في مارس 2026، شهد قطاع الذكاء الاصطناعي في العملات الرقمية إعادة تقييم هيكلية. قاد Bittensor وبروتوكولات البنية التحتية اللامركزية للذكاء الاصطناعي الأخرى هذه الموجة، حيث شهد القطاع موجة صعود قوية مدفوعة بالاختراقات التقنية المتقدمة وتزايد الوعي في السوق. ووفقًا لبيانات سوق Gate، بلغ سعر الرمز الأصلي لـ Bittensor (TAO) في 3 أبريل 2026 حوالي $301.96، مرتفعًا بنسبة %1.2 خلال 24 ساعة، مع قيمة سوقية متداولة تقارب $3.26 مليار وحجم تداول خلال 24 ساعة بلغ $323 مليون. وخلال الأسابيع الستة الماضية، ارتفع TAO بنحو %140، بما في ذلك مكاسب بنسبة %105 منذ 8 مارس.
لم تكن هذه الموجة مدفوعة بالمضاربات قصيرة الأجل، بل جاءت نتيجة إنجاز تقني بارز: حيث تم إثبات الجدوى العملية لتدريب النماذج اللغوية الكبيرة الموزعة لأول مرة. هذا التحول يغير بشكل جذري الطريقة التي يقيم بها السوق مشاريع الذكاء الاصطناعي اللامركزية.
من الاختراق التقني إلى الاعتراف السوقي: نقطة التحول في التدريب الموزع
في مارس 2026، نشر فريق Covenant AI من Bittensor Subnet 3 (Templar) تقريرًا تقنيًا على arXiv أعلن فيه عن نجاح تدريب نموذج Covenant-72B. هذا النموذج اللغوي الكبير، الذي يحتوي على 72 مليار معامل، تم تدريبه بشكل مسبق بطريقة لا تتطلب إذنًا عبر أكثر من 70 عقدة موزعة عالميًا. وحقق النموذج نتيجة 67.1 على معيار MMLU، ليضعه في نفس النطاق التنافسي مع نموذج Meta LLaMA-2-70B (الذي حقق نتيجة 65.6) الصادر عام 2023.
تكمن أهمية هذا الإنجاز للصناعة في كونه دليلًا يمكن التحقق منه على أن التدريب الموزع—الذي طالما اعتبرته الآراء السائدة "بطيئًا جدًا ومجزأًا"—يمكنه في الواقع تحقيق نتائج تضاهي النماذج المركزية. عملية تدريب Covenant-72B اعتمدت على قوة الحوسبة الجماعية التي توفرها العقد اللامركزية حول العالم، دون الحاجة لأي مركز بيانات مركزي.
أما العنصر التقني الأساسي الذي مكّن هذا الإنجاز فهو خوارزمية SparseLoCo، التي قامت بضغط بيانات التدريب المنقولة بين العقد بنحو 146 مرة—أي أكثر من %97 ضغط—مع فقدان ضئيل في دقة النموذج. هذا يعني أن التدريب الموزع لم يعد بحاجة إلى سرعات شبكة فائقة، إذ أصبح اتصال النطاق العريض المنزلي بسرعة 500 ميجابت/ثانية كافيًا لتواصل العقد، مما يقلل بشكل كبير من الحاجز للدخول.
تحدث الرئيس التنفيذي لشركة NVIDIA، جنسن هوانغ، علنًا عن هذا الاختراق في بودكاست All-In، واصفًا التدريب الموزع لـ Bittensor بأنه "إنجاز تقني مذهل". كما قاد المستثمر المغامر شماث باليهابيتيا النقاش في نفس البرنامج. هذا الاهتمام من قادة التكنولوجيا البارزين سرّع من إعادة تقييم السوق لإمكانية تطبيق التدريب الموزع للذكاء الاصطناعي.
من ترقيات dTAO إلى تبني المؤسسات
أداء Bittensor الأخير في السوق ليس حدثًا منفردًا، بل هو نتيجة لتقاطع عدة عوامل هيكلية. وتوضح النقاط التالية المحطات الرئيسية لفهم تطوره:
فبراير 2025 — تم إطلاق ترقية آلية TAO الديناميكية (dTAO) التي قدمت نظام رموز فرعية. يمكن للمستخدمين تخزين TAO في مجمعات سيولة خاصة بشبكات فرعية معينة، بحيث تحدد تدفقات رأس المال تخصيصات إصدار TAO. أدى ذلك إلى تحويل تنظيم الاقتصاد من تصويت المدققين إلى منافسة قائمة على السوق.
ديسمبر 2025 — شهد Bittensor أول عملية تنصيف لمكافآت الكتل، حيث تم تقليل إصدار TAO اليومي من 7,200 إلى 3,600، مما أدخل توقعات انكماشية على جانب العرض.
أواخر 2025 إلى أوائل 2026 — تسارع انخراط المؤسسات. ففي نهاية ديسمبر 2025، قدمت Grayscale طلب S-1 إلى هيئة الأوراق المالية والبورصات (SEC) لإطلاق صندوق ETF فوري لـ TAO، وتبعتها Bitwise في نفس اليوم. كما أصدرت شركة Yuma التابعة لـ Digital Currency Group تقريرها السنوي "حالة Bittensor"، الذي استعرض توسع النظام البيئي للشبكات الفرعية بشكل منهجي.
بداية مارس 2026 — انتشرت أخبار نجاح تدريب Covenant-72B في مجتمع التكنولوجيا. وأبرز المؤسس المشارك لشركة Anthropic، جاك كلارك، هذا الاختراق في تقريره حول تقدم أبحاث الذكاء الاصطناعي، معنونًا أحد الأقسام بـ "تحدي الاقتصاد السياسي للذكاء الاصطناعي من خلال التدريب الموزع".
منتصف مارس 2026 — أدى تأييد جنسن هوانغ العلني إلى جذب انتباه أوسع في السوق. وقفز سعر TAO بنحو %20 خلال 24 ساعة من الإعلان، مع تجاوز حجم التداول $471 مليون.
أواخر مارس 2026 — توسع اقتصاد الشبكات الفرعية أكثر، حيث بلغت القيمة السوقية الإجمالية لرموز الشبكات الفرعية %27 من القيمة السوقية لـ TAO—وهو مستوى قياسي جديد.
بداية أبريل 2026 — في 3 أبريل، بلغ المعروض المتداول من TAO حوالي 10.79 مليون، مع نسبة تخزين تتجاوز %68. كما ارتفع مؤشر GMCI AI بنحو %48 منذ أوائل فبراير.
السمات الهيكلية لموجة صعود المؤشر
يُعد مؤشر GMCI AI معيارًا رئيسيًا لتتبع الأداء العام لقطاع الذكاء الاصطناعي في العملات الرقمية. وفي أوائل أبريل، بلغ المؤشر 51.26، مرتفعًا بنحو %48 منذ فبراير. ومع ذلك، يتطلب هذا الرقم تفسيرًا دقيقًا في ضوء مكونات المؤشر.
يتكون مؤشر GMAI من تسعة رموز، لكنه يتركز بشكل كبير: إذ تمثل Bittensor (TAO) وRender (RNDR) وتحالف الذكاء الاصطناعي الفائق (ASI) أكثر من %71 من المؤشر. ونتيجة لذلك، يعكس المؤشر بشكل أساسي أداء هذه الرموز الثلاثة للبنية التحتية للذكاء الاصطناعي، بدلاً من الشعور العام للقطاع. ويحمل TAO وحده وزنًا يقارب %24.89، وكان تضاعف قيمته تقريبًا في مارس هو المحرك الرئيسي لمكاسب المؤشر.
ومن منظور اقتصاديات الرموز، يبلغ إجمالي ومعروض TAO الأقصى 21 مليون، مع معروض متداول حالي يقارب 10.79 مليون—أي معدل تداول بنحو %51.4. ومع تخزين أكثر من %68 من الرموز، فإن جزءًا كبيرًا من المعروض المتداول مقفل، مما يقلل من ضغط البيع الفوري في الأسواق الثانوية.
ويُعد اقتصاد الشبكات الفرعية بُعدًا مهمًا آخر في نظام Bittensor البيئي. ففي مارس 2026، كان هناك حوالي 129 شبكة فرعية نشطة، بقيمة سوقية إجمالية لرموز الشبكات الفرعية تقارب $1.5 مليار وإيرادات سنوية تقدر بـ $100 مليون. وتمثل رموز الشبكات الفرعية الآن حوالي %27 من القيمة السوقية لـ TAO. وتدل هذه النسبة المتزايدة على أن القيمة تتدفق من طبقة الشبكة الأساسية (TAO) إلى طبقة التطبيقات (الشبكات الفرعية)، مع تزايد النشاط الاقتصادي داخل النظام البيئي. وارتفع رمز الشبكة الفرعية τemplar (SN3) بأكثر من %400 في مارس، ليصل إلى قيمة سوقية تقارب $130 مليون.
الإجماع، الجدل، والفجوات المعلوماتية
أثارت موجة Bittensor الأخيرة عدة طبقات من السرد، حيث ركزت الأطراف المختلفة على جوانب متباينة.
المتفائلون تقنيًا يركزون على نقطة التحول التي تم فيها "دحض ثم إثبات" جدوى التدريب الموزع. لطالما اعتبر التيار السائد في الذكاء الاصطناعي أن التدريب الموزع غير فعال وغير قابل للتوسع. ويمثل نجاح تدريب Covenant-72B دون إذن وبـ 72 مليار معامل، مع نتيجة MMLU تبلغ 67.1، تقدمًا واضحًا بين جهود التدريب اللامركزية (للمقارنة: سجل INTELLECT-1 نتيجة 32.7، وPsyche Consilience 24.2). وقد غيّر هذا الإنجاز تقييم السوق للسؤال الجوهري: "هل الذكاء الاصطناعي الموزع قابل للتطبيق؟"
المشاركون المدفوعون بالسرد يبرزون تأثير التأييد الخارجي. فقد اعتُبرت تعليقات جنسن هوانغ في البودكاست بمثابة تصويت بالثقة في مسار الذكاء الاصطناعي الموزع. كما صاغ النقاش باعتباره "ليس خيار أ أو ب، بل أ و ب معًا"، مؤكدًا أن البنية التحتية اللامركزية والنماذج المملوكة يمكن أن تتعايش على المدى الطويل. وتمنح هذه الرؤية شرعية صناعية سائدة لقيمة الذكاء الاصطناعي الموزع. وعلى وسائل التواصل الاجتماعي، وصلت المناقشات حول Bittensor على X وReddit وTelegram إلى ثاني أعلى مستوى تاريخي لها، مع مؤشرات مشاعر تظهر حوالي 1.5 تعليق إيجابي مقابل كل تعليق سلبي. ولم يصل بعد مستوى مشاركة الأفراد إلى المستويات المرتبطة عادة بالنشاط المضاربي المكثف.
المشككون في القيمة يثيرون مخاوف بشأن الأسس الاقتصادية. وتتمثل القضية الأساسية في الفجوة بين إعانات شبكة Bittensor وإيراداتها الخارجية. إذ تبلغ الإعانات الصادرة السنوية للشبكة حوالي $360 مليون، بينما لا تتجاوز الإيرادات الخارجية للشبكات الفرعية $100 مليون. ويجادل المشككون بأن التقييمات الحالية مدفوعة بشكل أساسي بسرد الندرة من جانب العرض، وليس بالاستخدام الفعلي من جانب الطلب. ونقطة جدل أخرى هي استدامة الحاجز التقني—فمخرجات تدريب النماذج مفتوحة المصدر، ويواجه المستخدمون تقريبًا صفر تكلفة للتبديل بين منصات الحوسبة، مما يصعّب على الشبكات الفرعية بناء حواجز تنافسية حقيقية.
تحليل الأثر الصناعي: من رمز منفرد إلى نظام بيئي متعدد الطبقات
حقق أداء Bittensor الأخير في السوق تأثيرًا متعدد الطبقات على قطاع الذكاء الاصطناعي في العملات الرقمية:
الطبقة الأولى: إعادة بناء منطق تقييم القطاع. لطالما واجه الذكاء الاصطناعي اللامركزي شكوكًا جوهرية حول جدوى التدريب الموزع، مع تقييمات تفتقر لمرتكز تقني صلب. وقد أدى اختراق Covenant-72B إلى تحويل تركيز السوق من اقتصاديات الرموز إلى التقدم التقني الملموس. كما أشارت Grayscale في تقريرها الصادر في 31 مارس 2026: "يمثل نجاح تدريب نموذج بـ 72 مليار معامل علامة فارقة حاسمة، حيث يحوّل انتباه السوق من اقتصاديات الرموز إلى التقدم التقني الحقيقي."
الطبقة الثانية: تغير المشهد التنافسي. يتركز رأس المال والسيولة في قطاع الذكاء الاصطناعي في العملات الرقمية بشكل متزايد في عدد محدود من الأنظمة البيئية المرتبطة بالذكاء الاصطناعي. وتعد Bittensor وRender وتحالف الذكاء الاصطناعي الفائق (FET) في قلب هذا الاتجاه. وفي أوائل أبريل، كان FET بسعر حوالي $0.2427، وRender بسعر حوالي $1.86. وتشكل هذه الرموز الثلاثة أكثر من %70 من مؤشر GMCI AI، مما يخلق هيكل "الأقوى يستحوذ على النصيب الأكبر". وبالنسبة للمشاريع الأصغر في القطاع، يعني ذلك أن معايير جذب الانتباه والسيولة أصبحت أكثر صرامة.
الطبقة الثالثة: تلاشي الحدود بين صناعات العملات الرقمية والذكاء الاصطناعي. يشير نضج اقتصاد الشبكات الفرعية إلى أن مشاريع الذكاء الاصطناعي اللامركزية تنتقل من المفاهيم النظرية إلى "كيانات تشغيلية مدرة للإيرادات". وتتحول رموز الشبكات الفرعية إلى أعمال تجارية مدرة للدخل، مع توسع بعض نماذج الأعمال لتتجاوز حدود العملات الرقمية التقليدية وتنافس مباشرة في سوق خدمات الذكاء الاصطناعي السائد. فعلى سبيل المثال، تتنافس سوق الحوسبة المعتمدة على وحدات معالجة الرسومات (GPU) التابعة لـ Targon مباشرة مع مزودي الخدمات السحابية المركزيين. وقد يجذب هذا الاتجاه اهتمامًا أكبر من صناعة الذكاء الاصطناعي التقليدية تجاه البدائل اللامركزية، كما قد يثير تساؤلات تنظيمية جديدة.
تطور متعدد السيناريوهات: ثلاثة مسارات محتملة للمستقبل
بالنظر إلى الوضع الحالي للتقدم التقني، الهيكل الاقتصادي، وبيئة السوق، هناك عدة سيناريوهات مستقبلية محتملة لـ Bittensor وقطاع رموز الذكاء الاصطناعي الأوسع.
السيناريو الأول: حلقة تغذية إيجابية. إذا واصل نظام الشبكات الفرعية توليد إيرادات خارجية قابلة للتحقق، مع حصول المزيد من الشبكات الفرعية على عملاء تجاريين واستخدام فعلي، فإن نسبة الدخل الخارجي إلى إعانات الإصدار ستتحسن تدريجيًا. في هذه الحالة، سيتحول تقييم Bittensor من "مدفوع بالسرد" إلى "مدفوع بالإيرادات". مؤشرات رئيسية للمتابعة: معدل نمو الإيرادات الخارجية للشبكات الفرعية ربع السنوي، نسبة القيمة السوقية الإجمالية لرموز الشبكات الفرعية إلى قيمة TAO السوقية، وما إذا كان عدد الشبكات الفرعية سيواصل الارتفاع.
السيناريو الثاني: العودة إلى المتوسط. ارتفع TAO بنحو %140 خلال ستة أسابيع، مع تسعير بعض المحفزات بالفعل. إذا شهد سعر Bitcoin تصحيحًا كبيرًا (مثلاً بالانخفاض دون $65,000)، فقد تواجه رموز الذكاء الاصطناعي عالية المخاطر تراجعات حادة. في هذا السيناريو، إذا لم يواكب نمو استخدام الشبكة توسع السرد، فقد تتقلص علاوات التقييم. مؤشرات رئيسية: اتجاه سوق Bitcoin بشكل عام، حجم التداول الفعلي لـ TAO على السلسلة، وما إذا كانت نسبة التخزين ستنخفض.
السيناريو الثالث: تباين هيكلي. تجعل آلية المنافسة القائمة على السوق لنظام رموز الشبكات الفرعية (dTAO) تباين الأداء سمة جوهرية في التصميم. فقد شهدت بعض الشبكات الفرعية بالفعل انخفاض الإصدارات إلى الصفر بسبب ضعف الطلب. ومع نضوج النظام البيئي، قد يتسع الفارق بين الشبكات الفرعية المتقدمة والمتأخرة أكثر. في هذا السيناريو، قد يشهد TAO، باعتباره "مؤشر" النظام البيئي، اتجاهًا سعريًا منفصلًا عن أداء الشبكات الفرعية الفردية مع مرور الوقت. مؤشرات رئيسية: تشتت تغيرات الأسعار بين رموز الشبكات الفرعية والتغيرات في تركيز تخصيصات إصدار الشبكات الفرعية.
السيناريو الرابع: صدمات خارجية. تشمل الصدمات المحتملة التدقيق التنظيمي حول امتثال مصادر بيانات الذكاء الاصطناعي اللامركزية أو مخرجات النماذج، أو اكتشاف ثغرات أمنية في خوارزميات التدريب الموزع الرئيسية، أو إطلاق شركات الذكاء الاصطناعي المركزية منتجات حوسبة موزعة أكثر تنافسية. وعلى الرغم من أن هذه السيناريوهات أقل احتمالًا، إلا أنها إذا حدثت قد تغير منطق تقييم قطاع الذكاء الاصطناعي اللامركزي بشكل جذري.
الخلاصة
قدم Bittensor أداءً لافتًا في الربع الأول من 2026، مدفوعًا بتحول في التصورات من "قابلية التنفيذ النظرية" إلى "التحقق العملي" لتدريب الذكاء الاصطناعي الموزع. وقد أثبت نجاح تدريب Covenant-72B دون إذن وعلى نطاق 72 مليار معامل الجدوى التقنية لهذا النهج. كما سرّعت التأييدات العلنية من قادة الصناعة مثل جنسن هوانغ من تقبل السوق لهذا السرد الجديد.
ومع ذلك، لا تزال هناك فجوة بين التحقق السردي والدعم الأساسي. إذ تبلغ الإيرادات السنوية لنظام الشبكات الفرعية حوالي $100 مليون فقط، مقارنة بإعانات الإصدار السنوية التي تقارب $360 مليون، مما يشير إلى أن التقييمات الحالية تعكس توقعات مرتفعة لنمو مستقبلي. وتدفع آلية المنافسة القائمة على السوق لاقتصاد الشبكات الفرعية (dTAO) نحو تمايز هيكلي داخل النظام البيئي—وهي عملية تعزز الكفاءة لكنها تحمل أيضًا مخاطر استبعاد بعض الشبكات الفرعية.
يعيش قطاع الذكاء الاصطناعي اللامركزي لحظة مفصلية، ينتقل فيها من إثبات المفهوم إلى التحقق التجاري. وسيعتمد المسار المستقبلي على ما إذا كانت الاختراقات التقنية المستمرة ستترجم إلى نمو كبير في استخدام الشبكة، وما إذا كان الدخل الخارجي سيتمكن تدريجيًا من سد الفجوة مع إعانات الإصدار.
