الذكاء الاصطناعي
هل أصبح جيميني من جوجل الآن رائدًا في سباق الذكاء الاصطناعي؟
تم وصف تطور تكنولوجيا الذكاء الاصطناعي بحق بأنه سباق، حيث تتنافس الشركات الناشئة الخاصة مثل OpenAI وAnthropic وجهاً لوجه مع عمالقة التقنية مثل Microsoft (MSFT ) وGoogle (GOOGL ). وقد تم تمويل هذا السباق بمئات المليارات من الدولارات في الاستثمارات، ليس فقط في تطوير البرمجيات، بل أيضاً في الإنفاق الرأسمالي الضخم لبناء مراكز بيانات ذكاء اصطناعي أكبر وأكثر استهلاكاً للطاقة لتدريب أحدث النماذج.
في الوقت نفسه، تتقدم النماذج الصينية بسرعة، مما يضيف إحساساً بالعجلة وتنافساً جيوسياسياً إلى جهود الشركات الغربية.
مؤخرًا، يبدو أن Gemini من Google يتقدم على منافسيه، خاصةً مع إصدار Gemini 3 Deep Think، وهو نموذج يركز على فهم واقعي ليس فقط للغات بل للعالم المادي أيضًا. بالإضافة إلى ذلك، تم اختيار Google من قبل Apple (AAPL ) لتزويد أجهزة الشركة بالذكاء الاصطناعي وتقدم في مجال تصنيع شرائح الذكاء الاصطناعي.
Gemini 3 Deep Think: ما الذي تغير؟
إصدار Deep Think
مع الإصدار في 12 فبرايرth، 2026، من Gemini 3 Deep Think، قامت Google بخطوة حاسمة نحو الانتقال من الذكاءات الاصطناعية التي تركز في الغالب على البحث واللغة (LLMs) إلى ذكاءات اصطناعية أكثر شمولاً قادرة على فهم العالم المادي.
هذا تطور مهم، حيث أن “الذكاء الاصطناعي المادي” هو الاتجاه الذي تتبعه الصناعة، وهو اتجاه استكشفناه بمزيد من التفصيل في “الذكاء الاصطناعي المادي: الاستثمار في طفرة الروبوتات الشبيهة بالبشر عام 2026”.
في الوقت الحالي، يتوفر Deep Think الجديد في تطبيق Gemini لمشتركي Google AI Ultra، ولأول مرة، متاح عبر Gemini API لعدد مختار من الباحثين والمهندسين والمؤسسات، مما يجعل هذا الذكاء الاصطناعي متاحًا تجاريًا بالفعل، وليس مجرد نموذج اختبار.
الرياضيات والعلوم أولاً
ما يميز Deep Think عن إصدارات Gemini السابقة، وإلى حد ما عن الذكاءات الاصطناعية الأخرى، هو التركيز على الفهم الرياضي.
من المعروف أن نماذج اللغة الكبيرة (LLMs) تؤدي أداءً ضعيفًا في المهام الرياضية البسيطة، حيث تفشل أحيانًا حتى في الجمع البسيط أو العد بترتيب. هذا ليس صحيحًا بالنسبة لـ Deep Think، الذي مكن الوكلاء المتخصصين من إجراء استكشاف رياضي على مستوى البحث. النموذج يتفوق بشكل كبير على النماذج الأخرى في اختبارات الرياضيات والعلوم. كما أنه يؤدي أداءً جيدًا جدًا في مهام الترميز.
المصدر: Google
الفرق مع Gemini Pro Preview أكثر وضوحًا في الاختبارات المتعلقة بالمواضيع العلمية، مثل أولمبياد الرياضيات الدولي أو أولمبياد الكيمياء الدولي، حيث حصل على حوالي 82٪، مقارنةً بـ 14٪ فقط لاختبار الرياضيات للنموذج اللغوي السابق من Google.
المصدر: Google
كانت هذه النتائج ممكنة بفضل بنية مختلفة جذريًا عن “الذكاءات الاصطناعية الكلاسيكية”، التي تعاني من الهلوسة عندما تكون البيانات نادرة، وهو ما سيكون دائمًا الحال بالنسبة لأحدث الاكتشافات العلمية.
على سبيل المثال، في مجال الرياضيات الصرفة، يوجد وكيل بحث رياضي (المسمى داخليًا Aletheia) مدعوم من Gemini Deep Think، يحتوي على مدقق لغة طبيعية لتحديد العيوب في الحلول المقترحة. يتيح عملية تكرارية لتوليد الحلول ومراجعتها. والأهم، أن هذا الوكيل يمكنه الاعتراف بالفشل في حل مشكلة، وهي ميزة رئيسية حسّنت كفاءة الباحثين.
المصدر: Google
هذه المقاربة ليست أكثر قوة في تقديم النتائج الصحيحة فحسب، بل هي أيضًا أكثر كفاءة، حيث أظهر Aletheia أن جودة التفكير الأعلى يمكن تحقيقها باستخدام حساب أقل أثناء الاستدلال.
يمكن توسيع هذه المقاربة من الرياضيات إلى العلوم الفيزيائية الأخرى. على سبيل المثال، وجد Gemini Deep Think طريقة لاستخدام “حل جديد باستخدام كثيرات حدود جيجنكاور” لحساب الإشعاع الجاذبي الناتج عن الخيوط الكونية.
تطبيقات علمية حقيقية
هذا الأداء يتحول بالفعل إلى استخدامات علمية حقيقية من قبل الباحثين.
على سبيل المثال، استخدمت الرياضياتية ليزا كاربون من جامعة روتجرز Deep Think لاكتشاف عيب منطقي فاته المراجعين البشريون في ورقة رياضية تقنية للغاية حول نظرية أينشتاين للجاذبية والميكانيكا الكمومية.
كما استخدم Deep Think من قبل مختبر وانغ في جامعة ديوك لتصميم وصفة لزراعة أفلام رقيقة من أشباه الموصلات أكبر من 100 ميكرومتر، وهو هدف كان صعبًا تحقيقه مسبقًا.
التوزيع، الأجهزة & الزخم الاستراتيجي
يأتي إنجاز Deep Think فوق أخبار أخرى جيدة لفريق الذكاء الاصطناعي في Google.
الأهم كان قرار Apple، عملاق التقنية الوحيد الذي ظل في الغالب خارج سباق الذكاء الاصطناعي، باعتماد Gemini كذكاء اصطناعي افتراضي على أجهزة Apple. في هذا السياق، من المنطقي أن OpenAI أعلنت في ديسمبر 2025 عن “رمز أحمر” بشأن تقدم Google وشركات الذكاء الاصطناعي الأخرى أيضًا.
“قائمة مستخدمي Gemini ارتفعت منذ إصدار مولد الصور في أغسطس، Nano Banana، وقالت Google إن عدد المستخدمين النشطين شهريًا ارتفع من 450 مليون في يوليو إلى 650 مليون في أكتوبر.
OpenAI تواجه أيضًا ضغطًا من Anthropic، التي أصبحت شائعة بين عملاء الأعمال.”
من بين انتصارات Google الأخيرة نجاح شرائح الذكاء الاصطناعي الخاصة بها. أولاً، كانت Anthropic هي التي أعلنت أنها ستبدأ في استخدام شرائح الذكاء الاصطناعي من Google، المسماة TPUs (وحدات معالجة التنسور)، بما في ذلك استخدام ما يصل إلى مليون معالج لتشغيل برنامجها الذكي. الآن، شركة الذكاء الاصطناعي المنافسة Meta تنضم أيضًا لاستخدام TPUs من Google، مما يثير التساؤل عما إذا كانت Google تصبح منافسًا لـ Nvidia (NVDA ) بقدر ما هي لـ OpenAI.
(يمكنك قراءة المزيد عن TPUs وغيرها من الأجهزة الموجهة للذكاء الاصطناعي مثل XPUs وFPGAs، في “الاستثمار في أجهزة الذكاء الاصطناعي: من وحدات المعالجة المركزية إلى XPUs“)
استراتيجية Alphabet للذكاء الاصطناعي: التكامل الرأسي على نطاق واسع
اسحب للتمرير →
| الشركة | تركيز النموذج | استراتيجية الأجهزة | التحكم في التوزيع | التكامل الرأسي |
|---|---|---|---|---|
| Alphabet | Gemini 3 Deep Think (رياضيات/علوم) | معالجات TPU داخلية | Android + البحث + توجيه محتمل من Apple | المكدس الكامل (المعالج → السحابة → المستهلك) |
| Microsoft/OpenAI | نماذج GPT (LLM عام) | معالجات Nvidia GPU عبر Azure | Windows + SaaS للمؤسسات | جزئي |
| Meta | Llama (مفتوح الوزن) | معالجات GPU + سيليكون مخصص | المنصات الاجتماعية | متوسط |
| Anthropic | Claude (تركيز على المؤسسات) | معالجات Google TPU | API + صفقات المؤسسات | منخفض |
التركيز على TPUs هو مؤشر جيد على استراتيجية Google. نماذج LLM القوية مثل Gemini والأداء المتفوق في التطبيقات الواقعية مثل Deep Think، بالطبع، مهمة جدًا.
لكن السيطرة على توزيع الذكاء الاصطناعي وعلى هيكل التكلفة + الوصول إلى رأس المال هي ما يمنح Google موقعًا قويًا.
وجود Google في سوق الهواتف المحمولة عبر Android قوي بالفعل، ولكن مع الصفقة مع Apple، يكاد يضمن أن معظم طلبات الذكاء الاصطناعي التي لا يتم توجيهها بشكل محدد إلى تطبيق ذكاء اصطناعي معين ستذهب إلى Gemini، بشكل مباشر أو غير مباشر.
المكون الآخر هو الاعتماد المتزايد على TPUs. تقول بعض التقارير إن TPUs أرخص بنحو 30٪ من معالجات Nvidia GPU وتقدم أداءً أفضل بمقدار 2–4 مرات لكل دولار في الأحمال المتشابهة. استهلاك الطاقة الأقل لنفس القدرة الحاسوبية ليس مجرد مسألة مالية؛ بل يساعد أيضًا في توسيع مراكز بيانات الذكاء الاصطناعي رغم تزايد قيود إمدادات الطاقة.
أخيرًا، مستوى التكامل الرأسي—بدءًا من TPUs، إلى مراكز البيانات المملوكة مباشرة، ومنصة سحابة للمؤسسات، ثم قناة توزيع للمستهلكين—لا مثيل له في الصناعة، حيث تقترب Microsoft فقط إلى حد ما في مجال المؤسسات.
أخيرًا، كان بناء بنية تحتية للذكاء الاصطناعي مكلفًا للغاية. هذه المئات من المليارات من الدولارات في الشرائح ومراكز البيانات الآن تحتاج إلى سدادها وتخلق تكاليف إطفاء ضخمة على الميزانية العمومية كل عام. حجم التدفقات النقدية لـ Alphabet من البحث، YouTube، Android، وغيرها من المنتجات يجعلها أكثر قدرة على التعامل مع التكاليف الأولية وصيانة هذه البنية التحتية في المستقبل.
هل يتقدم Gemini فعليًا؟
الإدعاء بوجود “فائز” محدد في سباق الذكاء الاصطناعي لا يزال مبكرًا بالتأكيد. على سبيل المثال، قد يتقلب النموذج الحالي بالكامل إذا أثبتت مراكز البيانات المدارية التي أنشأتها xAI/Space المندمجة الآن أنها ميزة تنافسية قوية.
لكن يبدو أن بعض الاتجاهات تظهر وتتحرك لصالح Google.
الأول هو الحاجة إلى أجهزة ذكاء اصطناعي متخصصة، وهو مجال تتخلف فيه العديد من عمالقة التقنية، مما يمنح ميزة لمصنعي الشرائح وGoogle.
الثاني هو أهمية التحكم في التوزيع للجمهور العام، الذين قد لا يكونون على دراية كافية بأي ذكاء اصطناعي يمكنهم أو ينبغي عليهم استخدامه. في هذا الصدد، يوازي الوصول المباشر إلى كامل نظام Apple البيئي الاستراتيجية السابقة لجعل Google محرك البحث الافتراضي على هواتف iPhone (الذي أدى حتى إلى صدور أحكام مكافحة الاحتكار الأمريكية في أواخر 2025 لأنه كان “مفيدًا جدًا”).
مع قدرة Deep Think في الرياضيات والعلوم، تشهد Google بداية رائعة لعام 2026 فيما يتعلق بالذكاء الاصطناعي. ما إذا كان هذا الموقع الريادي سيستمر لفترة طويلة في مواجهة الضغوط من OpenAI، Microsoft، Meta، Anthropic، والعديد من النماذج الصينية — بما في ذلك من عمالقة التقنية الصينيين مثل Alibaba (BABA ) أو ByteDance — لا يزال غير واضح.
