ملخص أدوات DeFAI: كيف تستخدم وكيل الذكاء الاصطناعي لإدارة الأصول على السلسلة؟

بالنسبة إلى الفرق القادرة على الإحاطة بكلٍّ من بعدَي Web3 وAI في الوقت ذاته، فإن النافذة الحالية هي فترة التوقيت المثالي للدخول.

كتابة: GO2MARS

قبل البدء في التحليل بشكل رسمي، توجد ضرورة لتوضيح مفهوم محوري واحد أولاً: DeFAI。

يُعد DeFAI اختصارًا لدمج DeFi (التمويل اللامركزي) وAI (الذكاء الاصطناعي). ويشير إلى إدخال AI Agent إلى سيناريوهات التمويل على السلسلة، بحيث يمتلك القدرة على إدراك حالة السوق، ووضع الاستراتيجيات بشكل مستقل، وتنفيذ عمليات على السلسلة مباشرة—وبالتالي، دون الاعتماد على تدخل بشري لحظي، يمكن إنجاز سلسلة من السلوكيات المالية التقليدية التي كانت تتطلب في السابق مختصين، مثل تخصيص الأصول وإدارة المخاطر والتفاعل مع البروتوكولات.

بعبارة مختصرة، ليس DeFAI مجرد ترقية “AI” بسيطة لأدوات DeFi، بل هو محاولة لبناء طبقة تنفيذ مالية يمكنها أن تعمل ذاتيًا فوق السلسلة.

منذ الربع الرابع من عام 2024، ازدادت سخونة هذا المسار بسرعة، وتوجد ثلاث أحداث بارزة يستحق التركيز عليها—وكل منها تقابل ثلاثة مستويات لدخول AI Agent إلى Web3: اختراق السرد/الخطاب للانتشار العام، وبناء البنية التحتية لتحويل الأصول إلى شكل قابل للتداول، ثم التنفيذ الفعلي لقدرات التنفيذ على أرض الواقع.

وقع الحدث الأول في يوليو 2024. فقد انتشر روبوت تويتر Truth Terminal الذي بناه المطور Andy Ayrey بسرعة خارج دائرة المتابعين المعتادة، وذلك بعد أن حصل على منحة قدرها 50 ألف دولار BTC من الشريك المؤسس في a16z Marc Andreessen، وهو ما أدى إلى انتشار فيروسي لعملة GOAT. وكانت هذه أول مرة تدخل فيها AI Agent فعليًا إلى المجال العام كفاعل اقتصادي على السلسلة.

وقع الحدث الثاني في أكتوبر من العام نفسه. إذ انطلقت Virtuals Protocol على شبكة Base بشكل كبير، وقامت بتجسيد AI Agent نفسه على هيئة رمز قابل للتداول. تجاوزت القيمة السوقية في بيئتها عتبة 3.5 مليار دولار أمريكي، لتصبح ممثلًا نموذجيًا لمرحلة بناء البنية التحتية لتحويل أصول مسار DeFAI إلى شكل استثماري قابل للتسييل.

أما الحدث الثالث، فهو أن مشاريع مثل Giza وHeyAnon وAlmanak نفّذت متتابعة على السلسلة ضمن طبقة التنفيذ، ما دفع الصناعة إلى الانتقال من “التحفيز عبر السرد” إلى مرحلة “التسليع/التأطير كمنتجات”. بدأ AI Agent ينفّذ فعليًا عمليات على السلسلة—ولم يعد يقتصر فقط على مستوى تبادل المعلومات.

من منظور حجم السوق عالميًا، تتوافق توقعات نمو مسار AI Agent لدى العديد من مؤسسات البحث بدرجة عالية:

الشكل 1: مقارنة توقعات حجم سوق AI Agent عالميًا، مصدر البيانات: MarketsandMarkets (2025)، Grand View Research (2025)، BCC Research (2026.01)

ومع ذلك، لا تزال هناك فجوة كبيرة بين سخونة رأس المال وبين ترسّخ التطبيق الصناعي على أرض الواقع. ففي تقرير “The State of AI in 2025” الصادر عن ماكينزي في نوفمبر 2025 (استنادًا إلى 105 دول و1993 مشاركًا مُستجوبًا)، على الرغم من أن 88% من المؤسسات تستخدم AI في وظيفة أعمال واحدة على الأقل، فإن ما يزيد عن ثلثيها ما يزال عالقًا في مرحلة التجربة أو الطرح التجريبي (Pilot). وبالتحديد في مجال AI Agent: تبدأ 62% من المؤسسات التجربة، وتُفعّل 23% منها التوسع داخل وظيفة واحدة على الأقل—لكن نسبة من تحقق نشرًا على نطاق واسع ضمن أي وظيفة واحدة بعينها لا تتجاوز 10% في أي حال.

تقودنا هذه البيانات إلى الاستنتاج التالي: إن سخونة السرد لمسار DeFAI لا تزال تتقدم حاليًا على وتيرة التنفيذ الفعلية. إن فهم هذه الفجوة هو شرط مسبق للتقييم الموضوعي لقيمة هذا المسار.

قاعدة DeFAI التقنية: كيف يتفاعل AI Agent مع عالم السلسلة

لفهم كيفية عمل DeFAI، يلزم أولاً الإجابة عن سؤال محوري: ما الآلية التي يتم من خلالها إدخال AI في عمليات التمويل على السلسلة؟

إن الوحدة التنفيذية الأساسية في نظام DeFAI هي AI Agent مبنيًا على النماذج اللغوية الكبيرة. ووفقًا للمراجعة الأكاديمية لـ Wang وآخرين (2023)، يمكن تلخيص القدرات الأساسية في بنية من ثلاث طبقات، ولكل طبقة وظيفة محددة يقابلها دورها في سيناريوهات السلسلة:

• طبقة التخطيط: مسؤولة عن تفكيك الأهداف وتحسين المسارات، وهو ما يقابل توليد الاستراتيجيات وتقييم المخاطر في سيناريوهات السلسلة؛
• طبقة الذاكرة: من خلال التخزين الخارجي مثل قواعد بيانات المتجهات، تُجرى تراكمات عبر الدورات، وتحتوي على بيانات السوق التاريخية وحالات البروتوكول؛
• طبقة الأدوات: توسيع قدرات النموذج بحيث يمكنه استدعاء بروتوكولات DeFi، و”Price Oracles” الخاصة بالأسعار، وجسور الربط عبر السلاسل (Cross-chain Bridges) وغيرها من الأنظمة الخارجية.

لكن توجد نقطة يجب توضيحها هنا: لا يمكن لنموذج AI نفسه التفاعل مباشرة مع البلوك تشين. تقريبًا تتبنى جميع أنظمة DeFAI الحالية هندسة تفصل بين الاستدلال خارج السلسلة والتنفيذ على السلسلة—إذ يقوم AI Agent بحساب الاستراتيجية خارج السلسلة، ثم يحوّل النتائج إلى إشارات معاملات على السلسلة يَتولى بها جزء التنفيذ تقديمها. إن تصميم هذه البنية هو اختيار واقعي في ظل شروط التقنية الحالية، كما أنه يفضي إلى سلسلة من القضايا الأمنية، مثل تفويض المفاتيح الخاصة وإدارة الصلاحيات.

في جوهره، فإن AI Agent هو نظام قرار مستقل مبني على النماذج اللغوية الكبيرة، وينفّذ التنفيذ ضمن حلقة مغلقة عبر تفكيك المهام وإدارة الذاكرة واستدعاء الأدوات. وفي الوقت الحالي، بدأ شكل التفاعل بين AI Agent وأصول السلسلة يتخذ ملامحه أيضًا.

الشكل 2: بنية AI Agent من ثلاث طبقات

تطور DeFAI: من تبادل المعلومات إلى حلقة تنفيذ مغلقة

بعد توضيح الأساس التقني لـ DeFAI، يبرز سؤال طبيعي: كيف وصلت هذه المنظومة خطوة بخطوة إلى وضعها الحالي؟

وفقًا لبحث The Block، فإن تطور DeFAI لم يكن عملية آنية، بل مرّ بمرحلتين مختلفتين—من Agent تفاعلي في المراحل المبكرة تركز على معالجة المعلومات، إلى نظام تنفيذي قادر فعليًا على التدخل في عمليات السلسلة.

توجد فروق جوهرية بين المرحلتين من حيث تحديد الأهداف والوسائل التقنية ومستويات المخاطر.

الشكل 3: مقارنة مسارات التطور على جبهتين في DeFAI

يمكن فهم مسار التطور على مرحلتين على النحو التالي:

المرحلة الأولى هي Agent تفاعلي، ويركز على بناء إطار وكلاء يمكنهم الحوار والتحليل. وتشمل المشاريع الممثلة: ElizaOS (إطار Eliza الخاص بـ ai16z سابقًا)، وG.A.M.E الخاص بـ Virtuals، وغيرها. جوهر هذه المرحلة ما يزال أدوات معلوماتية—يمكن للـ Agent أن يقرأ ويقول ويحلل، لكن حدود قدرته تتوقف عند مستوى المعلومات دون المساس بأي عمليات تنفيذ لأصول.

أما المرحلة الثانية فهي AI Agent تنفيذي لـ DeFAI، والتي تدخل فعليًا ضمن حلقة اتخاذ القرار والتنفيذ. تشمل المشاريع النموذجية HeyAnon وWayfinder وGiza (ARMA Agent) وAlmanak وغيرها. تمتلك هذه الفئة من الأنظمة سمة مشتركة: يعمل الـ AI على السلسلة خارجها، ويُخرج إشارات استراتيجيات مُهيكلة، ثم يكتمل التنفيذ عبر وحدة تنفيذ على السلسلة لإجراء المعاملات—إنها لا تستبدل بروتوكولات DeFi الحالية، بل تضيف فوقها طبقة آلية قرار تعتمد على AI، لتجعل سلسلة العملية الانتقال فيها من “أوامر يرسلها البشر” إلى “تنفيذ ذاتي بواسطة Agent”.

لا تكمن الاختلافات الجوهرية بين جبهتي التطور في تعقيد التقنية، بل في ما إذا كان هناك “مساس حقيقي بالأصول”. وهذا ما يحدد كذلك أن التحديات التي تواجه الأنظمة في المرحلة الثانية—على مستوى آليات الثقة وتصميم الصلاحيات وبنية الأمان—أكثر تعقيدًا بكثير من المرحلة الأولى. وهذا هو ما ستتمحور حوله فصول لاحقة.

المشاهد التطبيقية لـ DeFAI: أربعة سيناريوهات تطبيق رئيسية

من ناحية البنية التقنية إلى مسار التطور، أصبح واضحًا تدريجيًا “ما الذي يمكن أن يفعله” DeFAI. فماذا يعالج على مستوى المنتج الفعلي؟

بشكل عام، خلقت استكشافات تطبيق DeFAI في الوقت الحالي نمطًا ناضجًا نسبيًا من أربعة اتجاهات رئيسية، تقابل على التوالي أربع فئات من النقاط المؤلمة الأساسية في عمليات السلسلة: كفاءة تحقيق العائد، تنفيذ الاستراتيجيات، عتبة التفاعل/التشغيل، وإدارة المخاطر.

تحسين العائد: إعادة توازن تلقائية عبر بروتوكولات متعددة

يُعد تحسين العائد حاليًا السيناريو الأكثر نضجًا من حيث التطبيق في DeFAI. تتمثل الفكرة الأساسية في: المسح المستمر لسنوات العائد السنوي (APY) على الإيداعات عبر بروتوكولات DeFi الرئيسية مثل Aave وCompound وFluid، مع الاستناد إلى معاملات مخاطر مُعدة مسبقًا لتحديد ما إذا كانت هناك حاجة إلى إعادة توازن، وإجراء تحليل لتكاليف المعاملات قبل كل عملية. ولا يتم تحويل الأموال فعليًا إلا عندما يكون تحسن العائد قادرًا على تغطية كافة تكاليف gas ورسوم المعاملات. وبهذا، يتحقق التوزيع الأمثل تلقائيًا عبر البروتوكولات.

كمثال، لدى Giza قام ARMA Agent بتشغيل استراتيجية عوائد استقرار (Stablecoin) على شبكة Base بشكل مستقر في فبراير 2025. يراقب باستمرار تغيّرات أسعار الفائدة عبر بروتوكولات مثل Aave وMorpho وCompound وMoonwell. وبعد أخذ عوامل مثل APY للبروتوكول وتكلفة الرسوم والسيولة في الاعتبار بشكل شامل، يقوم بجدولة ذكية لأموال المستخدمين لتعظيم العائد. وبحسب بيانات منشورة، يمتلك ARMA حاليًا حوالي 60 ألف حامل مستقل، وأكثر من 36 ألف Agent تم نشرها، وتجاوز حجم الأصول المُدارة (AUA) 20 مليون دولار أمريكي.

في بيئة سوق تتذبذب فيها عوائد بروتوكولات DeFi باستمرار، تكون كفاءة التتبع اليدوي وإعادة التوازن يدويًا أقل بكثير من الأنظمة الآلية من ناحية الوقت والفعالية. وهذه هي القيمة الجوهرية لهذا السيناريو.

الشكل 4: مثال على ARMA Agent في منصة Giza

أتمتة الاستراتيجيات الكمية: إتاحة قدرات على مستوى مؤسسات للجمهور

في سيناريوهات أتمتة الاستراتيجيات الكمية، تهدف منصات DeFAI إلى تحويل وحدات التشغيل كاملة التدفق (end-to-end) التي تتبعها فرق القياس الكمي التقليدية إلى نمط مُنمّط ومؤتمت، ما يتيح للمستخدمين الأفراد الوصول إلى قدرات تنفيذ استراتيجيات على مستوى المؤسسات.

على سبيل المثال، Almanak المدعوم من Delphi Digital. إذ أطلق نظام AI Swarm الذي يقوم بتقسيم تدفق القياس الكمي إلى أربع مراحل:

• يدعم “وحدة الاستراتيجية” كتابة منطق الاستثمار عبر Python SDK وإجراء الاختبار العكسي (backtesting)؛
• يقوم “محرك التنفيذ”، بعد تلقي تفويض المستخدم، بتشغيل كود الاستراتيجية المعتمد تلقائيًا واستدعاء تطبيقات DeFi؛
• يبني “المحفظة الآمنة” نظام متعدد التواقيع عبر Safe + Zodiac، وباستخدام التحكم في الصلاحيات حسب الأدوار يمنح صلاحية تنفيذ الاستراتيجية إلى AI Agent، لضمان أن الأموال تظل دائمًا ضمن نطاق سيطرة المستخدم؛
• “خزانة الاستراتيجية” تقوم بتغليف الاستراتيجية في محفظة قابلة للتداول وفق معيار ERC-7540، ويمكن للمستثمرين المشاركة في توزيع عوائد الاستراتيجية بطريقة تشبه طريقة حصص الصناديق.

تكمن أهمية هذا التصميم في أن الوكيلات التي تعمل بالذكاء الاصطناعي تتحمل وظائف تحليل البيانات وتكرار الاستراتيجية وإدارة المخاطر، بينما يحتاج المستخدم فقط إلى إجراء مراجعة نهائية لنتائج مخرجات النظام، دون الحاجة إلى تشكيل فريق قياس كمي متخصص—وهو ما يحقق ما يسمى “مساواة/عدالة وصول استراتيجيات بمستوى المؤسسات”（بحسب ما يذكر المشروع).

الشكل 5: صورة واجهة منصة Almanak (الصفحة الرئيسية)

تنفيذ تعليمات بلغة طبيعية: جعل عمليات DeFi سهلة مثل إرسال رسالة

تتمثل النواة في هذا السيناريو في عمليات DeFi بناءً على نية المستخدم (Intent-based DeFi): باستخدام تقنيات معالجة اللغة الطبيعية، يقوم المستخدم بإرسال تعليمات المعاملة بلغة يومية، ويقوم AI بتحليلها وتحويلها إلى عمليات على السلسلة متعددة الخطوات، بما يخفض بشكل كبير عتبة تشغيل المستخدمين العاديين.

قام HeyAnon ببناء منصة محادثة DeFAI. يدخل المستخدمون تعليمات عبر مربع حوار، ويستطيع AI تنفيذ عمليات على السلسلة مثل تبديل الرموز (token exchange)، وجسور الربط عبر السلاسل، والإقراض، والـ staking (التعهيد/الرهان)، وغيرها. ويقوم بدمج LayerZero cross-chain bridge وAave v3 وغيرها من البروتوكولات، ويدعم نشرًا متعدد السلاسل مثل Ethereum وBase وSolana.

الشكل 6: صورة واجهة منصة HeyAnon (الصفحة الرئيسية)

أما Wayfinder فمدعوم من Paradigm، ويقدم خدمة تداول على السلسلة كاملة بشكل أكبر. يقوم AI Agent الخاص به (المسمى Shells) بالعثور تلقائيًا على أفضل مسارات تداول بين سلاسل مختلفة، وينفذ عمليات مثل التحويل عبر السلاسل، وتبديل الرموز (token swaps)، أو تفاعلات NFTs، دون أن يحتاج المستخدم إلى الانتباه إلى تفاصيل تقنية مثل رسوم gas الأساسية أو توافق عبر السلاسل.

الشكل 7: صورة واجهة منصة Wayfinder (الصفحة الرئيسية)

وبشكل شامل، فإن الواجهة اللغوية الطبيعية تُخفض بشكل واضح عتبة تشغيل DeFi، لكنها تضع متطلبات أعلى على دقة تحليل النوايا على المستوى الأساسي—ففي حال حدث انحراف في فهم AI للتعليمات، قد تكون نتيجة العملية بعيدة جدًا عن توقعات المستخدم.

إدارة المخاطر والمراقبة على مستوى التصفية (liquidation): آليات مضمنة داخل بروتوكولات السلسلة

في سيناريوهات الإقراض بالـ DeFi والرافعة المالية، تكون أكثر تطبيقات AI Agent شيوعًا هي المراقبة الفورية لصحة المراكز على السلسلة، وتنفيذ إجراءات وقائية تلقائيًا قبل الاقتراب من عتبات التصفية. ويتم تدريجيًا دمج هذا النوع من التطبيق في معظم بروتوكولات DeFi الرئيسية، ليصبح وظيفة أصلية في منصات DeFi.

• تستخدم Aave “عامل الصحة” لقياس سلامة المركز. عندما ينخفض عامل الصحة عن 1.0، فإن مركز المقترض يتفعّل تلقائيًا بخصائص أهلية التصفية؛
• تستخدم Compound آلية “عامل الضمان للتصفية (Liquidation Collateral Factor)”. عندما يتجاوز رصيد اقتراض الحساب الحد الأعلى المحدد عبر هذا العامل، يتم تفعيل التصفية. وتُحدد المعلمات الدقيقة لكل أصل ضمان عبر الحوكمة على السلسلة بشكل مستقل.

إن المراقبة اليدوية في أسواق السلاسل عالية التقلب على مدار الساعة وطوال أيام الأسبوع صعبة في الحفاظ على استجابة موحدة وفعالة. يمكن لـ AI Agent في هذا السيناريو توفير تتبع مستمر وتقييم ذكي وتدخل تلقائي، ما يرفع كفاءة إدارة المخاطر إلى مستوى يصعب على الأنظمة التي تعتمد على البشر أو الأنظمة الآلية القائمة على القواعد الوصول إليه.

الشكل 8: أربعة سيناريوهات تطبيق رئيسية لـ Agent×DeFi

بشكل شامل، فإن السيناريوهات الأربعة أعلاه ليست مستقلة عن بعضها، بل ترتبط بخط رئيسي واحد وتتقدم بتكامل: يوجّه تحسين العائد وأتمتة الاستراتيجيات الكمية إلى المستخدمين المتقدمين ممن لديهم حجم أصول معين. تكمن نقاط القوة الأساسية فيهما في كفاءة التنفيذ ودقة الاستراتيجيات؛ بينما يهدف التفاعل عبر اللغة الطبيعية إلى خفض عتبة تشغيل المستخدمين العاديين؛ وتعمل إدارة المخاطر كضمان أمني في الطبقة الأساسية يمتد عبر جميع السيناريوهات. وبالتعاون بين هذه الجوانب الثلاثة، تتشكل “الصورة”/نمط التطبيق الأساسي الحالي لإيكوسystem DeFAI، كما توفر أساسًا لتطبيقات Agent على السلسلة الأكثر تعقيدًا في المستقبل.

الحد الأدنى من أمان DeFAI: إدارة المفاتيح الخاصة والتحكم في الصلاحيات

إن السيناريوهات الأربع التطبيقية التي تم ذكرها أعلاه، سواء كان ذلك تحسين العائد أو أتمتة الاستراتيجيات الكمية، لا تتحقق إلا بشرط واحد: يجب أن يمتلك AI Agent نوعًا من صلاحية التوقيع، أي القدرة على الوصول إلى المفتاح الخاص. هذه هي التحديات الأكثر أهمية في مسار DeFAI وأكثرها قابلية لأن تُغطّى عليها بواسطة سخونة السرد. إذ ما إن تظهر ثغرة في آلية التوقيع، سيفقد معنى كل قدرات الاستراتيجية التي تعلوها.

حاليًا، تنقسم حلول إدارة أمان المفاتيح الخاصة السائدة في الصناعة إلى فئتين: MPC (الحوسبة متعددة الأطراف) وTEE (بيئة التنفيذ الموثوقة). تختلف كل منهما من حيث نموذج الأمان ودرجة الأتمتة وتعقيد الهندسة.

الشكل 9: جدول مقارنة حلين رئيسيين لإدارة أمان المفاتيح الخاصة

• يتركز نهج MPC (Multi-Party Computation، الحوسبة متعددة الأطراف) على إزالة نقطة الفشل الواحدة عبر تقسيم المفتاح. وبالاستناد إلى مثال شائع للتوقيع بعند 2-of-3 (2 من 3)، حتى لو تسرب أحد أجزاء المفتاح، فلن يتمكن المهاجم من إنجاز التوقيع بشكل مستقل، ولن تتأثر سلامة الأموال. يعد Vultisig مثالًا نموذجيًا في هذا الاتجاه: فهو محفظة متعددة السلاسل مفتوحة المصدر ومُدارة ذاتيًا مبنية على تقنية MPC/TSS، تعتمد بنية بدون عبارة استرجاع واحدة (no single mnemonic phrase)، وتجمع بين أمان المفاتيح الخاصة والإدارة الذاتية للمستخدم.
• أما TEE (Trusted Execution Environment، بيئة التنفيذ الموثوقة) فتسلك طريقًا آخر: إذ يتم “حفظ” المفتاح الخاص وكود الوكيل معًا داخل منطقة معزولة محمية عبر العتاد (enclave). يقوم AI Agent بتنفيذ حسابات الاستراتيجية والتوقيع داخل enclave، ثم يخرج نتيجة التوقيع فقط إلى السلسلة، بينما لا يمكن للبيئة الخارجية رؤية المفتاح الخاص إطلاقًا. توفر رقائق شائعة مثل Intel SGX وAMD SEV وARM CCA دعمًا عتاديًا للعزل والتشفير. وقد أدخل Chainlink TEE إلى شبكة oracles لمعالجة البيانات الحساسة، كما يثبت عبر آليات التحقق عن بُعد سلامة بيئة التنفيذ أمام العالم الخارجي.

لكن أمان المفاتيح الخاصة لا يعد سوى الخط الدفاعي الأول. في الواقع العملي، وبغض النظر عن حل إدارة المفاتيح الخاص المستخدم، يلزم إضافة طبقة آليات التحكم في الصلاحيات فوقه لمنع قيام Agent بالتصرف بما يتجاوز صلاحياته. توفر ممارسة Almanak إطارًا مرجعيًا أكثر اكتمالاً: إذ تستخدم المنصة TEE لحماية منطق الاستراتيجية والمعلمات السرية معًا، وتقوم بإدراج طبقة صلاحيات Zodiac Roles Modifier بين محرك النشر والحسابات الذكية الآمنة التي يحتفظ بها المستخدم. عند بدء كل معاملة من AI، يجب مقارنتها واحدًا تلو الآخر مع قائمة بيضاء لعناوين العقود والدوال والمعلمات المحددة مسبقًا؛ سيتم رفض أي معاملة لا تقع ضمن نطاق التفويض تلقائيًا.

إن طريقة تطبيق مبدأ أقل قدر ممكن من الصلاحيات (minimal permissions principle) أصبحت حاليًا مرجعًا مهمًا لتصميم أمان أنظمة DeFAI. وهي تكشف منطقًا أعمق: لا تتمثل مشاكل أمان DeFAI في مسألة اختيار تقنية واحدة فحسب، بل في هندسة نظام تتشكل من التنسيق بين إدارة المفاتيح الخاصة وحدود الصلاحيات والتدقيق/التحقق من التنفيذ. وقد يؤدي فقدان أي حلقة إلى تحويلها إلى أضعف نقطة في سلسلة التنفيذ. وهذا هو أيضًا نقطة الانطلاق لتحليل المخاطر في الفصل التالي.

الفجوة بين الواقع والسرد: تحليل المخاطر الأساسية لـ DeFAI

تكشف التحليلات السابقة عن نتيجة محورية:

VCX لا تحصل على علاوة (premium) لأنها اختارت أصولًا استثنائية أو لأن توقعات العائد أعلى، بل لأنها تبيع “القناة” نفسها. وعلى هذا، نحتاج إلى الإجابة عن سؤال: ما طبيعة منتج VCX بالضبط؟

من حيث الشكل القانوني، هي صندوق استثماري مغلق (closed-end fund) مُسجل لدى SEC. حيازاته شفافة، وهيكلها متوافق، ولا توجد فروق جوهرية بينه وبين أي ETF عادي من نوع الأسهم في السوق. لكن من حيث الوظيفة الفعلية، فإن ما يتم بيعه ليس “توقعات عائد استثماري” بالمعنى التقليدي، بل نوعًا من “حق/صلاحية الوصول إلى جانب الأصول”. في السابق، كان بإمكان الوصول إلى هذه الصلاحية فقط جهات VC الرائدة والمستثمرين المؤهلين، والآن يتم تغليف هذه الصلاحية في شكل وحدات يمكن شراؤها وبيعها في بورصة NYSE.

لذلك، إن استعداد السوق للدفع علاوة تتراوح بين 16 و30 ضعف NAV هو في جوهره تسعير لهذا “الحق في الوصول”، وليس تقييمًا لعائدات المستقبل لأصول تحتية.

ومن زاوية أخرى، فإن مقارنة VCX مع MicroStrategy (MSTR) توضّح المسألة بشكل واضح. كلاهما من حيث الظاهر يقوم بأمر متشابه: تعبئة أصول نادرة يصعب الوصول إليها مباشرة (Bitcoin / أسهم قبل الطرح العام الأولي من المستوى الأعلى) داخل أوراق مالية قابلة للتداول في السوق الثانوية، ثم تقديم علاوة تتجاوز قيمة الأصول التحتية بكثير. غير أن منطق إدارة رأس المال لكلٍ منهما يختلف جذريًا:

• تعتمد MSTR على آلية إصدار ديون قابلة للتحويل وأسهم ممتازة بشكل مستمر لجمع التمويل، ثم استخدام الأموال لإضافة شراء Bitcoin. تمنح هذه الآلية القدرة على توسيع حجمها بشكل ديناميكي والاستمرار في الاحتفاظ/الشراء المستمر، ما يوفر—إلى حد ما—أساسًا داخليًا لاستدامة علاوة سعر السهم.
• بينما تخضع VCX لقيود هيكل الصندوق المغلق: حجم الأصول بعد اكتمال الإصدار يكون في الأساس “مقفلًا”، ولا يمكن من خلال إعادة التمويل الاستمرار في شراء أصول جديدة، كما تعتمد سيولة الحيازات بدرجة عالية على طرح الشركات الأساسية للاكتتاب العام (IPO) أو على مخارج عبر الاندماج والاستحواذ. بمجرد انحسار مشاعر صغار المستثمرين، أو بعد انتهاء مدة القفل البالغة 6 أشهر وزيادة عدد الأسهم المتداولة، ستكون ضغوط تضييق العلاوة أكبر بكثير مما هي عليه في MSTR.

مقارنة VCX مع MSTR (Strategy)模式

بعبارة أخرى، تستند علاوة MSTR إلى آلية رأس مال تعمل باستمرار، في حين تأتي علاوة VCX بشكل رئيسي من ندرة التداولات/الحصص (champos) + تحفيز المشاعر. ولا يوجد “صواب أو خطأ” بطبيعة منطق المنتج هذا، لكن المخاطر التي يتضمنها أصعب على السوق في تسعيرها بشكل صحيح—أكثر من الصناديق المغلقة العادية:

عندما يشتري صغار المستثمرين بسعر أعلى بكثير من NAV، فإن ما يتم دفعه ليس قيمة الأصول نفسها، بل علاوة على حق الوصول هذا. وهذه العلاوة، بعد أن تنفّذ الشركات الأساسية IPO أو يَتَشكل مباشرة “مسار تداول” عبر السوق المفتوحة، ستواجه ضغطًا سريعًا لانعدام قيمتها (العودة إلى الصفر).

قراءة الاتجاهات

بالجمع بين التحليل أعلاه، يمكن تقديم حكم مرحلي على مسار تطور DeFAI. وبشكل عام، فإن هذا المسار يوجد حاليًا في نقطة حاسمة للانتقال من إثبات المفهوم إلى مرحلة التسليع/التأطير كمنتجات. ومن المتوقع أن يمر تطوره بثلاث مراحل متتابعة:

الشكل 11: توقع مراحل تطور DeFAI

ملاحظة: يعرض الجدول أعلاه حكمًا مركبًا بناءً على تقارير الصناعة العلنية وتقدم المشاريع والنضج التقني، وليس جدولًا زمنيًا قطعيًا

في هذه المرحلة الحالية، يقع DeFAI إجمالاً في طور الانتقال من فترة “مساعدة اتخاذ القرار” إلى “مرحلة شبه مستقلة”. إذ بدأت بعض المشاريع تحمل قدرات تنفيذ ذاتية ضمن نطاق محدود، لكن تبقى مراجعة البشر وآليات الاحتياط (التغطية/الملاذ) هي الشكل الأكثر شيوعًا في النشر. وفي هذا السياق، ومع دمج النضج التقني الحالي وحالة السوق، توجد ثلاث نقاط حكم تستحق التركيز.

أولاً، فإن جوهر معظم مشاريع DeFAI الحالي ما يزال أدوات آلية، وليس “Agent مستقلًا” بالمعنى الحقيقي. فالمنتجات التي تحمل وسم “DeFAI” في المرحلة الحالية تكون قدراتها الأساسية غالبًا في ترجمة أوامر البشر إلى تسلسل عمليات DeFi مُعدّ مسبقًا. وهي أقرب إلى واجهة تنفيذ عالية الكفاءة، وليس نظامًا مستقلًا يمتلك قدرات استدلال واتخاذ قرار بذاته. ووفقًا لتقرير ماكينزي لعام 2025، حتى في سياقات المؤسسات العامة، فإن أقل من 10% من المؤسسات تحقق نشرًا واسعًا لـ AI Agent ضمن أي وظيفة واحدة على الإطلاق. وبالنسبة لسيناريوهات السلسلة، ترتفع عتبات الثقة وتعقيد العمليات. وما يزال هناك قدر كبير من المسافة بين العروض التقنية وبين إغلاق دورة الأعمال بشكل فعلي حقيقي.

ثانيًا، فإن أكثر اتجاهات AI Agent نضجًا والأكثر قابلية لكسب ثقة المؤسسات حاليًا ليس التداول الذاتي عالي المخاطر، بل المراقبة على السلسلة، والتنبيه، ومساعدات الحوكمة. إذ تعد سيناريوهات مثل مراقبة المراكز على مدار الساعة طوال أيام الأسبوع، والتنبيه إلى التصفية (liquidation)، وتحليل مقترحات الحوكمة، من ناحية تتحمل مستوى أعلى نسبيًا من التسامح تجاه هلاوس LLM—فالأخطاء في المخرجات لا تؤدي مباشرة إلى خسارة أموال. ومن ناحية أخرى، يمكن أن تعوض بفاعلية النقص الفطري لدى البشر في الاستمرارية بالانتباه. وتعد هذه السيناريوهات مسارًا أكثر واقعية لـ DeFAI للانتقال من “العرض التقني” إلى “اعتماد المؤسسات”.

ثالثًا، فإن دمج AI Agent مع RWA هو اتجاه التقاطع التالي الذي يستحق تركيزًا خاصًا في هذا المسار. وفقًا لبيانات RWA.xyz، وحتى بداية أبريل 2026، تجاوز إجمالي القيمة للأصول RWA المُمَثلة على السلسلة 27 مليار دولار أمريكي (باستثناء العملات المستقرة stablecoins)، وتشمل فئات مثل سندات الخزانة الأمريكية (U.S. Treasuries) والائتمان الخاص والسلع الأساسية وسندات الشركات وغيرها. إذا تمكن AI Agent من إدارة محفظة أصول تجمع بين RWA للسندات الخزانة والعملات المستقرة—على سبيل المثال عن طريق تعديل نسب التخصيص بينهما تلقائيًا وفقًا لظروف السوق—فستتجاوز أحجام الأصول التي يمكن الوصول إليها بكثير النطاق الحالي الذي يهيمن عليه الأصول الأصلية لـ DeFi، ومن المتوقع أن يقوم فعلاً بربط جانب الأصول على السلسلة وجانبها خارج السلسلة، وتحقيق تآزر Web3+AI+TraFi، ما يوسع بشكل كبير خيال السوق.

الخاتمة

توجد AI Agent وإدارة الأصول على السلسلة حاليًا في فترة انتقال حاسمة من إثبات المفهوم إلى مرحلة التسليع/التأطير كمنتجات. لقد تم التحقق من قابلية الجدوى التقنية مبدئيًا، لكن من المخاطر المرتبطة بهلاوس LLM، إلى عدم تجانس بيانات السلسلة، وصولاً إلى غياب البنية التحتية للثقة—فإن تحديات الصناعة لا يمكن حلها عبر تطوير التقنية وحده. بل يتطلب الأمر دفعًا منهجيًا على مستوى تصميم بنية المشاريع، وتخطيط مسارات الامتثال (compliance)، وبناء منظومة الأمان، والتحقق من نموذج الأعمال.

وهذا يعني أيضًا أن هذا المسار ما يزال في مرحلة بناء مبكرة، ولم تتشكل بعد المنافسة الفعلية على مستوى المشهد (competitive landscape). وبالنسبة إلى الفرق القادرة على التعامل مع بُعدي Web3 وAI معًا، فإن النافذة الحالية هي وقت مناسب للدخول—سواء في بناء أنظمة Agent على السلسلة أكثر موثوقية في طبقة التنفيذ، أو في سد الثغرات الحاسمة المتعلقة بربط البيانات والصلاحيات والثقة في طبقة البنية التحتية—حيث توجد مساحة كبيرة للفراغات التي لم تُملأ بعد.

الحواجز التنافسية لـ DeFAI في النهاية لن تتمحور حول قدرات نموذج مفرد أو عمق تكامل البروتوكولات منفردًا، بل حول ما إذا كانت هناك القدرة على بناء حلقة مغلقة حقيقية ومتسقة بين التقنية والامتثال والأمان.