في الأشهر القليلة الماضية، بسبب الازدهار الكبير في صناعة الذكاء الاصطناعي، انتقل عدد كبير من كوادر قطاع التشفير إلى مجال الذكاء الاصطناعي. كما يبحث الباحثون الذين لديهم خبرة في كلا المجالين في فرضية لم ينجح أحد في تنفيذها حتى الآن:
هل يمكن للبلوكشين أن يصبح جزءًا من البنية التحتية للذكاء الاصطناعي؟
على مدار السنتين الماضيتين، شهد السوق العديد من الإصدارات لدمج الذكاء الاصطناعي مع العملات المشفرة: وكلاء الذكاء الاصطناعي، الاستدلال على السلسلة، أسواق البيانات، واستئجار قوة الحوسبة. لقد كانت شعبية عالية، لكن المشاريع التي تكونت بها حلقات تجارية مغلقة فعليًا قليلة جدًا، والسبب بسيط: معظم المشاريع ما زالت عالقة في "طبقة تطبيقات الذكاء الاصطناعي". لكن جينسين تدخل في أعمق وأغلى طبقة في صناعة الذكاء الاصطناعي:
تدريب النموذج
كيف يتم ذلك؟ تنظيم موارد GPU الموزعة عالميًا في شبكة مفتوحة لتدريب الذكاء الاصطناعي، حيث يمكن للمطورين تقديم مهام التدريب، وتوفير وحدات المعالجة، وتقوم الشبكة بالتحقق من نتائج التدريب وإتمام توزيع الحوافز، والشيء الحقيقي الذي يستحق الاهتمام خلف هذا ليس "اللامركزية" بحد ذاتها، بل المشكلة المتزايدة التي لا يمكن تجاهلها في صناعة الذكاء الاصطناعي:
تم تركيز موارد الحوسبة بسرعة في أيدي القلّة، حيث استحوذت الشركات الكبرى على البطاقات حتى لسنوات قادمة. خلال العام الماضي، تشكلت في صناعة الذكاء الاصطناعي اتجاه واضح: من يمتلك وحدات معالجة الرسوميات (GPU) يتحكم في سرعة تطور الذكاء الاصطناعي، خاصة في عصر النماذج الكبيرة، حيث أصبحت موارد التدريب عتبة أساسية.
نقص إمدادات H100، واستمرار ارتفاع أسعار خدمات السحابة، أول خطوة للشركات الكبرى المحلية في تطوير الذكاء الاصطناعي ليست توسيع الفريق، بل تأمين موارد الحوسبة، وهذا هو السبب في أن OpenAI وAnthropic وxAI مرتبطة جميعها بشركات سحابية كبيرة، لأن المنافسة بين النماذج في جوهرها أصبحت منافسة على البنية التحتية. وتكمن أهمية Gensyn في:
طريقة جديدة لتنظيم الموارد لتدريب الذكاء الاصطناعي
أولاً، إنه يدخل طبقة البنية التحتية الأساسية في صناعة الذكاء الاصطناعي
العديد من مشاريع الذكاء الاصطناعي + التشفير تميل إلى السرد على مستوى التطبيق، وببساطة، الجميع يُطورون تطبيقات، لكن Gensyn دخل مباشرة مرحلة التدريب، وهي الجزء الأعلى من حيث الحواجز التقنية والأكثر استهلاكًا للموارد في سلسلة قيمة الذكاء الاصطناعي بأكملها، وأيضًا الجزء الأسهل في تكوين حواجز منصة. فبمجرد أن تكتسب شبكة التدريب حجمًا، فإنها لا تصبح فقط سوقًا للقوة الحسابية، بل قد تصبح أيضًا مدخلًا مهمًا لتطوير الذكاء الاصطناعي في المستقبل. وهذا هو السبب في أن السوق يتابع Gensyn باستمرار، وهذا هو السبب في أن A16Z تدخلت مرتين بقيادة استثمارات كبيرة.
ثانيًا، إنه يوفر نموذجًا أكثر انفتاحًا للتعاون في القوة الحسابية
يعتمد تدريب الذكاء الاصطناعي التقليدي بشكل كبير على منصات سحابية مركزية، حيث تتمثل ميزته في الاستقرار، لكن التكاليف تستمر في الارتفاع، خاصةً بالنسبة لفرق الذكاء الاصطناعي الصغيرة والمتوسطة، حيث أصبحت موارد التدريب عاملًا محدودًا متزايدًا للابتكار. أما الفكرة التي يقدمها Gensyn فهي تمكين المزيد من وحدات معالجة الرسومات غير المستخدمة من الانضمام إلى الشبكة، مما يسمح بجدولة موارد التدريب ديناميكيًا لزيادة كفاءة استخدام القوة الحسابية بشكل عام، وهو ما يشبه في جوهره منطق ظهور الحوسبة السحابية المبكرة: ليس اختراع الحوسبة من جديد، بل إعادة تنظيم موارد الحوسبة. إذا نجح هذا النموذج باستمرار، فسيجلب ليس فقط تحسين التكاليف، بل قد يرفع كفاءة الموارد في صناعة الذكاء الاصطناعي بأكملها.
ثالثًا، الحواجز التقنية هي في الواقع حاجزها الحامي المهم
المكان الحقيقي الصعب في تدريب الشبكات، لم يكن أبدًا "ربط GPU"، بل: كيفية التحقق من نتائج التدريب، وكيفية ضمان تنفيذ العقد للمهام بصدق، وكيفية الحفاظ على موثوقية التدريب في بيئة موزعة، وهي بالضبط الأجزاء التي كان Gensyn يعالجها طوال الوقت، بما في ذلك آليات التحقق الاحتمالي، ونموذج توزيع المهام، ونظام التنسيق بين العقد. قد لا تكون هذه الأشياء بارزة مثل سرد Agent، لكنها تحدد ما إذا كان الشبكة قابلة للاستخدام فعليًا، وبشكل ما، فإن Gensyn أشبه بشركة بنية تحتية للتكنولوجيا المتقدمة، وهو ما يميزها بشكل كبير عن العديد من المشاريع الأخرى في نفس المجال.
رابعًا: تم تشكيل دائرة تجارية مغلقة
أحد أكبر الجدلات في صناعة التشفير في الماضي كان أن العديد من المشاريع لديها سرديات، لكنها تفتقر إلى احتياجات حقيقية. لكن تدريب الذكاء الاصطناعي مختلف، فهو سوق حقيقي تم التحقق منه وينمو بسرعة كبيرة، حيث تستمر الحاجة العالمية لتدريب الذكاء الاصطناعي في التوسع، ويعاني نقص دائم في موارد GPU، ويدخل Gensyn في حلقة متكاملة من سلسلة التوريد ذات احتياجات محددة بالفعل. وبعبارة أخرى، إنه ليس "للوصول إلى السلسلة من أجل السلسلة"، بل لأنه يتطلب نظامًا أكثر مرونة وانفتاحًا لتنسيق الموارد، كما هو مطلوب من قطاع الذكاء الاصطناعي نفسه. وهذا هو السبب في أن المزيد من رؤوس الأموال تبدأ في ملاحظة اتجاه بنية الذكاء الاصطناعي الأساسية، لأن البنية التحتية، على عكس التطبيقات قصيرة الدورة، عندما تشكل تأثيرًا شبكيًا، فإن دورة حياتها غالبًا ما تكون أطول.
أخيرًا، يحدث تغيير مثير للاهتمام. في الماضي، كان الجميع يعتقدون دائمًا أن Crypto هو نظام مالي، بينما AI هو نظام تقني.
لكن الآن، يصبح الحدود بينهما أكثر ضبابية، فـ AI يحتاج إلى تنسيق الموارد، وآليات الحوافز، والتعاون العالمي. وهذه بالضبط الأمور التي تتميز بها Crypto، مما يجعل قدرات التدريب لا تعود حكرًا على عدد قليل من الكبار، بل تتحول إلى نظام أكثر انفتاحًا وقابلية للتعاون. على الأقل من الناحية الحالية، لم يعد هذا مجرد قصة مفهومية، بل هو في طريقه للتطور نحو بنية تحتية حقيقية للذكاء الاصطناعي، وغالبًا ما تنشأ أكبر الشركات قيمة في عصر الذكاء الاصطناعي من طبقة البنية التحتية.