نقلة جديدة نحو الذكاء الاصطناعي المحلي
أطلقت غوغل مجموعة أدوات جديدة تسمح للمطورين بتشغيل تدفقات عمل الذكاء الاصطناعي الوكيل على الأجهزة المحلية باستخدام نموذج Gemma 4 12B، وهو نموذج يضم 12 مليار معلمة من Google DeepMind. وتمثل الخطوة محاولة واضحة لنقل جزء من قدرات الذكاء الاصطناعي المتقدمة من مراكز البيانات إلى الأجهزة اليومية، بما في ذلك الحواسيب المحمولة العاملة في بيئات التطوير والاستخدام المؤسسي.
وتقوم الفكرة على دمج النموذج مع حزمة Google AI Edge، بحيث يمكن بناء التطبيقات واختبارها وتشغيلها على الجهاز نفسه بدل الاعتماد الكامل على السحابة. ويشمل ذلك مهام مثل معالجة البيانات بشكل شبه مستقل، وتوليد رؤى من المحتوى المرئي، وإنشاء صفحات ويب، واستخدام الأدوات داخل بيئة العمل المحلية.
هذا التوجه يعكس تحوّلاً أوسع في صناعة الذكاء الاصطناعي، حيث لم تعد القيمة مرتبطة فقط بحجم النموذج أو قدرته على الإجابة، بل أيضاً بمكان تشغيله وسرعته وملاءمته لبيئة المستخدم.
أدوات للمطورين على macOS
ضمن الحزمة الجديدة، وسّعت غوغل منصة AI Edge Gallery على نظام macOS، بحيث أصبح بمقدور المطورين الاستفادة من Gemma 4 12B لتوليد السكربتات وتشغيلها في مهام تحليل البيانات وغيرها من السيناريوهات المحلية. كما أعلنت الشركة أن تطبيق Eloquent الخاص بالإملاء الصوتي والتحرير أصبح يعمل بالكامل على الجهاز في macOS، مع دعم النسخ الصوتي المحلي والتحرير النصي المعتمد على الأوامر الصوتية.
كما جرى تحديث LiteRT-LM، وهو أداة سطر أوامر خفيفة الوزن لتشغيل نماذج اللغة محلياً، عبر إضافة أمر جديد يتيح له العمل كخادم محلي للنموذج اللغوي. وبذلك يمكن ربط Gemma 4 12B بالأدوات التقليدية وواجهات التطوير والأطر البرمجية عبر نقطة نهاية محلية، وهو ما يسهل إدماجه في مسارات العمل داخل الأجهزة الطرفية.
وترى غوغل أن هذا النهج يساعد على الحفاظ على البيانات داخل الجهاز نفسه مع الحفاظ على الاستجابة والجدوى التشغيلية وكفاءة التكلفة، وهو ادعاء يكتسب أهمية خاصة في القطاعات التي تتعامل مع معلومات حساسة أو تحتاج إلى زمن استجابة منخفض.
السوق يتجه إلى النماذج الأصغر والمتخصصة
يأتي هذا الإطلاق في وقت تتزايد فيه قناعة الشركات بأن بعض المهام لا تحتاج إلى نماذج عامة ضخمة تعمل في السحابة طوال الوقت. وتشير تقديرات سوقية إلى أن المؤسسات ستتجه خلال السنوات المقبلة إلى استخدام النماذج الصغيرة والمتخصصة بوتيرة أعلى من النماذج اللغوية الكبيرة العامة، مدفوعة بالحاجة إلى تقليل التكلفة وتحسين التخصيص ورفع مستوى الاعتماد العملي.
هذا التحول لا يعني نهاية النماذج الضخمة، لكنه يشير إلى تقسيم أوضح بين نوعين من الاستخدامات: مهام ثقيلة ومعقدة تبقى في مراكز البيانات، ومهام مرتبطة بالسياق المحلي أو الخصوصية أو سرعة الاستجابة تنتقل تدريجياً إلى الأجهزة الطرفية. وفي هذا الإطار، يبدو Gemma 4 12B مثالاً على محاولة جعل الذكاء الاصطناعي الوكيل أقرب إلى المستخدم النهائي دون التضحية بمرونة التطوير.
عوائق الأجهزة وإدارة التشغيل
رغم جاذبية الفكرة، فإن تشغيل الوكلاء على أجهزة الموظفين لا يزال يواجه عقبات عملية مهمة. فالمؤسسات ملزمة بالعمل ضمن حدود قدرات العتاد المتوفر على الطرفيات، وهو ما يفرض قيوداً على حجم النماذج القابلة للتشغيل وعدد النسخ التي يمكن أن تعمل بالتوازي. وكلما زادت متطلبات النموذج من الذاكرة أو المعالجة، أصبحت فرص تشغيله بسلاسة على أجهزة الشركات التقليدية أقل.
وتشير تقديرات خبراء القطاع إلى أن نماذج محسنة مثل Gemma 4 12B تحتاج إلى نحو 16 غيغابايت من الذاكرة الموحدة أو ذاكرة الرسوميات كي تعمل إلى جانب التطبيقات المعتادة. وهذا يعني أن كثيراً من الحواسيب المحمولة الموزعة في المؤسسات لا تمتلك بعد البنية المناسبة من حيث عرض النطاق الذاكري أو وحدات المعالجة العصبية والرسومية اللازمة لتنفيذ مهام وكيلية متعددة الخطوات بصورة مريحة.
كما أن طبيعة الحمل الحاسوبي تختلف بوضوح بين الجهاز المحلي ومركز البيانات. فعلى الحاسوب الشخصي قد يعني البحث الوصول إلى ملفات داخلية أو مجلدات محلية، بينما يتسع المفهوم في مراكز البيانات ليشمل البحث في الإنترنت أو استعلام قواعد بيانات كبيرة. وبسبب ذلك، فإن نقل نموذج واحد من بيئة إلى أخرى لا يكفي وحده، لأن الاستخدام نفسه يتغير مع اختلاف المكان والموارد والبيانات المتاحة.
الأمن والحوكمة يصبحان أكثر تعقيداً
مع اقتراب الذكاء الاصطناعي الوكيل من جهاز الموظف، تتصاعد أسئلة الأمن والحوكمة. فهذه النماذج لا تكتفي بإنتاج النصوص، بل يمكنها اتخاذ إجراءات فعلية، ما يفتح الباب أمام مخاطر جديدة عندما تحصل على صلاحية الوصول إلى ملفات العمل أو التفاعل المباشر مع التطبيقات والسكربتات.
وتكمن المشكلة في أن عزل هذه الوكلاء بشكل يضمن السلامة من دون تعطيل فائدتهم يظل مهمة تشغيلية صعبة. كما أن الجهات المؤسسية تحتاج إلى تتبع استخدام الذكاء الاصطناعي لأغراض الامتثال والتدقيق، لكن عندما تتم المعالجة بالكامل دون اتصال، يصبح تسجيل السجلات ورصد تغيّر سلوك النموذج والتحقق من التزام الموظفين بالسياسات المعتمدة أكثر تعقيداً.
وبذلك لا يعود التحدي تقنياً فقط، بل إدارياً أيضاً. فكل انتقال للذكاء الاصطناعي إلى الحافة يتطلب سياسات جديدة للأذونات والمراقبة والاعتماد، خصوصاً إذا كان النموذج قادراً على تنفيذ أوامر أو الوصول إلى بيانات داخلية لا ينبغي إخراجها خارج الجهاز.
معادلة التكلفة بين السحابة والجهاز
من الناحية المالية، قد يقلل التشغيل المحلي بعض نفقات الاستدلال السحابي، لكنه لا يلغي الإنفاق، بل ينقل جزءاً منه إلى الأجهزة وإدارتها. فبدلاً من دفع فواتير متغيرة للخدمات السحابية، قد تضطر الشركات إلى تسريع دورات تحديث الحواسيب وشراء أجهزة أعلى سعراً بذاكرة أكبر وعتاد أكثر تقدماً.
وتظهر هنا معادلة مختلفة: التحول من النفقات التشغيلية المرتبطة بالاستهلاك السحابي إلى النفقات الرأسمالية المرتبطة بشراء الأجهزة وتجهيزها. وفي بيئة تشهد بالفعل ارتفاعاً في أسعار الحواسيب بسبب تضخم تكلفة الذاكرة، يصبح قرار التوسع في الذكاء الاصطناعي المحلي أكثر حساسية من الناحية المالية.
كما أن العديد من الشركات كانت قد حدّثت أجهزتها في 2025 لدعم الانتقال إلى Windows 11، بينما كانت أغلب عمليات الاستدلال آنذاك ما تزال في السحابة. لذلك لم تكن الحاجة إلى أجهزة مخصصة للذكاء الاصطناعي المحلي واضحة للجميع، وهو ما يدفع المؤسسات إلى الحذر في تبني هذه الفئة من الحواسيب إلا عندما تكون هناك حالة استخدام مباشرة ومقنعة.
دور تكاملي لا إحلال كامل
السيناريو الأكثر ترجيحاً حالياً هو أن يعمل الذكاء الاصطناعي المحلي إلى جانب الذكاء الاصطناعي السحابي، وليس بديلاً كاملاً له. فبعض المهام تستفيد من المعالجة على الجهاز، خاصة عندما تتطلب تشغيل التطبيق دون اتصال أو عندما تكون الخصوصية وزمن الاستجابة عاملين حاسمين.
أما المهام الأوسع مثل أنظمة الاسترجاع المعززة بالمعلومات على مستوى المؤسسة أو سير العمل المعقدة التي تعتمد على نطاق بيانات كبير، فمن المرجح أن تبقى في السحابة لفترة أطول. وهنا يمكن لـ Gemma 4 12B أن يؤدي دوراً انتقالياً مهماً، عبر إثبات أن تشغيل الوكلاء محلياً لم يعد فكرة نظرية، بل خياراً عملياً في بعض البيئات.
في النهاية، تبدو خطوة غوغل جزءاً من إعادة توزيع أدوار الذكاء الاصطناعي بين الجهاز والسحابة. والسؤال الذي ستواجهه الشركات خلال الفترة المقبلة ليس ما إذا كان الذكاء الاصطناعي المحلي ممكناً، بل متى يكون مفيداً بما يكفي لتبرير تكلفة العتاد، وتعقيد الإدارة، ومتطلبات الحماية والحوكمة.