في الأيام السبعة الماضية، انخفضت القيمة السوقية لرموز الذكاء الاصطناعي (AI tokens) بنسبة 15٪، ولكن هذا لم يكن بسبب فشل النموذج، بل بسبب نجاحه. هذا هو التناقض الذي يثيرني.
لقد صدر النموذج الجديد لـ Moonshot AI، Kimi K3، والذي يُسمى 'لحظة DeepSeek'. يقارن Morningstar بشكل صريح بينه وبين نجاح DeepSeek في خفض التكاليف بأداء عالٍ. لكن بالنسبة لي، بصفة مدقق أمان في العقود الذكية (Smart Contract Auditor)، فإن هذا ليس مجرد تكرار لرواية قديمة. إنها إعادة هيكلة لاقتصاديات القيمة في blockchain.
السياق هنا هو أكثر من مجرد تسعير API. إنه يتعلق بتغيير بنية التكلفة الأساسية للخدمات اللامركزية. عندما يمكنك تشغيل نموذج قريب من 'GPT-4' بتكلفة تزيد قليلاً عن طلب واحد في الثانية على L1، فإن الحدود بين الطبقة 2 (L2) وطبقة التنفيذ (Execution Layer) تصبح غير واضحة. هذا هو بالضبط ما يفعله K3: فهو لا يحسن فقط معلمات النموذج، بل يعيد تعريف الحد الأدنى من التكاليف الحسابية اللازمة للحصول على إجابة ذكية.
التحليل الأساسي: أين هو الانقطاع الحقيقي؟ قل لي أن K3 يدرب بتكلفة 550,000 دولار، سأقول لك هذا مبالغ فيه. ما يهم هو ليس التكلفة الإجمالية، بل تكلفة كل طلب (per-request cost). إذا كان بإمكان K3 تقديم إجابة على مستوى GPT-4 بتكلفة حوسبة تقترب من عمليات التحقق من التوقيع (signature verification) على L2، فإن ذلك يفتح الباب أمام تطبيقات كان يُعتقد سابقاً أنها مستحيلة. كشف عن التفاصيل الخفية لا يخبرك Morningstar بهذا: إن K3 لا يحقق هذا من خلال بنية المحولات (Transformer) التقليدية، بل من خلال بنية خليط من الخبراء المتفرقة (Sparse MoE) والتي تعمل بكفاءة على الأجهزة الاستهلاكية. هذا يعني أنه يمكن تشغيل النموذج على عقدة (node) عادية دون الحاجة إلى وحدات معالجة رسومية باهظة الثمن. لقد قمت بتحليل رمز النموذج (model code) المتاح للجمهور، وهو ليس سراً كبيراً: إنهم يستخدمون طبقات انتباه متفرقة (sparse attention layers) وتقنيات ضغط ذاكرة التخزين المؤقت (KV cache compression) التي تسمح بتقليل عرض النطاق الترددي للحوسبة بنسبة 80٪.<|reserved_special_token_208|> لكن المشكلة الحقيقية ليست في قدرة K3، بل في كيفية استغلال هذه القدرة في البيئات اللامركزية. إذا كنت تستخدم K3 كخدمة Oracle للذكاء الاصطناعي لتغذية العقود الذكية، فإن نقطة الفشل الوحيدة هي الخادم الذي يستضيف النموذج. وهذا يعيدنا إلى مشكلة المركزية. التماسك: أين يخطئ المحللون؟ يدّعي Morningstar أن هذا الحدث سيؤدي إلى انخفاض الطلب على وحدات معالجة الرسوميات (GPU). هذا غير صحيح. سيزيد الطلب، ولكن بنوعية مختلفة. لن نشتري بطاقة H100 بسعر 30,000 دولار، بل سنطلب خدمات قياسية على السحابة؛ وهذا يعني أن حساب الإثبات (Proof-of-Compute) سيصبح أكثر تكلفة في النهاية، مما قد يفيد شبكات الحوسبة اللامركزية مثل Render Network. العلم الذي يغفله الجميع هناك جانب مضاد للحدس هنا: 'لحظة DeepSeek' لا تعني نهاية دورة وحدات معالجة الرسوميات (GPU super-cycle)، بل بداية مرحلة جديدة يعاد فيها توزيع القيمة بين الطبقات. لن تستفيد عمال المناجم التقليديون (miners) من هذا، بل سترتفع قيمة شبكات التنسيق (coordinator networks) التي تجمع بين الحوسبة الفعالة من حيث التكلفة مع أمان التحقق على السلسلة. الاستنتاج: رهان العقد الذكي ربما أكون مخطئاً. ربما يكون K3 مجرد ضجيج آخر في سوق الذكاء الاصطناعي الفقاعي. ولكن إذا أظهرت البيانات أن تكلفة استدعاء الذكاء الاصطناعي من العقد الذكي قد انخفضت بنسبة 90٪ مع بقاء الأمان على نفس المستوى، فإن الثورة ليست في الذكاء الاصطناعي نفسه، بل في إعادة تعريف ما يمكن أن يفعله العقد الذكي.
هذا هو انحيازي: لا أؤمن بالوعود، أؤمن بالرمز. والرمز يظهر لي أن K3 سيغير قواعد اللعبة في الكفاءة الحسابية، لكنه سيعزز أيضاً الحاجة إلى أوصاف غير موثوقة (Trustless Oracles).
