من التعلم الفيدرالي إلى شبكة الوكلاء اللامركزية: تحليل مشروع ChainOpera

المؤلف: 0xjacobzhao

في تقريرنا البحثي لشهر يونيو بعنوان "الكأس المقدسة لـ Crypto AI: استكشاف متقدم للتدريب اللامركزي"، أشرنا إلى التعلم الفيدرالي (Federated Learning) كحل "لامركزي خاضع للرقابة" يقع بين التدريب الموزع والتدريب اللامركزي: جوهره هو الاحتفاظ بالبيانات محليًا وتجميع المعلمات مركزيًا، مما يلبي متطلبات الخصوصية والامتثال في مجالات مثل الرعاية الصحية والمالية. في الوقت نفسه، واصلنا في تقاريرنا السابقة متابعة صعود شبكات الوكلاء (Agent Network) — وتكمن قيمتها في إكمال المهام المعقدة من خلال التعاون الذاتي والتقسيم بين عدة وكلاء، مما يدفع تطور "النموذج الكبير" نحو "نظام بيئي متعدد الوكلاء".

أسس التعلم الفيدرالي قاعدة التعاون متعدد الأطراف من خلال "عدم خروج البيانات من الموقع المحلي والتحفيز حسب المساهمة"، وتوفر جيناته الموزعة، والتحفيز الشفاف، وضمان الخصوصية والممارسات الامتثالية خبرة قابلة لإعادة الاستخدام مباشرة لشبكة الوكلاء. يتبع فريق FedML هذا المسار، حيث قاموا بترقية الجينات مفتوحة المصدر إلى TensorOpera (طبقة البنية التحتية لصناعة الذكاء الاصطناعي)، ثم تطورت إلى ChainOpera (شبكة وكلاء لامركزية). بالطبع، ليست شبكة الوكلاء امتدادًا حتميًا للتعلم الفيدرالي، فجوهرها يكمن في التعاون الذاتي وتقسيم المهام بين عدة وكلاء، ويمكن أيضًا بناؤها مباشرةً على أنظمة متعددة الوكلاء (MAS)، أو التعلم المعزز (RL)، أو آليات التحفيز القائمة على البلوكشين.

أولاً: بنية تقنية التعلم الفيدرالي وAI Agent

التعلم الفيدرالي (Federated Learning, FL) هو إطار عمل للتدريب التعاوني دون تجميع البيانات مركزيًا، حيث يقوم كل طرف مشارك بتدريب النموذج محليًا ويرسل فقط المعلمات أو التدرجات إلى نقطة التنسيق للتجميع، محققًا بذلك الامتثال للخصوصية من خلال "عدم خروج البيانات من النطاق". بعد تطبيقه في مجالات مثل الرعاية الصحية والمالية والأجهزة المحمولة، دخل التعلم الفيدرالي مرحلة تجارية ناضجة نسبيًا، لكنه لا يزال يواجه تحديات مثل ارتفاع تكاليف الاتصال، وعدم كفاية حماية الخصوصية، وانخفاض كفاءة التقارب بسبب تغاير الأجهزة. مقارنة بأنماط التدريب الأخرى، يركز التدريب الموزع على تجميع القدرة الحاسوبية لتحقيق الكفاءة والحجم، بينما يحقق التدريب اللامركزي التعاون الموزع بالكامل من خلال شبكة قدرة حاسوبية مفتوحة، أما التعلم الفيدرالي فيقع بين الاثنين، ويظهر كحل "لامركزي خاضع للرقابة": فهو يلبي متطلبات الصناعة في الخصوصية والامتثال، ويوفر مسارًا عمليًا للتعاون بين المؤسسات، وهو أكثر ملاءمة لهياكل النشر الانتقالية في الصناعة.

وفي بروتوكول AI Agent الكامل، قمنا في تقاريرنا السابقة بتقسيمه إلى ثلاثة مستويات رئيسية، وهي

• طبقة البنية التحتية (Agent Infrastructure Layer): توفر هذه الطبقة الدعم التشغيلي الأساسي للوكلاء، وهي الأساس التقني لبناء جميع أنظمة الوكلاء.

• الوحدات الأساسية: تشمل Agent Framework (إطار تطوير وتشغيل الوكلاء) وAgent OS (نظام تشغيل متعدد المهام وتشغيل معياري أكثر عمقًا)، وتوفر القدرات الأساسية لإدارة دورة حياة الوكيل.

• الوحدات الداعمة: مثل Agent DID (هوية لامركزية)، Agent Wallet & Abstraction (تجريد الحساب وتنفيذ المعاملات)، Agent Payment/Settlement (قدرات الدفع والتسوية).

• طبقة التنسيق والتنفيذ (Coordination & Execution Layer)تركز على التعاون بين الوكلاء، وجدولة المهام وآليات التحفيز، وهي المفتاح لبناء "الذكاء الجماعي" في أنظمة الوكلاء.

• Agent Orchestration: آلية التوجيه، تُستخدم لجدولة وإدارة دورة حياة الوكيل، وتوزيع المهام وتنفيذها بشكل موحد، وتناسب سيناريوهات سير العمل ذات التحكم المركزي.

• Agent Swarm: هيكل تعاوني، يركز على التعاون الموزع بين الوكلاء، ويتميز بدرجة عالية من الاستقلالية، والقدرة على التقسيم، والتعاون المرن، ومناسب للتعامل مع المهام المعقدة في البيئات الديناميكية.

• Agent Incentive Layer: بناء نظام تحفيز اقتصادي لشبكة الوكلاء، لتحفيز المطورين والمنفذين والمحققين، وتوفير قوة دافعة مستدامة للنظام البيئي للوكلاء.

• طبقة التطبيقات والتوزيع (Application & Distribution Layer)

• فئة التوزيع: تشمل Agent Launchpad، Agent Marketplace وAgent Plugin Network

• فئة التطبيقات: تشمل AgentFi، Agent Native DApp، Agent-as-a-Service وغيرها

• فئة المستهلك: تركز على Agent Social / Consumer Agent، وتستهدف سيناريوهات اجتماعية خفيفة للمستهلكين

• Meme: استغلال مفهوم الوكيل لأغراض تسويقية فقط دون تطبيقات أو تقنيات فعلية.

ثانيًا: FedML الرائد في التعلم الفيدرالي ومنصة TensorOpera الكاملة

FedML هو أحد أقدم الأطر مفتوحة المصدر الموجهة للتعلم الفيدرالي (Federated Learning) والتدريب الموزع، نشأ من فريق أكاديمي (USC) وتطور تدريجيًا ليصبح المنتج الأساسي لشركة TensorOpera AI. يوفر أدوات تدريب تعاوني للبيانات عبر المؤسسات والأجهزة للباحثين والمطورين، وفي الأوساط الأكاديمية، أصبح FedML منصة تجريبية عامة في أبحاث التعلم الفيدرالي بسبب ظهوره المتكرر في مؤتمرات مثل NeurIPS وICML وAAAI؛ أما في الصناعة، فقد اكتسب FedML سمعة عالية في مجالات حساسة للخصوصية مثل الرعاية الصحية والمالية وEdge AI وWeb3 AI، ويُعتبر سلسلة أدوات معيارية في مجال التعلم الفيدرالي.

TensorOpera هي منصة بنية تحتية كاملة للذكاء الاصطناعي موجهة للشركات والمطورين، تم تطويرها من FedML وفقًا لمسار تجاري: مع الحفاظ على قدرات التعلم الفيدرالي، توسعت لتشمل GPU Marketplace، وخدمات النماذج وMLOps، لتدخل سوق النماذج الكبيرة وعصر الوكلاء. يمكن تقسيم بنية TensorOpera إلى ثلاث طبقات: Compute Layer (الطبقة الأساسية)، Scheduler Layer (طبقة الجدولة)، وMLOps Layer (طبقة التطبيقات):

1. Compute Layer (الطبقة الأساسية)

طبقة Compute هي الأساس التقني لـ TensorOpera، وتواصل جينات FedML مفتوحة المصدر، وتشمل الوظائف الأساسية مثل Parameter Server، Distributed Training، Inference Endpoint وAggregation Server. وتكمن قيمتها في توفير تدريب موزع، وحماية الخصوصية من خلال التعلم الفيدرالي، ومحرك استدلال قابل للتوسع، وتدعم القدرات الأساسية الثلاث "Train / Deploy / Federate"، وتغطي سلسلة العمليات الكاملة من تدريب النموذج، والنشر، إلى التعاون بين المؤسسات، وهي الطبقة الأساسية للمنصة بأكملها.

2. Scheduler Layer (الطبقة المتوسطة)

طبقة Scheduler هي مركز تداول وجدولة القدرة الحاسوبية، وتتكون من GPU Marketplace، Provision، Master Agent وSchedule & Orchestrate، وتدعم استدعاء الموارد عبر السحابة العامة، ومزودي GPU والمساهمين المستقلين. هذه الطبقة هي نقطة التحول الرئيسية في ترقية FedML إلى TensorOpera، حيث يمكنها من خلال جدولة القدرة الحاسوبية الذكية وتنسيق المهام تحقيق تدريب واستدلال AI على نطاق أوسع، وتغطي سيناريوهات LLM وAI التوليدي. في الوقت نفسه، توفر آلية Share & Earn واجهة للتحفيز، ولديها إمكانات التوافق مع نماذج DePIN أو Web3.

3. MLOps Layer (الطبقة العليا)

طبقة MLOps هي واجهة الخدمة المباشرة للمطورين والشركات، وتشمل وحدات مثل Model Serving، AI Agent وStudio. تشمل التطبيقات النموذجية روبوتات الدردشة LLM، وAI التوليدي متعدد الوسائط، وأدوات Copilot للمطورين. وتكمن قيمتها في تجريد القدرة الحاسوبية والتدريب إلى واجهات برمجة تطبيقات ومنتجات عالية المستوى، مما يقلل من عتبة الاستخدام، ويوفر وكلاء جاهزين للذكاء الاصطناعي، وبيئة تطوير منخفضة الكود، وقدرة على النشر القابل للتوسع، وتستهدف منصات AI Infra الجديدة مثل Anyscale وTogether وModal، وتعمل كجسر من البنية التحتية إلى التطبيقات.

في مارس 2025، تمت ترقية TensorOpera إلى منصة كاملة موجهة لـ AI Agent، وتشمل المنتجات الأساسية AgentOpera AI App، Framework وPlatform. توفر طبقة التطبيقات مدخلًا متعدد الوكلاء شبيه بـ ChatGPT، وتطور طبقة الإطار إلى "Agentic OS" من خلال نظام متعدد الوكلاء قائم على الرسوم البيانية وOrchestrator/Router، بينما تندمج طبقة المنصة بعمق مع منصة نماذج TensorOpera وFedML، لتحقيق خدمات النماذج الموزعة، وتحسين RAG، ونشر هجين بين السحابة والطرف. الهدف العام هو بناء "نظام تشغيل واحد، شبكة وكلاء واحدة"، لتمكين المطورين والشركات والمستخدمين من بناء الجيل الجديد من النظام البيئي Agentic AI في بيئة مفتوحة ومحافظة على الخصوصية.

ثالثًا: المشهد الكامل لنظام ChainOpera AI: من المبدعين المشتركين إلى الأساس التقني

إذا كان FedML هو النواة التقنية التي توفر جينات التعلم الفيدرالي والتدريب الموزع مفتوحة المصدر؛ وTensorOpera تجسد نتائج FedML البحثية كبنية تحتية كاملة للذكاء الاصطناعي قابلة للتسويق، فإن ChainOpera هي التي "تضع قدرات منصة TensorOpera على البلوكشين"، من خلال AI Terminal + Agent Social Network + طبقة DePIN للنماذج والقدرة الحاسوبية + بلوكشين AI-Native لبناء نظام بيئي لشبكة وكلاء لامركزية. التحول الأساسي هنا هو أن TensorOpera لا تزال موجهة بشكل رئيسي للشركات والمطورين، بينما تستفيد ChainOpera من الحوكمة والتحفيز بنموذج Web3، وتضم المستخدمين والمطورين ومزودي GPU/البيانات في البناء المشترك والإدارة المشتركة، بحيث لا يكون AI Agent "مستخدمًا فقط"، بل "يتم إنشاؤه وامتلاكه بشكل مشترك".

النظام البيئي للمبدعين المشتركين (Co-creators)

توفر ChainOpera AI من خلال Model & GPU Platform وAgent Platform أدوات، بنية تحتية وطبقة تنسيق للمبدعين في النظام البيئي، وتدعم تدريب النماذج، وتطوير الوكلاء، والنشر والتعاون الموسع.

يشمل المبدعون في نظام ChainOpera البيئي مطورين AI Agent (تصميم وتشغيل الوكلاء)،مقدمي الأدوات والخدمات (قوالب، MCP، قواعد بيانات وAPI)،مطورين النماذج (تدريب ونشر بطاقات النماذج)،مزودي GPU (تقديم القدرة الحاسوبية عبر DePIN وشركاء Web2 السحابيين)،مساهمي البيانات وموفري الوسوم (تحميل ووضع وسوم للبيانات متعددة الوسائط). وتدفع ثلاث فئات أساسية — التطوير، القدرة الحاسوبية والبيانات — النمو المستمر لشبكة الوكلاء.

النظام البيئي للمشتركين في الملكية (Co-owners)

أدخل نظام ChainOpera أيضًا آلية المشتركين في الملكية، حيث يتم بناء الشبكة بشكل مشترك من خلال التعاون والمشاركة.مبدعو AI Agent هم أفراد أو فرق، يقومون بتصميم ونشر وكلاء جدد عبر Agent Platform، ويتحملون مسؤولية البناء، والإطلاق والصيانة المستمرة، مما يدفع الابتكار في الوظائف والتطبيقات.مشاركو AI Agent يأتون من المجتمع، ويشاركون في دورة حياة الوكلاء من خلال الحصول على وحدات الوصول (Access Units)، ويدعمون نمو ونشاط الوكلاء أثناء الاستخدام والترويج. وتمثل هاتان الفئتان جانب العرض وجانب الطلب، ويشكلان معًا نموذج مشاركة القيمة والتطور التعاوني داخل النظام البيئي.

شركاء النظام البيئي: المنصات والأطر

تتعاون ChainOpera AI مع أطراف متعددة لتعزيز قابلية استخدام وأمان المنصة، مع التركيز على تكامل سيناريوهات Web3: من خلال AI Terminal App يتم دمج المحافظ والخوارزميات ومنصات التجميع لتحقيق توصية الخدمات الذكية؛ في Agent Platform يتم إدخال أطر متنوعة وأدوات بدون كود لتقليل عتبة التطوير؛ بالاعتماد على TensorOpera AI لتدريب واستدلال النماذج؛ وبالتعاون الحصري مع FedML لدعم التدريب المحمي للخصوصية عبر المؤسسات والأجهزة. بشكل عام، يتم تشكيل نظام بيئي مفتوح يجمع بين تطبيقات المؤسسات وتجربة مستخدم Web3.

مدخل الأجهزة: أجهزة الذكاء الاصطناعي والشركاء (AI Hardware & Partners)

من خلال شركاء مثل DeAI Phone، الأجهزة القابلة للارتداء وRobot AI، تدمج ChainOpera البلوكشين والذكاء الاصطناعي في الأجهزة الذكية، لتحقيق تفاعل dApp، تدريب على الطرف وحماية الخصوصية، وتشكيل نظام بيئي لأجهزة الذكاء الاصطناعي اللامركزية تدريجيًا.

المنصة المركزية والأساس التقني: TensorOpera GenAI & FedML

توفر TensorOpera منصة GenAI كاملة تغطي MLOps، Scheduler وCompute؛ ونمت منصتها الفرعية FedML من مصدر أكاديمي مفتوح إلى إطار صناعي، مما عزز قدرة الذكاء الاصطناعي على "التشغيل في أي مكان والتوسع بحرية".

نظام ChainOpera AI البيئي

رابعًا: المنتجات الأساسية لـ ChainOpera والبنية التحتية الكاملة لـ AI Agent

في يونيو 2025، أطلقت ChainOpera رسميًا AI Terminal App والبنية التقنية اللامركزية، وتتموضع كـ"OpenAI بنسخة لامركزية"، وتشمل منتجاتها الأساسية أربعة وحدات: طبقة التطبيقات (AI Terminal & Agent Network)، طبقة المطورين (Agent Creator Center)، طبقة النماذج وGPU (Model & Compute Network)، بالإضافة إلى بروتوكول CoAI والسلسلة المخصصة، وتغطي الحلقة الكاملة من مدخل المستخدم إلى القدرة الحاسوبية الأساسية والتحفيز على السلسلة.

تم دمج AI Terminal App مع BNBChain، ويدعم وكلاء سيناريوهات التداول على السلسلة وDeFi. مركز إنشاء الوكلاء Agent Creator Center مفتوح للمطورين، ويوفر قدرات MCP/HUB، قاعدة المعرفة وRAG، مع استمرار انضمام وكلاء المجتمع؛ كما تم إطلاق CO-AI Alliance، بالتعاون مع io.net، Render، TensorOpera، FedML، MindNetwork وغيرها من الشركاء.

وفقًا لبيانات السلسلة منBNB DApp Bay خلال الثلاثين يومًا الماضية، بلغ عدد المستخدمين المستقلين 158.87 ألفًا، وحجم المعاملات خلال 30 يومًا 2.6 مليون، واحتلت المرتبة الثانية في تصنيف "AI Agent" على BSC، مما يدل على نشاط قوي على السلسلة.

تطبيق Super AI Agent – AI Terminal

بصفته مدخل ChatGPT لامركزيًا واجتماعيًا للذكاء الاصطناعي، يوفر AI Terminal تعاونًا متعدد الوسائط، وتحفيزًا لمساهمة البيانات، ودمج أدوات DeFi، ومساعدًا عبر المنصات، ويدعم تعاون وكلاء الذكاء الاصطناعي وحماية الخصوصية (بياناتك، وكيلك). يمكن للمستخدمين استدعاء النماذج الكبيرة مفتوحة المصدر DeepSeek-R1 ووكلاء المجتمع مباشرة من الأجهزة المحمولة، وتدفق رموز اللغة والعملات المشفرة على السلسلة بشكل شفاف أثناء التفاعل. تكمن قيمته في تحويل المستخدمين من "مستهلكي محتوى" إلى "مبدعين أذكياء مشتركين"، ويمكنهم استخدام شبكة الوكلاء المخصصة في سيناريوهات DeFi، RWA، PayFi، والتجارة الإلكترونية وغيرها.

شبكة التواصل الاجتماعي لوكلاء الذكاء الاصطناعي

تتموضع بشكل مشابه لـ LinkedIn + Messenger، ولكنها موجهة لمجموعة AI Agent. من خلال مساحة عمل افتراضية وآلية تعاون Agent-to-Agent (MetaGPT، ChatDEV، AutoGEN، Camel)، تدفع تطور الوكيل الفردي إلى شبكة تعاون متعددة الوكلاء، وتغطي تطبيقات في المالية، الألعاب، التجارة الإلكترونية، البحث وغيرها، مع تعزيز الذاكرة والاستقلالية تدريجيًا.

منصة مطوري AI Agent

توفر للمطورين تجربة إنشاء "على غرار الليغو". تدعم التطوير بدون كود والتوسعة المعيارية، وتضمن العقود الذكية على البلوكشين الملكية، وتقلل DePIN + البنية التحتية السحابية من العتبة، ويوفر Marketplace قنوات التوزيع والاكتشاف. جوهرها هو تمكين المطورين من الوصول السريع للمستخدمين، وتسجيل المساهمات البيئية بشفافية والحصول على التحفيز.

منصة النماذج وGPU للذكاء الاصطناعي

كطبقة بنية تحتية، تجمع بين DePIN والتعلم الفيدرالي، وتحل مشكلة اعتماد Web3 AI على القدرة الحاسوبية المركزية. من خلال GPU موزع، تدريب بيانات محمي للخصوصية، سوق النماذج والبيانات، وMLOps من طرف إلى طرف، تدعم التعاون بين عدة وكلاء وAI مخصص. رؤيتها هي دفع التحول من "احتكار الشركات الكبرى" إلى "البناء المجتمعي" في البنية التحتية.

خامسًا: خارطة طريق ChainOpera AI

بالإضافة إلى إطلاق منصة AI Agent الكاملة رسميًا، تؤمن ChainOpera AI بأن الذكاء الاصطناعي العام (AGI) يأتي من شبكة تعاونية متعددة الوسائط ومتعددة الوكلاء. لذلك، تنقسم خارطة الطريق طويلة الأجل إلى أربع مراحل:

• المرحلة الأولى (Compute → Capital): بناء بنية تحتية لامركزية، تشمل شبكة GPU DePIN، منصة التعلم الفيدرالي والتدريب/الاستدلال الموزع، وإدخال موجه النماذج (Model Router) لتنسيق الاستدلال متعدد الأطراف؛ من خلال آلية التحفيز يحصل مقدمو القدرة الحاسوبية والنماذج والبيانات على أرباح موزعة حسب الاستخدام.

• المرحلة الثانية (Agentic Apps → Collaborative AI Economy): إطلاق AI Terminal، Agent Marketplace وAgent Social Network، لتشكيل نظام بيئي لتطبيقات متعددة الوكلاء؛ من خلال بروتوكول CoAI ربط المستخدمين والمطورين ومقدمي الموارد، وإدخال نظام مطابقة احتياجات المستخدمين والمطورين ونظام ائتمان، لتعزيز التفاعل المتكرر والأنشطة الاقتصادية المستمرة.

• المرحلة الثالثة (Collaborative AI → Crypto-Native AI): التطبيق في مجالات DeFi، RWA، الدفع، التجارة الإلكترونية وغيرها، مع التوسع إلى سيناريوهات KOL وتبادل البيانات الشخصية؛ تطوير LLM مخصص للمالية/العملات المشفرة، وإطلاق نظام دفع ومحفظة Agent-to-Agent، لتعزيز تطبيقات "Crypto AGI" في السيناريوهات المختلفة.

• المرحلة الرابعة (Ecosystems → Autonomous AI Economies): التطور تدريجيًا إلى اقتصادات شبكات فرعية مستقلة، حيث تدير كل شبكة فرعية التطبيقات، البنية التحتية، القدرة الحاسوبية، النماذج والبيانات بشكل مستقل وتعمل بالتوكنات، وتتعاون عبر بروتوكولات بين الشبكات الفرعية، لتشكيل نظام بيئي تعاوني متعدد الشبكات الفرعية؛ وفي الوقت نفسه، الانتقال من Agentic AI إلى Physical AI (الروبوتات، القيادة الذاتية، الفضاء).