io.net Re-poster

$31.6 trillion

That's what PwC estimates will be spent on AI infrastructure through 2050.

And you still can't get a GPU.

The AI compute crisis isn't just a chip shortage.

It's a coordination problem.

Capacity is reserved, idle, and siloed behind procurement cycles.

More chips alone won't fix that. That's why @ionet is building a different solution.

لا تعمل وحدات معالجة الرسومات على التوقعات.

لم يبدأ بعد بناء 2 غيغاواط من سعة مراكز بيانات الولايات المتحدة المقرّرة لعام 2026.

وأكثر من نصف خوادم وحدات معالجة الرسومات المباعة بين 2026 و2028 قد تفتقر إلى القدرة اللازمة للتشغيل.

المقدّمون الكبار (Hyperscalers) يتسابقون لشراء المزيد من الشرائح، بينما يكافحون لإطلاق مواقع جديدة.

وهناك خيار آخر.

يتيح @ionet حوسبة غير مستغلة بالكامل من جميع أنحاء العالم متاحة الآن. ليس في يومٍ ما.

"لا يوجد بالغون في هذه الغرفة."

وهذه عبارة مقتبسة حرفيًا من أحد أعضاء مجلس استشاري للذكاء الاصطناعي في الاتحاد الأوروبي.

والحكومات متأخرة لسنوات. تكتب المعامل قواعدها الخاصة.

لكن الفرق التي تعمل فوق ذلك تتحمل المخاطر.

والحل ليس انتظار أن يلحق أيٌّ منهما بالآخر. بل هو مشاركة أكبر، وإتاحة أوسع، وشفافية.

وهذا ما بُنيت لأجله @ionet.

https://www.nytimes.com/2026/09/27/technology/ai-government-regulation.html

تكاليف حساب أقل بنسبة 60%.

نفس المخرجات، وواجهة برمجة تطبيقات موحّدة واحدة.

هذا هو @kayos_ai، شركة ناشئة في مجال الذكاء الاصطناعي تُشغّل كامل طبقة عمل الوكلاء (agent stack) على io.intelligence.

في السابق، كانوا ينفقون 2500 دولار شهريًا لكل عميل ضمن إعداد مجزّأ (Groq, Cerebras, Anthropic, OpenAI).

الآن أصبحت 1000 دولار شهريًا، بدون حدود أسعار، ومزوّد واحد.

هذا ما يحدث عندما لا يعود الحساب هو عنق الزجاجة.
https://io.net/blog/kayos-case-study

11 مليار توكن.

في يوم واحد.

هذا ما كانت عليه http://io.net على OpenRouter أمس. ارتفاعًا من بضعة مليارات توكن في اليوم في يوليو الماضي.

لمفرد Nemotron 3.5 Lightning وحده عالج 4.82 مليار توكن. وأضيفت GLM 5.3 وGLM 5.3 Flash بإجمالي 4.24 مليار توكن أخرى.

هذا هو شكل توجيه فرق تعمل على أحمال عمل حقيقية عبر http://io.net، كل يوم.

28 مليون دولار.

أرباح الشبكة لا تكذب.

الطلب الحقيقي على وحدات معالجة الرسومات، محوَّل إلى مدفوعات حقيقية، كل شهر.

هذا هو شكل الحوسبة اللامركزية عندما تعمل فعلاً.

قامت Google للتو بوضع رقائقها الخاصة بالذكاء الاصطناعي داخل صاروخ.

يختبر مشروع Suncatcher ما إذا كان بإمكان الفضاء استضافة الحوسبة الخاصة بالذكاء الاصطناعي على نطاق واسع.

اقرأ ذلك مرة أخرى.

أحد أكبر عمالقة الحوسبة السحابية في العالم ينظر إلى ما وراء مراكز البيانات الخاصة به، لأن الحوسبة المركزية، حتى على نطاق Google، لها حد.

لم تكن عنق الزجاجة مجرد رقائق.

بل من يتحكم بذلك.

الحوسبة اللامركزية تحل هذه المشكلة اليوم.
بدون صاروخ.

كل محادثة مع الذكاء الاصطناعي تصطدم بالجدار نفسه.

الحوسبة شحيحة، ومركزية، ومتحكم بها من قبل قلة من عمالقة التقنية.

الحوسبة اللامركزية هي الحل.

في حلقة هذا الأسبوع من بودكاست Nephology، ينضم المدير المسؤول عن العلامة التجارية والاتصالات لدى @ionet، ديفيد شيرمان، إلى مقدم البرامج @crypjo091 لعرض وجهة نظره.

لقد أوصلتنا الحوسبة المركزية إلى هنا.

لكنها لن تأخذنا إلى المرحلة التالية من الذكاء الاصطناعي.
https://www.youtube.com/watch?v=bQ682LGGh8Y

حقق الذكاء الاصطناعي التوليدي نسبة اعتماد بلغت 53% خلال ثلاث سنوات.

أسرع من الكمبيوتر الشخصي.

أسرع من الإنترنت.

لكن توجد مشكلة في الوصول.

تستضيف الولايات المتحدة 5,427 مركز بيانات. أكثر من 10 أضعاف أي دولة أخرى.

الطلب عالمي.

الإمداد متركز.

تهدف http://io.net إلى تغيير ذلك.

المصدر: Stanford HAI، 2026 AI Index

حققت الذكاء الاصطناعي التوليدي نسبة تبنٍ بلغت 53% خلال ثلاث سنوات.

أسرع من جهاز الكمبيوتر.

أسرع من الإنترنت.

لكن توجد مشكلة في الوصول.

تستضيف الولايات المتحدة 5,427 مركز بيانات. أكثر من 10 أضعاف أي بلد آخر.

الطلب عالمي.

الإمداد مُركّز.

توجد http://io.net لتغيير ذلك.

https://hai.stanford.edu/ai-index/2026-ai-index-report

تستغرق مراكز البيانات الجديدة 18-36 شهرًا وتكلف مئات الملايين في النفقات الرأسمالية (Capex).

تأخذ وحدات GPU غير المستغلة دقائق.

إنها موجودة الآن بالفعل في عنقودات المؤسسات ومراكز البيانات، وهي تعمل بالفعل، وتتعرض بالفعل للاستهلاك.

لمشكلة طاقة الذكاء الاصطناعي حلّان. تتجه أغلب الصناعة بسرعة نحو أحدهما.

يعمل @ionet على الحل الآخر.

تواصل مختبرات Frontier مطالبة العالم أن يبطّئ من وتيرة التقدم.

ثم هذا الأسبوع، طلبت @AnthropicAI و@OpenAI من الحكومات أن تُسرّع.

قدّموا مذكرات يحثّون فيها أستراليا على رفع القيود عن حظرها لحقوق نشر الذكاء الاصطناعي، في الوقت الذي يدفعون فيه علنًا نحو فترات توقف للسلامة وتدقيقات للنماذج.

ضوابط الجميع.

إعفاءات لأنفسهم.

لن يؤدي ذلك إلى ذكاء اصطناعي أكثر أمانًا. بل إن مشاركة أكبر هي التي ستفعل. وهذا يتطلب حوسبة مفتوحة ونماذج مفتوحة.

@ionet يجعل ذلك ممكنًا.

"لا تثقوا بنا" ليس إطارًا للسلامة.

تتحكم مجموعة صغيرة من المختبرات في النماذج، والقدرات الحاسوبية التي تُدرَّب عليها، والمعايير التي تضعها لنفسها لتقييم أدائها.

هذا ليس مساءلة. ولن يؤدي إلى مزيد من السلامة.

تتطلب المساءلة الحقيقية الشفافية والانفتاح وإتاحة الوصول.

وهذا بالضبط ما نعمل على بنائه في @ionet.
https://io.net/blog/ai-safety-is-not-the-same-as-ai-accountability

يتجادل الجميع حول سرعة تطور الذكاء الاصطناعي.

لكن النقاش الحقيقي يدور حول مسألة السيطرة.

مدى سرعة تحرك الأمور أو بطؤها أقل أهمية من معرفة من يمسك بمقود القيادة.

إن مجموعة قليلة من المختبرات ومورّدي الشرائح يحددون وتيرة التطور والضوابط وشروط العمل يشكلون الخطر الحقيقي، مهما كانت السرعة التي يختارونها.

عندما لا تكون البنية التحتية مركّزة بين أيدٍ قليلة، تتغير الصورة تمامًا.

يعمل @ionet على جعل ذلك ممكنًا.

https://www.cbc.ca/news/business/ai-slowdown-9.7349987

96 وحدة GPU خلال أقل من 24 ساعة مع عدم وجود انتظار.

هذا ما احتاجه @wonderaai للانتقال من كونه مقيدًا بالحوسبة إلى مرحلة الإطلاق.

تم توفير 64 H100s و32 H200 بسرعة كبيرة على @ionet.

لم يتم وضعه في قائمة انتظار لأشهر.

النتائج:
- 200,000 مستخدم خلال 4 أشهر، عبر 171 دولة
- نمو بنسبة 50% على أساس شهري
- تم الإطلاق قبل الجدول الزمني بـ 3 أشهر

هذا ما يحدث عندما تواكب قدرة الحوسبة لديك سرعة ما يمكنك بناؤه.
https://io.net/blog/wondera-case-study

وقت الاستجابة لأول توكن أقل من 100 مللي ثانية هو أمر مميز.

بالنسبة لروبوت محادثة ينظر فيه شخص إلى المؤشر.

لكن بالنسبة للاستدلال على دفعات، وخطوط عمل RAG، وسير عمل الوكلاء التي تعمل في الخلفية، لا أحد يراقب.

الإنتاجية وتكلفة كل توكن هما الرقمَان الوحيدان اللذان يهمّان.

نفس المهمة، نفس المخرجات، لكن 2-3 أضعاف الفاتورة إذا كنت تدفع مقابل زمن استجابة لا يستهلكه أحد.

يتيح لك http://io.net مواءمة البنية التحتية مع عبء العمل. وليس العكس.

أعلنت مؤسسة غيتس للتو تبرّع 1 مليار دولار لسد فجوة الوصول إلى الذكاء الاصطناعي.

خطوة جيدة.

ومع ذلك، لا تزال رقعة.

يعترف المدير التنفيذي للمؤسسة بأنها "نسبة صغيرة جدًا" مما تنفقه شركات التكنولوجيا العملاقة على منتجاتها التجارية.

لا ينبغي أن يمرّ الوصول إلى الذكاء الاصطناعي عبر دورات التبرعات.

بل يحتاج إلى سلسلة توريد حوسبة مختلفة تكون متاحة وموزعة افتراضيًا.

وهذا ما بُني http://io.net من أجله.

حققت شركة Nvidia 215.9 مليار دولار من بيع الرقائق حتى الآن في عام 2026.

لذا عندما يقول جينسن هوانغ: "لا تبطئوا، إنها خطأ المختبرات وليس العتاد"، خذ ذلك بحذر.

وينطبق الشيء نفسه على تصريحات المختبرات بأن "ثقوا بنا لتنظيم أنفسنا".

ولا أي من الطرفين محايد.

تعني النماذج المفتوحة + شبكات الحوسبة المفتوحة أنه لا يتعين عليك الرهان على أن أيًّا منهما صادق. يمكنك ببساطة التحقق بنفسك.

وهذا ما أُنشئ من أجله @ionet.

لا تعمل وكلاء الذكاء الاصطناعي وفق جداول يمكن التنبؤ بها.

تنطلق من صفر إلى 40 عاملًا خلال ثوانٍ، وتعمل لمدة سبع دقائق، ثم تختفي.

لكن ما يزال معظم المُنشئين يوفّرون الحوسبة عبر حصص، والتزامات تمتد لعام كامل، وعمليات يدوية.

تحتاج أحمال العمل الوكيلة إلى بنية تحتية ديناميكية بقدر ديناميكيتها.

لم يُبنِ نموذج المُشغّل الفائق (hyperscaler) لأجل ذلك.

http://io.net تم بناؤه من أجل ذلك.
https://io.net/blog/why-ai-agents-break-traditional-cloud-provisioning-models

لدى الجميع خريطة طريق للذكاء الاصطناعي.

لكن المشهد الحاسوبي الذي يقع في الأساس صار أكثر تعقيدًا يومًا بعد يوم.

في 22 سبتمبر سنحلّل ما الذي يقود هذا التعقيد فعليًا: فجوة الوصول إلى وحدات معالجة الرسوميات (GPUs)، ولماذا تُعد موجودة، وما الذي تعنيه لأي شخص يبني حلولًا باستخدام الذكاء الاصطناعي الآن.

سجّل أدناه.