بت تورنت تطلق BTTInferGrid: طبقة البنية التحتية اللامركزية للاستدلال الذكي القابل للتوسع

BTTInferGrid هي شبكة حوسبة GPU لامركزية مصممة خصيصًا لاستدلال الذكاء الاصطناعي. من خلال ربط المعروض العالمي من القدرة الاحتياطية غير المستغلة لوحدات معالجة الرسوميات بالطلب المتصاعد على أحمال عمل الذكاء الاصطناعي، توفر BTTInferGrid بنية تحتية حاسوبية مفتوحة الوصول، قابلة للتحقق من الأمان، وبنظام دفع حسب الاستخدام لمطوري الذكاء الاصطناعي حول العالم.

 
في 17 يونيو، أعلنت شركة بت تورنت، الرائدة في التقنية اللامركزية، عن الإطلاق الاستراتيجي لـ BTTInferGrid لاقتناص حصة من سوق استدلال الذكاء الاصطناعي سريع النمو. من خلال استخدام بنية حوسبة حافية (Edge Computing) لامركزية، تقوم المنصة بتجميع موارد وحدات معالجة الرسوميات المجزأة وغير المستغلة على مستوى العالم. عبر إزالة الاحتكاك بين مزودي العتاد ومطوري الذكاء الاصطناعي، تقدم BTTInferGrid محرك استدلال عالي القابلية للتوسع يتميز بالوصول السلس (Plug-and-Play)، والتحقق على السلسلة من نتائج الحوسبة، ونموذج تسعير مرن قائم على الاستهلاك.

 
من خلال الاستفادة من التنسيق اللامركزي، تعالج BTTInferGrid الاختناقات الجوهرية لدى مزودي السحابة المركزية التقليديين، مثل زمن الاستجابة المرتفع في حالات التوازي الشديد، ونماذج التسعير الجامدة أثناء ذروة الطلب. وعلى جانب المعروض، تعيد الشبكة تعريف اقتصاديات العتاد الخامل، وتعمل على تحسين تخصيص الموارد عبر نظام الحوسبة الكامل. 

يمثل هذا الإطلاق توسعًا استراتيجيًا في منفعة بت تورنت يتجاوز بروتوكول التخزين الأساسي الخاص بها BitTorrent File System (BTFS). من خلال الجمع بين خبرتها المثبتة في جدولة الموارد اللامركزية واسعة النطاق والحوسبة عالية الأداء، تضع بت تورنت نفسها كطبقة بنية تحتية أساسية لعصر الذكاء الاصطناعي اللامركزي.   
من التدريب إلى الاستدلال: BTTInferGrid تعيد هندسة سلسلة توريد حوسبة الذكاء الاصطناعي

 
يشهد الطلب البنيوي على حوسبة الذكاء الاصطناعي تحولًا جوهريًا من التدريب إلى الاستدلال. تنطلق BTTInferGrid في هذه اللحظة الحرجة لإعادة تشكيل جانب المعروض عبر بنيتها التحتية اللامركزية، من خلال معالجة التكاليف الباهظة واختناقات الموارد لتقديم قدرة حوسبية فعالة من حيث التكلفة وعالية الأداء.

 
تشير توقعات الإجماع في الصناعة إلى أن أكثر من 70٪ من أحمال عمل حوسبة الذكاء الاصطناعي المستقبلية ستُخصَّص للاستدلال – وهي المرحلة الحاسمة التي تنتقل فيها النماذج من التطوير إلى النشر على مستوى الإنتاج. بينما يُعد التدريب إنفاقًا رأسماليًا يحدث مرة واحدة، يمثل الاستدلال تكلفة تشغيلية مستمرة تؤثر مباشرة في تجربة المستخدم وقابلية الأعمال للاستمرار. تتنبأ Oracle بأن سوق الاستدلال سيتجاوز في نهاية المطاف سوق التدريب من حيث الحجم. كما يشير الأكاديمي تشنغ وي مين إلى أن الغالبية العظمى من القدرة الحوسبية تُستهلك الآن خلال تفاعلات المستخدمين اليومية مع النماذج الكبيرة. ينعكس ذلك في الميزانيات التشغيلية؛ إذ يشكل الاستدلال الآن ما يصل إلى 95٪ من نفقات الحوسبة للنماذج اللغوية الكبيرة. تصل التكاليف اليومية إلى 700,000 دولار للمنصات التقليدية مثل ChatGPT، بينما تتحمل النماذج المحسّنة مثل DeepSeek V3 تكلفة يومية قدرها 87,000 دولار.

 
مع ديمقراطية تطوير الذكاء الاصطناعي، وتوسعه من عمالقة التقنية إلى ملايين المطورين المستقلين، تفشل البنى التحتية المركزية التقليدية في ثلاثة محاور:

 
1. تخصيص غير مرن مقابل أحمال عمل متقلبة: الطلب على الاستدلال بطبيعته متذبذب بشدة، إذ تتغير نسب الاستفادة من الذروة إلى القاع بأضعاف عدة خلال يوم واحد. تُجبر مراكز البيانات المركزية المشغلين على معضلة مكلفة: إمّا الإفراط في توفير العتاد لضمان التوافر عند الذروة – ما يؤدي إلى قدرة خمول باهظة – أو التقصير في التوفير والمخاطرة بتدهور مستوى الخدمة. تؤدي هذه اللاكفاءة المنهجية، إلى جانب التكاليف التشغيلية الضخمة لمراكز البيانات مثل الطاقة والصيانة، إلى بقاء أسعار الإيجار مرتفعة بشكل مصطنع.

 
2. تسعير GPU المفرط يعيق الابتكار: رغم الطفرة في النماذج مفتوحة المصدر، ما يزال النشر العملي مقيدًا بتكلفة العتاد المستقر والمتاح. بدل أن تنخفض، ارتفعت تكاليف الوصول إلى وحدات معالجة الرسوميات. ففي السُّحُب المتخصصة، ارتفعت أسعار السوق الثانوية لوحدات H100 الشائعة من 1.70 دولار في الساعة في أكتوبر 2025 إلى 2.35 دولار في الساعة في مارس 2026 – أي زيادة تقارب 40٪، ما يترك المطورين مع نماذج متقدمة دون قدرة حوسبية عملية لتشغيلها. 

 
3. عدم تطابق العرض والطلب وعزل أحواض الحوسبة: يوجد حجم ضخم من قدرة GPU خاملة داخل الشبكات الخاصة، والمختبرات الأكاديمية، ومراكز البيانات الإقليمية حول العالم. وبسبب غياب معايير وصول موحدة وتنسيق موحَّد، تبقى هذه الموارد المتناثرة خارج سوق الاستدلال العالمي. ينشأ عن ذلك تناقض في السوق: يواجه المطورون نقصًا مزمنًا في العتاد، بينما ترقد احتياطيات هائلة من القدرة الحوسبية دون استغلال. 

 
باختصار، يجد سوق استدلال الذكاء الاصطناعي نفسه في كماشة ثلاثية: بنى مركزية جامدة تفتقر إلى المرونة، ورسوم إيجار GPU متصاعدة تكبح الابتكار، وحوسبة عالمية مجزأة تبقى حبيسة الجزر المنعزلة. لكسر هذا الجمود، تستفيد BTTInferGrid من التقنية اللامركزية لتقديم حل جديد. 

 
على وجه التحديد، تفكك المنصة الاحتكارات المركزية واختناقات البنية التحتية عبر إنشاء ممر مباشر ولامركزي بين المطورين العالميين وموارد GPU الخاملة. أولًا، تقوم BTTInferGrid بتجميع العتاد المجزأ وغير المستغل في مشاع حوسبي موحّد ومفتوح الوصول. ثانيًا، تتجاوز الوسطاء التقليديين لإزالة حواجز الدخول المصطنعة والتسعير غير الشفاف، مما يهيئ بيئة معاملات منخفضة الاحتكاك. مدفوعةً بحوافز وتنسيقات DePIN قوية، تضمن الشبكة وصولًا مستمرًا إلى قدرة استدلال عالية الأداء وفعالة التكلفة، لتقويض العوائق المالية الخانقة وقيود المعروض من جذورها.

 
BTTInferGrid: إعادة تعريف تخصيص القدرة الحوسبية عبر شبكة لامركزية لاستدلال الذكاء الاصطناعي

 
تم تصميم BTTInferGrid بهدف واحد: إنشاء البنية التحتية اللامركزية الحاسمة للاستدلال في الذكاء الاصطناعي. من خلال سد الفجوة العالمية بين المعروض الخامل من وحدات معالجة الرسوميات والطلب المتصاعد على الاستدلال، توفر المنصة بوابة بلا أذونات إلى حوسبة عالية الأداء تقرن التنفيذ القابل للتحقق بنموذج دفع مرن حسب الاستخدام.

 
بالاستفادة من بنية DePIN قوية، تمكّن BTTInferGrid جانبي سوق حوسبة الذكاء الاصطناعي:

• على جانب المعروض، تجمع وحدات GPU الخاملة والمجزأة لبناء قاعدة حوسبة مشتركة ومفتوحة. بدعم من حوافز مرمزة وتوجيه ذكي للمهام، تتيح الشبكة لمزودي الموارد تحقيق الدخل من عتادهم الخامل بسلاسة – وتحويله إلى أصول مولدة للعائد، مع ضمان معروض مستقر وقابل للتوسع من القدرة الحوسبية.
• على جانب الطلب، تزود المطورين العالميين بخدمات استدلال متاحة، ومتحقق منها على السلسلة، وعند الطلب. مقارنةً بمزودي السحابة المركزية التقليديين، تقدم BTTInferGrid بديلًا أكثر كفاءة من حيث التكلفة وقابلية أكبر للتوسع. يقلل هذا بشكل كبير من حاجز الدخول أمام الفرق الصغيرة والمتوسطة، ويُسرّع دورات تطوير المنتجات، بينما يعيد ضخ القيمة إلى منظومة جانب المعروض.

BTTInferGrid تقود حلقة نمو قوية مكتفية ذاتيًا: فكلما اتسع نطاق عقد GPU الخاملة، انخفضت تكاليف الحوسبة، ما يسرّع تبنّي المطورين. ويحفز هذا الطلب المتصاعد بدوره مورّدي عتاد جدد على الانضمام إلى المنظومة، فيحوِّل في النهاية القدرة الحوسبية للذكاء الاصطناعي من مورد نادر عالي التكلفة إلى بنية تحتية لامركزية شاملة وعند الطلب.

 
وبينما تعاني معظم منصات GPU اللامركزية الحالية من حواجز دخول عالية، وغموض موثوقية الخدمة، ونماذج أعمال غير مستدامة، صُممت BTTInferGrid من الأساس لتقديم ثلاثة اختراقات استراتيجية، ترسخ بها ميزة تنافسية واضحة: 

1. وصول بلا أذونات وتجميع سريع لوحدات GPU: يمكن لأي فرد أو مؤسسة تمتلك وحدات GPU خاملة تستوفي معايير أساسية للأداء والموثوقية الاتصال بالشبكة بسلاسة. يخفض هذا النهج منخفض الاحتكاك حواجز الدخول على جانب المعروض بشكل جذري، ويعمل بسرعة على توحيد الحوسبة الموزعة عالميًا في شبكة واحدة.

2. جودة خدمة قابلة للتحقق وتنفيذ بلا ثقة: للتغلب على فجوة الثقة المتأصلة في الشبكات الموزعة، تستعين BTTInferGrid ببنية بلوكتشين متقدمة للتحقق المتبادل من سلوك جميع المشاركين. من خلال دمج التوجيه الذكي للمهام، والفحوصات العشوائية التشفيرية، ونظام التقييم الديناميكي للسمعة، وآليات الحوافز والعقوبات القائمة على العقود الذكية، تقضي الشبكة بفاعلية على مخاطر الاحتيال وتضمن أن جميع مخرجات استدلال الذكاء الاصطناعي موثوقة، وغير قابلة للتلاعب، وقابلة للتحقق بدرجة عالية. 

3. اقتصاديات مدفوعة بالطلب لمنظومة مستدامة: ترتكز BTTInferGrid على طلب حقيقي على استدلال الذكاء الاصطناعي وحوافز للعقد تستند إلى الأداء. بدل الاعتماد فقط على إصدارات رمزية تضخمية، يحقق مزودو القدرة الحوسبية عائدًا حقيقيًا مباشرة من المدفوعات التي يقدمها المطورون مقابل استخدام الشبكة فعليًا. يخفف هذا النهج القائم على المنفعة من الزراعة المضاربية، ويضمن قدرة المنظومة على البقاء والنمو على المدى الطويل.

 
تعمل الاختراقات الاستراتيجية التي حققتها BTTInferGrid – إزالة الحواجز التقليدية للدخول، وتعبئة وحدات GPU الخاملة عالميًا ضمن شبكة حوسبة بلا حدود، وبناء حلقة تحقق كاملة بلا ثقة – على إعادة تعريف مشهد الحوسبة اللامركزية بصورة جذرية. ومن خلال ربط نموذجها الاقتصادي بطلب حقيقي على الذكاء الاصطناعي، تضع الشبكة معيارًا جديدًا لكيفية تجميع الموارد الحوسبية، والتحقق منها، وتحقيق الدخل منها بشكل عادل.

 
خارطة طريق BTTInferGrid: التوسع استنادًا إلى الطلب الواقعي

 
BTTInferGrid ليست مجرد مجمع عتاد؛ بل هي بروتوكول حوسبة لامركزي متكامل يدمج بسلاسة التوجيه الذكي للمهام، dynamic supply-and-demand matching, and automated on-chain settlements.  
  
يتم تشغيل النظام البيئي بواسطة التناغم بين ثلاثة مشاركين أساسيين. مقدمو الحوسبة (المعدّنون) يخصصون وحدات معالجة الرسوميات (GPUs) غير المستغلة لديهم للشبكة مقابل مكافآت مُرمَّزة**؛ طالبو الحوسبة (مطورو الذكاء الاصطناعي)** يصلون إلى قدرة حوسبية قابلة للتوسع عبر واجهات برمجة تطبيقات موحَّدة؛ والمدققون يتحققون من جودة الخدمة ويُطبّقون آليات الإجماع للحفاظ على سلامة الشبكة. يوفّر هذا الهيكل ثلاثي الأطراف استدلالَ ذكاءٍ اصطناعي منخفض التكلفة وموثوقاً للمطورين، مع توليد عائد مستدام مدعوم بالاستخدام الفعلي لمقدمي العتاد.  
  
يتبع BTTInferGrid استراتيجية إطلاق مرحلية واضحة وقوية تقودها ديناميكيات الطلب. في رفضٍ للاتجاه السائد في القطاع نحو التوسّع غير المستدام والقائم على القوة الغاشمة، تعطي الشبكة الأولوية للاستخدام الأمثل للموارد، والجدوى الاقتصادية، والتوسّع المنهجي لبنيتها التقنية.  
  

• المرحلة 1: إقلاع الشبكة (2026)
  استقطاب العقد الأساسية والتحقق من خدمات الاستدلال الموزَّع. الهدف الرئيسي هو توسيع شبكة عقد الـGPU والعبور بنجاح من مرحلة الانطلاق البارد.

• المرحلة 2: تنويع النظام البيئي (2027)
  تعزيز استقرار الشبكة وخصوصيتها مع توسيع الدعم لهياكل النماذج المختلفة للذكاء الاصطناعي. خلال هذه المرحلة، سيُوسّع البروتوكول نطاق فائدته لاستيعاب السيناريوهات المعقّدة، بما في ذلك تحسين النماذج (fine-tuning) بشكل لامركزي.

• المرحلة 3: بنية تحتية تأسيسية للذكاء الاصطناعي (2028 وما بعدها)
  ترسيخ مكانة BTTInferGrid كطبقة بنية تحتية أصلية في Web3، توفّر حوسبة قابلة للتوسع لتطبيقات الذكاء الاصطناعي واسعة النطاق. تتمثل الرؤية النهائية في دمج الحوسبة والتخزين والعقود الذكية اللامركزية بسلاسة في نظام بيئي موحّد.

  
عند الإطلاق، ستُعطي الشبكة الأولوية لوحدات معالجة الرسوميات من فئة الاستخدام الاحترافي. لضمان الاستقرار الأولي، سيكون استقطاب جانب العرض (المعدّنون) عمليةً مُقيّدة بالأذونات في البداية، بينما سيحتفظ المطورون بإمكانية الوصول السلس وعند الطلب إلى خدمات الاستدلال. سيتطوّر BTTInferGrid لاحقاً إلى شبكة حوسبة عملاقة (supercomputing grid) لا تتطلّب أذونات، تدعم وحدات GPU الاستهلاكية والاحترافية وتلك المخصّصة لمراكز البيانات، عبر نموذج تسعير متدرّج قائم على الأداء. سيستفيد مشغّلو العُقد من وصول مفتوح مضمون بآلية رهن (staking) لضمان اتفاقيات مستوى الخدمة (SLA). في الوقت نفسه، سيحصل المطوّرون على واجهات برمجة تطبيقات موحّدة ومتوافقة مع صيغ النماذج والأطر الاستدلالية الرئيسية، بما يضمن أقصى قدر من مرونة النشر.  
  
Crucially, BTTInferGrid is built on the battle-tested foundation of BitTorrent and the BitTorrent File System (BTFS). Having operated at a global scale, BTFS has already validated the DePIN model, demonstrating mature capabilities in hardware orchestration, tokenomic incentives, on-chain settlements, and decentralized governance. As the flagship initiative for BitTorrent’s expansion into Web3 AI, BTTInferGrid represents an evolutionary upgrade of the BTFS ecosystem. By migrating these proven operational frameworks into the AI inference domain, BTTInferGrid leverages a significant structural advantage to drive rapid, sustainable growth.