مركزية الذكاء الاصطناعي مقابل اللامركزية: ما الذي يستحق اللعب؟ تخيل ساحتين: أحدهما يهيمن عليه عمالقة التكنولوجيا الذين يديرون مراكز بيانات ضخمة ، ويدربون النماذج الحدودية ، ويضعون القواعد. يوزع الآخر الحوسبة والبيانات وصنع القرار عبر ملايين عمال المناجم والأجهزة المتطورة والمجتمعات المفتوحة. يعتمد المكان الذي تختار فيه البناء أو الاستثمار على الساحة التي تعتقد أنها ستلتقط الموجة التالية من القيمة ، أو ما إذا كانت الفرصة الحقيقية تكمن في سد الوجوء. --- ماذا تعني المركزية واللامركزية في الذكاء الاصطناعي يوجد الذكاء الاصطناعي المركزي بشكل أساسي في الأنظمة الأساسية السحابية فائقة النطاق مثل AWS و Azure و Google Cloud ، والتي تتحكم في غالبية مجموعات GPU وتمتلك حصة 68٪ من سوق السحابة العالمية. يقوم هؤلاء المقدمون بتدريب النماذج الكبيرة ، والحفاظ على الأوزان مغلقة أو تحت تراخيص مقيدة (كما هو موضح مع OpenAI و Anthropic) ، ويستخدمون مجموعات بيانات خاصة وشراكات بيانات حصرية. عادة ما تكون الحوكمة شركية ، يقودها مجالس الإدارة والمساهمون والمنظمون الوطنيون. من ناحية أخرى ، توزع الذكاء الاصطناعي اللامركزية الحساب من خلال أسواق GPU من نظير إلى نظير ، مثل @akashnet_ و @rendernetwork ، بالإضافة إلى شبكات الاستدلال على السلسلة مثل @bittensor_. تهدف هذه الشبكات إلى تحقيق اللامركزية في كل من التدريب والاستدلال. --- لماذا لا تزال المركزية مهيمنة هناك أسباب هيكلية لاستمرار الذكاء الاصطناعي المركزي في القيادة. يتطلب تدريب نموذج حدودي ، على سبيل المثال ، نموذج متعدد اللغات مكون من 2 تريليون معلمة ، أكثر من 500 مليون دولار من الأجهزة والكهرباء ورأس المال البشري. ويستطيع عدد قليل جدا من الكيانات تمويل وتنفيذ هذه التعهدات. بالإضافة إلى ذلك ، تفرض الالتزامات التنظيمية مثل الأمر التنفيذي الأمريكي بشأن الذكاء الاصطناعي وقانون الذكاء الاصطناعي للاتحاد الأوروبي متطلبات صارمة حول الفريق الأحمر وتقارير السلامة والشفافية. إن تلبية هذه المطالب يخلق خندق امتثال يفضل شاغلي الوظائف ذوي الموارد الجيدة. تسمح المركزية أيضا بمراقبة السلامة بشكل أكثر صرامة وإدارة دورة الحياة عبر مراحل التدريب والنشر. --- شقوق النموذج المركزي ومع ذلك ، فإن هذه الهيمنة لها نقاط ضعف. هناك قلق متزايد بشأن مخاطر التركيز. في أوروبا ، حذر المديرون التنفيذيون من 44 شركة كبرى المنظمين من أن قانون الذكاء الاصطناعي للاتحاد الأوروبي يمكن أن يعزز عن غير قصد احتكارات السحابة الأمريكية ويقيد تطوير الذكاء الاصطناعي الإقليمي. تحد ضوابط التصدير ، وخاصة قيود GPU التي تقودها الولايات المتحدة ، من يمكنه الوصول إلى الحوسبة المتطورة ، مما يشجع البلدان والمطورين على التطلع إلى بدائل لامركزية أو مفتوحة. بالإضافة إلى ذلك ، شهد تسعير واجهة برمجة التطبيقات للنماذج المملوكة زيادات متعددة منذ عام 2024. تحفز هذه الإيجارات الاحتكارية المطورين على التفكير في حلول منخفضة التكلفة أو ذات الوزن المفتوح أو اللامركزية. --- الذكاء الاصطناعي اللامركزي لدينا أسواق حوسبة على السلسلة مثل Akash و Render و @ionet التي تمكن مالكي وحدة معالجة الرسومات من تأجير السعة غير المستخدمة الذكاء الاصطناعي أحمال العمل. تتوسع هذه الأنظمة الأساسية الآن لدعم وحدات معالجة الرسومات AMD وتعمل على إثباتات على مستوى عبء العمل لضمان الأداء. يحفز Bittensor المدققين والمتسابقين النموذجيين من خلال $TAO رمز مميز. يكتسب التعلم الموحد اعتمادا ، معظمه في الرعاية الصحية والتمويل ، من خلال تمكين التدريب التعاوني دون نقل البيانات الأولية الحساسة. يتيح إثبات الاستدلال والتعلم الآلي لعدم المعرفة مخرجات نموذج يمكن التحقق منها حتى عند التشغيل على أجهزة غير موثوق بها. هذه خطوات أساسية لواجهات برمجة تطبيقات الذكاء الاصطناعي اللامركزية وغير الموثوق بها. --- أين تكمن الفرصة الاقتصادية على المدى القصير (اليوم إلى 18 شهرا) ، ينصب التركيز على البنية التحتية لطبقة التطبيقات. ستكون الأدوات التي تسمح للمؤسسات بالتبديل بسهولة بين نماذج OpenAI أو Anthrobic أو Mistral أو نماذج الوزن المفتوح المحلية ذات قيمة. وبالمثل ، فإن الاستوديوهات المضبوطة بدقة التي تقدم إصدارات متوافقة مع التنظيم من النماذج المفتوحة بموجب اتفاقيات مستوى الخدمة للمؤسسات تكتسب زخما. على المدى المتوسط (18 شهرا إلى 5 سنوات) ، ستتصاعد شبكات GPU اللامركزية حيث تعكس أسعار الرموز الرمزية الاستخدام الفعلي. وفي الوقت نفسه ، فإن الشبكات الفرعية على غرار Bittensor التي تركز على المهام المتخصصة ، مثل تسجيل المخاطر أو طي البروتين ، ستتوسع بكفاءة من خلال تأثيرات الشبكة. على المدى الطويل (5+ سنوات) ، من المرجح أن يهيمن الذكاء الاصطناعي المتطور. ستقوم الهواتف والسيارات وأجهزة إنترنت الأشياء بتشغيل LLMs محلية تم تدريبها من خلال التعلم الموحد ، وتقليل زمن الوصول والاعتماد على السحابة. ستظهر أيضا بروتوكولات ملكية البيانات ، مما يسمح للمستخدمين بكسب إتاوات صغيرة حيث تساهم أجهزتهم بالتدرجات في تحديثات النماذج العالمية. --- كيفية تحديد الفائزين سيكون للمشاريع التي من المحتمل أن تنجح خندق تقني قوي ، حيث تحل المشكلات المتعلقة بالنطاق الترددي أو التحقق أو الخصوصية بطريقة تقدم تحسينات كبيرة الحجم. يجب أن تكون الحدافة الاقتصادية مصممة بشكل جيد. يجب أن يمول الاستخدام العالي بنية تحتية ومساهمين أفضل ، وليس فقط دعم الدراجين المجانيين. الحوكمة ضرورية. التصويت الرمزي وحده هش ، ابحث بدلا من ذلك عن مجالس أصحاب المصلحة المتعددين أو مسارات اللامركزية التقدمية أو نماذج الرموز المميزة ثنائية الفئة. أخيرا ، سحب النظام البيئي مهم. ستؤدي البروتوكولات التي تتكامل مبكرا مع سلاسل أدوات المطورين إلى مضاعفة الاعتماد بشكل أسرع. --- المسرحيات الاستراتيجية بالنسبة للمستثمرين ، قد يكون من الحكمة التحوط ، والتعرض لكل من واجهات برمجة التطبيقات المركزية (لتحقيق عوائد مستقرة) والرموز اللامركزية (للاتجاه الصعودي غير المتماثل). بالنسبة للمنشئين، تعد طبقات التجريد التي تسمح بالتبديل في الوقت الفعلي بين نقاط النهاية المركزية واللامركزية، استنادا إلى زمن الوصول أو التكلفة أو الامتثال، فرصة عالية النفوذ. قد لا تكمن الفرص الأكثر قيمة في القطبين ولكن في النسيج الضام: البروتوكولات وطبقات التنسيق وإثباتات التشفير التي تسمح لأعباء العمل بالتوجيه بحرية داخل كل من الأنظمة المركزية واللامركزية. شكرا للقراءة!