#

النقاط الرئيسية

• تُقال تقارير إن Alphabet تصمم شريحة خوادم جديدة تُدعى Frozen v2.

• يُقال إن الشريحة تستهدف كفاءة أفضل لـ Gemini.

• يشير التقرير إلى جدول زمني لعام 2028، لكن Google لم تؤكده.

• بالنسبة للمغرب، تتمثل القضية الرئيسية في تكلفة كل token واستهلاك الطاقة.

• ينبغي للفرق التخطيط للبيانات والمهارات والامتثال قبل التوسع في استخدام الذكاء الاصطناعي.

ما الذي يقوله التقرير

ذكرت TechCrunch في 20 يوليو 2026 أن Alphabet تعمل على شريحة ذكاء اصطناعي جديدة. وتُعرف الشريحة داخليًا باسم Frozen v2. ويقول التقرير إنها مصممة لمساعدة Gemini على العمل بكفاءة أكبر.

ويقول التقرير أيضًا إن الشريحة مقررة لعام 2028. وقد تكون أكثر كفاءة بما يتراوح بين ستة إلى عشرة أضعاف من شرائح الذكاء الاصطناعي الحالية لدى Google، وذلك وفقًا لعدد tokens المُولدة لكل وحدة طاقة. ولم تؤكد Google المشروع بشكل مباشر.

وهذا مهم لأن بنية الذكاء الاصطناعي التحتية لا تتعلق بجودة النموذج فقط. بل تتعلق أيضًا بكمية الطاقة التي يستهلكها النظام مقابل كل مخرَج مفيد. وبالنسبة للفرق المغربية، قد يؤثر ذلك في ميزانيات السحابة وخيارات النشر والتخطيط طويل الأمد.

لماذا يهم هذا المغرب

غالبًا ما يتعين على فرق الذكاء الاصطناعي في المغرب الموازنة بين الطموح والتكلفة. وقد تؤدي شريحة أكثر كفاءة إلى خفض تكلفة تشغيل النماذج الكبيرة في السحابة، إذا انعكست مكاسب الكفاءة على العملاء عبر التسعير أو تحسين السعة. وهذا افتراض وليس نتيجة مؤكدة.

ويكتسب هذا أهمية خاصة للفرق التي تريد استخدام Gemini في دعم العملاء أو معالجة المستندات أو المساعدين الداخليين. في هذه الحالات، قد تكون تكلفة الاستدلال أهم من تكلفة التدريب. وإذا أصبح كل token أرخص في التوليد، فقد تصبح حالات استخدام أكثر عملية.

وقد يهتم صناع السياسات والمشترون من المؤسسات في المغرب أيضًا باستهلاك الطاقة. يمكن لكفاءة الطاقة أن تؤثر في قرارات الشراء، خاصة عندما تكون الميزانيات محدودة. كما يمكن أن تشكل طريقة تفكير المؤسسات في الاستدامة وتخطيط البنية التحتية.

حالات استخدام محتملة في المغرب

بالنسبة للقراء في المغرب، فإن حالات الاستخدام الأكثر واقعية هي التشغيلية. فقد تدعم حزمة ذكاء اصطناعي أكثر كفاءة روبوتات المحادثة لمكاتب الخدمة، وسير العمل متعدد اللغات للمستندات، والبحث المعرفي عبر الملفات الداخلية. وهذه هي أنواع المشاريع التي يمكن أن تتراكم فيها تكاليف الاستدلال المتكررة بسرعة.

ويُعد مزيج اللغات قضية عملية أخرى. فالفرق المغربية تعمل غالبًا بالعربية والفرنسية والإنجليزية. ويجب أن يتعامل أي نشر للذكاء الاصطناعي مع هذا المزيج جيدًا، وإلا ستحتاج الفرق إلى مراجعة بشرية إضافية.

وهناك أيضًا زاوية تتعلق بالمشتريات. فقد يقارن المشترون خدمات السحابة ليس فقط من حيث الميزات، بل أيضًا من حيث مقدار المخرجات التي يحصلون عليها مقابل كل درهم يُنفق. وإذا حسّنت شريحة مثل Frozen v2 الكفاءة، فقد يغيّر ذلك هذه المقارنات. وسيكون ذلك مهمًا للشركات الناشئة والشركات الكبرى وفرق القطاع العام على حد سواء.

القيود التي ينبغي للفرق المغربية التخطيط لها

لن تحل الكفاءة وحدها المشكلات الصعبة في تبني الذكاء الاصطناعي. فما زال توفر البيانات يمثل قيدًا رئيسيًا. ولا تمتلك كثير من الفرق مجموعات بيانات نظيفة وموسومة جيدًا وسهلة الوصول وجاهزة للاستخدام في الإنتاج.

وتُعد المهارات قيدًا آخر. فالفرق تحتاج إلى أشخاص قادرين على تقييم سلوك النماذج، وإدارة prompts، ومراقبة التكاليف، والتعامل مع أعمال التكامل. ومن دون ذلك، لن تحقق حتى الشريحة الأفضل نتائج قوية.

وتبقى البنية التحتية مهمة أيضًا. فالاتصال الموثوق، والوصول الآمن، وعمليات السحابة المستقرة كلها جزء من الصورة. وإذا كانت هذه العناصر ضعيفة، فقد تتراجع فوائد العتاد الأفضل عمليًا.

ويجب أن تظل الخصوصية والأمن السيبراني في المركز. وستحتاج المؤسسات المغربية إلى قواعد واضحة للبيانات الحساسة، والتحكم في الوصول، وسجلات التدقيق، ومراجعة الموردين. وقد تشكل متطلبات الامتثال أيضًا ما إذا كانت البيانات يمكن إرسالها إلى أنظمة ذكاء اصطناعي خارجية.

المخاطر والحوكمة

لا يزال التقرير مجرد تقرير. ولم تؤكد Google المشروع مباشرة، لذا ينبغي للقراء ألا يتعاملوا مع الجدول الزمني أو مزاعم الكفاءة على أنها حقائق محسومة. وبالنسبة لصناع القرار في المغرب، يعني ذلك التخطيط بحذر.

وهناك أيضًا سؤال يتعلق بالحوكمة. فالذكاء الاصطناعي الأكثر كفاءة قد يشجع على مزيد من الاستخدام، ما قد يزيد الاعتماد على منصة واحدة. وينبغي للفرق التفكير في قابلية النقل، وخيارات البديل، والارتباط بالمورد.

وثمة خطر آخر يتمثل في المبالغة في تقدير ما يمكن للعتاد إصلاحه. فالشريحة الأفضل يمكن أن تخفض التكلفة، لكنها لا تلغي الحاجة إلى بيانات جيدة واختبارات دقيقة وإشراف بشري. وينبغي للمؤسسات المغربية أن تتعامل مع البنية التحتية بوصفها جزءًا واحدًا من استراتيجية أوسع للذكاء الاصطناعي.

ما الذي ينبغي على الفرق المغربية فعله بعد ذلك

ابدأ بقياس تكاليف الذكاء الاصطناعي الحالية. وتتبع tokens واستهلاك الطاقة وجودة الاستجابة ووقت المراجعة البشرية. وهذا يمنح الفرق خط أساس قبل مقارنة المزودين أو النماذج.

ثم حدّد حالة الاستخدام بوضوح. فبوت دعم العملاء، والمساعد الوثائقي، وأداة البحث لا تحتاج إلى الإعداد نفسه. والأهداف الضيقة تجعل من الأسهل الحكم على ما إذا كانت مكاسب الكفاءة مفيدة فعلًا.

بعد ذلك، راجع الحوكمة مبكرًا. وضع قواعد للتعامل مع البيانات، والوصول، وسجلات التدقيق. وتأكد من إشراك الفرق القانونية والأمنية والتقنية قبل النشر.

وأخيرًا، راقب اقتصاديات السحابة. فإذا جعلت الشرائح المستقبلية الاستدلال أرخص، فقد تتمكن الفرق المغربية من توسيع استخدام الذكاء الاصطناعي من دون ارتفاع متناسب في التكلفة. لكن هذا سيعتمد على التسعير والتوافر وجاهزية المؤسسة نفسها.

الخلاصة

تبدو Frozen v2 مهمة لأنها تشير إلى تحول أكبر في بنية الذكاء الاصطناعي التحتية. فالقصة لا تتعلق بشريحة جديدة فقط. بل تتعلق بكيفية تأثير الكفاءة في اقتصاديات استخدام Gemini على نطاق واسع.

وبالنسبة للمغرب، يجعل ذلك التقرير ذا صلة حتى من دون إطلاق مؤكد للمنتج. والسؤال العملي بسيط: هل يمكن أن يصبح الذكاء الاصطناعي ميسور التكلفة وآمنًا وقابلًا للإدارة بما يكفي للاستخدام التجاري الحقيقي؟ سيعتمد ذلك على العتاد، ولكن أيضًا على البيانات والمهارات والحوكمة.