Tether تطلق برنامج منح، وتضاعف التركيز على استراتيجية الذكاء الاصطناعي المحلية أولاً

Tether، مُصدر USDT، أكبر عملة مستقرة في العالم، وجهت أنظارها نحو الذكاء الاصطناعي، مستثمرة ملايين الدولارات في التكنولوجيا التي لا تتطلب السحابة للعمل. 

شارك باولو أردوينو، الرئيس التنفيذي لـ Tether، كيف انتقل من الذكاء الاصطناعي القائم على السحابة إلى نظام ذكاء اصطناعي محلي وذاتي السيادة، محذراً من مخاطر أنظمة وكلاء الذكاء الاصطناعي الجديدة. 

Tether تدفع للمطورين لبناء أنظمة ذكاء اصطناعي محلية 

أطلقت Tether برنامج منح غير محدود للمطورين لتمويل البنية التحتية للذكاء الاصطناعي المحلي أولاً والمدفوعات. قبل ذلك، أصدرت مجموعة أبحاث الذكاء الاصطناعي في Tether نماذج لغوية طبية تعمل على الهواتف الذكية القياسية وتتفوق بشكل كبير على أنظمة Google (NASDAQ: GOOGL) الأكبر حجماً بكثير.

تنضم Tether إلى مسار يسير عليه بالفعل فيتاليك بوتيرين، المؤسس المشارك لـ Ethereum (ETH). نشر فيتاليك مقالاً شخصياً مفصلاً منشور مدونة في 2 أبريل يوضح انتقاله الكامل بعيداً عن الذكاء الاصطناعي القائم على السحابة.

Cryptopolitan في يونيو أن DFS اقترحت لوائح جديدة للعملات المستقرة تهدف إلى مواءمتها مع قانون GENIUS ACT مع الحفاظ على ضوابطها الحالية. ويشمل ذلك التغطية الكاملة بالاحتياطيات والتدقيق المستقل. يقول بوتيرين إنه الآن يشغل كل شيء على أجهزته الخاصة ويريد من الآخرين فعل الشيء نفسه، خاصة مع إدخال أنظمة "وكيل" جديدة تشكل تهديدات أمنية كبيرة. سلط بوتيرين الضوء على البحث الذي تم إجراؤه على OpenClaw، والذي وصل إلى 280,000 نجمة في أوائل عام 2026.

تسمح الأداة لوكلاء الذكاء الاصطناعي بالتحكم في أجهزة الكمبيوتر مباشرة، وقد أظهر باحثو الأمان أن وكلاء OpenClaw يمكنهم تعديل إعدادات النظام الحرجة، وتنزيل وتنفيذ نصوص برمجية خبيثة من صفحات الويب دون وعي المستخدم، وتسريب البيانات من خلال مكالمات شبكة صامتة.

أفادت Cryptopolitan بأن حوالي 15% من "المهارات" التي تستخدمها هذه الوكلاء تحتوي على أوامر خفية ترسل بيانات المستخدم بهدوء إلى خوادم خارجية.

"إذا تمكنت من بناء شيء يعمل محليًا، ويحتفظ بالقيمة مباشرة، ولا يعتمد على مزودين خارجيين، فسنقوم بتمويله." قال رئيس تنفيذي Tether، باولو أردوينو.

يتميز عقد Tether الذكي برنامج المنح يدفع للأفراد من 1,500 دولار إلى 4,000 دولار لكل مهمة، سواء بـ USDT أو البيتكوين (BTC)، دون سقف للمدفوعات الإجمالية للبرنامج. ومع ذلك، يتم دفع المبالغ للمطورين فقط عند إكمال تسليمات تقنية محددة.

توجه Tether البرنامج نحو بناء مكتبات أساسية لـ منصة الذكاء الاصطناعي المحلية QVAC، وإنتاج الوثائق التقنية، وتطوير التطبيقات فوق المكدس المفتوح الخاص بـ Tether، والبحث في اللامركزية والذكاء الاصطناعي الطرفي (Edge AI).

يركز أحد المحاور الرئيسية على مجموعة تطوير المحافظ (WDK)، والتي تتيح للمطورين دمج محافظ ذاتية الحفظ مباشرة في التطبيقات، مع السماح للمستخدمين بإدارة حساباتهم وإتمام المعاملات دون الاعتماد على خدمات الحفظ أو واجهات برمجة التطبيقات المستضافة. 

منحت Tether سابقًا منحًا بقيمة 100,000 دولار لمؤسسة BTC Pay Server في سنوات متتالية، وتبرعت بمبلغ 250,000 دولار لـ OpenSats لتطوير البيتكوين. وزعت Tether أكثر من 500 منحة تعليمية للطلاب والتزمت بما يصل إلى حوالي 5.38 مليون دولار (5 ملايين فرنك سويسري) نحو المرحلة التالية من البرنامج حتى عام 2030.

هل يمكن للنماذج الأصغر حجمًا من الذكاء الاصطناعي أن تتفوق على النماذج الأكبر؟

مجموعة أبحاث الذكاء الاصطناعي التابعة لـ Tether أصدرت مؤخرًا QVAC MedPsy، وهو زوج من نماذج اللغة الطبية المصممة للعمل مباشرة على الهواتف الذكية والأجهزة القابلة للارتداء دون أي اتصال بالإنترنت. تتحدى النتائج الافتراض القائل بأن الأداء الأفضل يتطلب نماذج أكبر.

حققت النموذج الأصغر، QVAC MedPsy-1.7B (1.7 مليار معلمة)، درجة 62.62 عبر سبعة معايير طبية مغلقة، متفوقًا على MedGemma-1.5-4B-it من Google بمقدار 11.42 نقطة على الرغم من كونه أصغر من نصف حجمه.

حققت النسخة الأكبر من QVAC MedPsy-4B (4 مليارات معلمة) درجة 70.54 في نفس المعايير، متفوقةً على MedGemma-27B-text-it من Google، وهو نموذج أكبر بحوالي سبعة أضعاف ويحتوي على حوالي 27 مليار معلمة.

اتسعت فجوة الأداء عندما تم اختبار النماذج في سيناريوهات سريرية واقعية. على HealthBench Hard، وهو اختبار مصمم لقياس التفكير الطبي التطبيقي، سجلت QVAC MedPsy-4B درجة 58.00 مقارنة بـ 42.00 لـ MedGemma-27B. 

تستخدم النماذج أيضًا عددًا أقل من الرموز (tokens) بنسبة تصل إلى 3.2 مرة مقارنة بالأنظمة المماثلة، مما يترجم مباشرة إلى أوقات استجابة أسرع ومتطلبات حسابية أقل.

سيشير Tether، وفيتاليك، ومروجو آخرون لتشغيل نماذج ذكاء اصطناعي أصغر ومحلية إلى هذه النتائج كدليل على أن المستخدمين لا يحتاجون إلى المخاطرة بإرسال بياناتهم إلى السحابة لتشغيل أنظمة فعالة.