AI يغادر السحابة: بيانات حول التحول نحو الحوسبة على الأجهزة (2024–2029)

على مدار السنوات الخمس عشرة الماضية، كانت الحوسبة تتحرك في اتجاه واحد: نحو السحاب. أما الآن، فإن هذا الاتجاه ينعكس؛ إذ يتم تنفيذ جزء متزايد من استدلال الـ AI (الـ inference) مباشرة على جهاز المستخدم — سواء كان كمبيوتر محمولاً، أو هاتفاً، أو داخل المتصفح — بدلاً من الخوادم البعيدة. تقدم هذه المادة تحليلاً محايداً لمدى واقعية هذا التحول: ماذا تظهر توقعات كبرى الوكالات التحليلية، وما هي الأسباب التقنية والاقتصادية الكامنة وراءه. جميع الأرقام مدعومة بروابط لمصادرها الأصلية.

ماذا يعني "AI على الجهاز"

لكي نتحدث بشكل موضوعي، دعونا نوضح المصطلحات:

• On-device (edge) inference — يتم تشغيل النموذج على الجهاز نفسه؛ ولا يتم إرسال البيانات إلى خادم خارجي.
• NPU (Neural Processing Unit) — وحدة متخصصة في المعالج تعمل على تسريع حسابات الـ AI مع استهلاك منخفض للطاقة. إن ظهور الـ NPU في الأجهزة الاستهلاكية واسعة الانتشار هو ما جعل الـ AI المحلي أمراً عملياً.
• SLM (Small Language Model) — نموذج لغوي مدمج (يحتوي على بضعة مليارات من المعلمات) قادر على العمل على الهاتف أو الكمبيوتر المحمول دون الحاجة للاتصال بمركز البيانات.

إن عبارة "الـ AI يغادر السحاب" لا تعني التخلي عن السحاب تماماً، بل تعني إزاحة مركز الثقل: حيث يتم إنجاز المزيد والمزيد من المهام محلياً، بينما يظل السحاب مخصصاً للحالات المعقدة والثقيلة.

البيانات انتقلت بالفعل إلى حافة الشبكة

المؤشر الأكثر عمومية هو مكان إنشاء البيانات ومعالجتها في المقام الأول. ففي عام 2019، كان يتم معالجة أقل من 10% من بيانات الشركات خارج مراكز البيانات التقليدية المركزية أو السحاب. ووفقاً لتوقعات Gartner، ستصل هذه النسبة إلى 75% بحلول عام 2025.

المصدر: Gartner — ماذا تعني حوسبة الحافة لقادة البنية التحتية والعمليات. مقارنة بين عام 2019 وتوقعات عام 2025.

هذه هي الخلفية البنيوية: البيانات تنتقل مادياً لتصبح أقرب إلى المصدر — إلى الإنسان وأجهزته. ويتبع استدلال الـ AI البيانات بنفس المنطق الذي تتبعه أي عملية معالجة أخرى: الحوسبة في مكان نشوء البيانات هي عملية أرخص وأسرع من نقلها عبر الشبكة ذهاباً وإياباً.

العتاد: أجهزة AI-PC والـ NPU تصبح هي المعيار

المحرك العملي الرئيسي هو الانتشار الواسع لوحدات الـ NPU في الأجهزة الاستهلاكية. فما يُعرف بأجهزة الـ AI-PC (أجهزة الكمبيوتر المزودة بمسرع عصبي مخصص) تتحول في غضون عامين إلى ثلاثة أعوام من فئة متميزة محدودة الانتشار إلى مواصفات قياسية.

ووفقاً لبيانات IDC، تشكل أجهزة الـ AI-PC حوالي 40% من شحنات أجهزة الكمبيوتر الشخصية العالمية في عام 2025، وتقترب من 60% بحلول عام 2027. كما تتوقع Counterpoint Research أن تتجاوز أجهزة الكمبيوتر المحمولة المزودة بـ NPU حاجز النصف من الشحنات العالمية بحلول عام 2026.

المصادر: IDC — توقعات أجهزة الكمبيوتر الشخصية العالمية، Counterpoint Research — أجهزة الـ AI PC ستتجاوز نصف الشحنات العالمية في عام 2026، Computerworld.

الشحنات تمثل التدفق المستمر. ولكن الأكثر وضوحاً هو قاعدة الأجهزة النشطة بالفعل: فوفقاً لتقديرات IDC، ستنمو حصة أجهزة الـ AI-PC بين أجهزة الكمبيوتر المستخدمة من 5% في عام 2023 إلى 94% بحلول عام 2028. في غضون سنوات قليلة، سيكون الكمبيوتر "العادي" قادراً بشكل افتراضي على تشغيل الـ AI محلياً.

المصدر: IDC. تقدير القاعدة المثبتة لعام 2023 وتوقعات عام 2028.

المعالجات والهواتف الذكية: نحو الـ AI المحلي بشكل افتراضي

على مستوى رقاقات السيليكون، يبدو هذا الاتجاه أكثر حسماً. تتوقع Gartner أنه بحلول عام 2029، سيكون الـ AI المدمج على الجهاز (on-device AI) موجوداً في أكثر من 99% من المعالجات الدقيقة لأجهزة الكمبيوتر الشخصية — مقارنة بنحو 15% في عام 2024. وهذا يعني أن وجود المسرع العصبي لن يعود مجرد خيار إضافي، بل سيصبح جزءاً من البنية الأساسية للمعالج.

المصدر: Gartner — أهم التوقعات لمؤسسات تكنولوجيا المعلومات والمستخدمين. عام 2024 وتوقعات عام 2029.

وفي الهواتف الذكية، يتجه المسار نحو نفس الهدف. تتوقع Gartner أنه بحلول عام 2027، ستسمح النماذج المدمجة بتشغيل AI توليدي متطور مباشرة على الهاتف دون الحاجة للاتصال بالسحاب. وهذا ليس مجرد توقع فحسب — بل إن كبرى المنصات تقوم بالفعل بشحن مثل هذه المنتجات:

عندما تقوم ثلاث شركات كبرى تشكل المنصات التي يستخدمها مليارات البشر بنقل الحوسبة إلى الأجهزة في وقت واحد، فإن هذا الأمر يتوقف عن كونه مجرد فكرة متخصصة أو محدودة، ليصبح التوجه العام للصناعة بأكملها.

لماذا يعتبر هذا التحول مستداماً

تقف وراء هذا الاتجاه عدة قوى مستقلة — ولا يبدو أي منها مؤقتاً:

1. الخصوصية كشرط أساسي. عندما يتم الاستدلال محلياً، لا تغادر البيانات الجهاز. بالنسبة لمجالات مثل الطب، والتمويل، والقانون، والملاحظات الشخصية، فإن هذا يحل مسألة قانونية وتتعلق بالسمعة، ولا يقتصر فقط على توفير الراحة. وتصف Google صراحةً نموذج Gemini Nano بأنه الخيار الأكثر خصوصية على وجه التحديد لأن البيانات لا تذهب إلى الخوادم.
2. اقتصاديات الاستدلال. إن الدفع مقابل كل طلب يتم تشغيله على وحدات معالجة الرسومات (GPUs) التابعة لجهات خارجية هو أمر يصعب توسيع نطاقه اقتصادياً بشكل فعال. بينما يقوم الجهاز الذي اشتراه المستخدم بالفعل بإجراء الحسابات دون تكلفة حدية لكل طلب.
3. زمن الاستجابة (Latency) والعمل دون اتصال. يستجيب النموذج المحلي بشكل فوري ويعمل دون الحاجة لشبكة الإنترنت — وهو أمر بالغ الأهمية للمساعدين الشخصيين الذين يعملون في الوقت الفعلي.
4. جاهزية العتاد. لقد أدى دمج الـ NPU في كل كمبيوتر محمول وهاتف جديد إلى إزالة الحاجز التقني الرئيسي؛ فقبل خمس سنوات فقط، كان تشغيل النماذج محلياً أمراً مكلفاً وبطيئاً.

ما الذي يغيره هذا التحول

لا يغير التحول نحو الـ AI المدمج على الأجهزة (on-device AI) مكان معالجة النماذج فحسب، بل يغير أيضاً بنية المنتجات المحيطة بها. فإذا لم تكن البيانات بحاجة للذهاب إلى السحاب، فلن تعود هناك حاجة حتمية لوجود قاعدة بيانات مركزية موحدة تحتوي على بيانات جميع المستخدمين. ومثل هذه القاعدة تمثل دائماً خطراً مزدوجاً: نقطة فشل واحدة (single point of failure) ونقطة وصول واحدة (للمخترقين، أو للتسريبات، أو للطلبات الخارجية). وكلما انتقلت المزيد من العمليات الحسابية إلى الجهاز، قلّت الأسباب التي تدعو لجمع البيانات الحساسة في مكان واحد.

بالنسبة للمستخدمين والشركات، يعني هذا أمراً بسيطاً: ستصبح الخصوصية بشكل متزايد نتيجة للبنية الهندسية للمنتج، وليس مجرد وعود في سياسة الخصوصية. وستكون المنتجات الفائزة هي تلك المصممة لعالم يعيش فيه الـ AI بجانب الإنسان، وليس على خادم شخص آخر.

---

الشفافية: تم إعداد هذه المادة بواسطة فريق maxOS — نحن نطور أدوات للمكالمات مع معالجة البيانات على الجهاز، لذا فإن هذا الموضوع يهمنا كثيراً. تعود البيانات الواردة في المقال إلى مصادر مستقلة مذكورة أعلاه؛ وقد حرصنا على تقديمها دون أي تحريف. مواضيع ذات صلة: أين يذهب صوتك ولماذا ندفع مقابل تحسين النماذج المحلية.