بسته به جایگاهی که دارید، گوگل یا بهترین موقعیت را در هوش مصنوعی دارد یا در حال از دست دادن استعدادهای برتر به نفع آزمایشگاههای پیشرو هوش مصنوعی و سایر استارتاپهای خط مقدم نوآوری است.
این تضاد در دو هفته گذشته به وضوح نمایان شده است؛ از گزارش رشد ۸۲ درصدی درآمد بخش ابری شرکت شروع شد و سپس با تغییراتی در سازمان هوش مصنوعی گوگل در روز چهارشنبه ادامه یافت، زیرا جف دین، دانشمند ارشد، پس از ۲۷ سال خروج خود را اعلام کرد.
برای گوگل، که مقاله معروف ترنسفورمر در سال ۲۰۱۷ در آنجا نوشته شد و راه را برای رونق هوش مصنوعی مولد هموار کرد، رویدادهای اخیر چالش اصلی این شرکت ۴ تریلیون دلاری را برجسته میکند: کجا سرمایهگذاری کنیم. ساخت مدلهای پیشرفته نیازمند هزینههای اولیه عظیم برای محاسبات و تحقیق بدون تضمین بازدهی آینده است، در حالی که کسبوکار ابری بسیار کارآمد است و بسیار سریعتر از پیشنهادهای رقبای آمازون و مایکروسافت رشد میکند.
ساندار پیچای، مدیرعامل آلفابت، در تماس درآمدی ماه گذشته گفت که ۹۰٪ از شرکتهای فورچون ۱۰۰ از Gemini Enterprise استفاده میکنند و این نشاندهنده توانایی شرکت در فروش خدمات هوش مصنوعی به مشتریان ابری است.
توماش تونگوز، بنیانگذار Theory Ventures، گفت که مشخص میشود برای پاسخگویی به بیشتر تقاضای سازمانی، مدلهای پیشرفته لازم نیستند.
تونگوز گفت: «فکر میکنم ما در هوش مصنوعی به جایی رسیدهایم، بهویژه برای بسیاری از مشاغل اداری، که بسیاری از مدلهای معقول به اندازه کافی خوب هستند. نسل بعدی مدلها احتمالاً در حوزههایی مفید خواهند بود که رایانههای واقعاً پیشرفتهای دارید.»
رویکرد تمامنگر گوگل به هوش مصنوعی دلیل بزرگی است که سهام آن امسال ۱۶٪ رشد کرده است، پس از اینکه در سال ۲۰۲۵ با ۶۵٪ جهش، از همه همتایان بزرگتر خود پیشی گرفت.
اخیراً مسیر پر فراز و نشیبی بوده است. سهام آلفابت پس از آخرین گزارش درآمد به دلیل نگرانیها در مورد هزینههای سرمایهای کاهش یافت و روز چهارشنبه نیز پس از اعلام خروج دین و کنارهگیری دمیس حسابیس از سمت مدیرعاملی گوگل دیپمایند برای تبدیل شدن به رئیس این واحد، بیشتر افت کرد.
در حالی که لحن والاستریت عموماً مطلوب بوده است، همه در داخل گوگل خوشحال نیستند.
بر اساس گفته افرادی که به دلیل محرمانه بودن خواستند نامشان فاش نشود، برخی محققان از دسترسی به ظرفیت محاسباتی مورد نیاز برای پروژههای بلندپروازانه خود ناامید شدهاند، در حالی که گوگل کلود TPUها را به مشتریان خارجی از جمله Anthropic میفروشد. واحدهای پردازش تنسور یا TPUها، تراشههای هوش مصنوعی داخلی این شرکت هستند که با واحدهای پردازش گرافیکی انویدیا رقابت میکنند.
بروکراسی گوگل منبع رایج ناامیدی است و برای انتقال تحقیقات به محصولات، لایههای تأیید لازم است. این میتواند شرکتهای نوظهور مانند OpenAI، Anthropic یا حتی استارتاپهای جوانتر را جذابتر کند، بهویژه برای محققان و توسعهدهندگان هوش مصنوعی که کار آزمایشگاهی را به ترازنامهها ترجیح میدهند.
دین به همراه ستارگان گوگل، سانجای گماوات، اوریول وینیالز و کوک لی، برای راهاندازی Discovery Loop ترک میکند. دین در X گفت که این استارتاپ که توسط گوگل حمایت میشود، یک شرکت منفعت عمومی خواهد بود که «ماموریت آن خودکارسازی یادگیری ماشین، علم و مهندسی برای تسریع اکتشافات و پیشرفت است.»
خروج آنها پس از رفتن سایر محققان برجسته، از جمله نوام شازیر، یکی از نویسندگان مقاله مهم سال ۲۰۱۷ «توجه همه آنچه نیاز دارید» (Attention Is All You Need) که پایهگذار هوش مصنوعی مولد بود، صورت میگیرد. هر هشت نویسنده اکنون گوگل را ترک کردهاند. شازیر در ژوئن به OpenAI رفت، کمتر از دو سال پس از آنکه گوگل نزدیک به ۳ میلیارد دلار برای بازگرداندن او از طریق استخدام با هدف خرید فناوری پرداخت. خروج او اندکی قبل از رفتن جان جامپر، برنده جایزه نوبل، از دیپمایند به Anthropic بود.
«بخشی از تاریخ»
گیل لوریا، تحلیلگر D.A. Davidson، گفت که هنگام نگاه به خروج استعدادهای برتر، روند واضحی وجود دارد.
لوریا که توصیه به نگهداری سهام آلفابت میکند، گفت: «آنها به تجاریسازی هوش مصنوعی علاقهای ندارند. آنها به بخشی از تاریخ تبدیل شدن علاقهمندند، و بنابراین به Anthropic، OpenAI یا استارتاپ دیگری به عنوان جایی که میتوانند تاریخ را دنبال کنند، نگاه میکنند.»
در گوگل، دین یکی از معدود صداهای برجستهای بود که مایل به انتقاد از دولت ترامپ بود و اوایل امسال بهطور علنی با تصمیم پنتاگون برای تعیین Anthropic به عنوان ریسک زنجیره تأمین مخالفت کرد و هشدار داد که این اقدام میتواند به صنعت هوش مصنوعی آمریکا آسیب برساند.
مهمتر از آن، از دیدگاه فنی، او به ساخت زیرساخت محاسباتی و سیستمهای شبکه عصبی کمک کرد که شرکت را به پیشرو اولیه در هوش مصنوعی مدرن تبدیل کرد.
حسابیس، که در سال ۲۰۱۰ دیپمایند را تأسیس کرد و چهار سال بعد آن را به گوگل فروخت، رئیس این بخش میشود و نقش تازهای به عنوان دانشمند ارشد آلفابت را بر عهده خواهد گرفت و بر تحقیقات بلندمدت و پیامدهای اجتماعی هوش عمومی مصنوعی (AGI) تمرکز خواهد کرد. او همچنین قصد دارد زمان بیشتری را به Isomorphic Labs، شرکت کشف دارو با هوش مصنوعی که از دیپمایند بیرون آمد، اختصاص دهد.
کورای کاووکچوغلو، مدیر فناوری دیپمایند و معمار ارشد هوش مصنوعی آلفابت، مدیریت روزانه بخش و توسعه مدل بعدی Gemini را بر عهده خواهد گرفت. به گفته شخصی نزدیک به تیم دیپمایند، کاووکچوغلو در سال گذشته مجموعه وسیعتری از مسئولیتها را از حسابیس بر عهده گرفته بود، از جمله هدایت توسعه مدل و ارائه نسخههای اصلی Gemini. در همین حال، حسابیس زمان بیشتری را دور از آزمایشگاه سپری میکرد و بر مقررات و پیامدهای بلندمدت هوش مصنوعی پیشرفته تمرکز داشت.
یکی از بزرگترین نقاط اصطکاک در داخل گوگل، محاسبات است.
گوگل بیش از تقریباً هر شرکت دیگری در جهان در مراکز داده، تراشهها و زیرساختهای مرتبط سرمایهگذاری میکند. اما ظرفیت همچنان کمیاب است. هر TPU اختصاص داده شده به آموزش یک مدل، ارائه یک محصول گوگل، یا انجام قرارداد با مشتری ابری، نشاندهنده انتخابی بین اولویتهای رقیب است.
ناامیدیها از دسترسی به محاسبات میتواند بهویژه زمانی حاد شود که گوگل تعهدات زیرساختی بزرگی را به آزمایشگاههای رقیب مانند Anthropic اعلام میکند، که مدلهای آنها مستقیماً با Gemini رقابت میکنند، منابع مطلع گفتند.
یکی از این افراد گفت که گوگل پیشبینیهایی برای تقاضا در حوزههای مختلف دارد، از جمله تحقیق و آموزش مدل، ارائه محصولاتی مانند جستجو و Gemini، و کار با مشتریان ابری. این نیازها سالها از قبل مدلسازی میشوند، گفت این شخص، اگرچه ظرفیت ممکن است در دورههای کوتاهتر تغییر کند اگر محصولی سریعتر از حد انتظار رشد کند یا اولویتها تغییر کنند.
پیچای در دو تماس درآمدی گذشته گفته است که گوگل همچنان نیازهای محاسباتی دیپمایند را در اولویت قرار میدهد حتی با رشد تقاضای مشتریان ابری. در پاسخ به سوالی در ماه ژوئیه درباره تخصیص TPU، او گفت که «اولویت اول» گوگل تأمین محاسبات لازم برای رقابت در مرز توسعه AGI است و این کار را «بنیان همه کارهای ما» خواند.
پیچای ادامه داد که گوگل این نیاز را با ظرفیت مورد نیاز برای اجرای محصولات مصرفی و مدلهای هوش مصنوعی خود متعادل میکند، در حالی که به طور فزایندهای TPUها را مستقیماً در مراکز داده شخص ثالث قرار میدهد تا به تقاضای خارجی پاسخ دهد.
دن نایلز، بنیانگذار Niles Investment Management و سهامدار گوگل، گفت که دسترسی به محاسبات منبع طبیعی تنش است.
نایلز گفت: «گوگل همه این کسبوکارهای دیگر را دارد و باید بفهمد که برخی از این منابع را به چه کسی بدهد. در این شرایط همیشه کسی ناراضی خواهد بود.»
نزدیککردن دیپمایند به کلود
در ژانویه، در مجمع جهانی اقتصاد در داووس، حسابیس و کوریان روی صحنه حاضر شدند تا درباره محصولات و موارد استفاده سازمانی بحث کنند.
این صحنه قابل توجه بود با توجه به اینکه این دو سازمان از نظر تاریخی چقدر جداگانه عمل کردهاند و حسابیس چقدر از بسیاری از شرکت دور بوده است، به گفته شخصی آشنا با عملیات گوگل کلود که برای صحبت صریح در این مورد خواست نامش فاش نشود.
این شخص حضور مشترک را نشانهای میدانست که حسابیس بیشتر با موارد استفاده سازمانی هوش مصنوعی گوگل درگیر میشود، بهویژه در زمینههایی مانند کدنویسی و خدمات مشتری، و نشاندهنده تلاش گستردهتر برای نزدیکتر کردن عملیات تحقیق و تجاری شرکت در حالی که با OpenAI و Anthropic رقابت میکند، بود.
در ماههای بعد، گوگل با مشکلات متعددی در مدلهای خود مواجه شد، بهویژه تأخیر در عرضه جدیدترین مدل پرچمدار خود، Gemini 3.5 Pro. در همان زمان، کسبوکار کوریان سریعترین رشد ثبتشده خود را تجربه کرد.
کوریان، مدیر اجرایی سابق ارشد اوراکل، از سال ۲۰۱۹ رهبری گوگل کلود را بر عهده داشته است و یک سازمان فروش سازمانی پررونق در شرکتی که به تسلط خود در اینترنت مصرفی معروف است، ساخته است. گوگل کلود تراشههای هوش مصنوعی خود را طراحی میکند، شبکه جهانی مرکز داده را اداره میکند و مدلها، پایگاههای داده، نرمافزار امنیتی و ابزارهایی برای ساخت عوامل هوش مصنوعی میفروشد.
این استراتژی به گوگل راههای متعددی برای سود بردن از تقاضای هوش مصنوعی میدهد. این شرکت میتواند زیرساخت را به OpenAI، Anthropic و سایر آزمایشگاهها بفروشد، در حالی که Gemini را به سازمانها ارائه میدهد و هوش مصنوعی را در جستجو، یوتیوب، Workspace و سایر محصولات خود ادغام میکند.
سوال نوظهور، تقریباً چهار سال پس از جنون هوش مصنوعی مولد، این است که آیا گوگل باید بهترین مدلهای هوش مصنوعی را توسعه دهد یا بهتر است اجازه دهد شرکتهای دیگر هزینه را بپردازند.
کاووکچوغلو در کنفرانس توسعهدهندگان شرکت در ماه مه به CNBC گفت که گوگل قصد دارد مرز را پیش ببرد و در عین حال کارایی را بهبود بخشد. او گفت که مدل Flash شرکت قابلیتهای سطح مرزی را ارائه میدهد در حالی که چهار برابر سریعتر و کارآمدتر از مدلهای مشابه اجرا میشود و به گوگل اجازه میدهد هوش مصنوعی پیشرفته را به خدمات سازمانی و مصرفی گسترش دهد.
مانند تونگوز، نایلز گفت که قدرتمندترین مدل برای بسیاری از کاربردهای تجاری ضروری نیست.
او گفت: «مدلها برای ۹۰٪ از کارهایی که باید انجام شود به اندازه کافی خوب هستند. برای این کارها به فراری نیاز ندارید. فورد برای ۹۰٪ موارد استفاده کار میکند.»
اما برای دانشمندانی که سعی در تولید پیشرفت بعدی در مقیاس ترنسفورمر دارند، خوب بودن همیشه کافی نیست.
تماشا کنید: دمیس حسابیس درباره استقرار هوش مصنوعی عاملمحور