كيف أصبح Mac Mini نقطة الانطلاق الجديدة لأعمال الخوادم لدى آبل؟
عرض النسخة الأصلية
By:爱范儿
تقدم Bitget خدمة تداول شاملة للعملات المشفرة والأسهم والذهب. تداول الآن!
هدية ترحيبية بقيمة 6200 USDT لمستخدمي Bitget الجُدد! سجّل الاشتراك الآن!
عادةً، يجب أن يهيمن على مركز بيانات AI نموذجي صوت مراوح التبريد عالية السرعة، وأضواء المؤشرات المتوهجة، ورفوف ضخمة مكدسة ببطاقات Nvidia H100 و H200 للحوسبة. هذه الآلات الكبيرة والثقيلة والمكلفة تشكل القاعدة الأساسية القياسية لعصر الذكاء الاصطناعي التوليدي، وهي مُصممة خصيصًا لتدريب النماذج اللغوية الكبيرة على استيعاب تريليونات التوكنات. لكن في بعض مراكز الحوسبة السحابية العامة لدى أبرز مختبرات الذكاء الاصطناعي في العالم، نجد مشهدًا مختلفًا تمامًا: آلاف أو حتى عشرات آلاف من أجهزة Mac mini وMac Studio من Apple، مرتبة بعناية على رفوف مُخصصة في الخوادم. لا تحتاج إلى شاشات خارجية أو لوحات مفاتيح أو فئران، بل فقط إلى كابلات الطاقة، وكابلات Thunderbolt عالية السرعة، ومنافذ إيثرنت بسرعة 10 جيجابت متصلة بشبكة المركز. 
وفقًا لتقارير وسائل الإعلام الأجنبية، اشترت OpenAI بالفعل عشرات الآلاف من هذه الحواسيب من Apple؛ كما قامت Anthropic أيضًا بتأجير مثيلات حوسبة Mac على نطاق واسع على Amazon AWS؛ وبدأت مجموعة من المنصات الناشئة التي أنشأها مهندسو البنية التحتية للذكاء الاصطناعي الرائدين سابقًا، في بناء مراكز بيانات سحابية تركّز خصيصًا على شرائح Apple وأجهزة Mac. كيف دخل كمبيوتر شخصي صُمم في الأصل لطاولة الكتابة المنزلية أو سكن الطلاب أو المكاتب، إلى رفوف الخوادم وأصبح في طليعة تقدم تكنولوجيا الذكاء الاصطناعي؟ ساحة تدريب لعوامل الذكاء الاصطناعي (Agent) لماذا تحظى أجهزة Mac mini بهذا الإقبال في مراكز الخوادم؟ السبب هو أن تركيز أبحاث وتقدم النماذج في الذكاء الاصطناعي قد شهد تحولاً كبيرًا في الآونة الأخيرة. ببساطة، كان المحور الرئيسي في سباق الذكاء الاصطناعي خلال السنوات الماضية هو "التدريب المسبق والتدريب اللاحق للنماذج الأساسية". هدف هذه المرحلة هو تعليم النماذج كميات هائلة من البيانات، لفهم اللغة البشرية واكتساب قدرات استدلال عامة عبر المجالات المختلفة، بالاعتماد على التجميع الهائل للحسابات العشرية باستخدام المجموعات الضخمة. في مثل هذه السيناريوهات، تهيمن وحدات معالجة الرسوميات التجارية (GPU) المزودة بذواكر HBM عالية النطاق الترددي وتقنية الاتصال السريع Nvidia NVLink، في حين أن الأجهزة المخصصة للاستهلاك الشخصي ليس لها مكان هنا. لكن مع استقرار قدرات النماذج الأساسية، بدأت المختبرات المتقدمة تركّز على تطوير عوامل (Agent) تملك القدرة على تشغيل الحواسيب (computer-use)، لمساعدة المستخدم في مختلف المهام اليومية والعملية. الهدف النهائي من هذه المهام الوكيلة هو تمكين الذكاء الاصطناعي من تخطي إطار الدردشة النصية ليصبح قادرًا على العمل كموظف بشري، يجلس أمام الشاشة ويتعامل مع واجهة مستخدم نظام التشغيل الرسومية، فيحرك المؤشر، ينقر الأزرار، ينسخ ويلصق بين البرامج المختلفة، يملأ الجداول الإلكترونية، يعالج النماذج المعقدة في المتصفح، يكتب ويصحح الشيفرة البرمجية، ويتعامل مع رسائل الخطأ بشكل ذاتي. تدريب هذا النوع من العوامل يتطلب التعلم التعزيزي القائم على التفاعل مع البيئة. هذا يعني أن المختبرات لا تحتاج إلى أن يبتلع النموذج في كل مرة العديد من التيرابايتات من النصوص الثابتة، وليست بحاجة إلى قدرة حوسبة ضخمة أو ذاكرة هائلة أو ترابط داخلي، بل هي بحاجة إلى آلاف أو عشرات آلاف أمثلة Agents تعمل سوياً بشكل مستقل في بيئة رسومية حقيقية لتجريب الأخطاء وتصحيحها بشكل مكثف. في هذه الحالة، تبدو البنية التقليدية لمراكز البيانات غير ملائمة نوعًا ما. 
الحاويات القائمة على Linux، وهي الأكثر شيوعًا في مراكز البيانات، مناسبة جدًا لتنفيذ السكريبتات والخدمات الخلفية بدون واجهة رسومية—وهذا عكس ما اعتاد عليه العمل البشري. فنسبة كبيرة من الأعمال ذات القيمة العالية تتم في بيئة رسومية. صحيح أن هناك توزيعات مختلفة من Linux موجهة للمستخدم العادي، لكن بيئتها البرمجية، وآليات العرض الرسومي، وقواعد الصلاحيات تختلف كثيرًا عن macOS وWindows. وهذا يعني أنه إن تم تدريب النموذج في بيئة افتراضية قائمة على Linux، فإن قدرات Agent التي يكتسبها النموذج ستحتاج جهودًا كبيرة لتنتقل إلى بيئة العمل الفعلية على macOS/Windows. في الماضي، قبل عصر الذكاء الاصطناعي، عندما كان مزودو الخوادم السحابية يحتاجون لتقديم أنظمة تشغيل مخصصة للمستخدمين، كانوا يعملون بآلية الأجهزة الافتراضية (Virtual Machines). وهذه كانت حالات استثنائية وليست دائمة. لكن تشغيل آلاف أو عشرات آلاف الأجهزة الافتراضية لنظامي macOS أو Windows على خوادم Rack التقليدية يؤدي إلى استهلاك كبير جدًا لموارد النظام وتكلفة ترخيص تجاري مرتفعة للغاية. وبوضوح، الطريقة الأكثر منطقية هي استضافة عدد كبير من مثيلات macOS الأصلية. حيث يتمتع macOS بواجهات رسومية API ناضجة، ونظام نوافذ متناسق للغاية، ومنظومة برمجيات مكتبية غنية جدًا. بالنسبة للباحثين المهتمين بتدريب النماذج على "كيفية استخدام الحاسوب المكتبي الحديث"، يعد macOS ميدان اختبار طبيعي وقياسي لجميع مختبرات النماذج المتقدمة. لكن وفقًا لاتفاقية ترخيص المستخدم النهائي من Apple، لا يمكن تشغيل نظام macOS بشكل قانوني إلا على أجهزة Apple الأصلية. أما ما يسمى بـ "هاك-ماك" فهي هواية قلة قليلة من المستخدمين ولا تصلح للمؤسسات نظرًا لمخاطرها العالية. لهذا السبب يحتاج مصنعو النماذج إلى نشر أجهزة Mac mini فعلية في مراكز البيانات، فهي توفر كثافة أعلى للوحدة الواحدة مقارنة بالخوادم التقليدية والبطاقات الرسومية، كما أن تكلفة شرائها قد تكون أقل. تألق Apple Silicon بالطبع، إذا كان الأمر يقتصر فقط على الشرعية واستخدام macOS، فثمة الكثير من الطرق الغريبة التي يمكن اتباعها—مثل شراء أجهزة Mac القديمة x86، أو حتى أجهزة MacBook "بدون شاشة" المتوفرة بكثرة في السوق. ما جعل Mac mini أداة قوية في موجة العوامل هذه هو الميزات التقنية الفريدة لـ Apple Silicon المصممة ذاتيًا من قبل Apple. أولاً، تجلب بنية الذاكرة الموحدة (UMA) فعالية عالية من حيث التكلفة: في بنى الحوسبة التقليدية للحواسيب والخوادم، هناك فصل مادي بين ذاكرة وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU)، إذ يلزم نقل البيانات عبر قناة PCIe بين الاثنين. هذه الإعدادات لا تهم المهام التقليدية. لكن عند الحاجة لتشغيل نموذج بعدة مئات الملايين إلى عشرات أو حتى مئات المليارات من المعاملات محليًا، فإن التأخير في نقل البيانات ونطاق التردد المحدود للبنى التقليدية يصبح قاتلاً. وهنا تبرز فائدة معمارية الذاكرة الموحدة (UMA) في Apple Silicon، حيث يمكن لوحدة المعالجة المركزية، ووحدة معالجة الرسومات، ووحدة ANE مشاركة نفس حوض الذاكرة عالية النطاق الترددي. هذا يعني أن Mac mini المزود بذاكرة موحدة بسعة عشرات الجيجابايت يمكنه تحميل نموذج اتخاذ القرار للـ Agent دفعة واحدة في الذاكرة، مما يلغي تأخير النقل عبر الناقل—وبالتالي تقليل وقت تنفيذ المهام لشركات النماذج بشكل ملحوظ وتعزيز كفاءة التدريب اللاحق والتحسين. 
كما يظهر Mac mini ميزة واضحة من حيث تكلفة الشراء: تكلفة شراء بطاقة رسومات تجارية بذاكرة مساوية لخادم x86 التقليدي قد تكون أضعاف أو حتى عشرات أضعاف سعر Mac mini (وبالطبع، ارتفاع أسعار الذاكرات يؤثر على الجميع، حتى Mac لم يسلم من زيادة ألف إلى ألفي يوان). بالنسبة لمهام التدريب التي تتطلب تشغيل آلاف البيئات المستقلة بشكل متزامن، تتضاعف فروقات تكلفة العقدة الواحدة بشكل أسّي. بالإضافة إلى ذلك، فإن الأداء الجيد لـ Apple Silicon مع نظام التبريد النشط في Mac mini يسمح للمهام الاستنتاجية بالعمل باستمرار بكفاءة عالية مع استهلاك طاقة منخفض نسبيًا (عشرات الواط فقط)، ما يجعله ملائمًا أكثر لمتطلبات التبريد وتوزيع الطاقة في مراكز البيانات، بحيث لا يلزم تعديل نظم التبريد المكلفة أو تمديد خطوط الطاقة عالية السعة لاستيعاب نشر أجهزة Mac بكثافة. لكن لماذا لا تقدم Apple خدمة سحابية؟ مع ازدهار الطلب على أجهزة Mac في سوق الحوسبة، وامتلاك Apple لهذه المزايا الحصرية، لماذا لا تقوم Apple بإنشاء مشروع خدمات سحابية عامة يشبه AWS أو GCP؟ الغريب هو أن Apple لا تفعل ذلك. في الوقت الحالي، استثمرت Apple بالفعل تقنيًا في مراكز البيانات. لكن حسب المعلومات العامة، فإن استراتيجيتها تركز بالكامل على تلبية احتياجاتها الخاصة، مستخدمة خوادم "الحوسبة السحابية الخاصة" (PCC) المجهزة بمجموعات شرائح M Series المخصصة، مع نظام تشغيل آمن مبسط جدًا، لمعالجة التفكير المرتبط بالخصوصية لمهام الذكاء الاصطناعي الخاصة بـ Siri وApple Intelligence وغيرهما. يعد PCC فعليًا "صندوق رمل سحابي خاص بالخصوصية" تم إنشاؤه لمعالجة قصور قدرات أجهزة المستخدم النهائية. عندما تواجه أجهزة iPhone أو iPad أو Mac عمليات نماذج كبيرة لا يمكن لمعالج الجهاز المستقل التعامل معها، يتم إرسال الطلبات مشفرةً إلى مركز بيانات Apple، حيث تقوم النماذج الكبيرة العاملة على مجموعة شرائح M بتنفيذ المهمة. بما أن هذه البنية ملكية بالكامل (proprietary)، فإن Apple تستعرض سيطرتها الهندسية القصوى: قُسمت عقد الحوسبة لحوسبة PCC من كافة مكونات macOS غير الضرورية، بما في ذلك التخزين الدائم وصلاحيات المدير، مع الاحتفاظ بالنواة اللازمة فقط للمعالجة. وهذه الفوائد، حتى لو أراد العملاء الخارجيون ودفعوا أي مبالغ، ليست متاحة لهم. في الأساس، تقوم منطقية Apple التجارية على "بيع أجهزة الاستهلاك ذات هامش ربح عالٍ" و"تحقيق أرباح خدمية من بيئة المستهلكين الضخمة". تأجير موارد الحوسبة السحابية هو خط أعمال كثيف الأصول ويتطلب صيانة تشغيلية قوية وقنوات مبيعات B2B قوية. بالرغم من أن هامش الربح ليس منخفضًا ... إلا أنه لا يرقى لمعايير الربحية عند Apple. من الواضح أن Apple غير مهتمة بالخوض في منافسة أسعار مباشرة مع Amazon وMicrosoft وGoogle. Apple صنعت خوادم من قبل بالطبع، لم يمنع هذا شركات التكنولوجيا من شراء أجهزة Mac بالجملة لاستخدامها كبنية تحتية—حتى أن العديد من المستخدمين الفرديين اشتروا Mac mini في بداية العام لنشر OpenClaw أو Agents مختلفة وجعلها "خوادمهم الشخصية". بشكل غامض، Apple ليست شركة خوادم، لكنها أصبحت الشركة الأكثر شعبية في عالم الخوادم. هذا التحول لا يعد الأول في تاريخ Apple، فلقد سبق وأن شهدت سيناريوهات مماثلة، بل وحتى أخذت طابعًا دوريًا في التاريخ. قبل أكثر من عشرين عامًا، وفي وقت لم تنفجر فيه خدمات السحابة بعد، دخلت Apple رسميًا سوق الخوادم التجارية. طموحات Xserve وخروجه في مايو 2002، أطلق ستيف جوبز أول منتج للأجهزة الموجهة للمؤسسات من Apple—Xserve. تميزت أجهزة Xserve آنذاك بتصميم هيكلي قياسي لجهاز 1U Rack مع لوحة أمامية من الألمنيوم المصقول ورفوف لمحركات الأقراص قابلة للفك السريع. اعتمدت أولاً على معالجات PowerPC G4 ثم G5 ومن ثم Intel Xeon، مدعومة بنظام تخزين Xserve RAID ونظام تشغيل مخصص Mac OS X Server، واستهدفت الجامعات واستوديوهات تحرير الفيديو ومجموعات الرسومات العالية الأداء. 
المصدر: Apple، Petoo وعلى الرغم من أن Xserve كان متفوقًا في التصميم الصناعي والتكامل البرمجي والهاردوير، إلا أنه واجه صعوبات في سوق المؤسسات الشرس: من ناحية التوافق والمعايير، هناك فجوة بين Xserve وبيئات المؤسسات المعتادة، فغالبية أدوات الإدارة والبرمجيات في مراكز البيانات بُنيت مع Linux و Windows Server، بينما كان نظام Mac OS X Server مغلقًا نسبيًا مما جعله من الصعب اندماجه ببيئات تكنولوجيا المعلومات لدى عملاء B2B. وبالمقارنة مع خوادم Dell و HP و IBM القائمة على مكونات x86 الرخيصة وذات القدرة على التخصيص، كانت تكاليف شراء وصيانة Xserve مبالغ فيها وغير مُجزية بالنظر لضيق التوافقية، مما جعل قبول العملاء ضعيفًا. وبعد ظهور iPhone، وجّهت Apple تركيزها وموارد سلسلتها نحو الإلكترونيات الاستهلاكية. وأصبحت شحنات Xserve السنوية القليلة غير ذات قيمة ضمن تقارير Apple المالية الضخمة. لذا، في أواخر عام 2010، أعلنت Apple رسميًا إنهاء Xserve. وفي الإرشادات التي أصدرتها Apple، أوصت العملاء التجاريين باستخدام Mac Pro المزود بنظام Mac OS X Server، أو شراء "Mac mini Server" المزود بقرصين صلبين داخليين. — نعم، قبل 15 عامًا، اعتبرت Apple جهاز Mac mini رسميًا كخادم. في ذلك الحين، كان Mac mini Server مجهزًا بمعالج رباعي النواة Intel Core i7 ومحركين داخليين، ووجه للاستخدام في الشركات الصغيرة أو مجموعات العمل، في مهام مثل النسخ الاحتياطي المركزي عبر Time Machine، أو إدارة البريد الإلكتروني والتقويم الداخلي أو إدارة الأجهزة الأخرى ضمن الشبكة. أما الاستخدامات غير الرسمية فكثيرة ومختلفة؛ مثل استعماله كوحدة تخزين NAS منزلية (في الواقع أول جيل من Apple TV تم تعديله داخليًا من Mac mini)، أو حتى قبل ظهور HomeKit كان البعض يستعمل Mac mini Server كوحدة مركزية للتحكم المنزلي الذكي مع برامج طرف ثالث. ومن المثير، أن أحد الاستخدامات الرسمية في ذلك الوقت كان خادم التكامل المستمر لـ Xcode، حيث أمكن للفرق شراء مثل هذا الجهاز للتحقق من الكود الجديد ودمجه تلقائيًا—وهي مهمة تقترب من مفاهيم الـ Agent اليوم. 
ورغم ذلك، ظل Mac mini Server منتجًا موجهًا للاستهلاك الشخصي آنذاك، ولم يكن متوافقًا مع حجم الاستخدام المتوقع في السحب العامة حاليًا. ولأن Apple لم تعد تبيع خوادم Rack، اضطر المطورون ومقدمو الخدمات للنظر في حلولهم الخاصة. طورت شركات الاستضافة مثل MacStadium رفوفًا مصممة خصيصًا لـ Mac mini، وبفضل تقنيات التصنيع CNC والطباعة ثلاثية الأبعاد، تم وضع مئات أجهزة Mac mini العادية في خزانة 42U واحدة، مع قنوات تبريد مخصصة ووحدات طاقة مركزة ومقابض تشغيل ميكانيكية. لاحقًا، طرحت Amazon AWS مثيلات EC2 Mac—والتي تعتمد بنفس البساطة على تثبيت أجهزة Mac mini فعلية في رفوف خاضعة لنظام AWS Nitro. لو عادت الدورة التاريخية مجددًا بعد أكثر من عشر سنوات، لم تأتِ مراكز البيانات بخوادم Rack رسمية من Apple، بل جاءتها AI Agent بحاجة ماسة لمثل هذه الأجهزة. أمام الطلب الكبير من مختبرات الذكاء الاصطناعي على Mac mini و Mac Studio، ورغم أن Apple ليس لديها دافع لبناء قسم هائل للحوسبة السحابية، إلا أن هذا لا يعني أنها ستقف مكتوفة اليدين. إذا شاءت Apple مواكبة موجة الحوسبة الجديدة في عصر Agent دون الإضرار باستراتيجيتها التجارية عالية الربحية، يمكنها إطلاق قيمة هذه القدرة الحاسوبية بطرق أكثر مرونة وتكاملاً مع النظام البيئي. فمثلاً، إحدى نقاط الألم الرئيسية الآن في آلاف أو عشرات آلاف أجهزة Mac mini المنتشرة في المراكز السحابية هي عمليات الصيانة والإدارة. وبخلاف خوادم المؤسسات، فإن المعدات الاستهلاكية ليست فعالة جدًا في إدارة التشغيل عن بعد على نطاق واسع، ويحتاج مقدمو الخدمات للعمل على حلول تكاملية بأنفسهم. إذا أرادت Apple، يمكنها فتح بروتوكولات الإدارة والتحكم عن بعد والمنافذ اللازمة للتوزيع الكمي على نحو أعمق، مما يخفض بشكل كبير تكلفة التشغيل والصيانة على نطاق واسع. وعلاوة على ذلك، من منظور رسمي، فإن Mac لا يزال منتجًا صُمم "كحاسب شخصي" وليس كخادم يمكن ربطه بأسلاك مثل Nvidia DGX Spark القادرة على الربط عبر NVLink. لكن، كوسيلة إعلام تقنية، لاحظت وسائل إعلام صينية في السنوات الماضية أن Apple تعاونت مع طرف ثالث لتجربة ربط عدة أجهزة Mac معًا بطريقة فعالة، وأثبتت أن بنية UMA في Apple Silicon صالحة للاستدلال الموزع للذكاء الاصطناعي. في العام الماضي، قامت Exo Labs من جامعة أكسفورد بتطوير بنية تحتية لربط عدة أجهزة Mac معًا، واستطاعوا تشغيل نموذج DeepSeek V3 (671B معاملات) كاملاً على جهازين Mac Studio مع استهلاك 400W فقط وبدون ضوضاء مراوح، بفعالية تنافس 20 بطاقة Nvidia A100 تستهلك آلاف الواط وتكلف حوالي مليوني يوان. فهل يمكن أن تدمج Apple هذه البنية التحتية الخارجية في النظام الرسمي في المستقبل؟ 
من حلم Xserve المفقود عام 2002، إلى تقليص خط الخوادم كليًا عام 2011، ووصولاً إلى سيطرة Mac mini تدريجيًا اليوم على رفوف مراكز الذكاء الاصطناعي، أكملت Apple "المهمة الجانبية في طريق الخوادم" بشكل ملفت للنظر. في السابق، خسرت Apple سباق الخوادم لأنها لم تواكب معيارية Linux في مراكز البيانات. لكن اليوم، بعد أكثر من عشرين عامًا، ومع ظهور الحاجة الماسة للذكاء الاصطناعي إلى التعلم كالبشر في التعامل مع الواجهة الرسومية وتحريك المؤشر وتشغيل البرامج، أصبح Mac mini الصندوق الصغير المتواضع، خطوة لا غنى عنها للذكاء الاصطناعي للولوج إلى العالم الواقعي. 
الكاتب｜دو تشين
المحرر｜شياو تشينبينغ
0
0
إخلاء المسؤولية: يعكس محتوى هذه المقالة رأي المؤلف فقط ولا يمثل المنصة بأي صفة. لا يُقصد من هذه المقالة أن تكون بمثابة مرجع لاتخاذ قرارات الاستثمار.
منصة PoolX: احتفظ بالعملات لتربح
ما يصل إلى 10% + معدل الفائدة السنوي. عزز أرباحك بزيادة رصيدك من العملات
احتفظ بالعملة الآن!
You may also like
ثقة Broadcom في أقوى توجيه تاريخي لها: عمالقة الذكاء الاصطناعي يتسابقون على الرقائق، و Google لم تعد الخيار الوحيد
قدمت Broadcom أقوى توجيه مستقبلي في تاريخها، حيث حددت لأول مرة هدف إيرادات الذكاء الاصطناعي للسنة المالية 2028 ليبلغ 230 مليار دولار أمريكي، وهو ما يتوافق مع حجم نشر مراكز بيانات بقوة 20 جيجاواط، مع التعهد بأن تتجاوز ربحية السهم 30 دولارًا، متجاوزة بذلك توقعات وول ستريت بشكل كبير. أصبحت Anthropic وOpenAI الآن تحلان محل Google كأكبر المشترين، ما أدى إلى إعادة تشكيل هيكل قاعدة العملاء، وسمح للسوق بإعادة تخيل الحد الأقصى لتقييم Broadcom. تختار وول ستريت تجاهل المخاوف القصيرة الأجل والتركيز على الآفاق المستقبلية، وتحافظ بشكل جماعي على تصنيف الشراء.
华尔街见闻•2026/09/03 07:26
بعد إعلان ترامب عن اتفاقية النفط مع فنزويلا، تقود Chevron (CVX.US) و Eni (E.US) صفقات إنتاج بمليارات الدولارات
تتولى Chevron وEni قيادة سلسلة من الصفقات تهدف إلى زيادة إنتاج النفط في فنزويلا.
智通财经•2026/09/03 07:12
من الإنفاق الحكومي على الفوائد إلى تكلفة تمويل الذكاء الاصطناعي، ارتفاع أسعار الفائدة طويلة الأجل عالميًا يعيد رسم خريطة الاقتصاد، ومناعة سوق الأسهم تواجه اختبارًا
انهيار السندات العالمية يدفع بتكاليف الاقتراض عبر الاقتصاد بأسره إلى الارتفاع، مما يجبر الحكومات والشركات والمستهلكين على مواجهة واقع احتمال بقاء الديون المرتفعة لفترة طويلة.
智通财经•2026/09/03 07:06
أسعار العملات المشفرة
المزيد
Bitcoin
BTC
$77,642.1
%0.22+
Ethereum
ETH
$2,398.98
%0.82-
Tether USDt
USDT
$0.9995
%0.00-
BNB
BNB
$698.16
%1.42+
XRP
XRP
$1.37
%1.32+
USDC
USDC
$0.9998
%0.01-
Solana
SOL
$100.35
%0.42+
TRON
TRX
$0.3260
%0.88+
Hyperliquid
HYPE
$81.9
%0.65-
Dogecoin
DOGE
$0.08277
%1.30+
كيفية بيع PI
منصة Bitget تُدرج عملة PI - يُمكنك شراء PI أو بيعها بسرعة على Bitget!
تداول الآن
ألم تنضم لمنصة Bitget بعد؟حزمة ترحيب بقيمة 6200 USDT لمستخدمي Bitget الجُدد!
تسجيل الاشتراك الآن