تواجه صناعة الذكاء الاصطناعي عنق زجاجة حرجاً على مستوى البنية التحتية. تدريب نماذج اللغة الكبيرة يتطلّب موارد حوسبية هائلة، والأجهزة الطرفية تنتشر بمعدلات متسارعة بشكل أُسّي، وأصبح نقص وحدات معالجة الرسوميات (GPU) القيدَ الحاسم لعصر الذكاء الاصطناعي. في الوقت نفسه، تكافح مزوّدو الحوسبة السحابية التقليديون لتلبية الطلب المتصاعد مع الحفاظ على قبضتهم الاحتكارية على الوصول والتسعير.
أكثر من 50٪ من شركات الذكاء الاصطناعي التوليدي تُبلغ عن نقص في وحدات GPU كعائق رئيسي أمام توسيع عملياتها. من المتوقّع أن تزداد القدرة الحاسوبية للذكاء الاصطناعي بنحو 60 ضعفاً بحلول نهاية 2025 مقارنةً بالربع الأوّل من 2023. هذا السباق نحو التفوّق الحوسبي خلق فرصة لبروتوكولات العملات المشفّرة لطرح بديل لامركزي.
هنا يأتي دور تمويل البنية التحتية المادية، أو PinFi. هذا الإطار الناشئ يتعامل مع القدرة الحاسوبية كأصل مُرمَّز يمكن تداوله ورهنه وتحقيق الدخل منه عبر شبكات قائمة على البلوك تشين. بدلاً من الاعتماد على مراكز بيانات مركزية، تقوم بروتوكولات PinFi بتجميع القدرة غير المستغلة لوحدات GPU من مشغّلين مستقلّين، وأجهزة الألعاب، ومزارع التعدين، والأجهزة الطرفية في أسواق موزّعة متاحة لمطوّري الذكاء الاصطناعي حول العالم.
نستعرض أدناه كيف تتحوّل القدرة الحاسوبية الفعلية إلى بنية تحتية مشفّرة‑اقتصادية، من خلال فهم آليات شبكات الحوسبة المرمَّزة، والنماذج الاقتصادية التي تحفّز المشاركة، والهيكلية التي تمكّن التحقّق والتسوية، وما يترتّب على ذلك لكلٍّ من صناعة التشفير وصناعة الذكاء الاصطناعي.
لماذا PinFi الآن؟ الدوافع الكلّية والتقنية
عنق الزجاجة في القدرة الحاسوبية الذي تواجهه صناعة الذكاء الاصطناعي ناتج عن قيود عرض أساسية. خصصت Nvidia ما يقرب من 60٪ من إنتاج شرائحها لعملاء الذكاء الاصطناعي من المؤسسات في الربع الأوّل من 2025، تاركةً العديد من المستخدمين يكافحون للحصول على موارد. بلغ حجم سوق شرائح الذكاء الاصطناعي العالمي 123.16 مليار دولار في 2024 ومن المتوقّع أن يصل إلى 311.58 مليار دولار بحلول 2029، في انعكاس لطلب انفجاري يتجاوز بكثير القدرة التصنيعية.
يتجلّى نقص وحدات GPU في عدة صور. مزوّدو الحوسبة السحابية التقليديون يحتفظون بقوائم انتظار للوصول إلى مثيلات GPU المتقدّمة. تتقاضى AWS مبلغ 98.32 دولاراً في الساعة مقابل مثيل H100 يحتوي على 8 وحدات GPU، وهي تكلفة تُقصي القدرات المتقدّمة للذكاء الاصطناعي عن متناول العديد من المطوّرين والشركات الناشئة. كما تظل أسعار العتاد مرتفعة بسبب قيود العرض، مع ارتفاع أسعار HBM3 بنسبة 20–30٪ على أساس سنوي.
تركّز القدرة الحاسوبية لدى عدد محدود من مزوّدي السحابة الكبار يخلق احتكاكات إضافية. بحلول 2025، يتوقّع المحلّلون أن أكثر من 50٪ من أعباء عمل المؤسسات ستعمل على السحابة، ومع ذلك يبقى الوصول مقيداً بالعقود، والقيود الجغرافية، ومتطلبات اعرف‑عميلك. هذا التمركز يقيّد الابتكار ويخلق نقاط فشل واحدة لبنية تحتية حيوية.
في المقابل، كميات هائلة من القدرة الحاسوبية تبقى خاملة. أجهزة الألعاب لا تُستخدم خلال ساعات العمل. معدّنو العملات المشفّرة يبحثون عن مصادر دخل جديدة مع تغيّر اقتصاديات التعدين. مراكز البيانات تحتفظ بقدرة زائدة خلال فترات انخفاض الطلب. نما سوق الحوسبة اللامركزية من 9 مليارات دولار في 2024 مع توقّعات بوصوله إلى 100 مليار دولار بحلول 2032، في إشارة إلى إدراك السوق بأن النماذج الموزّعة قادرة على استغلال هذا العرض الكامن.
التقاء تقنيات البلوك تشين مع البنية التحتية المادية نضج عبر شبكات البنية التحتية المادية اللامركزية، أو DePIN. تستخدم بروتوكولات DePIN الحوافز الرمزية لتنسيق نشر وتشغيل البنية التحتية في العالم الحقيقي. قدّرت Messari السوق القابل للاستهداف لـ DePIN بنحو 2.2 تريليون دولار، مع إمكانية بلوغه 3.5 تريليون دولار بحلول 2028.
يمثّل PinFi تطبيق مبادئ DePIN بشكل خاص على بنية الحوسبة التحتية. فهو يتعامل مع الموارد الحاسوبية كأصول قابلة للترميز تولّد عائداً عبر استخدامها الإنتاجي. هذا الإطار يحوّل الحوسبة من خدمة تؤجَّر من مزوّدين مركزيين إلى سلعة تُتداول في أسواق مفتوحة لا تتطلّب إذناً مسبقاً.
ما هو PinFi والحوسبة المرمَّزة؟
يعرّف تمويل البنية التحتية المادية نموذجاً تُمثَّل فيه الأصول الحاسوبية المادية كرموز رقمية على سلاسل الكتل، بما يتيح الملكية والتشغيل وتحقيق الدخل بشكل لامركزي. على عكس بروتوكولات التمويل اللامركزي التقليدية التي تتعامل مع أصول رقمية بحتة، ينشئ PinFi جسوراً بين الموارد المادية خارج السلسلة والأنظمة الاقتصادية على السلسلة.
تعرّف الأبحاث الأكاديمية الترميز بأنه "عملية تحويل الحقوق أو وحدة من ملكية أصل أو دين أو حتى أصل مادي إلى رمز رقمي على البلوك تشين." بالنسبة لموارد الحوسبة، يعني ذلك أن وحدات GPU الفردية أو عناقيد الخوادم أو الأجهزة الطرفية تصبح ممثَّلة برموز تتتبّع قدرتها وتوافرها واستخدامها.
يختلف PinFi جوهرياً عن تمويل البنية التحتية التقليدي أو بروتوكولات DeFi المعتادة. تمويل البنية التحتية التقليدي ينطوي على استثمارات دين أو حقوق ملكية طويلة الأجل في مشروعات رأسمالية ضخمة. بروتوكولات DeFi تيسّر بالأساس التداول والإقراض وتوليد العائد على الأصول المشفّرة الأصلية. يقف PinFi عند التقاطع بينهما، مطبِّقاً الحوافز المشفّرة‑الاقتصادية لتنسيق الموارد الحاسوبية في العالم الحقيقي مع الحفاظ على التسوية والحَوْكمة على السلسلة.
تجسّد عدة بروتوكولات نموذج PinFi. تعمل Bittensor كشبكة ذكاء اصطناعي لامركزية يساهم فيها المشاركون بنماذج تعلّم آلي وموارد حوسبة إلى شبكات فرعية متخصّصة تركز على مهام محدّدة. يحفّز رمز TAO المساهمات استناداً إلى القيمة المعلوماتية التي تُقدَّم إلى الذكاء الجمعي للشبكة. مع أكثر من 7,000 معدِّن يقدّمون قدرة حاسوبية، تخلق Bittensor أسواقاً للاستدلال بالنماذج وتدريبها.
تجمع Render Network وحدات GPU الخاملة عالمياً لمهام التصيير الموزّع باستخدام GPU. بدأت الشبكة بالتركيز على التصيير ثلاثي الأبعاد للفنانين ومنشئي المحتوى، ثم توسّعت إلى أعباء عمل حوسبة الذكاء الاصطناعي. يعمل رمز RNDR كوسيلة دفع لمهام التصيير مع مكافأة مزوّدي وحدات GPU على القدرة المقدَّمة.
تعمل Akash Network كسوق سحابي لامركزي يستفيد من السعة غير المستخدمة في مراكز البيانات. عبر نظام مزايدة عكسية، يحدّد ناشرو الحوسبة متطلّباتهم ويتنافس المزوّدون لتلبية الطلبات. يسهّل رمز AKT الحَوْكمة والرهن والتسوية عبر الشبكة. شهدت Akash زيادة ملحوظة في عقود الإيجار النشطة ربعياً بعد توسيع تركيزها ليشمل وحدات GPU إلى جانب موارد CPU التقليدية.
جمعت io.net أكثر من 300,000 وحدة GPU موثّقة عبر دمج موارد من مراكز بيانات مستقلة، ومعدّني العملات المشفّرة، وشبكات DePIN أخرى بما في ذلك Render وFilecoin. تركّز المنصة تحديداً على أعباء عمل الذكاء الاصطناعي والتعلّم الآلي، مع إتاحة القدرة للمطوّرين على نشر عناقيد GPU في 130 دولة خلال دقائق.
تتّبع آليات الحوسبة المرمَّزة نمطاً متسقاً عبر هذه البروتوكولات. يقوم مزوّدو الحوسبة بتسجيل العتاد الذي يملكونه في الشبكة، ويمرّون بعمليات تحقّق للتأكّد من القدرة والمواصفات. تُدير العقود الذكية العلاقة بين العرض والطلب، حيث تُوجِّه مهام الحوسبة إلى العُقد المتاحة بناءً على المتطلّبات والتسعير والقيود الجغرافية. تحفّز المكافآت الرمزية كلّاً من توفير العتاد وتقديم خدمة عالية الجودة.
ينشأ توليد القيمة من الاستخدام الفعلي لا من المضاربة. عندما يقوم مطوّر ذكاء اصطناعي بتدريب نموذج باستخدام موارد GPU موزّعة، تتدفّق المدفوعات إلى المزوّدين الذين نفّذ عتادهم العمل. تصبح القدرة الحاسوبية أصلاً إنتاجياً يولّد عائداً، على غرار ما يفعله المدقّقون في إثبات الحصّة عندما يحصلون على مكافآت لتأمين الشبكات. يخلق هذا اقتصاديات مستدامة ترتبط فيها قيمة الرمز المنشود بمنفعة الشبكة.
هيكلية البنية التحتية: العُقد، الأسواق، التسوية
تتطلّب الهيكلية التي تتيح الحوسبة المرمَّزة تنسيقاً عبر طبقات متعددة. في أساسها توجد شبكة من مزوّدي الحوسبة المستقلّين الذين ينشرون العتاد، ويسجّلونه في البروتوكولات، ويجعلون قدرتهم متاحة للإيجار. يتراوح هؤلاء المزوّدون من أفراد يمتلكون حواسيب ألعاب، إلى مشغّلي مراكز بيانات محترفين، إلى عمليات تعدين العملات المشفّرة التي تبحث عن مصادر إيراد إضافية.
يبدأ تجهيز العُقد عندما يربط مزوّد الحوسبة عتاده بالشبكة. تدعم بروتوكولات مثل io.net أنواعا متنوّعة من وحدات GPU، من بطاقات NVIDIA RTX 4090 المخصّصة للمستهلكين إلى بطاقات H100 وA100 الموجّهة للمؤسسات. يثبّت المزوّد برنامجاً عميلًا يعرّض السعة لطبقة التنسيق في الشبكة مع الحفاظ على حدود أمنية تمنع الوصول غير المصرّح به.
تضمن آليات التحقّق تطابق السعة المُعلَن عنها مع القدرات الفعلية. تستخدم بعض البروتوكولات براهين حوسبة تشفيرية، حيث يجب أن تُظهر العُقَد أنها أجرت حسابات محددة بشكل صحيح. Bittensor تستخدم آلية إجماع Yuma الخاصة بها، حيث يقوم المصدِّقون بتقييم جودة مخرجات التعلم الآلي الخاصة بالمعدِّنين وتعيين درجات تُحدِّد توزيع المكافآت. العُقَد التي تقدّم نتائج منخفضة الجودة أو تحاول الغش تتلقّى تعويضًا أقل أو تتعرّض لخفض في الرموز المكدَّسة.
يُساعد قياس زمن الاستجابة (Latency benchmarking) في مطابقة أحجام العمل مع العتاد (الهاردوير) المناسب. يتطلّب استدلال الذكاء الاصطناعي خصائص أداء مختلفة عن تدريب النماذج أو التصيير ثلاثي الأبعاد. يؤثّر الموقع الجغرافي على زمن الاستجابة في تطبيقات الحوسبة الطرفية حيث يجب أن تتم المعالجة بالقرب من مصادر البيانات. بلغت قيمة سوق الحوسبة الطرفية 23.65 مليار دولار في عام 2024، ومن المتوقع أن تصل إلى 327.79 مليار دولار بحلول عام 2033، مدفوعة بالطلب على المعالجة المحلية.
تربط طبقة السوق بين الطلب على الحوسبة والعرض. عندما يحتاج المطوّرون إلى موارد GPU، يحدّدون المتطلبات بما في ذلك القدرة الحاسوبية، والذاكرة، والمدة، والسعر الأقصى. تستخدم Akash نموذج المزاد العكسي، حيث يضع الناشرون الشروط ويتنافس المزوّدون بالعطاءات للفوز بالعقود. تستخدم Render خوارزميات تسعير ديناميكية تعدّل الأسعار بناءً على استخدام الشبكة وظروف السوق.
تعمل خوارزميات توجيه المهام على تحسين توزيع مهام الحوسبة عبر العُقَد المتاحة. تشمل العوامل التي تؤخذ في الاعتبار مواصفات العتاد، ومستوى الاستخدام الحالي، والقرب الجغرافي، والأداء التاريخي، والسعر. طبقة الأوركسترة في io.net تتعامل مع أحمال العمل المُحَوْضَنة (containerized workflows)، وتدعم الأوركسترة الأصلية لـ Ray لأحمال عمل التعلم الآلي الموزّعة.
يتمّ التسوية على السلسلة عبر العقود الذكية التي تحتجز المدفوعات في حساب ضمان وتُطلق الأموال عند التحقّق من إتمام العمل. تُلغي هذه التسوية غير المعتمدة على الثقة مخاطر الطرف المقابل مع تمكين المعاملات الصغيرة للمهام الحاسوبية القصيرة. البروتوكولات المبنية على سلاسل كتل عالية الإنتاجية مثل Solana يمكنها التعامل مع حجم المعاملات الناتج عن آلاف طلبات الاستدلال المتزامنة.
تعمل آليات staking على مواءمة الحوافز بين المشاركين. غالبًا ما يكدّس مزوّدو الحوسبة الرموز لإظهار التزامهم وتقديم ضمان يمكن خفضه عند الأداء السيئ. يُكدّس المصدِّقون في Bittensor رموز TAO لاكتساب نفوذ في تقييم المعدِّنين وكسب أجزاء من مكافآت الكتل. يمكن لحاملي الرموز تفويض حصصهم إلى مصدِّقين يثقون بهم، على غرار آليات إجماع إثبات الحصّة.
تتيح الحوكمة لحاملي الرموز التصويت على معايير البروتوكول بما في ذلك توزيع المكافآت، وهياكل الرسوم، وترقيات الشبكة. الحوكمة اللامركزية تضمن ألّا تكون هناك سلطة مركزية قادرة على تغيير القواعد أو تقييد الوصول من جانب واحد، مما يحافظ على الطبيعة غير الإذنية التي تميز هذه الشبكات عن مزوّدي السحابة التقليديين.
تتناقض هذه البنية بشكل حاد مع الحوسبة السحابية المركزية. يملك المزوّدون الكبار بُناهم التحتية، ويحددون الأسعار دون منافسة سوقية حقيقية، ويتطلّبون حسابات وفحوصات امتثال، ويحتفظون بالتحكّم في الوصول والرقابة. توزّع بروتوكولات PinFi الملكية عبر آلاف المشغّلين المستقلّين، وتمكّن التسعير الشفّاف القائم على السوق، وتعمل بلا أذونات، وتقاوم الرقابة من خلال اللامركزية.
الاقتصاديات الرمزية ونماذج الحوافز
يقدّم اقتصاد الرموز البنية التحفيزية التي تنسّق عمل شبكات الحوسبة الموزَّعة. تؤدي الرموز الأصلية وظائف متعدّدة تشمل الدفع مقابل الخدمات، والمكافآت على تقديم الموارد، وحقوق الحوكمة، ومتطلبات الـ staking للمشاركة في الشبكة.
تحدّد آليات الإصدار كيف تدخل الرموز حيّز التداول. يتّبع Bittensor نموذج بيتكوين مع عرض محدود قدره 21 مليون رمز TAO وتقليصات دورية (halvings) تقلّل الإصدار بمرور الوقت. يتم حاليًا سكّ 7,200 رمز TAO يوميًا، تُقسَّم بين المعدِّنين الذين يقدّمون الموارد الحاسوبية والمصدِّقين الذين يضمنون جودة الشبكة. يخلق هذا ندرة شبيهة ببيتكوين مع توجيه التضخّم نحو البنى التحتية الإنتاجية.
تُصدر بروتوكولات أخرى الرموز بناءً على استخدام الشبكة. عند تنفيذ مهام الحوسبة، تتدفّق الرموز الجديدة إلى المزوّدين بنسبة تتناسب مع الموارد التي قدّموها. يضمن هذا الارتباط المباشر بين خلق القيمة وإصدار الرموز أن يكافئ التضخّم الإنتاج الفعلي بدلًا من الاحتفاظ السلبي بالرموز.
يُنشئ الـ staking التزامًا حقيقيًا (“skin in the game”) للمشاركين في الشبكة. يقوم مزوّدو الحوسبة بتكديس الرموز لتسجيل العُقَد وإظهار الالتزام. يؤدّي الأداء السيئ أو محاولات الاحتيال إلى الخفض (slashing)، حيث تُدمَّر الرموز المكدَّسة أو تُعاد توزيعها على الأطراف المتضرّرة. يحفّز هذا الجزاء الاقتصادي تقديم خدمة موثوقة وسلوكًا صادقًا.
يكدّس المصدِّقون مبالغ أكبر لاكتساب نفوذ أكبر في تقييم الجودة وقرارات الحوكمة. في نموذج Bittensor، يقيم المصدِّقون مخرجات المعدِّنين، ويقدّمون مصفوفات أوزان تشير إلى العُقَد التي قدّمت مساهمات قيّمة. يجمع إجماع Yuma هذه التقييمات، موزونةً بحصّة المصدِّق، لتحديد التوزيع النهائي للمكافآت.
تعمل ديناميكيات العرض والطلب لرموز الحوسبة على مستويين. على جانب العرض، يؤدّي انضمام المزيد من العُقَد إلى الشبكة إلى زيادة القدرة الحاسوبية المتاحة. يجب أن تكون مكافآت الرموز كافية لتعويض تكاليف العتاد والكهرباء وتكاليف الفرصة البديلة مقارنةً بالاستخدامات الأخرى للمعدات. مع ارتفاع أسعار الرموز، يصبح توفير الحوسبة أكثر ربحية، ما يجذب مزيدًا من العرض.
على جانب الطلب، يعكس سعر الرمز القيمة التي يضعها المستخدمون على الوصول إلى الشبكة. مع انتشار تطبيقات الذكاء الاصطناعي وتزايد ندرة الحوسبة، تزداد الرغبة في الدفع مقابل الموارد اللامركزية. من المتوقع أن ينمو سوق عتاد الذكاء الاصطناعي من 66.8 مليار دولار في 2025 إلى 296.3 مليار دولار بحلول 2034، مما يخلق طلبًا مستدامًا على مصادر الحوسبة البديلة.
يعود ارتفاع قيمة الرموز بالنفع على جميع المشاركين. يربح مزوّدو العتاد أكثر مقابل نفس الخرج الحاسوبي. يستفيد مشغّلو العُقَد الأوائل من تقدير قيمة المكافآت المتراكمة. يستفيد المطوّرون من بديل لامركزي لمزوّدي السحابة المركزيين مرتفعي التكلفة. ويحصل حاملو الرموز الذين يقومون بالـ staking أو بتوفير السيولة على الرسوم الناتجة عن نشاط الشبكة.
تُعالج نماذج المخاطر أنماط الفشل المحتملة. يقلّل توقّف العُقَد عن العمل من أرباحها مع إعادة توجيه المهام إلى البدائل المتاحة. يخلق التركّز الجغرافي مشكلات في زمن الاستجابة لتطبيقات الحوسبة الطرفية التي تتطلّب معالجة محلية. تُفضِّل تأثيرات الشبكة البروتوكولات الأكبر ذات العتاد الأكثر تنوّعًا والتوزيع الجغرافي الأوسع.
يجب أن يوازن تضخّم الرموز بين جذب عرض جديد والحفاظ على القيمة لحاملي الرموز الحاليين. تُشير الأبحاث حول بروتوكولات البنى التحتية اللامركزية إلى أن اقتصاديات الرموز المستدامة تتطلّب نموًّا في الطلب يتجاوز نموّ العرض. تُطبّق البروتوكولات آليات الحرق، حيث تُزال الرموز المستخدمة في المدفوعات بشكل دائم من التداول، ما يخلق ضغطًا انكماشيًا يعوِّض الإصدار التضخّمي.
تختلف هياكل الرسوم عبر الشبكات. يفرض بعضها رسومًا مباشرةً على المستخدمين بالرموز الأصلية. تقبل شبكات أخرى العملات المستقرة أو النسخ المغلّفة من العملات المشفّرة الكبرى، مع اقتصار دور رموز البروتوكول أساسًا على الحوكمة والـ staking. تستخدم النماذج الهجينة الرموز للوصول إلى الشبكة، بينما تُسوّي مدفوعات الحوسبة بأصول مستقرة لتقليل مخاطر التقلّب.
لا يزال مجال تصميم نماذج الحوافز يتطوّر مع تجريب البروتوكولات لأساليب مختلفة لموازنة مصالح أصحاب المصلحة والحفاظ على النمو طويل الأجل.
الذكاء الاصطناعي والحافة والبنية التحتية في العالم الحقيقي
تمكّن شبكات الحوسبة المرمَّزة التطبيقات التي تستفيد من العتاد الموزَّع لأحمال عمل الذكاء الاصطناعي، والمعالجة الطرفية، واحتياجات البنية التحتية المتخصّصة. تُظهر تنوّع حالات الاستخدام كيف يمكن للنماذج اللامركزية معالجة الاختناقات عبر طبقات المكدّس الحاسوبي.
يمثّل تدريب النماذج الذكية الموزَّعة (Distributed AI model training) حالة استخدام رئيسية. يتطلّب تدريب النماذج اللغوية الكبيرة أو أنظمة رؤية الحاسوب حوسبة موازية ضخمة عبر عدّة وحدات GPU. تركّز المناهج التقليدية هذا التدريب في مراكز بيانات مركزية مملوكة لمزوّدي السحابة الكبار. تتيح الشبكات اللامركزية إجراء التدريب عبر عُقَد موزَّعة جغرافيًا، تساهم كل منها في العمل الحاسوبي المُنسَّق عبر أوركسترة قائمة على البلوكشين.
تُمكّن بنية الشبكات الفرعية (subnet) في Bittensor أسواق ذكاء اصطناعي متخصّصة تركّز على مهام محدّدة مثل توليد النصوص، أو توليد الصور، أو جمع البيانات. يتنافس المعدِّنون على تقديم مخرجات عالية الجودة في المجالات التي يختارونها، مع قيام المصدِّقين بتقييم الأداء وتوزيع المكافآت وفقًا لذلك. يخلق هذا أسواقًا تنافسية حيث تظهر أفضل النماذج وأكثر التطبيقات كفاءةً بشكل طبيعي من خلال الانتقاء الاقتصادي.
تستفيد أحمال عمل الحوسبة الطرفية بشكل خاص من البنى التحتية اللامركزية. قُدِّرت قيمة سوق الحوسبة الطرفية العالمية بـ 23.65 مليار دولار في عام 2024، مدفوعة بالتطبيقات التي تتطلّبانخفاض زمن الاستجابة والمعالجة المحلية. تحتاج أجهزة إنترنت الأشياء التي تولّد بيانات استشعار مستمرة إلى تحليل فوري دون تأخير الرحلة ذهاباً وإياباً إلى مراكز بيانات بعيدة. تتطلّب المركبات الذاتية القيادة اتخاذ قرارات في أجزاء من الثانية لا يمكنها تحمّل زمن تأخير في الشبكة.
يمكن لشبكات الحوسبة اللامركزية وضع طاقة المعالجة بالقرب ماديّاً من مصادر البيانات. يمكن لمصنع يَنشُر مستشعرات إنترنت أشياء صناعية استئجار عُقد حوسبة طرفية داخل نفس المدينة أو المنطقة بدلاً من الاعتماد على سُحُب مركزية تبعد مئات الأميال. Industrial IoT applications accounted for the largest market share in edge computing in 2024، ما يعكس الطبيعة الحاسمة للمعالجة المتمركزة محلياً في مجالات التصنيع واللوجستيات.
تستهلك عمليات عرض المحتوى وسير العمل الإبداعي موارد GPU كبيرة. الفنانون الذين يعرضون مشاهد ثلاثية الأبعاد، والمُحرِّكون الذين يُنتجون الأفلام، ومطوّرو الألعاب الذين يَجمعون الأصول، جميعهم يحتاجون إلى معالجة موازية كثيفة. Render Network specializes in distributed GPU rendering، حيث تربط الشبكة بين المبدعين والطاقة الحاسوبية الخاملة لوحدات GPU حول العالم. يخفّض هذا النموذج القائم على السوق من تكاليف العرض مع توفير مصادر دخل لمالكي وحدات GPU خلال فترات انخفاض الطلب.
تواجه تطبيقات الحوسبة العلمية والبحثية قيوداً في الميزانية عند الوصول إلى موارد السحابة مرتفعة التكلفة. يمكن للمؤسسات الأكاديمية والباحثين المستقلين والمنظمات الأصغر الاستفادة من الشبكات اللامركزية لتشغيل المحاكاة، أو تحليل مجموعات البيانات، أو تدريب النماذج المتخصّصة. تسمح الطبيعة غير المُقيّدة لهذه الشبكات للباحثين في أي منطقة جغرافية بالوصول إلى الموارد الحاسوبية دون الحاجة إلى حسابات سحابية مؤسسية أو فحوصات ائتمانية.
تتطلّب منصّات الألعاب والميتافيرس عمليات عرض وحسابات فيزيائية لتوفير تجارب غامرة. ومع ازدياد تعقيد العوالم الافتراضية، ترتفع المتطلبات الحاسوبية للحفاظ على بيئات دائمة ودعم آلاف المستخدمين المتزامنين. يمكن لعُقد الحوسبة الموزَّعة على الأطراف تقديم معالجة محلية لمجموعات اللاعبين الإقليميين، ما يقلّل زمن الاستجابة بينما يوزّع تكاليف البنية التحتية عبر مزوّدين يحصلون على حوافز رمزية.
يتطلّب استدلال نماذج الذكاء الاصطناعي على نطاق واسع وصولاً مستمراً إلى وحدات GPU لخدمة التنبؤات من النماذج المدرَّبة. روبوت دردشة يخدم ملايين الاستفسارات، أو خدمة توليد صور تُعالِج طلبات المستخدمين، أو محرّك توصية يُحلّل سلوك المستخدم، جميعها تحتاج إلى حوسبة متاحة دائماً. توفّر الشبكات اللامركزية درجة من التكرار والتوزيع الجغرافي تعزّز الموثوقية مقارنة بالاعتماد على مزوّد واحد.
تمثّل المناطق الجغرافية غير المخدومة بشكل كافٍ من مزوّدي السحابة الكبار فرصة لبروتوكولات PinFi. تواجه المناطق ذات الحضور المحدود لمراكز البيانات زمناً أعلى للاستجابة وتكاليف أكبر عند الوصول إلى البنية التحتية المركزية. يمكن لمزوّدي العتاد المحليين في هذه المناطق تقديم طاقة حوسبية مُخصّصة للطلب الإقليمي، والحصول على مكافآت رمزية مع تحسين الوصول المحلي لقدرات الذكاء الاصطناعي.
تفرض متطلبات سيادة البيانات بشكل متزايد أن تُعالِج بعض أعباء العمل البيانات ضمن ولايات قضائية محدّدة. Regulations like the EU Data Act require sensitive information to be processed locally، ما يشجّع على نشر بنية تحتية طرفية تمتثل لقواعد إقامة البيانات. تدعم الشبكات اللامركزية بطبيعتها نشر عُقد خاصة بكل ولاية قضائية مع الحفاظ على التنسيق العالمي عبر التسوية المعتمدة على البلوكشين.
لماذا يهم الأمر: الآثار على العملات المشفّرة والبنية التحتية
يمثّل ظهور PinFi توسّعاً للعملات المشفّرة إلى ما وراء التطبيقات المالية البحتة نحو تنسيق البنية التحتية في العالم الحقيقي. يحمل هذا التحوّل آثاراً لكل من منظومة الكريبتو وصناعات الحوسبة الأوسع.
تُظهر بروتوكولات الكريبتو منفعة تتجاوز المضاربات عندما تحلّ مشكلات بنية تحتية ملموسة. تُنشئ DePIN وPinFi أنظمة اقتصادية تُنسِّق الموارد المادية، مُثبتة أنّ الحوافز القائمة على البلوكشين يمكن أن تُطلِق شبكات حقيقية في العالم الواقعي. The DePIN sector's total addressable market is currently around $2.2 trillion and could reach $3.5 trillion by 2028، وهو ما يمثّل تقريباً ثلاثة أضعاف القيمة السوقية الحالية لسوق العملات المشفّرة بأكمله.
يُعالج إضفاء الطابع الديمقراطي على الوصول إلى الحوسبة عدم تماثل جوهري في تطوير الذكاء الاصطناعي. في الوقت الراهن، تبقى القدرات المتقدّمة للذكاء الاصطناعي متركّزة إلى حدّ كبير لدى شركات التكنولوجيا ذات التمويل الجيّد القادرة على تحمّل تكاليف مجموعات ضخمة من وحدات GPU. تواجه الشركات الناشئة والباحثون والمطوّرون في بيئات محدودة الموارد حواجز أمام المشاركة في ابتكار الذكاء الاصطناعي. تُخفّض الشبكات الحاسوبية اللامركزية هذه الحواجز من خلال توفير وصول غير مقيّد إلى عتاد موزَّع بأسعار تحدّدها آليات السوق.
يُوسّع إنشاء فئات أصول جديدة مشهد الاستثمار في العملات المشفّرة. تمثّل رموز القدرة الحاسوبية ملكية في بنية تحتية إنتاجية تُولّد عائدات عبر الاستخدام الفعلي في العالم الواقعي. يختلف هذا عن الأصول البحتة المضارِبة أو رموز الحوكمة التي تفتقر إلى آليات واضحة لالتقاط القيمة. يمتلك حاملو هذه الرموز فعلياً حصصاً في مزوّد سحابة لامركزي، ترتبط قيمتها بالطلب على خدمات الحوسبة.
قد تواجه الاحتكارات التقليدية في البنية التحتية احتمال التعرّض للاضطراب. Centralized cloud providers including AWS, Microsoft Azure and Google Cloud maintain oligopolistic control على أسواق الحوسبة، ويحدّدون الأسعار دون منافسة مباشرة حقيقية. تُدخل البدائل اللامركزية ديناميكيات سوقية يتنافس فيها آلاف المزوّدين المستقلّين، ما قد يخفض التكاليف ويحسّن إمكانية الوصول.
يستفيد قطاع الذكاء الاصطناعي من تقليل الاعتماد على البنية التحتية المركزية. حالياً، يتركّز تطوير الذكاء الاصطناعي حول مزوّدي السحابة الكبار، ما يخلق نقاط فشل واحدة ومخاطر تركّز. Over 50% of generative AI companies report GPU shortages as major obstacles. توفّر الشبكات الموزَّعة طاقة حوسبية بديلة يمكنها امتصاص فائض الطلب وتقديم تكرار في مواجهة اضطرابات سلسلة التوريد.
قد تظهر تحسينات في كفاءة الطاقة من خلال تحسين استغلال القدرة الحاسوبية. تستهلك تجهيزات الألعاب التي تبقى خاملة طاقة في وضع الاستعداد دون ناتج إنتاجي. تسعى عمليات التعدين ذات القدرة الفائضة إلى مصادر دخل إضافية. Distributed networks put idle GPUs to productive use، ما يحسّن الكفاءة الإجمالية للموارد في النظام البيئي الحاسوبي.
تصبح مقاومة الرقابة ذات صلة بتطبيقات الذكاء الاصطناعي. يمكن لمزوّدي السحابة المركزيين رفض تقديم الخدمة لمستخدمين أو تطبيقات أو مناطق جغرافية كاملة معيّنة. تعمل الشبكات اللامركزية دون إذن مسبق، ما يمكّن تطوير ونشر تطبيقات الذكاء الاصطناعي دون الحاجة إلى موافقة من الجهات المتحكّمة. يُعدّ ذلك مهمّاً بشكل خاص للتطبيقات الجدلية أو للمستخدمين في ولايات قضائية تقييدية.
تتحسّن هياكل خصوصية البيانات من خلال المعالجة المحلية. Edge computing keeps sensitive data near its source بدلاً من نقلها إلى مراكز بيانات بعيدة. يمكن للشبكات اللامركزية تنفيذ تقنيات للحفاظ على الخصوصية مثل التعلّم المُوحّد، حيث تتدرّب النماذج على بيانات موزَّعة دون مركزية المعلومات الخام.
ترتفع كفاءة السوق من خلال اكتشاف أسعار شفاف. تبقى أسعار السحابة التقليدية غامضة، مع هياكل رسوم معقّدة وعقود مؤسسية يتم التفاوض عليها. تُنشئ الأسواق اللامركزية أسعاراً فورية واضحة للموارد الحاسوبية، ما يمكّن المطوّرين من تحسين التكاليف والمزوّدين من تعظيم الإيرادات عبر ديناميكيات تنافسية.
تنشأ الأهمية طويلة الأجل من دوافع الطلب المستدامة. ستواصل أعباء عمل الذكاء الاصطناعي النمو مع تزايد التطبيقات. The AI hardware market is expected to grow from $66.8 billion in 2025 to $296.3 billion by 2034. ستبقى الحوسبة قيداً أساسياً، ما يضمن استمرار الطلب على نماذج البنية التحتية البديلة.
تُفضّل تأثيرات الشبكة البروتوكولات المبكّرة التي تُحقّق كتلة حرجة. مع انضمام المزيد من مزوّدي العتاد، تزداد تنوّعية الموارد المتاحة. يتحسّن التوزيع الجغرافي، ما يقلّل زمن الاستجابة للتطبيقات الطرفية. تجذب الشبكات الأكبر عدداً أكبر من المطوّرين، مُشكِّلة دوائر نمو فاضلة. قد تُرسِّخ الجهات السبّاقة في مجالات محدّدة مزايا دائمة.
التحدّيات والمخاطر
رغم التطبيقات الواعدة، تواجه شبكات الحوسبة المرمّزة تحدّيات تقنية واقتصادية وتنظيمية كبيرة يمكن أن تُقيِّد النمو أو تُحدّ من تبنّيها.
تظلّ الموثوقية التقنية مصدر قلق أساسي. يقدّم مزوّدو السحابة المركزيون اتفاقيات مستوى خدمة تضمن زمن تشغيل وأداءً معيّنين. تُنسِّق الشبكات الموزَّعة عتاداً من مشغّلين مستقلّين بمستويات متفاوتة من الاحترافية وجودة البنية التحتية. تُنشئ أعطال العُقد أو انقطاعات الشبكة أو فترات الصيانة فجوات في التوفّر يجب إدارتها عبر التكرار وخوارزميات التوجيه.
يُشكّل التحقّق من العمل الفعلي المُنجَز تحدّياً مستمرّاً. يتطلّب ضمان تنفيذ العُقد للحسابات بأمانة بدلاً من إرجاع نتائج مزوّرة أنظمة إثبات مشفّرة متقدّمة. Cryptographic proofs of compute تضيف حملاً إضافياً لكنها تبقى ضرورية لمنع الاحتيال. تُمكِّن آليات التحقّق غير الكاملة من هجمات محتملة تدّعي فيها العُقد الخبيثة مكافآت دون تقديم الخدمات الموعودة.
تؤثّر قيود زمن الاستجابة وعرض النطاق الترددي على أعباء العمل الموزَّعة. [Running computations across geographically dispersed locations can cause التأخيرات مقارنة بالأجهزة المشتركة في مراكز بيانات فردية. يقيّد عرض النطاق الترددي للشبكة بين العقد أنواع أحمال العمل المناسبة للمعالجة الموزعة. تواجه الحسابات المتوازية ذات الترابط الوثيق والتي تتطلب اتصالات متكررة بين العقد تدهوراً في الأداء.
يخلق تباين جودة الخدمة حالة من عدم اليقين لتطبيقات الإنتاج. على عكس بيئات السحابة المُدارة ذات الأداء المتوقع، تنتج التجمعات غير المتجانسة من الأجهزة نتائج غير متسقة. قد تُنفَّذ عملية تدريب على بطاقات H100 على مستوى المؤسسات أو على بطاقات RTX للمستهلكين تبعاً للتوافر. يجب على مطوري التطبيقات تصميم أنظمتهم مع أخذ هذا التباين في الحسبان أو تنفيذ آليات تصفية تقصر المهام على فئات معيّنة من الأجهزة.
يتطلب الاستدامة الاقتصادية موازنة نمو العرض مع توسّع الطلب. فزيادات سريعة في القدرة الحاسوبية المتاحة دون نمو مماثل في الطلب ستؤدي إلى خفض أسعار التوكنات وتقليل ربحية المزوّدين. يجب على البروتوكولات إدارة إصدار التوكنات بعناية لتجنّب تضخم يتجاوز نمو المنفعة.
يمثل ضغط قيمة التوكنات مخاطرة للمشاركين على المدى الطويل. فمع انضمام مزيد من المزوّدين إلى الشبكات سعياً وراء المكافآت، تدفع المنافسة المتزايدة إلى خفض الأرباح لكل عقدة. قد يرى المشاركون الأوائل الذين استفادوا من مكافآت أولية أعلى عوائدهم تتضاءل بمرور الوقت. إذا فشل ارتفاع سعر التوكن في تعويض هذا التخفيف، يزداد معدل انسحاب المزوّدين وتتضرر استقرار الشبكة.
تُدخل تقلبات السوق مخاطرة مالية على المشاركين. يكسب المزوّدون مكافآتهم في شكل توكنات أصلية تتقلّب قيمتها. قد يلتزم مشغّل عتاد برأس مال لشراء وحدات GPU متوقعاً بقاء أسعار التوكنات مستقرة، ليفاجأ بخسائر إذا انخفضت الأسعار. يمكن لآليات التحوّط وخيارات الدفع بالعملات المستقرة التخفيف من التقلب لكنها تضيف تعقيداً.
تخلق حالة عدم اليقين التنظيمي حول تصنيف التوكنات تحديات امتثال. تقوم هيئات الأوراق المالية في ولايات قضائية مختلفة بتقييم ما إذا كانت توكنات القدرة الحاسوبية تُعد أوراقاً مالية خاضعة لمتطلبات التسجيل. يقيّد الوضع القانوني المبهم مشاركة المؤسسات ويخلق مخاطر مسؤولية لمطوري البروتوكولات.
تفرض لوائح حماية البيانات متطلبات يجب على الشبكات الموزعة التعامل معها. يتطلب معالجة بيانات مواطني الاتحاد الأوروبي الامتثال للائحة حماية البيانات العامة (GDPR)، بما في ذلك تقليل البيانات وحقوق الحذف. يجب أن تفي التطبيقات الصحية بمتطلبات HIPAA. تواجه التطبيقات المالية التزامات مكافحة غسل الأموال. تعقّد الشبكات اللامركزية الامتثال عندما تتحرك البيانات عبر ولايات قضائية متعددة ومشغلين مستقلين.
قد تؤدي المساهمات في العتاد إلى تدقيق تنظيمي بحسب كيفية هيكلة الترتيبات. قد تصنّف بعض الولايات القضائية علاقات معيّنة مع المزوّدين كعروض أوراق مالية أو منتجات مالية منظّمة. يظل الخط الفاصل بين توفير البنية التحتية وعقود الاستثمار غير واضح في العديد من الأطر القانونية.
تستمر المنافسة من مزوّدي السحابة الضخمة في الاشتداد. يستثمر المزوّدون الكبار مليارات في سعة مراكز بيانات جديدة ومسرّعات ذكاء اصطناعي مخصصة. تُتيح هذه الجهات الراسخة ذات رؤوس الأموال الضخمة خفض الأسعار أو تجميع القدرة الحاسوبية مع خدمات أخرى للحفاظ على حصتها السوقية.
يمكن أن يحدّ تفتت الشبكات من قابلية التركيب. فالبروتوكولات المتنافسة المتعددة تخلق أنظمة بيئية معزولة حيث لا يمكن نقل موارد الحوسبة بسهولة بين الشبكات. يقلّل نقص التقييس في واجهات البرمجة، وآليات التحقق، أو معايير التوكنات من الكفاءة ويزيد تكاليف التحويل للمطورين.
يؤثر خطر المتبنين الأوائل على البروتوكولات التي تفتقر إلى سجل أداء مثبت. تواجه الشبكات الجديدة مشكلة "الدجاجة والبيضة" في جذب كل من مزوّدي العتاد ومشتري القدرة الحاسوبية في الوقت نفسه. قد تفشل البروتوكولات في الوصول إلى الكتلة الحرجة اللازمة لعمليات مستدامة. يواجه مستثمرو التوكنات خطر خسارة كاملة إذا انهارت الشبكات أو فشلت في تحقيق تبنٍّ واسع.
قد تمكّن الثغرات الأمنية في العقود الذكية أو طبقات التنسيق من سرقة الأموال أو تعطيل الشبكة. تتطلب التحديات الأمنية للشبكات اللامركزية تدقيقاً دقيقاً للعقود الذكية وبرامج مكافآت اكتشاف الثغرات. تؤدي الهجمات التي تستنزف الخزائن أو تمكن من هجمات الدفع المزدوج إلى الإضرار بالثقة وقيمة الشبكة.
الطريق إلى الأمام وما ينبغي مراقبته
يوفر تتبّع المقاييس والتطورات الرئيسية نظرة على نضج ومسار نمو شبكات القدرة الحاسوبية المرمّزة.
تشمل مؤشرات نمو الشبكة عدد عقد الحوسبة النشطة، والتوزيع الجغرافي، وتنوّع العتاد، وإجمالي السعة المتاحة المقاسة في القدرة الحاسوبية أو ما يعادلها من وحدات GPU. يشير التوسع في هذه المقاييس إلى زيادة العرض ومرونة الشبكة.
تكشف مقاييس الاستخدام عن الطلب الفعلي على الحوسبة اللامركزية. تُظهر مهام الحوسبة النشطة، وإجمالي ساعات المعالجة المُقدمة، ومزيج أنواع أحمال العمل ما إذا كانت الشبكات تخدم تطبيقات حقيقية تتجاوز المضاربة.
يوفر الحد الأقصى لقيمة سوق التوكنات والتقييمات المخفّفة بالكامل تقديرات السوق لقيمة البروتوكول. يكشف مقارنة هذه التقييمات مع الإيرادات الفعلية أو الإنتاجية الحاسوبية عما إذا كانت التوكنات تسعّر توقعات نمو مستقبلية أو تعكس المنفعة الحالية.
تشير الشراكات مع شركات الذكاء الاصطناعي والمتبنّين من المؤسسات إلى تحقق قبول واسع. عندما تنشر مختبرات الذكاء الاصطناعي الراسخة أو مطورو النماذج أو التطبيقات الإنتاجية أحمال عمل على الشبكات اللامركزية، فهذا يبرهن على أن البنية التحتية الموزعة تفي بالمتطلبات الواقعية.
تدل ترقيات البروتوكول وإضافة الميزات على زخم تطوير مستمر. يبرهن دمج أنواع جديدة من وحدات GPU، وتحسين أنظمة التشغيل الآلي، وتعزيز آليات التحقق أو تحسينات الحوكمة على عملية تكرار نشطة نحو بنية تحتية أفضل.
تشكل التطورات التنظيمية بيئة التشغيل. سيُقلّل التصنيف الملائم لتوكنات البنية التحتية أو الإرشادات الواضحة بشأن متطلبات الامتثال من حالة عدم اليقين القانوني ويُمكّن مشاركة مؤسساتية أوسع. وعلى العكس، قد تحدّ اللوائح التقييدية من النمو في ولايات قضائية معيّنة.
تحدد الديناميكيات التنافسية بين البروتوكولات هيكل السوق. قد يتوحّد فضاء البنية التحتية الحاسوبية حول عدد قليل من الشبكات المهيمنة التي تحقق تأثيرات شبكة قوية، أو يبقى مجزأً مع بروتوكولات متخصصة تخدم قطاعات مختلفة. يمكن لمعايير التشغيل البيني أن تمكّن التنسيق عبر الشبكات، ما يحسّن كفاءة النظام البيئي ككل.
قد تظهر نماذج هجينة تجمع بين العناصر المركزية واللامركزية. قد تستخدم المؤسسات السحابة التقليدية للسعة الأساسية بينما تلجأ إلى الشبكات اللامركزية خلال فترات ذروة الطلب. يوفر هذا الأسلوب قابلية التنبؤ بخدمات مُدارة مع الاستفادة من وفورات التكلفة من البدائل الموزعة خلال فترات التدفق الزائد.
قد تتشكل شبكات اتحادية حيث تُشغّل جهات الصناعة البنية التحتية اللامركزية بشكل مشترك. قد تنشئ شركات الذكاء الاصطناعي، ومزوّدو السحابة، ومصنّعو العتاد أو المؤسسات الأكاديمية شبكات مشتركة تقلّل من متطلبات رأس المال الفردية مع الحفاظ على حوكمة لامركزية. يمكن أن يُسرّع هذا النموذج التبني لدى المؤسسات المتحفظة على المخاطر.
يبدو التخصص الرأسي مرجحاً مع تحسين البروتوكولات لحالات استخدام محددة. قد تركز بعض الشبكات حصرياً على تدريب نماذج الذكاء الاصطناعي، وأخرى على الاستدلال، وبعضها على الحوسبة الطرفية، وأخرى على التصيير أو الحوسبة العلمية. تخدم البنية التحتية المتخصصة متطلبات أحمال عمل معيّنة بشكل أفضل من البدائل الأغراض العامة.
سيتبيّن أن التكامل مع أدوات وأطر عمل الذكاء الاصطناعي القائمة أمر حاسم. يقلّل التوافق السلس مع مكتبات تعلّم الآلة الشائعة، وأنظمة التنسيق، وخطوط نشر النماذج من الاحتكاك للمطورين.
قد تؤثر اعتبارات الاستدامة بشكل متزايد في تصميم البروتوكولات. يمكن لآليات الإجماع الموفّرة للطاقة، وحوافز الطاقة المتجددة لمشغلي العقد، أو دمج أرصدة الكربون أن تميّز البروتوكولات التي تجذب المستخدمين المهتمين بالبيئة. ومع خضوع استهلاك الطاقة في مجال الذكاء الاصطناعي للتدقيق، قد تطرح الشبكات اللامركزية الكفاءة بوصفها ميزة تنافسية.
تغطية إعلاميةand crypto community attention serve as leading indicators of mainstream awareness. Increased discussion of specific protocols, rising search interest, or growing social media following often precedes broader adoption and token price appreciation. However, hype cycles can create misleading signals disconnected from fundamental growth.
الخاتمة
يمثّل تمويل البنية التحتية المادية (Physical Infrastructure Finance) تطوّر استخدام الكريبتو نحو تنسيق الموارد الحاسوبية في العالم الحقيقي. من خلال ترميز سعة الحوسبة، تنشئ بروتوكولات PinFi أسواقًا تتحول فيها وحدات معالجة الرسوميات (GPUs) الخاملة إلى أصول منتِجة تحقق عوائد عبر أعباء عمل الذكاء الاصطناعي، والمعالجة على الأطراف (edge processing)، واحتياجات البنية التحتية المتخصصة.
إن التقاء الطلب النهم للذكاء الاصطناعي على القدرة الحاسوبية مع قدرة الكريبتو على تنسيق الأنظمة الموزعة عبر الحوافز الاقتصادية يخلق عرض قيمة قويًا. GPU shortages affecting over 50% of generative AI companies تُظهر مدى حدة اختناقات البنية التحتية. Decentralized compute markets growing from $9 billion in 2024 to a projected $100 billion by 2032 تشير إلى إدراك السوق لإمكان أن تتمكن النماذج الموزعة من استغلال الطاقة الكامنة غير المستخدمة.
تُبرز بروتوكولات مثل Bittensor وRender وAkash وio.net طرقًا متنوعة لمعالجة التحدي الجوهري نفسه: مطابقة عرض القدرة الحاسوبية مع الطلب بكفاءة عبر تنسيقٍ لا يتطلب إذنًا (permissionless) قائم على البلوكشين. كل شبكة تختبر نماذج مختلفة من اقتصاديات التوكن (tokenomics) وآليات التحقق والتطبيقات المستهدفة، مسهمةً في نظامٍ بيئي أوسع يستكشف مساحة تصميم البنية التحتية اللامركزية.
تمتد الآثار إلى ما هو أبعد من الكريبتو لتشمل صناعة الذكاء الاصطناعي والبنية التحتية الحاسوبية بصورة عامة. إذ يقلّل الوصول الديمقراطي إلى موارد الـGPU الحواجز أمام الابتكار في مجال الذكاء الاصطناعي. كما أن تقليل الاعتماد على احتكارات السحابة المركزية يُدخل ديناميكيات تنافسية قد تحسّن الأسعار وقابلية الوصول. وتظهر فئات أصول جديدة حيث تمثّل التوكنات ملكية في بنية تحتية منتجة بدلاً من كونها محض أدوات للمضاربة.
لا تزال تحديات كبيرة قائمة. فالموثوقية التقنية، وآليات التحقق، والاستدامة الاقتصادية، وحالة عدم اليقين التنظيمي، والمنافسة من الشركات الراسخة ذات رؤوس الأموال الضخمة جميعها تشكّل مخاطر. لن يكتب البقاء لكل بروتوكول، وقد يتضح أن كثيرًا من التوكنات مبالغ في تقييمها مقارنةً بفائدتها الأساسية. لكن البصيرة المحورية التي تقود PinFi تبدو متينة: توجد طاقة حوسبة هائلة خاملة حول العالم، وهناك طلب ضخم على بنية تحتية للذكاء الاصطناعي، ويمكن لتنسيق قائم على البلوكشين أن يوفّق بين منحنيات العرض والطلب المختلّة هذه.
مع استمرار انفجار الطلب على الذكاء الاصطناعي، ستغدو طبقة البنية التحتية التي تغذي هذه التكنولوجيا أكثر حرجًا. ما إذا كانت هذه البنية التحتية ستظل مركّزة لدى عدد قليل من المزوّدين المركزيين أم ستتطور نحو نماذج ملكية موزعة منسّقة عبر حوافز اقتصادية مشفّرة قد يحدد المشهد التنافسي لتطوير الذكاء الاصطناعي في العقد المقبل.
قد يبدو تمويل البنية التحتية في المستقبل أقل شبهًا بتمويل المشاريع التقليدي، وأقرب إلى شبكات مُرمَّزة من عتاد موزع عالميًا، حيث يمكن لأي شخص يملك GPU أن يصبح مزوّد بنية تحتية، وحيث لا يتطلّب الوصول أكثر من دفعٍ بسعرٍ سوقي دون أي إذن إضافي. يمثّل هذا إعادة تصوّر جذرية لكيفية امتلاك الموارد الحاسوبية وتشغيلها وتحقيق الدخل منها — نموذجًا تُظهر فيه بروتوكولات الكريبتو منفعةً تتجاوز المضاربة المالية عبر حل مشكلات ملموسة في العالم المادي.