تتم إعادة تركيز قوة الحوسبة: بعد انخفاض سعر DeepSeek، من سيسيطر على البنية التحتية للذكاء الاصطناعي؟

لا شيء

—— من حديث Gonka في LA Hacks 2026

26 أبريل، أطلقت DeepSeek تسعيرة جديدة لسلسلة V4 من API: انخفاض سعر استدعاء التخزين المؤقت للمدخلات في جميع النسخ إلى عُشر سعر الإطلاق، وبعد خصم محدود الوقت على نسخة Pro، أصبح تكلفة معالجة مليون توكن منخفضة إلى 0.025 يوان — أي أقل بنحو مائة مرة مقارنة قبل عام. شهد قطاع الحوسبة في سوق الأسهم الصينية ارتفاعات جماعية، وارتفعت معنويات السوق بشكل حماسي.

لكن وراء هتافات الاحتفال، هناك مشكلة لم يتحدث عنها أحد بشكل مباشر: مع تزايد انخفاض تكلفة النماذج، تتركز القدرة على تشغيل النماذج بشكل متزايد.

البيانات لا تكذب. في الربع الرابع من عام 2025، زادت نفقات الشركات الأربع الكبرى في السحابة، مايكروسوفت وأمازون وفيسبوك وجوجل، بنسبة 64% على أساس سنوي لتصل إلى 1186 مليار دولار؛ ومن المتوقع أن تتزايد النفقات الإجمالية للسحابة خلال عام 2026 بنسبة 53% على أساس سنوي، لتصل إلى 5708 مليار دولار. في الوقت نفسه، رفعت جوجل هدف شحن شرائح TPU لعام 2026 بنسبة 50% إلى 6 ملايين وحدة. دورة تسليم سلسلة H100 من إنفيديا، في بعض الأسواق، استغرقت عدة أشهر.

تتجه السيطرة على تسعير النماذج نحو المطورين، لكن السيطرة على القدرة الحاسوبية تتجمع بسرعة أكبر في أيدي عدد قليل من الشركات العملاقة. هذا تناقض خفي وعميق في عصر الذكاء الاصطناعي.

في هذا السياق، في 24 أبريل 2026، صعد مؤسسا بروتوكول Gonka، Daniil و David Liberman، إلى منصة الخطاب الرئيسية في LA Hacks 2026. كانت هذه أكبر مسابقة هاكاثون جامعية سنوية في UCLA، هذا العام بمشاركة Liberman كضيف رئيسي، أمام مئات من المهندسين الموهوبين الذين يستعدون لدخول هذا القطاع. السؤال الذي طرحه، والذي أصبح أكثر وضوحًا الآن: هل لا يزال من الممكن تحقيق الحوسبة اللامركزية؟

1. الجانب الآخر من موجة الانخفاض في الأسعار

منطق انخفاض أسعار DeepSeek V4، هو في الظاهر فائدة من التقدم التكنولوجي — حيث ضغط آلية الانتباه الجديدة على أبعاد التوكن، ودمجت مع انتباه DSA المتناثر، مما قلل بشكل كبير من الحاجة إلى الحساب والذاكرة الرسومية. لكن استمرارية انخفاض الأسعار تعتمد على شرط أساسي: وجود قدرة حاسوبية كافية ورخيصة في مكان ما.

الواقع أن مصدر هذه القدرة الحاسوبية «الكافية» يتجمع بسرعة في عدد قليل من النقاط على مستوى العالم. قال مايكل هيرلسون، المدير التنفيذي لشركة Lumentum الرائدة في الاتصالات الضوئية، قبل فترة قصيرة، إن القدرة الإنتاجية للشركة، وفقًا للاتجاه الحالي، تكاد تكون مباعة بالكامل بحلول عام 2028. هذا ليس مشكلة شركة واحدة فقط، بل هو توتر جماعي في سلسلة إمداد البنية التحتية للذكاء الاصطناعي، أمام طلب يتسارع بسرعة.

استخدم Daniil في حديثه في LA Hacks مقارنة بسيطة لكنها فعالة: لقد تجاوزت قدرة حوسبة شبكة البيتكوين مجمل قدرات جوجل ومايكروسوفت وأمازون — لكن ماذا تفعل هذه القدرة؟ إنها تحل لغز هاش لا يحتاج أحد إلى إجابته. نفس الشيء ينطبق على القدرة غير المستغلة من وحدات GPU حول العالم: بطاقات الرسوم في أجهزة اللاعبين، وخوادم المختبرات الجامعية، والموارد المتبقية لدى مزودي الخدمات السحابية الصغيرة والمتوسطة، مجتمعة، ضخمة، لكنها غير منسقة، ولا يمكن استغلالها في استنتاجات الذكاء الاصطناعي بسبب نقص آلية تنسيق.

ما يحاول Gonka حله، هو هذه المشكلة التنسيقية — باستخدام آلية حوافز إثبات العمل، لتنظيم وحدات GPU غير المستغلة حول العالم في شبكة قادرة على تنفيذ مهام استنتاج الذكاء الاصطناعي الحقيقية.

2. الاستنتاج ساحة المعركة الجديدة

أثارت موجة انخفاض الأسعار من DeepSeek نقاشًا واسعًا حول «المساواة في الذكاء الاصطناعي» في الإنترنت الصيني. لكن هناك تفصيل مهم تم تجاهله: انخفاض الأسعار هو في «تكلفة الاستدعاء»، وليس في «تكلفة القدرة الحاسوبية». مع توسع تطبيقات الذكاء الاصطناعي، فإن زيادة استدعاءات الاستنتاج تتزايد بشكل أسي — وفقًا لتوقعات الصناعة، بحلول 2026، ستشكل الاستنتاج حوالي ثلثي استهلاك القدرة الحاسوبية للذكاء الاصطناعي على مستوى العالم.

ماذا يعني هذا؟ مع كل انخفاض بمقدار وحدة في سعر الاستدعاء، فإن إجمالي القدرة الحاسوبية المطلوبة سيزداد، وليس يتناقص. إن «ديمقراطية» النماذج الكبيرة، من ناحية، تعجل من تركيز القدرة الحاسوبية — لأن اللاعبين الذين يمتلكون قدرات حاسوبية هائلة هم الوحيدون القادرون على الحفاظ على تشغيل خدمات الاستنتاج بأرباح منخفضة جدًا.

هذه بنية احتجازية تتشكل: من يسيطر على القدرة الحاسوبية المادية للاستنتاج، يسيطر على المدخل الحقيقي للبنية التحتية في عصر الذكاء الاصطناعي. من هذا المنظور، فإن الشبكة اللامركزية للقدرة الحاسوبية ليست مجرد تحسين تكلفة «خفضت 50%»، بل توفر مسارًا بديلًا هيكليًا قبل أن يتم احتكارها مركزيًا.

3. سؤال حقيقي للمبادرين الشباب

المشاركون في LA Hacks — من مهندسين ومنتجين من أرقى الجامعات في كاليفورنيا — سيواجهون قريبًا خيارًا هندسيًا غير رومانسي: على أي مستوى من القدرة الحاسوبية يبنون منتجاتهم؟

هل استدعاء نماذج الذكاء الاصطناعي الخاصة بك، يتم على خوادم من أي منصة؟

عندما تعدل تلك المنصة استراتيجيتها في التسعير أو سياساتها في الوصول، هل لديك القدرة على الانتقال؟

هل حجم المستخدمين الذين تبنيه، يخلق قيمة لنفسك، أم يمد يد المنفعة للمنصة؟

هذه الأسئلة كانت قد مر بها المطورون في عصر Web2: عندما يصبح مصير التطبيق مرتبطًا بشكل عميق بخوارزميات المنصة أو قواعد التوزيع، يصبح «الاستقلال» كلمة تحتاج إلى إعادة تعريف دائم. الاعتماد على القدرة الحاسوبية في عصر الذكاء الاصطناعي، يعيد إنتاج نفس المنطق، ولكن بتكلفة انتقال أعلى، وتصبح ظاهرة الاحتجاز أكثر قوة.

الهاكاثون، كصيغة، يحمل سخرية داخلية: خلال 36 ساعة، باستخدام أقل الموارد، وأسرع وقت، تبني شيئًا قابلًا للتشغيل — وهو بالضبط الحالة التي تسعى إليها آليات الحوافز للشبكة اللامركزية. صعود Daniil إلى منصة LA Hacks ليس فقط لعرض Gonka، بل كأنه يسأل هؤلاء: هل ستساعدون في تسريع هذا الاتجاه المركزي، أم تخلقون احتمالات جديدة؟

4. PoW 2.0: مسألة هندسية

أعدت Gonka هيكلة حوافز إثبات العمل من خلال إعادة توجيهها نحو استنتاج الذكاء الاصطناعي، بحيث يكون تقريبًا 100% من القدرة الحاسوبية المساهمة مرتبطة مباشرة بالمهام الحقيقية. يتطلب هذا آلية هندسية رئيسية: يجب أن تكون مهام استنتاج الذكاء الاصطناعي قابلة للتحقق، وقابلة لإعادة الإنتاج — بمعنى، مع نفس أوزان النموذج، ونفس البذرة العشوائية، والمدخلات، يمكن لأي عقدة إعادة حساب النتائج والتحقق من صحتها. هذه هي التحدي الهندسي الرئيسي الذي تنتقل به Gonka من نموذج أكاديمي إلى شبكة قابلة للتشغيل.

من الناحية الاقتصادية، تكمن أهمية هذه الآلية في أن قيمة التوكن مرتبطة بشكل طبيعي بتكلفة القدرة الحاسوبية المادية، وليس بمشاعر السيولة. يحصل المعدنون الذين يساهمون بالقدرة على عائد، ويدفع المطورون مقابل استدعاء القدرة، ويكتمل نظام الحوافز دون الاعتماد على نية طرف ثالث.

بالطبع، الإمكانية التقنية ليست سوى جزء من الصورة. السؤال الأصعب هو: في زمن تزايد الطلب على القدرة الحاسوبية، واستثمار الشركات الكبرى بمليارات الدولارات، هل يمكن لشبكة حوسبة موزعة تعتمد على مساهمات المجتمع أن تتنافس على نطاق واسع؟

بيانات Gonka المبكرة تقدم مرجعًا: خلال أقل من سنة من إطلاق الشبكة، توسعت القدرة المجمعة من 60 وحدة H100 إلى أكثر من 10,000 وحدة، وهو معدل نمو ناتج عن مشاركة مئات العقد المستقلة حول العالم، وليس من خلال توزيع مركزي. هذا لا يثبت أن مشكلة الحجم قد حُلت، لكنه يدل على أن آلية الحوافز فعالة في دفع النمو المبكر.

5. مشكلة النافذة الزمنية

تاريخيًا، غالبًا ما تتجمع السيطرة على البنية التحتية بسرعة في المراحل المبكرة — كما حدث مع السكك الحديدية، والإنترنت، والهواتف المحمولة. في كل مرة، قبل أن تتصلب المعايير، يجد بعض اللاعبين موطئ قدم، وبعد أن تركز السيطرة، يدرك الآخرون أن حقوق المشاركة قد تقلصت بشكل كبير.

في أي مرحلة تقع بنية الحوسبة للذكاء الاصطناعي الآن؟ من خلال نفقات الشركات الأربع الكبرى في السحابة لعام 2026، التي تتوقع أن تصل إلى 5708 مليار دولار، فإن التركيز يتسارع؛ لكن من خلال أنماط الاستخدام الفعلية للمطورين، لا تزال هناك موارد غير مستغلة بشكل فعال. هذه الفجوة تمثل مساحة يمكن أن تتواجد فيها الشبكة اللامركزية من الناحية الهيكلية.

استشهد Daniil في حديثه بمقارنة: بعد فقاعة الإنترنت عام 2000، لم تترك الخراب، بل تركت شبكة ألياف بصرية ممتدة حول العالم، دعمت تشغيل الاقتصاد الرقمي على مدى العشرين عامًا التالية. بعد تباطؤ استثمار البنية التحتية للذكاء الاصطناعي، ستصبح البروتوكولات وآليات الحوافز التي تتراكم، أساس البنية التحتية للمرحلة القادمة — السؤال هو: أي من هذه البروتوكولات ذات المنطق الأساسي القوي يمكنها أن تظل تعمل تحت الضغط؟

هذه ليست مسألة مشروع معين، بل قضية تتعلق بقطاع الذكاء الاصطناعي اللامركزي بأكمله: هل يمكن أن تصمد هياكل الحوكمة أمام التآكل من خلال السيطرة المركزية؟ هل تظل آليات الحوافز فعالة مع توسع الحجم؟ هل يمكن أن يظل الشبكة الحاسوبية اللامركزية، من حيث التقنية، وإصدار التوكن، واتخاذ القرارات، متماسكة في آن واحد؟

الخاتمة

أعاد انخفاض أسعار DeepSeek إحياء سرد «ديمقراطية الذكاء الاصطناعي». لكن، بين «ديمقراطية الاستنتاج» و«ديمقراطية البنية التحتية للحوسبة»، هناك فرق كبير. الأول يحدث الآن؛ والثاني، يعتمد على مدى جدية الناس في حل مشكلة هندسية، وليس مجرد سرد جميل.