من التعاون بين عدة وكلاء و"الأسواق التنبؤية" إلى التنفيذ على السلسلة (البلوك تشين)، تُجرى تجربة حول اقتصادات ذاتية الاستقلال للذكاء الاصطناعي.
يوليو 2026
خلال العامين الماضيين، بدأت تتغير بشكل واضح منطق المنافسة في مجال الذكاء الاصطناعي.
في المرحلة الأولى، كان الناس يناقشون ما إذا كانت النماذج الكبيرة يمكن أن تُنتج نصوصًا وصورًا وكودًا أفضل. وفي المرحلة الثانية، بدأ السوق يركز على مساعد الذكاء الاصطناعي (AI Copilot): هل يمكن للذكاء الاصطناعي أن يصبح أداة مساعدة للإنسان؟
والآن، يتشكّل اتجاه جديد: لم يعد الذكاء الاصطناعي مجرد الردّ على الأسئلة، بل بدأ يفهم الأهداف، ويقسّم المهام، ويستدعي الأدوات، ويتخذ القرارات وينفّذ التنفيذ.
وهذا هو أيضًا سبب اهتمام عدد متزايد من رواد الأعمال المستثمرين والتقنيين بـ AI Agent.
لكن من منظور VC، فإن المشكلة الجديرة بالبحث ليست فقط: "هل سيصبح AI Agent المسار الرائج التالي؟". والأهم هو: عندما يحصل AI Agent على أصول وهويات وقدرات دفع وبيئة تنفيذ يمكن التحقق منها، فماذا سيصبح؟
Web3 يقدّم جوابًا جديدًا لهذه المشكلة.
وتهدف Vanguard، في منطقة التقاطع بين AI Agent وأسواق التنبؤ والتنفيذ على السلسلة، إلى استكشاف بنية مالية ذاتية جديدة.
من Chatbot إلى Agent، يجري الآن تغيير دور الذكاء الاصطناعي
في الماضي، كان الذكاء الاصطناعي أشبه بأداة. يقترح المستخدم سؤالًا، فيعطي AI إجابة؛ ويصدر المستخدم أمرًا، فيقدّم AI نصيحة؛ وفي النهاية يظل التنفيذ الحقيقي والإجراء الفعلي من مسؤولية الإنسان.
لكن ظهور AI Agent يغيّر هذا النمط. الـ Agent بمعناه الحقيقي لا يقتصر على "القدرة على الدردشة" فقط. بل يجب أن يمتلك أيضًا إدراكًا للبيئة، وفهمًا للمهام، وتخطيطًا ذاتيًا، واستدعاء أدوات، وتنفيذًا متعدد الخطوات، وتغذية راجعة للنتائج، وتحسينًا مستمرًا.
بعبارة بسيطة: AI التقليدي أشبه بـ "يخبرك ما الذي ينبغي أن تفعله"، بينما AI Agent أقرب إلى "يفهم ما تريد إنجازه، ثم يساعدك على إتمام المهمة".
ومن منظور منطق الاستثمار، فهذا يعني أن القيمة التجارية للذكاء الاصطناعي قد تكون في انتقال من "اشتراك البرمجيات" إلى "تنفيذ المهام".
عندما يبدأ AI بالمشاركة مباشرة في مسارات الأعمال، لم يعد تعتمد قيمته فقط على قدرات النموذج. بل تعتمد أيضًا على ما إذا كان يمتلك بيانات فورية، وما إذا كان يمكنه استدعاء أنظمة خارجية، وما إذا كان يمكنه تنفيذ الأمور ذاتيًا، وما إذا كانت لديه إدارة صلاحيات، وما إذا كان يمكنه إتمام الدفع والتسوية، وما إذا كانت نتائج التنفيذ قابلة للتحقق.
وهذا هو المكان بالضبط الذي يبدأ فيه AI Agent وWeb3 بالتقاطع.
لماذا يحتاج AI Agent إلى Web3؟
يعتبر الكثيرون AI وWeb3 مسارين مختلفين تمامًا: أحدهما يمثل الذكاء، والآخر يمثل سلسلة الكتل والأصول الرقمية.
لكن من منظور البنية التحتية، توجد بالفعل تكاملية طبيعية بين الاثنين.
يجيد AI Agent فهم المعلومات وتحليل البيئة وتوليد الاستراتيجيات واتخاذ القرار وتنفيذ المهام؛ بينما يمكن لـ Web3 توفير هوية رقمية وحسابات محفظة وملكية الأصول ومدفوعات قابلة للبرمجة وسجل على السلسلة وبروتوكولات مفتوحة وتنفيذ قابل للتحقق.
بعبارة أخرى: AI مسؤول عن "التفكير والعمل"، وWeb3 مسؤول عن "الهوية والأصول والتسوية والإثبات".
إذا كان AI Agent في المستقبل مجرد يساعد المستخدم على كتابة رسائل البريد الإلكتروني أو إعداد العروض التقديمية (PPT)، فقد لا يحتاج بالضرورة إلى Web3. لكن إذا بدأ AI Agent في إدارة الأصول الرقمية، واستدعاء بروتوكولات على السلسلة، والمشاركة في أسواق التنبؤ، وتنفيذ استراتيجيات أتمتة، وإتمام مدفوعات بين الآلة والآلة، ثم بشكل مستقل ضبط الموارد، فإن المحفظة والحسابات على السلسلة والأصول الرقمية والسجلات القابلة للتحقق قد تصبح بنية تحتية مهمة.
وهذا هو أيضًا السبب الحقيقي الذي يجعل VC يهتم بـ AI × Web3. الأمر ليس مجرد إضافة بسيطة لمفهومين رائجين، بل سؤال أعمق: عندما تبدأ البرمجيات بامتلاك القدرة على التصرف، هل تحتاج البرمجيات أيضًا إلى حساباتها وأصولها وأنظمة التسوية الخاصة بها؟
من منظور رأس المال الاستثماري (VC) لِـ AI × Web3، الأهم هو ثلاث قضايا
بالنسبة للمستثمرين، غالبًا لا يعتمد ما إذا كان مسار جديد يستحق المتابعة طويلة الأمد على مدى رواج المفهوم، بل على ما إذا كان يولد قدرات جديدة، وعلاقات اقتصادية جديدة، وما إذا كان يخلق طبقة بنية تحتية جديدة.
أولًا، هل أنشأ قدرات جديدة؟
غالبًا ما لا تكون التغييرات التقنية ذات القيمة الحقيقية مجرد تسمية جديدة لمنتج قائم، بل خلق قدرات لم يكن بالإمكان تحقيقها سابقًا.
أكبر تغيير في دمج AI Agent مع Web3 هو: لم تعد البرمجيات تقدم المعلومات فقط، بل بدأت تملك القدرة على الاستشعار المستمر للبيئة، واتخاذ الأحكام ذاتيًا، واستدعاء الأموال والبروتوكولات، وتنفيذ عمليات معقدة.
وهذا يعني أن البرمجيات قد تتحول من "أداة" إلى "مشارك".
ثانيًا، هل يخلق علاقات اقتصادية جديدة؟
في الإنترنت التقليدي، تخدم البرمجيات البشر في المقام الأول. أما في عصر الـ Agent، فقد تظهر معاملات متزايدة بين الوكلاء والناس، ومعاملات بين الوكلاء والمنصات، وحتى معاملات بين الوكلاء أنفسهم.
إذا استطاعت الذكاء الاصطناعي شراء البيانات ذاتيًا، ودفع رسوم واجهات برمجة التطبيقات (API)، واستدعاء القدرة الحاسوبية، وتكوين الأصول، وتنفيذ المهام على السلسلة، فإن الآلة نفسها قد تصبح كيانًا اقتصاديًا جديدًا.
وهذا أيضًا هو الفضاء التخّييلي الأساسي لما يُسمى "Agent Economy"، أي اقتصاد الوكلاء.
ثالثًا، هل تم تشكيل طبقة بنية تحتية جديدة؟
ما يهم VC غالبًا ليس تطبيقًا قصير الأجل، بل من لديه فرصة لأن يصبح البنية التحتية لمنظومة الجيل التالي.
في عصر الهاتف المحمول والإنترنت، تشمل البنية التحتية أنظمة التشغيل وخدمات السحابة والدفع ومتاجر التطبيقات.
في عصر AI Agent، قد تشمل البنية التحتية الجديدة: هوية الـ Agent، محفظة الـ Agent، جدولة النماذج، الوصول إلى البيانات، تنفيذ المهام، التحكم في المخاطر، والتسوية على السلسلة.
الاتجاه الذي اختارته Vanguard يقع تمامًا في منطقة التقاطع هذه.
نقطة دخول Vanguard: جعل AI ينتقل من مرحلة الحكم إلى مرحلة التنفيذ
وفقًا لمواد المشروع، لم تُعرّف Vanguard نفسها على أنها مجرد روبوت محادثة أو أداة لإشارات التداول. يتمحور جوهر نظامها التقني حول محرك VGQuant الذكي.
يحاول النظام الربط بين البيانات الفورية و تحليل AI و حكم الاستراتيجية و التحكم في المخاطر و خطوات التنفيذ و التغذية الراجعة للنتائج و تكرار/تطوير النموذج.
تُظهر مواد المشروع بنية من أربع طبقات: الطبقة السفلية هي النواة الذكية VGQuant، والطبقة التفاعلية هي منصة AI Agent الخلفية، وطبقة التطبيقات هي VGMatrix DApp، وطبقة المستخدمين هي واجهة مخصصة.
تحاول هذه البنية ربط البيانات الأساسية وقدرات النموذج وتعاون الـ Agents وتطبيقات السلسلة معًا.
ومن منظور VC، فإن تركيز التصميم هنا ليس على "كمية AI المستخدمة". الشيء الذي يستحق الملاحظة هو: هل يمكنه تكوين حلقة تقنية كاملة من إدراك البيانات إلى التنفيذ النهائي؟
لأن أكبر فجوة تقنية في عصر Agent قد لا تكون بعد الآن "من يملك نموذجًا يجيب عن أسئلة أكثر"، بل "من يستطيع أن يجعل AI ينجز المهام بثقة في بيئة حقيقية".
ستة Agents: تجربة متعددة الوكلاء لدى Vanguard
يتمثل تصميم Vanguard المهم الآخر أيضًا في عدم محاولة جعل نموذج AI واحد يقوم بكل العمل. وفقًا لمواد المشروع، يتكون النظام من ستة وكلاء ذكاء متخصصين يعملون معًا، ولكل منهم مسؤولية عن مهام مختلفة.
RECON: وكيل الاستخبارات
RECON مسؤول عن مسح الأخبار العالمية، والأحاديث/المدونات على وسائل التواصل، وبيانات السلسلة، والأحداث الكلية (macros)، وتغيرات أسواق التنبؤ. ودوره أقرب إلى نظام استخبارات يعمل على مدار الساعة.
في العملية التقليدية، تحتاج الأخبار إلى المرور عبر: "رجل يراها—رجل يفهمها—رجل يحللها—رجل يقرر ما إذا كانت ستُتخذ إجراءات". أما في نظام Agents، فالهدف هو ضغط هذه العملية إلى: حدوث الحدث—إدراك الآلة—تحليل منظم—حكم الاستراتيجية—الدخول في مسار التنفيذ.
RAPTOR: وكيل التعرف على الفرص
RAPTOR مسؤول عن تحديد احتمالات عدم صلاحية التسعير في أسواق التنبؤ.
الشيء الخاص في أسواق التنبؤ هو أنها لا تتداول سلعًا تقليدية، بل احتمالية حدوث حدث في المستقبل. تختلف سرعة انتشار المعلومات في العالم الحقيقي، وتختلف أحكام المشاركين، كما تختلف عمق السوق؛ لذلك قد تظهر انحرافات في التسعير على المدى القصير.
دور RAPTOR هو محاولة تحديد علاقات الأسعار الشاذة هذه.
ومن الناحية التقنية، فهذا ليس مجرد "التنبؤ بالارتفاع أو الهبوط"، بل البحث عن وجود تناقضات منطقية بين أسعار مختلفة.
AEGIS: وكيل التحكم في المخاطر
أي نظام AI تنفيذي لا يمكنه أن يسعى فقط وراء الفرص. بل يجب أن يعرف أيضًا متى لا ينبغي تنفيذ أي شيء.
AEGIS مسؤول عن مراقبة الحالات الشاذة، وإجراء أحكام عتبات المخاطر، وإدارة حدود المراكز، وتنفيذ الحماية، وفي الحالات الضرورية تفعيل إيقاف الصواعق (القطع).
ومن منظور VC، فإن نظام المخاطر غالبًا أهم من مجرد استراتيجية تداول. لأن ما يحدد ما إذا كان نظام أتمتة يمكنه الاستمرار على المدى الطويل ليس مقدار الربح في أفضل الأوقات، بل ما إذا كان يمكنه النجاة في أسوأ الأوقات.
NEXUS: وكيل السيولة الذكي
فرصة نظريًا لا تعني بالضرورة إمكانية تنفيذها في الواقع. يتأثر السوق الحقيقي أيضًا بعوامل مثل العمق وحجم التداول والانزلاق (slippage) وتوظيف رأس المال وتكاليف التنفيذ.
وظيفة NEXUS هي تحديد كيفية توزيع الأموال بين الأسواق المختلفة وحمامات السيولة.
PULSE: وكيل التوقيت
مؤسسة PULSE مسؤولة عن توقيت التنفيذ.
في الأسواق سريعة التغير، قد تكون تكلفة الاستراتيجية نفسها مختلفة تمامًا إذا تم تنفيذها قبل ثانية أو بعدها. لذلك، لا يحتاج النظام إلى معرفة "ماذا يفعل" فقط، بل يحتاج أيضًا إلى تحديد "متى يفعل".
ANCHOR: وكيل إعادة التوازن
ANCHOR مسؤول عن ضبط توزيع الأصول ديناميكيًا. حتى لو كانت استراتيجية واحدة فعالة، فقد ينشأ خطر جديد إذا حدث تركّز زائد على المدى الطويل.
لذلك، يجب أن يعالج النظام باستمرار تركّز السيولة، وتوازن المحفظة، وتغيرات السوق، والانكشافات للمخاطر.
المعنى الحقيقي لستة Agents لا يكمن في الاسم نفسه، بل في أنه يعكس أسلوبًا جديدًا لتصميم البرمجيات: في المستقبل، قد لا ينجز نموذج واحد فائق كل المهام، بل يتعاون عدة Agents متخصصين لإنجازها.
لماذا قد تصبح أسواق التنبؤ ساحة تجريبية مهمة لـ AI Agent؟
ومن منظور VC، فإن سوق التنبؤ هو سيناريو مثير للاهتمام للغاية. لأنه يجمع خصائص مثل البيانات الفورية والنتائج الواضحة وتغيرات المعلومات عالية التواتر واحتمالات قابلة للتداول وتسوية الأصول الرقمية وغيرها.
وهذا يجعله بيئة طبيعية لاختبار AI Agent. يجب على نظام Agents إتمام مهام مثل الحصول على الأخبار وفهم الأحداث وتقييم أثرها وتحديد تغيّرات التسعير وتقييم المخاطر واختيار توقيت التنفيذ وتسجيل النتيجة النهائية.
تصف مواد المشروع هذه العملية على أنها حلقة مغلقة من ثماني خطوات: جمع البيانات، اتخاذ قرار/حكم، تنفيذ الصفقة، تسجيل النتائج، تحليل النسبة/السبب (attribution)، تحديث الاستراتيجية، تكرار النموذج، وتحسين المرة التالية.
ويختلف ذلك عن AI التقليدي الأكبر في أن مهمة AI التقليدي تنتهي بعد إخراج الإجابة؛ بينما مهمة الـ Agent تبدأ فعليًا بعد التنفيذ.
لأن النظام يجب أيضًا أن يعرف ما إذا كانت النتيجة صحيحة، ولماذا نجحت ولماذا فشلت، وكيف ينبغي تعديله في المرة التالية.
قيمة Web3: جعل نتائج التنفيذ قابلة للتتبع
أحد أكبر مشاكل AI Agent هو الثقة.
عندما يخبرك AI أنه "نفّذ المهمة بالفعل"، كيف يمكنك إثبات ذلك؟
في الإنترنت التقليدي، يتم حفظ العديد من سجلات التنفيذ داخل قواعد البيانات الخاصة بالمنصة. المنصة تتحكم في البيانات والصلاحيات والسجلات والنتائج.
وبالمقابل، توفر الأنظمة على السلسلة احتمالًا آخر: يمكن أن تصبح سجلات التنفيذ قابلة للتتبع، مع طوابع زمنية، وغير قابلة للتلاعب بسهولة، ويمكن التحقق منها علنًا.
هذا لا يعني بالضرورة أن جميع أنظمة AI يجب أن تُنشر على السلسلة. لكن في سيناريوهات تتعلق بالأصول والدفع والتداول والتسوية، ستصبح قابلية التحقق أكثر أهمية.
وهذا أيضًا منطق Vanguard الأساسي في دمج AI Agent مع التطبيقات على السلسلة. وتُظهر مواد المشروع أن نظام بيانات VGQuant يربط عدة مصادر بيانات مثل بيانات السلسلة، وبيانات البورصات، ومعلومات أسواق التنبؤ، وأوراكل (oracles)، وأخبار/اتجاهات وسائل الإعلام.
ومن منظور رأس المال، فإن القيمة الكامنة لهذا التصميم لا تقتصر على "التداول الآلي". بل الأهم أنه يحاول إنشاء نظام يمكن لـ AI أن يدرك ويقرر وينفّذ داخله، وفي الوقت نفسه يمكن التحقق منه.
الحاجز الحقيقي للحماية لن يكون مجرد "لقد استخدمنا AI"
في السنوات المقبلة، سيزعم عدد متزايد من المشاريع أنها تمتلك AI وAgent وWeb3 والأتمتة. لذلك، لن تصبح المفاهيم بحد ذاتها حاجزًا طويل الأمد.
المنافسة الحقيقية ستتركز في خمسة جوانب: البيانات، التنفيذ، التحكم في المخاطر، قابلية التحقق، والتعلم المستمر.
أولًا، البيانات
هل يمتلك النظام مصدر بيانات ثابتًا وفوريًا وعالي الجودة وقابلًا للاستمرار؟
ثانيًا، التنفيذ
هل يمكن للنتائج التي يخرج بها النموذج أن تتحول فعليًا إلى تنفيذ موثوق؟ كثير من مشكلات منتجات الذكاء الاصطناعي ليست أنها لا تُحلل، بل أنها لا تستطيع إكمال "المرحلة الأخيرة" (final mile) من التنفيذ.
ثالثًا، التحكم في المخاطر
هل يمكن للنظام تحديد الحالات الشاذة، وتقييد الخسائر، وإيقاف التنفيذ الخاطئ، والتعامل مع الحالات القصوى؟
رابعًا، قابلية التحقق
ما الذي يفعله النظام ويزعم أنه أنجزه؟ وهل يمكن للأطراف الخارجية التحقق منه؟
خامسًا، التعلم المستمر
هل يمكن أن تدخل نتائج التنفيذ إلى نماذج واستراتيجيات جديدة؟ إذا تعذر تشكيل حلقة تغذية راجعة، فمن السهل جدًا أن يتحول AI Agent إلى سكربت أتمتة عادي.
تعتمد القدرة التنافسية طويلة الأمد لـ Vanguard في النهاية على هذه القدرات، وليس فقط على عدد الـ Agents ولا على حجم معلمات النموذج ولا على مدى حداثة المفاهيم التسويقية.
من السرد الاستثماري إلى التحقق الحقيقي
قصة AI × Web3 كبيرة، لكن كلما كانت القصة أكبر، كلما احتاجت إلى تحقق حقيقي.
بالنسبة إلى Vanguard، فإن القضايا التي سيهتم بها السوق في المستقبل الحقيقي تشمل: هل يعمل النظام فعليًا بشكل حقيقي؟ وهل يمكن للـ ستة Agents أن تتعاون بثبات؟ وهل مصادر البيانات موثوقة؟ وهل آليات المخاطر فعالة؟ وهل يمكن تتبع نتائج التنفيذ؟ وهل يمكن للاستراتيجيات التكيف على المدى الطويل مع أسواق مختلفة؟ وهل يمكن التحقق بشكل مستقل من المؤشرات التقنية؟
تعرض مواد المشروع نظام بيانات VGQuant متعدد المصادر والـ ستة Agents وإغلاق حلقة التنفيذ الكاملة.
لكن بالنسبة لأي بنية تحتية مالية ناشئة تعتمد على AI، فإن الثقة الحقيقية لا تأتي من الـ PPT، بل من التسليم المستمر والشفاف والقابل للتحقق.
وهذا أيضًا هو التحدي المشترك الذي يجب على جميع مشاريع AI Agent مواجهته في المستقبل.
حول الشركة والامتثال (Compliance)
وفقًا لمواد مشروع Vanguard، فقد اكتملت عملية تسجيل Vanguard Crypto Intelligence كشركة في ولاية كاليفورنيا الأمريكية.
تُظهر المواد أيضًا FinCEN Money Services Business، أي معلومات تسجيل MSB.
تجدر الإشارة إلى أن تسجيل FinCEN MSB يقع ضمن منظومة التنظيم والتسجيل والإيداع، ولا يعني ذلك موافقة من الحكومة الأمريكية أو من FinCEN على أي نموذج أعمال أو منتج استثماري أو استراتيجية تداول أو توكن أو أداء عوائد لأي جهة أو تأييدها.
ومن منظور VC وتطوير الشركات على المدى الطويل، يبقى الأهم هو الامتثال المستمر والقدرة العملية على العمل وإتاحة التسليم التقني والتحكم في المخاطر والشفافية.
الإنترنت القادم، قد لا يكون مجرد "البشر يستخدمون البرامج"
المنطق الأساسي للإنترنت خلال الثلاثين عامًا الماضية هو: يستخدم الناس البرامج، وينقرون الأزرار، ويقوم البشر بتنفيذ الصفقات.
ومن المحتمل أن ظهور AI Agent يجلب تغييرات جديدة. قد يكون المستقبل هو أن يملك البرمجيات قدرة على فهم الهدف تلقائيًا، وتقسيم المهام، واستدعاء الأدوات، وإتمام المدفوعات، وتنفيذ الصفقات، والتعلم المستمر.
في هذا السياق، لن يكون المشاركون في الإنترنت بشرًا فقط، بل قد يشملون عددًا كبيرًا من AI Agents التي تمتلك حسابات وأصولًا ويمكنها استدعاء الخدمات والقيام بالصفقات.
Web3 يوفّر الأصول والتسوية، وAI يوفّر الذكاء وصنع القرار.
عندما يبدأ الجمع بين الاثنين، تظهر مشكلة جديدة: في الاقتصاد الرقمي في المستقبل، هل سيصبح AI Agent مشاركًا اقتصاديًا جديدًا؟
وهذا هو بالضبط المكان الذي يستحق فيه AI × Web3 أن تراقبه الأسواق الرأسمالية على المدى الطويل.
موقع Vanguard
ما اختارته Vanguard ليس مجرد قصة بسيطة من نوع "AI + عملات". وعلى الأقل من منظور بنية التقنية، فهي تحاول استكشاف الجمع بين: AI Agent وتعاون متعدد الوكلاء، وأُسواق التنبؤ، والتنفيذ على السلسلة، وتغذية البيانات الراجعة، والتطوير/التكرار المستمر.
ومن منظور الاستثمار، فإن القيمة الحقيقية لهذا الاتجاه تكمن في أنه يحاول الإجابة عن سؤال طويل الأمد: كيف تتحول البرمجيات التي تفكر فقط إلى برمجيات قادرة على العمل داخل الاقتصاد الرقمي؟
لم تتشكل الإجابة بعد بالكامل، ولا يزال هذا المسار في مرحلة مبكرة.
لكن لهذا السبب، قد يصبح التقاطع بين AI Agent وWeb3 أحد أكثر تجارب التكنولوجيا استحقاقًا للملاحظة المستمرة خلال السنوات القليلة المقبلة.
وتأمل Vanguard أن تكون مشاركًا في البنية التحتية ضمن هذه التجربة.
حول Vanguard
Vanguard هي منصة تقنية مبنية حول AI Agent ومحرك VGQuant الذكي وأسواق التنبؤ والتنفيذ على السلسلة.
وفقًا لمواد المشروع، يشمل نظام تعدد الوكلاء: وكيل RECON للاستخبارات، ووكيل RAPTOR للتعرف على الفرص، ووكيل AEGIS للتحكم في المخاطر، ووكيل NEXUS للسيولة، ووكيل PULSE لتحديد التوقيت، ووكيل ANCHOR لإعادة التوازن.
الاتجاه التقني الأساسي للمشروع هو دفع AI من أداة تحليل معلومات تقليدية إلى نظام مستقل قادر على الإدراك واتخاذ القرار والتعاون والتنفيذ والتغذية الراجعة والتكرار.