تقارب تنظيم الذكاء الاصطناعي وسلاسل توريد الأجهزة يعيد تشكيل من يحصل على تدريب النماذج المتقدمة بشكل هادئ. النقطة الساخنة الأخيرة جاءت عندما امتثلت شركة Anthropic، وهي مختبر رائد في الذكاء الاصطناعي، للرقابة الأمريكية على الصادرات - وهي خطوة أشار إليها مؤسس CoinFund، جيك بروكمان، كعلامة تحذيرية للسيطرة المركزية على التكنولوجيا. حجته، التي تم طرحها في تصريحات حديثة، هي أن نقطة الاختناق لم تعد مجرد كود أو بيانات. بل هي تجمعات وحدات معالجة الرسوميات المادية التي تدرب النماذج الأكثر قدرة.

بروكمان لا يقدم فرضية غامضة. بل أشار إلى فرق معينة تبني بنية تحتية للتدريب الموزع - Gensyn وPrime Intellect وPluralis وNous Research - التي تحاول تجميع موارد وحدات معالجة الرسوميات العالمية غير المستغلة. الآليات تختلف، لكن الرهان المشترك هو أن الحوسبة اللامركزية يمكن أن تتماشى، أو على الأقل تتحدى، نموذج تجمعات الشركات العملاقة التي تهيمن حالياً. تذهب Pluralis إلى أبعد من ذلك، حيث تجرب نماذج ذكاء اصطناعي موحدة حيث يتم تقسيم أوزان النماذج بين المشاركين، مما يخلق هيكل ملكية مجزأ يمكن أن يقاوم الإغلاق المركزي أو الرقابة.

قد تبدو فكرة ترميز ملكية النموذج (tokenizing model ownership) مجردة، لكنها تعكس تجارب على السلسلة (on-chain) كانت تجري بالفعل. فشبكات الحوسبة اللامركزية تُنسَج بشكل متزايد في تطبيقات Web3، حيث تُعامل الحوسبة كأصل سائل (liquid asset) بدلًا من كونها نفقة رأسمالية ثابتة. ما تقترحه Pluralis يمد هذا المنطق مباشرة إلى طبقة النموذج—شيء أقرب إلى DAO يتشارك ملكية أوزان نموذج “على مستوى الطليعة” (frontier model)، مع مشاركة اقتصادية مرتبطة بالاستخدام أو الترخيص. ما زال ذلك مبكرًا، لكن نموذج العمل يتشكل بالفعل.

بالنسبة لصناعة العملات المشفرة، هذه ليست مجرد سردية ذكاء اصطناعي أخرى. بل هي سؤال بنيوي حول ما إذا كانت الشبكات التي لا تتطلب إذنًا (permissionless) تستطيع إعادة إنتاج ما يتطلب حاليًا تنسيقًا على مستوى الدولة أو بضعة مختبرات ممولة جيدًا. أدوات ضوابط التصدير الأمريكية التي أشار إليها برُخمان ليست مجرد إزعاج بسيط؛ بل هي أداة سياسة يمكنها تحديد أي دول تستطيع الوصول إلى وحدات NVIDIA H100 رفيعة المستوى أو أجيال الشرائح المستقبلية. وعندما تنحني شركة مثل Anthropic لهذه القيود، يصبح الخط بين الالتزام المؤسسي والاحتجاز الفعلي عبر بوابة حكومية رفيعًا للغاية.

تتغير الخلفية التنظيمية بسرعة، والذكاء الاصطناعي لا يُعزل عن سياسة العملات المشفرة. فالبنوك بالفعل تدفع للوراء تجاه تشريعات كبرى للعملات المشفرة، والآلية التشريعية نفسها التي تحكم الأصول الرقمية تُجرّ بشكل متزايد إلى مناقشات الإشراف على الذكاء الاصطناعي. إن طبقة ذكاء اصطناعي لامركزية مبنية على شبكات GPU موزعة تقع عند تقاطع الجانبين، وتتعرض للتدقيق من الجهات التنظيمية المالية ومن أنظمة التحكم بالتكنولوجيا في الوقت نفسه. هذا التداخل يولد احتكاكًا، لكنه أيضًا يخلق “قاعدة” لم تكن موجودة قبل سنوات قليلة.

من العناصر غير المُقدَّرة في حجة برُخمان: التخزين ولوجستيات البيانات التي يتطلبها الذكاء الاصطناعي اللامركزي. فالتدريب عبر خريطة عقد متشظية لا يحتاج فقط إلى قدرات عَلوية خام (flops)، بل إلى خطوط أنابيب بيانات فعّالة وحسابات يمكن التحقق منها. المشاريع مثل Filecoin تُنشئ بنية تحتية تخزين لامركزية قد تصبح جزءًا من الطبقة التقنية، حتى لو لم تُذكر مباشرة هنا. وكلما ازداد توزيع التدريب، زادت أهمية توفر تخزين لا يكون موجودًا في مركز بيانات واحد يمكن إيقافه بأمر صادر عن الحكومة.

ماذا يغيّر فعلًا مشهد تدريب مُجزّأ؟

إذا نجح التدريب الموزع على نطاق واسع، فسيكون الأثر الفوري على الرقابة على النماذج وإمكانية الوصول إليها. قد تُلزم الحكومة مزود سحابة قائمًا في الولايات المتحدة برفض وصول GPU إلى مختبر أجنبي، لكنها لا تستطيع بسهولة إيقاف شبكة لا مركزية من آلاف مشغلي العقد الصغيرة المنتشرين عبر ولايات قضائية متعددة. هذا لا يعني أن مثل هذه الشبكات محصّنة ضد الضغط القانوني، لكن المقاومة تكون أعلى، ومساحة الهجوم القانونية مختلفة جذريًا. فهي تنقل العبء من مفتاح تشغيل/إيقاف ثنائي إلى مشكلة إنفاذ فوضوية بطيئة الحركة.

ومع ذلك، تأتي هذه المرونة بتكاليف. إن تنسيق التدريب عبر شبكة عالمية متنوعة تضم وحدات معالجة رسومية (GPU) يضيف تأخيرًا وتأثيرات على الاعتمادية وفجوات موثوقية وتحديات تحقق. الفرق التي ذكرها برُخمان تعمل على هذه المشكلات بالضبط—فمثلًا، تختبر شركة Nous Research التمويل التكيفي الموزع (distributed fine-tuning)—لكن الفجوة في الأداء أمام المراكز الحوسبية المُكثفة لا تزال قائمة. تراهن السوق على أن هذه الفجوة ستتقلص مع مرور الوقت، لكن ليس واضحًا ما إذا كان تدريب نماذج بمستوى “قِطعـة” حقًا يمكن لا مركزته دون جهة مركزية للتنسيق تصبح بدورها نقطة تحكم.

نماذج مُجزّأة ومُعلْمنة أعمال الملكية المشتركة

قد تكون مقاربة Pluralis للـنماذج المرمّزة (tokenized model) هي الجزء الأكثر راديكالية في الطبقة التقنية. بدلًا من أن تمتلك مختبر واحد نموذجًا وتُسعّر الوصول إليه، تُقسَّم الملكية إلى رموز يحتفظ بها العديد من الأطراف. من الناحية النظرية، يمكن أن ينسّق ذلك الحوافز عبر طيف أوسع من أصحاب المصلحة—بما في ذلك الباحثون ومقدمو الحوسبة وحتى المستخدمون—مع جعل من الصعب على جهة تنظيمية واحدة إغلاق النموذج. لكن ذلك أيضًا يثير أسئلة حوكمة فوضوية. من يقرر أي بيانات يُعاد تدريبها عليها؟ كيف تُحصَّل عوائد مخرجات النموذج، ومن الذي يحصل على الأجر؟ ليست هذه أسئلة تافهة، ومحاولات البداية من المرجح جدًا أن تكون فوضوية.

لكن إشارة السوق على المدى القريب هي أن الذكاء الاصطناعي الأصلي للعملات المشفرة (crypto-native AI) لم يعد محصورًا في حالات استخدام منخفضة المخاطر. عندما تصوغ صناديق رأس المال الاستثماري مثل CoinFund علنًا أطروحة تضع الحوسبة اللامركزية مقابل التحكم في النماذج المدعوم من الدولة، فهذا مؤشر على أن المجال ينتقل من ورقة بيضاء إلى بنية تحتية. تمامًا كما ركزت السردية المبكرة حول البيتكوين على المال السيادي، تركز السردية المبكرة للذكاء الاصطناعي اللامركزي على الحوسبة السيادية. وما إذا كان ذلك سيصمد تحت ضغط حقيقي يبقى سؤالًا مفتوحًا—لكن الخطوط تُرسم الآن.