوزهی quant-finance و VC. حدود ۲۵ نفر پرسنل دارد. هم بهعنوان یک صندوق پوشش ریسک (hedge fund) و هم بهعنوان یک مسابقهی عمومی crypto-quant فعالیت میکند.
محصولات ارائهشده. دو محصول دارد. (۱) Numerai Tournament — هر کسی میتواند یک مدل ML روی ویژگیهای ناشناسسازیشدهی Numerai آموزش دهد (ورودیها به منظور جلوگیری از مهندسی معکوس پنهان میشوند) و پیشبینیهای خود را ارسال کند؛ شرکتکنندگان برای تأیید دقتشان توکن NMR به اشتراک میگذارند. (۲) Numerai Signals — همان ساختار مسابقه اما خاص کریپتو: شرکتکنندگان سیگنالهای جهتدار برای هر دارایی ارسال میکنند؛ Numerai آنها را در قالب یک meta-prediction تجمیع میکند. این meta-prediction هم صندوق داخلی Numerai و هم یک فید سیگنال B2B پولی را تغذیه میکند.
سازوکار عملکرد. خود مکانیزم، همان محصول است. ویژگیهای ناشناسسازیشده منتشر میشوند و پیشبینیها از بیش از ۳۰,۰۰۰ دانشمند داده و بیش از ۱,۲۰۰ مدل staked بازمیگردند. یک meta-model پیشبینیها را تجمیع میکند و وزن هر شرکتکننده را بر اساس مقدار سرمایهگذاریشده (skin-in-the-game) و دقت تاریخی تعیین میکند. پویایی برونسپاری جمعی (crowd-sourcing) سطحی از تنوع ML ایجاد میکند که هیچ تیم داخلی منفردی قادر به تأمین آن نیست. اقتصاد توکنی (token economics) تضمین میکند که ارسالهای بیکیفیت برای فرستنده هزینهی NMR دارد؛ ارسالهای باکیفیت نیز NMR کسب میکنند.
حکم کیفی. یک طراحی مکانیزم (mechanism design) واقعاً نوآورانه. رویکرد crowd-sourcing هم از طریق عملکرد صندوق (اعداد دقیق عمومی نیستند اما حمایت Renaissance نشاندهندهی موفقیت است) و هم از طریق ماندگاری شرکتکنندگان (افراد سالبهسال به ارسال پیشبینی ادامه میدهند) تأیید شده است. نقطهی ضعف: بسیار فنی است، درآمدزایی در سطح خردهفروشی (retail) دشوار است، و اقتصاد توکن NMR نوفهی سفتهبازانه به آن اضافه میکند.
ارتباط با Nextino. مستقیماً برای محصول اصلی Nextino قابل کپیبرداری نیست. اما یک ایدهی خندق رقابتی مبتنی بر جامعه (community moat) وجود دارد که در آینده ارزش آزمایش دارد: اجازه دهید quantهای ایرانی پیشبینیهای per-coin خود را به یک لیدربورد (leaderboard) Nextino ارسال کنند (بدون نیاز به توکن، صرفاً بازی رایگان). پس از ۶ ماه جمعآوری داده، لیدربورد ۱۰ مدل برتر crypto-quant ایرانی را معرفی میکند. موتور سیگنال Nextino میتواند درجهبندی AI خود را با ۳ مدل برتر جامعه ترکیب کند. هزینهی آن تقریباً صفر است، یک جامعهی قابل دفاع میسازد، و روابط عمومی (PR) ایجاد میکند.
faradox.aiمعرفی. تأسیسشده حدود ۲۰۲۳، تیم کوچک (احتمالاً کمتر از ۱۵ نفر)، مستقر در منطقه MENA. کوچکتر از Token Metrics اما در حال ظهور بهعنوان بازیگر AI-signal منطقهای. توزیع محصول عمدتاً از طریق Telegram. اعتبار نهادی کمتری نسبت به Token Metrics دارد، اما چابکتر عمل میکند.
محصولات و خدمات. یک محصول ترکیبی: سیگنالهای رتبهبندیشده توسط AI به تفکیک هر کوین + تفسیر روزانه نوشتهشده توسط LLM + کانال Telegram برای ارسال هشدارهای لحظهای. چندین سطح اشتراک از طریق درگاههای پرداخت محلی. بخشی از محصول به عربی، ترکی و انگلیسی بومیسازی شده؛ زبان فارسی هنوز در اولویت آنها نیست.
روش اجرا. الگوی فنی شبیه به نسخه سبکتر Token Metrics به نظر میرسد: امتیازدهی به ازای هر کوین از طریق ML، با لایهای از تفسیر LLM روی آن. تمرکز بیشتر بر Telegram بهعنوان کانال اصلی تحویل، بهجای ساخت یک داشبورد وب سنگین — که برای مخاطبان MENA انتخاب درستی است. تیم کوچکتر است و کیفیت محتوا نسبت به Token Metrics ناهمگونتر، اما سرعت تکرار و بهبود محصول محسوس است.
ارزیابی کیفی. امیدوارکننده، اما در چرخههای متعدد بازار آزمون نشده. سابقه سیگنالهای آنها مبهم است (هیچ داشبورد عمومی نرخ موفقیت وجود ندارد). مدل تحویل Telegram-first انتخاب معماری درستی است. کیفیت محتوا رو به بهبود بوده، اما هنوز ناپیوسته است — بعضی روزها تحلیلها تیزبینانهاند، و بعضی روزها قالبی و تکراری به نظر میرسند.
ارتباط با Nextino. این نزدیکترین رقیب مستقیم Nextino در بخش MENA و منطقهای است. سه درس کلیدی: (الف) مدل تحویل Telegram-first اعتبارسنجی شده است — رویکرد Bale+Telegram در Nextino در مسیر درستی قرار دارد. (ب) فقدان ردیابی عمومی نرخ موفقیت سیگنالها، دقیقاً همان جایی است که خندق رقابتی (moat) شفافیت Nextino را میسازد — اگر Faradox ادعای «دقت ۸۲٪» کند و Nextino هر سیگنال را با نتیجه نهایی آن بهصورت عمومی منتشر کند، Nextino در جنگ اعتبار پیروز میشود. (ج) آنها هنوز Persian-first نشدهاند؛ Nextino این نیچ فارسیزبان را کاملاً بدون رقیب در اختیار دارد.
defillama.comآنها کی هستند. DefiLlama توسط یک بنیانگذار ناشناس (با نام توییتری «0xngmi») اداره میشود؛ بدون سرمایهگذار خارجی، با روح متنباز، و طی سالها از طریق کمکهای جامعه و گرنتها سرپا مانده است. این پلتفرم معیار اصلی دادههای TVL در حوزه DeFi به شمار میرود. LlamaAI لایه پرسشوپاسخ جدیدتر آنهاست که در سال ۲۰۲۴ راهاندازی شد.
چه ارائه میدهند. بزرگترین کاتالوگ عمومی دادههای DeFi — شامل TVL بهتفکیک پروتکل و زنجیره در بازههای زمانی مختلف، نرخهای بازده، موجودی خزانهداری، حاکمیت، کارمزد و درآمد. LlamaAI روی این بستر نشسته است: یک رابط پرسشوپاسخ به زبان طبیعی و کاملاً رایگان که به پرسشهایی مانند «کدام DEXهای Solana ماه گذشته بیش از ۵۰٪ رشد TVL داشتند؟» پاسخ میدهد.
چطور کار میکند. LlamaAI یک pipeline از نوع text-to-SQL است: پرسش کاربر → LLM یک کوئری SQL روی دیتاست باز DefiLlama تولید میکند → کوئری اجرا میشود → LLM نتایج را به زبان طبیعی خلاصه میکند. دیتاست زیرین واقعاً حجیم است — سالها داده در سطح پروتکل و چندین زنجیره. تیر رایگان کل محصول را پوشش میدهد و از طریق مخاطبان توییتر و اسپانسرشیپهای پراکنده تأمین مالی میشود.
حکم کیفی. نمونهای موفق از محصول کریپتو متنباز. رویکرد «همه چیز رایگان» بهعلاوه هویت ناشناس بنیانگذار، اعتبار فرهنگی خاصی به برند داده است. LlamaAI برای پرسشهای تحلیلی که پاسخشان واقعاً در دادههاست عملکرد خوبی دارد؛ برای سؤالات نظری یا پیشبینی چندان مفید نیست. نقطه ضعف اصلی: نبود مدل کسبوکار پایدار — این پروژه تنها یک «فرسودگی بنیانگذار» یا یک «چرخه گرنت» با خطر اختلال فاصله دارد.
ارتباط با Nextino. الگوی text-to-SQL روی دادههای خودتان یک ساخت یکهفتهای است با تأثیر UX بسیار بالا. Nextino سالها داده قیمتی، کش تحلیلهای AI، اخبار و سنتیمنت، و بازخورد کاربران در اختیار دارد. یک پرسش فارسی («نمودار بیتکوین در سی روز گذشته در مقایسه با اتریوم») ← text-to-SQL ← اجرا ← بازگشت نمودار + خلاصه فارسی. کاملاً شدنی است. دادهای که Nextino دارد، LLMای که Nextino استفاده میکند، و رندرر نمودار که Nextino دارد — همه آمادهاند.
delphidigital.ioمعرفی. در سال ۲۰۱۸ توسط Tom Shaughnessy و Kevin Kelly در نیویورک تأسیس شد. یک شرکت پژوهشی در سطح نهادی (institutional-grade) با حدود ۵۰ نفر پرسنل. هم یک کسبوکار اشتراک پژوهشی (Delphi Research) دارد و هم یک بازوی سرمایهگذاری خطرپذیر مجزا (Delphi Ventures). مشتریان آنها صندوقهای پوشش ریسک (hedge fund)، دفاتر خانوادگی (family office) و سرمایهگذاران خطرپذیر حوزه کریپتو هستند.
خدمات ارائهشده. گزارشهای پژوهشی بلندمدت درباره پروتکلها، اکوسیستمها و روایتهای کلان بازار. گزارشهای Bitcoin و یادداشتهای تحلیلی Ethereum آنها در محافل نهادی کریپتو بهطور گستردهای ارجاع داده میشوند. قیمتگذاری: سطوح اشتراک از $500 تا $5000+/year. علاوه بر این، یک حضور عمومی فعال در توییتر (~200k followers) دارند که خلاصههای تأثیرگذاری از پژوهشهای غیررایگانشان منتشر میکند.
روش عملیاتی. تکیه سنگین بر تحلیلگران انسانی. محققان آنها گزارشها را مینویسند؛ هوش مصنوعی بهصورت داخلی برای خلاصهسازی داده و ایدهپردازی استفاده میشود، اما خروجی نهایی توسط انسان ویرایش میشود. استراتژی توییتری آنها غیرمعمول است — بخش قابل توجهی از مالکیت فکری خود را بهصورت رایگان منتشر میکنند، چون دریافتهاند که قیف توییتری (Twitter-funnel) ارزش بیشتری برای اشتراک ایجاد میکند تا مسدود کردن کامل محتوا.
نتیجهگیری درباره کیفیت. پژوهش نهادی در بالاترین سطح صنعت. گزارشهای آنها هنگام انتشار بازار را تکان میدهند. نقطه ضعف: قیمتگذاری آن را از دسترس کاربران خردهپا (retail) خارج میکند و محتوای تمامانگلیسی، ۸۰٪ از مخاطبان جهانی کریپتو را کنار میگذارد.
ارتباط با Nextino. دو درس کلیدی: (الف) رایگان در توییتر، عمیق در اشتراک (Free-on-Twitter, paid-deep) یک استراتژی محتوایی ارزشمند برای الگوبرداری است. کانال Nextino باید بینشهای روزانه تأثیرگذار منتشر کند؛ ربات جایی است که محتوای عمیقتر و شخصیسازیشده در آن قرار دارد. محتوای رایگان، پذیرش ربات را تسریع میکند. (ب) پژوهش نهادی فارسی یک بازار دستنخورده است. هیچکس پژوهش جدی کریپتو را به زبان فارسی برای بازیگران نهادی ایرانی (صندوقها، دفاتر خانوادگی، فینتکها) نمینویسد. این یک فرصت توسعه در فاز دوم است — بهمحض اینکه برند خردهفروشی Nextino تثبیت شد، یک عمودی پژوهش نهادی با عنوان «نکستینو ریسرچ» به یک فرصت واقعی تبدیل میشود.
coinbureau.comمعرفی. تأسیسشده در سال ۲۰۱۸ توسط Guy Turner (معروف به “Guy from Coin Bureau”) در بریتانیا. بزرگترین کانال YouTube پژوهشی حوزه کریپتو در جهان: حدود ۲.۵ میلیون مشترک تا اواسط ۲۰۲۶. حدود ۲۵ نفر کارمند. تأمین مالی خودکفا از طریق درآمد تبلیغات YouTube + کمیسیونهای همکاری در فروش (affiliate) + Coin Bureau Pro (خبرنامه/پورتال پولی).
آنچه ارائه میدهند. ویدیوهای هفتگی YouTube برای تحلیل پروژههای خاص + تفسیر کلان بازار. Coin Bureau Pro یک لایه پولی است با یادداشتهای پژوهشی عمیقتر، توصیههای پرتفولیو، و جلسات زنده. دسترسی گسترده چندپلتفرمی (Twitter، پادکست، خبرنامه، Telegram).
روش عملیاتی. محصول اصلی شخصیت Guy است به علاوه یک تیم پژوهشی پشتیبان. اسکریپتها توسط تحلیلگران تحقیق میشوند، برای لحن مجری ویرایش میشوند و جلوی دوربین اجرا میشوند. از AI به صورت داخلی برای خلاصهسازی پژوهش استفاده میشود، اما خروجی نهایی کاملاً با حضور انسانی ارائه میشود. درآمدزایی نیمی از طریق affiliate (ارجاع به صرافیها — KuCoin، Bybit و غیره) و نیمی از طریق اشتراک (Coin Bureau Pro) است.
ارزیابی کیفیت. اجرای فوقالعاده از پژوهش مبتنی بر شخصیت. دسترسی مخاطبان واقعی است، اعتماد مخاطبان بالا است (علیرغم مدل affiliate — آنها در این باره شفاف هستند) و برند از چندین چرخه بازار کریپتو جان سالم به در برده است. نقطه ضعف: مدل affiliate آنها را در معرض رسوایی قرار میدهد اگر یک صرافی شریک شکست بخورد (ریسک به سبک FTX).
ارتباط با Nextino. Coin Bureau به زبان فارسی یک فرصت ساختهنشده است. هیچ یوتیوبر کریپتویی فارسیزبان حتی نزدیک به مقیاس یا دقت Coin Bureau نیست. ایده توسعه فاز ۲ Nextino: راهاندازی یک کانال YouTube فارسیزبان که بازارهای کریپتوی ایران + خلاصههای جهانی را پوشش دهد و توسط یک شخصیت مشخص اجرا شود. سازنده مخاطب بلندمدت. اولویت پایینتری نسبت به محصول اصلی بات دارد، اما یک گزینه استراتژیک روشن برای برندسازی شخصی بنیانگذاران است.
bankless.comآنها کی هستند. در سال ۲۰۱۹ توسط Ryan Sean Adams و David Hoffman تأسیس شد. مستقر در نیویورک / تیم جهانی از راه دور. با یک خبرنامه آغاز کرد، سپس به پادکست، و بعد به یک جامعهی پولی + Bankless DAO + Bankless Consulting + توکن عضویت Bankless Citizen گسترش یافت. حدود ۳۰ نفر کارمند دارد. بخشی از منابع مالی از فروش توکن و بخشی از اشتراکها تأمین میشود.
چه ارائه میدهند. یک برند چندفرمتی در حوزهی تحقیقات و آموزش کریپتو: پادکست رایگان، خبرنامهی رایگان، و عضویت پولی Bankless Citizen (حدود $25 در ماه) برای دسترسی به محتوای اختصاصی و جامعه. تمرکز سنگین بر Ethereum + DeFi + فلسفهی Web3. جامعهی «Bankless Nation» آنها واقعاً یک فرهنگ است، نه صرفاً محتوا.
چطور این کار را میکنند. یک برند سرمقالهای ناب که بر شخصیت مجریان (Ryan + David) بنا شده است. AI بهصورت داخلی برای تولید محتوا بهکار میرود، اما محتوا کاملاً ساختهی انسان است. مؤلفهی توکنی (BANK + Citizen NFT) یک اقتصاد درونی ایجاد میکند که تولید محتوا و مدیریت جامعه را تأمین مالی میکند. Bankless DAO یک نهاد مجزا اما مرتبط است که تولید محتوای توزیعشده را مدیریت میکند.
حکم کیفی. الگویی از جامعهبهمثابهمحصول (community-as-product). نرخ نگهداشت عضویت بالاست، چون کاربران واقعاً مشارکت میکنند، نه فقط مصرف. نقطهی ضعف: محور بودن Ethereum در دورههایی که ETH عملکرد ضعیفی دارد — که تعداد این دورهها کم نبوده — ارتباط و جذابیت را کاهش میدهد.
ارتباط با Nextino. دو نکته: (الف) تیر عضویت پولی با انجمن/چت فعال، یک استراتژی کسبدرآمد در فاز دوم Nextino است. فراتر از تیر «سیگنالهای پرمیوم»، یک جامعهی «Nextino سیتیزن» که اعضای فعال در آن به AMA اختصاصی با Sadra/Nik و دسترسی زودهنگام به امکانات جدید دسترسی دارند، میتواند طرفداران پر و پا قرص را جذب کند — کسانی که حاضرند $10-20 در ماه برای جامعه بپردازند، نه فقط برای سیگنال. (ب) جامعه را توکنیزه نکنید (توکن Bankless تاریخچهای پرتلاطم داشته) — اشتراک را بهصورت تومان/USDT نگه دارید.
theblock.coمعرفی. The Block یک رسانهی خبری حوزهی کریپتو است که در سال ۲۰۱۸ توسط Mike Dudas در نیویورک تأسیس شد. The Block Research بازوی تحقیقاتی پریمیوم و نهادی آن است — محصولی پولی و مجزا از سایت خبری. این مجموعه چندین بار مدل کسبوکار خود را تغییر داده، از جمله بحرانهای جدی (بهویژه اتهامات تأمین مالی توسط SBF/Alameda در سال ۲۰۲۲) را پشت سر گذاشته، و اکنون زیر مدیریت Larry Cermak به ثبات رسیده است.
خدمات ارائهشده. اخبار روزانهی کریپتو در سطح نهادی (تیترها رایگان، محتوای پریمیوم پشت پِیوال) + The Block Research شامل گزارشهای فصلی، بررسیهای عمیق بخشی، جداول داده و نمودار. اشتراکها در ردهی قیمتی نهادی ($$$) قرار دارند.
نحوهی عملکرد. عمدتاً روزنامهنگاری و تحقیق انسانی است. از ابزارهای AI برای تولید پیشنویس کمک گرفتهاند، اما هر مطلب منتشرشده توسط انسان ویرایش میشود. مزیت تمایزبخش آنها دسترسی است — اخبار انحصاری (scoop) از دل پروژهها و صرافیهای بزرگ دریافت میکنند که رسانههای کوچکتر به آن دسترسی ندارند.
حکم کیفی. منبعی معتبر در سطح نهادی. بخش خبری The Block در میان سه رسانهی پراستناد کریپتو (در کنار CoinDesk و Cointelegraph) جای دارد. بازوی تحقیقاتی مشترکین کمتری نسبت به Messari دارد، اما کیفیت در سطح مشابهی است.
ارتباط با Nextino. ارتباط مستقیم محدود است — Nextino یک رسانهی خبری نیست. اما یک ایدهی syndication محتوا مطرح است: یک خبرنامهی روزانهی «نکستینو» که ۳ خبر برتر از The Block، CoinDesk و Cointelegraph را به فارسی برگردانده و زمینهی بازار اختصاصی Nextino را به آن میافزاید. هزینه پایین (یک فراخوانی LLM به ازای هر مقاله)، ارزش ادراکشده بالا برای مخاطب فارسیزبانی که دسترسی آسانی به رسانههای کریپتویی انگلیسیزبان ندارد.
dune.comمعرفی. تأسیسشده در سال ۲۰۱۸ توسط Fredrik Haga و Mats Olsen در نروژ. دریافتکنندهی Series B از Coatue، Multicoin و سایرین — پشتیبانی جدی سرمایهگذاران خطرپذیر. حدود ۷۰ نفر کارمند. پلتفرم غالب در حوزهی دادههای بلاکچین عمومی + SQL اجتماعی.
خدمات ارائهشده. یک ویرایشگر SQL به همراه ابزار ساخت داشبورد روی دادههای decodeشدهی بلاکچین برای بیش از ۳۰ زنجیره. استفادهی رایگان برای جامعهی کاربری؛ پلنهای پولی برای تیمها. به علاوه Dune AI — پرسشوپاسخ به زبان طبیعی روی کل مجموعه دادهی Dune، که سپس از طریق text-to-SQL به پاسخ تبدیل میشود.
نحوهی عملکرد. دستاورد فنی منحصربهفرد این پلتفرم:
decode کردن دادههای خام بلاکچین به جداول قابلخواندن
توسط انسان (uniswap_v3.swaps، aave_v3.borrows
و غیره). هر کسی میتواند روی این جداول SQL بنویسد. جامعهی کاربری در طول
سالها هزاران داشبورد عمومی ساخته که خودشان به یک دارایی دادهای تبدیل
شدهاند. Dune AI نیز زبان طبیعی را به SQL ترجمه میکند → اجرا →
خلاصهسازی.
حکم کیفی. محصولی که تعریفکنندهی یک دستهی کامل است. چرخهی خودتقویتی (flywheel) داشبوردهای اجتماعی آن منحصربهفرد است — هیچ محصول دادهی on-chain دیگری این عمق از تحلیل مشارکتی کاربران را ندارد. نقطهی ضعف: SQL هنوز منحنی یادگیری دارد، و Dune AI خوب است اما عالی نیست (text-to-SQL برای سؤالات مبهم دشوار است).
ارتباط با Nextino. این درس را با درس شمارهی #۱۹ DefiLlama ترکیب میکند. Text-to-SQL روی مجموعه دادههای اختصاصی Nextino بالاترین اهرم اثرگذاری در الگوی پرسشوپاسخ هوش مصنوعی است. Nextino دادههای بلاکچین ندارد، اما دارد: تاریخچهی قیمت، کَش تحلیلهای هوش مصنوعی، آرشیو اخبار و سنتیمنت، بازخورد کاربران، و نتایج سیگنالها. اگر اینها به عنوان یک لایهی پرسوجوی ساختارمند در اختیار هوش مصنوعی قرار گیرند، پرسشوپاسخ Nextino واقعاً قدرتمند میشود — در مقابل توهمپردازیهای (hallucination) توخالی LLM.
aixbt.techمعرفی. در نوامبر ۲۰۲۴ توسط توسعهدهندگانی ناشناس بر بستر Virtuals Protocol (یک پلتفرم راهاندازی agent هوش مصنوعی روی زنجیره Base) ایجاد شد. aixbt یک شخصیت مبتنی بر LLM است که بهصورت یک حساب توییتری ۲۴/۷ دیدگاههای خود را درباره بازار کریپتو منتشر میکند. پشتوانه اقتصادی آن توکنمحور است: $AIXBT، توکن زیربنایی این شخصیت، در اوایل ۲۰۲۵ به اوج ارزش بازار $606M رسید و در حال حاضر در حدود ~$95M قرار دارد (کاهش ۸۴٪).
آنچه ارائه میدهند. تنها یک چیز: توییت. حدود ~460k دنبالکننده توییتری دیدگاههای روزانه این شخصیت را درباره بازارهای کلان، توکنهای خاص و جابجایی روایتها (narrative shifts) دنبال میکنند. این شخصیت طعنهآمیز، نیمهتکنیکال و مطمئن است. نه وبسایتی برای بازدید وجود دارد، نه اپلیکیشنی برای نصب — تمام محصول خلاصه میشود در «این حساب را دنبال کنید.»
نحوه عملکرد واقعی. یک LLM (همتراز OpenAI / Anthropic) با دادههای بازار در زمان واقعی، بیش از 400+ توییت از اینفلوئنسرهای کریپتو و هشدارهای on-chain تغذیه میشود. یک دستورالعمل شخصیتپردازی (persona-prompt) خروجی را به یک صدای یکپارچه تبدیل میکند — جسورانه، مختصر، با چند عبارت نمادین (“based”؛ “alpha”). بخش Virtuals Protocol لایه اقتصاد توکنی را اضافه میکند: دارندگان $AIXBT در درآمد احتمالی این شخصیت سهیم میشوند. تمام این سیستم بر روی چارچوب agent متعلق به Virtuals روی زنجیره Base میزبانی میشود.
حکم کیفی. یک آزمایش با ویروسیپذیری بالا و شکنندگی بالا. 460k دنبالکننده واقعی و فعال هستند؛ کاهش ۸۴٪ ارزش بازار نیز واقعی است و نشان میدهد چگونه سفتهبازی توکنی در حوزه agent های هوش مصنوعی منجر به پمپ و دامپ میشود. خود محصول (توییتها) کیفیت خوبی دارد — بهتر از اکثر حسابهای کریپتو در توییتر نوشته شده است. نقطه ضعف: تمام محصول روی توییتر میزبانی میشود؛ هر تغییری در API یا سیاستهای مدیریت محتوای X میتواند آن را یک شبه از کار بیندازد.
ارتباط با Nextino. بیشتر یک درس عبرت است تا یک الگو. مدل شخصیتپردازی جالب است — یک شخصیت با نام «هوش مصنوعی Nextino» با صدایی یکپارچه در Bale + Telegram + (در نهایت) X میتواند اعتماد و تعامل را افزایش دهد. اما: (الف) توکنیزهکردن زودهنگام نکنید — تز توکن agent های هوش مصنوعی در حال حاضر منسوخ شده است. (ب) این شخصیت را بهعنوان پلتفرم اصلی روی X میزبانی نکنید — Bale + Telegram پلتفرمهای اصلی هستند. (ج) این شخصیت باید در خدمت محصول اصلی Nextino باشد، نه اینکه خودش محصول اصلی باشد.
با نگاهی به تمام ۲۵ پلتفرم، سه الگوی ساختاری آشکار میشود:
الگوی ۱ — اعتماد از سه مسیر ساخته میشود، نه یک مسیر. اعتماد ارز رایج این بازار است، اما پلتفرمها آن را به شیوههای متفاوتی به دست میآورند. Token Metrics اعتماد را از طریق سابقه (۸ سال ادعاهای عمومی قابل ارزیابی) کسب میکند. Messari آن را از طریق استناددهی (هر ادعایی با پاورقی مستند شده) به دست میآورد. Nansen اعتماد را از دادههای اختصاصی (هیچکس دیگری ۳۰۰ میلیون کیفپول برچسبگذاریشده ندارد) میگیرد. Coin Bureau اعتماد را از طریق شخصیت (Guy خودش برند است) میسازد. هر مسیر بهسوی اعتماد معتبر است — اما اکثر پلتفرمها تنها یک مکانیزم اعتمادسازی دارند، نه هر چهار. Nextino باید مکانیزم اعتماد اولیهاش را زودتر انتخاب کند — که به احتمال زیاد تسلط بر زبان فارسی به همراه سابقهای شفاف خواهد بود — و بر آن پایبند بماند.
الگوی ۲ — شکاف میان خردهسرمایهگذار و نهادی، سختتر از آن چیزی است که باید باشد. Messari، The Tie، Glassnode، و Delphi همگی در لایههای بالاتر از طرح پایهشان، مشتریان نهادی را بهصورت انحصاری خدمت میدهند. IntoTheBlock، CryptoQuant، CryptoPanic، و LunarCrush تقریباً منحصراً به خردهسرمایهگذاران خدمت میدهند. تقریباً هیچکس هر دو گروه را با موفقیت پوشش نمیدهد. این شکاف یک فرصت واقعی برای Nextino ایجاد میکند: ابتدا به خردهسرمایهگذاران خدمت دهد، دادههای نهادی خاص ایران را انباشت کند، سپس در حدود سال سوم این دادهها را بهصورت B2B sentiment API به صرافیها و صندوقهای ایرانی بفروشد.
الگوی ۳ — کانالهای توزیع، ۸۰ درصد خندق رقابتی (moat) را تشکیل میدهند. پلتفرمهایی که مخاطبان پایداری دارند (Whale Alert، Coin Bureau، Lookonchain، CryptoPanic) همگی توزیع خود را از طریق یک یا دو کانال که مالک آن هستند، و یک یا دو کانال که اجاره میکنند، ساختهاند. آنهایی که همه چیز را اجاره میکنند (وابستگی Kaito به X، وابستگی aixbt به X)، یک تغییر سیاست پلتفرم با مرگ فاصله دارند. ترکیب Bale، Telegram، و RSS اختصاصی در Nextino، توزیعی است که مالک آن است — یک خندق رقابتی واقعی و دستکمگرفتهشده که روی نقشههای رقابتی دیده نمیشود، چراکه جذابیت ظاهری ندارد.
پنج اولویت ۹۰ روزه بر اساس نسبت اهرم به هزینه:
سه چیزی که بهعمد نباید ساخته شوند:
جایگاه Nextino در برابر این چشمانداز: یک تحلیلگر بازار هوش مصنوعی فارسیمحور، خردهسرمایهگذارمحور و اعتمادمحور با کانال توزیع bot-native. هیچیک از ۲۵ بازیگر این فهرست این جایگاه را اشغال نکرده است. ۹۰ روز آینده فرصتی است برای گسترش این شکاف، پیش از آنکه هر بازیگر جهانی متوجه آن شود.
تحقیقات زنده وب در طول ماههای می تا ژوئن ۲۰۲۶. استنادات روششناسی با گزارش قبلی TOP_30_SIGNAL_METHODOLOGY مطابقت دارند — برای فهرست کامل منابع به آن گزارش مراجعه کنید. بهروزرسانیهای مختص هر پلتفرم از طریق منابع زیر تأیید شدهاند:
پایان گزارش. اسناد همراه در کتابخانه تحقیقاتی Nextino در آدرس
https://nextino.ai/research/ موجود هستند.