رفتن به محتوای اصلی
توضیح کوهستانزیرساخت فین‌تکتحول صنعتی۱ شهریور ۱۴۰۵، ۱۹:۲۸· 6 دقیقه مطالعه· در کسب‌وکار

توکنیزه کردن دارایی‌های دنیای واقعی و هوش مصنوعی عمودی، مدل‌های کسب‌وکار غالب فین‌تک در سال ۲۰۲۶

سرمایه‌های خطرپذیر و پذیرش نهادی به شدت به سمت زیرساخت‌های B2B (کسب‌وکار به کسب‌وکار) متمایل شده‌اند که این امر ناشی از خودکارسازی فرآیندهای انطباق و تسویه قابل برنامه‌ریزی دارایی‌های مالی سنتی است.

به قلم پیام لشکری

سازندگان هوش مصنوعی سازمانی 35%حامیان توکنیزه کردن نهادی 35%تحلیلگران نظارتی و انطباق 30%
سازندگان هوش مصنوعی سازمانی
طرفداران هوش مصنوعی عمودی استدلال می‌کنند که تخصص و داده‌های اختصاصی تنها مزیت‌های رقابتی پایدار در برابر مدل‌های بنیادی هستند.
حامیان توکنیزه کردن نهادی
طرفداران توکنیزه کردن RWA بلاک‌چین را به عنوان ارتقای اجتناب‌ناپذیر و بسیار کارآمد برای زیرساخت‌های مالی قدیمی می‌بینند.
تحلیلگران نظارتی و انطباق
کارشناسان حقوقی بر اصطکاک بین فناوری بدون مرز و قوانین خاص حوزه قضایی تمرکز می‌کنند و بر لزوم انطباق جاسازی شده تأکید دارند.

تصور غالب در مورد آینده فناوری مالی این است که توسط برنامه‌های کاربردی رو به مصرف‌کننده تعریف خواهد شد—کیف پول‌های دیجیتال پر زرق و برق، چت‌بات‌های هوش مصنوعی عمومی، یا پلتفرم‌های سفته‌بازانه معاملات رمزارز. اما واقعیتی که در سال ۲۰۲۶ در حال آشکار شدن است، بسیار اداری‌تر و به طور قابل توجهی سودآورتر است. مدل‌های کسب‌وکار غالبی که سرمایه‌های خطرپذیر و پذیرش نهادی را به خود جلب می‌کنند، اصلاً بازی‌های مصرف‌کننده نیستند. در عوض، صنعت به شدت به سمت دو معماری بسیار تخصصی و متمرکز بر B2B تغییر جهت داده است: توکنیزه کردن دارایی‌های دنیای واقعی (RWA) و هوش مصنوعی عمودی.[6]

سیگنال بازار واضح است. ارزش توکنیزه شده دارایی‌های دنیای واقعی در بلاک‌چین در اوایل سال ۲۰۲۶ از ۳۶ میلیارد دلار فراتر رفت، در حالی که تنها دو سال قبل کمتر از ۲ میلیارد دلار بود. همزمان، هوش مصنوعی عمودی—نرم‌افزاری که بر روی مجموعه‌داده‌های خاص صنعت برای خودکارسازی انطباق و فرآیندهای کاری عملیاتی آموزش دیده است—بخش عمده‌ای از بودجه‌های اولیه شرکت‌ها را به خود اختصاص داده و از رشد هوش مصنوعی افقی پیشی گرفته است، زیرا بنیان‌گذاران به سمت راه‌حل‌های تخصصی روی آورده‌اند. برای متخصصانی که در فناوری مالی فعالیت می‌کنند یا سرمایه‌گذاری می‌کنند، وضعیت مشخص است: دوران برنامه‌های مصرف‌کننده با شعار «بساز تا بیایند» به پایان رسیده است. معادله جدید رشد مستلزم حل مشکلات پیچیده و قانونمند برای کسب‌وکارهایی است که در حال حاضر هزینه راه‌حل‌های ناکارآمد را می‌پردازند.[2][3][6]

هوش مصنوعی عمودی نشان‌دهنده یک تغییر ساختاری در نحوه ساخت و فروش نرم‌افزارهای سازمانی است. برخلاف مدل‌های هوش مصنوعی افقی که کاربرد گسترده اما سطحی ارائه می‌دهند، سیستم‌های هوش مصنوعی عمودی محدود، عمیقاً جاسازی شده و بر اساس داده‌های اختصاصی صنعت آموزش دیده‌اند. یک مدیر سایت ساختمانی یا یک وام‌دهنده تخصصی به یک دستیار عمومی نیاز ندارد؛ آنها به هوش مصنوعی نیاز دارند که بر اساس ده‌ها میلیون سند خاص، پرونده‌های نظارتی و الگوهای تراکنش آموزش دیده باشد.[2][4]

مکانیسم موفقیت هوش مصنوعی عمودی، توانایی آن در خودکارسازی پرهزینه‌ترین و انطباق‌محورترین فرآیندهای کاری در امور مالی است. عملکردهایی مانند احراز هویت مشتری (KYC)، نظارت بر تراکنش‌ها برای کشف تقلب، و تطبیق ترازنامه‌های آزمایشی در سیستم‌های قدیمی، بسیار ساختاریافته و مبتنی بر قانون هستند. شرکت‌های هوش مصنوعی عمودی با حذف این فرآیندهای کاری خاص جابجایی پول از دوش کسب‌وکارها، صرفه‌جویی فوری و قابل اندازه‌گیری در هزینه‌ها ایجاد می‌کنند.[2][6]

سیستم‌های هوش مصنوعی عمودی با آموزش بر روی مجموعه‌داده‌های اختصاصی صنعت، فرآیندهای کاری مبتنی بر قانون و سنگین از نظر انطباق را خودکار می‌کنند.

این تخصص یک مزیت رقابتی اقتصادی پایدار ایجاد می‌کند. شرکت‌های مدل بنیادی با تمرکز شدید و موانع ورود بالا مواجه هستند، به طوری که تقریباً ۶۰ درصد از کل سرمایه هوش مصنوعی در سال ۲۰۲۵ به سمت تعداد انگشت‌شماری از آزمایشگاه‌های بزرگ سرازیر شد. با این حال، هوش مصنوعی عمودی در یک فضای سرمایه‌گذاری سالم‌تر فعالیت می‌کند که در آن سرمایه در صنایع مختلف توزیع می‌شود. هنگامی که یک سیستم عمودی در فرآیندهای کاری حقوقی، مالی یا تدارکاتی یک شرکت جاسازی می‌شود، هزینه‌های تغییر به صورت تصاعدی افزایش می‌یابد و نرخ‌های بالای حفظ ناخالص مشتری را تضمین می‌کند.[2][4]

موازی با ظهور هوش مصنوعی عمودی، پذیرش نهادی توکنیزه کردن دارایی‌های دنیای واقعی قرار دارد. توکنیزه کردن عبارت است از نمایش یک دارایی مالی سنتی—مانند اوراق قرضه خزانه‌داری، ابزار اعتبار خصوصی، یا ادعای مالکیت املاک و مستغلات—بر روی یک دفتر کل دیجیتال قابل برنامه‌ریزی. دارایی اصلی همچنان در سیستم مالی سنتی وجود دارد، اما توکن و دارایی از طریق یک ساختار حقوقی که حقوق مالک را تثبیت می‌کند، به هم مرتبط می‌شوند.[1]

موازی با ظهور هوش مصنوعی عمودی، پذیرش نهادی توکنیزه کردن دارایی‌های دنیای واقعی قرار دارد.

مقیاس این تغییر بسیار بزرگ است. تنها صندوق BUIDL شرکت بلک‌راک (BlackRock) اکنون بیش از ۵ میلیارد دلار اوراق خزانه‌داری توکنیزه شده آمریکا را در اختیار دارد، در حالی که توکن‌های BENJI شرکت فرانکلین تمپلتون (Franklin Templeton) نشان‌دهنده سهام صندوق بازار پول در بلاک‌چین‌های عمومی مانند استلار (Stellar) و پالیگان (Polygon) هستند. اینها آزمایش‌های سفته‌بازانه مالی غیرمتمرکز نیستند؛ بلکه ابزارهای مالی قانونمند هستند که بازدهی واقعی کسب می‌کنند و کاملاً در چارچوب قوانین موجود اوراق بهادار فعالیت می‌کنند.[3]

با استقرار محصولات قانونمند توسط مدیران دارایی نهادی، ارزش کل دارایی‌های دنیای واقعی توکنیزه شده در بلاک‌چین به شدت افزایش یافته است.

مزیت مکانیکی توکنیزه کردن در توانایی آن برای جایگزینی چرخه تسویه T+2 (تاریخ معامله به علاوه دو روز) و زنجیره‌های نگهداری مبتنی بر کاغذ در سیستم مالی سنتی است. توکنیزه کردن امکان تسویه فوری و ۲۴/۷، مالکیت کسری دارایی‌های بزرگ، و قابلیت ترکیب‌پذیری در اکوسیستم‌های دیجیتال گسترده‌تر را فراهم می‌کند. مهم‌تر از آن، امکان انطباق قابل برنامه‌ریزی را می‌دهد.[3]

انطباق قابل برنامه‌ریزی از طریق استانداردهایی مانند ERC-3643 اعمال می‌شود که یک لایه هویتی و نظارتی را مستقیماً بر روی انتقال توکن‌ها اضافه می‌کند. قبل از وقوع هر تراکنش، قرارداد هوشمند تأیید می‌کند که هم فرستنده و هم گیرنده ادعاهای هویتی معتبر در بلاک‌چین دارند. اگر یک انتقال قوانین یک حوزه قضایی را نقض کند، از سقف‌های مالکیت فراتر رود، یا شامل یک سرمایه‌گذار غیرمعتبر باشد، کد به سادگی تراکنش را برمی‌گرداند. این امر مقررات اوراق بهادار را در سطح پروتکل جاسازی می‌کند و بار اداری انطباق را به طور قابل توجهی کاهش می‌دهد.[3][5]

استانداردهای انطباق قابل برنامه‌ریزی، مقررات اوراق بهادار را مستقیماً در قرارداد هوشمند جاسازی می‌کنند و هویت و حوزه قضایی را به طور خودکار قبل از تسویه تأیید می‌نمایند.

پیامدهای اقتصاد کلان این تغییر از دید تنظیم‌کنندگان جهانی پنهان نمانده است. در آوریل ۲۰۲۶، صندوق بین‌المللی پول (IMF) یادداشتی منتشر کرد که به صراحت بیان می‌کرد توکنیزه کردن صرفاً یک بهبود کارایی جزئی نیست. به گفته صندوق بین‌المللی پول، این امر یک پیکربندی مجدد اساسی در نحوه سازماندهی اعتماد، تسویه و مدیریت ریسک در سراسر سیستم مالی جهانی است.[1]

با وجود این حرکت، هم هوش مصنوعی عمودی و هم توکنیزه کردن RWA با موانع سرسختی روبرو هستند. برای توکنیزه کردن، چالش اصلی ادغام دفاتر کل دیجیتال با فرآیندها و زیرساخت‌های بانکی قدیمی است. علاوه بر این، پراکندگی نظارتی همچنان یک مانع مهم است. در حالی که اروپا مقررات بازارهای دارایی‌های رمزارزی (MiCA) و رژیم آزمایشی DLT را برای ایجاد یک محیط آزمایشی برای اوراق بهادار توکنیزه شده ایجاد کرده است، چارچوب نظارتی ایالات متحده همچنان مجموعه‌ای پیچیده از دستورالعمل‌های ایالتی و فدرال باقی مانده است.[1][5]

برای هوش مصنوعی عمودی، چالش در کسب داده و محدود شدن پنجره فرصت نهفته است. انتظار می‌رود ۲۴ تا ۳۶ ماه آینده رهبران این حوزه را مشخص کند، زیرا شرکت‌های قدیمی به کندی حرکت می‌کنند و ابزارهای افقی در تطبیق با محدودیت‌های عملیاتی واقعی شکست می‌خورند. استارتاپ‌ها باید مجموعه‌داده‌های اختصاصی را برای آموزش مدل‌های خود قبل از اینکه رقبای بزرگتر بتوانند فرآیندهای کاری آنها را تکرار کنند، ایمن سازند.[2][6]

در نهایت، همگرایی هوش مصنوعی عمودی و توکنیزه کردن دارایی‌ها نشان‌دهنده بلوغ بخش فین‌تک است. تمرکز از برهم زدن سیستم بانکی به ارتقای زیرساخت اصلی آن تغییر یافته است. برای سرمایه‌گذاران و بنیان‌گذاران، دستور کار سال ۲۰۲۶ روشن است: باارزش‌ترین شرکت‌ها آنهایی خواهند بود که در محیط‌های نظارتی پیچیده حرکت کرده و کارایی قابل اندازه‌گیری را به مشتریان سازمانی ارائه دهند.[6]

نکات کلیدی

  1. ارزش توکنیزه شده دارایی‌های دنیای واقعی در اوایل سال ۲۰۲۶، با هدایت پذیرش نهادی اوراق قرضه خزانه‌داری آمریکا، از ۳۶ میلیارد دلار فراتر رفت.
  2. هوش مصنوعی عمودی با تمرکز بر خودکارسازی فرآیندهای کاری بسیار قانونمند و مختص صنعت، از رشد هوش مصنوعی افقی پیشی گرفته است.
  3. صندوق بین‌المللی پول (IMF) توکنیزه کردن را به عنوان یک پیکربندی مجدد اساسی در معماری جهانی اعتماد و تسویه مالی به رسمیت شناخته است.
  4. استانداردهای انطباق قابل برنامه‌ریزی، مانند ERC-3643، مقررات اوراق بهادار را مستقیماً در قراردادهای هوشمند جاسازی می‌کنند.
  5. سرمایه خطرپذیر از فین‌تک مصرف‌کننده و وب۳ سفته‌بازانه به سمت زیرساخت‌های B2B با مزیت‌های رقابتی نظارتی واضح تغییر جهت داده است.

بررسی عمیق دیدگاه‌ها

سازندگان هوش مصنوعی سازمانی

طرفداران هوش مصنوعی عمودی استدلال می‌کنند که تخصص تنها مزیت رقابتی پایدار در برابر مدل‌های بنیادی است.

این گروه معتقد است که هوش مصنوعی عمومی در نهایت به کالایی عمومی تبدیل خواهد شد و تنها داده‌های اختصاصی و یکپارچه‌سازی فرآیندهای کاری به عنوان مزایای رقابتی واقعی باقی خواهند ماند. آنها استدلال می‌کنند که با جاسازی مستقیم هوش مصنوعی در عملیات‌های غیرجذاب و انطباق‌محور صنایع خاص، استارتاپ‌ها می‌توانند به وضعیت حیاتی برای ماموریت دست یابند و نرخ‌های حفظ ناخالص مشتری تقریباً کاملی را که نرم‌افزارهای افقی نمی‌توانند به دست آورند، کسب کنند.

حامیان توکنیزه کردن نهادی

طرفداران توکنیزه کردن RWA بلاک‌چین را به عنوان ارتقای اجتناب‌ناپذیر زیرساخت‌های مالی قدیمی می‌بینند.

این دیدگاه بر ناکارآمدی‌های مکانیکی سیستم مالی فعلی، به ویژه چرخه تسویه T+2 و زنجیره‌های نگهداری پراکنده، تأکید می‌کند. آنها استدلال می‌کنند که انطباق قابل برنامه‌ریزی و تسویه فوری به طور چشمگیری هزینه‌های پشتیبانی (Back-office) را برای مدیران دارایی کاهش می‌دهد و توکنیزه کردن را به یک ضرورت ساختاری تبدیل می‌کند تا یک آزمایش سفته‌بازانه.

تحلیلگران نظارتی و انطباق

کارشناسان حقوقی بر اصطکاک بین فناوری بدون مرز و قوانین خاص حوزه قضایی تمرکز می‌کنند.

در حالی که این گروه مزایای کارایی هوش مصنوعی عمودی و توکنیزه کردن را تأیید می‌کند، بر دشواری عظیم ادغام این فناوری‌ها در چارچوب‌های قانونی موجود تأکید می‌کند. آنها اشاره می‌کنند که توکنیزه کردن فرامرزی در حال حاضر به دلیل مقررات پراکنده با مشکل مواجه است و موفقیت این مدل‌های کسب‌وکار در نهایت به توانایی آنها در برآورده کردن ممیزی‌های انطباق سختگیرانه و محلی بستگی دارد.

چرا مهم است

گذار به سمت هوش مصنوعی عمودی و توکنیزه کردن دارایی‌های دنیای واقعی (RWA) نشان‌دهنده پایان دوران سفته‌بازی در فناوری مالی است. درک این ارتقاهای زیرساختی B2B برای متخصصان، سرمایه‌گذاران و رهبران سازمانی حیاتی است، زیرا آنها فعالانه در حال بازنویسی قوانین انطباق، تسویه و کارایی عملیاتی در سراسر اقتصاد جهانی هستند.

منابع

پوشش منابع

6 منبع

3 دیدگاه شناسایی‌شده

سازندگان هوش مصنوعی سازمانی 35%حامیان توکنیزه کردن نهادی 35%تحلیلگران نظارتی و انطباق 30%
  1. [1]FinTech Weeklyحامیان توکنیزه کردن نهادی

    What Is Real-World Asset Tokenization? The IMF Just Called It a Structural Reconfiguration

    مطالعه در FinTech Weekly
  2. [2]The Recursiveسازندگان هوش مصنوعی سازمانی

    Why Specialized AI is Winning in 2026

    مطالعه در The Recursive
  3. [3]DEV Communityحامیان توکنیزه کردن نهادی

    Real World Asset tokenization crossed $36 billion on-chain

    مطالعه در DEV Community
  4. [4]SaaS Magسازندگان هوش مصنوعی سازمانی

    Vertical SaaS and Embedded Fintech: The Revenue Layer That Changes Everything

    مطالعه در SaaS Mag
  5. [5]InnRegتحلیلگران نظارتی و انطباق

    Real-World Asset (RWA) Tokenization Models

    مطالعه در InnReg
  6. [6]تیم سردبیری کوهستانتحلیلگران نظارتی و انطباق

    تحلیل تیم سردبیری کوهستان

    مطالعه در تیم سردبیری کوهستان

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

دریافت کسب‌وکار اخبار همراه با پوشش کامل منابع و تحلیل دیدگاه‌ها، مستقیم در صندوق ورودی شما.