نقطة التحول القادمة لعصر الذكاء الاصطناعي — كيف تقوم Gradient بتخطيط مستقبل الذكاء المفتوح

المؤلف: Biteye المساهم الأساسي @anci_hu49074

البلوكشين يرسخ نفسه تدريجياً كبنية تحتية مالية للذكاء الاصطناعي، والحاجة الماسة لكسر الجمود في مثالية اللامركزية

في السابق، ظهرت العديد من المصطلحات الجديدة في المجتمع حول كيفية دمج البلوكشين مع الذكاء الاصطناعي: Web3 AI تشير إلى جميع أشكال الدمج، بينما Crypto AI يميل إلى المدرسة الواقعية المحافظة، ويأمل في توفير بنية تحتية مالية للذكاء الاصطناعي من خلال شكل العملات الرقمية؛ أما DeAI فيمثل المثالية الريادية للامركزية، ويسعى لبناء ذكاء اصطناعي ديمقراطي وعادل يشارك فيه الجميع عبر البلوكشين.

في الحالة المثالية، يمكن أن تسير هاتان المسارتان جنباً إلى جنب، لدفع بيئة Web3 AI بكفاءة وعدالة. لكن الواقع غالباً ما يكون مليئاً بالدراما: لم تهدأ بعد موجة المضاربة على العملات الرقمية المدفوعة بالذكاء الاصطناعي التي أطلقتها Nof1، حتى اشتعلت X402 بسرعة بدعم من عمالقة مثل Google وCloudflare وCoinbase، مما عزز إيمان الجميع بأن البلوكشين سيصبح البنية التحتية الأساسية لمدفوعات الذكاء الاصطناعي، أي اتجاه Crypto AI.

ومع ذلك، فإن هذا الزخم القوي لتطور Crypto AI جعلنا نعتمد أكثر على العمالقة التقليديين، وسرّع من وتيرة توسعهم المستمر — فكيف يمكن للأشخاص العاديين المشاركة في توزيع قيمة الذكاء الاصطناعي وتجنب المزيد من الاعتماد على العمالقة التقليديين؟ يحتاج DeAI إلى طريقة جديدة لكسر الجمود.

في هذا السياق، تقدم Gradient إجاباتها الخاصة.

السحابة أم المحلي؟ مسألة هامة في الذكاء الاصطناعي اللامركزي

السحابة أم المحلي، هو خيار نواجهه كثيراً.

في الماضي، جعلتنا سهولة السحابة نهتف بتفاؤل "كل شيء إلى السحابة"، واعتقدنا أنه مع تسريع 5G يمكننا التخلص من قيود الأجهزة، والحصول على التخزين والقدرة الحاسوبية بتكلفة منخفضة عبر "التأجير"، وهو خيار مرن واقتصادي.

لكن في عصر الذكاء الاصطناعي، يتم تجريدنا بهدوء من "حق الاختيار" هذا — إذ أن شريحة Nvidia الضرورية قد تكلف آلاف الدولارات، ولا يستطيع الأشخاص العاديون الدخول إلا عبر السحابة، ليجدوا أنفسهم مجبرين على لعب دور "سائق العربة"، متنازلين عن المزيد من السلطة لعمالقة السحابة دون أن يشعروا بذلك.

اختيار منتجات السحابة الجاهزة يبدو من الخارج كفاءة وراحة، لكنه في الواقع فقدان كامل للسيادة على "أصول الذكاء الاصطناعي" الشخصية. في عصر ما قبل الذكاء الاصطناعي، كنا نتبادل بياناتنا مقابل خدمات مجانية، وربما كان يمكننا تحمل ذلك؛ لكن مع استمرار توسع حدود قدرات الذكاء الاصطناعي، سيأتي يوم يدير فيه الذكاء الاصطناعي أصولنا، ويقرر استثماراتنا، ويعرف أعمق رغباتنا وضعفنا — ليصبح جزءاً لا غنى عنه من حياتنا.

وإذا اخترت الحل السحابي، فإن هذا الجزء الذي لا يمكن الاستغناء عنه سيكون بيد مزودي خدمات السحابة. هل تتذكر اليأس العارم على الإنترنت عندما تم إيقاف ChatGPT4؟

ما تسعى Gradient لتحقيقه هو تمكين الجميع من نشر النماذج بأنفسهم، ليحصل كل شخص على السيادة الكاملة على "أصول الذكاء الاصطناعي" الخاصة به، ومساعدتك في تخزين بياناتك محلياً، والحفاظ على خصوصيتك وأمانك.

بالطبع، هذا لا يعني أن Gradient تميل بالكامل إلى المحلي وتتخلى عن أداء السحابة وقابليتها للتوسع. على العكس، من خلال الشبكة التعاونية، يمكن لـ Gradient الجمع بين أداء السحابة وميزة الخصوصية المحلية. يمكن للمستخدمين الاستمتاع بكفاءة ومرونة السحابة، مع ضمان أمان البيانات والسيادة الذاتية، وخفض التكاليف من خلال التعاون الشبكي. بالنسبة لسيناريوهات مثل رفقاء الذكاء الاصطناعي والتداول بالذكاء الاصطناعي، يوفر هذا النموذج مزايا شاملة غير مسبوقة.

وسنبدأ الحديث عن كل هذا من Parallax.

السحابة

المحلي

Gradient Parallax

الاستثمار المالي

منخفض

مرتفع

مجاني أساساً

درجة الصعوبة

سهل

صعب

سهل

حماية الخصوصية

منخفضة

مرتفعة

مرتفعة

سيادة البيانات

لا يوجد

يوجد

يوجد

أفضل طريقة للاستفادة من النماذج مفتوحة المصدر: Parallax

هل سبق وأن واجهت هذا الإشكال؟ النماذج مفتوحة المصدر رائعة وذات إمكانيات عالية، لكن في الواقع لا علاقة لها بنا — فالأشخاص العاديون لا يملكون قدرة GPU، ولا يستطيعون التعامل مع تعقيدات البناء، وحتى لو كانت هذه النماذج متوفرة مجاناً على HuggingFace، فإن النماذج التي يقال إنها تعمل على الحواسيب المحمولة غالباً ما تقتصر على Macbook Pro M4 الأعلى أداءً، مع أداء محدود جداً.

كيف يمكن كسر الحاجز بين النماذج مفتوحة المصدر والمستخدمين العاديين، وإطلاق إمكانياتها الهائلة؟ تقدم Gradient حلها: Parallax.

مجاني — Parallax هو نظام تشغيل ذكاء اصطناعي مفتوح المصدر بالكامل، يمكنك تنزيله مجاناً على جهاز PC أو Mac الخاص بك، ثم اختيار النموذج المناسب من بين أكثر من 40 نموذج مفتوح المصدر يوفرها Parallax حالياً، وتحميله محلياً لتشغيله على جهازك، محققاً الخصوصية الكاملة وبتكلفة صفرية (باستثناء فاتورة الكهرباء).

سهل — عملية التثبيت سريعة جداً، تحتاج فقط إلى بعض المعرفة بأساسيات الطرفية في الحاسوب (يمكنك الاستعانة بالذكاء الاصطناعي لحلها بسهولة)، وغالباً ما تكتمل خلال ثلاث دقائق.

قابل للتوسع — كما ذكرنا سابقاً، أداء الجهاز الواحد محدود، وحتى أقوى أجهزة PC بالكاد تستطيع تلبية متطلبات تشغيل LLM. لذلك، بالإضافة إلى وضع Local-Host (الوضع المحلي)، يوفر Parallax أيضاً:

-  Co-Host (الوضع التعاوني): مشاركة قدرة الحوسبة لأجهزة PC الخاصة بالأصدقاء ضمن الشبكة المحلية (LAN)، وإذا كان لديك عدة أجهزة، يمكنك ربطها بهذه الطريقة.

-  Global Host (الوضع العالمي): استضافة موزعة عبر الشبكة الواسعة (WAN) عبر المناطق، لتحقيق تعاون بين قدرات حوسبة موزعة وتشغيل نماذج أكبر.

حتى الآن، أصبحت النماذج مفتوحة المصدر متاحة للجميع. سواء كنت تبحث عن خصوصية قصوى أو أداء مرن، يمكنك تحقيق كلاهما بالكامل.

الجانب الواقعي لمثالية DeAI: كيف تصنع منتجاً جيداً؟

سهولة الاستخدام واحترام المستخدمين هما أكثر ما يلفت الانتباه بعد تجربة منتجات Gradient.

لقد قامت Parallax بتبسيط عملية النشر المحلي والتخمين التعاوني إلى أقصى حد وبأناقة، مع تجربة مستخدم سلسة وودية. بالإضافة إلى ذلك، أطلق الفريق عرضاً تجريبياً ممتعاً لروبوت دردشة، يختلف عن روبوتات الدردشة التقليدية، حيث يعرض في الوقت الحقيقي تقدم التخمين عبر العقد المختلفة في الشبكة أثناء الإجابة على الأسئلة، ليعطي المستخدمين رؤية مباشرة لكيفية عمل التخمين اللامركزي بالكامل.

إلى جانب الصدق مع المستخدمين، فإن Gradient لديها أيضاً تخطيط شامل وراسخ في أعمال DeAI.

استناداً إلى Parallax المسؤولة عن التخمين اللامركزي، أطلقت Gradient أيضاً بروتوكول تدريب لامركزي للتعلم المعزز Echo، وبنية Lattica كطبقة أساسية لنقل البيانات، لتشكيل حزمة تقنية ذكاء اصطناعي لامركزية متكاملة.

Echo هو إطار عمل مبتكر لتدريب التعلم المعزز (RL) اللامركزي، يفصل بين "أخذ عينات التخمين" (توليد البيانات) و"تدريب النموذج"، ويوزع كل خطوة على الأجهزة الأنسب. على سبيل المثال، تتولى الحواسيب اليومية والمحمولة جمع البيانات والتفاعل مع البيئة، بينما تركز الخوادم عالية الأداء على تدريب وتحديث النماذج. هذا لا يدمج فقط قدرات الحوسبة الموزعة غير المتجانسة بكفاءة، بل يعزز أيضاً كفاءة التدريب ويخفض التكاليف، ويحقق نشراً لامركزياً أكثر مرونة.

Lattica، كمحرك نقل بيانات عام، مسؤول عن نقل أوزان النماذج، ورموز التخمين، وغيرها من البيانات الأساسية بكفاءة وأمان في الشبكة اللامركزية. زمن التأخير فيه يصل إلى 98 مللي ثانية فقط، ويغطي أكثر من 3,300 مدينة و37,000 عقدة حول العالم، ويُطلق عليه "شرايين البيانات" في نظام Gradient.

استناداً إلى Echo، تقوم Gradient بتدريب سلسلة من النماذج الرأسية الصناعية، لتقترب في البيئات الحقيقية، بل وتتجاوز أحياناً أداء GPT-5 وClaude Sonnet 4.5، مما يدفع باعتماد البنية التحتية في الاتجاه المعاكس.

بالإضافة إلى ذلك، وبالاعتماد على شبكة الحوسبة الموزعة القوية وما توفره من سرعة وتكلفة منخفضة، أطلقت Gradient أيضاً خدمة Gradient Cloud للمستخدمين من الشركات، وتخطط لبناء طبقة ثقة للذكاء الاصطناعي في مجالات مثل قابلية التحقق من تخمين وتدريب LLM، وعدم إمكانية تتبع خصوصية المستخدمين. وبناءً على ذلك، ستقوم Gradient أيضاً ببناء شبكة تعاون بين عدة AI Agents، لدفع الابتكار في طبقة التطبيقات وتشكيل حلقة تجارية متكاملة.

كيف ترى مسار Gradient نحو الذكاء الاصطناعي اللامركزي؟

صعوبة الذكاء الاصطناعي اللامركزي لا تقل عن تحدي الرأسمالية، فهي تتطلب توافقاً عالياً بين الزمان والمكان والعنصر البشري.

حالياً، وصلت جولة التمويل الأولية لـ Gradient إلى 10 ملايين دولار، بقيادة Pantera Capital وMulticoin Capital، بمشاركة Sequoia China. من بين المؤسسين، Eric من Sequoia China، وYuan عمل سابقاً في مشاريع مثل Helium وNeo. ويضم الفريق الأساسي أعضاء من جامعات مرموقة مثل Tsinghua Yao Class، وحاملي ميداليات ACM الذهبية، وBerkeley، وCMU، وETH، مع خبرات في شركات تقنية رائدة مثل Google، Apple، ByteDance، وMicrosoft.

على صعيد البحث، يواصل الفريق إنتاج أبحاث عالية الجودة في مجالات التعلم الآلي الموزع، وAI Agent، والحوسبة القابلة للتحقق، مع أوراق بحثية مفصلة. خاصة في مسألة جدولة الأجهزة غير المتجانسة في التدريب اللامركزي، من المتوقع أن تكشف Gradient عن ابتكاراتها الأساسية في خوارزميات الجدولة المعقدة في مؤتمر ICLR 2026 للذكاء الاصطناعي.

حظيت منتجات Gradient وقدراتها البحثية المتميزة باعتراف ودعم مستمرين، حيث تحتل Parallax حالياً المرتبة الأولى على Product Hunt، وأقامت شراكات مع مختبرات الذكاء الاصطناعي مفتوحة المصدر الرائدة مثل @Kimi_Moonshot و@Alibaba_Qwen، ويمكن لمجموعة من أجهزة PC/Mac تشغيل نماذج ضخمة مثل Kimi K2 وQwen3 235B بسلاسة.

على مستوى البنية التحتية، اعتمدت Gradient SGLang من شركة AI Infra الشهيرة في وادي السيليكون @LMSYSOrg كبنية خلفية للتخمين عالي التوازي، مع دعم المعالجة المستمرة وإعادة استخدام ذاكرة KV؛ كما حصلت على دعم MLX LM الأصلي على Apple Silicon، لتحقيق إنتاجية عالية وزمن تأخير منخفض عند التشغيل على نطاق واسع.

بالإضافة إلى ذلك، تبني Gradient حالياً تأثيرها بنشاط في نظام Solana البيئي. المشروع أيضاً أحد رعاة Solana x402 Hackathon الشهير حالياً، ويقف جنباً إلى جنب مع شركاء مثل Visa وPhantom، ويهدف إلى أن يصبح بنية تحتية هامة للذكاء الاصطناعي في نظام Solana البيئي.

يمكن القول إنه في الوقت الذي لا يزال فيه قطاع DeAI بأكمله في مرحلة "عبور النهر بتحسس الحجارة"، حققت Gradient أداءً جيداً في قدراتها الإنتاجية، وخلفية فريقها، ودرجة الاعتراف بها في الصناعة.

كلمة أخيرة

الدراما الأخيرة في OpenAI التي اجتاحت الأوساط أذهلتنا، وكشفت في الوقت نفسه عن المخاطر النظامية التي يجلبها الذكاء الاصطناعي المركزي — فعندما تتركز السلطة بشكل مفرط، تصبح تكلفة فقدان السيطرة وارتكاب الأخطاء مرتفعة للغاية. الذكاء الاصطناعي اللامركزي ليس مجرد مثالية تقنية، بل هو مطلب حتمي لتطور الصناعة بشكل صحي.

لطالما بقي الذكاء الاصطناعي اللامركزي والمفتوح المصدر في برج عاجي، حيث يفصل المستخدمين العاديين عن "جدار تقني" سميك، فلا يمكنهم سوى المشاهدة. ولحسن الحظ، تحاول Gradient أن تكون جسراً — فهي لا تواصل صقل قابلية استخدام منتجاتها فحسب، بل تتقدم أيضاً بخطى ثابتة في البحث والابتكار والتخطيط الشامل، لتتيح لمزيد من الناس الوصول فعلياً والاستفادة من قدرات الذكاء الاصطناعي المفتوح.

بالطبع، لا تزال طريق الذكاء الاصطناعي اللامركزي طويلة، فكل حلقة من الأداء والأمان والأخلاقيات والحوكمة مليئة بالتحديات، لكن على الأقل، هناك من بدأ يسير على هذه الطريق بخطى ثابتة.