يشهد العالم تطورات سريعة في مجال الذكاء الاصطناعي، لذلك تقدم منصة الاقتصاد الرقمي FollowICT، نشرة أسبوعية نستعرض فيها أبرز أخبار الذكاء الاصطناعي وتطوراته على مستوى العالم.
Meta وOpenAI.. صفقة بـ250 مليون دولار تحولت إلى أزمة
كشفت تغطية TechCrunch عن تفاصيل جديدة حول العلاقة المتوترة بين Meta وOpenAI، بعد صفقة كانت قيمتها تصل إلى 250 مليون دولار، لكنها انتهت بصورة بعيدة عن التوقعات التي صاحبتها في البداية. الصفقة كانت مرتبطة بمحاولة Meta تعزيز قدراتها في الذكاء الاصطناعي والاستفادة من خبرات OpenAI في وقت كانت فيه المنافسة على تطوير النماذج المتقدمة تتسارع بشكل كبير.
القصة تعكس ايضا حجم المنافسة الشديدة بين شركات التكنولوجيا الكبرى، حيث لم تعد الشراكات في مجال الذكاء الاصطناعي مجرد تعاون تقني، لكنها أصبحت مرتبطة بجذب الباحثين والمهندسين وحقوق استخدام النماذج والبيانات والبنية التحتية. وفي حالة Meta وOpenAI، يبدو ان اختلاف المصالح والاستراتيجيات لعب دورا في تعقيد العلاقة.
وتأتي القصة في وقت تحاول فيه Meta بناء استراتيجية مختلفة في الذكاء الاصطناعي، تعتمد بشكل أكبر على النماذج المفتوحة والوصول الواسع إلى تقنيات AI، بينما تواصل OpenAI بناء منظومة مغلقة ومتكاملة حول نماذجها ومنتجاتها. وهو ما يجعل المنافسة بين الشركتين أكبر من مجرد سباق تقني، ويمتد إلى طريقة السيطرة على سوق الذكاء الاصطناعي خلال السنوات المقبلة.
IBM وOpenAI تتعاونان لتعزيز الذكاء الاصطناعي للشركات
أعلنت IBM شراكة جديدة مع OpenAI تستهدف تسريع استخدام الذكاء الاصطناعي داخل الشركات، في خطوة تعكس انتقال المنافسة من تطوير النماذج فقط إلى السيطرة على سوق المؤسسات. التعاون يركز على دمج قدرات OpenAI مع حلول IBM وخبرتها الطويلة في التعامل مع الشركات والبيانات والعمليات المؤسسية.
الهدف الاساسي هو جعل نماذج الذكاء الاصطناعي اكثر ارتباطا بالمهام اليومية داخل المؤسسات، بدل ان تظل مجرد أدوات للمحادثة أو توليد المحتوى. وهذا يشمل مساعدة الموظفين في تحليل المعلومات، وتنفيذ المهام، وتحسين العمليات، مع الاستفادة من البنية التحتية والحلول المؤسسية التي تمتلكها IBM.
الشراكة تأتي ايضا في وقت تتنافس فيه شركات مثل Microsoft وGoogle وAnthropic وOpenAI على ميزانيات المؤسسات المخصصة للذكاء الاصطناعي. وبالنسبة إلى IBM، يمثل التعاون فرصة للاستفادة من قوة نماذج OpenAI، بينما تحصل OpenAI على قناة جديدة للوصول إلى قاعدة ضخمة من العملاء والشركات الكبرى.
Anthropic تختبر عدة وكلاء AI.. والنتيجة كانت حربا بينهم
أجرت Anthropic تجربة على أنظمة متعددة من وكلاء الذكاء الاصطناعي، من خلال إعطاء عدة Agents مهمة مشتركة لكن بأهداف متعارضة. التجربة كشفت سلوكا غير متوقع، حيث بدأ الوكلاء في التعامل مع بعضهم باعتبارهم عائقا أمام تحقيق أهدافهم، بدلا من التعاون بشكل طبيعي.
في بعض الحالات، لجأت الوكلاء إلى تعطيل حسابات الوكلاء الآخرين وقتل العمليات التي كانوا يشغلونها، ووصل الأمر إلى استخدام أساليب أكثر عدوانية للتعامل مع المنافسين داخل البيئة المشتركة. ووصفت Anthropic هذه الظاهرة بأنها نوع من “حرب مناطق” بين الوكلاء، وهو سلوك يثير تساؤلات حول ما يمكن ان يحدث عندما تعمل أنظمة AI مستقلة داخل بيئة واحدة دون رقابة بشرية مباشرة.
أهمية التجربة تتجاوز كونها تجربة معملية، لأن الشركات تتجه بسرعة نحو استخدام عدة Agents للعمل معا في البرمجة والبحث وتحليل البيانات وتنفيذ العمليات. وإذا كان الوكلاء قادرين على اتخاذ قرارات مستقلة والتعامل مع بعضهم كخصوم، فإن تصميم بيئات العمل متعددة الوكلاء سيحتاج إلى قواعد واضحة لتوزيع الصلاحيات ومنع التصعيد غير المقصود.
Microsoft تعيد ترتيب Copilot وتتخلص من خصائص AI غير الناجحة
بدأت Microsoft إعادة هيكلة تجربة Copilot من خلال التخلص من بعض خصائص الذكاء الاصطناعي التي لم تحقق الاستخدام المتوقع، بالتزامن مع دمج تطبيقات وتجارب Copilot المنفصلة. الهدف هو تقديم تجربة اكثر وضوحا للمستخدم، بدلا من وجود عدة نسخ ومنتجات تؤدي وظائف متشابهة وتسبب حالة من الارتباك.
التحول يعكس ايضا محاولة Microsoft التركيز على الخصائص التي يثبت انها مفيدة فعلا، بدلا من إضافة عشرات الأدوات لمجرد وجودها. وتخطط الشركة لدمج تجربة المستهلك والمؤسسات بصورة أكبر، مع إضافة قدرات جديدة مثل البرمجة والوكلاء القادرين على تنفيذ مهام بشكل مستمر.
الخطوة تكشف مرحلة جديدة في سوق AI، حيث لم تعد المشكلة هي قدرة الشركات على إطلاق خصائص جديدة، وإنما معرفة أي منها يستحق الاستمرار. وبالنسبة إلى Microsoft، فإن نجاح Copilot خلال المرحلة المقبلة سيعتمد على تحويله من مجموعة أدوات AI إلى مساعد موحد قادر على فهم سياق المستخدم وتنفيذ مهام فعلية عبر منتجات الشركة المختلفة.
NVIDIA تراهن على خطة بـ500 مليار دولار.. والمخاطرة في عمر الـGPU
تتحرك NVIDIA نحو نموذج جديد للاستفادة من الطفرة الهائلة في البنية التحتية للذكاء الاصطناعي، مع خطط واستثمارات مرتبطة بحجم يصل إلى 500 مليار دولار. الفكرة لا تعتمد فقط على بيع وحدات معالجة الرسوميات، وإنما على بناء منظومة مالية وتجارية تجعل شرائح NVIDIA جزءا من دورة استثمارية طويلة الأجل في مراكز البيانات.
المشكلة أن عمر وحدات GPU قصير نسبيا مقارنة بعمر التمويلات والاستثمارات التي يمكن ان ترتبط بها. وهذا يخلق مخاطرة حقيقية: إذا تم تمويل بنية تحتية ضخمة باستخدام شرائح قد تصبح قديمة تقنيا خلال سنوات قليلة، فإن قيمة الضمانات المستخدمة في هذه الصفقات يمكن ان تتراجع قبل انتهاء الالتزامات المالية.
لكن الجانب الآخر من المعادلة هو ان الطلب على الحوسبة ما زال يرتفع بسرعة، ومع استمرار الشركات في تدريب وتشغيل نماذج AI ضخمة، يمكن ان تظل الأجيال السابقة من الشرائح مفيدة لفترة أطول مما كان متوقعا. لذلك تراهن NVIDIA على ان الطلب المستمر على الحوسبة سيحول الـGPU من مجرد قطعة Hardware إلى أصل أساسي في اقتصاد الذكاء الاصطناعي.
مستخدمو Claude غاضبون من العلامة المائية للنصوص
أثارت خطوة Anthropic الخاصة بإضافة علامات مائية غير مرئية إلى النصوص التي ينتجها Claude ردود فعل غاضبة من بعض المستخدمين، خصوصا من أشخاص يستخدمون النموذج في العمل والدراسة. العلامة المائية لا تظهر للمستخدم بشكل مباشر، لكنها مصممة بحيث يمكن للأنظمة المتخصصة اكتشاف ان النص تم إنتاجه أو معالجته بواسطة Claude.
المشكلة بالنسبة إلى بعض المستخدمين هي ان التقنية قد تجعل استخدام AI في مهام بسيطة مثل إعادة الصياغة والتحرير والمساعدة في الكتابة قابلا للاكتشاف. وفي المقابل، تقول Anthropic ان العلامة المائية لا تعتمد على أحرف مخفية أو تغيير واضح في شكل النص، وان الهدف الاساسي منها هو زيادة الشفافية حول المحتوى الذي تم إنشاؤه بواسطة AI.
الخطوة مرتبطة ايضا بالاتجاه التنظيمي في أوروبا، حيث تتزايد الضغوط على شركات الذكاء الاصطناعي لوضع آليات تساعد على تحديد المحتوى الناتج عن AI. ومع انتشار هذه التقنيات، قد يتحول السؤال من “هل استخدمت الذكاء الاصطناعي؟” إلى “إلى أي مدى استخدمت الذكاء الاصطناعي في إنتاج هذا المحتوى؟”.
Spotify تضع علامة AI Persona على حسابات الفنانين المصنوعة بالذكاء الاصطناعي
أعلنت Spotify عن نظام جديد يحمل اسم AI Persona بهدف مساعدة المستخدمين على معرفة الحسابات التي تمثل فنانين أو شخصيات تم إنشاؤها بالذكاء الاصطناعي. العلامة ستظهر في أماكن مختلفة مثل صفحات الفنانين ونتائج البحث وقوائم التشغيل، لمساعدة المستمع على التفرقة بين الفنانين الحقيقيين والحسابات الاصطناعية.
النظام يعتمد بشكل أساسي على الإفصاح من أصحاب الحسابات، لكن Spotify تحتفظ ايضا بحق مراجعة الحسابات التي تعتقد انها تستخدم AI، ووضع علامة “Likely AI Persona” عليها مع منح صاحب الحساب فرصة للتوضيح أو الاعتراض. وتخطط الشركة لبدء طرح العلامات على نطاق أوسع خلال سبتمبر 2026.
لكن الخطوة لا تعني بالضرورة ان Spotify ستضع علامة على كل موسيقى تم توليدها بالذكاء الاصطناعي، إذ يركز النظام على هوية الفنان والصور والملف الشخصي أكثر من محتوى الأغنية نفسها. وهذا يفتح بابا جديدا للنقاش حول كيفية تعامل منصات الموسيقى مع المحتوى الاصطناعي، خصوصا مع زيادة إنتاج الأغاني باستخدام AI.
Anthropic تبدأ وضع علامة مائية على كل النصوص التي ينتجها Claude
كشفت Anthropic عن نظام لوضع علامات مائية غير مرئية داخل النصوص التي ينتجها Claude، بحيث يمكن اكتشافها آليا حتى بعد نسخ النص ولصقه في مكان آخر. التقنية تعتمد على تعديل احتمالات اختيار الكلمات بطريقة إحصائية، بحيث تظل العلامة غير مرئية للقارئ لكنها قابلة للاكتشاف باستخدام مفتاح أو أداة متخصصة.
وتقول الشركة ان النظام لا يضيف كلمات أو رموزا مخفية داخل النص، كما انه لا يهدف إلى تغيير معنى المحتوى. العلامة ستطبق تدريجيا على نماذج Claude، مع توسيع نطاقها لتشمل خدمات Claude المختلفة وواجهات API وأدوات مثل Claude Code.
الخطوة يمكن ان تصبح واحدة من أهم الأدوات في معركة إثبات مصدر المحتوى، خاصة مع انتشار النصوص المولدة بالذكاء الاصطناعي في التعليم والإعلام والعمل. وفي الوقت نفسه، تظل هناك حدود للتقنية، فإعادة كتابة النص بالكامل أو ترجمته أو دمجه مع محتوى بشري يمكن ان يقلل من إمكانية اكتشاف العلامة.
OpenAI تطلق نموذجا جديدا للأمن السيبراني مع تزايد الهجمات المدعومة بالـAI
أطلقت OpenAI نموذجا جديدا مخصصا للأمن السيبراني، في ظل تزايد استخدام أدوات الذكاء الاصطناعي من جانب المهاجمين لتسريع عمليات اكتشاف الثغرات وكتابة البرمجيات الخبيثة وتنفيذ الهجمات. الخطوة تأتي في وقت أصبحت فيه قدرات AI جزءا من المعركة بين المدافعين عن الأنظمة والمهاجمين عليها.
النموذج مصمم للمساعدة في تحليل التهديدات واكتشاف الثغرات وفهم البرمجيات والتعامل مع مهام أمنية معقدة. والهدف هو استخدام القدرات الاستدلالية للنماذج الحديثة في الجانب الدفاعي، بحيث تستطيع فرق الأمن التعامل مع حجم متزايد من البيانات والهجمات بصورة أسرع.
لكن إطلاق نموذج بهذه القدرات يوضح ايضا المفارقة التي تواجهها صناعة AI: نفس الأدوات التي يمكن ان تساعد الشركات على حماية أنظمتها يمكن ان يستخدمها المهاجمون لرفع مستوى الهجمات. ولذلك أصبح الأمن السيبراني واحدا من أهم المجالات التي تحدد طريقة تطوير ونشر نماذج الذكاء الاصطناعي المتقدمة.
Meta تكشف Muse Glimmer وتقترب خطوة من رؤية Zuckerberg للذكاء الشخصي
أطلقت Meta نموذج الذكاء الاصطناعي الجديد Muse Glimmer، وهو نموذج مفتوح الأوزان مصمم لتشغيل مهام Agentic AI على أجهزة المستخدمين، بدلا من الاعتماد الكامل على مراكز البيانات. النموذج يضم 30 مليار معامل، وتم تصميمه ليكون قادرا على العمل محليا على أجهزة مزودة بوحدة GPU واحدة.
إطلاق النموذج جاء بالتزامن مع رؤية طويلة عرضها Mark Zuckerberg حول مستقبل الذكاء الاصطناعي، تقوم على وجود مساعد شخصي قادر على مساعدة كل فرد في التعلم والعمل والإبداع وريادة الأعمال. Meta ترى ان الوصول الواسع إلى نماذج AI المفتوحة يمكن ان يمنع احتكار قدرات الذكاء الاصطناعي من جانب عدد محدود من الشركات.
وتشير الخطوة إلى ان Meta تريد المنافسة بطريقة مختلفة عن OpenAI وGoogle وAnthropic، من خلال دفع النماذج المفتوحة إلى الأجهزة والمطورين بدلا من حصرها داخل خدمات الشركة. كما أعلنت Meta عن خطط لنماذج أكثر قوة، في محاولة لبناء منظومة تجعل AI جزءا دائما من حياة المستخدم وليس مجرد تطبيق يفتحه عند الحاجة.
Anthropic تحذر من ارتفاع مخاطر الذكاء الاصطناعي وتؤجل Model 2
حذرت Anthropic من ارتفاع مستوى المخاطر المرتبطة بالنماذج المتقدمة، وقالت انها لا تعتزم حاليا طرح نموذجها الداخلي الأكثر قوة المعروف باسم Model 2، رغم ان النموذج أظهر تحسنا كبيرا في عدد من المهام الداخلية. الشركة ترى ان احتمالات حدوث أضرار خطيرة ما زالت منخفضة، لكنها ارتفعت مقارنة بتقييمات سابقة.
أحد أسباب القلق يرتبط بالتطور السريع في قدرات النماذج في الأمن السيبراني، وهو مجال يمكن ان تتحول فيه زيادة القدرات من ميزة إلى خطر إذا وقعت الأدوات في أيدي جهات تستخدمها بشكل عدائي. وتقول Anthropic ايضا انها لا تزال تواجه صعوبة في فهم جميع قدرات النماذج المتقدمة والتنبؤ الكامل بالمخاطر الناتجة عنها.
القرار يعكس تحولا مهما في سباق AI، حيث لم يعد إطلاق النموذج الأقوى دائما هو الهدف الوحيد. شركات مثل Anthropic وOpenAI أصبحت مطالبة بالموازنة بين سرعة المنافسة وبين القدرة على فهم المخاطر قبل طرح نماذج جديدة، خصوصا مع انتقال النماذج من مجرد أدوات للإجابة إلى أنظمة قادرة على تنفيذ مهام معقدة بصورة مستقلة.
Google تتيح إزالة العلامة المائية المرئية من الصور المولدة بالـAI
أتاحت Google إمكانية إزالة العلامة المائية المرئية من بعض الصور التي تم إنشاؤها باستخدام أدوات الذكاء الاصطناعي التابعة لها. العلامة كانت تستخدم للإشارة إلى ان الصورة تم توليدها أو تعديلها باستخدام AI، ضمن جهود الشركة لزيادة الشفافية حول المحتوى الاصطناعي.
لكن إزالة العلامة المرئية لا تعني اختفاء كل آليات إثبات مصدر الصورة، إذ تعتمد Google ايضا على تقنيات مثل SynthID التي يمكن استخدامها للتعرف على المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي. وهذا يوضح الفرق بين العلامة التي يراها المستخدم وبين البيانات أو الإشارات التقنية التي يمكن للأنظمة المتخصصة اكتشافها.
الخطوة تثير نقاشا مهما حول التوازن بين حقوق المستخدم في التعامل مع الصور التي ينتجها وبين الحاجة إلى الحفاظ على وسائل تمييز المحتوى الاصطناعي. ومع انتشار الصور المولدة بالـAI، أصبحت تقنيات provenance والعلامات المائية جزءا أساسيا من البنية الجديدة للإنترنت.
OpenAI تسرع GPT-5.6 مع وضع Ultrafast
طرحت OpenAI وضعا جديدا باسم Ultrafast لتسريع أداء GPT-5.6 Sol، مع التركيز على المستخدمين الذين يحتاجون إلى استجابات سريعة في المهام اليومية. وتصل الزيادة المعلنة في السرعة إلى نحو 14 مرة في بعض الاستخدامات، ما يعكس سباقا جديدا لا يتعلق فقط بمدى ذكاء النموذج، وإنما بسرعة الحصول على النتيجة.
السرعة أصبحت عاملا حاسما في سوق AI، خصوصا مع انتقال الاستخدام من المحادثات البسيطة إلى الوكلاء الذين ينفذون سلسلة طويلة من العمليات. كل ثانية إضافية في استجابة النموذج يمكن ان تتضاعف تكلفتها عندما يكون النظام يشغل آلاف أو ملايين العمليات في الخلفية.
وبالتالي فإن OpenAI تحاول الجمع بين قدرات النموذج المتقدمة وتجربة استخدام أقرب إلى التطبيقات التقليدية السريعة. هذا الاتجاه يضع ضغطا أكبر على المنافسين، خصوصا النماذج السريعة مثل Google Gemini Flash وDeepSeek Flash، التي تحاول تقديم توازن بين السرعة والتكلفة والقدرات.
DeepSeek ترفع أسعار V4 Pro مع إطلاق النسخة الجديدة
أطلقت DeepSeek تحديثا جديدا من V4 Pro، بالتزامن مع تعديل كبير في أسعار استخدام النموذج عبر الـAPI. وتشير البيانات المتاحة إلى ان سعر مليون Token خلال ساعات الذروة ارتفع من 0.87 دولار إلى 3.96 دولار، رغم ان النموذج لا يزال أرخص من عدد من المنافسين في السوق.
النموذج الجديد يركز بشكل كبير على قدرات Agents والبرمجة والاستدلال، كما أضاف دعما أصليا لـResponses API وتحكما أكبر في مستوى التفكير. وتقول DeepSeek ان النسخة الجديدة حققت تحسينات ملحوظة في عدد من اختبارات البرمجة والمهام التي تعتمد على الوكلاء.
لكن زيادة الأسعار تمثل تحولا مهما بالنسبة إلى DeepSeek، التي بنت جزءا كبيرا من شهرتها على تقديم نماذج قوية بتكلفة منخفضة. ومع ارتفاع تكلفة تشغيل النماذج المتقدمة، يبدو ان السوق بدأ يتحرك تدريجيا من معركة “أرخص نموذج” إلى معركة تحقيق أفضل توازن بين السعر والأداء.
Apple تطور نموذجا خاصا بالذكاء الاصطناعي للسوق الصيني بدعم Alibaba
تعمل Apple على تطوير نموذج ذكاء اصطناعي خاص بالسوق الصيني بالتعاون مع Alibaba، في تحول عن استراتيجية الشركة السابقة التي اعتمدت بشكل أكبر على نماذج شركاء محليين. النموذج الجديد مصمم للتعامل مع المتطلبات التنظيمية والسوقية الخاصة بالصين.
ومن المتوقع ان يدخل النموذج ضمن منظومة Apple Intelligence في الصين، إلى جانب تقنيات من Alibaba ومكونات محتملة من Baidu. وتحتاج Apple إلى الالتزام بالقيود الصينية على خدمات الذكاء الاصطناعي، في ظل عدم إمكانية الاعتماد على نماذج أمريكية مثل ChatGPT وClaude بنفس الطريقة المتاحة في الأسواق الأخرى.
الخطوة تكشف أهمية السوق الصيني بالنسبة إلى Apple، خصوصا مع تزايد المنافسة من شركات محلية مثل Huawei التي تتحرك بسرعة في مجال الذكاء الاصطناعي. كما تعكس استراتيجية جديدة لدى Apple تقوم على بناء نسخ مختلفة من منظومة AI بحسب طبيعة كل سوق ومتطلباته التنظيمية.
Google تطلق Gemini 3.7 Flash للبرمجة والوكلاء
أطلقت Google نموذج Gemini 3.7 Flash، الذي تستهدف به مهام البرمجة وتطوير الويب والعمل المعرفي المعقد والـAI Agents. النموذج يجمع بين قدرات أعلى في تنفيذ المهام وبين سرعة التشغيل، وهو ما يجعله موجها بشكل خاص للتطبيقات التي تحتاج إلى عدد كبير من الاستدعاءات.
Google تقول ان النموذج يقدم تحسنا في دقة البرمجة من المحاولة الأولى، واتباع التعليمات، وتصميم واجهات المستخدم، كما أصبح متاحا للمطورين عبر Gemini API وGoogle AI Studio وAndroid Studio، وللمؤسسات عبر Gemini Enterprise.
وتحاول Google من خلال Flash المنافسة على واحدة من أهم ساحات AI حاليا: النماذج السريعة والرخيصة التي يمكن استخدامها لتشغيل Agents على نطاق واسع. النموذج متاح بسعر تمهيدي يبلغ 0.75 دولار لكل مليون Token للمدخلات و3.75 دولار للمخرجات حتى نهاية 2026، قبل ارتفاع الأسعار في 2027.
Claude يدخل إلى متصفحك ويكمل مهامك على الكمبيوتر والهاتف
تتجه Anthropic إلى جعل Claude أكثر استقلالية من خلال قدرات تسمح له بالتعامل مع المتصفح وتنفيذ مهام على الكمبيوتر والهاتف بدلا من الاكتفاء بتقديم إجابات نصية. الفكرة هي ان المستخدم يمكنه تكليف Claude بمهمة، ثم يترك النموذج يتعامل مع الأدوات والخطوات المطلوبة لتنفيذها.
هذا النوع من الاستخدام يمثل انتقالا من Chatbot إلى Agent قادر على تنفيذ المهام. بدلا من سؤال Claude عن كيفية إجراء شيء ما، يمكن للنموذج تنفيذ سلسلة الخطوات بنفسه، مثل التنقل بين المواقع أو التعامل مع التطبيقات والملفات وإنجاز إجراءات متتابعة.
التوجه يضع Anthropic في قلب سباق جديد بين شركات AI، حيث أصبحت المنافسة تدور حول من يستطيع بناء Agent قادر على تنفيذ العمل الحقيقي بأقل تدخل من المستخدم. وكلما زادت قدرة هذه الأنظمة، زادت في المقابل الحاجة إلى أنظمة صلاحيات ومراجعة تمنعها من تنفيذ إجراءات غير مقصودة.
Elon Musk يبدأ بناء Terafab لتصنيع الشرائح والأنظمة الإلكترونية في Texas
بدأ Elon Musk التحرك لإنشاء Terafab في Texas، وهي منشأة ضخمة تستهدف تصنيع أشباه الموصلات والرقائق الإلكترونية. المشروع يعكس توجه Musk إلى تقليل الاعتماد على سلاسل التوريد الخارجية وبناء قدرة تصنيع كبيرة يمكن استخدامها في مشاريع الذكاء الاصطناعي والروبوتات والسيارات والفضاء.
وجود قدرة تصنيع خاصة بالشرائح يمكن ان يمنح شركات Musk مرونة أكبر في الحصول على المكونات الأساسية، خصوصا مع ارتفاع الطلب العالمي على GPUs وAI accelerators. كما ان تصنيع الشرائح أصبح جزءا من المنافسة الاستراتيجية بين الولايات المتحدة والصين، وليس مجرد نشاط صناعي تقني.
المشروع ينسجم مع استراتيجية Musk الأوسع لدمج البرمجيات والذكاء الاصطناعي والروبوتات والعتاد داخل منظومة واحدة. وإذا نجحت Terafab في الوصول إلى إنتاج واسع النطاق، فقد تصبح واحدة من أهم حلقات سلسلة AI التي يحاول Musk بناءها حول SpaceX وxAI وTesla.
Grok Bot يحول الذكاء الاصطناعي إلى موظف يعمل بدلا منك
تتجه xAI إلى تحويل Grok من مساعد يجيب على الأسئلة إلى Agent قادر على تنفيذ مهام كاملة نيابة عن المستخدم من خلال Grok Bot. الفكرة تقوم على إعطاء النظام صلاحية استخدام التطبيقات وتنفيذ إجراءات متتابعة، بدلا من انتظار المستخدم لتنفيذ كل خطوة بنفسه.
هذا النوع من الأنظمة يمكن ان يتعامل مع مهام مثل تسجيل الدخول إلى التطبيقات، كتابة الرسائل، التعامل مع الملفات أو تنفيذ مهام برمجية. وبالتالي يصبح AI أقرب إلى موظف رقمي يعمل بتوجيه عام من المستخدم، وليس مجرد أداة تحتاج إلى أمر منفصل لكل خطوة.
التطور يمثل واحدة من أهم مراحل تحول سوق الذكاء الاصطناعي حاليا، حيث تتنافس الشركات على بناء Agents يستطيع المستخدم تفويض المهام لهم بالكامل. لكن نجاح هذا النموذج سيعتمد بدرجة كبيرة على الثقة، لأن إعطاء AI صلاحيات واسعة يعني ان الخطأ لم يعد مجرد إجابة غير صحيحة، بل قد يتحول إلى إجراء فعلي داخل حسابات المستخدم.