EigenAI تطلق استنتاج الذكاء الاصطناعي الحتمي الدقيق على الشبكة الرئيسية

رونشاي وانغ

24 يناير 2026 00:07

حقق EigenAI نتائج حتمية بنسبة 100% على وحدات معالجة الرسوميات مع أقل من 2% زيادة في الوقت، مما يمكّن من وجود وكلاء ذكاء اصطناعي مستقلين يمكن التحقق منهم للأغراض التجارية وأسواق التنبؤ.

أطلقت EigenCloud منصتها EigenAI على الشبكة الرئيسية، مدعية أنها تحل مشكلة أساسية تؤرق أنظمة الذكاء الاصطناعي المستقلة: لا يمكنك التحقق مما لا يمكنك إعادة إنتاجه.

الإنجاز الفني هنا مهم. تقدم EigenAI استنتاجات حتمية دقيقة على وحدات معالجة الرسوميات الإنتاجية—أي أن المدخلات المتطابقة تنتج مخرجات متطابقة عبر 10,000 اختبار—مع تأخير إضافي قدره 1.8%. بالنسبة لأي شخص يبني وكلاء ذكاء اصطناعي يتعاملون مع أموال حقيقية، هذا مهم.

لماذا يتسبب عشوائية LLM في تعطيل التطبيقات المالية

قم بتشغيل نفس الطلب مرتين عبر ChatGPT. إجابات مختلفة. هذا ليس خطأ—إنه كيف يعمل الحساب العائم على وحدات معالجة الرسوميات. جدولة النوى، تجميع المتغيرات، والتراكم غير التجميعي كلها تقدم تغييرات صغيرة تتراكم إلى مخرجات مختلفة.

بالنسبة للدردشات الآلية، لا يلاحظ أحد. لوكيل تداول ذكاء اصطناعي ينفذ بأموالك؟ أو لمرجع سوق تنبؤ يقرر من يفوز بمليون $200 في الرهانات؟ تصبح عدم الاتساق مسؤولية.

تشير EigenCloud إلى سوق Polymarket المشهور بـ “هل ارتدى زيلينسكي بدلة؟” كدراسة حالة. على أكثر من مليون $200 في الحجم، اتُهمت القرارات التعسفية، وفي النهاية تدخلت إدارة بشرية. مع توسع الأسواق، لا تتدخل الإدارات البشرية. يصبح القاضي الآلي حتمياً—ولكن فقط إذا كان يصدر نفس الحكم في كل مرة.

التقنية المستخدمة

تحقيق الحتمية على وحدات معالجة الرسوميات تطلب السيطرة على كل طبقة. تنتج شرائح A100 و H100 نتائج مختلفة للعمليات المتطابقة بسبب الاختلافات المعمارية في التقريب. حل EigenAI: يجب أن يستخدم المشغلون والمحققون وحدات معالجة رسوميات من نفس الطراز. أظهرت اختباراتهم معدل تطابق 100% على عمليات من نفس المعمارية، و0% عبر معمارية مختلفة.

استبدل الفريق نوى cuBLAS القياسية بتنفيذات مخصصة باستخدام تقليل متزامن عبر الويفر وترتيب خيوط ثابت. بدون عمليات ذرية عائمة. استندوا إلى llama.cpp لكونه قاعدة كود صغيرة وقابلة للمراجعة، مع تعطيل دمج الرسوم الديناميكي وتحسينات أخرى تخلق تبايناً.

تكلفة الأداء تصل إلى 95-98% من خلالة cuBLAS القياسية. اختبارات عبر مضيفين مستقلين على عقد H100 أنتجت تجزئات SHA256 متطابقة. اختبارات الضغط مع أعباء عمل GPU خلفية تسبب تذبذب في الجدولة؟ لا تزال النتائج متطابقة.

التحقق عبر الاقتصاد

يستخدم EigenAI نموذج تحقق متفائل مستعار من تجميعات البلوكتشين. ينشر المشغلون نتائج مشفرة على EigenDA، طبقة توفر البيانات للمشروع. تُقبل النتائج بشكل افتراضي ولكن يمكن الطعن فيها خلال فترة نزاع.

إذا تم الطعن، يعيد المحققون التنفيذ داخل بيئات تنفيذ موثوقة. نظرًا لأن التنفيذ حتمي، يصبح التحقق ثنائياً: هل تتطابق البايتات؟ تؤدي الاختلافات إلى خصم من الرهان المربوط. يخسر المشغل المال؛ يُدفع للم challengers والمحققين.

يهدف التصميم الاقتصادي إلى جعل الغش ذات قيمة متوقعة سالبة بمجرد أن يتجاوز احتمال الطعن عتبة معينة.

ما الذي يُبنى الآن

التطبيقات المباشرة واضحة: حُكام سوق التنبؤ يمكن إعادة إنتاج أحكامهم وتدقيقها، ووكلاء التداول حيث يتم تسجيل كل قرار ويمكن الطعن فيه، وأدوات البحث حيث يمكن مراجعة النتائج عبر إعادة التنفيذ بدلاً من الثقة.

الاتجاه الأوسع هنا يتماشى مع تزايد اهتمام المؤسسات بالذكاء الاصطناعي الحتمي للقطاعات التي تتطلب الامتثال بشكل كبير. الرعاية الصحية، التمويل، والتطبيقات القانونية تتطلب بشكل متزايد نوعية القابلية لإعادة الإنتاج التي لا تضمنها الأنظمة الاحتمالية.

هل ستثبت زيادة EigenAI بنسبة 2% في الوقت أنها مقبولة للتطبيقات ذات التردد العالي؟ هذا ما سيتضح لاحقاً. لكن بالنسبة للوكلاء المستقلين الذين يديرون رؤوس أموال كبيرة، قد تكون القدرة على إثبات سلامة التنفيذ تستحق الضرر في الأداء.

التقرير الكامل يتضمن تحليل أمني رسمي، ومواصفات تصميم النواة، وآليات الخصم لأولئك الذين يبنون على البنية التحتية.

مصدر الصورة: Shutterstock