المصدر: تكنولوجيا 数经

مقال من قبل: فان ون تشونغ

في 23 مارس، أعلن لي ليه هونغ، مدير مكتب البيانات الوطني، خلال منتدى الصين للتنمية العليا، عن مجموعة من البيانات المذهلة: لقد ارتفع متوسط استدعاء رموز الذكاء الاصطناعي (AI Token) في الصين من 100 مليار في بداية عام 2024 إلى 100 ألف تريليون بنهاية 2025، وبلغت 140 تريليون في مارس 2026، محققة زيادة تفوق ألف مرة خلال عامين. وفي الوقت نفسه، تظهر منصة OpenRouter، أكبر منصة تجميع لواجهات برمجة التطبيقات لنماذج الذكاء الاصطناعي العالمية، أن حجم الاستدعاءات الأسبوعية لنماذج الصين الكبرى قد تجاوز الولايات المتحدة لعدة أسابيع متتالية، وتحتل الصين المراتب الثلاثة الأولى عالميًا في الاستدعاءات. ثورة صناعية يقودها الرمز (Token) تعيد تشكيل مشهد التنافس التكنولوجي العالمي، ونماذج الأعمال، وحتى القدرة التنافسية الوطنية بسرعة غير مسبوقة.

في بداية عام 2026، وردت أنباء من وادي السيليكون عن عدة تطورات لافتة لاهتمام المجتمع التكنولوجي العالمي. بدأ داخل شركة OpenAI تدريجيًا التخلي عن استخدام مؤشراتها الأساسية للإنترنت، وهي المستخدمون النشطون يوميًا (DAU)، وتحويل التركيز إلى مؤشر استهلاك الرموز اليومي (TPD)، وهو مقياس استهلاك الرموز يوميًا. هذا التحول ليس صدفة. في مؤتمر GTC 2026، أعاد جريج فريدمن، الرئيس التنفيذي لشركة NVIDIA، تعريف مركز البيانات على أنه “مصنع رموز”، مشيرًا إلى أن جوهر المنافسة المستقبلية هو “إنتاجية الرموز لكل واط”. هذا ليس ظاهرة معزولة، بل علامة على أن نموذج الاقتصاد الذكي الجديد، الذي يقيس ويتداول الرموز كعنصر مركزي، قد بدأ يتشكل بشكل كامل.

1. قيمة وقياس رموز الذكاء الاصطناعي (AI Token)

1.1. رموز الذكاء الاصطناعي كمقياس للقيمة في العصر الذكي

من منظور علوم الحاسوب، الرمز (Token) هو الوحدة الأساسية لمعالجة المعلومات في نماذج الذكاء الاصطناعي. عند إدخال نص إلى النموذج، يُقسّم إلى كلمات أو أجزاء فرعية؛ وصورة تُفكك إلى وحدات بكسل؛ ومقطع صوتي يُجزأ إلى فترات زمنية. هذه الوحدات غير القابلة للتجزئة، يمكن تسميتها جميعًا رموزًا.

في التطبيق العملي، تتبع قياسات الرموز قواعد معينة. على سبيل المثال، في النص الإنجليزي، قد يُحتسب كلمة قصيرة كرمز واحد، بينما الكلمات الأطول تُقسّم إلى عدة رموز؛ وقاعدة تقريبية هي أن رمزًا واحدًا يعادل حوالي 4 أحرف إنجليزية. بالنسبة للنص الصيني، عادةً ما يُعادل كل حرف صيني من 1 إلى 2 رموز. سواء في معالجة البيانات أثناء تدريب النموذج، أو في استدعاء خدمات النموذج، فإن كل عملية أساسية في الذكاء الاصطناعي تعتمد على قياس الرموز. استهلاك الرموز يعكس مباشرة عبء العمل وقيمة الإنتاج للنموذج، وهو مطابق لنظرية قيمة العمل لماركس.

يُعدّ الرمز مساهمًا بارزًا لأنه يوفر مقياسًا قابلًا للقياس والمقارنة لتطور الاقتصاد الذكي. مع تطور تقنيات الذكاء الاصطناعي من النص إلى متعدد الوسائط، وتطبيقات البرمجة، الفيديو، والبحث العلمي، يبرز الرمز كـ “وحدة قياس موحدة” بشكل متزايد. هذا التصنيف لم يُنشأ من فراغ، بل هو نتيجة حتمية لتطور الصناعة: في عصر الصناعة، كانت “كيلوواط ساعة” تُستخدم لقياس استهلاك الكهرباء؛ وفي عصر الإنترنت، كانت “جيجابايت” تُستخدم لقياس تدفق البيانات؛ وفي عصر الذكاء الاصطناعي، من الطبيعي أن يُستخدم الرمز لقياس الإنتاج الذكي. على مستوى الاقتصاد والأعمال، أصبح الرمز الوحدة الأساسية التي يمكن قياسها وتسعيرها وتداولها في العصر الذكي. وهو يربط بين الطاقة الأساسية، القدرة الحاسوبية، البيانات، والخدمات الذكية العليا، ويعد مقياسًا عامًا لإنتاجية الذكاء الاصطناعي، وتكلفة الذكاء الاصطناعي، وتسوية خدمات الذكاء الاصطناعي.

سلسلة قيمة الرمز تشمل تصنيع الأجهزة، بناء البنية التحتية، توفير القدرة الحاسوبية، تشغيل المنصات، وتطوير التطبيقات. تكوين تكلفته يتكون بشكل رئيسي من الكهرباء واهتلاك القدرة الحاسوبية، حيث تمثل حوالي 70-80%، مما يجعلها العنصر الرئيسي في تحديد القدرة التنافسية الدولية للرموز. “إنتاجية الرموز لكل واط” (Tokens per Watt) أصبحت معيارًا رئيسيًا لمنافسة الشركات في مجال الذكاء الاصطناعي. هذا يعني أنه ضمن ميزانية ثابتة للطاقة، من يستطيع إنتاج المزيد من الرموز بكفاءة أعلى، يكون لديه أدنى تكلفة إنتاج وأقوى تنافسية سوقية.

العوامل المؤثرة على قياس رموز الذكاء الاصطناعي

مع تنوع تطبيقات الاستخدام، تطورت طرق قياس الرموز من العد البسيط إلى نظام معقد متعدد الأبعاد ومتغير الأوزان.

(1) التفرقة بين الإدخال والإخراج. لا تزال أبسط طرق القياس تعتمد على هيكل ثنائي: “رموز الإدخال” و"رموز الإخراج". رموز الإدخال تمثل المعلومات التي يقدمها المستخدم للنموذج (مثل التعليمات، المستندات المرفوعة، سجلات الحوار السابقة)، بينما رموز الإخراج هي المحتوى الذي يولده النموذج. في الفواتير التجارية، نظرًا لاستهلاك الكثير من الذاكرة وسعة الحوسبة أثناء التوليد، غالبًا ما يكون تكلفة رموز الإخراج 3 إلى 5 أضعاف رموز الإدخال. هذا الفرق في السعر يعكس الفرق الجوهري بين “العمل الإبداعي” و"قراءة المعلومات" من حيث استهلاك القدرة الحاسوبية.

(2) قياس السياق وتكلفة الذاكرة. شهدت نوافذ السياق (Context Window) لنماذج الحجم الكبير بين 8K و32K و128K وحتى مليون رمز (1M) بين 2024 و2025. في 2026، أصبح التعامل مع سياقات طويلة أمرًا معتادًا. ومع ذلك، فإن السياقات الطويلة ليست مجانية. تعتمد آلية الانتباه (Attention Mechanism) في بنية Transformer على حسابات تتزايد تربيعيًا أو خطيًا مع طول السلسلة، مما يضيف عبئًا على الحسابات. لذلك، أدخل نظام القياس “معامل وزن السياق”. عندما يطرح المستخدم سؤالًا في جلسة تحتوي على مليون رمز، حتى لو كانت الإجابة تتكون من 10 رموز فقط، يحتاج النظام إلى مسح أو استرجاع التاريخ الكامل، مما يستهلك موارد غير مرئية تُحسب ضمن “تكلفة الرموز النشطة في السياق”. هذا يعزز دقة قياس الموارد اللازمة للحفاظ على الذاكرة طويلة المدى للنموذج.

(3) ترميز البيانات متعددة الوسائط. مع نضوج نماذج الوسائط المتعددة (LMM)، أصبحت الصور، الفيديوهات، والصوتيات جزءًا من نظام قياس الرموز. صورة عالية الدقة لم تعد تُعتبر ملفًا واحدًا، بل تُقسم إلى رقع بصرية (Visual Patches)، يُرمز لكل منها إلى رمز بصري واحد أو أكثر. فيديو مدته دقيقة واحدة قد يُحوّل إلى عشرات الآلاف من الرموز الزمنية البصرية. هذا النظام الموحد يكسر حواجز الوسائط، مما يسمح بحساب تكاليف التوليد عبر التفاعل مع الصور، الفيديو، والصوت ضمن إطار اقتصادي موحد. على سبيل المثال، إنتاج فيديو عالي الجودة لمدة 10 ثوانٍ قد يستهلك عدد رموز يعادل كتابة مقال من ألف كلمة، مما يوضح بشكل مباشر الفروق في كثافة المعلومات بين الوسائط المختلفة.

(4) التخفيف من قيمة الرموز. مع انتشار الوكيل الذكي (AI Agent)، لم تعد النماذج تقتصر على الإجابة مرة واحدة، بل تقوم بالتخطيط الذاتي، تنفيذ الأكواد، التفكير الذاتي، والبحث متعدد المراحل. هذه العمليات تنتج عددًا كبيرًا من رموز التفكير الوسيط، التي لا تظهر مباشرة للمستخدم، لكنها أساس المخرجات عالية الجودة. بدأ نظام القياس الجديد يميز بين “رموز الإخراج الظاهر” و"رموز الاستدلال الداخلي". في الحسابات العلمية المعقدة أو المنطق الصعب، قد يكون عدد رموز الاستدلال الداخلي عشرات أضعاف المخرجات النهائية. بعض المنصات المتقدمة بدأت تجريب تسعير بناءً على عدد خطوات الاستدلال أو عمق سلسلة التفكير، مما يمثل تحولًا جذريًا من “حساب عدد الرموز” إلى “حساب الذكاء”.

تطورات واتجاهات رموز الذكاء الاصطناعي (AI Token)

خلال السنوات الأخيرة، أظهرت تطورات رموز الذكاء الاصطناعي ثلاثة اتجاهات رئيسية: انفجار كمي في الحجم، ضغط فائق في وحدة القياس، وتثبيت القيمة على مستويات متدرجة.

الاتجاه الأول: نمو استهلاك هائل. وفقًا للإحصاءات، بلغ استهلاك الرموز اليومي العالمي حوالي 100 مليار في 2024، وارتفع إلى 180 تريليون في الربع الأول من 2026، بزيادة تقارب 1800 مرة. هذا النمو ليس تراكميًا خطيًا، بل ناتج عن تحول نوعي في نماذج الاستخدام. في البداية، كان استهلاك الرموز يقتصر على حوارات الإنسان والآلة (Chatbot)، وهو تفاعل منخفض التكرار وسطحي. بحلول 2026، أصبح الاستخدام الرئيسي هو الوكلاء الذكيون المستقلون (Autonomous Agents)، التي تنفذ المهام بشكل مستقل، وتفكك الأهداف، وتستدعي الأدوات، وتكتب وتختبر الأكواد، وتحقق النتائج، مما يستهلك عشرات الآلاف أو مئات الآلاف من الرموز. مع تطبيقات الذكاء الاصطناعي المتمركزة على الكيانات (Embodied AI)، ستتحول استشعارات وقرارات الروبوتات في الثانية إلى تدفقات ضخمة من الرموز في الوقت الحقيقي، ومن المتوقع أن يصل استهلاك الرموز اليومي العالمي إلى مستوى كوينتليون (10^16) بحلول 2030.

الاتجاه الثاني: انخفاض تكلفة الوحدة وفقًا لقانون مور. بفضل تطور البنى التحتية للأجهزة (مثل معمارية NVIDIA Blackwell وما بعدها Rubin)، وتحسين الخوارزميات (مثل نماذج الخبراء المختلطة MoE، وتقنيات التكميم، وتقنيات السحب)، وزيادة كفاءة جدولة التجمعات، انخفضت تكلفة القدرة الحاسوبية لإنتاج رمز عالي الجودة بحوالي درجتين من 2023 إلى 2026. هذا “مفارقة جيفنز” في مجال الذكاء الاصطناعي، حيث أن تحسين الكفاءة لا يقلل من الاستهلاك الكلي للموارد، بل يثير طلبًا غير مسبوق. مع إدخال تقنيات مثل الحوسبة الضوئية، ورقائق الأعصاب الاصطناعية، من المتوقع أن تنخفض استهلاك الطاقة لكل رمز بشكل أكبر، مما يجعل “الذكاء اللامحدود” ممكنًا نظريًا.

الاتجاه الثالث: التدرج في القيمة والتخصص. من المتوقع أن يظهر سوق رموز متميز بوضوح في المستقبل، حيث ستُنتج نماذج الذكاء الاصطناعي العامة رموزًا “قياسية” رخيصة ومتجانسة، تُستخدم في الأسئلة العامة، والترجمة الأساسية، والتصنيف البسيط؛ بينما الرموز “ذات المستوى العالي” التي تنتج عن التخصيص الدقيق (Fine-tuning)، وتدعم البيانات الحصرية، وتتمتع بقدرات استنتاج عميقة، ستكون أكثر تكلفة ونادرة. على سبيل المثال، رموز التشخيص التي تنتجها نماذج طبية عالية المستوى ستكون ذات قيمة أعلى بكثير من رموز الدردشة العادية. هذا التدرج سيؤدي إلى ظهور “سوق العقود الآجلة للرموز” و"نظام اعتماد الجودة"، حيث سيدفع المستخدمون علاوات مقابل رموز ذات جودة محددة (Quality-of-Service, QoS).

2. مقارنة بين صناعة رموز الذكاء الاصطناعي في الصين والولايات المتحدة

2.1. حجم الإنتاج والاستهلاك، وتفوق الصين في الإجمالي

تتمتع الولايات المتحدة بميزة أساسية في مجال الذكاء الاصطناعي في مستويين: تصميم الرقائق وقدرات النماذج. تعتبر شركة NVIDIA، الرائدة عالميًا في سوق وحدات معالجة الرسوميات (GPU)، أن قيمتها السوقية ارتفعت من حوالي 300 مليار دولار في نهاية 2022 إلى أكثر من 4 تريليون دولار، بزيادة 14 مرة. وراء هذا النمو، تكمن ريادة أمريكا في تصميم الرقائق المتقدمة. في الوقت نفسه، لا تزال نماذج مغلقة المصدر مثل Claude وGPT تعتبر من أقوى النماذج، وتُحدد أسعارها بأكثر من 5 دولارات لكل مليون رمز، مما يعكس تفوق التكنولوجيا الأمريكية وسلطتها على السوق عالية الجودة.

لكن، تواجه الولايات المتحدة تحديات هيكلية. من جهة، بدأت قيود شبكة الكهرباء تحد من توسع القدرة الحاسوبية، مع ارتفاع تكاليف الكهرباء؛ ومن جهة أخرى، تؤدي استراتيجيات النماذج الكثيفة إلى انخفاض كفاءة استغلال القدرة، مما يصعب خفض تكلفة إنتاج الرموز بسرعة.

على النقيض، تتميز الصين في مجالي خفض التكاليف وبيئة المصادر المفتوحة. حيث أن نماذج مثل DeepSeek تضع سعرًا قدره 0.028 دولار لكل مليون رمز، وهو أقل بمقدار 180 مرة من سعر GPT. هذا الأداء الاقتصادي المذهل يجذب المطورين العالميين “بالتصويت بأقدامهم” — ففي أسبوع من 16 إلى 22 فبراير 2026، بلغ استهلاك الرموز لنماذج الصين على منصة OpenRouter 5.16 تريليون، بزيادة 127% عن قبل ثلاثة أسابيع، بينما كانت نماذج الولايات المتحدة 2.7 تريليون وتواصل التراجع. تحتل الصين أربعة من أفضل خمسة نماذج، بنسبة 85.7% من أعلى 5. وتجاوزت استهلاك رموز النماذج الصينية في فبراير 2026 الولايات المتحدة لأول مرة، وظلت في الصدارة، مع نماذج مثل MiniMax وDeepSeek وKimi التي تتصدر بشكل دائم، وبلغت حصة الصين من استهلاك الرموز العالمية أكثر من 60% في بعض الأحيان.

ويُذكر أن التفوق الصيني في استهلاك الرموز حدث بشكل رئيسي في جانب الاستدلال (Inference)، وليس التدريب (Training). فجانب الاستدلال يتطلب أداءً منخفضًا على البطاقة الواحدة، ويمكن للرقائق المحلية مع تحسينات عميقة أن تدعم الطلب الهائل على الاستدلال، بينما يتطلب التدريب استخدام عدد قليل من الرقائق عالية الأداء، ويحتاج إلى بنية موزعة وتقنيات MoE لتحقيق نماذج جيدة. هذا يوضح أن الصين تمتلك ميزة واضحة في تطبيقات الذكاء الاصطناعي وتحقيق القيمة، لكن لا تزال هناك مساحة للتقدم في الابتكار الأساسي للنماذج.

2.2. ميزة الصين في تكاليف الطاقة والهندسة

تستمد الصين ميزتها التنافسية من عدة أبعاد متكاملة. تكاليف الكهرباء هي العنصر الأساسي في تكلفة إنتاج الرموز، وغالبًا ما تمثل أكثر من 30% من إجمالي القدرة الحاسوبية. نظرًا لأن التدريب والاستدلال في الذكاء الاصطناعي يستهلكان طاقة هائلة، فإن استقرار شبكة الكهرباء وتكاليف الطاقة (خصوصًا الطاقة الخضراء) يحددان بشكل كبير قدرة الصين على المنافسة. على سبيل المثال، مشروع “东数西算” (نقل البيانات شرقًا وغربًا) وبناء شبكة كهربائية موحدة، يسمحان بأسعار طاقة خضراء منخفضة تصل إلى 0.2 يوان لكل كيلوواط ساعة، أي حوالي 0.028 دولار، مقارنةً بأسعار الكهرباء في أوروبا وأمريكا التي تتراوح بين 0.08 و0.12 دولار.

أما تكاليف الرقائق، فهي تشمل شراء الأجهزة، الاهتلاك، والصيانة. بفضل ريادة NVIDIA، تتمتع أمريكا بميزة في توافر الرقائق عالية الأداء، لكن ذلك يأتي مع تكاليف شراء أعلى. في المقابل، تعتمد الصين على عدد قليل من الرقائق عالية الأداء أثناء التدريب، وتستخدم رقائق محلية على نطاق واسع أثناء الاستدلال، مع تحسينات لتحقيق أدنى تكلفة لكل وحدة حسابية. على مستوى التكامل الكامل، تعمل الشركات الصينية على ربط النماذج، والخدمات السحابية، والرقائق بشكل عميق، لزيادة كفاءة استغلال القدرة الحاسوبية، بينما تعتمد الشركات الأمريكية على طرف ثالث في السحابة والرقائق، مما يزيد من تكاليف التوافق.

أما كفاءة الهندسة، فهي العامل الحاسم في اختلاف التكاليف. تستخدم الشركات الصينية بشكل كبير بنية MoE (الخبراء المختلط)، التي تقسم النموذج الكبير إلى خبراء متعددين، وتفعل فقط الخبراء المرتبطين بالمهمة. باستخدام نفس استثمار 1000 دولار في القدرة الحاسوبية، يمكن أن يختلف عدد الرموز الناتجة بأكثر من عشرة أضعاف حسب التقنية. بنية MoE، مقارنة بالنماذج الكثيفة، ترفع بشكل كبير إنتاجية الرموز لكل وحدة حسابية. كما أن التعاون الكامل بين المطورين، وخدمات السحابة، وتصميم الرقائق يعزز من كفاءة استغلال القدرة الحاسوبية بشكل يفوق التوقعات.

تتحول المنافسة العالمية في الذكاء الاصطناعي من مجرد “منافسة أداء النماذج” إلى “كفاءة إنتاج الرموز” و"تكلفة الوحدة"، حيث تعتمد القوة الوطنية على القدرة على إنتاج الرموز بكفاءة عالية وتكاليف منخفضة. بفضل إمدادات الطاقة الرخيصة والمستقرة، والسوق الضخم، والكفاءة الهندسية، أنشأت الصين ميزة كبيرة في إنتاج الرموز على نطاق واسع وبتكاليف منخفضة، وتتحول إلى “منطقة منخفضة التكاليف” و"مصنع ضخم" للقدرات الحاسوبية. أما أمريكا، فتعتمد على الابتكار التكنولوجي، والنظام البيئي المتقدم، ورأس المال المالي، وتحتفظ بمكانتها في حلقات القيمة العليا. جوهر المنافسة هو السيطرة على أسعار الطاقة، والقدرة على التنظيم الصناعي، والتأثير على النظام البيئي الرقمي. في المستقبل القريب، قد نرى أن الصين، بالإضافة إلى المنتجات الصناعية التقليدية والإلكترونيات، ستستفيد من ميزتها في الطاقة والكهرباء وتحولها إلى ميزة تنافسية عالمية جديدة — وهي رموز الذكاء الاصطناعي (AI Token). في هذا المجال سريع النمو، تصدر الصين فائضًا تجاريًا مع جميع الدول غير الولايات المتحدة، مما يعيد تشكيل المشهد الاقتصادي والاستراتيجي العالمي.

3. هل ستصبح رموز الذكاء الاصطناعي (AI Token) عملة عالمية جديدة؟

الفجوة بين الضرورة الاقتصادية والواقع

لمناقشة إمكانية أن تصبح رموز الذكاء الاصطناعي عملة عالمية، يجب أولًا فهم خصائص العملة الأساسية. وفقًا للاقتصاد، لكي تصبح أصلًا عملة، يجب أن يلبي ثلاث وظائف رئيسية: مقياس للقيمة، وسيط للتبادل، ووسيلة للاحتفاظ بالقيمة. بالإضافة إلى ذلك، يجب أن يكون مقبولًا عالميًا، ومستقرًا في القيمة، وموثوقًا من قبل السيادة الوطنية. عند مقارنة هذه المعايير، من غير المرجح أن تتطور رموز الذكاء الاصطناعي (AI Token) إلى عملة حقيقية في المستقبل القريب.

أكبر عائق أمام رموز الذكاء الاصطناعي كعملة هو عدم استقرار قيمتها. خلال العامين الماضيين، انخفض سعر الوحدة بأكثر من 99%. هذا التقلب الشديد يجعل التجار غير مستعدين لقبول عملة قد تنخفض قيمتها إلى النصف خلال أسبوع. حتى إذا استقرت الأسعار مستقبلًا، فإن قيمة الرموز ستظل مرتبطة بشكل كبير بتكلفة القدرة الحاسوبية، التي تتأثر بتطور تكنولوجيا الرقائق، وتقلب أسعار الطاقة، والصراعات الجيوسياسية، مما يصعب الحفاظ على استقرار طويل الأمد.

أما مشكلة عدم القبول، فهي أيضًا حاسمة. حاليًا، يُستخدم رموز الذكاء الاصطناعي فقط في استدعاء واجهات برمجة التطبيقات (API) وتطبيقات الذكاء الاصطناعي، ولا يُمكن استخدامها لشراء السلع والخدمات اليومية. العملة، بطبيعتها، هي قيمة عامة لجميع السلع، لكن شبكة رموز الذكاء الاصطناعي محدودة حاليًا في مجال خدمات الذكاء الاصطناعي فقط. لتحقيق قبول عالمي، يجب بناء شبكة تجارة تشمل جميع السلع والخدمات، وهو استثمار ضخم وطويل الأمد.

مقارنةً بكونها عملة، من المرجح أن تتطور رموز الذكاء الاصطناعي إلى أصل سلعي رئيسي، يشبه النفط، الذهب، والنحاس. يستند هذا الحكم إلى عدة ملاحظات:

أولًا، تمتلك رموز الذكاء الاصطناعي خصائص الأصول السلعية الأساسية: التوحيد، القابلية للتداول، والطلب الواسع. كما أكد جريج فريدمن، أن “مراكز البيانات المستقبلية ستتحول إلى مصانع تعمل على مدار الساعة، تنتج ليس منتجات تقليدية، بل السلعة الأهم والأغلى في العالم الرقمي: الرموز”. تمامًا كما يحتاج العصر الصناعي إلى النفط كوقود، يحتاج العصر الذكي إلى الرموز كـ “وقود ذكي”.

ثانيًا، آلية تسعير الرموز تتجه نحو نمط السلع الأساسية. حاليًا، تتسم تسعيرات واجهات برمجة التطبيقات لنماذج الذكاء الاصطناعي بطابع السوق الحر: ترتفع الأسعار عند نقص العرض، وتنخفض عند ضعف الطلب. هذه الآلية تشبه سوق السلع التقليدية. مع توسع حجم تداول الرموز وتوحيد معاييرها، قد تظهر أدوات مشتقة مثل العقود الآجلة للرموز، تشبه عقود النفط والذهب، توفر أدوات لإدارة المخاطر للمصنعين والمستهلكين والمستثمرين.

ثالثًا، بنية العرض والطلب للرموز تتشابه مع السلع الأساسية: العرض محدود بسبب قدرات الرقائق وتوافر الطاقة، ويمتد فترات التوسع طويلة، مع مرونة منخفضة في التعديل؛ الطلب يتزايد بسرعة مع انتشار تطبيقات الذكاء الاصطناعي، ويظهر نمطًا دوريًا واضحًا. هذه البنية تؤدي إلى تقلبات دورية في سعر الرموز، وليس انخفاضًا خطيًا. في الواقع، أظهرت موجة ارتفاع الأسعار في بداية 2026 أن الرموز يمكن أن تشهد ارتفاعات مفاجئة رغم الاتجاه العام نحو الانخفاض على المدى الطويل.

رابعًا، الرموز قد تصبح خيارًا استراتيجيًا للاحتياطيات الوطنية. مع انتشار قدرات الذكاء الاصطناعي في مجالات الدفاع، والمالية، والطاقة، يرتفع مستوى أمان القدرة الحاسوبية إلى مستوى الأمن القومي. بعض الدول قد تبدأ في احتياطيات استراتيجية للقدرة الحاسوبية، ويُقاس ذلك باستخدام الرموز كمقياس. هذا قد يؤدي إلى ظهور “نظام احتياطي قائم على القدرة الحاسوبية” (Compute-based Reserve System).

3.2. العملات المستقرة (Stablecoins) كحلول جديدة

في ظل صعوبة أن تصبح رموز الذكاء الاصطناعي عملة، تتجه الأنظار إلى العملات المستقرة (Stablecoins) كوسيلة مبتكرة لاقتصاد الوكيل الذكي (AI Agent). عندما يحتاج الوكيل إلى اتخاذ قرارات مستقلة، وإجراء معاملات ذاتية، تظهر مشكلات في النظام المالي التقليدي: البنوك لا تفتح حسابات للذكاء الاصطناعي، والبطاقات الائتمانية غير مصممة للآلات، ونظام الائتمان مخصص للبشر. بالنسبة للذكاء الاصطناعي، المال ليس ثروة، بل هو واجهة؛ وليس وسيلة للاحتفاظ بالقيمة، بل هو مسار لتنفيذ المنطق. في هذا السياق، تظهر العملات المستقرة على البلوكشين كخيار فريد، حيث تتيح المعاملات غير المصرح بها على مستوى العالم، والتسوية الفورية، والتكاليف المنخفضة، وتلبي احتياجات الاقتصاد الذكي بشكل مثالي.

تشير البيانات إلى أن استخدام العملات المستقرة في اقتصاد الوكيل الذكي يتزايد بسرعة. حتى مارس 2026، تجاوز عدد المعاملات في نظام x402 1.63 مليار، وبلغ حجم التداول الإجمالي أكثر من 45 مليون دولار، وشارك أكثر من 43.5 ألف وكيل ذكاء اصطناعي كمشترين، و9 آلاف كائنات بائعين. تهيمن عملة USDC على منصة x402، حيث تمثل 98.6% من حجم التداول على شبكة EVM، و99.7% على شبكة Solana.

3.3. مسارات التطور المحتملة للمستقبل

بناءً على التحليل السابق، يمكن أن تتخذ تطورات رموز الذكاء الاصطناعي ثلاثة مسارات رئيسية:

المسار الأول: الحفاظ على وظيفة وحدة القياس، وعدم التحول إلى أصل مستقل. في هذا السيناريو، تظل رموز الذكاء الاصطناعي وحدة قياس لخدمات الذكاء الاصطناعي، ولا تمتلك خصائص الأصول. المستخدمون يشترون قدرات الذكاء الاصطناعي، وليس الرموز نفسها؛ والرموز مجرد وسيلة للفوترة، وليست استثمارًا. هذا هو التوقع الأكثر تحفظًا، وهو الوضع الحالي.

المسار الثاني: التحول إلى أصل سلعي، وتشكيل سوق للعقود الآجلة للقدرة الحاسوبية. مع توسع حجم التداول وتحسن المعايير، قد تصبح الرموز سلعة قابلة للتداول، مثل النفط والنحاس. ستطلق البورصات عقودًا آجلة وخيارات على الرموز، وتوفر أدوات لتحديد الأسعار وإدارة المخاطر. في هذا المسار، ستكون تقلبات الأسعار أكثر حدة، ولكنها ستكتسب طابعًا ماليًا أكبر.

المسار الثالث: أن تكون معيارًا لقياس القدرة الحاسوبية، وتدعم نظام عملة جديد. هذا هو المسار الأكثر ثورية، حيث تصبح القدرة الحاسوبية مرجعًا لقيمة العملة، مشابهًا لدور الذهب في نظام الذهب. في هذا النظام، تصدر الدول عملاتها الرقمية (CBDC) معتمدة على القدرة الحاسوبية، بحيث يعادل وحدة العملة كمية رموز قياسية. هذا المسار يواجه تحديات تقنية ونظامية هائلة، لكنه إذا تحقق، فسيعيد تشكيل النظام النقدي العالمي بشكل كامل.

4. استراتيجيات التعامل مع عصر رموز الذكاء الاصطناعي (AI Token)

4.1. على المستوى الوطني: تعزيز سيادة القدرة الحاسوبية والبنية التحتية الاستراتيجية

مواجهة صعود اقتصاد الرموز، يتعين على الدول أن تدمج موارد القدرة الحاسوبية ضمن خطط البنية التحتية الاستراتيجية، وتفكر مسبقًا في إدارة اقتصاد الرموز. يمكن البدء من خلال:

• بناء منظومة للبنية التحتية للقدرة الحاسوبية. مستفيدين من نجاح مشروع “东数西算”، يجب تخطيط شبكة القدرة الحاسوبية الوطنية بشكل شامل، وتوجيه الموارد بكفاءة. يتضمن ذلك: إنشاء مراكز حوسبة ذكية كبيرة في المناطق ذات الطاقة الوفيرة غربًا، للاستفادة من الطاقة الخضراء وخفض التكاليف؛ بناء عقد حوسبة طرفية في المناطق ذات الطلب العالي شرقًا، لضمان خدمات منخفضة الكمون؛ وتطوير منصة موحدة لإدارة توزيع القدرة الحاسوبية على مستوى البلاد، لتحقيق تخصيص مرن وفعال.

• توحيد معايير قياس الرموز. حاليًا، تختلف طرق قياس الرموز بين المنصات، مما يعيق اختيار المطورين، ويزيد من تكاليف الشركات، ويحد من توسع اقتصاد الرموز. يمكن للدولة أن توجه الجمعيات الصناعية، والشركات الرائدة، لوضع معايير موحدة لقياس الرموز، وتحديد قواعد تحويل الرموز بين الوسائط المختلفة (نص، صورة، صوت)، وإنشاء آليات شفافة وعادلة لحساب التكاليف. هذا يعزز الكفاءة السوقية، ويزيد من نفوذ الصين في سوق الرموز العالمي.

• تحسين إطار إدارة اقتصاد الرموز. يتطلب النمو السريع لاقتصاد الرموز معالجة قضايا تنظيمية جديدة، مثل: تحديد الطبيعة القانونية للرموز (وحدة قياس الخدمة، الأصول الرقمية، أو الأوراق المالية)؛ تنظيم المعاملات عبر الحدود؛ إدارة مخاطر تقلب الأسعار؛ والتوازن بين حماية حقوق المستخدمين وتشجيع الابتكار. يتطلب ذلك تعاونًا وثيقًا بين صانعي السياسات، والخبراء التقنيين، والصناعة، والأوساط الأكاديمية، لبناء نظام حوكمة يتوافق مع خصائص الاقتصاد الذكي.

• المشاركة في وضع القواعد الدولية. يجب على الصين أن تلعب دورًا نشطًا في صياغة قواعد تنظيم الرموز على المستوى الدولي، بما يشمل: دفع المعايير الدولية لقياس الرموز ضمن الأطر متعددة الأطراف؛ إدراج التعاون في مجال القدرة الحاسوبية في الاتفاقيات التجارية الثنائية؛ وتقديم مقترحات لضريبة على تداول الرموز تتوافق مع مصالح الدول النامية في مفاوضات الضرائب الرقمية. السيطرة على صياغة القواعد تتيح للصين أن تظل في موقع المبادرة في مستقبل الاقتصاد العالمي للرموز.

4.2. على مستوى الشركات: إعادة هيكلة التفكير في كفاءة الرموز ونماذج الأعمال

بالنسبة للشركات، لم تعد استراتيجية الرموز مجرد تقنية، بل أصبحت جزءًا من تصميم تنافسيتها وقيمتها التجارية الأساسية. لمواجهة موجة اقتصاد الرموز، يجب أن تعيد الشركات النظر في:

• بناء تفكير بكفاءة الرموز. عند اختيار تقنيات الذكاء الاصطناعي، يجب أن يُعطى معيار كفاءة الرموز أهمية قصوى، مع التركيز على توافق القدرة الحاسوبية مع استهلاك الرموز. من تصميم التعليمات، واستراتيجيات استدعاء النموذج، إلى تحسين النتائج، يجب مراعاة الكفاءة والتكلفة. يمكن لتصميم التعليمات الدقيق أن يقلل من الرموز غير الفعالة، واستراتيجيات الاستدعاء المعقولة تعزز استغلال القدرة الحاسوبية. هذه التفاصيل تؤثر مباشرة على تكلفة استثمار الذكاء الاصطناعي. من خلال استلهام مفهوم “الإنتاجية الفعالة” (good-put) في مجال الاتصالات، يجب أن تركز الشركات على “كم من الرموز فعلاً ساهمت في تحقيق أهداف المستخدم”، بدلاً من مجرد قياس معدل تدفق الرموز. التحول في التفكير هو من “كم من القدرة الحاسوبية استُهلكت” إلى “كم من القيمة أُنتجت”.

• إعادة هيكلة نماذج الأعمال واستراتيجيات التسعير. يشهد قطاع النماذج الكبيرة تحولًا من “دعم التدفق” إلى “انتقاء القيمة”. في البداية، كانت الأسعار المنخفضة تجذب المستخدمين التجريبيين، مما أدى إلى استهلاك غير فعال للقدرة الحاسوبية — حيث يُقدر أن 40% من الاستخدام المجاني يأتي من اختبارات غير ذات جدوى. من خلال رفع الأسعار بشكل معتدل، يمكن للشركات تصفية الطلبات غير الضرورية، وضمان استقرار الخدمة للعملاء المميزين. هذا “الرفع مقابل الحجم” هو علامة على انتقال الصناعة من التوسع عبر الإنترنت إلى تسعير القيمة في صناعة البرمجيات.

• تحديد معايير المواهب الجديدة وآليات التحفيز. اقترح جريج فريدمن خلال GTC 2026 أن توزع الشركات رموزًا كجزء من رواتب المهندسين، بحيث يعادل نصف راتبهم السنوي، كوسيلة لجذب المواهب. وأكد: “إذا وظفت مهندس برمجيات براتب 500 ألف دولار، ولم يستهلك رموزًا بقيمة 250 ألف دولار على الأقل، فسيكون ذلك مصدر قلق كبير”.

4.3. على المستوى الشخصي: تطوير مهارات جديدة في فهم الرموز والتعاون مع الذكاء الاصطناعي

بالنسبة للأفراد، فإن صعود اقتصاد الرموز يمثل تحديًا وفرصة في آنٍ واحد. لمواجهة هذا التحول العميق، يحتاج الأفراد إلى بناء قدرات جديدة تشمل:

• اكتساب معرفة بالرموز. غالبية المستخدمين يفتقرون إلى فهم كافٍ لاستهلاك الرموز، وقدرات النماذج، وآليات التسعير، مما يؤدي إلى مشكلات عند استخدام الذكاء الاصطناعي — مثل شراء الأسهم بواسطة الوكيل الذكي، أو إفراغ الحساب فجأة؛ أو إصدار أوامر عبر وسائل التواصل الاجتماعي تتيح للوكيل تنفيذها، مما يؤدي إلى خداع الوكيل. هذه الأمثلة تبرز أن معرفة الرموز أصبحت مهارة أساسية في العصر الرقمي.

• بناء طرق عمل جديدة للتعاون بين الإنسان والآلة. يتوقع جريج فريدمن أن الحواسيب ستعمل على مدار الساعة، وتنتج رموزًا باستمرار، لأن وكلاء الذكاء الاصطناعي ينفذون المهام بشكل متواصل. هذا يتطلب من الأفراد أن يغيروا أساليب عملهم من “القيام بأنفسهم” إلى “إدارة الذكاء الاصطناعي”، ومن “المنفذين” إلى “المشرفين”.

• تبني التعلم المستمر وتحديث المهارات. سرعة تطور اقتصاد الرموز تعني أن عمر المهارات يتقلص. قد تُستبدل التقنيات الحالية بسرعة بواسطة تحسينات جديدة، والنماذج الحالية قد تتجاوزها هياكل أكثر كفاءة. في ظل هذا المناخ، من الضروري أن يطور الأفراد عادة التعلم المستمر، ومتابعة أحدث التطورات في تكنولوجيا الذكاء الاصطناعي واقتصاد الرموز، وتجربة أدوات وأساليب جديدة، وبناء معرفة متعددة التخصصات لفهم المنطق الاقتصادي والتأثيرات الاجتماعية وراء التكنولوجيا. فقط من خلال ذلك، يمكنهم البقاء في موقع الصدارة في موجة اقتصاد الرموز.