يقول خبراء إن إثباتات Zk تمنح شبكات DePINs ميزة مع تزايد الطلب على الثقة المرتبطة بالذكاء الاصطناعي

يعتمد “توقع خط الأساس” من Goldman Sachs البالغ 7.6 تريليون دولار في الإنفاق الرأسمالي على الذكاء الاصطناعي (AI) في نهاية المطاف على المدة التي يظل فيها “السيليكون” المخصص للذكاء الاصطناعي ذا قيمة. وتَعِد الشبكات اللامركزية بكفاءات كبيرة في التكاليف، لكنها تواصل كفاح مشكلات التأخير (latency)، ويجادل خبراء بأن جدواها على المدى الطويل ستعتمد على إعطاء الأولوية للتحقق (verifiability) على حساب الأداء الخام.

• النقاط الرئيسية:
• • تستشهد Goldman Sachs بإنفاق 7.6 تريليون دولار بحلول 2031، بحسب ما إذا كانت الشرائح تدوم أكثر من 3 سنوات.
• • يحذر خبراء StealthEX وCysic من أن تأخير DePIN يحد من الذكاء الاصطناعي اللامركزي على وظائف المعالجة الدفعية (batch) بدل الدردشة المباشرة.
• • قد تساعد الشركات العاملة على السلسلة مثل Maple في سد فجوة $5M إلى $50M في الائتمان الخاصة بمراكز بيانات الفئة الثانية بحلول 2028.

خط الأساس لـ 7.6 تريليون دولار

أدى تقرير حديث صادر عن Goldman Sachs إلى تحويل النقاش من مسألة ما إذا كانت هناك طلبات على الذكاء الاصطناعي (AI) إلى تحديد عوامل العرض على غرار ما سيحدد التكلفة الفعلية لمرحلة البناء. يتوقع التقرير إنفاقًا رأسماليًا على الذكاء الاصطناعي بقيمة 7.6 تريليون دولار كخط أساس، لكنه يؤكد أن هذا الرقم شديد الحساسية لما يسميه “متغيرات التقلب”، بما في ذلك العمر الإنتاجي المفيد للشرائح الخاصة بالذكاء الاصطناعي.

ويُنظر إلى هذه المدة باعتبارها العامل الأكثر أهمية، لأن الابتكار السريع قد يجعل الشرائح القياسية — والتي عادة ما تدوم 4 إلى 6 سنوات — عُرضة لأن تصبح قديمة خلال 3 سنوات فقط، ما يؤدي إلى قفز التكاليف بشكل حاد. وفي المقابل، يمكن أن يثبت “نموذج متعدد الطبقات” يتم فيه إعادة استخدام الشرائح الأقدم للمهام الأبسط، مثل الاستدلال (inference)، تكلفة الإنفاق.

وتُعد تعقيدات مراكز البيانات ومرونة (elasticity) الطلب على الحوسبة متغيرات أخرى يُرجح أن تؤثر في مقدار رأس المال الذي سيتم صرفه على البنية التحتية للذكاء الاصطناعي خلال السنوات الخمس المقبلة. كما تُعد مشكلات النقص في سعة شبكة الطاقة، والعمالة المتخصصة، والمعدات الكهربائية، عوامل قد تطيل فترة البناء.

وفي تقرير منفصل، تُقدَّم هذه النفقات الباهظة على البنية التحتية بوصفها حجر الزاوية في اقتصاد “الآلة” الناشئ. وفي هذا التصور، تصبح وكلاء الذكاء الاصطناعي (AI agents) الفاعلين الاقتصاديين الرئيسيين، إذ ينفذون معاملات عالية التردد ويتولون تخصيص الموارد بشكل مستقل. ويجادل مؤلفو التقرير بأن الأنظمة المالية التقليدية، التي تتسم بدورات تسوية بطيئة وأطر “اعرف عميلك” (KYC) جامدة، لا تكون مجهزة بطبيعتها لسرعة التجارة الوكيلة (agentic commerce).

البنية التحتية اللامركزية ومفارقة التأخير

وبناءً على ذلك، يُصوِّر التقرير العملات المشفرة والبروتوكولات اللامركزية باعتبارها “مسارات اقتصادية” أساسية، غير مرخصة، مطلوبة لتيسير هذا التحول. غير أن المتشككين يظلون حذرين، ويتساءلون عما إذا كانت شبكات البنية التحتية المادية اللامركزية (DePINs) يمكن أن تُخفف بالفعل المتطلبات الرأسمالية المتزايدة للذكاء الاصطناعي.

يقول فاديم تسزيكي، رئيس النمو في StealthEX، إنه بينما يمكن للشبكات اللامركزية توفير وفورات كبيرة في التكاليف، فإنها تواجه حدودًا مادية. ففي حين قد تستأجر جهة مزودة لامركزية مثل Akash وحدة GPU من نوع H100 مقابل 1.48 دولارًا في الساعة بدلًا من 12.30 دولارًا على Amazon Web Services، فإن المقابل هو السرعة.

وقال تسزيكي: “يمكن للشركات السحابية الكبرى [إنجاز العمل] بسرعة لأن وحدات GPUs لديها تكون قريبة من بعضها داخل مبنى واحد، ومتصلة بكوابل خاصة تنقل البيانات في أجزاء من الميكروثانية”. وأضاف أن الشبكات اللامركزية، التي تربط وحدات GPUs عبر دول مختلفة عبر الإنترنت العام، تُدخل تأخيرات تقدر بالمللي ثانية. ويجعل هذا التأخير التنسيق اللامركزي منافسًا لمهام المعالجة الدفعية وإعادة الضبط الدقيق (fine-tuning)، لكنه غير مناسب لخدمة روبوتات الدردشة الفورية عالية النطاق، حيث يعتمد تَجَرِبة المستخدم على استجابات قريبة من الفورية.

واستعاد ليو فان، مؤسس Cysic، هذه التصورات، مؤكدًا أن الاستدلال اللامركزي غير ملائم لأحمال العمل منخفضة التأخير. غير أن فان قال إن التأخير معيار غير مناسب للمقارنة بين المنصات اللامركزية والحوامل الفائقة مثل AWS.

وقال: “المشكلة الصعبة ليست الحوسبة الموزعة بل الاكتشاف (discovery) والجدولة والتحقق (attestation). ليست الوتيرة هي فجوة السعر لكل رمز (price-per-token)؛ بل التحقق”. وأشار إلى أن بيئات التنفيذ الموثوقة (TEEs) وإقرارات الإثباتات صفرية المعرفة (ZK) تسمح للشبكات اللامركزية بالمنافسة في القطاعات التي يصبح فيها الثقة والتحقق أهم من “ذيل التأخير” (tail latency).

الائتمان على السلسلة والفجوة التمويلية

بالإضافة إلى الحوسبة، يتجه التركيز إلى كيفية تمويل هذه المشاريع كثيفة رأس المال. فعلى الرغم من أن الائتمان التقليدي الخاص يملك رأس مال كافيًا، فإنه غالبًا ما يتجاهل الصفقات الأصغر أو غير القياسية. ويتيح الائتمان على السلسلة مزايا مميزة، مثل السماح للمستثمرين الأفراد بالمشاركة في إيرادات مركز البيانات التي كانت محصورة سابقًا على شركاء محدودين مؤسسيين. علاوة على ذلك، يمكن لمنصات مثل Maple وCentrifuge تجميع (syndicate) القروض ضمن نطاق 5 مليون إلى 50 مليون دولار — وهي شريحة كثيرًا ما تتجاهلها شركات مثل Apollo بسبب تكاليف الاكتتاب المرتفعة مقارنة بالرسوم.

وأخيرًا، يتيح الائتمان على السلسلة نماذج “الدفع مقابل الاستدلال” الجديدة، حيث تتقلب الإيرادات وفقًا لاستخدام GPU. وتلائم هذه النماذج بشكل طبيعي أكثر هياكل تقاسم الإيرادات المرمزة (tokenized revenue-share) مقارنة بالإيجارات التقليدية الصارمة الممتدة على 20 سنة.

رغم هذا الإمكان، يحدد الخبراء أربع “بوابات” ما تزال مغلقة أمام التبني المؤسسي: قابلية الإنفاذ القانوني في محاكم الإفلاس، وعدم وجود بنية تحتية للأوراكل تُظهر العبث (tamper-evident) لخدمة التعهدات، وعدم اليقين التنظيمي للشرائح ذات المليارات من الدولارات، ومنتجات الضرائب والمحاسبة غير المعيارية.

يشير الإجماع إلى جدول زمني واقعي مدته 12 إلى 24 شهرًا لكي تكتسب الصفقات المتوسطة المجَمَّعة على السلسلة زخمًا، مع كون ديون الميزانين (mezzanine) ذات الغالبية على السلسلة يُرجح أن تكون على بعد 3 إلى 5 سنوات. ومن المرجح أن تأتي الاختراقات الأولى من مشغلي الفئة الثانية وليس من قادة الصناعة مثل Coreweave.