استراتيجية Google في البنية التحتية للذكاء: لماذا لا تحتاج إلى الفوز في سباق النماذج

أطلقت Google للتو أذكى نموذج ذكاء اصطناعي على وجه الأرض. يتصدر 13 من أصل 16 معياراً قياسياً. تكلفته سُبع ما تفرضه النماذج المماثلة. والشركة التي بنته لا تكترث حقاً إن لم تستخدمه.

هذا ليس تناقضاً. إنه أهم إشارة استراتيجية في مجال الذكاء الاصطناعي حالياً، ولا يتحدث عنها أحد تقريباً.

انصبّ تغطية Gemini 3.1 Pro على أرقام المعايير القياسية شبه كلياً. ما غاب هو السؤال الكامن تحتها: لماذا تبني شركة تدرّ أكثر من 100 مليار دولار سنوياً من التدفق النقدي الحر أقوى محرك استدلال في السوق، وتُسعّره عند أدنى مستوى، وتظل مرتاحة تماماً لو ظل العالم يستخدم Claude وChatGPT في عمله اليومي؟

الإجابة تعيد تشكيل طريقة تفكيرك في كل إصدار نموذج من الآن فصاعداً. وتفسّر لماذا يفوز في سباق الذكاء الاصطناعي فعلاً شركةٌ يظن معظم الناس أنها تخسره.

ثلاث شركات، ثلاثة سباقات

لفهم موقع Google، عليك أن تدرك أن Google وAnthropic وOpenAI لا تتنافس في المسابقة ذاتها.

OpenAI تخوض سباق منصة المستهلك والمطوّر. هدفها أن تكون الذكاء الاصطناعي الافتراضي لأكبر عدد ممكن من الناس والتطبيقات. لهذا تُحسّن OpenAI التنوع وجودة الحوار ومنظومة المطوّرين. صُمّم ChatGPT ليكون الأداة الأولى لكل شيء من صياغة البريد الإلكتروني إلى بناء التطبيقات. الحصة السوقية ومعدلات تفاعل المستخدم هي المقاييس التي تُهم.

Anthropic تخوض سباق السلامة والثقة المؤسسية. هدفها أن تكون مزود الذكاء الاصطناعي الذي تثق به المؤسسات الكبرى والحكومات بأعمالها الحساسة. لهذا تُحسّن Anthropic الموثوقية والاتباع الدقيق للتعليمات ومبادئ الذكاء الاصطناعي الدستوري. صُمّم Claude ليكون الذكاء الاصطناعي الذي يمكن نشره في القطاعات المنظَّمة دون أن يُقلق فريقك القانوني. الثقة والتبني المؤسسي هما المقياسان اللذان يُهمان.

Google تخوض سباق البنية التحتية للذكاء. هدفها ليس بناء أفضل روبوت دردشة أو أكثر مساعد مؤسسي ثقةً. هدفها — كما صرّح الرئيس التنفيذي لـ DeepMind Demis Hassabis مراراً بلغة رأى فيها كثير من المراقبين مجرد كلام رؤيوي — حلّ الذكاء ثم استخدامه لحل كل شيء آخر.

حين يقول Hassabis ذلك، يعني ما يقول حرفياً. والدليل فيما بنته Google.

المكدّس الرأسي الذي لا يملكه أحد سواها

يغدو الموقع التنافسي لـ Google في مجال الذكاء الاصطناعي بالغ الشدة حين ترسم خريطة المكدّس الكامل.

الطبقة 1: الرقائق المخصصة. تصمم Google رقاقاتها الخاصة للذكاء الاصطناعي — وحدات المعالجة الموترية (TPU). أحدث جيل منها، Trillium، مُحسَّن تحديداً لعمليات المصفوفات التي تُشغّل نماذج الذكاء الاصطناعي القائمة على المحوّلات. هذا لا يشبه شراء وحدات GPU من Nvidia جاهزة. Google تصمم الرقائق من مستوى الترانزستور صاعداً، مُحسَّنةً للأحمال التي تحتاجها نماذجها تحديداً.

الطبقة 2: بنية تحتية لمراكز البيانات. تُصنَّع تلك الرقائق بأحجام ضخمة وتُنشر عبر شبكة عالمية من مراكز البيانات التي تملكها Google وتشغّلها. المرافق والطاقة والتبريد والشبكات — كلها تحت سيطرة جهة واحدة.

الطبقة 3: هندسة النماذج. النماذج — Gemini ومتغيراته — مصممة بالتوازي مع العتاد، مما يتيح تحسيناً مشتركاً بين الرقائق والبرمجيات يعجز عنه كل من يعتمد على وحدات GPU من طرف ثالث.

الطبقة 4: خط أنابيب البحث. Google DeepMind هو محرك البحث، الذي ينتج تقدماً جوهرياً في الذكاء الاصطناعي يغذّي كلاً من قدرات النماذج والتطبيقات العلمية.

الطبقة 5: التطبيقات والتوزيع. يُوزَّع الذكاء الناتج عبر Google Cloud وGoogle Search وYouTube وAndroid والمجموعة الكاملة من منتجات Google — شبكة توزيع تضم مليارات المستخدمين.

الطبقة 6: محرك الإيرادات. تولّد خدمات الإعلانات والسحابة الإيرادات التي تموّل الجهاز بأكمله — أكثر من 100 مليار دولار سنوياً من التدفق النقدي الحر.

حين تصمم رقاقاتك الخاصة وتُحسّنها لهندسة نماذجك المحددة وتشغّلها في مراكز بياناتك وتخدمها عبر منصتك السحابية وتوزّع نتائجها على قاعدة مستخدمين خاصة بك تضم مليارات الأشخاص، فأنت قد أزلت كل وسيط من سلسلة قيمة الذكاء الاصطناعي. لا تدفع هامش Nvidia الذي يتجاوز 70% على وحدات GPU. لا تدفع علاوة مزود السحابة الآخر. لا تحتاج شريكاً للتوزيع.

هذا التكامل الرأسي هو ما يُمكّن Google من تسعير Gemini 3.1 Pro بسُبع تكلفة النماذج المماثلة مع تحقيق الربح. وهو ما يجعل المقارنة المباشرة لأسعار النماذج بين Google وAnthropic أو OpenAI مضلِّلةً جوهرياً. الشركتان الأخريان تدفعان أسعار Nvidia للحوسبة. Google تدفع أسعار Google. هيكل الهامش مختلف نوعاً لا درجةً.

دولاب الحظ المتراكم

المكدّس الرأسي ليس مجرد ميزة في التكلفة. إنه ميزة متراكمة.

كل جيل من TPU تصممه Google يجعل الجيل التالي من النماذج أرخص تدريباً ونشراً. التدريب الأرخص يُتيح بحثاً أكثر طموحاً. البحث الأكثر طموحاً يُنتج نماذج أكثر قوة. النماذج الأكثر قوة تجذب مزيداً من عملاء السحابة. إيرادات السحابة الأعلى تموّل تصميم رقائق أكثر عدوانية.

لا يوجد ما يعادل هذا الدولاب في الصناعة. OpenAI تعتمد على بنية Azure التحتية من Microsoft ووحدات GPU من Nvidia. Anthropic تعتمد على بنية AWS التحتية من Amazon وأيضاً وحدات GPU من Nvidia. كلتاهما خاضعة لقوة تسعير Nvidia وأولويات شريكها السحابي الاستراتيجية.

Google تعتمد على Google. ودولاب الحظ يدور منذ أكثر من عقد — نُشر أول TPU داخلياً عام 2015. آثار التراكم على مدى عشر سنوات من التحسين المشترك التكراري بين الرقائق والنماذج جوهرية ومتسعة.

AlphaFold: البرهان على نجاح الاستراتيجية

إن بدت أطروحة البنية التحتية للذكاء مجردة، فتأمّل الدليل الملموس.

تنبّأ AlphaFold بالبنية ثلاثية الأبعاد لما يكاد يُحصى من البروتينات المعروفة — نحو 200 مليون بنية — حالاً مشكلةً كان علماء الأحياء يعملون عليها خمسين عاماً. وفاز بجائزة Nobel في الكيمياء. ليس معياراً قياسياً. ليس عرضاً توضيحياً. جائزة Nobel لحل أحد المشكلات الأساسية في علم الأحياء البنيوي.

حلّ AlphaGeometry مسائل الأولمبياد الرياضي الدولي على مستوى تنافسي مع الحائزين البشريين على الميدالية الذهبية — مشكلات جديدة حقيقية صعبة، لا أسئلة اختبارات موحدة.

أثبتت نماذج Gemini، في أحدث الأبحاث المنشورة، أو دحضت حدساً رياضياً مفتوحاً كان علماء رياضيات محترفون يعملون عليه لسنوات. واكتشفت قدرة Deep Think أخطاءً في أوراق علمية محكّمة منشورة — محددةً تناقضات منطقية وأخطاء إحصائية واستدلالاً معيباً جاز مرحلة المراجعة الكاملة في مجلات كبرى.

هذه ليست ألاعيب روبوتات دردشة. هذه إسهامات علمية حقيقية. وتمثّل الاستراتيجية التجارية في حالة التنفيذ: بنِ الذكاء، طبّقه على مشكلات صعبة، حوّل الحلول إلى إيرادات.

جرى تحويل AlphaFold بالفعل إلى منتج عبر Isomorphic Labs، الشركة الفرعية لـ Google المتخصصة في اكتشاف الأدوية. يتكرر الكتاب المقتدى ذاته في علم المواد (عبر GNoME) والرياضيات ونمذجة المناخ. لكل من هذه القطاعات إمكانية توليد مليارات الإيرادات من مجالات لا صلة لها بروبوتات الدردشة.

Gemini 3.1 Pro: ما هو وما ليس عليه

في ضوء هذا السياق الاستراتيجي، تكتسب القدرات الفعلية لـ Gemini 3.1 Pro معنىً أعمق.

يتفوق النموذج في مهام الاستدلال الخالص: البراهين الرياضية والاستنتاج المنطقي والتحليل العلمي والشفرة البرمجية التي تتطلب سلاسل استنتاج طويلة. هنا يتألق Deep Think — النموذج يشتغل على مشكلة معقدة لدقائق، محافظاً على التماسك عبر آلاف خطوات الاستدلال. في المعايير الرياضية هو الرائد بوضوح. في معايير البرمجة التي تتطلب استدلالاً على الأنظمة المعقدة هو تنافسي جداً. في التحليل العلمي الذي يستلزم ربط شواهد متعددة، استثنائي.

ما يكون أقل هيمنةً فيه هو العمل الذي يستخدمه معظم المحترفين يومياً: المحادثة غير الرسمية والكتابة الإبداعية وتوليد الشفرة السريع وصياغة البريد الإلكتروني وملخصات الاجتماعات. لهذه المهام هو جيد لكنه لا يتفوق تفوقاً درامياً على Claude أو ChatGPT. فوارق تجربة المستخدم اليومية هامشية.

هذا ليس ضعفاً. إنه خيار استراتيجي. حسّنت Google النموذج للمهام التي تدفع مهمة البنية التحتية للذكاء إلى الأمام — الاستدلال الصعب الذي يُشغّل الاكتشاف العلمي — لا المهام التي تفوز باستطلاعات تفضيل المستهلك.

الاستدلال العاري والاستدلال المجهّز والقدرة المتخصصة

ثمة تمييز مهم لفهم نتائج هذه المعايير القياسية نادراً ما يُشار إليه.

الاستدلال العاري هو ما يقيسه ARC AGI-2. يتلقى النموذج مشكلة جديدة دون أدوات ودون استرجاع ودون أمثلة مطابقة مباشرة. يجب أن يحلّها من الاستنتاج المنطقي الخالص. هنا تبرز ميزة Gemini 3.1 Pro بأوضح صورة — درجة 18.2% كادت تضاعف أفضل نتيجة سابقة البالغة 9.8%.

الاستدلال المجهّز هو ما يبدو عليه معظم العمل في العالم الحقيقي. للنموذج إمكانية الوصول إلى الوثائق وواجهات API والأمثلة والسياق. يجمع الاستدلال مع استرجاع المعلومات. هنا الفوارق بين النماذج الحدية أصغر بكثير، لأن التعزيز بالاسترجاع يعوّض الفوارق في الاستدلال.

القدرة المتخصصة هي ما تقيسه المعايير القياسية المتخصصة بالمجال. كم يكتب النموذج Python بكفاءة؟ كم يلخص المستندات القانونية بدقة؟ كم يتبع التعليمات المعقدة بثبات؟ هنا كثيراً ما تكون متغيرات Claude وGPT-4 تنافسية، لأن Anthropic وOpenAI حسّنتا تحديداً هذه حالات الاستخدام عبر RLHF والضبط الدقيق للتعليمات.

التداعية العملية: للعمل اليومي، لن يُنتج التحوّل إلى Gemini 3.1 Pro فارقاً درامياً. تظهر الميزة في مهام الاستدلال الصعبة حقاً التي لا يواجهها معظم عمال المعرفة بانتظام. وهذا تحديداً هو المجال الذي تهتم به Google — لأن منه سيأتي AlphaFold القادم.

لماذا تستطيع Google تحمّل الخسارة (ولماذا قد لا تخسر)

الرؤية الاستراتيجية التي يُفوّتها معظم المحللين: لا تحتاج Google إلى الفوز في سباق النماذج. تحتاج إلى الفوز في سباق البنية التحتية للذكاء. هذان أمران مختلفان.

إن كان Claude Opus 4.6 أفضل في كتابة الشفرة، لا تكترث Google. إن كان ChatGPT أفضل في المحادثة غير الرسمية، لا تكترث Google. إن بنت شركة ناشئة مساعد كتابة أفضل، لا تكترث Google حقاً. لأن الميزة التنافسية لـ Google ليست في أي قدرة نموذج منفردة. إنها في المكدّس الكامن تحته — الرقائق ومراكز البيانات وخط أنابيب البحث وشبكة التوزيع ودولاب الحظ بين البحث الرائد والنشر التجاري.

Gemini 3.1 Pro المسعَّر عند الحد الأدنى ليس سلعة تُباع بالخسارة بالمعنى التقليدي. إنه إثبات للقدرة وهيكل التكلفة. يُوجّه إشارة للسوق: نستطيع أن نفعل هذا إلى أجل غير مسمى، وبسعر يجعل المنافسة صعبة جداً على أي طرف آخر.

وهنا تكمن المفارقة التي تجعل موقع Google قوياً حقاً: النموذج الذي لا تعتمد عليه استراتيجيتها — الذي سعّرته بجزء من السوق، الذي بنته في الأساس كمنتج ثانوي للبنية التحتية للذكاء التي تبنيها حقاً — هو أيضاً النموذج الأفضل أداءً في السوق وفق غالبية المعايير.

هذا ما يحدث حين تتحكم في المكدّس الكامل. تستطيع في آنٍ واحد بناء أفضل نموذج وعدم الحاجة إلى أن يكون أفضل نموذج لتنجح الاستراتيجية. لا توجد شركة ذكاء اصطناعي أخرى تحتل هذا الموقع.

ما يعنيه هذا للمشتريات السحابية

بالنسبة لقادة التكنولوجيا الذين يتخذون قرارات البنية التحتية السحابية والذكاء الاصطناعي، تحمل استراتيجية Google تداعيات ملموسة.

على صعيد التسعير: التكامل الرأسي لـ Google يعني قدرتها على الإبقاء على تسعير ذكاء اصطناعي عدواني إلى أجل غير مسمى. المنافسون الذين يعتمدون على وحدات GPU من Nvidia وبنية تحتية من طرف ثالث لا يستطيعون مطابقة هيكل تكلفة Google دون قبول ضغط على الهامش. عند تقييم تكاليف واجهات API للذكاء الاصطناعي، السؤال ليس أي مزود هو الأرخص اليوم. بل أي هيكل تكلفة للمزود مستدام هيكلياً.

على صعيد مسار القدرات: خط أنابيب بحث Google — محرك DeepMind الذي أنتج AlphaFold وAlphaGeometry وقدرات الاكتشاف الرياضي — يمثّل مصدراً للقدرات المستقبلية لا يعادله شيء لدى المزودين الآخرين. تُنتج Anthropic وOpenAI نماذج ممتازة. Google تُنتج نماذج ممتازة وإنجازات علمية تصبح منتجات.

على صعيد الاعتماد الاستراتيجي: المؤسسات التي تبني تكاملات عميقة مع أي مزود ذكاء اصطناعي منفرد تُقامر استراتيجياً. مع Google، تلك المقامرة على الشركة التي تملك المكدّس الرأسي الأكمل وخط أنابيب البحث الأوسع وهيكل التكلفة الأكثر استدامة. لكنها أيضاً مقامرة على شركة مهمتها الأساسية ليست خدمة احتياجات الذكاء الاصطناعي اليومية الخاصة بك — تلك مجرد أثر جانبي للعبة البنية التحتية.

على صعيد اعتبارات السيادة: للمؤسسات ذات متطلبات السيادة على البيانات — وهذا ينطبق على نطاق واسع في منطقة الشرق الأوسط وشمال أفريقيا — تُعدّ التوسعات الإقليمية المتنامية لـ Google Cloud واستعدادها لتوفير تكوينات بنية تحتية مخصصة عوامل ذات صلة. لكن لعبة البنية التحتية للذكاء تعني أيضاً أن لدى Google دافعاً استراتيجياً أضعف لاستيعاب متطلبات السيادة التي تتعارض مع مهمتها البحثية، مقارنةً بمزودين مثل AWS تكمن تجارتهم الأساسية في خدمة احتياجات البنية التحتية المؤسسية.

الخندق الذي يمتد عشرين عاماً

ربما أهم شيء تفهمه عن موقع Google هو المقياس الزمني للميزة.

بدأ برنامج TPU عام 2013. نُشر أول TPU عام 2015. استُحوذ على DeepMind عام 2014. المكدّس الرأسي تحت الإنشاء منذ أكثر من عقد، ممولاً بمئات المليارات من الدولارات في استثمار تراكمي من أكثر أعمال الإعلانات ربحيةً في التاريخ.

لا أحد يبني مكدساً مماثلاً. ليس لأنه لا يريد، بل لأن متطلبات رأس المال ومتطلبات مواهب البحث وخبرة تصميم العتاد والأفق الزمني تجعل ذلك حاجزاً لا يُعبر. الخندق ليس في أي نموذج منفرد. إنه في الرقائق زائد البحث زائد مراكز البيانات زائد التوزيع زائد محرك الإيرادات، متراكمة على مدى عشرين عاماً.

Google تلعب لعبةً يظل فيها حتى أفضل النتائج من غير الأولى — نماذج تنافسية فحسب لا مهيمنة — أوراقاً رابحة. نتيجة الرتبة الأولى، هيمنة البنية التحتية للذكاء، هي موقع لا يستطيع أي منافس تحديه بسهولة.

هذه هي الرسالة الحقيقية لـ Gemini 3.1 Pro. إنه ليس إطلاق منتج. إنه إشارة استراتيجية. والإشارة تقول: سباق البنية التحتية للذكاء هو الذي يُهم. Google تفوز فيه. والهامش أوسع مما بدأ كثيرون يقيسون.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• Google DeepMind: التقرير التقني لـ Gemini 3.1 Pro (فبراير 2026)
• نتائج معيار ARC AGI-2 (فبراير 2026)
• Google: هندسة TPU ونظرة عامة على جيل Trillium
• Nature: AlphaFold وثورة بنية البروتين
• Isomorphic Labs: اكتشاف الأدوية المدفوع بالذكاء الاصطناعي
• Demis Hassabis، محاضرة Nobel: الذكاء الاصطناعي للاكتشاف العلمي (2025)