أعلنت أمس Flock.io، وهي منصة تدريب DeAi في مجال Web3AI، ونموذج اللغة الكبير Qwen التابع لشركة Alibaba Cloud رسميًا عن تعاونهما. إذا كنت أتذكر بشكل صحيح، يجب أن يكون هذا أول تعاون تكاملي بدأه web2 AI مع web3 AI. لم يحقق Flock اختراقًا حقيقيًا فحسب، بل عزز أيضًا الروح المعنوية لمسار web3AI الذي كان تحت ضغط كبير. دعني أشرح بالتفصيل:

1) لقد أوضحت في التغريدة المثبتة أن web3 AI Agent كان يحاول تحفيز هبوط تطبيقات Agent من خلال Tokenomics والمشاركة أيضًا في النشر السريع للنموذج التنافسي. ومع ذلك، بعد طفرة Fomo في إصدار الأصول، وجد الجميع أن web3 AI ليس لديها أي فرصة تقريبًا للفوز مقارنة بـ web2AI من حيث التطبيق العملي والابتكار.

لذلك فإن ظهور تقنيات ابتكار web2 مثل Manus وMCP وA2A قد اخترق—مباشرة أو بشكل غير مباشر—فقاعة سوق وكلاء Web3 AI، ما أدى إلى تدفق دماء في السوق الثانوية لفترة.

2) كيف نكسر الجمود؟ المسار واضح أيضًا: يحتاج web3 AI إلى إيجاد موقع بيئي متكامل مع web2 AI، لمعالجة مشاكل لا تستطيع web2 حلها، مثل مشكلة تكاليف مرتفعة للغاية للقدرة الحاسوبية وعدم كفاية الخصوصية للبيانات، ومشكلات الضبط الدقيق (fine-tuning) لنماذج سيناريوهات رأسية، وغيرها.

والسبب ليس إلا أن نماذج الذكاء الاصطناعي المركزية الصرفة، حين تتنافس حتى النهاية، ستتفجر في النهاية بشكل مركّز في قضايا مثل الحصول على موارد القدرة الحاسوبية وتكاليفها، ومشكلات خصوصية موارد البيانات. أما web3 AI التي تحاول استخدام بنية موزعة، فيمكنها الاستفادة من موارد القدرة الحاسوبية المتاحة/غير المستغلة لتخفيض التكاليف. كما أنها تحمي الخصوصية عبر تقنيات برمجيات/عتاد مثل إثباتات المعرفة الصفرية (Zero-Knowledge Proofs) وTEE. إضافة إلى ذلك، تدفع تطوير وضبط نماذج سيناريوهات رأسية عبر آليات ملكية البيانات وتحفيز المساهمات. مهما انتقدها البعض، فإن البنية اللا مركزية وآليات الحوافز المرنة في web3 AI يمكن أن تحقق تأثيرًا مباشرًا في حل جزء من المشكلات القائمة لدى web2 AI.

3) وبخصوص تعاون Flock وQwen. Qwen هو نموذج لغوي كبير مفتوح المصدر طورته علي بابا سحابة. وبفضل أدائه المتميز في اختبارات/معايير القياس (benchmarks) والمرونة في السماح للمطورين بالنشر المحلي وإجراء الضبط الدقيق، أصبح خيارًا شائعًا لدى عدد من المطورين وفِرق البحث.

أما Flock فهي منصة تدريب لا مركزية تجمع بين بنية التعلم الفيدرالي للذكاء الاصطناعي وتقنيات الذكاء الاصطناعي الموزع. وأكبر ميزة لديها هي تمكين «عدم خروج البيانات من الموقع المحلي» مع حماية خصوصية المستخدمين عبر التدريب الموزع، والشفافية وقابلية تتبع مساهمات البيانات، وبالتالي حل مشكلات الضبط الدقيق والتطبيق لنماذج مجالات رأسية مثل التعليم والرعاية الصحية. وبشكل محدد، لدى Flock ثلاثة مكونات رئيسية:

1، AI Arena (ساحة الذكاء الاصطناعي). إنها منصة تدريب نماذج تنافسية؛ حيث يمكن للمستخدمين تقديم نماذجهم، والمنافسة مع المشاركين الآخرين لتحسين النتائج والاستحواذ على الجوائز. تتمثل غايتها الأساسية في تصميم آليات «طابعها كلُعب»؛ إذ يمكنها تحفيز المستخدمين باستمرار على إجراء ضبط دقيق وتحسين نماذجهم المحلية الكبيرة، وبالتالي فرز نماذج معيارية أفضل؛

2، اتحاد FL（اتحاد التعلم الفيدرالي/الاتحاد الفيدرالي للتعلم)، ولحل مشاكل التعاون بين المؤسسات عبر المنظمات في سيناريوهات حساسة رأسية تقليدية مثل الرعاية الصحية والتعليم والتمويل، حقق اتحاد التعلم الفيدرالي ذلك عبر التدريب المحلي للنماذج + إطار تعاون موزع، بحيث يعزز الطرفان/الأطراف المشتركة أداء النموذج بشكلٍ مشترك دون مشاركة البيانات الأولية؛

3، Moonbase (قاعدة القمر). وهي بمثابة مركز الأعصاب/التحكم العصبي لمنظومة Flock؛ أي منصة لإدارة النماذج وتحسينها بشكل لا مركزي، توفر أدوات ضبط دقيقة ودعمًا للقدرة الحاسوبية (مقدمو القدرة الحاسوبية، والجهات المعرِّفة/الوسوم للبيانات). إنها لا توفر فقط مستودعًا موزعًا لتخزين النماذج، بل تقوم أيضًا بدمج أدوات الضبط الدقيق وموارد القدرة الحاسوبية ودعم وسم/توسيم البيانات، ما يمكّن المستخدمين من تحسين نماذجهم المحلية بكفاءة.

4) إذن، كيف ينبغي النظر إلى تعاون Qwen وFlock؟ من وجهة نظري الشخصية، فإن دلالته الممتدة تتجاوز حتى بكثير جوهر التعاون الحالي في حد ذاته.

من جهة، في ظل الخلفية التي تتعرض فيها web3 AI عادةً لهزائم تقنية مستمرة من قِبل web2 AI، فإن Qwen يمثل عملاقًا تكنولوجيًا مثل علي بابا يدخل المعركة، ما يمنحه بالفعل قدرًا من السلطة والتأثير داخل مجتمع الذكاء الاصطناعي. كما أن اختيار Qwen بشكل مبادر التعاون مع منصة web3 AI يُثبت تمامًا أن web2 ...

تقدير فريق Flock لتقنيات AI، ومع ذلك فإن سلسلة من الأبحاث والتطوير اللاحقة من فريق Flock مع فريق Qwen ستعزز الترابط بين web3AI وweb2AI؛

ومن جهة أخرى، كانت web3 AI في السابق تمتلك غلاف Tokenomics فقط، لكن الأداء عند التطبيق الفعلي للمنفعة (Utility) كان مخيبًا وغير مقنع. ورغم المحاولات في اتجاهات عديدة مثل AI Agent وAI Platform وحتى AI Framework، لم تتمكن ترجمته إلى مجالات محددة مثل DeFai وGamfai من تقديم حلول يمكنها حقًا حل المشكلات. وهذه اللافتة/الإعلان من عمالقة التكنولوجيا من web2 من شأنه أن يضع—إلى حد ما—إطارًا لمستقبل مسار تطور web3 AI ونقاط تركيزه؛

الأهم هو أنه بعد موجة حماس Fomo التي تدفع نحو «إصدار الأصول» فقط، يحتاج web3 AI إلى إعادة ترتيب الصفوف والتركيز على هدف يمكن تحقيق نتائج حقيقية ملموسة. في الواقع، لم يكن web3 AI قط مجرد وسيلة أسهل وأكثر كفاءة لنشر وكلاء ذكاء اصطناعي لإصدار الأصول، ولا هو لعبة لاصطياد المال من خلال إصدار الأصول. بل ينبغي أن نسعى إلى التعاون مع web2 AI، وأن نتكامل وفقًا لما يحتاجه كل نظام بيئي من وظائف، وخلال موجة الاتجاهات الكبرى للذكاء الاصطناعي هذه ينبغي فعلاً أن يثبت web3 AI ضرورته التي لا غنى عنها.

يسعدني رؤية المزيد من التعاون عبر الحدود بين web2AI وweb3AI يتحقق.