حساب حساب الذكاء الاصطناعى الجديد: Google 80 ٪ Edge vs. Openai’s Ecosystem

لا تُظهر وتيرة الابتكار التي لا هوادة فيها من الذكاء الاصطناعي أي علامات على التباطؤ. في الأسبوعين الماضيين ، أسقطت Openai”https://venturebeat.com/ai/openai-launches-o3-and-o4-mini-ai-models-that-think-with-images-and-use-tools-autonomously/”> نماذج التفكير القوية O3 و O4-Mini إلى جانب”https://venturebeat.com/security/openais-new-gpt-4-1-models-can-process-a-million-tokens-and-solve-coding-problems-better-than-ever/”> سلسلة GPT-4.1، بينما واجه Google مع Flash Gemini 2.5 ،”https://venturebeat.com/ai/from-catch-up-to-catch-us-how-google-quietly-took-the-lead-in-enterprise-ai/”> التكرار بسرعة على Gemini 2.5 Pro الرائد تم إصدارها قبل فترة وجيزة. بالنسبة للقادة الفنيين للمؤسسات الذين يتنقلون في هذا المشهد المذهل ، يتطلب اختيار منصة الذكاء الاصطناع

في حين أن معايير النماذج النموذجية تتخذ عناوين الصحف ، فإن قرار القادة الفنيين يعمق بكثير. يعد اختيار منصة الذكاء الاصطناعى التزامًا بالنظام الإيكولوجي ، مما يؤثر على كل شيء من تكاليف الحساب الأساسية واستراتيجية تطوير الوكلاء إلى موثوقية النموذج وتكامل المؤسسات.

ولكن ربما يكون التفاضل الأكثر شهرة ، الذي يتجول تحت السطح ولكن مع آثار عميقة طويلة الأجل ، يكمن في اقتصاديات الأجهزة التي تعمل على تشغيل هذه العمالقة من الذكاء الاصطناعي. تتمتع Google بميزة هائلة في التكلفة بفضل السيليكون المخصص لها ، والتي من المحتمل أن تدير أعباء عمل AI في جزء صغير من التكلفة Openai التي تعتمد على وحدات معالجة الرسومات التي تهيمن عليها NVIDIA (وتهديد الهامش).

يتخلف هذا التحليل إلى ما هو أبعد من المعايير لمقارنة النظم الإيكولوجية لـ Google و Openai/Microsoft AI عبر العوامل الحرجة التي يجب أن تنظر فيها المؤسسات اليوم: التباين الكبير في الاقتصاد في الاقتصاد ، والاستراتيجيات المتباينة لبناء وكلاء الذكاء الاصطناعى ، والمقايضات الحاسمة في القدرات النموذجية والموثوقية وحقائق تناسب المشاريع. التحليل يعتمد على”https://www.youtube.com/watch?v=DzZDJND-yFw” الهدف=”_blank” rel=”noreferrer noopener”> مناقشة فيديو متعمقة تستكشف هذه التحولات النظامية بيني وبين مطور الذكاء الاصطناعي سام ويتفين في وقت سابق من هذا الأسبوع.

1. حساب الاقتصاد: TPU من Google “Secret Weapon” مقابل ضريبة Nvidia Openai

إن أهمها ، ولكنها في كثير من الأحيان غير منصوص عليها ، هي “سلاحها السري:” استثمارها لمدة عشر سنوات في وحدات معالجة الموتر المخصص (TPUS). يعتمد Openai والسوق الأوسع اعتمادًا كبيرًا على وحدات معالجة الرسومات القوية والمكلفة في Nvidia (مثل H100 و A100). Google ، من ناحية أخرى ، تصمم ونشر TPUs الخاصة بها ، مثل”https://venturebeat.com/ai/googles-new-ironwood-chip-is-24x-more-powerful-than-the-worlds-fastest-supercomputer/”> تم الكشف عن جيل Ironwood مؤخرًا، لأعباء العمل CORE AI. وهذا يشمل التدريب وخدمة نماذج الجوزاء.

لماذا هذا مهم؟ يجعل فرق التكلفة الهائل.

قيادة NVIDIA GPUS هوامش إجمالية مذهلة ، المقدرة من قبل المحللين”https://www.tomshardware.com/news/nvidia-makes-1000-profit-on-h100-gpus-report#xenforo-comments-3817301″ الهدف=”_blank” rel=”noreferrer noopener”> كن في نطاق 80 ٪ ل”https://clausaasholm.substack.com/p/is-nvidia-hitting-the-ceiling” الهدف=”_blank” rel=”noreferrer noopener”> رقائق مركز البيانات مثل H100 و B100 القادمة وحدات معالجة الرسومات. هذا يعني أن Openai (عبر Microsoft Azure) يدفع قسطًا كبيرًا – “ضريبة Nvidia” – لقوتها الحسابية. Google ، من خلال تصنيع TPUs داخل المنزل ، يتجاوز هذا العلامات بشكل فعال.

في حين أن تصنيع وحدات معالجة الرسومات قد تكلف NVIDIA 3000 دولار-5000 دولار ، فإن فرط الشؤون مثل Microsoft (توفير Openai) يدفعون 20،000 دولار-35000 دولار+ لكل وحدة في الحجم ،”https://semianalysis.com/2023/08/20/nvidias-ramp-volume-asp-cloud-pricing/#:~:text=4,KillingBlowForAnyCompetition”> حسب ل”https://omdia.tech.informa.com/om033795/server-market-analysis–2h23″> التقارير. تشير محادثات الصناعة والتحليلات إلى أن Google قد تحصل على طاقة حساب الذكاء الاصطناعى عند حوالي 20 ٪ من التكلفة التي تكبدها أولئك الذين يشترون وحدات معالجة الرسومات NVIDIA المتطورة. على الرغم من أن الأرقام الدقيقة داخلية ، إلا أن المعنى الضمني”https://chipchatter.substack.com/p/how-googles-ai-chips-stack-up-against” الهدف=”_blank” rel=”noreferrer noopener”> 4x-6x كفاءة التكلفة ميزة لكل وحدة من حساب Google على مستوى الأجهزة.

تنعكس هذه الميزة الهيكلية في تسعير API. مقارنة النماذج الرئيسية ، Openai’s O3″https://openai.com/api/pricing/” الهدف=”_blank” rel=”noreferrer noopener”> ما يقرب من 8 مرات أكثر تكلفة لرموز المدخلات وأكثر تكلفة 4 مرات لرموز الإخراج”http://ai.google.dev/gemini-api/docs/pricing” الهدف=”_blank” rel=”noreferrer noopener”> من Google Gemini 2.5 Pro (لأطوال السياق القياسية).

هذا التفاضل التكلفة ليس أكاديميًا ؛ لها آثار استراتيجية عميقة. من المحتمل أن تحافظ Google على انخفاض الأسعار وتقدم “ذكاءًا أفضل لكل دولار” ، مما يمنح المؤسسات المزيد من التكلفة الإجمالية للملكية (TCO)-وهذا بالضبط”https://venturebeat.com/ai/from-catch-up-to-catch-us-how-google-quietly-took-the-lead-in-enterprise-ai/”> ما تفعله الآن في الممارسة العملية.

في هذه الأثناء ، ترتبط تكاليف Openai بشكل جوهري بقدرة تسعير Nvidia وشروط صفقة Azure. في الواقع ، تمثل تكاليف الحساب تقديراً”https://www.wheresyoured.at/wheres-the-money” الهدف=”_blank” rel=”noreferrer noopener”> 55-60 ٪ من إجمالي نفقات تشغيل Openai 9B دولار في عام 2024 ، وفقا لبعض التقارير ، وهي”https://theoverspill.blog/2024/07/26/openai-cost-billions-loss-start-up-2264/#:~:text=,hardwareisbeingrunat” الهدف=”_blank” rel=”noreferrer noopener”> متوقع إلى يتجاوز 80 ٪ في 2025 كـ TH مقياس EY. في حين أن نمو الإيرادات المتوقع في Openai فلكي – يحتمل أن يصل إلى 125 مليار دولار بحلول عام 2029″https://x.com/btibor91/status/1915119014634029239″ الهدف=”_blank” rel=”noreferrer noopener”> وفقًا للتوقعات الداخلية المبلغ عنها – لا تزال إدارة هذا الإنفاق الحسابية تحديًا حاسمًا ،”https://www.reuters.com/technology/openai-set-finalize-first-custom-chip-design-this-year-2025-02-10/” الهدف=”_blank” rel=”noreferrer noopener”> قيادة سعيهم للسيليكون المخصص.

2. أطر عمل الوكيل: نهج النظام الإيكولوجي المفتوح من Google مقابل Openai المتكامل

إلى جانب الأجهزة ، يتابع العمالقة استراتيجيات متباينة لبناء ونشر وكلاء الذكاء الاصطناعى الذين يستعدون لأتمتة سير عمل المؤسسات.

تقوم Google بدفع واضح للتشغيل البيني ونظام بيئي أكثر انفتاحًا. في Cloud قبل أسبوعين ،”https://venturebeat.com/ai/from-catch-up-to-catch-us-how-google-quietly-took-the-lead-in-enterprise-ai/” الهدف=”_blank”> كشف النقاببروتوكول الوكيل إلى الوكيل (A2A) ، المصمم للسماح للوكلاء المبناءين على منصات مختلفة للتواصل ، إلى جانب مجموعة تطوير الوكلاء (ADK) ومركز CalmentSpace لاكتشاف الوكلاء وإدارتهم. في حين أن تبني A2A يواجه عقبات – لم يوقع اللاعبون الرئيسيون مثل الأنثروبور (VentureBeat التواصل مع الأنثروبور حول هذا الموضوع ، لكن الأنثروبور رفض التعليق) – وبعض المطورين يناقشون ضرورة إلى جانب بروتوكول سياق النموذج الحالي للأنثروبور (MCP). نية Google واضحة: لتعزيز سوق وكيل متعدد البائعين ، والذي يحتمل أن يتم استضافته داخل حديقة الوكيل أو عبر متجر تطبيقات وكيل مشاع.

على العكس من ذلك ، يبدو أن Openai يركز على إنشاء وكلاء قوية لاستخدام الأدوات مدمجة بإحكام داخل مجموعتها الخاصة. يجسد نموذج O3 الجديد هذا ، قادرًا على إجراء مئات من مكالمات الأدوات داخل سلسلة التفكير الواحد. يستفيد المطورون من الاستجابات API والوكلاء SDK ، إلى جانب أدوات مثل Codex CLI الجديدة ، لإنشاء وكلاء متطورة تعمل داخل حدود Openai/Azure Trust. على الرغم من أن الأطر مثل Microsoft’s Autogen توفر بعض المرونة ، فإن استراتيجية Openai الأساسية تبدو أقل حول التواصل عبر المنصات وأكثر حول تعظيم قدرات الوكيل رأسياً في بيئتها الخاضعة للرقابة.

• الوجبات الجاهزة للمؤسسة: قد يجد الشركات التي تعطي الأولوية للمرونة والقدرة على خلط الوكلاء من مختلف البائعين (على سبيل المثال ، أن توصيل وكيل Salesforce في Vertex AI) جذابة من Google. أولئك الذين استثمروا بعمق في النظام الإيكولوجي Azure/Microsoft أو يفضلون أن يكون هناك مكدس عميل أكثر عموديًا يتم إدارته العالي الأداء نحو Openai.

3. إمكانيات النموذج: نقاط التكافؤ والأداء وألم

تعني دورة الإطلاق بلا هوادة قيادة النموذج عابرة. بينما يقوم Openai’s O3 حاليًا بتطوير Gemini 2.5 Pro على بعض معايير الترميز مثل Swe-bench التحقق والمساعد ، يتطابق Gemini 2.5 Pro على آخرين مثل GPQA و AIME. يعد Gemini 2.5 Pro أيضًا الرائد العام في لوحة المتصدرين في نموذج اللغة الكبير (LLM). بالنسبة للعديد من حالات استخدام المؤسسات ، فقد وصلت النماذج إلى تكافؤ تقريبي في القدرات الأساسية.

ال حقيقي يكمن الاختلاف في مقايضاتهم المميزة:

• السياق مقابل عمق التفكير: يضم Gemini 2.5 Pro نافذة سياق ضخمة قدرها مليون شخص (مع 2M مخطط لها) ، وهي مثالية لمعالجة مجموعات الكود أو مجموعات المستندات الكبيرة. يوفر Openai’s O3 نافذة 200k ولكنها تؤكد على التفكير العميق المدعوم بالأدوات في منعطف واحد ، تمكينه من خلال نهج التعلم التعزيز.
• الموثوقية مقابل المخاطر: هذا يظهر باعتباره تمييز حاسم. بينما يعرض O3 التفكير المثير للإعجاب ، فإن بطاقة Openai الخاصة بنموذج 03″https://cdn.openai.com/pdf/2221c875-02dc-4789-800b-e7758f3722c1/o3-and-o4-mini-system-card.pdfNEW” الهدف=”_blank” rel=”noreferrer noopener”> كشفت أنه يلموس أكثر بكثير (2x معدل O1 على personqa). تشير بعض التحليلات إلى أن هذا قد ينبع من”https://x.com/emollick/status/1912889596125274283″ الهدف=”_blank” rel=”noreferrer noopener”> آليات التفكير المعقدة واستخدام الأدوات. غالبًا ما يصف المستخدمون Gemini 2.5 Pro ، على الرغم من أنه ربما يتم اعتباره في بعض الأحيان أقل ابتكارًا في بنية الناتج ، على أنهم أكثر موثوقية ويمكن التنبؤ به لمهام المؤسسات. يجب أن تزن الشركات القدرات المتطورة في O3 مقابل هذه الزيادة الموثقة في مخاطر الهلوسة.
• الوجبات الجاهزة للمؤسسة: يعتمد النموذج “الأفضل” على المهمة. لتحليل كميات هائلة من السياق أو تحديد أولويات المخرجات التي يمكن التنبؤ بها ، يحمل Gemini 2.5 Pro ميزة. بالنسبة للمهام التي تطالب بأعمق التفكير متعدد الأدوات ، حيث يمكن إدارة مخاطر الهلوسة بعناية ، فإن O3 منافس قوي. كما لاحظ سام ويتيفين في”https://www.youtube.com/watch?v=DzZDJND-yFw” الهدف=”_blank” rel=”noreferrer noopener”> بودكاست متعمق حول هذا، الاختبار الصارم داخل حالات استخدام المؤسسات المحددة ضرورية.

4. Enterprise Fit & Distribution: عمق التكامل مقابل الوصول إلى السوق

في نهاية المطاف ، غالبًا ما يعتمد التبني على مدى سهولة فتحات النظام الأساسي في البنية التحتية الحالية للمؤسسة وسير العمل.

تكمن قوة Google في التكامل العميق لعملاء Google Cloud ومساحة العمل الحالية. تم تصميم نماذج Gemini ، و Vertex AI ، و Agentspace وأدوات مثل BigQuery للعمل بسلاسة معًا ، مما يوفر طائرة تحكم موحدة ، وحوكمة البيانات ، وربما أسرع وقت لوقت للشركات”https://siliconangle.com/2025/04/12/googles-cloud-play-integrated-ai-infrastructure-apps/” الهدف=”_blank” rel=”noreferrer noopener”> استثمر بالفعل في النظام البيئي من Google. جوجل هو”https://venturebeat.com/ai/from-catch-up-to-catch-us-how-google-quietly-took-the-lead-in-enterprise-ai/”> مغازلة شركات كبيرة بنشاط، عرض عمليات النشر مع شركات مثل Wendy’s و Wayfair و Wells Fargo.

يفتخر Openai ، عبر Microsoft ، بالوصول إلى السوق لا مثيل له وسهولة الوصول إليه. قاعدة المستخدمين الهائلة من ChatGPT (حوالي 800 متر ماو) تخلق معرفة واسعة. والأهم من ذلك ، تقوم Microsoft بتضمين نماذج Openai بقوة (بما في ذلك أحدث سلسلة O) في خدمات Microsoft 365 Copilot و Azure في كل مكان ، مما يجعل قدرات AI القوية متاحة بسهولة لمئات الملايين من مستخدمي المؤسسات ، وغالبًا ما يستخدمونها بالفعل يوميًا. بالنسبة للمنظمات الموحدة بالفعل على Azure و Microsoft 365 ، يمكن أن يكون اعتماد Openai امتدادًا طبيعيًا. علاوة على ذلك ، فإن الاستخدام المكثف لواجهة برمجة تطبيقات Openai من قبل المطورين يعني أن العديد من مطالبات المؤسسات وسير العمل قد تم تحسينها بالفعل لنماذج OpenAI.

• القرار الاستراتيجي: غالبًا ما يتلخص الاختيار في علاقات البائع الحالية. تقدم Google قصة مقنعة ومتكاملة لعملائها الحاليين. يوفر Openai ، المدعوم من محرك توزيع Microsoft ، إمكانية وصول واسعة وربما تبني أسهل للعدد الهائل من المؤسسات التي تركز على Microsoft.

Google vs Openai/Microsoft لديها مقايضات للمؤسسات

انتقلت حرب منصة الذكاء الاصطناعى بين Google و Openai/Microsoft إلى أبعد من مقارنات النماذج البسيطة. في حين أن كلاهما يعرضان على أحدث طراز كابابيليتي S ، أنها تمثل الرهانات الاستراتيجية المختلفة وتقدم مزايا ومقايضات متميزة للمؤسسة.

يجب أن تزن المؤسسات الأساليب المختلفة لأطر العوامل ، والمقايضات الدقيقة بين القدرات النموذجية مثل طول السياق مقابل التفكير المتطور والتجمعات العملية لتكامل المؤسسات والتوزيع.

ومع ذلك ، فإن تلوح في الأفق في كل هذه العوامل هو الواقع الصارخ لتكلفة الحساب ، والتي تظهر على أنها أكثر تمييزًا مهمًا وتحديد الطويل الأجل ، خاصةً إذا لم يتمكن Openai من معالجتها بسرعة. تمثل استراتيجية TPU المتكاملة رأسياً من Google ، مما يسمح لها بتجاوز “ضريبة Nvidia” بنسبة 80 ٪ تقريبًا في تسعير GPU الذي يعود إلى Openai ، ميزة اقتصادية أساسية ، وربما تغير اللعبة.

هذا هو أكثر من مجرد فرق بسيط في السعر. إنه يؤثر على كل شيء بدءًا من القدرة على تحمل تكاليف واجهة برمجة التطبيقات والقدرة على التنبؤ على المدى الطويل إلى قابلية التوسع في عمليات نشر الذكاء الاصطناعي. مع نمو أعباء العمل AI بشكل كبير ، فإن المنصة ذات المحرك الاقتصادي الأكثر استدامة – التي تغذيها كفاءة تكلفة الأجهزة – تحمل ميزة استراتيجية قوية. تقوم Google بالاستفادة من هذه الميزة مع دفع رؤية مفتوحة للتشغيل البيني.

Openai ، بدعم من مقياس Microsoft ، عدادات مع نماذج مستخدمة الأدوات المتكاملة بعمق والوصول إلى السوق لا مثيل لها ، على الرغم من أن الأسئلة تظل حول بنية التكلفة وموثوقية النموذج.

لاتخاذ القرار الصحيح ، يجب على القادة الفنيين للمؤسسات أن ينظروا إلى ما بعد المعايير وتقييم هذه النظم الإيكولوجية بناءً على آثارهم على المدى الطويل على المدى الطويل ، ونهجهم المفضل في استراتيجية الوكيل والانفتاح ، وتحملهم لمخاطر الموثوقية النموذجية مقابل قوة المنطق الخام ، ومكدس التكنولوجيا الحاليين واحتياجاتهم الخاصة بالتطبيق.

شاهد الفيديو حيث سام ويتفين وأنا أسقط الأشياء: