توقعات الذكاء الاصطناعي اللامركزي لعام 2026: لماذا تعتبر البلوكشين الحل الأساسي للذكاء الاصطناعي

كتابة: Pink Brains

ترجمة: AididiaoJP، Foresight News

وجود الذكاء الاصطناعي اللامركزي ناتج عن وجود عوائق هيكلية في الذكاء الاصطناعي المركزي، ولا يمكن حل هذه العوائق بالرأس المال أو الكود:

• الموارد الحسابية نادرة ومكلفة
• التركيز المفرط للسلطة
• لا يمكن التحقق من مخرجات النموذج
• يصبح الحصول على بيانات التدريب أكثر صعوبة

الموارد الحسابية نادرة ومكلفة

من المتوقع أن تنمو بنية تحتية المعالجات الرسومية من 10 مليارات دولار في عام 2025 إلى 77 مليار دولار في عام 2035. لقد كانت معالجات الرسوميات لمركز البيانات في حالة نفاد من المخزون لعدة أشهر متتالية. من المتوقع أن ينمو سوق الحوسبة اللامركزية من 9 مليارات دولار في عام 2024 إلى 22 مليار دولار في عام 2035 (وفقًا لـ Research and Markets). يعتمد هذا الرقم على افتراض أن النقص هو مشكلة هيكلية وليست دورية، ونحن نعتقد أنه مشكلة هيكلية.

التركيز المفرط للسلطة

يملك ويشغل ChatGPT وGemini وGrok وClaude عدد قليل من الشركات الخاصة. تفترض سياسات الذكاء الاصطناعي الحالية أن فقط كيانات قليلة قادرة على تجميع موارد حوسبة هائلة يمكنها تدريب أنظمة قوية. بمجرد كسر هذا الافتراض، ستتغير تمامًا خريطة من يمكنه بناء الذكاء المتقدم.

النتيجة لا يمكن التحقق منها

عندما يتخذ النموذج قرارات، لا يمكن للمستخدم التحقق مما إذا كان النموذج الصحيح قد تم تشغيله، أو إذا تم تنفيذ الحسابات بدقة، أو إذا تم تسريب بيانات حساسة. هذا قد يكون مقبولاً في دردشة الروبوتات، لكنه غير مقبول تمامًا عندما تتعامل الذكاء الاصطناعي مع القروض أو الرعاية الصحية، أو عندما تقوم الوكلاء الذاتيون بتشغيل محفظة مباشرة.

يصبح الحصول على بيانات التدريب أكثر صعوبة بسبب مخاوف الخصوصية والتنظيم

سيتم بسرعة تقييد أو حظر جغرافيًا أو تزويده بذاكرة مؤقتة مسمومة من قبل عامل سحب مركزي يقع في منطقة AWS واحدة. كما ذكرت a16z في توقعاتها لعام 2026، فإن الخصوصية تصبح "أقوى خندق في مجال التشفير".

تحتاج الذكاء الاصطناعي إلى البلوكشين لجعل الذكاء مفتوحًا وقابلًا للتحقق منه ومتاحًا اقتصاديًا.

• طبقة التطبيقات والخدمات: يمكن للوكلاء الذكاء الاصطناعي القيام بالكثير، لكن الحالتين الرائدين حاليًا في مجال التشفير هما التمويل الوكيلي (Agentic Finance) والدفع الوكيلي (Agentic Payments)
• طبقة الوسيط: المنظمات المتصلة — من الإطار الخاص ببناء وتحديد الوكلاء، وسوق الوكلاء، إلى طبقة التنسيق
• طبقة البنية التحتية: الموارد الأساسية للذكاء الاصطناعي—طبقة الخصوصية والتحقق، الحوسبة، الاستدلال، التدريب، البيانات والتخزين

يحول الوكيل المالي التلميحات اللغوية الطبيعية إلى إجراءات على السلسلة.

لقد تعامل وكيل ARMA الخاص بـ @gizatechxyz مع أكثر من 46 مليار دولار من حجم التداول الوكالي في أسواق الاقتراض المختارة — يعمل بلوك بلوک على إطار AVS الخاص بـ EigenLayer، دون وساطة.

@Infinit_Labs يدير مجموعة مكونة من أكثر من 20 وكيلًا محترفًا، قادرًا على تحويل النوايا مثل "كسب 1000 دولار شهريًا باستخدام 1 BTC" إلى استراتيجيات بنقرة واحدة على Ethereum وSolana وBase.

@coinvestai بواسطة Liquid ستُنفّذ تنفيذًا مباشرًا مدمجًا في ChatGPT وClaude، مع دعم التداول عبر بروتوكول سياق النموذج في أكثر من 500 سوق.

@minara تكامل Hyperliquid وانضم حديثًا إلى Lighter. إنه ينفذ حلقة عمل تداول كاملة من "التحليل → اتخاذ القرار → التنفيذ" عبر نموذج DMind و50+ تكامل.

@Cod3xOrg: شبكة مكونة من وكلاء ذكاء اصطناعي خفيفين قادرين على تحويل النوايا إلى معاملات على السلسلة يتم بناؤها وتنفيذها.

@Zyfai_: وكيل DeFAI مُستضاف ذاتيًا يقوم بأتمتة وتحسين زراعة العوائد، مع إعادة توازن رأس المال باستمرار عبر البروتوكولات لتعقب APY المعدل حسب المخاطر، دون الحاجة إلى تدخل بشري.

في مجال الأسواق التنبؤية، يُعد @SynthdataCo شبكة فرعية على Bittensor تعمل على شبكة ذكية مالية تنبؤية لامركزية. يتنافس العمال على نمذجة عدم اليقين السعري قصير الأجل. وهي تقدم بالفعل بيانات مباشرة لمنتجات مثل Mode AI Quant لأسواق Kalshi المشفرة.

كما أصبح الإنترنت طبقة اتصالات للاقتصاد الرقمي، فإن البلوكشين والعملات المستقرة تصبح طبقة تسويات للدفعات الوسيطة.

حتى مايو 2026، معالجة أكثر من 173 مليون معاملة على Base وSolana، ويشمل أعضاء مؤسسة x402 Google وVisa وAWS وCircle وAnthropic وStripe وCloudflare. تستخدم Stripe x402 منذ فبراير 2026؛ أطلقت AWS AgentCore Payments الأصلي.

تنمو أنشطة المشترين والبائعين، ويرتبط معظم التداول باستخدام حقيقي قائم على الدفع حسب الاستخدام: مثل مكالمات API، وخدمات الاستدلال الذكي، ووكالات الأعمال، وغيرها من أحمال العمل المشابهة. لقد تهدأ دورة الضجيج الأولية، لكن التقدم الأساسي يبدأ الآن اللحاق بالركب.

في الوقت نفسه، ظهر بروتوكول المدفوعات الآلية لـ Stripe وTempo كمسار ثانٍ، وسجل أكثر من 411,900 معاملة و9600 مشترٍ منذ إطلاقه.

تشير هذه الشبكات معًا إلى أن الأعمال بين الآلات تتجه نحو نطاق أوسع، حيث يمكن للوكلاء البرمجيين التداول بشكل مستقل بسرعة الآلات.

مع زيادة عدد الوكلاء، تصبح المشكلة الأساسية هي التنسيق: كيف يكتشف الوكلاء بعضهم البعض، ويُثبتون هوياتهم، وينفذون المعاملات دون تدخل بشري.

إن فجوة الثقة هنا هي العقبة. يُقدّر حجم الأعمال الوكيلة بحلول عام 2030 بين 1.5 تريليون و5 تريليونات دولار أمريكي، لكن التبني يقتصر على نقطة واحدة — معظم المستخدمين على استعداد للسماح للذكاء الاصطناعي بإجراء البحث، لكن القليل جدًا منهم يرغبون في السماح للذكاء الاصطناعي بالشراء الفعلي.

لا يزال النظام اليوم يعتمد على مفاتيح API، وتقريبًا لا يوجد أي نظام يعامل الوكيل ككيان له هوية.

@GoKiteAI تبني L1 متخصصة تُعد الهوية والدفع كمبدأ أساسي. ERC-8004 هو معيار إيثريوم يوفر هوية وسمعة قابلة للنقل على السلسلة، ويمكن تتبعها عبر السلاسل.

في السوق، @virtuals_io هو نظام تشغيل الاقتصاد الوكيل على Base. حتى يونيو 2026، تعامل مع أكثر من 2.38 مليون مهمة وكيل، وأنتج ما يقرب من 480 مليون دولار أمريكي من "ناتج الوكيل المحلي".

لكن اللؤلؤة في هذا المستوى هي Bittensor. إنها شبكة مكونة من شبكات فرعية متخصصة، وكل شبكة فرعية هي اقتصاد صغير، حيث يشغل العمال نماذج ذكاء اصطناعي، ويعطي المدققون تقييمات للإخراج، وتدفق انبعاثات TAO يتجه نحو من يُنتجون العمل الأكثر فائدة. هناك ثلاثة آليات تجعلها جادة اقتصاديًا:

• سيقلل خفض 2025 ديسمبر كمية إصدار TAO اليومية من 7200 إلى 3600، مما يتوافق مع الحد الأقصى البالغ 21 مليون عملة.
• يُUpgrade dTAO ليقدم لكل شبكة فرعية رمز Alpha الخاص بها وحوض AMM — يتم تحديد الانبعاثات من قبل السوق.
• ترقية Taoflow (التي سيتم إطلاقها في نوفمبر 2025) توزع الانبعاثات حصريًا وفقًا للتدفق الصافي للرهن. قد ينخفض أي شبكة فرعية إلى الصفر إذا كان عدد العملات المُفككة أكثر من المُرهونة. التصميم دارويني بطبعه.

تم تجاوز الشبكة بـ أكثر من 128 شبكة فرعية نشطة، وتم الإبلاغ عن تحقيق أكبر 3 شبكات فرعية للحوسبة إيرادات سنوية متجددة (ARR) إجمالية قدرها 20 مليون دولار خلال ثلاثة أشهر بعد التحويل إلى دخل. الداروينية هي المنتج.

تُركّز مشاريع أخرى على إنشاء سلاسل كتل ذكية مخصصة، أو توفير الأدوات والإطارات والحوافز اللازمة لدعم نظام بيئي للذكاء الاصطناعي مملوك من قبل المجتمع.

@NEARProtocol: طبقة تنسيق غير ملموسة تجمع بين التسوية، الهوية، الخصوصية، TEE، MPC وحماية المعلومات الشخصية، لخدمة الوكلاء الذاتيين.

@base—— مركز اقتصاد الوكالة. يسمح Base MCP لأدوات الذكاء الاصطناعي مثل Claude وChatGPT وCursor بتنفيذ إجراءات على السلسلة عبر التلميحات على منصات مثل Uniswap وMorpho وAvantis—التبادل، التحويل، التفاعل مع DeFi.

@SentientAGI: يربط نظام GRID البيئي الوكلاء والنماذج والبيانات والحوسبة، ويوجه الاستعلامات إلى المشاركين المتخصصين لتقديم أفضل النتائج.

@gensynai: تنفيذ ML قابل للتحقق، وتنسيق الأجهزة الموزعة للتدريب والاستنتاج، مع ضمان موثوقية العمل، شبكة تنسيق $AI.

@SaharaAI قم بربط البيانات والنماذج والوكلاء والمكافآت في نظام بيئي واحد مبني على الذكاء الاصطناعي.

البنية التحتية هي هيكل الذكاء الاصطناعي — المكونات الأولية للحوسبة والاستدلال والتدريب والبيانات والخصوصية التي تعتمد عليها جميع الطبقات العلوية. إنها أكثر طبقات سلسلة الذكاء الاصطناعي اللامركزية كثافة من حيث رأس المال.

الحوسبة اللامركزية

@akashnet يدير سوق مزاد عكسي، حيث تتنافس المزودون على الفوز بعبء عملك. نما عدد العقود الجديدة في الربع الأول من عام 2026 بنسبة 27% ليصل إلى أكثر من 43,500، وهو ما يمثل نموًا للربع الثالث على التوالي. ومع خدمة AkashML للاستدلال، تم معالجة ما يقرب من 120 مليار رمز في أبريل، بأسعار أرخص بنسبة 60–85% مقارنة بالسحابة الرئيسية.

أعلنت @rendernetwork عن نمو في الاستخدام بنسبة 428% على أساس سنوي.

@ionet يجمع أكثر من 130,000 GPU من أكثر من 130 دولة على Solana.

@AethirCloud هو أحد المشاريع ذات الدخل الحقيقي: أبلغت عن إيرادات سنوية متكررة تبلغ حوالي 166 مليون دولار أمريكي (الربع الثالث من عام 2025)، وقدمت أكثر من 1.5 مليار ساعة حسابية.

الاستدلال الموزع والقابل للتحقق

يُشكل الاستدلال أكثر من 70% من تكاليف تشغيل الذكاء الاصطناعي، وتتوقع غولدمان ساكس أن الذكاء الاصطناعي الوكيل سيُحفز نمو استهلاك الرموز بنسبة 24 ضعفًا بحلول عام 2030 — أي 120 تريليون رمز شهريًا.

الإجابة اللامركزية تجعل الاستدلال رخيصًا وخاصًا وقابلًا للتحقق.

@AskVenice قدمت أكثر من 50 مليار رمز يوميًا لأكثر من مليوني مستخدم عبر نماذج خاصة وغير خاضعة للرقابة، وحاجزها التنافسي هو النموذج.

@OpenGradient معالجة أكثر من 2 مليون استنتاج قابل للتحقق، وتكوين أكثر من 500 ألف إثبات zkML.

@chutes_ai: يمكن للمطورين نشر وتوسيع نماذج الذكاء الاصطناعي عبر واجهة برمجة تطبيقات بسيطة، مدعومة من عمال مناجم GPU، مع خفض التكاليف بنسبة تصل إلى 85% مقارنة بـ AWS. يتم تحويل إيرادات المنصة إلى طلب على الرموز من خلال آلية الرهن التلقائي.

@dphnAI — شبكة استدلال ذكاء اصطناعي لامركزية. يُجدر بالذكر أن Dolphin طورت النموذج غير الخالي من الرقابة المستخدم في Venice AI، وستستخدم 100% من إيرادات الشبكة في شراء العملات المعدنية.

Training Decentralized

التدريب هو أصعب مشكلة وأكثرها تأثيرًا — فهو يحدد ما إذا كان يجب بناء النماذج الرائدة داخل مختبرات ثلاث أو أربع شركات فقط.

INTELLECT-1 (10 مليار معلمة) من @PrimeIntellect هو أول تشغيل تدريب موزع عالمي؛ INTELLECT-2 (32 مليار معلمة) هو أول تشغيل RL موزع.

@tplr_ai نجحت في تدريب Covenant-72B على أكثر من 70 عقدة موزعة، مع معالجة حوالي 1.1 تريليون رمز، وخفض تكلفة الاتصال بنسبة 146 مرة.

@NousResearch: شبكة Psyche الخاصة بها تحقق التدريب الموزع المتحمل للأعطال، ليصبح Hermes 4.3 أول نموذج Hermes يتم تدريبه على بنية تحتية لامركزية بدلاً من تجمع مركزي.

يقوم شبكة IOTA الفرعية (SN9) الخاصة بـ @MacrocosmosAI بتدريب نماذج LLM موزعة و"التدريب في المنزل"، بينما تعالج شبكة Data Universe الفرعية (SN13) طبقة البيانات. تسمح خوارزميات DiLoCo منخفضة الاتصال للـ GPU الموزعة عالميًا بالتعاون دون الحاجة إلى شبكة داخلية فائقة السرعة في مراكز البيانات.

التوفرية والتخزين اللامركزيان للبيانات

مع توسع حجم أحمال الذكاء الاصطناعي، يصبح كلاهما عائقًا. فالموديلات الرائدة تستهلك كميات هائلة من البيانات الطازجة، وقد ارتفعت متطلبات التخزين إلى درجة أن موردي الأقراص الصلبة الرئيسيين أبلغوا أن طاقتهم الإنتاجية قد بيعت مسبقًا لعدة سنوات.

الاقتصاديات مثيرة للاهتمام. يمكن أن يكون التخزين اللامركزي أرخص بنسبة 60-80٪ مقارنة بمزودي السحابة التقليديين، حيث توفر شبكات مثل @Filecoin أسعار تخزين أقل من دولار واحد شهريًا لكل تيرابايت، بينما تبلغ التكلفة في الحلول المركزية حوالي 30 دولارًا.

@grass تدفع لـ 2.5 مليون عقدة من 190 دولة مقابل عرض النطاق الترددي غير المستخدم، مما يسمح للمختبرات الذكية الاصطناعية بجمع البيانات من الويب في الوقت الفعلي.

@WalrusProtocol هو منافس سريع النمو تم بناؤه بواسطة @Mysten_Labs للتخزين اللامركزي وتوافر البيانات – يستخدم كود تصحيح الأخطاء ثنائي الأبعاد لتخزين فعال لـ "blob" كبيرة، ويتزايد توظيفه كطبقة ذاكرة دائمة للوكلاء الذكاء الاصطناعي.

@eigencloud: منصة سحابية قابلة للتحقق تم بناؤها حول توافر البيانات والحسابات القابلة للتحقق وحل النزاعات. مدعومة بـ ETH المعاد استثماره، وتعتمد على فكرة تمكين وكلاء الذكاء الاصطناعي من التشغيل بضمانات تشفيرية، مما يجعل الإجراءات قابلة للإثبات والمراجعة والتنفيذ.

@vana——EVM L1، حيث تحول Data DAOs وData Liquidity Pools البيانات الشخصية إلى أصول قابلة للتوكيز والتجارة.

يقوم @reppo و @oroagents ببناء مجموعات بيانات عالية الجودة وموثوقة لتدريب الذكاء الاصطناعي من خلال مسابقة تحفيزية.

الخصوصية وطبقة التحقق

لا يمكن للمستخدم العادي التحقق من ما إذا كان النموذج يعالج بياناته بشكل خاص، أو ينفذ الحسابات بشكل صحيح، أو حتى يستخدم النموذج المُعلن عنه.

في عام 2026، تصبح الخصوصية والتحقق شروطًا أساسية للذكاء الاصطناعي، وليست ميزات إضافية.

@nillion — «حاسوب أعمى»، يستخدم MPC وNil Message Compute الخاص به لتنفيذ عمليات حسابية على بيانات مشفرة دون فك تشفيرها. تشمل سيناريوهات الاستخدام الاستدلال الخاص للذكاء الاصطناعي، قواعد البيانات المشفرة، وRAG الخاص (السماح للذكاء الاصطناعي بالاستعلام عن قواعد معرفة حصرية دون كشفها).

@Arcium: شبكة حسابات سرية لامركزية على Solana. تشمل استخدامات مثل Umbra (التحويلات المخفية / العوائد الخاصة) وتدريب الذكاء الاصطناعي السري على مجموعات البيانات الحساسة.

@OasisProtocol: L1 مبنية على الخصوصية، تستخدم ROFL (Runtime Offchain Logic)، وهو إطار عمل مبني على TEE لتشغيل حسابات خارج السلسلة قابلة للتحقق وتحافظ على الخصوصية—مثل وكلاء الذكاء الاصطناعي، أو تدريب النماذج، أو أجهزة التنبؤ.

@octra: L1 مدعوم أصليًا بـ FHE ويركز على الخصوصية، يستخدم حلًا حصريًا يسمى HFHE (Hypergraph FHE) مصممًا خصيصًا للحسابات المشفرة المتوازية وال THROUGHPUT.

@eigencloud: التحقق من اللاعبين الثقيلين، مبني على أمان إعادة الرهان على EigenLayer. EigenAI (الاستدلال القابل للتحقق لنموذج LLM هو واجهة برمجة تطبيقات متوافقة مع OpenAI للنماذج مفتوحة المصدر، حيث يمكن إثبات أن المدخلات والاستجابات لم تُعدّل) وEigenCompute (تنفيذ خارج السلسلة قابل للتحقق للمنطق الوكيل).

@PhalaNetwork. وحدات معالجة الرسومات السحابية قوية ولكنها غير خاصة؛ Phala تجعل أحمال العمل قابلة للإثبات، حتى بالنسبة لـ Phala نفسها. تُستخدم وحدات معالجة الرسومات TEE على منتجها الأساسي Phala Cloud لنشر النماذج المفتوحة المصدر على الأجهزة، وتوفر واجهة برمجة تطبيقات متوافقة مع OpenAI، حيث يوجد إثبات تشفير لكل استنتاج.

يزداد الطلب على الذكاء الاصطناعي أسرع من تقدم البنية التحتية، وتصبح وكلاء الذكاء الاصطناعي محرك النمو الرئيسي — وقد جُهّزت مسارات السلاسل.

يتحول الحساب إلى فئة أصول، وتصبح الأسواق على السلسلة طبقة مالية لها. وينتقل المشاركون المؤسسيون من التجربة إلى الاستثمار في البنية التحتية.

تُصبح اقتصاديات الرموز المميزة ميزة هيكلية للذكاء الاصطناعي اللامركزي في تنسيق رأس المال والحوسبة والبيانات. تتوسع الفرص من الذكاء الاصطناعي إلى الروبوتات والآلات الذاتية والذكاء الاصطناعي المادي.

يُشهد الذكاء الاصطناعي اللامركزي نموًا في الطبقات الرئيسية مثل البنية التحتية والبرمجيات الوسيطة والتطبيقات، وذلك من خلال إيرادات الحوسبة، واقتصاد الوكلاء المتزايد، والتدريب الموزع على نطاق واسع.

لكن هذا المجال لا يزال في مراحله المبكرة. غالبًا ما تتأخر الإيرادات عن حوافز الرموز، ولا يزال التبني غير متوازن، وعلى الرغم من الزيادة الكبيرة في الاستثمارات في الذكاء الاصطناعي، فإن الذكاء الاصطناعي اللامركزي لا يزال يشكل جزءًا صغيرًا فقط من رأس المال المخاطر. يمكن أن تكون الشبكات المدعومة بالرموز ميزة قوية، لكن شريطة أن يكون تصميم استخلاص القيمة صحيحًا.

رغم ذلك، فإن ظهور مشاريع مثل Bittensor و NEAR و Virtuals و Base و Venice يشير إلى أن الذكاء الاصطناعي اللامركزي يتحول من سردية مضاربة إلى نموذج جديد ينسق الحوسبة والبيانات والرأس المال والذكاء.