پرش به محتوای اصلی
پرش به محتوای مقاله

گوگل استقلال دیپ‌مایند را گرفت و مدیریت آن را به سرگئی برین سپرد

·۱۸ مرداد ۱۴۰۵۴ دقیقه مطالعه۱ بازدید
استعفای همزمان دمیس هاسابیس و جف دین از گوگل دیپ‌مایند
استعفای همزمان دمیس هاسابیس و جف دین از گوگل دیپ‌مایند
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تغییر ساختاری از مدل پژوهشی مستقل (DeepMind) به مدل مدیریتی متمرکز در کالیفرنیا. سیگنال اصلی، اولویت دادن به درآمد زیرساختی (Cloud/TPU) بر پیشتازی در مدل‌های Frontier است.

تصور کنید یکی از پیشروترین آزمایشگاه‌های علمی جهان، ناگهان از یک نهاد مستقل به یک «بخش اداری» تبدیل شود. دیمیس هاسابیس، بنیان‌گذار دیپ‌مایند، در حال ترک این جایگاه است تا دوران استقلال این مرکز به پایان برسد. این اتفاق به معنای گذار دیپ‌مایند از یک بازیگر مستقل به «صرفاً یک زیرمجموعه دیگر» از گوگل است.

به گزارش گاردین، عملیات روزمره این مرکز اکنون به ایالات متحده و تحت مدیریت کورای کاووکچوگلو منتقل شده است. این تغییر ساختار در حالی رخ می‌دهد که گوگل برای حفظ جایگاه خود در رقابت هوش مصنوعی زاینده (Generative AI) — شبیه به مسابقه‌ای که در آن هر کس سریع‌تر ابزار جدید بسازد برنده است — دست‌وپا می‌زند. در حالی که ما پیش‌تر بررسی کردیم که چگونه Google Search Console گزارش‌هایی را برای نظارت بر عملکرد AI Overview اضافه کرد، اکنون جدال داخلی بر سر خود مدل‌هاست. گوگل در حال حاضر میان دو هویت متضاد گیر کرده است: یک آزمایشگاه پژوهشی پیشرو و یک ارائه‌دهنده عظیم زیرساخت.

تغییر در رأس قدرت

  • دیمیس هاسابیس: او به سمت ریاست هیئت‌مدیره منتقل شد تا خروجی آرام‌تری داشته باشد. هاسابیس قصد دارد در آینده روی پژوهش‌های علمی و شرکت Isomorphic Labs تمرکز کند. طبق گزارش Pathfounders، او تمایل داشت هم‌زمان با جف دین خارج شود، اما گوگل برای جلوگیری از سقوط شدید قیمت سهام، این تصمیم را به تأخیر انداخت.
  • سرگئی برین: یکی از بنیان‌گذاران گوگل که پس از بحران «هشدار قرمز» (red alert) ناشی از ظهور ChatGPT از بازنشستگی بازگشت، اکنون انتظار می‌رود کنترل مستقیم‌تری بر روند توسعه مدل‌ها اعمال کند.
  • کورای کاووکچوگلو: او مدیریت عملیات را بر عهده گرفت، اما نکته کلیدی این است که عنوان «مدیرعامل» را دریافت نکرد؛ این موضوع به وضوح نشان‌دهنده از دست رفتن استقلال اجرایی دیپ‌مایند است.

تنش‌های درونی و ادغام

این اصطکاک نتیجه سال‌ها بی‌ثباتی است. ادغام Google Brain و DeepMind در یک نهاد واحد با نام Google DeepMind برای ایجاد یک پروژه مشترک صورت گرفت. همین رویکرد «تیم دوقلو» بود که باعث شد مدل‌های Gemini نام خود را بگیرند. این تغییرات ساختاری با اولویت‌بندی مدل‌های تجاری، منجر به تلاطم در پروژه‌های علمی شد؛ چنان‌که پیش‌تر بررسی کردیم که چگونه تیم تخصصی AlphaFold در مسیر توسعه Gemini متلاشی شد.

با این حال، این بازسازی باعث نارضایتی شدید هاسابیس شد. اکنون با کنار رفتن او، تمام توسعه‌های مربوط به Gemini به منطقه Bay Area منتقل می‌شود تا تحت نظارت شدیدتر شرکتی باشد و فاصله مدیریتی کاهش یابد.

چرخش به سمت زیرساخت

داده‌های مالی نشان می‌دهد گوگل «لوله‌ها» را به «مغزها» ترجیح داده است. در سه ماهه دوم ۲۰۲۶، درآمد سالانه Gemini به ۱۲ میلیارد دلار رسید. در مقابل، پیش‌بینی می‌شود Google Cloud تا پایان ۲۰۲۷ بیش از ۷۳ میلیارد دلار درآمد از زیرساخت‌های هوش مصنوعی و ۱۲۰ میلیارد دلار از فروش TPU (واحد پردازش تنسور) کسب کند.

تحلیل SemiAnalysis حاکی از آن است که گوگل به دلیل فرهنگ بوروکراتیک، ریسک‌گریزی و تخصیص بیش از حد محتاطانه منابع محاسباتی، رقابت برای مدل‌های برتر را باخته است. آن‌ها این عقب‌نشینی را به تغییر استراتژی تاریخی IBM از فروش PC به ارائه خدمات مشاوره، یا تلاش اینتل برای محافظت از کسب‌وکارهای قدیمی به جای سرمایه‌گذاری‌های جسورانه تشبیه می‌کنند.

از سوی دیگر، تیم اورایلی معتقد است گوگل از «مدل وستینگ‌هاوس» پیروی می‌کند. او اشاره می‌کند که توماس ادیسون لامپ را اختراع کرد، اما جورج وستینگ‌هاوس با ساخت شبکه برق متناوب برنده نهایی شد. گوگل نیز با مدل‌های Flash خود که برای کارایی و کاربرد بهینه شده‌اند (به جای تلاش برای پیشرو بودن در مرزهای علم)، سعی دارد برنده بازار زیرساخت باشد.

شکست در توسعه مدل‌ها

شایعات نشان می‌دهد این تغییرات به دلیل ناتوانی در ارائه قابلیت‌های پیشرو، به‌ویژه در عملکرد کدنویسی است. مدل Gemini 3.1 Pro همچنان در حالت پیش‌نمایش (preview) گیر کرده است و مدل Gemini 3.5 Pro که در ماه می معرفی شد و قرار بود در ژوئن عرضه شود، عملاً بایگانی شده و کنار گذاشته شده است.

این موضوع ثابت می‌کند گوگل با وجود داشتن بیشترین میزان داده و توان محاسباتی، نتوانست تیم‌های داخلی خود را به سطح پیشروان صنعت برساند. انتقال به کالیفرنیا تلاشی نهایی برای حذف استقلال دیپ‌مایند لندن و اجبار تیم‌ها به یک چرخه توسعه تهاجمی‌تر است.

گوگل در نهایت هم سلطه بر زیرساخت‌ها را می‌خواهد و هم پیشرو بودن در هوش مصنوعی را. آن‌ها اکنون تلاش می‌کنند با نادیده گرفتن ساختارهای سازمانی که دهه گذشته پژوهش‌هایشان را تعریف می‌کرد، به این هدف دست یابند.

گام بعدی شما

  • اگر از سرویس‌های ابری گوگل استفاده می‌کنید، منتظر کاهش قیمت و افزایش سرعت در مدل‌های Flash باشید.
  • تغییرات در مدل‌های Pro را زیر نظر بگیرید تا ببینید آیا نظارت مستقیم سرگئی برین منجر به جهشی در کیفیت کدنویسی می‌شود یا خیر.
  • استراتژی‌های جایگزین برای مدل‌های بنیادی را بررسی کنید، زیرا گوگل احتمالاً بیشتر روی «سرویس‌دهی» تمرکز می‌کند تا «اختراع».

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این جابجایی قدرت نشان می‌دهد که دوران آزمایشگاه‌های مستقل در دل شرکت‌های بزرگ به پایان رسیده است. اعتبار گوگل اکنون از پژوهش‌های بنیادین به سمت بهینه‌سازی صنعتی و سودآوری زیرساختی تغییر جهت داده است.

تأثیر برای ایران

این تحول داخلی گوگل اثر مستقیمی بر دسترسی کاربران ایرانی ندارد، اما تمرکز گوگل بر مدل‌های بهینه (Flash) می‌تواند در آینده هزینه استفاده از APIها را برای توسعه‌دهندگان ایرانی کاهش دهد.

·نگاه ما
تحریریه دات‌هوش

گوگل در حال پذیرش این واقعیت است که در جنگ مدل‌های بنیادی، لزوماً برنده نیست. استراتژی جدید آن‌ها تبدیل شدن به «تأمین‌کننده برق» این صنعت است تا «مخترع لامپ»؛ یعنی تمرکز بر فروش TPU و زیرساخت ابری که سودآوری تضمین‌شده‌تری نسبت به ریسک‌های پژوهشی دارد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.