في سبتمبر 2022، أكملت Ethereum انتقالها التاريخي من إثبات العمل (PoW) إلى إثبات الحصة (PoS)، مما جعل معدات تعدين GPU التي تقدر قيمتها بمليارات الدولارات غير مجدية بين ليلة وضحاها. لم يؤدِ دمج Ethereum إلى إنهاء العصر الذهبي لتعدين GPU فحسب، بل ترك أيضًا سؤالًا ملحًا: إلى أين ستذهب فائض القدرة الحاسوبية العالمية من وحدات GPU غير المستخدمة؟
تتصدى شبكات البنية التحتية الفيزيائية اللامركزية (DePIN) لهذا التحدي اليوم. ضمن قطاع DePIN، تقوم عدة شبكات بإعادة تنظيم وحدات GPU غير المستغلة في مجموعات حوسبة موزعة، وتقدم خدمات التصيير والحوسبة الذكائية الاصطناعية بتكلفة أقل بكثير من مزودي السحابة التقليديين. وتبرز شبكة Render كفاعل أساسي في هذا المجال.
حتى 8 مايو 2026، وفقًا لبيانات السوق من Gate، يبلغ سعر رمز RENDER $1.9626، مرتفعًا بنسبة %2.27 خلال 24 ساعة وبنسبة %14.82 خلال الأسبوع الماضي، مع قيمة سوقية تقارب $1.018 مليار. لكن، بعيدًا عن تقلبات الأسعار، فإن التغيرات الهيكلية في أساسيات الشبكة أكثر أهمية: تمثل أعباء العمل الذكائية الاصطناعية الآن %35 إلى %40 من نشاط الشبكة، وتجاوز عدد الإطارات المصيرة التراكمي 71.4 مليون إطار، وتجاوز عدد عقد GPU النشطة 5,700، وتم حرق أكثر من 1.24 مليون رمز. تشير هذه الأرقام إلى اتجاه أعمق: شبكات الحوسبة اللامركزية تنتقل من "عرض مدعوم بالرموز" إلى "تدفق نقدي حقيقي مدفوع بالطلب"—مع الذكاء الاصطناعي في قلب هذا التحول.
من انهيار معدات التعدين إلى بنية تحتية لحوسبة الذكاء الاصطناعي
لفهم سرد شبكة Render في عام 2026، من الضروري التوسع والنظر في ثلاثة تحولات نموذجية رئيسية.
حدث التحول الأول في النصف الثاني من 2022. أدى دمج Ethereum إلى ترك عدد هائل من معدات تعدين GPU غير مستخدمة، مما أجبر المعدنين على مواجهة انخفاض قيمة المعدات وانعدام الدخل. في الوقت ذاته، لم يكن الذكاء الاصطناعي التوليدي قد اجتذب اهتمام الجمهور بعد، مما جعل العرض والطلب على القدرة الحاسوبية لوحدات GPU في حالة من عدم اليقين. خلال هذه المرحلة، أصبح مصير وحدات GPU غير المستخدمة مصدر قلق كامن للصناعة.
أما التحول الثاني، فقد وقع بين 2023 و2024. أدى ازدهار الذكاء الاصطناعي التوليدي، الذي أطلقه ChatGPT، إلى زيادة هائلة في الطلب العالمي على وحدات GPU. ومع ذلك، لم تستفد وحدات GPU غير المستخدمة تلقائيًا من هذا الطلب المتزايد، إذ ظلت أعباء العمل الخاصة بتدريب الذكاء الاصطناعي والاستدلال مركزية للغاية على منصات مثل AWS وGoogle Cloud. وكان التحدي الرئيسي لشبكات الحوسبة اللامركزية خلال هذه الفترة هو "تنظيم العرض"—أي كيفية تجميع وحدات GPU غير المستغلة في مجموعات حوسبة موثوقة وقابلة للاستخدام.
بدأ التحول الثالث في 2025 وتسارع في النصف الأول من 2026. السمة المميزة لهذه المرحلة هي انتقال شبكات GPU اللامركزية من "عرض مدعوم بالرموز" إلى "تدفق نقدي مدفوع بالطلب". أصبحت معدات التعدين التي بقيت غير مستخدمة بعد دمج Ethereum تُعاد توظيفها الآن لتدريب واستدلال الذكاء الاصطناعي عبر شبكات مثل Render. يتوافق الطلب المتزايد على خدمات استدلال الذكاء الاصطناعي منخفضة التكلفة هيكليًا مع ميزة التسعير لشبكات GPU اللامركزية.
تجسد تطور شبكة Render هذا السرد الأشمل. أسسها Jules Urbach مؤسس OTOY في عام 2009، وأجرت أول بيع عام للرموز في 2017 وأطلقت شبكتها الرئيسية في أبريل 2020. في 2023، وافق المجتمع على اقتراح RNP-002 للانتقال من Ethereum إلى Solana، مما مهد الطريق لتسوية على السلسلة عالية الإنتاجية ومنخفضة الرسوم. بين 2024 و2025، ركزت الشبكة على دمج مشغلي العقد الخارجيين والتحقق من جدوى جدولة موارد GPU الموزعة. في أوائل 2026، وبعد تقديم واقرار اقتراح RNP-023، تم دمج نحو 60,000 وحدة GPU من شبكة Salad اللامركزية الفرعية، مما أنشأ تجمعًا مخصصًا للحوسبة لأعباء عمل استدلال الذكاء الاصطناعي.
المنطق الأساسي لتوازن الحرق والسك
نموذج BME: "مترجم انكماشي" للطلب على الحوسبة
في قلب النموذج الاقتصادي لشبكة Render يكمن آلية توازن الحرق والسك (BME)، التي تم اعتمادها عبر تصويت المجتمع. يمكن تلخيص منطق عملها في ثلاث خطوات:
أولًا، تثبيت السعر. يتم تسعير كل مهمة تصيير أو حوسبة ذكاء اصطناعي بالدولار الأمريكي، ويدفع المستخدمون ما يعادل ذلك من رموز RENDER. يلغي هذا التصميم عدم اليقين في تكاليف الحوسبة الناتجة عن تقلب أسعار الأصول المشفرة، مما يتيح للمنشئين والشركات توقع النفقات بشكل موثوق.
ثانيًا، الدفع للحرق. بعد أن يدفع المستخدمون مقابل المهمة، يتم حرق المبلغ المقابل من رموز RENDER، مع خصم %5 كرسوم تشغيل الشبكة. يعني ذلك أن كل عملية على الشبكة هي حدث انكماشي.
ثالثًا، السك الدوري. تقوم الشبكة بسك عدد ثابت من الرموز الجديدة في كل فترة (عادة أسبوع) لمكافأة مشغلي العقد الذين يوفرون القدرة الحاسوبية. يتبع جدول السك جدولًا تنازليًا محددًا مسبقًا لضمان السيطرة على العرض طويل الأمد.
يكمن جمال نموذج BME في الربط المباشر بين "حجم الاستخدام" و"عرض الرموز". مع زيادة مهام الذكاء الاصطناعي والتصيير، يتم حرق المزيد من رموز RENDER؛ ومع ذلك، يتم سك المكافآت الجديدة وفق جدول ثابت وليس استجابة لحجم الحرق. يعني ذلك أنه في فترات النمو السريع للشبكة، قد يتجاوز الحرق باستمرار السك، مما يخلق ضغطًا انكماشيًا هيكليًا. تؤكد بيانات الفترة من يناير إلى سبتمبر 2025، التي تظهر زيادة في الحرق السنوي للرموز بنسبة تقارب %279، فعالية هذه الآلية.
تأثير "المضخم الانكماشي" لأعباء عمل الذكاء الاصطناعي
تتمتع أعباء العمل الذكائية الاصطناعية بخصائص فريدة تجعلها "محفزًا" لآلية BME. مقارنة بمهام التصيير ثلاثي الأبعاد، هناك ثلاثة اختلافات رئيسية في استدلال الذكاء الاصطناعي:
أولًا، التكرار الأعلى. قد تستغرق مهمة تصيير ثلاثية الأبعاد ساعات، بينما تستغرق طلبات استدلال الذكاء الاصطناعي عادة ثوانٍ إلى دقائق. يعني ذلك أن، لنفس استهلاك الحوسبة، تولد مهام الذكاء الاصطناعي مدفوعات على السلسلة وحرق رموز أكثر بكثير من مهام التصيير.
ثانيًا، الاستمرارية الأكبر. غالبًا ما تكون مهام التصيير متقطعة ومبنية على مشاريع، بينما يعمل استدلال الذكاء الاصطناعي عادة كخدمة عبر الإنترنت على مدار الساعة، مما يوفر تدفقًا مستقرًا للطلب على الشبكة.
ثالثًا، مسار النمو الحاد. الطلب العالمي على حوسبة استدلال الذكاء الاصطناعي يتزايد بشكل هائل. تشير شبكة Render إلى أن التدريب يمثل جزءًا صغيرًا من استخدام الذكاء الاصطناعي، بينما يشكل الاستدلال نحو %80. يفتح هذا الهيكل الباب أمام وحدات GPU من فئة المستهلك لاستيعاب أعباء العمل الحاسوبية العالمية.
النتيجة المجمعة لهذه السمات الثلاث هي أن كل نقطة مئوية زيادة في حصة أعباء العمل الذكائية الاصطناعية يمكن أن يكون لها تأثير مضخم غير خطي على الأثر الانكماشي لنموذج BME. مع وصول حصة أعباء العمل الذكائية الاصطناعية الآن إلى %35 إلى %40—ولا تزال في تصاعد—تدخل الشبكة في حلقة تغذية إيجابية: "نمو الطلب → تسارع الحرق → انكماش العرض → زيادة كثافة القيمة → جذب المزيد من العقد → زيادة الطلب مجددًا".
نظرة سريعة على المؤشرات الرئيسية
لتقديم صورة واضحة عن تطور أساسيات شبكة Render، يلخص الجدول التالي المؤشرات الرئيسية حتى النصف الأول من 2026:
| المؤشر | البيانات | الوصف |
|---|---|---|
| سعر RENDER | $1.9626 | بيانات سوق Gate بتاريخ 8 مايو 2026 |
| التغير خلال 24 ساعة | +%2.27 | التغير خلال 7 أيام: +%14.82 |
| القيمة السوقية | ~$1.018 مليار | القيمة السوقية المتداولة |
| الإطارات المصيرة التراكمية | 71.4M+ إطار | حتى أبريل 2026 |
| حصة أعباء العمل الذكائية الاصطناعية | %35-%40 | تواصل الارتفاع |
| عقد GPU النشطة | 5,700+ | تدعم مهام الذكاء الاصطناعي والتصيير |
| الحرق التراكمي للرموز | 1.24M+ رمز | إجمالي الانكماش وفق نموذج BME |
| وحدات GPU الجديدة RNP-023 | ~60,000 وحدة | شبكة Salad كمزود حصري للحوسبة |
| معدل الموافقة على الاقتراح | %98.86 | الموافقة الأولية على RNP-023 |
تحليل شعور السوق: المتفائلون مقابل المتشائمون
النقاشات حول شبكة Render ونموذجها الاقتصادي ليست متفائلة بالإجماع. تتعايش وجهات النظر المتفائلة والمتشائمة في السوق الحالي، ولكل منها منطقها الخاص.
المنطق المتفائل: اكتشاف القيمة وسرد مدفوع بالطلب
تشير عدة مؤشرات إلى تصاعد اهتمام السوق بشبكة Render. تشير التقارير السابقة إلى أن Render تحتل المرتبة الرابعة في نشاط المشاريع DePIN على وسائل التواصل الاجتماعي، مع 1,800 منشور و162,900 تفاعل. ويغذي هذا الزخم الاجتماعي جزئيًا التحسن في أساسيات الشبكة.
يرتكز السرد المتفائل على ثلاث طبقات: أولًا، على مستوى اتجاه الصناعة، يتزايد الطلب العالمي على حوسبة الذكاء الاصطناعي، وتواجه الخدمات السحابية المركزية ارتفاعًا في التكاليف واختناقات في العرض، وتزداد حصة البدائل اللامركزية في السوق. ثانيًا، على مستوى أساسيات الشبكة، تشير مؤشرات مثل نمو الحرق السنوي للرموز، ارتفاع حصة أعباء العمل الذكائية الاصطناعية، والموافقة العالية على RNP-023 إلى تحول من دعم الرموز إلى نمو حقيقي مدفوع بالطلب. ثالثًا، على مستوى النموذج الاقتصادي للرموز، يوفر نموذج BME إمكانية خلق انكماش هيكلي تحت أعباء العمل الذكائية الاصطناعية العالية، مما يشكل أساسًا اقتصاديًا لقيمة RENDER طويلة الأمد.
المخاوف المتشائمة: اشتداد المنافسة وفجوات التحقق
تستحق وجهات النظر المتشائمة أيضًا الاهتمام، حيث تركز على مجالين رئيسيين.
أولًا، المشهد التنافسي. رغم أن Render تتمتع بميزة السبق في الحوسبة اللامركزية لوحدات GPU، إلا أن المنافسين يقتربون بسرعة. تستخدم شبكة Akash نموذج تسعير المزاد العكسي لتقديم مجموعة متنوعة من موارد الحوسبة، بما في ذلك وحدات GPU؛ تجمع io.net موارد GPU عبر منصات متعددة، مستهدفة أعباء العمل الذكائية الاصطناعية وتعلم الآلة. وعلى نطاق أوسع، تحقق الشركات المركزية الكبرى مثل AWS وGoogle Cloud إيرادات سنوية بمئات المليارات، بينما تبقى إيرادات شبكات الحوسبة اللامركزية متواضعة نسبيًا.
ثانيًا، قضية التحقق. في 2025، شهدت شبكة Render حوادث أعادت فيها عقد خبيثة نتائج تصيير Blender تالفة، دون وجود وسيلة للكشف على السلسلة حينها. أثار ذلك نقاشًا أعمق حول "قابلية التحقق من النتائج" في شبكات الحوسبة اللامركزية: بدون إثباتات تشفيرية، فإن هذه الشبكات أشبه بـ"Airbnb لوحدات GPU"—تُحل مشكلة التوافق بين العرض والطلب لكنها لم تعالج بالكامل قضية الثقة.
في ما يتعلق بـ"فجوة التحقق"، يعترف مراقبو الصناعة بأنها قصور هيكلي، لكنهم يرون أنه لا ينفي قابلية تطبيق شبكات الحوسبة اللامركزية في سيناريوهات محددة مثل التصيير واستدلال الذكاء الاصطناعي. المشكلة أن المنتقدين غالبًا ما يخلطون بين "عدم حل الثقة بالكامل" و"فشل القطاع بأكمله"—وهو انحدار يتجاهل التقدم السريع في تقنيات التحقق مثل إثباتات المعرفة الصفرية وبيئات التنفيذ الموثوقة.
بالإضافة إلى ذلك، انخفض سعر RENDER بنحو %58.46 خلال العام الماضي، مما أدى إلى ابتعاد كبير عن نمو أساسيات الشبكة، ودفع البعض للتساؤل عن كفاءة التقاط القيمة للرمز.
تحليل أثر الصناعة: إعادة تشكيل هيكل قطاع الحوسبة اللامركزية
يمثل إقرار RNP-023 وصعود أعباء العمل الذكائية الاصطناعية أكثر من أحداث منفردة—فهما يدفعان تحولًا ثلاثيًا في هيكل العرض والطلب، المشهد التنافسي، والنموذج الاقتصادي للرموز.
أولًا، يتحول عرض الحوسبة من "متجزئ" إلى "موسع". يمثل دمج 60,000 وحدة GPU قفزة غير متواصلة في قدرة شبكة Render الحاسوبية. والأهم أن هذه الوحدات تأتي من شبكة عقد Salad الموثوقة، مما يوفر جودة خدمة واختبار سوقي، ويتوقع أن يقلل من نسبة العقد الخبيثة ويخفف من مشاكل التحقق السابقة.
ثانيًا، أصبح استدلال الذكاء الاصطناعي ساحة المعركة المركزية للحوسبة اللامركزية. مقارنة بالتصيير ثلاثي الأبعاد التقليدي، يتطلب استدلال الذكاء الاصطناعي متطلبات أكثر تعقيدًا من حيث الكمون والتحقق، لكن سقف السوق له أعلى بكثير. بدأ تركيز شبكة Render الحالي على استدلال الذكاء الاصطناعي، بما في ذلك شراكات مع شركات الذكاء الاصطناعي مثل Stability AI، في خلق تآزر بيئي أولي.
ثالثًا، يتحول النموذج الاقتصادي للرموز من "حوافز تضخمية" إلى "دورة إيجابية انكماشية". اعتمدت نماذج DePIN المبكرة على إصدار الرموز لجذب العرض، مما أدى إلى "نشاط مدفوع بالدعم" واختلالات بين العرض والطلب. مع جلب أعباء العمل الذكائية الاصطناعية نشاط دفع حقيقي للشبكة، أصبح الحرق يتفوق هيكليًا على السك، مما يغير ديناميكية العرض والطلب بشكل جذري. من 2025 وحتى أوائل 2026، تشهد شبكات الحوسبة GPU الرائدة تحولًا لم يستوعبه السوق بالكامل بعد: الانتقال من عرض مدعوم بالرموز إلى تدفق نقدي مدفوع بالطلب.
الخلاصة
ترك دمج Ethereum العديد من معدني GPU عند مفترق طرق، لكن انفجار الطلب على حوسبة الذكاء الاصطناعي فتح إمكانيات جديدة لهذه الموارد غير المستغلة. عبر نموذج توازن الحرق والسك، أسست شبكة Render حلقة اقتصادية فريدة في الحوسبة اللامركزية لوحدات GPU: كل طلب استدلال ذكاء اصطناعي هو استهلاك للحوسبة وحدث انكماشي للرمز في الوقت ذاته.
في 2026، مع تنفيذ اقتراح RNP-023—الذي أُقر بنسبة موافقة %98.86 وجلب نحو 60,000 وحدة GPU من Salad كمزود حصري للحوسبة—ومع استمرار ارتفاع حصة أعباء العمل الذكائية الاصطناعية وتسارع حرق الرموز، تقف شبكة Render عند لحظة محورية، منتقلة من "شبكة للتصيير فقط" إلى "بنية تحتية أساسية لحوسبة الذكاء الاصطناعي". ومع ذلك، تبقى المنافسة المتزايدة، الفجوة بين سعر الرمز وأساسيات الشبكة، والتحدي غير المحسوم لقابلية التحقق من النتائج متغيرات حاسمة في مسارها المستقبلي.
لمن يراقب قطاع GPU اللامركزي، يبقى السؤال الأساسي: هل يمكن لنموذج BME أن يحقق فعلاً وعده بـ"انكماش مدفوع بالطلب" وسط النمو الهيكلي في الطلب على استدلال الذكاء الاصطناعي؟ لن تحدد الإجابة فقط قيمة رمز RENDER، بل قد ترسم أيضًا دور شبكات الحوسبة اللامركزية ضمن صناعة الذكاء الاصطناعي الأوسع.
