غوغل تشرح مفهوم المنهج «الشامل» (full-stack) في الذكاء الاصطناعي ولماذا احتاجته الشركة

نشرت غوغل توضيحًا لنهجها في تطوير الذكاء الاصطناعي، المعروف بالمنهج الشامل (full-stack)، وهو الأساس الذي يقوم عليه عمل الشركة في هذا المجال منذ أكثر من عشر سنوات.

ماذا يعني «المنظومة الكاملة»

جرت العادة في عالم التقنية أن يُقسَّم المنتج إلى طبقات: العتاد، وأنظمة التشغيل، وأُطر العمل، وتطبيقات المستخدم. ويعني مفهوم «المنظومة الكاملة» أن الشركة تتحكم في جميع المستويات معًا، ولا تجمع الحل من مكونات جاهزة تنتجها جهات أخرى. وقد بنت غوغل لأنظمة الذكاء الاصطناعي لديها هرمًا متكاملًا رأسيًا من هذا النوع، من السيليكون حتى واجهة المستخدم النهائي:

• الرقائق — معالجات TPU (Tensor Processing Units) الخاصة بالشركة، المصممة لأحمال التعلم الآلي. ظهر الجيل الأول منها في عام 2015، ويجري اليوم العمل بالجيل السادس.
• البنية التحتية — مراكز بيانات وشبكات عالية السرعة، محسّنة للتدريب الموزّع للنماذج على عشرات الآلاف من المسرّعات في وقت واحد.
• أُطر العمل — TensorFlow وJAX وKeras، طُوّرت للاحتياجات الداخلية ثم فُتحت لمجتمع المطورين العالمي.
• النماذج — من BERT وPaLM وصولًا إلى Gemini 2.5 الحالي بإصداريه Flash وUltra.
• التطبيقات — Google Search وTranslate وPhotos وMaps وعشرات المنتجات الأخرى، بجمهور إجمالي يبلغ عدة مليارات مستخدم.

لماذا يمثل ميزة تنافسية

حين تملك الشركة كل طبقة من طبقات المنظومة، تستطيع تحسينها لمهام محددة دون الاعتماد على موردين خارجيين. فمعالج TPU يُصمَّم ليعمل مع JAX على أفضل وجه، وJAX يُصمَّم ليستفيد إلى أقصى حد من الخصائص المعمارية لـ TPU. وحلقة التحسين المغلقة هذه غير متاحة للشركات التي تشتري الرقائق من مورّد، وإطار العمل من مورّد آخر، وتستأجر السحابة من مورّد ثالث.

ويسرّع التحكم الكامل دورة البحث، إذ يستطيع المهندسون تعديل معمارية الرقاقة وتكييف حزمة البرمجيات في الوقت نفسه. أما في منظومة مفككة، فكان ذلك سيستلزم مفاوضات طويلة بين عدة جهات، أو انتظار تحديثات من مورّد خارجي.

وهناك أيضًا منطق اقتصادي مباشر. فالرقائق الخاصة تتيح تدريب النماذج وتشغيلها بالتكلفة الداخلية، لا بأسعار مزودي الخدمات التجاريين. وبالنسبة إلى شركة تعالج خدماتها في الذكاء الاصطناعي مليارات الطلبات يوميًا، فإن أي فارق ضئيل في تكلفة دورة حسابية واحدة يتحول على هذا النطاق إلى وفورات هائلة.

كيف يعمل ذلك عمليًا

يتطلب التدريب المسبق لنموذج بحجم Gemini Ultra عمل عشرات الآلاف من الرقائق في وقت واحد على مدى عدة أسابيع. وبدون معالجات TPU الخاصة والبنية التحتية المتخصصة، يصبح هذا الحجم إما غير ممكن تقنيًا وإما مدمّرًا ماليًا.

واستثمرت غوغل في التكامل الرأسي قبل عصر الذكاء الاصطناعي التوليدي بوقت طويل. واليوم يتحول هذا الرصيد إلى ميزة مستدامة في السباق على النماذج الرائدة (frontier)، وإلى حاجز دخول لا تستطيع كثير من الشركات التي لا تملك بنية تحتية مماثلة تجاوزه.

أما فتح الأدوات — TensorFlow في عام 2015، ثم JAX لاحقًا — فقد جذب آلاف الباحثين من خارج الشركة، وجعل أجزاء من منظومة غوغل معيارًا في القطاع. وهكذا تحولت تقنية داخلية إلى أداة لتشكيل المنظومة البيئية ومغناطيس يجذب كبار الباحثين في العالم.

ماذا يعني ذلك

المنهج الشامل ليس مجرد قرار معماري، بل استراتيجية طويلة الأمد تحدد سرعة التكرار وتكلفة الحوسبة وجودة منتجات الذكاء الاصطناعي. والشركات التي ترغب في المنافسة على مستوى النماذج الرائدة (frontier) تجد نفسها أمام خيار صعب: إما أن تبني منظومتها الخاصة، وإما أن تقبل الاعتماد على من بنوها بالفعل.