اختراق تقني في Bittensor يدفع ارتفاع رموز الذكاء الاصطناعي: التدريب الموزع وتوسع النظام البيئي

2026 年 3 月، قطاع الذكاء الاصطناعي المشفّر بالعملات الرقمية يشهد إعادة تقييم هيكلية. وبروتوكول البنية التحتية للذكاء الاصطناعي اللامركزي، ممثّلًا بـ Bittensor، وبفضل الدفع المشترك للإنجازات التقنية وإدراك السوق، تَحقَّقَت حركة سعرية مستقلة. وفقًا لبيانات Gate حول السوق، اعتبارًا من 3 أبريل 2026، يبلغ سعر الرمز الأصلي لـ Bittensor TAO 301.96 دولارًا، وبلغت نسبة الارتفاع خلال 24 ساعة 1.2%، مع قيمة سوقية متداولة تُقدَّر بنحو 3.26 مليار دولار، وبلغ حجم التداول خلال 24 ساعة 323 مليون دولار. ارتفع TAO بنحو 140% خلال الأسابيع الستة الماضية، ومن بينها ارتفاع يقارب 105% منذ 8 مارس.

عوامل الارتفاع في هذه الجولة لا تعود إلى مشاعر المضاربة قصيرة الأجل، بل إلى تطور تقني له دلالة هيكلية على مستوى القطاع—إذ تم للمرة الأولى التحقق بشكل ملموس من جدوى تدريب النماذج اللغوية الكبيرة الموزعة. هذا التغيير يعيد تشكيل منطق تسعير السوق لمسار الذكاء الاصطناعي اللامركزي.

من الاختراقات التقنية إلى الإدراك السوقي: نقطة انعطاف موثوقية التدريب الموزّع

في مارس 2026، قامت فرقة Covenant AI التابعة لـ Bittensor Subnet 3 (Templar) بنشر تقريرًا تقنيًا على arXiv، معلنةً إتمام تدريب نموذج Covenant-72B. هذا نموذج لغوي كبير يبلغ عدد معلماته 72 مليارًا، تم إنجازه بدون ترخيص عبر أكثر من 70 عقدة موزعة عالميًا. سجل النموذج 67.1 في اختبار معيار MMLU، وهو ضمن نطاق تنافسي مماثل لـ LLaMA-2-70B (بنـسبة 65.6) الذي أطلقته Meta في 2023.

تكمن الأهمية الصناعية لهذه النتيجة في أنها تقدّم لأول مرة دليلًا قابلاً للتحقق يثبت أن أسلوب التدريب الموزّع، الذي اعتبره الرأي السائد منذ فترة طويلة بأنه “بطيء جدًا ومجزأ جدًا”، يمكن أن يُنتج نتائج تنافس نماذج مركزية. لا يعتمد تدريب Covenant-72B على أي مراكز بيانات مركزية؛ بل يستند إلى القدرة الحاسوبية التي تساهم بها عقد موزعة في جميع أنحاء العالم.

الدعم التقني الأساسي لهذا الاختراق هو خوارزمية SparseLoCo. تقلل هذه الخوارزمية البيانات التدريبية التي تحتاج العقد إلى نقلها بحوالي 146 مرة، بمعدل ضغط يتجاوز 97%، مع خسارة شبه معدومة في دقة النموذج. وهذا يعني أن التدريب الموزّع لم يعد يحتاج إلى عرض نطاق شبكات فائقة السرعة—إذ تكفي متطلبات الاتصالات بين العقد المتضمنة نحو 500 Mb/s من اتصال إنترنت منزلي عادي، ما يخفض بشكل كبير عتبة المشاركة.

ذكر الرئيس التنفيذي لشركة NVIDIA، هوانغ رينسن، علنًا تقدم هذه التقنية في بودكاست All-In ووصف نتائج التدريب الموزع على Bittensor بأنها “إنجاز تقني مدهش إلى حد كبير”. كما وجّه مستثمرون من شركة رأس المال المغامر Chamath Palihapitiya الحديث إلى هذا الموضوع ضمن الحلقة نفسها. إن اهتمام شخصيات محورية في قطاع التكنولوجيا السائد يعزز كذلك إعادة تشكيل فهم السوق لإمكانية تدريب الذكاء الاصطناعي الموزع.

من ترقية dTAO إلى دخول المؤسسات

لم تكن نتائج أداء Bittensor في هذه الجولة حدثًا معزولًا، بل نتجت عن تراكب عدة عوامل هيكلية. تشكل النقاط الزمنية الرئيسية التالية إطارًا لفهم منطق تطوره.

فبراير 2025—ترقية آلية Dynamic TAO، وإدخال نظام رموز Subnet. يمكن للمستخدمين إيداع TAO في حوض سيولة تابع لـ Subnet محددة، ويحدد تدفق أموال السوق تخصيص انبعاثات TAO لكل Subnet. وبذلك انتقل التنظيم الاقتصادي من تصويت المدققين إلى منافسة أكثر تسويقًا.

ديسمبر 2025—شهدت Bittensor أول خفض لنصف مكافآت الكتل، حيث انخفض عدد TAO الصادر يوميًا من 7,200 وحدة إلى 3,600 وحدة، ما أدخل توقعات انكماشية من جهة العرض.

من أواخر 2025 إلى أوائل 2026—تسارع توزيع الموارد من قبل المؤسسات. قدّمت Grayscale في نهاية ديسمبر 2025 طلب S-1 إلى SEC لمنتج TAO Spot ETF، وتابعت Bitwise ذلك في نفس اليوم. ونشرت شركة Yuma، وهي شركة تابعة لـ Digital Currency Group، تقريرها السنوي “State of Bittensor”، الذي يجري مراجعة منهجية لتوسع نظام Subnet البيئي.

أوائل مارس 2026—انتشرت أخبار إكمال تدريب Covenant-72B في الأوساط التقنية. وقد استشهد Jack Clark، المؤسس المشارك لدى Anthropic، بهذا الاختراق بشكل خاص في تقريره عن تقدم أبحاث الذكاء الاصطناعي، وأسند إلى فصله عنوانًا: “تحدي الاقتصاد السياسي للذكاء الاصطناعي عبر التدريب الموزع”.

منتصف مارس 2026—عبّر هوانغ رينسن عن موقفه علنًا، ما أثار اهتمامًا أوسع في السوق. ارتفع سعر TAO بنحو 20% خلال 24 ساعة من نشر الخبر، وتجاوز حجم التداول 4.71 مليون دولار.

أواخر مارس 2026—توسع اقتصاد Subnet أكثر، ووصل إجمالي القيمة السوقية لرموز Subnet إلى 27% من قيمة TAO السوقية، مسجلًا أعلى مستوى تاريخي.

بداية أبريل 2026—حتى 4 أبريل 3، يبلغ حجم العرض المتداول من TAO نحو 10.79 مليون وحدة، ويفوق إجمالي نسبة التكديس 68%. وسجل مؤشر GMCI AI ارتفاعًا تراكمًا قدره نحو 48% منذ بداية فبراير.

السمات الهيكلية لارتفاع المؤشر

يُعد مؤشر GMCI AI أحد المؤشرات المرجعية لقياس أداء قطاع الذكاء الاصطناعي المشفر ككل. وحتى أوائل أبريل، سجل هذا المؤشر 51.26، مرتفعًا بنحو 48% منذ فبراير. لكن يلزم تفسير هذه البيانات بحذر مع مراعاة تكوين المؤشر.

يتكون مؤشر GMAI من 9 رموز، لكن تركزها في الجزء الأمامي مرتفع للغاية: تشكل Bittensor (TAO) وRender (RNDR) و”تحالف الذكاء الاصطناعي الفائق” (ASI) معًا نسبة تزيد عن 71%. وهذا يعني أن المؤشر يعكس أكثر أداء رموز البنية التحتية للذكاء الاصطناعي الرئيسية الثلاثة، وليس المزاج العام الواسع عبر كامل القطاع. وتبلغ أوزان TAO في المؤشر حوالي 24.89%، بينما تقارب حركة سعره في مارس نمطًا يشبه التضاعف تقريبًا، ما ساهم بصورة رئيسية في ارتفاع المؤشر.

ومن منظور اقتصاديات الرموز، فإن إجمالي المعروض لـ TAO والحد الأقصى للمعروض متساويان عند 21 مليون وحدة، ويبلغ المعروض المتداول حاليًا نحو 10.79 مليون وحدة، ومعدل التداول نحو 51.4%. وتشير نسبة التكديس التي تتجاوز 68% إلى أن كمية كبيرة من المعروض المتداول في حالة قفل، ما يقلل ضغوط البيع الفورية في السوق الثانوية.

يشكل اقتصاد Subnet بُعدًا مهمًا آخر في نظام Bittensor البيئي. وحتى مارس 2026، يوجد نحو 129 Subnet نشطة داخل نظام Bittensor، بإجمالي قيمة سوقية لرموز Subnet يقارب 1.5 مليار دولار، وإيراد سنوي مُقاس بنحو 100 مليون دولار. وقد وصل إجمالي القيمة السوقية لرموز Subnet إلى نحو 27% من قيمة TAO. ويشير ارتفاع هذه النسبة إلى انتقال القيمة من “قاعدة الشبكة” (TAO) إلى “طبقة التطبيقات” (Subnets)، مع تزايد نشاط الأنشطة الاقتصادية داخل البيئة. وحققت رموز Subnet τemplar (SN3) ارتفاعًا يزيد عن 400% في مارس، لتصل القيمة السوقية إلى نحو 130 مليون دولار.

الإجماع والجدل والفجوات المعلوماتية

بالنسبة للصعود الذي حققته Bittensor في هذه الجولة، يوجد في السوق سرديات متعددة على عدة مستويات، مع اختلاف واضح في محاور تركيز المشاركين.

يركّز المتفائلون التقنيون على نقطة انعطاف “تم دحضها ثم إثباتها” لجدوى التدريب الموزّع. اعتبر قطاع الذكاء الاصطناعي السائد سابقًا تدريبًا موزعًا بأنه مسار غير فعّال ولا يمكن توسيعه على نطاق واسع. تم تنفيذ تدريب Covenant-72B بحجم 72 مليار معلمة في ظل شروط غير مرخصة، وتحقيق درجة MMLU بلغت 67.1، وهو مستوى متقدم بشكل ملحوظ ضمن مسار التدريب اللامركزي (مقارنةً بدرجات 32.7 لـ INTELLECT-1 و24.2 لـ Psyche Consilience). وقد غيّر هذا الإنجاز تقييم السوق للطرح الأساسي “هل يمكن للذكاء الاصطناعي الموزع أن يكون قابلاً للتطبيق؟”.

في حين يركز المعتمدون على السردية على انتقال النفوذ الخارجي. يُفسّر موقف هوانغ رينسن في البودكاست على أنه “تأييد” لمسار تطوير الذكاء الاصطناعي الموزع. كما قدّم هوانغ رينسن في البودكاست إطارًا يقول: “ليست هاتان المسألتان A أو B، بل A وB معًا”، واعتبر أن البنية التحتية اللامركزية والنماذج الاحتكارية يمكن أن تسيرا جنبًا إلى جنب على المدى الطويل. يوفّر هذا الرأي تبريرًا منطقيًا من الصناعة السائدة للذكاء الاصطناعي لقيمة وجود الذكاء الاصطناعي الموزع. من ناحية البيانات الاجتماعية، وصلت حدة النقاش حول Bittensor على منصات مثل X وReddit وTelegram إلى ثاني أعلى مستوى تاريخيًا، وكانت مؤشرات المشاعر تقريبًا عند مستوى يقابل فيه كل تعليق سلبي 1.5 تعليق إيجابي. ومع ذلك، لم يصل مستوى مشاركة الأفراد الهواة بعد إلى مستوى شائع عادةً مع أنشطة المضاربة عالية الشدة.

أما المشككون في القيمة فيطرحون اعتراضات انطلاقًا من الأساسيات الاقتصادية. يتمحور الجدل الأساسي في أن: يوجد فجوة واضحة بين حجم الإعانات التي تقدمها شبكة Bittensor وبين الإيرادات الخارجية. يبلغ إجمالي الإعانة بالتناسب السنوي عبر الشبكة نحو 360 مليون دولار، في حين لا تتجاوز إيرادات Subnet الخارجية حوالي 100 مليون دولار. يرى طرف الشك أن التقييم الحالي يعتمد أساسًا على سردية الندرة من جهة العرض، وليس مدفوعًا بالاستخدام الفعلي من جهة الطلب. ومن نقطة جدل أخرى الاستدامة المتعلقة “بالخندق التقني”—فإن نتائج تدريب النموذج نفسها مفتوحة المصدر، وتكلفة تبديل المستخدمين بين منصات حساب مختلفة شبه معدومة، ما يعني صعوبة قيام Subnet ببناء حواجز تنافسية حقيقية.

تحليل أثر القطاع: من رمز واحد إلى نظام بيئي متعدد المستويات

يمكن تحليل أثر أداء Bittensor في هذه الجولة على قطاع الذكاء الاصطناعي المشفر من خلال ثلاثة مستويات.

المستوى الأول: إعادة بناء منطق تقييم المسار. واجه الذكاء الاصطناعي اللامركزي منذ فترة طويلة شكًا جوهريًا يتمثل في: “هل التدريب الموزع ممكن؟”. وبسبب ذلك، افتقر التقييم إلى مرساة تقنية. وقد غيّرت إنجازات Covenant-72B هذا الوضع، فانتقل اهتمام السوق من اقتصاديات الرموز إلى التقدم التقني الملموس. وأشارت Grayscale في تقريرها الصادر في 31 مارس 2026 إلى ما يلي: “يمثل نجاح تدريب نموذج بـ 720 مليار معلمة محطةً مفصلية، إذ ينقل اهتمام السوق من اقتصاديات الرموز إلى التقدم التقني الملموس”.

المستوى الثاني: تغير المشهد التنافسي. تتجه رؤوس الأموال والسيولة في قطاع الذكاء الاصطناعي المشفر حاليًا إلى تركّز لدى قلة من الأنظمة البيئية المرتبطة بالذكاء الاصطناعي. تمثل Bittensor وRender وتحالف الذكاء الاصطناعي الفائق (FET) جوهر هذا الاتجاه. وحتى أوائل أبريل، يبلغ سعر FET حوالي 0.2427 دولار، بينما يبلغ سعر Render حوالي 1.86 دولار. وتشكل الرموز الثلاثة مجتمعة أكثر من 70% من وزنها في مؤشر GMCI AI، ما يخلق بنية “يصبح الأقوى أقوى”. وبالنسبة للمشروعات المتوسطة والصغيرة داخل المسار، تعني هذه الموجة أن عتبات الحصول على الاهتمام والسيولة ترتفع.

المستوى الثالث: ضبابية حدود التقاء التشفير مع صناعة الذكاء الاصطناعي. تعني نضوج اقتصاد Subnet انتقال مشاريع الذكاء الاصطناعي اللامركزية من مرحلة “التحقق بالمفهوم” إلى مرحلة “كيانات تشغيلية تحقق إيرادات”. تتحول رموز Subnet إلى شركات قادرة على توليد الإيرادات، وقد تجاوزت بعض نماذج الأعمال الخاصة بالـ Subnet النطاق التقليدي للذكاء الاصطناعي المشفر، لتخلق منافسة مباشرة مع أسواق خدمات الذكاء الاصطناعي التقليدية. فعلى سبيل المثال، يشكل سوق حسابات GPU لدى Targon منافسة مباشرة مع مزودي السحابة المركزيين. وقد يؤدي هذا الاتجاه إلى زيادة اهتمام صناعة الذكاء الاصطناعي التقليدية بحلول بديلة لامركزية، كما قد يفتح موضوعات جديدة على مستوى التنظيم.

سيناريوهات تطور متعددة السياقات: ثلاث مسارات محتملة لاحقة

بناءً على التقدم التقني الحالي، والبنية الاقتصادية، والبيئة السوقية، توجد احتمالات متعددة لتطور Bittensor ومسار رموز الذكاء الاصطناعي لاحقًا.

السيناريو الأول: دورة إيجابية. إذا استمر نظام Subnet في توليد إيرادات خارجية قابلة للتحقق، فسيحصل عدد أكبر من Subnet على عملاء تجاريين وكميات استخدام فعلية، ما سيدفع تدريجيًا بتحسن النسبة بين الإيرادات الخارجية وإعانات الانبعاثات. في هذا السيناريو، سينتقل تقييم السوق لـ Bittensor من “مدفوع بالسردية” إلى “مدفوع بالإيرادات”. وتشمل المؤشرات الرئيسية للمراقبة: معدل نمو الإيرادات الخارجية لـ Subnets ربع سنويًا، وما إذا كانت نسبة القيمة السوقية الإجمالية لرموز Subnet إلى قيمة TAO تستمر في الارتفاع، وما إذا كان عدد Subnets يستمر في الزيادة.

السيناريو الثاني: عودة إلى المتوسط. ارتفع TAO بنحو 140% خلال ستة أسابيع، وقد تم تسعير بعض المحفزات مسبقًا. إذا حدثت تصحيح كبير لسعر البيتكوين (مثل الهبوط دون 65,000 دولار)، فقد يتسبب ذلك في صدمة ملحوظة لرموز ذكاء اصطناعي ذات معامل بيتا مرتفع. في هذا السيناريو، إذا تعذر على نمو استخدام الشبكة اللحاق بسرعة توسع السردية، فقد تواجه علاوة التقييم انكماشًا. تشمل المؤشرات الرئيسية للمراقبة: اتجاه السوق العام للبيتكوين، وتغير حجم المعاملات الفعلية على السلسلة لـ TAO، وما إذا كانت نسبة التكديس ستنخفض.

السيناريو الثالث: تباين بنيوي. تحدد آلية المنافسة القائمة على تسويق رموز Subnet (dTAO) نتيجة التباين في الأداء باعتبارها نتيجة حتمية للتصميم. توجد Subnets صارت بالفعل إلى أن تنخفض كمية انبعاثاتها إلى الصفر بسبب عدم قدرتها على جذب طلب كافٍ. ومع ارتفاع درجة نضج النظام البيئي، قد يتوسع الفارق بين Subnets في المقدمة وتلك في المؤخرة. في هذا السيناريو، باعتبار TAO “كمؤشر” يمثل النظام البيئي بالكامل، فقد ينفصل مسار سعره زمنيًا عن أداء Subnet منفردة. وتشمل المؤشرات الرئيسية للمراقبة: تشتت الفروق في نسب الارتفاع/الهبوط بين رموز Subnet، وتغير درجة تركّز توزيع انبعاثات Subnets.

السيناريو الرابع: صدمات خارجية. تشمل مصادر الصدمات المحتملة: قيام الجهات التنظيمية بمراجعة امتثال مصادر بيانات الذكاء الاصطناعي اللامركزية أو مخرجات النموذج؛ إثبات وجود ثغرات أمنية في خوارزمية بعينها تعتمد عليها التدريبات الموزعة؛ وإطلاق مزودي الذكاء الاصطناعي المركزيين منتجات حساب موزعة أكثر تنافسية. ورغم أن هذه السيناريوهات أقل احتمالًا، فإن وقوعها قد يؤدي إلى تأثير منهجي على منطق تقييم مسار الذكاء الاصطناعي اللامركزي.

الخاتمة

حقق Bittensor في الربع الأول من 2026 مسارًا مستقلًا في الأداء، وكانت محركاته الأساسية ناتجة عن تحول في الإدراك يتمثل في أن تدريب الذكاء الاصطناعي الموزع انتقل من “إمكانية نظرية” إلى “قابلية للتحقق عمليًا”. أكمل Covenant-72B تدريبًا موزعًا بدون ترخيص بحجم 720 مليار معلمة، ما أثبت جدوى هذا المسار تقنيًا. إن الاهتمام العلني من شخصيات رئيسية في قطاع التكنولوجيا السائد مثل هوانغ رينسن يسرّع كذلك سرعة قبول السوق لهذه السردية.

ومع ذلك، لا يزال هناك فرق بين التحقق من السردية ودعم الأساسيات. يبلغ إجمالي الإيراد السنوي لنظام Subnet نحو 100 مليون دولار، مقابل فجوة تقارب 360 مليون دولار في الإعانات السنوية لانبعاثات التدريب، ما يشير إلى أن التقييم الحالي يتضمن توقعات أعلى لنمو مستقبلي. وتدفع آلية المنافسة المَسوقة لاقتصاد Subnet (dTAO) إلى تباين بنيوي داخل النظام البيئي؛ وهذه العملية تعكس تحسنًا في الكفاءة، لكنها ترافقها أيضًا مخاطر استبعاد بعض Subnets.

يمر مسار الذكاء الاصطناعي اللامركزي حاليًا بمرحلة محورية من التحقق بالمفهوم إلى التحقق التجاري. سيتم تحديد اتجاه السوق في المستقبل بما إذا كانت الاختراقات التقنية يمكن أن تتحول باستمرار إلى نمو ملموس في استخدام الشبكة، وبما إذا كان بإمكان الإيرادات الخارجية أن تضيق تدريجيًا الفجوة مع إعانات الانبعاثات.