Google توضح ما هو نهج full-stack في AI ولماذا احتاجت إليه الشركة

نشرت Google شرحًا لنهجها في تطوير الذكاء الاصطناعي — ما يسمى بالطريقة full-stack أو من طرف إلى طرف، التي كانت أساس عمل الذكاء الاصطناعي بالشركة لأكثر من عقد من الزمن.

ما معنى "full stack"

في التكنولوجيا، من المعتاد تقسيم المنتج إلى طبقات: الأجهزة، أنظمة التشغيل، الأطر، تطبيقات المستخدم. "Full stack" تعني أن الشركة تتحكم في جميع المستويات في نفس الوقت، بدلاً من تجميع حل من مكونات جهات خارجية جاهزة. بنت Google بالضبط مثل هذا الهرم المتكامل رأسيًا لأنظمتها في مجال الذكاء الاصطناعي — من السيليكون إلى واجهة المستخدم النهائي:

• الرقائق — وحدات TPU الملكية (Tensor Processing Units)، وجدت لأحمال عمل التعلم الآلي. ظهر الجيل الأول في 2015، واليوم الجيل السادس قيد التطوير.
• البنية التحتية — مراكز البيانات والشبكات عالية السرعة المحسّنة لتدريب النموذج الموزع عبر عشرات الآلاف من المسرّعات في نفس الوقت.
• الأطر — TensorFlow و JAX و Keras، التي طورت لاحتياجات داخلية ثم فتحت لمجتمع المطورين العالمي.
• النماذج — من BERT و PaLM إلى Gemini 2.5 الحالي مع متغيرات Flash و Ultra.
• التطبيقات — Google Search و Translate و Photos و Maps وعشرات المنتجات الأخرى بجمهور مشترك من مليارات المستخدمين.

لماذا هذا ميزة تنافسية

عندما تمتلك الشركة كل طبقة من الكومة، فإنها تحسّنها لمهام محددة بدون الاعتماد على موردي جهات خارجية. يتم تصميم TPU للعمل بشكل مثالي مع JAX. JAX — لتعظيم الميزات المعمارية من TPU.

هذه الحلقة المحسّنة المغلقة غير متاحة للشركات التي تشتري الرقائق من بائع واحد والأطر من آخر والسحابة من ثالث. التحكم الكامل يسرّع دورة البحث: يمكن للمهندسين تغيير معمارية الرقائق بشكل متزامن وتكييف مكدس البرمجيات. في نظام بيئي مجزأ، قد يتطلب هذا مفاوضات طويلة بين عدة منظمات أو انتظار تحديثات من مورد خارجي.

هناك أيضًا منطق اقتصادي مباشر. تسمح الرقائق الملكية بتدريب وخدمة النماذج بتكلفة داخلية، وليس بأسعار مقدمي الخدمات التجاريين. بالنسبة لشركة تعالج خدماتها في مجال الذكاء الاصطناعي مليارات الطلبات يوميًا، حتى الفروق الدنيا في تكلفة دورة حسابية واحدة تترجم إلى مدخرات هائلة على النطاق الواسع.

كيف يعمل في الممارسة

يتطلب التدريب المسبق لنموذج بحجم Gemini Ultra عشرات الآلاف من الرقائق تعمل في نفس الوقت لعدة أسابيع. بدون وحدات TPU الملكية والبنية التحتية المتخصصة، فإن هذا النطاق إما مستحيل من الناحية التقنية أو كارثي ماليًا. استثمرت Google في التكامل الرأسي قبل وقت طويل من عصر الذكاء الاصطناعي التوليدي. اليوم، هذا الأساس يتحول إلى ميزة مستدامة في السباق نحو النماذج الحدودية — حاجز دخول لا يمكن للعديد من الشركات بدون بنية تحتية مماثلة تجاوزه. فتح الأدوات — TensorFlow في 2015، JAX لاحقًا — جذب آلاف الباحثين الخارجيين وجعل أجزاء من كومة Google معيارًا صناعيًا. بهذه الطريقة، تحولت التكنولوجيا الداخلية إلى أداة لتشكيل النظام البيئي وحجر سحر لأفضل الباحثين في العالم.

ما يعني هذا

النهج full-stack ليس مجرد حل معماري، بل استراتيجية طويلة الأجل تحدد سرعة التكرارات وتكلفة الحساب وجودة منتجات الذكاء الاصطناعي. تواجه الشركات التي ترغب في المنافسة على مستوى النماذج الحدودية اختيارًا قاسيًا: بناء كومةها الخاصة — أو قبول الاعتماد على من بنوها بالفعل.