تُعد Targon، وهي الشبكة الفرعية رقم SN4، بنية تحتية سحابية سرّية لامركزية مبنية على منظومة Bittensor. ويتمحور جوهرها حول تحرير قدرات الحوسبة عالية الأداء المخصصة للذكاء الاصطناعي على مستوى المؤسسات، واستدلال النماذج المملوكة، من احتكار عمالقة السحابة التقليديين، وذلك من خلال آليات مثل بيئة التنفيذ الموثوقة TEE، والتحقق التشفيري الحتمي، واقتصاديات الرموز الديناميكية القائمة على الألعاب. وبهذا، تُحوّل Targon هذه القدرات إلى “سلع رقمية” نادرة يقودها السوق الحر. من الناحية المعمارية، تجمع Targon بين دفاع أمني متكامل عبر كامل البنية، بما يشمل العزل العتادي، والناقل المحمي، ونظام TargonOS المخصص، وبين استراتيجية دمج عتاد متعددة المورّدين، لتشكيل شبكة حوسبة لامركزية تقوم في جوهرها على السرّية والتنفيذ دون الحاجة إلى الثقة. ولا يساهم ذلك فقط في خفض تكلفة تدريب نماذج الذكاء الاصطناعي واستدلالها على مستوى المؤسسات بشكل كبير، بل يوفر أيضًا بنية امتثال مقاومة للرقابة للمؤسسات التي لديها متطلبات عالية فيما يتعلق بخصوصية البيانات والملكية الفكرية. ومن منظور المنظومة وأداء البيانات، أكملت Targon عملية ترحيل البنية التحتية الأساسية لتطبيقات تجارية واسعة النطاق مثل Dippy AI، وحققت إيرادات سنوية خارجية بعشرات الملايين، كما أظهرت قدرة قوية على جذب رأس المال ضمن آلية dTAO. وقد سدّت Targon فجوة البنية التحتية في سباق الذكاء الاصطناعي اللامركزي فيما يتعلق بـ “أمن البيانات والثقة في التحقق”، مستكشفة نموذج أعمال جديدًا يقوم على “تأجير قدرات الحوسبة السرّية للمؤسسات”. وعلى المدى الطويل، تمتلك Targon إمكانات كبيرة لتصبح منشأة أساسية للجيل القادم من تطبيقات الذكاء الاصطناعي المقاومة للتلاعب والكيانات الرقمية الذكية السيادية.
انطلاقًا من عمالقة السحابة التقليدية كخدمة في Web2: الوضع الحالي وحدود تخصيص قدرات الحوسبة للذكاء الاصطناعي
في عصر النمو المتسارع لتقنيات الذكاء الاصطناعي، يواجه التوزيع العالمي لموارد الحوسبة اختلالًا غير مسبوق. ويُعد نشر وتشغيل تطبيقات ذكاء اصطناعي متقدمة مثل نماذج اللغة الكبيرة LLM مشروعًا ذا صعوبات مالية وبنيوية مرتفعة للغاية وفق الفهم والممارسات التجارية التقليدية. حاليًا، يهيمن على عرض قدرات الحوسبة عدد محدود من مزوّدي السحابة المركزية التقليديين كخدمة، مثل AWS وGoogle Cloud وMicrosoft Azure، إلى جانب بعض مختبرات الذكاء الاصطناعي المغلقة والمتقدمة. وبفضل إنفاقها الرأسمالي الضخم، لا تحتكر هذه المؤسسات مجموعات الحوسبة عالية الأداء المكوّنة من شرائح متقدمة مثل NVIDIA H100 وH200 فحسب، بل تسيطر أيضًا على تسعير موارد الحوسبة وتخصيصها. وفي هذا النموذج، لا تستطيع المؤسسات العادية، ومطوّرو Web3، وحتى الشركات التقنية الناشئة المتوسطة والكبيرة، إلا استئجار “حوسبة الذكاء الاصطناعي كخدمة” من هذه الشركات العملاقة بعلاوات سعرية مرتفعة للغاية. وهذا يجعل الحوسبة المتقدمة للذكاء الاصطناعي احتكارًا لفئة محدودة، بدلًا من أن تكون موردًا أساسيًا متاحًا على نطاق واسع.
على الرغم من أن مزوّدي السحابة المركزية في Web2 يوفّرون خدمات حوسبة قابلة للتوسع بدرجة عالية ومستقرة نسبيًا، فإن قيود بنيتهم المغلقة بدأت تظهر بوتيرة أسرع مع استمرار تطور صناعة الذكاء الاصطناعي.
مخاوف الخصوصية والملكية الفكرية: عندما ترفع الشركات أوزان نماذجها المملوكة وبيانات المستخدمين الحساسة للغاية، مثل السجلات الطبية والمعاملات المالية، إلى سحابة مركزية، فإنها تواجه مخاطر جدية مرتبطة بنقطة فشل واحدة وتسرب البيانات. وقد أصبح القلق العميق لدى الشركات الحديثة بشأن تسرب أوزان النماذج المملوكة أحد العوائق الرئيسية أمام انتقال سيناريوهات الأعمال المتقدمة إلى السحابة.
التكلفة المرتفعة والتسعير غير المرن: تتركز موارد الحوسبة بدرجة عالية في أيدي مزوّدي السحابة، بينما تفتقر آلية التسعير إلى منافسة سوق حرة حقيقية. وبالنسبة للشركات التي تحتاج إلى معالجة متطلبات استدلال كبيرة وعالية التزامن، فإن الاعتماد طويل الأجل على استئجار السحابة المركزية كخدمة يؤدي إلى تكاليف تشغيل وصيانة غير مستدامة للغاية.
الاختناقات الهيكلية وغياب مقاومة الرقابة: تُعد خدمات السحابة التقليدية “نظامًا مغلقًا”، حيث ترتبط عمليات تدريب النماذج ونقل البيانات وجدولة الموارد لدى المستخدمين بشكل صارم بقواعد منصة واحدة، مع غياب مقاومة كاملة للرقابة على مستوى البنية الفيزيائية. وفي ظل هذه الخلفية، ظهر بروتوكول Bittensor، محاولًا كسر هذا الاختناق الهيكلي التقليدي عبر دمج اقتصاديات رموز البلوكشين مع التعلم الآلي الموزع، بهدف بناء سوق حر من نظير إلى نظير يُعرف باسم “شبكة السلع الرقمية”.
تارغون: إعادة بناء الحوسبة السرّية للذكاء الاصطناعي عبر “شبكة تشفيرية”
كما تم توضيحه سابقًا، تتمثل الإشكالية الجوهرية في حوسبة الذكاء الاصطناعي ضمن Web2 في “الاحتكار المغلق” و”أزمة الثقة”. وتأتي Targon كإعادة هيكلة جذرية لهذه المعضلة. تم تطوير Targon بقيادة Manifold Labs، وهي شركة ناشئة في بنية الذكاء الاصطناعي مقرها أوستن، تكساس، وتعمل كالشبكة الفرعية الرابعة ضمن (Bittensor (SN4.
Targon ليست مجرد منصة لتجميع بطاقات الرسوميات الاستهلاكية غير المستغلة، بل تُعد أول—وحاليًا الوحيدة— التي تحتوي على بنية تحتية سحابية سرّية في النظام اللامركزي تعالج بشكل منهجي مشكلة “التنفيذ غير القابل للثقة على مستوى العتاد”. يتمتع الفريق الأساسي في Manifold Labs بفهم عميق للخصائص الجوهرية لمنظومة Bittensor. وقد نجح المؤسس والرئيس التنفيذي Robert Myers، إلى جانب المؤسس المشارك James Woodman، في تحديد استراتيجية Targon بدقة كمنافس مباشر لخدمات السحابة المؤسسية مثل Amazon Web Services وOpenAI. ومن خلال التكامل العميق بين بيئة التنفيذ الموثوقة (TEE)، والآلة الافتراضية المطوّرة داخليًا (TVM)، وآليات التحقق التشفيري الحتمي، تتيح Targon للمستخدمين تنفيذ المهام على عقد لامركزية بالكامل، مع ضمان خصوصية البيانات بشكل مطلق على المستويين الفيزيائي والرياضي.
لطالما واجهت شبكات الذكاء الاصطناعي اللامركزية معضلة جوهرية في تحقيق الدخل:
من جهة، فإن تجميع قدرات الحوسبة غير المستغلة لدى المعدّنين حول العالم يساهم بشكل كبير في خفض تكاليف الحوسبة.
ومن جهة أخرى، وبما أن السيطرة الفيزيائية على عقد الشبكة تقع بيد معدّنين مجهولين عالميًا، فإن أي محاولة لمعالجة بيانات طبية أو مالية، أو تشغيل نماذج ذات أوزان عالية القيمة على هذه العقد، تواجه خطرًا كارثيًا يتمثل في سرقة البيانات.
التغيير الجوهري الذي قدمته Targon يتمثل في تحويل الفرضية التقليدية القائمة على “الثقة في أن العقدة لن تتصرف بسوء” إلى نموذج “استحالة التصرف الخبيث رياضيًا”. قامت Targon ببناء طبقات دفاع تمتد من الناقل الفيزيائي للعتاد وصولًا إلى نظام التشغيل، بحيث يصبح من المستحيل حتى على المعدّنين المجهولين—حتى مع امتلاكهم مفاتيح فعلية لمراكز البيانات—قراءة ملفات أوزان النماذج أو سرقة البيانات التفاعلية التي يرسلها المستخدمون. هذا لا يقتصر فقط على سد الفجوة الضخمة بين “الحوسبة الموزعة منخفضة التكلفة” و”أمن البيانات المؤسسي المتوافق مع الامتثال”، بل يفتح أيضًا الطريق أمام تحقيق الدخل من نماذج الذكاء الاصطناعي المغلقة عالية القيمة على الشبكات المفتوحة، مما يوسّع قاعدة العملاء لتشمل شركات Fortune 500 الحساسة للغاية تجاه الملكية الفكرية.
في المنصات التقليدية للحوسبة اللامركزية: يقتصر دور المنصة غالبًا على مطابقة الموارد وربط العرض بالطلب بشكل بسيط،
أما ضمن الإطار الاقتصادي الكلي لكل من Targon وBittensor: فإن هذه العملية تخضع لتحول جذري، تهدف Targon إلى تحويل “الحوسبة عالية الأداء للذكاء الاصطناعي مع خصائص الخصوصية” إلى “سلعة رقمية” نادرة، قابلة للتوحيد القياسي، والقياس، والتداول الحر. هذا لا يتعلق فقط بتوفير أدوات، بل ببناء سوق يعمل بشكل مستمر: يمكن للمطورين نشر نماذج مملوكة تقدر بملايين الدولارات بثقة لتحقيق عوائد تجارية، يمكن لمزودي القدرة الحاسوبية (المعدّنين المؤسسيين) تحديد أسعارهم الخاصة عبر دفتر أوامر، بينما يستخدم المدققون آليات تشفير صارمة لتقييم جودة القدرة الحاسوبية المقدمة وتوزيع الرموز، النتيجة: تحولت حوسبة الذكاء الاصطناعي من: مهمة هندسية عالية المخاطر إلى نموذج اقتصادي رقمي ديناميكي، مدفوع بحوافز السوق وتعاون جميع الأطراف.
ضمن منظومة Bittensor التي توسعت لتشمل 128 شبكة فرعية نشطة، تتولى شبكات مختلفة وظائف متعددة مثل:
جمع البيانات، توليد نماذج التعلم الآلي متعددة الوسائط و تدريب النماذج. وفي هذا السياق، يتطور موقع (Targon (SN4 ليصبح:
“مصب الحوسبة” الأساسي على المستوى الصناعي، والمحور المركزي للقدرة الحاسوبية داخل المنظومة بالكامل. لا تقتصر وظيفة Targon على خدمة عملاء Web2 التقليديين بشكل مباشر، بل توفر أيضًا دعمًا حاسوبيًا للشبكات الفرعية الأخرى التي تفتقر إلى موارد عتادية، لكنها تحتاج إلى تنفيذ منطق متقدم من خلال بنيتها التحتية السرّية.
عزل البيانات والتعاون: شبكة (Score (SN44، التي تركز على تتبّع الرياضات التنافسية، تقوم بتشغيل نموذج تحليل الفيديو الحصري الخاص بها داخل بيئة التنفيذ الموثوقة (TEE) التابعة لـ Targon، وذلك لحماية خصوصية مقاطع الفيديو التدريبية الحساسة داخل الملعب، وتجنّب تعرّض البيانات للشبكة العامة.
تنفيذ تحسين المنطق: شبكة Affine (SN120)، التي تتخصص بشكل عميق في تحسين منطق الاستدلال في الذكاء الاصطناعي، لا تستضيف موارد عتادية، بل تعتمد على شبكة Targon لتنفيذ عمليات الاستدلال الفعلية، مما يشكّل حلقة قيمة مكتملة.
دعم أبحاث AGI: يقوم المشروع الرائد Hone بدمج قدرات البنية التحتية الأساسية لشركة Manifold Labs بشكل عميق ضمن إطار ما قبل التدريب والدمج الخاص به. بالإضافة إلى ذلك، تم دمج Targon ضمن مجموعة أدوات hermes-agent التابعة لـ NousResearch، مما يتيح للمطورين استدعاء موارد GPU سرّية ولا مركزية بشكل مباشر.
البنية الأساسية: كيفية تنفيذ الحوسبة السرّية غير المعتمدة على الثقة على مستوى العتاد داخل شبكة
لفهم كيفية تجاوز Targon لعائق الثقة بشكل كامل، يجب تفكيك نظام الدفاع الأمني المتكامل الخاص بها، والمعروف باسم (Targon Virtual Machine (TVM.
تضمن Targon أمن البيانات في بيئة موزعة دون الاعتماد على الثقة، بدءًا من أدنى مستوى وهو العزل العتادي.
بيئة التنفيذ الموثوقة (TEE): يتم اقتطاع مساحة ذاكرة مشفّرة على مستوى العتاد تُعرف باسم “Enclave” داخل وحدة المعالجة المركزية (CPU). حتى في حال اختراق أعلى صلاحيات (Root) لنظام تشغيل عقدة المعدّن، فإنه يستحيل قراءة أو التلاعب بالتعليمات والبيانات التي يتم تنفيذها داخل هذه المنطقة.
التوافق العتادي والتكامل القياسي: لمنع الاعتماد على تقنية واحدة، قامت Targon بدمج تقنيات (Intel (TDX ودعم بنية (AMD (SEV-SNP، إلى جانب التكامل السلس مع بنية الحوسبة السرّية المتقدمة على مستوى GPU من NVIDIA.
تشفير طبقة نقل البيانات (PPCIe): لمنع هجمات التنصّت الفيزيائي عبر ناقل اللوحة الأم، تفرض الشبكة استخدام تقنية PCIe المحمية، بحيث تبقى البيانات الحساسة مغلّفة بخوارزميات تشفير تدفقي أثناء انتقالها من ذاكرة CPU إلى بطاقات مثل H200 أو RTX 4090 عبر فتحات اللوحة الأم، مما يحقق حماية كاملة من التنصّت على مستوى العتاد من الطرف إلى الطرف.
نظرًا للدوافع الربحية العالية واحتمالات الغش لدى مجتمع التعدين، لا يمكن لـ Targon السماح بتشغيل أنظمة تشغيل معدّلة بشكل تعسفي من قبل المعدّنين.
نظام مخصص محسّن: قامت Manifold Labs بتطوير وإطلاق نسخة Linux مخصصة ومحسّنة بشكل كبير تُعرف باسم TargonOS، وهي مخصصة لتشغيل الآلات الافتراضية المشفّرة على أجهزة غير موثوقة.
جذر الثقة العتادي (TPM): يُدخل TargonOS آلية إقلاع آمن (Secure Boot) قائمة على وحدة Trusted Platform Module (TPM) لضمان عدم التلاعب ببيئة النظام الأساسية.
الاتصال الشبكي المتقدم: على مستوى الشبكة، ومن خلال بروتوكول Epistula v2 مفتوح المصدر متعدد اللغات، إلى جانب تقنيات زمن الاستجابة المنخفض مثل InfiniBand وRoCE، يتم تحقيق: اتصال متزامن مشفّر ومقاوم للتنصّت بين العقد، زمن استجابة منخفض للغاية (أقل من 50 مللي ثانية) و استقرار تشغيل بنسبة 99%. مما يقلل بشكل كبير من احتكاك المطورين عند استخدام الشبكة.
السؤال الأساسي:كيف يمكن التحقق من أن المعدّنين قد قاموا فعليًا بتنفيذ عمليات استدلال معقدة لنموذج يحتوي على مئات المليارات من المعاملات، دون هدر في القدرة الحاسوبية، ضمن بنية موزعة بالكامل؟ هذا يقود إلى أحد أهم ابتكارات Targon: نظام التحقق الحتمي.
الإثبات عن بُعد (Remote Attestation): قبل توزيع المهام، يجب على المعدّنين تقديم إثبات تشفيري إلى الشبكة يتضمن: نموذج العتاد الفيزيائي الفعلي، قيمة تجزئة نواة نظام التشغيل و بصمة سلامة ملف TVM. بعد التحقق من قبل المدققين، يمكن التأكد من أن المعدّن يستخدم بطاقة رسومية متقدمة (مثل H200) متوافقة، وليس تنفيذًا احتياليًا لقدرة حاسوبية مزيفة.
اختراق مشكلة عدم تماثل القدرة الحاسوبية: في الشبكات اللامركزية التقليدية، إذا كان المدققون يمتلكون عتادًا منخفض الأداء، فلن يتمكنوا من إعادة تنفيذ العمليات المعقدة للمعدّنين للتحقق من صحتها. قامت Targon بحل هذه المشكلة من خلال منطق verifier.py، حيث يقوم مشرف الشبكة بإرسال: استعلامات اصطناعية و استعلامات حقيقية، بشكل مستمر إلى مجموعة المعدّنين.
محرك Logprobs: بعد إتمام عملية الاستدلال، يُجبر المعدّنون على إرجاع: تسلسل التوكنات النصية الناتجة و مصفوفة “الاحتمالات اللوغاريتمية” (logprobabilities) لكل طبقة خفية أثناء عملية الحساب. و يقوم المدققون خفيفو الموارد بمقارنة التوزيع الاحتمالي لنموذجهم المرجعي مع البيانات المقدمة من المعدّنين على المستوى التشفيري. إذا كان التوزيع الرياضي متطابقًا بدرجة عالية، وكان زمن الاستجابة أقل من الحد الخاص بالأجهزة منخفضة الأداء، يمكن للمدقق الوصول إلى يقين كامل من الناحية الإحصائية بأن المعدّن قد نفّذ عملية الاستدلال الحقيقية من الصفر، مما يكشف فورًا أي محاولة لاستخدام التخزين المؤقت (Cache) أو التلاعب بنموذج أصغر.
آلية الحوافز والمنافسة: كيف تُشكّل حوسبة الذكاء الاصطناعي “حلقة إيجابية” في الاقتصاد الكلي
تعتمد دورة حياة شبكة Bittensor وجدولة قدرات الحوسبة بشكل كبير على تصميم اقتصاديات الرموز الأساسي الخاص بها. في ديسمبر 2025، شهدت Bittensor أول عملية تنصيف للإصدار، حيث تم تخفيض الكمية اليومية المصدرة من الرمز الأساسي TAO من 7,200 إلى 3,600، مما أدى إلى تقليل معدل التضخم بشكل كبير إلى 13%، مع الحفاظ على حد أقصى للإمداد يبلغ 21 مليون. آلية TAO الديناميكية (dTAO)، التي تم إطلاقها في فبراير 2025، أعادت تشكيل قواعد بقاء الشبكات الفرعية بشكل كامل. حيث أدخلت نموذج صانع السوق الآلي (AMM)، وألغت النموذج التقليدي القائم على التخصيص الذاتي لمكافآت التضخم من خلال لجنة مدققين ثابتة، واستبدلته بنظام تصويت رأسمالي قائم على السوق الحر. يقوم النظام بإصدار رمز Alpha مخصص لشبكة Targon (برمز SN4). يمكن للمستثمرين سكّ أو تبادل SN4 من خلال رهن الرمز الأساسي TAO، مما يُنشئ احتياطي سيولة عميق قائم على نظام رمزين. السعر النسبي اللحظي والقيمة السوقية الإجمالية لرمز SN4 يحددان بشكل مباشر حجم الحصة التي يمكن أن تحصل عليها Targon من توزيعات إصدار TAO اليومية.
لتجنب ظاهرة خمول المعدّنين والاكتفاء بتحقيق الحد الأدنى من الأداء للحصول على المكافآت، قام فريق Targon بإعادة كتابة منطق المكافآت بالكامل في إصدار v3، حيث تم التخلي عن منحنى العوائد الثابت، واستبداله بمنحنى أسي شديد الانحدار. ضمن هذا النظام:
تقييم الأداء الشامل: يقوم المدققون بمراقبة زمن الاستجابة المطلق، والتوازي، ومعدل الإنتاجية لعتاد المعدّن بشكل فوري ودقيق.
الفائز يحصل على كل شيء: فقط العقد ذات الأداء الأعلى في قمة التصنيف، القادرة على التعامل مع أحجام ضخمة من الطلبات المتزامنة، تحصل على نقاط إجماع Yuma المضاعفة بشكل أسي والمكافآت الزائدة.
عقوبات صارمة ضد الغش: أي محاولة للتلاعب عبر تسريع الاستجابة بشكل مصطنع من خلال تعديل إعدادات TVM يتم كشفها فورًا أثناء مرحلة مقارنة الاحتمالات اللوغاريتمية (Logprobs)، ويتم تصفير تقييم المعدّن واستبعاده من نظام التقييم، مع فرض عقوبات قاسية مثل خفض الترتيب أو الطرد من الشبكة. هذا السباق التنافسي الشديد يدفع المعدّنين إلى الاستثمار المستمر في شراء وحدات GPU متقدمة وتحسين البنية التحتية للشبكات، مما يعزز الأساس العتادي لشبكة Targon.
لطالما تعرّضت الشبكات اللامركزية لانتقادات بسبب كونها “صحارى إيرادات”، أي أنها تعتمد بشكل مفرط على تضخم الرموز لدعم المشاركين في الشبكة. وبمجرد توقف هذا الدعم، يغادر العملاء من الشركات الذين كانوا يستخدمون القدرة الحاسوبية بشكل مجاني فورًا.
ولضمان البقاء على المدى الطويل، قامت Manifold Labs بتنفيذ إصلاح استشرافي للغاية داخل هذا القطاع:
حرق 70% من التضخم: قامت الإدارة بفتح صمام التوزيع بشكل قسري، مما أدى إلى حرق أو عزل ما يصل إلى 70% من إصدار TAO الخاص بالشبكة الفرعية، ومنع دخوله إلى السوق.
التحكم في نقطة توازن العملة الورقية: من خلال تقليل المعروض المتداول، يتم ضبط دخل الدعم للمعدّنين الكبار (مثل عقد H200) بدقة عند مستوى منطقي يقارب 2.80 دولار في الساعة. هذا الربح المحدود لكنه صحي يغطي فقط استهلاك الأجهزة، وفوائد التقسيط، وتكاليف الكهرباء، مما يؤدي إلى تصفية المضاربين قصيري الأجل الذين قد ينسحبون في أي وقت، ويضمن في النهاية أن مكافآت المعدّنين مدعومة بالكامل بدخل حقيقي خارجي من الشركات.
آلية دفتر الأوامر: تم إلغاء نموذج الاقتصاد الموجّه غير المرن الذي كانت تحدد فيه الأسعار عبر البروتوكول، وإعادة سلطة التسعير إلى مزوّدي القدرة الحاسوبية. يمكن للمعدّنين تحديد أسعار الطلب الخاصة بهم للأجهزة عالية الأداء، بل وحتى توقيع عقود طويلة الأجل بضمانات تشمل الضمانات المالية وزمن التشغيل المستقر. وقد أدت هذه الآليات إلى تهميش المعدّنين الأفراد الذين كانوا يعتمدون على التأجير وإعادة البيع في المراحل المبكرة، وجذبت بدلًا منهم معدّنين مؤسسيين حقيقيين يمتلكون مراكز بيانات خاصة وتكاليف رأس مال منخفضة للغاية، مما عزز بشكل كبير مرونة شبكة Targon التجارية.
وضع المنظومة وانتشار الأعمال
يختلف نظام المشاركين في Targon جذريًا عن العديد من الشبكات الفرعية التي لا تزال في مرحلة إثبات المفهوم (PoC)، حيث نجحت في بناء حاجز قوي داخل العالم التجاري الفعلي.
التبني المؤسسي (Requirements and Verifier): أبرز اختراق تجاري جاء من شركة Dippy AI، وهي شركة معروفة في مجال تقنيات لعب الأدوار المدعومة بالذكاء الاصطناعي. تمتلك Dippy AI قاعدة مستخدمين تتجاوز 8.6 مليون مستخدم على الأجهزة المحمولة، وتتعامل يوميًا مع مليارات (10B) من طلبات التفاعل الأساسية. وبسبب التكاليف التشغيلية المرتفعة، قررت Dippy AI إنهاء التعاقد مع مزوّد سحابة مركزي، ونقل كامل سلسلة الاستدلال الخلفية إلى شبكة Targon. هذا العقد الضخم، الذي تبلغ قيمته مئات الآلاف من الدولارات، لم يرفع فقط الإيرادات الخارجية السنوية لـ Targon إلى حوالي 10.4 مليون دولار، بل أثبت أيضًا للصناعة أن الشركات الكبرى يمكنها، بعد الانتقال إلى Targon، تقليل إجمالي التكاليف بنسبة تتراوح بين 20% و35% مع الحفاظ على مرونة البنية اللامركزية.
مصفوفة النظام البيئي الكاملة (Manifold 2.0): في مارس 2025، أطلقت Manifold Labs مصفوفة نظام بيئي تغطي تطبيقات متعددة الأبعاد، من بينها: محرك البحث اللامركزي الهجين Sybil (الذي يحقق التقاط بيانات الشبكة بسرعة على مستوى المللي ثانية مع مقاومة الرقابة) أداة المراقبة المتقدمة لشبكات البلوكشين Tao.xyz، مما عزز بشكل كبير تجربة المطورين وشفافية البيانات داخل المنظومة.
استنادًا إلى بنية نظام dTAO وأحدث البيانات الاقتصادية الكلية على السلسلة حتى عام 2026، أظهرت Targon قدرة قوية على الاحتفاظ برأس المال والسيولة داخل السوق الحر.
القيمة السوقية وسعر العملة: يتراوح سعر الأصل الأساسي SN4 بين 18.39 و19.07 دولار، مع قيمة سوقية إجمالية تتراوح بين 85.10 مليون و91.80 مليون دولار، مما يضعه ضمن أفضل ثلاثة شبكات فرعية من بين 128 شبكة نشطة، ويعكس إجماعًا عميقًا من رأس المال المؤسسي.
آلية الانكماش: ضمن هيكل إمداد أقصى يبلغ 21 مليون رمز، يتم الحفاظ على العرض المتداول بين 4.41 مليون و4.46 مليون، وقد تم حرق حوالي 442,300 رمز بشكل دائم عبر آليات تنظيم اقتصاد الرموز، مما يمنحه خصائص قوية مقاومة للتضخم.
هيكل مجمعات السيولة: جمعت مجمعات التداول AMM الخاصة به سيولة احتياطية أساسية تبلغ 42.25 مليون دولار (أكثر من 130,000 TAO و2.22 مليون Alpha)، مما يوفر وسادة أمان للمؤسسات الكبرى لبناء مراكز استثمارية كبيرة أو تنفيذ عمليات الرهن دون التعرض لانزلاقات سعرية حادة.
الرهن والعائد على الاستثمار: جزء كبير من الرموز في السوق في حالة رهن وإقفال (أكثر من 2.25 مليون SN4). ويبلغ معدل العائد السنوي للتدفق النقدي الذي يقدمه كبار المدققين (مثل عقد MUV وTatsu) للمشاركين في الرهن ما بين 8.40% و9.61%، مما يجعله خيارًا استثماريًا أفضل مقارنة بالأصول ذات الدخل الثابت التقليدية في Web2.
مشهد المنافسة ولعبة الهشاشة متعددة الأبعاد
في مسار الذكاء الاصطناعي اللامركزي شديد التنافس في مجالي الاستدلال والحوسبة، يتمتع Targon بتموضع واضح ودفاعي. فقد تجنّب بذكاء المنافسة الدموية، ودخل إلى المسار الأكثر ربحية في سلسلة توريد الذكاء الاصطناعي الحالية: الامتثال المؤسسي وآليات الثقة. ومع تزايد صرامة قوانين الامتثال لخصوصية البيانات في أوروبا والولايات المتحدة، تصاعدت حالة القلق الشديد لدى الشركات التقليدية تجاه اعتماد الشبكات اللامركزية في التعامل مع الملكية الفكرية. إن البنية المتكاملة للعزل بين البرمجيات والعتاد، إلى جانب نموذج التحقق القائم على انعدام الثقة، تجعل من Targon القناة شبه الوحيدة الآمنة والقابلة للتطبيق أمام العملاء ذوي الثروات العالية للدخول إلى الشبكات اللامركزية، مما يؤدي إلى تكوين احتكار هيكلي نادر.
عند النظر إلى المنظومة بالكامل، يواجه Targon حصارًا وتحديات من مسارات تقنية متعددة:
المقارنة مع (Chutes (SN64: تركّز Chutes على المنصات بدون خوادم (Serverless) والتسعير المنخفض للغاية، وتبلغ قيمتها السوقية الحالية أكثر من 132 مليون دولار. وقد نجحت في جذب عدد كبير من المطورين في الأطراف الطويلة (Long-tail) وتقديم تجربة هي الأقرب إلى Web2 التقليدي. إلا أن عيبها القاتل يتمثل في غياب ضمانات العزل السرّي على مستوى العتاد، مما يجعلها غير قادرة تمامًا على التعامل مع تدفق البيانات الحساسة من الشركات التقليدية الكبرى، وهو ما يحد من إمكاناتها.
المقارنة مع (Templar (SN3: تتعمق Templar في البنية التحتية المتطرفة لمرحلة ما قبل تدريب النماذج اللغوية الكبيرة الموزعة، وتمتلك قوة سردية واضحة. غير أن معدل استنزاف البحث والتطوير لديها مرتفع للغاية، كما أنها تفتقر إلى حلقة واضحة وناضجة لتحقيق الإيرادات التجارية على نطاق واسع مثل Targon في المدى القريب.
المقارنة مع (Lium (SN51: تقدّم Lium خدمات تأجير مجموعات H100 عارية المعدن عالية الكثافة للمؤسسات، وتمتلك احتياطيًا كبيرًا من القدرة الحاسوبية. لكنها، من حيث عمق الميزة التنافسية والقيمة المضافة لتقنيات التشفير المتقدمة، لا تضاهي منظومة TVM الخاصة بـ Targon. بشكل عام، تكمن أفضلية Targon في نقطة الاختراق الاحتكارية ضمن مسار البيانات المتوافقة مع الامتثال، بالإضافة إلى امتلاكه حلقة مغلقة من الإيرادات الحقيقية التي تتجاوز 10 ملايين دولار. أما نقطة ضعفه المحتملة فتتمثل في عتبة الدخول العتادية الصارمة ذات الطابع العسكري، والتي تحد إلى حد ما من التوسع السريع وغير المنظم للمعدّنين داخل الشبكة.
رغم البناء القوي للمنظومة، لا يزال Targon والشبكة الأساسية بأكملها يواجهان اختبار بقاء نظامي ضخم:
احتكار المدققين وسلطة الكارتلات: تتمثل نقطة الضعف الأساسية في نظام Bittensor في التمركز المفرط لإثبات الحصة ضمن إجماع Yuma. حيث يتم التحكم في الغالبية العظمى من أوزان الرهن من قبل مؤسسات رأسمالية كبرى مثل Yuma Asset Management. وقد تقوم هذه الجهات فائقة القوة بإساءة استخدام أوزانها من خلال التواطؤ الكارتلي، مثل “نسخ الأوزان”، للتدخل في نظام التقييم واستخراج مكافآت التضخم من الشبكة بشكل خبيث. ورغم الإصلاحات والتحديثات المستمرة، لا يزال إصلاح الحوكمة المضاد للتواطؤ بمثابة سيف ديموقليس المعلّق فوق النظام.
دوامة الموت الناتجة عن جفاف الدعم الكلي: مع اقتراب محطة الإصدار التالية في عام 2029، ورغم أن Targon قد حقق إيرادات تتجاوز 10 ملايين دولار وقام بحرق جزء كبير من الإصدارات، فإنه لا يزال بعيدًا عن تحقيق “إنتاج صافي ذاتي” بالكامل، خاصة عند مقارنته باستهلاك سنوي للدعم قد يصل إلى 18 مليون دولار. وفي حال أدى تشديد الدورة الاقتصادية في سوق الكريبتو إلى انهيار سعر الرمز مقابل العملات الورقية، وعجز المؤسسات عن سداد أقساط أجهزة H200، فإن خروج عدد كبير منها من الشبكة قد يؤدي إلى إطلاق حلقة مفرغة من انهيار السيولة وفقدان المستخدمين.
الابتزاز الجيوسياسي الناتج عن هيمنة الشرائح: رغم أن السحابة اللامركزية مقاومة للرقابة من حيث التوزيع الفيزيائي، فإن طبقة العزل الأساسية في TEE تعتمد بشكل كبير على البرامج الثابتة والتراخيص المعمارية الخاصة باحتكار الشرائح، وعلى رأسه NVIDIA (H100/H200). وفي ظل تصاعد قيود تصدير أشباه الموصلات عالميًا، فإن أي حظر أحادي من قبل عمالقة العتاد على بروتوكولات الواجهة قد يهدد بشلّ منظومة الحماية الخاصة بـ Targon. لذلك، فإن تسريع التوافق مع معايير خارج منظومة NVIDIA يمثل أولوية قصوى في معركة البقاء.
النظرة المستقبلية: هل يمكن تأسيس مركز ثقة لامركزي يعيد تشكيل علاقات الإنتاج؟
من خلال التفكيك العميق، يتضح أن Targon (SN4) قد تجاوز بكثير تموضعه الأولي الضيق كمجرد “مجمع قدرة حاسوبية موزع”، وتحول إلى وكيل تشفيري مؤسسي ضخم، مدفوع بالتحقق الاحتمالي الرياضي الصارم، وعزل الثقة على مستوى العتاد، ومحرك اقتصادي رمزي شديد التنافس. وقد استطاع التميز ضمن بيئة مليئة بالاحتيال والمنافسة المعقدة.
في المرحلة الحالية، يعتمد استمرار تحقيق الدخل واسع النطاق من السحابة السرّية اللامركزية على قدرة الدخل الخارجي للشبكة على تجاوز معدل تضخم الرموز. وقد أثبتت Targon بشكل قاطع، ولأول مرة أمام المؤسسات المالية والتقنية التقليدية، من خلال الصفقة الضخمة مع Dippy AI، أن البنية اللامركزية قادرة بالكامل على التفوق على نموذج السحابة التقليدية كخدمة من حيث كفاءة التكلفة، مع تقديم ضمان تقني أساسي لا تستطيع الأنظمة المركزية الوصول إليه فيما يتعلق بسيادة خصوصية البيانات.
في السنوات القادمة، ومع الاقتراب من عصر الذكاء العام الاصطناعي (AGI)، والانفتاح الكامل لقنوات الامتثال التقليدية مثل صناديق Grayscale، والزيادة الأسية في قلق الشركات العالمية بشأن حقوق الملكية الفكرية لنماذج الذكاء الاصطناعي، سيستفيد نموذج Targon القائم على انعدام الثقة من زخم تاريخي قوي. ورغم التحديات القادمة—من مواجهة الكارتلات إلى احتواء سلاسل توريد الشرائح العالمية—فإن Targon، من خلال الاستفادة من مزايا التشفير، قد أعاد بشكل لا رجعة فيه تشكيل حدود الإنتاج والثقة داخل الذكاء الاصطناعي اللامركزي، وترك أثرًا حاسمًا في تاريخ توزيع الحوسبة الذكية البشرية.
تُعد Targon، وهي الشبكة الفرعية رقم SN4، بنية تحتية سحابية سرّية لامركزية مبنية على منظومة Bittensor. ويتمحور جوهرها حول تحرير قدرات الحوسبة عالية الأداء المخصصة للذكاء الاصطناعي على مستوى المؤسسات، واستدلال النماذج المملوكة، من احتكار عمالقة السحابة التقليديين، وذلك من خلال آليات مثل بيئة التنفيذ الموثوقة TEE، والتحقق التشفيري الحتمي، واقتصاديات الرموز الديناميكية القائمة على الألعاب. وبهذا، تُحوّل Targon هذه القدرات إلى “سلع رقمية” نادرة يقودها السوق الحر. من الناحية المعمارية، تجمع Targon بين دفاع أمني متكامل عبر كامل البنية، بما يشمل العزل العتادي، والناقل المحمي، ونظام TargonOS المخصص، وبين استراتيجية دمج عتاد متعددة المورّدين، لتشكيل شبكة حوسبة لامركزية تقوم في جوهرها على السرّية والتنفيذ دون الحاجة إلى الثقة. ولا يساهم ذلك فقط في خفض تكلفة تدريب نماذج الذكاء الاصطناعي واستدلالها على مستوى المؤسسات بشكل كبير، بل يوفر أيضًا بنية امتثال مقاومة للرقابة للمؤسسات التي لديها متطلبات عالية فيما يتعلق بخصوصية البيانات والملكية الفكرية. ومن منظور المنظومة وأداء البيانات، أكملت Targon عملية ترحيل البنية التحتية الأساسية لتطبيقات تجارية واسعة النطاق مثل Dippy AI، وحققت إيرادات سنوية خارجية بعشرات الملايين، كما أظهرت قدرة قوية على جذب رأس المال ضمن آلية dTAO. وقد سدّت Targon فجوة البنية التحتية في سباق الذكاء الاصطناعي اللامركزي فيما يتعلق بـ “أمن البيانات والثقة في التحقق”، مستكشفة نموذج أعمال جديدًا يقوم على “تأجير قدرات الحوسبة السرّية للمؤسسات”. وعلى المدى الطويل، تمتلك Targon إمكانات كبيرة لتصبح منشأة أساسية للجيل القادم من تطبيقات الذكاء الاصطناعي المقاومة للتلاعب والكيانات الرقمية الذكية السيادية.
انطلاقًا من عمالقة السحابة التقليدية كخدمة في Web2: الوضع الحالي وحدود تخصيص قدرات الحوسبة للذكاء الاصطناعي
في عصر النمو المتسارع لتقنيات الذكاء الاصطناعي، يواجه التوزيع العالمي لموارد الحوسبة اختلالًا غير مسبوق. ويُعد نشر وتشغيل تطبيقات ذكاء اصطناعي متقدمة مثل نماذج اللغة الكبيرة LLM مشروعًا ذا صعوبات مالية وبنيوية مرتفعة للغاية وفق الفهم والممارسات التجارية التقليدية. حاليًا، يهيمن على عرض قدرات الحوسبة عدد محدود من مزوّدي السحابة المركزية التقليديين كخدمة، مثل AWS وGoogle Cloud وMicrosoft Azure، إلى جانب بعض مختبرات الذكاء الاصطناعي المغلقة والمتقدمة. وبفضل إنفاقها الرأسمالي الضخم، لا تحتكر هذه المؤسسات مجموعات الحوسبة عالية الأداء المكوّنة من شرائح متقدمة مثل NVIDIA H100 وH200 فحسب، بل تسيطر أيضًا على تسعير موارد الحوسبة وتخصيصها. وفي هذا النموذج، لا تستطيع المؤسسات العادية، ومطوّرو Web3، وحتى الشركات التقنية الناشئة المتوسطة والكبيرة، إلا استئجار “حوسبة الذكاء الاصطناعي كخدمة” من هذه الشركات العملاقة بعلاوات سعرية مرتفعة للغاية. وهذا يجعل الحوسبة المتقدمة للذكاء الاصطناعي احتكارًا لفئة محدودة، بدلًا من أن تكون موردًا أساسيًا متاحًا على نطاق واسع.
على الرغم من أن مزوّدي السحابة المركزية في Web2 يوفّرون خدمات حوسبة قابلة للتوسع بدرجة عالية ومستقرة نسبيًا، فإن قيود بنيتهم المغلقة بدأت تظهر بوتيرة أسرع مع استمرار تطور صناعة الذكاء الاصطناعي.
مخاوف الخصوصية والملكية الفكرية: عندما ترفع الشركات أوزان نماذجها المملوكة وبيانات المستخدمين الحساسة للغاية، مثل السجلات الطبية والمعاملات المالية، إلى سحابة مركزية، فإنها تواجه مخاطر جدية مرتبطة بنقطة فشل واحدة وتسرب البيانات. وقد أصبح القلق العميق لدى الشركات الحديثة بشأن تسرب أوزان النماذج المملوكة أحد العوائق الرئيسية أمام انتقال سيناريوهات الأعمال المتقدمة إلى السحابة.
التكلفة المرتفعة والتسعير غير المرن: تتركز موارد الحوسبة بدرجة عالية في أيدي مزوّدي السحابة، بينما تفتقر آلية التسعير إلى منافسة سوق حرة حقيقية. وبالنسبة للشركات التي تحتاج إلى معالجة متطلبات استدلال كبيرة وعالية التزامن، فإن الاعتماد طويل الأجل على استئجار السحابة المركزية كخدمة يؤدي إلى تكاليف تشغيل وصيانة غير مستدامة للغاية.
الاختناقات الهيكلية وغياب مقاومة الرقابة: تُعد خدمات السحابة التقليدية “نظامًا مغلقًا”، حيث ترتبط عمليات تدريب النماذج ونقل البيانات وجدولة الموارد لدى المستخدمين بشكل صارم بقواعد منصة واحدة، مع غياب مقاومة كاملة للرقابة على مستوى البنية الفيزيائية. وفي ظل هذه الخلفية، ظهر بروتوكول Bittensor، محاولًا كسر هذا الاختناق الهيكلي التقليدي عبر دمج اقتصاديات رموز البلوكشين مع التعلم الآلي الموزع، بهدف بناء سوق حر من نظير إلى نظير يُعرف باسم “شبكة السلع الرقمية”.
تارغون: إعادة بناء الحوسبة السرّية للذكاء الاصطناعي عبر “شبكة تشفيرية”
كما تم توضيحه سابقًا، تتمثل الإشكالية الجوهرية في حوسبة الذكاء الاصطناعي ضمن Web2 في “الاحتكار المغلق” و”أزمة الثقة”. وتأتي Targon كإعادة هيكلة جذرية لهذه المعضلة. تم تطوير Targon بقيادة Manifold Labs، وهي شركة ناشئة في بنية الذكاء الاصطناعي مقرها أوستن، تكساس، وتعمل كالشبكة الفرعية الرابعة ضمن (Bittensor (SN4.
Targon ليست مجرد منصة لتجميع بطاقات الرسوميات الاستهلاكية غير المستغلة، بل تُعد أول—وحاليًا الوحيدة— التي تحتوي على بنية تحتية سحابية سرّية في النظام اللامركزي تعالج بشكل منهجي مشكلة “التنفيذ غير القابل للثقة على مستوى العتاد”. يتمتع الفريق الأساسي في Manifold Labs بفهم عميق للخصائص الجوهرية لمنظومة Bittensor. وقد نجح المؤسس والرئيس التنفيذي Robert Myers، إلى جانب المؤسس المشارك James Woodman، في تحديد استراتيجية Targon بدقة كمنافس مباشر لخدمات السحابة المؤسسية مثل Amazon Web Services وOpenAI. ومن خلال التكامل العميق بين بيئة التنفيذ الموثوقة (TEE)، والآلة الافتراضية المطوّرة داخليًا (TVM)، وآليات التحقق التشفيري الحتمي، تتيح Targon للمستخدمين تنفيذ المهام على عقد لامركزية بالكامل، مع ضمان خصوصية البيانات بشكل مطلق على المستويين الفيزيائي والرياضي.
لطالما واجهت شبكات الذكاء الاصطناعي اللامركزية معضلة جوهرية في تحقيق الدخل:
من جهة، فإن تجميع قدرات الحوسبة غير المستغلة لدى المعدّنين حول العالم يساهم بشكل كبير في خفض تكاليف الحوسبة.
ومن جهة أخرى، وبما أن السيطرة الفيزيائية على عقد الشبكة تقع بيد معدّنين مجهولين عالميًا، فإن أي محاولة لمعالجة بيانات طبية أو مالية، أو تشغيل نماذج ذات أوزان عالية القيمة على هذه العقد، تواجه خطرًا كارثيًا يتمثل في سرقة البيانات.
التغيير الجوهري الذي قدمته Targon يتمثل في تحويل الفرضية التقليدية القائمة على “الثقة في أن العقدة لن تتصرف بسوء” إلى نموذج “استحالة التصرف الخبيث رياضيًا”. قامت Targon ببناء طبقات دفاع تمتد من الناقل الفيزيائي للعتاد وصولًا إلى نظام التشغيل، بحيث يصبح من المستحيل حتى على المعدّنين المجهولين—حتى مع امتلاكهم مفاتيح فعلية لمراكز البيانات—قراءة ملفات أوزان النماذج أو سرقة البيانات التفاعلية التي يرسلها المستخدمون. هذا لا يقتصر فقط على سد الفجوة الضخمة بين “الحوسبة الموزعة منخفضة التكلفة” و”أمن البيانات المؤسسي المتوافق مع الامتثال”، بل يفتح أيضًا الطريق أمام تحقيق الدخل من نماذج الذكاء الاصطناعي المغلقة عالية القيمة على الشبكات المفتوحة، مما يوسّع قاعدة العملاء لتشمل شركات Fortune 500 الحساسة للغاية تجاه الملكية الفكرية.
في المنصات التقليدية للحوسبة اللامركزية: يقتصر دور المنصة غالبًا على مطابقة الموارد وربط العرض بالطلب بشكل بسيط،
أما ضمن الإطار الاقتصادي الكلي لكل من Targon وBittensor: فإن هذه العملية تخضع لتحول جذري، تهدف Targon إلى تحويل “الحوسبة عالية الأداء للذكاء الاصطناعي مع خصائص الخصوصية” إلى “سلعة رقمية” نادرة، قابلة للتوحيد القياسي، والقياس، والتداول الحر. هذا لا يتعلق فقط بتوفير أدوات، بل ببناء سوق يعمل بشكل مستمر: يمكن للمطورين نشر نماذج مملوكة تقدر بملايين الدولارات بثقة لتحقيق عوائد تجارية، يمكن لمزودي القدرة الحاسوبية (المعدّنين المؤسسيين) تحديد أسعارهم الخاصة عبر دفتر أوامر، بينما يستخدم المدققون آليات تشفير صارمة لتقييم جودة القدرة الحاسوبية المقدمة وتوزيع الرموز، النتيجة: تحولت حوسبة الذكاء الاصطناعي من: مهمة هندسية عالية المخاطر إلى نموذج اقتصادي رقمي ديناميكي، مدفوع بحوافز السوق وتعاون جميع الأطراف.
ضمن منظومة Bittensor التي توسعت لتشمل 128 شبكة فرعية نشطة، تتولى شبكات مختلفة وظائف متعددة مثل:
جمع البيانات، توليد نماذج التعلم الآلي متعددة الوسائط و تدريب النماذج. وفي هذا السياق، يتطور موقع (Targon (SN4 ليصبح:
“مصب الحوسبة” الأساسي على المستوى الصناعي، والمحور المركزي للقدرة الحاسوبية داخل المنظومة بالكامل. لا تقتصر وظيفة Targon على خدمة عملاء Web2 التقليديين بشكل مباشر، بل توفر أيضًا دعمًا حاسوبيًا للشبكات الفرعية الأخرى التي تفتقر إلى موارد عتادية، لكنها تحتاج إلى تنفيذ منطق متقدم من خلال بنيتها التحتية السرّية.
عزل البيانات والتعاون: شبكة (Score (SN44، التي تركز على تتبّع الرياضات التنافسية، تقوم بتشغيل نموذج تحليل الفيديو الحصري الخاص بها داخل بيئة التنفيذ الموثوقة (TEE) التابعة لـ Targon، وذلك لحماية خصوصية مقاطع الفيديو التدريبية الحساسة داخل الملعب، وتجنّب تعرّض البيانات للشبكة العامة.
تنفيذ تحسين المنطق: شبكة Affine (SN120)، التي تتخصص بشكل عميق في تحسين منطق الاستدلال في الذكاء الاصطناعي، لا تستضيف موارد عتادية، بل تعتمد على شبكة Targon لتنفيذ عمليات الاستدلال الفعلية، مما يشكّل حلقة قيمة مكتملة.
دعم أبحاث AGI: يقوم المشروع الرائد Hone بدمج قدرات البنية التحتية الأساسية لشركة Manifold Labs بشكل عميق ضمن إطار ما قبل التدريب والدمج الخاص به. بالإضافة إلى ذلك، تم دمج Targon ضمن مجموعة أدوات hermes-agent التابعة لـ NousResearch، مما يتيح للمطورين استدعاء موارد GPU سرّية ولا مركزية بشكل مباشر.
البنية الأساسية: كيفية تنفيذ الحوسبة السرّية غير المعتمدة على الثقة على مستوى العتاد داخل شبكة
لفهم كيفية تجاوز Targon لعائق الثقة بشكل كامل، يجب تفكيك نظام الدفاع الأمني المتكامل الخاص بها، والمعروف باسم (Targon Virtual Machine (TVM.
تضمن Targon أمن البيانات في بيئة موزعة دون الاعتماد على الثقة، بدءًا من أدنى مستوى وهو العزل العتادي.
بيئة التنفيذ الموثوقة (TEE): يتم اقتطاع مساحة ذاكرة مشفّرة على مستوى العتاد تُعرف باسم “Enclave” داخل وحدة المعالجة المركزية (CPU). حتى في حال اختراق أعلى صلاحيات (Root) لنظام تشغيل عقدة المعدّن، فإنه يستحيل قراءة أو التلاعب بالتعليمات والبيانات التي يتم تنفيذها داخل هذه المنطقة.
التوافق العتادي والتكامل القياسي: لمنع الاعتماد على تقنية واحدة، قامت Targon بدمج تقنيات (Intel (TDX ودعم بنية (AMD (SEV-SNP، إلى جانب التكامل السلس مع بنية الحوسبة السرّية المتقدمة على مستوى GPU من NVIDIA.
تشفير طبقة نقل البيانات (PPCIe): لمنع هجمات التنصّت الفيزيائي عبر ناقل اللوحة الأم، تفرض الشبكة استخدام تقنية PCIe المحمية، بحيث تبقى البيانات الحساسة مغلّفة بخوارزميات تشفير تدفقي أثناء انتقالها من ذاكرة CPU إلى بطاقات مثل H200 أو RTX 4090 عبر فتحات اللوحة الأم، مما يحقق حماية كاملة من التنصّت على مستوى العتاد من الطرف إلى الطرف.
نظرًا للدوافع الربحية العالية واحتمالات الغش لدى مجتمع التعدين، لا يمكن لـ Targon السماح بتشغيل أنظمة تشغيل معدّلة بشكل تعسفي من قبل المعدّنين.
نظام مخصص محسّن: قامت Manifold Labs بتطوير وإطلاق نسخة Linux مخصصة ومحسّنة بشكل كبير تُعرف باسم TargonOS، وهي مخصصة لتشغيل الآلات الافتراضية المشفّرة على أجهزة غير موثوقة.
جذر الثقة العتادي (TPM): يُدخل TargonOS آلية إقلاع آمن (Secure Boot) قائمة على وحدة Trusted Platform Module (TPM) لضمان عدم التلاعب ببيئة النظام الأساسية.
الاتصال الشبكي المتقدم: على مستوى الشبكة، ومن خلال بروتوكول Epistula v2 مفتوح المصدر متعدد اللغات، إلى جانب تقنيات زمن الاستجابة المنخفض مثل InfiniBand وRoCE، يتم تحقيق: اتصال متزامن مشفّر ومقاوم للتنصّت بين العقد، زمن استجابة منخفض للغاية (أقل من 50 مللي ثانية) و استقرار تشغيل بنسبة 99%. مما يقلل بشكل كبير من احتكاك المطورين عند استخدام الشبكة.
السؤال الأساسي:كيف يمكن التحقق من أن المعدّنين قد قاموا فعليًا بتنفيذ عمليات استدلال معقدة لنموذج يحتوي على مئات المليارات من المعاملات، دون هدر في القدرة الحاسوبية، ضمن بنية موزعة بالكامل؟ هذا يقود إلى أحد أهم ابتكارات Targon: نظام التحقق الحتمي.
الإثبات عن بُعد (Remote Attestation): قبل توزيع المهام، يجب على المعدّنين تقديم إثبات تشفيري إلى الشبكة يتضمن: نموذج العتاد الفيزيائي الفعلي، قيمة تجزئة نواة نظام التشغيل و بصمة سلامة ملف TVM. بعد التحقق من قبل المدققين، يمكن التأكد من أن المعدّن يستخدم بطاقة رسومية متقدمة (مثل H200) متوافقة، وليس تنفيذًا احتياليًا لقدرة حاسوبية مزيفة.
اختراق مشكلة عدم تماثل القدرة الحاسوبية: في الشبكات اللامركزية التقليدية، إذا كان المدققون يمتلكون عتادًا منخفض الأداء، فلن يتمكنوا من إعادة تنفيذ العمليات المعقدة للمعدّنين للتحقق من صحتها. قامت Targon بحل هذه المشكلة من خلال منطق verifier.py، حيث يقوم مشرف الشبكة بإرسال: استعلامات اصطناعية و استعلامات حقيقية، بشكل مستمر إلى مجموعة المعدّنين.
محرك Logprobs: بعد إتمام عملية الاستدلال، يُجبر المعدّنون على إرجاع: تسلسل التوكنات النصية الناتجة و مصفوفة “الاحتمالات اللوغاريتمية” (logprobabilities) لكل طبقة خفية أثناء عملية الحساب. و يقوم المدققون خفيفو الموارد بمقارنة التوزيع الاحتمالي لنموذجهم المرجعي مع البيانات المقدمة من المعدّنين على المستوى التشفيري. إذا كان التوزيع الرياضي متطابقًا بدرجة عالية، وكان زمن الاستجابة أقل من الحد الخاص بالأجهزة منخفضة الأداء، يمكن للمدقق الوصول إلى يقين كامل من الناحية الإحصائية بأن المعدّن قد نفّذ عملية الاستدلال الحقيقية من الصفر، مما يكشف فورًا أي محاولة لاستخدام التخزين المؤقت (Cache) أو التلاعب بنموذج أصغر.
آلية الحوافز والمنافسة: كيف تُشكّل حوسبة الذكاء الاصطناعي “حلقة إيجابية” في الاقتصاد الكلي
تعتمد دورة حياة شبكة Bittensor وجدولة قدرات الحوسبة بشكل كبير على تصميم اقتصاديات الرموز الأساسي الخاص بها. في ديسمبر 2025، شهدت Bittensor أول عملية تنصيف للإصدار، حيث تم تخفيض الكمية اليومية المصدرة من الرمز الأساسي TAO من 7,200 إلى 3,600، مما أدى إلى تقليل معدل التضخم بشكل كبير إلى 13%، مع الحفاظ على حد أقصى للإمداد يبلغ 21 مليون. آلية TAO الديناميكية (dTAO)، التي تم إطلاقها في فبراير 2025، أعادت تشكيل قواعد بقاء الشبكات الفرعية بشكل كامل. حيث أدخلت نموذج صانع السوق الآلي (AMM)، وألغت النموذج التقليدي القائم على التخصيص الذاتي لمكافآت التضخم من خلال لجنة مدققين ثابتة، واستبدلته بنظام تصويت رأسمالي قائم على السوق الحر. يقوم النظام بإصدار رمز Alpha مخصص لشبكة Targon (برمز SN4). يمكن للمستثمرين سكّ أو تبادل SN4 من خلال رهن الرمز الأساسي TAO، مما يُنشئ احتياطي سيولة عميق قائم على نظام رمزين. السعر النسبي اللحظي والقيمة السوقية الإجمالية لرمز SN4 يحددان بشكل مباشر حجم الحصة التي يمكن أن تحصل عليها Targon من توزيعات إصدار TAO اليومية.
لتجنب ظاهرة خمول المعدّنين والاكتفاء بتحقيق الحد الأدنى من الأداء للحصول على المكافآت، قام فريق Targon بإعادة كتابة منطق المكافآت بالكامل في إصدار v3، حيث تم التخلي عن منحنى العوائد الثابت، واستبداله بمنحنى أسي شديد الانحدار. ضمن هذا النظام:
تقييم الأداء الشامل: يقوم المدققون بمراقبة زمن الاستجابة المطلق، والتوازي، ومعدل الإنتاجية لعتاد المعدّن بشكل فوري ودقيق.
الفائز يحصل على كل شيء: فقط العقد ذات الأداء الأعلى في قمة التصنيف، القادرة على التعامل مع أحجام ضخمة من الطلبات المتزامنة، تحصل على نقاط إجماع Yuma المضاعفة بشكل أسي والمكافآت الزائدة.
عقوبات صارمة ضد الغش: أي محاولة للتلاعب عبر تسريع الاستجابة بشكل مصطنع من خلال تعديل إعدادات TVM يتم كشفها فورًا أثناء مرحلة مقارنة الاحتمالات اللوغاريتمية (Logprobs)، ويتم تصفير تقييم المعدّن واستبعاده من نظام التقييم، مع فرض عقوبات قاسية مثل خفض الترتيب أو الطرد من الشبكة. هذا السباق التنافسي الشديد يدفع المعدّنين إلى الاستثمار المستمر في شراء وحدات GPU متقدمة وتحسين البنية التحتية للشبكات، مما يعزز الأساس العتادي لشبكة Targon.
لطالما تعرّضت الشبكات اللامركزية لانتقادات بسبب كونها “صحارى إيرادات”، أي أنها تعتمد بشكل مفرط على تضخم الرموز لدعم المشاركين في الشبكة. وبمجرد توقف هذا الدعم، يغادر العملاء من الشركات الذين كانوا يستخدمون القدرة الحاسوبية بشكل مجاني فورًا.
ولضمان البقاء على المدى الطويل، قامت Manifold Labs بتنفيذ إصلاح استشرافي للغاية داخل هذا القطاع:
حرق 70% من التضخم: قامت الإدارة بفتح صمام التوزيع بشكل قسري، مما أدى إلى حرق أو عزل ما يصل إلى 70% من إصدار TAO الخاص بالشبكة الفرعية، ومنع دخوله إلى السوق.
التحكم في نقطة توازن العملة الورقية: من خلال تقليل المعروض المتداول، يتم ضبط دخل الدعم للمعدّنين الكبار (مثل عقد H200) بدقة عند مستوى منطقي يقارب 2.80 دولار في الساعة. هذا الربح المحدود لكنه صحي يغطي فقط استهلاك الأجهزة، وفوائد التقسيط، وتكاليف الكهرباء، مما يؤدي إلى تصفية المضاربين قصيري الأجل الذين قد ينسحبون في أي وقت، ويضمن في النهاية أن مكافآت المعدّنين مدعومة بالكامل بدخل حقيقي خارجي من الشركات.
آلية دفتر الأوامر: تم إلغاء نموذج الاقتصاد الموجّه غير المرن الذي كانت تحدد فيه الأسعار عبر البروتوكول، وإعادة سلطة التسعير إلى مزوّدي القدرة الحاسوبية. يمكن للمعدّنين تحديد أسعار الطلب الخاصة بهم للأجهزة عالية الأداء، بل وحتى توقيع عقود طويلة الأجل بضمانات تشمل الضمانات المالية وزمن التشغيل المستقر. وقد أدت هذه الآليات إلى تهميش المعدّنين الأفراد الذين كانوا يعتمدون على التأجير وإعادة البيع في المراحل المبكرة، وجذبت بدلًا منهم معدّنين مؤسسيين حقيقيين يمتلكون مراكز بيانات خاصة وتكاليف رأس مال منخفضة للغاية، مما عزز بشكل كبير مرونة شبكة Targon التجارية.
وضع المنظومة وانتشار الأعمال
يختلف نظام المشاركين في Targon جذريًا عن العديد من الشبكات الفرعية التي لا تزال في مرحلة إثبات المفهوم (PoC)، حيث نجحت في بناء حاجز قوي داخل العالم التجاري الفعلي.
التبني المؤسسي (Requirements and Verifier): أبرز اختراق تجاري جاء من شركة Dippy AI، وهي شركة معروفة في مجال تقنيات لعب الأدوار المدعومة بالذكاء الاصطناعي. تمتلك Dippy AI قاعدة مستخدمين تتجاوز 8.6 مليون مستخدم على الأجهزة المحمولة، وتتعامل يوميًا مع مليارات (10B) من طلبات التفاعل الأساسية. وبسبب التكاليف التشغيلية المرتفعة، قررت Dippy AI إنهاء التعاقد مع مزوّد سحابة مركزي، ونقل كامل سلسلة الاستدلال الخلفية إلى شبكة Targon. هذا العقد الضخم، الذي تبلغ قيمته مئات الآلاف من الدولارات، لم يرفع فقط الإيرادات الخارجية السنوية لـ Targon إلى حوالي 10.4 مليون دولار، بل أثبت أيضًا للصناعة أن الشركات الكبرى يمكنها، بعد الانتقال إلى Targon، تقليل إجمالي التكاليف بنسبة تتراوح بين 20% و35% مع الحفاظ على مرونة البنية اللامركزية.
مصفوفة النظام البيئي الكاملة (Manifold 2.0): في مارس 2025، أطلقت Manifold Labs مصفوفة نظام بيئي تغطي تطبيقات متعددة الأبعاد، من بينها: محرك البحث اللامركزي الهجين Sybil (الذي يحقق التقاط بيانات الشبكة بسرعة على مستوى المللي ثانية مع مقاومة الرقابة) أداة المراقبة المتقدمة لشبكات البلوكشين Tao.xyz، مما عزز بشكل كبير تجربة المطورين وشفافية البيانات داخل المنظومة.
استنادًا إلى بنية نظام dTAO وأحدث البيانات الاقتصادية الكلية على السلسلة حتى عام 2026، أظهرت Targon قدرة قوية على الاحتفاظ برأس المال والسيولة داخل السوق الحر.
القيمة السوقية وسعر العملة: يتراوح سعر الأصل الأساسي SN4 بين 18.39 و19.07 دولار، مع قيمة سوقية إجمالية تتراوح بين 85.10 مليون و91.80 مليون دولار، مما يضعه ضمن أفضل ثلاثة شبكات فرعية من بين 128 شبكة نشطة، ويعكس إجماعًا عميقًا من رأس المال المؤسسي.
آلية الانكماش: ضمن هيكل إمداد أقصى يبلغ 21 مليون رمز، يتم الحفاظ على العرض المتداول بين 4.41 مليون و4.46 مليون، وقد تم حرق حوالي 442,300 رمز بشكل دائم عبر آليات تنظيم اقتصاد الرموز، مما يمنحه خصائص قوية مقاومة للتضخم.
هيكل مجمعات السيولة: جمعت مجمعات التداول AMM الخاصة به سيولة احتياطية أساسية تبلغ 42.25 مليون دولار (أكثر من 130,000 TAO و2.22 مليون Alpha)، مما يوفر وسادة أمان للمؤسسات الكبرى لبناء مراكز استثمارية كبيرة أو تنفيذ عمليات الرهن دون التعرض لانزلاقات سعرية حادة.
الرهن والعائد على الاستثمار: جزء كبير من الرموز في السوق في حالة رهن وإقفال (أكثر من 2.25 مليون SN4). ويبلغ معدل العائد السنوي للتدفق النقدي الذي يقدمه كبار المدققين (مثل عقد MUV وTatsu) للمشاركين في الرهن ما بين 8.40% و9.61%، مما يجعله خيارًا استثماريًا أفضل مقارنة بالأصول ذات الدخل الثابت التقليدية في Web2.
مشهد المنافسة ولعبة الهشاشة متعددة الأبعاد
في مسار الذكاء الاصطناعي اللامركزي شديد التنافس في مجالي الاستدلال والحوسبة، يتمتع Targon بتموضع واضح ودفاعي. فقد تجنّب بذكاء المنافسة الدموية، ودخل إلى المسار الأكثر ربحية في سلسلة توريد الذكاء الاصطناعي الحالية: الامتثال المؤسسي وآليات الثقة. ومع تزايد صرامة قوانين الامتثال لخصوصية البيانات في أوروبا والولايات المتحدة، تصاعدت حالة القلق الشديد لدى الشركات التقليدية تجاه اعتماد الشبكات اللامركزية في التعامل مع الملكية الفكرية. إن البنية المتكاملة للعزل بين البرمجيات والعتاد، إلى جانب نموذج التحقق القائم على انعدام الثقة، تجعل من Targon القناة شبه الوحيدة الآمنة والقابلة للتطبيق أمام العملاء ذوي الثروات العالية للدخول إلى الشبكات اللامركزية، مما يؤدي إلى تكوين احتكار هيكلي نادر.
عند النظر إلى المنظومة بالكامل، يواجه Targon حصارًا وتحديات من مسارات تقنية متعددة:
المقارنة مع (Chutes (SN64: تركّز Chutes على المنصات بدون خوادم (Serverless) والتسعير المنخفض للغاية، وتبلغ قيمتها السوقية الحالية أكثر من 132 مليون دولار. وقد نجحت في جذب عدد كبير من المطورين في الأطراف الطويلة (Long-tail) وتقديم تجربة هي الأقرب إلى Web2 التقليدي. إلا أن عيبها القاتل يتمثل في غياب ضمانات العزل السرّي على مستوى العتاد، مما يجعلها غير قادرة تمامًا على التعامل مع تدفق البيانات الحساسة من الشركات التقليدية الكبرى، وهو ما يحد من إمكاناتها.
المقارنة مع (Templar (SN3: تتعمق Templar في البنية التحتية المتطرفة لمرحلة ما قبل تدريب النماذج اللغوية الكبيرة الموزعة، وتمتلك قوة سردية واضحة. غير أن معدل استنزاف البحث والتطوير لديها مرتفع للغاية، كما أنها تفتقر إلى حلقة واضحة وناضجة لتحقيق الإيرادات التجارية على نطاق واسع مثل Targon في المدى القريب.
المقارنة مع (Lium (SN51: تقدّم Lium خدمات تأجير مجموعات H100 عارية المعدن عالية الكثافة للمؤسسات، وتمتلك احتياطيًا كبيرًا من القدرة الحاسوبية. لكنها، من حيث عمق الميزة التنافسية والقيمة المضافة لتقنيات التشفير المتقدمة، لا تضاهي منظومة TVM الخاصة بـ Targon. بشكل عام، تكمن أفضلية Targon في نقطة الاختراق الاحتكارية ضمن مسار البيانات المتوافقة مع الامتثال، بالإضافة إلى امتلاكه حلقة مغلقة من الإيرادات الحقيقية التي تتجاوز 10 ملايين دولار. أما نقطة ضعفه المحتملة فتتمثل في عتبة الدخول العتادية الصارمة ذات الطابع العسكري، والتي تحد إلى حد ما من التوسع السريع وغير المنظم للمعدّنين داخل الشبكة.
رغم البناء القوي للمنظومة، لا يزال Targon والشبكة الأساسية بأكملها يواجهان اختبار بقاء نظامي ضخم:
احتكار المدققين وسلطة الكارتلات: تتمثل نقطة الضعف الأساسية في نظام Bittensor في التمركز المفرط لإثبات الحصة ضمن إجماع Yuma. حيث يتم التحكم في الغالبية العظمى من أوزان الرهن من قبل مؤسسات رأسمالية كبرى مثل Yuma Asset Management. وقد تقوم هذه الجهات فائقة القوة بإساءة استخدام أوزانها من خلال التواطؤ الكارتلي، مثل “نسخ الأوزان”، للتدخل في نظام التقييم واستخراج مكافآت التضخم من الشبكة بشكل خبيث. ورغم الإصلاحات والتحديثات المستمرة، لا يزال إصلاح الحوكمة المضاد للتواطؤ بمثابة سيف ديموقليس المعلّق فوق النظام.
دوامة الموت الناتجة عن جفاف الدعم الكلي: مع اقتراب محطة الإصدار التالية في عام 2029، ورغم أن Targon قد حقق إيرادات تتجاوز 10 ملايين دولار وقام بحرق جزء كبير من الإصدارات، فإنه لا يزال بعيدًا عن تحقيق “إنتاج صافي ذاتي” بالكامل، خاصة عند مقارنته باستهلاك سنوي للدعم قد يصل إلى 18 مليون دولار. وفي حال أدى تشديد الدورة الاقتصادية في سوق الكريبتو إلى انهيار سعر الرمز مقابل العملات الورقية، وعجز المؤسسات عن سداد أقساط أجهزة H200، فإن خروج عدد كبير منها من الشبكة قد يؤدي إلى إطلاق حلقة مفرغة من انهيار السيولة وفقدان المستخدمين.
الابتزاز الجيوسياسي الناتج عن هيمنة الشرائح: رغم أن السحابة اللامركزية مقاومة للرقابة من حيث التوزيع الفيزيائي، فإن طبقة العزل الأساسية في TEE تعتمد بشكل كبير على البرامج الثابتة والتراخيص المعمارية الخاصة باحتكار الشرائح، وعلى رأسه NVIDIA (H100/H200). وفي ظل تصاعد قيود تصدير أشباه الموصلات عالميًا، فإن أي حظر أحادي من قبل عمالقة العتاد على بروتوكولات الواجهة قد يهدد بشلّ منظومة الحماية الخاصة بـ Targon. لذلك، فإن تسريع التوافق مع معايير خارج منظومة NVIDIA يمثل أولوية قصوى في معركة البقاء.
النظرة المستقبلية: هل يمكن تأسيس مركز ثقة لامركزي يعيد تشكيل علاقات الإنتاج؟
من خلال التفكيك العميق، يتضح أن Targon (SN4) قد تجاوز بكثير تموضعه الأولي الضيق كمجرد “مجمع قدرة حاسوبية موزع”، وتحول إلى وكيل تشفيري مؤسسي ضخم، مدفوع بالتحقق الاحتمالي الرياضي الصارم، وعزل الثقة على مستوى العتاد، ومحرك اقتصادي رمزي شديد التنافس. وقد استطاع التميز ضمن بيئة مليئة بالاحتيال والمنافسة المعقدة.
في المرحلة الحالية، يعتمد استمرار تحقيق الدخل واسع النطاق من السحابة السرّية اللامركزية على قدرة الدخل الخارجي للشبكة على تجاوز معدل تضخم الرموز. وقد أثبتت Targon بشكل قاطع، ولأول مرة أمام المؤسسات المالية والتقنية التقليدية، من خلال الصفقة الضخمة مع Dippy AI، أن البنية اللامركزية قادرة بالكامل على التفوق على نموذج السحابة التقليدية كخدمة من حيث كفاءة التكلفة، مع تقديم ضمان تقني أساسي لا تستطيع الأنظمة المركزية الوصول إليه فيما يتعلق بسيادة خصوصية البيانات.
في السنوات القادمة، ومع الاقتراب من عصر الذكاء العام الاصطناعي (AGI)، والانفتاح الكامل لقنوات الامتثال التقليدية مثل صناديق Grayscale، والزيادة الأسية في قلق الشركات العالمية بشأن حقوق الملكية الفكرية لنماذج الذكاء الاصطناعي، سيستفيد نموذج Targon القائم على انعدام الثقة من زخم تاريخي قوي. ورغم التحديات القادمة—من مواجهة الكارتلات إلى احتواء سلاسل توريد الشرائح العالمية—فإن Targon، من خلال الاستفادة من مزايا التشفير، قد أعاد بشكل لا رجعة فيه تشكيل حدود الإنتاج والثقة داخل الذكاء الاصطناعي اللامركزي، وترك أثرًا حاسمًا في تاريخ توزيع الحوسبة الذكية البشرية.