DeAI：عصر "النمو الوحشي" للذكاء الاصطناعي، لماذا نحتاج إلى Web3 لإدارته

الكاتب الأصلي: K، باحث في Web3Caff Research

في مسار تطور الذكاء الاصطناعي، شهدت السنتان الماضيتان تحولاً هيكلياً عميقاً. تتحسن قدرات النموذج باستمرار، وتتحسن كفاءة الاستدلال باستمرار، وتتدفق رؤوس الأموال العالمية والآلات الحكومية. ومع ذلك، خلف موجة المركزية من الحماس والتركيز الرأسمالي، يصبح DeAI (هندسة التدريب والاستدلال اللامركزي للذكاء الاصطناعي) مساراً آخر نحو المستقبل، موجهاً إلى نقطة الضعف الأساسيتين في تطور الذكاء الاصطناعي اليوم: آلية الثقة العمياء والهشاشة التوسعية.

يقوم ازدهار الذكاء الاصطناعي المركزي على البنية التحتية المادية الضخمة، من مجموعات القوة الحسابية الفائقة إلى الصناديق السوداء لاستدلال النموذج المغلقة، من منتجات SaaS المعبأة إلى استدعاءات API الداخلية للمؤسسة. لكن تماماً كما انتقلت الإنترنت من الإغلاق إلى الانفتاح، من منصات Web2 إلى بروتوكولات Web3، فإن تطور الذكاء الاصطناعي سيواجه حتماً مشكلتين أساسيتين: أولاً، كيف يمكن للمستخدمين تأكيد أن نتائج استدلال النموذج لم تتم معالجتها بشكل غير صحيح وأن لها حقيقية؟ ثانياً، عندما يتجاوز التدريب والاستدلال حدود المناطق الجغرافية والأجهزة والثقافة والقانون، هل يمكن للهندسة المركزية الحفاظ على مزايا التكلفة والأداء؟

تقدم شبكات DeAI مسار حل مختلفاً تماماً عن النموذج المركزي. تتخذ “الحساب القابل للتحقق (Verifiable Compute)” كفكرة أساسية، وتضمن من خلال التشفير والآليات الإجماعية أن كل تشغيل نموذج له مسار تنفيذ قابل للتتبع وقابل للإثبات. لا يحل هذا فقط مشكلة الثقة العمياء للمستخدمين بالنموذج، بل يوفر أيضاً أساساً موحداً للثقة للتعاون عبر الحدود. الرواد الحاليون مثل Prime Intellect و Inference Labs قد حققوا بالفعل استدلالات تحقق جزئية في مجموعات GPU البعيدة، مما يفتح إمكانيات جديدة للتدريب الموزع وخدمات الذكاء الاصطناعي المستقلة. [70]

من وجهة نظر اقتصادية، يرتبط ظهور DeAI ارتباطاً وثيقاً بتغير RoG (العائد على GPU، أي الإيرادات الناتجة عن قوة GPU الحسابية في الساعة) في صناعة الذكاء الاصطناعي. التصميم الخاص بـ GPT-4.1 لم يعد يسعى ببساطة للنماذج الضخمة وتراكم القوة الحسابية، بل يركز على التحسين الدقيق وتخصيص موارد الاستدلال، مثل إعادة استخدام السياق الموجود قدر الإمكان أثناء عملية التوليد وتقليل المحسوبات غير الضرورية المعاد حسابها، مما يقلل المخرجات غير الفعالة واستهلاك Token، بحيث يتم استخدام المزيد من القوة الحسابية للعمليات الاستدلالية ذات القيمة الحقيقية. [68] يشير هذا إلى أن التركيز الصناعي يتحول من “كم GPU يمكن أن نحرق” إلى “كم قيمة يمكننا الحصول عليها في الساعة”. هذا التوجه المتعلق بالكفاءة يوفر بالضبط نقطة اختراق ممتازة لشبكات الذكاء الاصطناعي اللامركزية.

ستواجه مجموعات GPU المركزية صعوبة في التنافس مع شبكة GPU غير متجانسة بدون تصريح وموثوق بها من قبل مستخدمين عالميين من حيث التكاليف الثابتة العالية واختناقات الكفاءة في النشر المتسع النطاق. وإذا كانت هذه الشبكة تتمتع بـ “القابلية للتحقق”، فيمكنها ليس فقط التنافس مع البنية التحتية المركزية مثل AWS و Azure من حيث هيكل التكلفة، بل تتمتع أيضاً بميزات الشفافية والموثوقية الطبيعية.

علاوة على ذلك، فإن تأثير DeAI يتجاوز بكثير المستوى التقني، فهو سيعيد تشكيل ملكية وهيكل المشاركة في تطوير الذكاء الاصطناعي. في النظام البيئي للتدريب المغلق الذي تهيمن عليه الشركات العملاقة مثل OpenAI و Anthropic حالياً، لا يمكن لمعظم المطورين إلا أن يكونوا موجودين كـ “مستخدمي نماذج”، غير قادرين على المشاركة في عوائد تدريب النموذج أو قرارات الاستدلال. بينما في شبكة DeAI، يمكن لكل مساهم، سواء كان عقدة توفر قوة حسابية أو مستخدماً يوفر البيانات أو مهندساً يطور تطبيقات Agent، أن يشارك في الحوكمة وتقاسم الإيرادات من خلال البروتوكول. هذا ليس فقط ابتكاراً في الآليات الاقتصادية، بل هو أيضاً تقدم في أخلاقيات تطور الذكاء الاصطناعي.

بطبيعة الحال، لا يزال DeAI في مراحل استكشاف مبكرة. لم يؤسس بعد معايير أداء كافية لاستبدال النماذج المركزية، كما لم يتجاوز بعد الاختناقات في استقرار الشبكة وكفاءة التحقق. لكن مستقبل الذكاء الاصطناعي لن يكون مساراً واحداً، بل مسارات متعددة متوازية. ستستمر المنصات المركزية في السيطرة على السوق الموجهة للمؤسسات، وتسعى إلى تحسين RoG في استراتيجية منتج متطرفة؛ بينما ستنمو شبكات DeAI في السيناريوهات الحدودية والأسواق الناشئة، وتتطور تدريجياً نحو نظام نموذج مفتوح يمتلك حيويته الخاصة. كما هي الإنترنت بالنسبة لحرية المعلومات، DeAI بالنسبة لحق الحكم الذاتي الذكي. أهميتها لا تكمن فقط في المزايا التقنية، بل لأنها توفر إمكانية عالم آخر، مستقبلاً حيث لا تحتاج إلى الثقة بوسيط محدد، فمع ذلك لا تزال قادراً على الثقة بالذكاء نفسه.

تم استخراج هذا المحتوى من تقرير البحث الصادر عن Web3Caff Research بعنوان: “تقرير Web3 سنوي من 40,000 كلمة للعام 2025 (الجزء السفلي): الذي يتطابق مع التقاطع التاريخي للمالية × الحساب × نظام الإنترنت، هل على وشك حدوث تحول صناعي كبير؟ تفكيك شامل للتغييرات الهيكلية والإمكانيات القيمية والحدود الخطرة والآفاق المستقبلية”

تم تأليف هذا التقرير (المتاح الآن للقراءة المجانية) من قبل باحث Web3Caff Research K، ويقوم بتنظيم شامل حول المنطق الأساسي لتغييرات مرحلة تطور Web3 في عام 2025، مع التركيز على مناقشة السبب في أن استكشاف التطبيقات والتعاون النظامي أصبح تدريجياً اتجاهاً جديداً للاهتمام في ظل تطور مستمر للقدرات الأساسية والتنظيمية، والنقاط الأساسية تشمل:

خلفية تطور المرحلة: الأسباب الكامنة وراء تغيير نقطة تركيز الصناعة بعد انتهاء البناء الأساسي؛

التغييرات الآلية الأساسية: تصبح أطر العمل والآليات على السلسلة تدريجياً أكثر وضوحاً، مع تأثيرها على أسلوب تشغيل النظام؛

الاتجاهات التطبيقية الرئيسية: مسارات الاستكشاف المتعلقة بالدفع والتسوية وتعيين الواقع والتعاون القابل للبرمجة؛

الاتجاهات المستقبلية: مناقشة اتجاهات تطور Web3 لعام 2026 وما بعده.