DGrid Genesis تحقق إيرادات تتجاوز 23 مليون دولار في نصف عام: الذكاء الاصطناعي اللامركزي يدخل مرحلة التحقق من الدفع الحقيقي

تستمر حدود قدرة الذكاء الاصطناعي في الاستكشاف، بينما يتم التحقق من تطبيقاته التجارية من خلال خدمات الدفع الحقيقية في عالم التشفير.

في النصف الأول من عام 2026، تجاوزت إيرادات برنامج عضوية DGrid Genesis 23 مليون دولار، مع أكثر من 15,000 عضو مدفوع. لا تقتصر أهمية هذه الأرقام على حجم الإيرادات فحسب، بل تشير أيضًا إلى أن الذكاء الاصطناعي اللامركزي ينتقل من سرد المفاهيم إلى مرحلة تجارية يمكن التحقق منها من قبل المستخدمين الحقيقيين.

السبب وراء نجاح DGrid في هذه الخطوة هو أنها ليست مجرد منصة قوة حوسبة لامركزية، ولا أداة لمطابقة استدعاءات النماذج، بل هي "محور شبكة ذكية قابلة للتحقق" تربط بين مطوري الذكاء الاصطناعي، والمستخدمين من الشركات، والمستخدمين الأصليين في عالم التشفير.

بخلاف المشاريع التي تركز على التدريب اللامركزي أو تقديم سوق قوة الحوسبة فقط، تركز DGrid على أمرين: جعل عملية الاستدلال أكثر قابلية للتحقق، وجعل حلقة الدفع المدفوعة تعمل بشكل حقيقي. الأول يحل مشكلة الثقة، والثاني يتحقق من الطلب التجاري. وهذا هو المعنى الأساسي لوجود آلية Proof of Quality (اختصارًا PoQ).

برنامج Genesis: إثبات الجدوى التجارية من خلال الدفع الحقيقي

برنامج عضوية Genesis هو أحد أبرز الإنجازات التجارية لـ DGrid حاليًا.

يدفع المستخدم 1,580 دولارًا كرسوم سنوية للانضمام إلى برنامج Genesis، ويحصل على رصيد استخدام نموذج بقيمة 300 دولار شهريًا، وحقوق NFT حصرية، وقدرة نشر بنقرة واحدة عبر DClaw، ومكافآت تعدين رموز DGAI. عند حساب الرسوم السنوية، تعادل حقوق استدعاء النماذج التي يتمتع بها الأعضاء شهريًا حوالي 44% من السعر الرسمي، مما يجعلها تسعيرة تنافسية للغاية في السوق.

بخلاف خدمات الاشتراك التقليدية في الذكاء الاصطناعي من Web2، تعتمد سجلات دفع الأعضاء في DGrid على السلسلة، مما يمنحها خاصية الشفافية العامة بشكل طبيعي. لم تتوقف إيرادات 23 مليون دولار عند السرد على PPT، بل بُنيت على بيانات موثوقة تستند إلى سلوكيات الدفع الحقيقية.

الأهم من ذلك، أن أكثر من 15,000 عضو مدفوع يمثلون طلبًا حقيقيًا ومستمرًا في السوق. إن استعدادهم لدفع ثمن خدمات الذكاء الاصطناعي يثبت في حد ذاته القيمة الفعلية للمنتج - وهو ما لا يمكن للعديد من المشاريع التي تروي قصص رمزية بحتة إثباته.

بعيدًا عن نظام العضوية، تتيح DGrid للمستخدمين المشاركة بنشاط في تقييم النماذج من خلال AI Arena، مما يساهم في جمع بيانات تفضيلات بشرية عالية الجودة. تعود هذه البيانات لتحسين توجيه الذكاء، مما يعزز جودة خدمة Gateway. تحقق طلبات الدفع قيمة، وتستمر تجربة المنتج في التحسين، مما يشكل حلقة إيجابية لـ DGrid.

من الجدير بالذكر أن حجم تمويل الجولة الأولية لـ DGrid كان 5 ملايين دولار - مما يعني أن 5 ملايين دولار من التمويل قد أدت إلى إيرادات تبلغ 23 مليون دولار، وهو كفاءة رأس المال نادرة في هذا المجال، مما يؤكد صحة نموذجها التجاري.

بالطبع، يعتمد ما إذا كانت هذه الحلقة ستستمر على مدى احتفاظ المستخدمين، ومعدل استهلاك الائتمان، والتحكم في تكاليف النماذج، وما إذا كانت آلية تحفيز DGAI ستستمر في العمل. لكن على الأقل، من النتائج الحالية، يبدو أن DGrid قد خطت خطوة حاسمة نحو تحقيق الذكاء الاصطناعي اللامركزي.

مجموعة المنتجات: جعل الذكاء الاصطناعي مفيدًا حقًا

تدعم إيرادات برنامج Genesis مجموعة المنتجات التي أنشأتها DGrid حول نقاط الألم الحقيقية للمستخدمين.

يوفر AI Gateway مدخلًا ذكيًا شاملًا، يمكنه استدعاء أكثر من 200 نموذج رئيسي مثل Claude وGPT وGemini وMiniMax وGLM تلقائيًا بناءً على التكلفة والسرعة والأداء التاريخي، مما يسمح للمستخدمين باستخدام خدمات الذكاء الاصطناعي عالية الجودة بتكلفة أقل من خلال واجهة برمجة التطبيقات (API) دون الحاجة إلى الاتصال بمزودي النماذج المختلفين.

تجمع AI Arena بيانات تفضيلات البشر من خلال تقييمات عمياء لمخرجات النماذج المختلفة. يقوم المستخدمون بتقييم إجابات نموذجين بشكل مجهول، ويمكن استخدام هذه البيانات لتحسين توجيه الذكاء، أو يمكن أن تتراكم لتصبح أصولًا قابلة للتسويق. حاليًا، تجاوز عدد المشاركين في Arena 300,000.

يدعم DClaw نشر مساعد الذكاء الاصطناعي المحلي بسرعة على مستوى الدقائق، دون الحاجة إلى تكوين مفاتيح، مما يتيح استدعاء النماذج الرائدة مباشرة، ويقدم ذاكرة دائمة ومكونات مهارة قابلة للتبديل، متوافقة مع منصات مثل Telegram وWeChat وDiscord، مما يجعلها مناسبة للاستخدام المستقر على المدى الطويل.

يدعم Model Marketplace إدراج نماذج الذكاء الاصطناعي بحرية، وتحديد الأسعار بشكل مستقل، ورموز الأصول، حيث يمكن لمقدمي النماذج الانضمام مباشرة والمشاركة في المنافسة في السوق، مما يوفر لهم مسارات دخل مباشرة.

علاوة على ذلك، أطلقت DGrid وكيل التوصية الذكي Dori، الذي يسمح للمستخدمين بوصف احتياجاتهم بلغة طبيعية، بناءً على ذلك يوصي بالنماذج وخطط الاستدعاء المناسبة، مما يقلل من عتبة استخدام خدمات الذكاء الاصطناعي متعددة النماذج.

لا تركز مجموعة المنتجات هذه على تجميع الوظائف ببساطة، بل تدور حول سؤال أساسي: كيف يمكن للمستخدمين استخدام الذكاء الاصطناعي بتكلفة أقل، وبثقة أكبر، وبشكل أكثر سهولة.

التركيز على BNB Chain: منح الوكلاء هوية وقدرة دفع على السلسلة

إذا كانت مجموعة المنتجات تحل "ما إذا كان الذكاء الاصطناعي سهل الاستخدام"، فإن تكامل DGrid مع BNB Chain يحل مشكلة أخرى: هل يمكن لوكلاء الذكاء الاصطناعي العمل بشكل مستقل على السلسلة؟

من خلال الاتصال بسجل الوكلاء وقدرة الدفع x402، تمنح DGrid وكلاء الذكاء الاصطناعي هوية على السلسلة وقدرة على الدفع عند الطلب.

من ناحية، يمكن لوكلاء الذكاء الاصطناعي الذين تنشرهم DGrid التسجيل على السلسلة، ليصبحوا كيانات يمكن اكتشافها وتجميعها واستدعاؤها على السلسلة؛ ومن ناحية أخرى، عندما يستدعي وكيل الذكاء الاصطناعي نماذج DGrid، يمكنه أيضًا إتمام تسوية الخدمة من خلال الدفع عند الطلب.

هذا يعني أن وكلاء الذكاء الاصطناعي لم يعودوا مجرد أدوات خارج السلسلة، بل بدأوا تدريجيًا في اكتساب هوية على السلسلة، وقدرة على استدعاء الخدمات والدفع بشكل مستقل. فقط على هذا الأساس، يمكن لوكلاء الذكاء الاصطناعي أن يتطوروا من أدوات فردية إلى كيانات ذكية قادرة على المشاركة في الأنشطة الاقتصادية على السلسلة.

آلية PoQ: سد الفجوة في "التحقق" للذكاء الاصطناعي اللامركزي

تسعى آلية PoQ إلى حل مشكلة الثقة الأساسية في الذكاء الاصطناعي اللامركزي.

في خدمات الذكاء الاصطناعي المركزية، عادة ما يفترض المستخدمون أن المنصة ستقوم بإجراء استدعاءات حقيقية، وتحصيل دقيق، وتسليم مستقر. ولكن في الشبكات اللامركزية، يتوزع مقدمو النماذج، ومشغلو العقد، والمطورون، والمستخدمون في أدوار مختلفة، وإذا كانت هناك آلية تحقق مفقودة، فقد تظهر مشاكل مثل نماذج رديئة تتظاهر بأنها جيدة، وفواتير زائفة، وعملية تنفيذ المهام غير قابلة للتتبع.

تدور آلية Proof of Quality (اختصارًا PoQ) حول هذه المشكلة. من خلال آلية فحص مستقلة، تتحقق من جودة خدمات مقدمي النماذج، وتقوم بتسجيل نتائج التحقق على السلسلة - يجب التأكيد على أن PoQ تتحقق مما إذا كان مقدمو الخدمة قد سلموا بصدق خدمات النماذج التي وعدوا بها، وتستخدم عملية التحقق مجموعة الاختبار الخاصة بالمنصة، ولا تتعرض بيانات استدعاء المستخدمين، ولا يتم تسجيل بيانات المستخدمين على السلسلة.

هذا مهم بشكل خاص للذكاء الاصطناعي اللامركزي. لأنه عندما تتحول خدمات الذكاء الاصطناعي من منصة واحدة إلى شبكة مفتوحة، لم يعد الثقة تأتي فقط من دعم العلامة التجارية، بل تحتاج إلى مجموعة من الآليات القابلة للتحقق، والقابلة للمسائلة، والقابلة للتسوية. تكمن قيمة PoQ في توفير طبقة ثقة أساسية لهذه الشبكة المفتوحة من خدمات الذكاء الاصطناعي.

يواصل فريق DGrid البحث حول PoQ وOptimistic TEE-Rollups. وفقًا للمعلومات العامة، يتمتع أعضاؤه الرئيسيون بخلفيات دكتوراه من جامعات مثل Stony Brook University، وقد نشروا 4 أوراق بحثية ذات صلة:

• Proof of Quality: https://arxiv.org/abs/2512.16317
• Optimistic TEE-Rollups: https://arxiv.org/abs/2512.20176
• Cost-Aware Proof: https://arxiv.org/html/2601.21189v1
• PoQ-Judge: https://arxiv.org/pdf/2606.11196

من التحقق الفني إلى شبكة الخدمات

في البداية، كانت PoQ تحل مشكلة كيفية التحقق من مهمة استدلال واحدة، لكن DGrid لا تريد بناء "أداة استدعاء قابلة للتحقق" فحسب، بل تريد إنشاء شبكة خدمات الذكاء الاصطناعي التي تربط بين مقدمي النماذج، ومشغلي العقد، والمطورين، والمستخدمين النهائيين.

في هذه الشبكة، يجب أن يتم تضمين الاستدعاء، والتحقق، والفوترة، والتسوية في نفس الحلقة المغلقة. يدفع المستخدمون الرسوم، ويكمل العقد الخدمات، ويسجل النظام العمليات الرئيسية، ويحصل المطورون ومقدمو النماذج على العائدات. فقط عندما تكون هذه العملية شفافة بما فيه الكفاية، يمكن للشبكة الانتقال من الاستخدام التجريبي المبكر إلى اعتماد حقيقي على نطاق أوسع.

هذه أيضًا واحدة من الأسباب المهمة التي جعلت DGrid تجذب انتباه المؤسسات الخارجية. لقد جذبت جولتها الأولية استثمارات من Waterdrip Capital وIoTeX وParamita VC وZenith Capital وCatcherVC. وأشار الرئيس التنفيذي لشركة Waterdrip Capital، Jademont، إلى أنه إذا جعلت الشبكة اللامركزية من الصعب على البناة فهم عملية معالجة البيانات، فسوف تواجه بسرعة اختناقات تنفيذ.

تشير هذه العبارة إلى إحدى المشكلات الأساسية في الذكاء الاصطناعي اللامركزي: كلما كانت الشبكة أكثر انفتاحًا، وزادت عدد المشاركين، زادت تكلفة الثقة. إذا كانت عمليات استدلال النماذج، ومعالجة البيانات، وتنفيذ العقد غير مرئية، فإن النظام يصبح أكثر عرضة للافتقار إلى الكفاءة والثقة بعد التوسع.

مسار DGrid هو من خلال PoQ، والسجلات على السلسلة، وآلية الدفع، لدفع خدمات الذكاء الاصطناعي من "قابل للاستدعاء" إلى "قابل للتحقق، وقابل للفوترة، وقابل للمسائلة". وهذا هو ما يميزها عن سوق قوة الحوسبة أو منصة تجميع النماذج.

الخاتمة

أثبتت DGrid من خلال إيرادات عضوية Genesis التي تجاوزت 23 مليون دولار ومجموعة المنتجات التي تتشكل تدريجيًا، أن الذكاء الاصطناعي اللامركزي القابل للتحقق ليس مجرد مفهوم بعيد، بل بدأ بالفعل في دخول مرحلة الدفع الحقيقي والتحقق التجاري.

بالطبع، لا يزال هذا طريقًا يحتاج إلى صقل طويل الأمد. كيفية ضمان القدرة على التحقق مع تقليل التأخير والتكاليف، وكيفية دمج الأنظمة الحالية للشركات بسلاسة، وكيفية الحفاظ على توازن بين نمو الأعضاء وتحفيز الرموز، كلها ستحدد مدى نجاح DGrid في المستقبل.

لكن من الجدير بالاهتمام أن DGrid لم تنتظر حتى نضوج المنتج لتضيف سرد "موثوق"، بل كتبت "قابل للتحقق" في تصميم النظام من الأساس.

لم يعد السوق راضيًا عن "الذكاء الاصطناعي + التشفير" من حيث القصص التي يمكن سردها، بل يهتم أكثر بالعائدات الحقيقية، وعدد المستخدمين الحقيقيين، وحل المشكلات الحقيقية.

23 مليون دولار هو الجواب الأول الذي قدمته DGrid. وما يحتاج إلى التحقق حقًا هو ما إذا كان يمكن لهذا النموذج أن يمتد من برنامج عضوية Genesis إلى نظام بيئي أكبر من المطورين، وسوق النماذج، والتطبيقات على مستوى الشركات.