تجاوزت القيمة المجمعة للرموز المشفرة المرتبطة بالذكاء الاصطناعي أربعة أضعاف في العامين الماضيين، وهي الآن تقترب من سوق رأس مال يصل إلى 20 مليار دولار.
بينما لا تزال جزءًا صغيرًا - 0.67% فقط - من سوق العملات المشفرة الإجمالي البالغ 3.55 تريليون دولار، فإن نموها يعكس توقعات مرتفعة حول دور البنية التحتية اللامركزية للذكاء الاصطناعي، والمال المبرمج، وأنظمة الدفع القائمة على العملات المستقرة.
وفقًا لاستثمارات جرايسكيل، فإن مرحلة النشوء النسبي لقطاع العملات المشفرة AI تفسر حجمه الحالي المتواضع مقارنة بالقطاعات السائدة مثل التمويل اللامركزي والخدمات المالية المرخصة التي تمثل مئات المليارات في القيمة.
اعتبارًا من أواخر مايو 2025، يشمل فضاء العملات المشفرة AI حوالي 20 رمزًا. الأكبر منذ التوزيع في السوق هو TAO، الأصل الأصلي لبروتوكول تعلم الآلة اللامركزي Bittensor. على الرغم من العام الهجومي الكلي للعملات المشفرة، شهد قطاع الرموز AI أداءات فردية مختلطة. ارتفع TAO بنسبة 2% منذ بداية العام حتى تاريخه، بينما انخفض ElizaOS بنسبة 80%، مما يبرز تقلب القطاع وطبيعته المبكرة.
مع ذلك، كان المسار الكلي تصاعدياً بشكل حاد. في عام 2023، بلغت القيمة السوقية الإجمالية لقطاع العملات المشفرة AI مجرد 4.5 مليار دولار. واليوم، تقترب من 20 مليار دولار، مما يشير إلى أن اهتمام المستثمرين بالبنية التحتية الأصلية للذكاء الاصطناعي، والتدريب اللامركزي، وتنسيق الوكيل القائم على البلوكشين يتسارع.
العملات المستقرة كممكن رئيسي لوكلاء الذكاء الاصطناعي
أحد الاتجاهات الناشئة الأكثر أهمية هو تقارب الذكاء الاصطناعي مع البنية التحتية للعملات المستقرة. يسلط تقرير حديث من Grayscale الذي يقوده زاك باندل وويل أوجدن مور الضوء على كيفية تحول العملات المستقرة - الدولارات الرقمية القائمة على البلوكشين - إلى أدوات أساسية لوكلاء الذكاء الاصطناعي الذين يحتاجون إلى أنظمة دفع سريعة ودون حدود والمبرمجة.
يأتي دمج العملات المستقرة في استخدامات الذكاء الاصطناعي وسط اهتمام متزايد من اللاعبين الكبار في التقنية المالية والتكنولوجيا. قامت شركة Stripe بتوسيع ميزات دفعها بالعملات المستقرة لتشمل أكثر من 150 دولة. تجرب Meta بالدفع عبر كتل البلوكشين، كما يقال أن البنوك الأمريكية الكبيرة تستكشف أطر الودائع المرمزة المتوافقة مع أدوات الذكاء الاصطناعي.
في غضون ذلك، أطلقت Coinbase "محفظة ذكية" وطبقة دفع مبرمجة تهدف إلى تمكين عملاء الذكاء الاصطناعي وإنترنت الأشياء لإجراء المعاملات الصغيرة باستخدام العملات المستقرة. تُشكل هذه التطورات من خلال التقدم التنظيمي، مثل مشروع قانون هيكل سوق التشفير الأمريكي ومشروع قانون GENIUS المقترح
- وهو قانون يركز على الترخيص والحوكمة للعملات المستقرة المدعومة بالعملة النقدية. إذا تم إقراره، قد يوفر مثل هذا التشريع إطارات قانونية أوضح لتدفقات الدفع المدفوعة بالذكاء الاصطناعي.
Bittensor: الانقسام، الشبكات الفرعية، والحوسبة اللامركزية
تظل Bittensor البروتوكول الذكاء الاصطناعي اللامركزي الأكثر تطوراً حتى الآن. تم تصميم تاو بشكل بسيط على نموذج البيتكوين، ويحتوي على حد ثابت يبلغ 21 مليون رمز ويمر بحدث انقسام كل أربع سنوات. من المتوقع أن يكون أول حدث من هذا النوع في وقت لاحق من هذا العام، مما يقلل من الإصدار ويؤثر على ديناميات العرض للرمز.
في فبراير، أطلقت Bittensor ترقية dTAO، مما يمكن من تشكيل الشبكات الفرعية القابلة للاستثمار - شبكات صغيرة مخصصة محمولة لتحسين مهام التعلم الآلي المحددة. منذ الإطلاق، تم تخصيص أكثر من 7% من العرض المتداول للتاو لهذه الشبكات الفرعية، مما يشير إلى زيادة مشاركة المطورين في بيئات التدريب اللامركزية.
تعمل الشبكات الفرعية كأحصنة اقتصادية وتقنية، مما يسمح للمشاركين بتمويلها وتنظيمها واستخلاص القيمة من الشبكات العصبية المدارة بشكل مستقل. يرى المحللون في جرايسكيل أن هذه البنية المعمارية القياسية كممكن رئيسي لتوسيع نطاق الذكاء الاصطناعي في الأنظمة اللامركزية دون الاعتماد على موفري الحوسبة المركزيين مثل خدمات الأمازون ويب.
التدريب الموزع وأسواق وحدة معالجة الرسومات
بالإضافة إلى Bittensor، تستكشف العديد من بروتوكولات العملات المشفرة المركزة على الذكاء الاصطناعي آليات التدريب الموزع. على سبيل المثال، Prime Intellect الذي قام بتدريب النماذج بأكثر من 30 مليار بايت باستخدام وحدات معالجة الرسومات الخاملة المقدمة من المشاركين العالميين.
إذا أثبت هذا النهج قابليته للتوسع، فقد يقلل من التكاليف العالية المرتبطة بتدريب النماذج الذكاء الاصطناعي المركزي ويقلل الاعتماد على البنية التحتية التقنية الكبرى.
مشروعات أخرى، مثل Gensyn وNous Research، تبني أيضًا أسواق وحدة معالجة الرسومات اللامركزية، وقد تطرح الرموز لاحقًا في العام. تهدف هذه المنصات إلى دعم تطوير نماذج الذكاء الاصطناعي في بيئات يحصل المساهمون فيها على مكافآت بالعملات المشفرة مقابل معالجة البيانات أو مشاركتها، بدلاً من الاعتماد على بنية تحتية شركات مركزية.
تحقيق الأموال من البيانات والاستخدامات غير المالية
هناك محور ناشئ آخر في تقاطع الذكاء الاصطناعي - العملات المشفرة هو تحقيق القيمة من البيانات. بروتوكول Grass، الذي يجمع ويبيع البيانات المستخرجة من الإنترنت لمختبرات الذكاء الاصطناعي، يُقال إنه وصل إلى عشرات الملايين من الدولارات في الإيرادات السنوية - دون تقديم رمز. يدل المشروع على كيفية استفادة الشبكات اللامركزية من الطلب الحالي من مطوري الذكاء الاصطناعي مع توليد دخل حقيقي من مصادر غير مالية.
يصبح اقتصاد البيانات أكثر أهمية حيث تتطلب أنظمة الذكاء الاصطناعي مجموعات بيانات كبيرة ومتنوعة ومحدثة بانتظام لتدريب النماذج بفعالية. يظهر مسار Grass أن أدوات التصنيف وتحقيف البيانات الأصلية للعملات المشفرة يمكن أن تتعايش بجانب سماسرة البيانات التقليديين، مما يفتح أسواقًا جديدة للمشاركة الفردية في حلقة التدريب الذكاء الاصطناعي.
على نحو مشابه، شهدت منصة Virtuals - التي تقدم الوصول المرميز إلى وكلاء الذكاء الاصطناعي - 30 مليون دولار في رسوم التداول السنوية. تدل مثل هذه الجاذبية على طلب مبكر على الاقتصاديات المستندة إلى الوكيل، حيث تعمل نماذج الذكاء الاصطناعي بشكل مستقل وتشترك في التجارة باستخدام الرموز الرقمية.
الأفكار النهائية
على الرغم من التفاؤل، يواجه القطاع مخاطر واضحة، بما في ذلك عدم اليقين التنظيمي، والتحديات الفنية في التنفيذ، والأحاديث المبالغ فيها. الكثير من القيمة السوقية الحالية مضاربة وترتبط بتوقعات النمو البروتوكول أو فائدة الرمز.
مع ذلك، يبدو أن التقارب بين الذكاء الاصطناعي والعملات المشفرة والمال المبرمج متناسق استراتيجياً مع الاتجاهات التكنولوجية الطويلة الأجل. إذا وفرت الأطر التنظيمية الجديدة مثل قانون GENIUS أو مشروع قانون هيكل السوق للعملات المشفرة المُنمذج إرشادات أوضح لعمليات الذكاء الاصطناعي-العملات المشفرة، فقد يتبعها تبني المؤسسات.
في الوقت الحالي، يظل قطاع العملات المشفرة AI تجريبيًا ومتقلبًا - ولكنه متزايد الوضوح. مع زيادة التطبيقات الواقعية ونضج البنية التحتية، قد تشهد المرحلة التالية انتقاله من فئة متخصصة إلى مكون أكثر تكاملاً في كل من الأنظمة البيئية للعملات المشفرة والذكاء الاصطناعي.