أندرويد وiOS وهارموني أو إس وويندوز تدخل عصر الوكلاء مع دمج الذكاء الاصطناعي على مستوى النظام

المقال | Yunyong AI، الكاتب | هوانغ يونهاو

في 12 مايو 2026، عقدت Google مؤتمر Android Show | I/O Edition، وهو حدث مخصص لـ Android قبل مؤتمر I/O في 19 مايو. وحدد سامير سامات، رئيس قطاع نظام Android، اتجاه هذا الحدث: أن يتحول Android من نظام تشغيل إلى نظام ذكي. ويتبع هذا الخط الرئيسي Gemini Intelligence — مجموعة من القدرات الذكية النشطة على مستوى نظام Android.

ملصق مؤتمر 2026 Android Show | إصدار I/O
المصدر: Android Headlines

مقارنةً بتركيب Gemini Nano + AICore من العام الماضي، قامت Google الآن بدمج قدرة Agent على عبور التطبيقات والسياقات بشكل أعمق على مستوى نظام التشغيل: أتمتة المهام عبر التطبيقات (الطلب من مطاعم، التسوق، إجراء الطلبات)، ملء النماذج تلقائيًا، تلخيص الصفحات الإلكترونية، وعناصر واجهة مخصصة، وهي مدرجة بالتسلسل ضمن قائمة القدرات على مستوى النظام. كما حددت Google التحكم الصريح من قبل المستخدم (explicit user control)، وحماية البيانات الشاملة (comprehensive data protection)، والشفافية التشغيلية (operational transparency) كمبادئ ثلاثية للمنتج.

في خطاب I/O الذي سيُعقد في 19 مايو بعد أسبوع، بدأ رئيس تنفيذي جوجل سوندار بيتشاي بهذه الفكرة:

مرحبًا بكم في عصر Gemini المُعتمد على الوكلاء

لم تكن جوجل من أوائل من انضموا إلى موجة تحول أنظمة التشغيل الطرفية إلى وكلاء.

أطلقت مايكروسوفت Copilot+PC في Build 2024 في مايو 2024 (فئة جديدة من أجهزة Windows 11 مزودة بـ NPU بقدرة 40+ TOPS)، ودمجت قدرات الوكيل في نظام التشغيل من خلال ثلاث ميزات: النموذج الصغير على الحافة Phi Silica، وقدرة الشاشة Click to Do، والتذكير النظامي بالأنشطة Recall.

في WWDC24 في يونيو 2024، أعلنت Apple رسميًا عن "Apple Intelligence"، ووضعتها في ذلك الوقت كـ"نظام ذكاء شخصي"، ثم أطلقت تدريجيًا بعض الوظائف المساعدة بالذكاء الاصطناعي، إلا أن قدرات العامل الأساسي لـ Apple Intelligence لم تُطرح بعد بسبب تأخر نموذجها الكبير الخاص ومشكلات Siri الضعيفة.

في يونيو 2025، أطلقت هواوي HarmonyOS 6 وإطار عمل الوكلاء الذكية لهارموني (HMAF) خلال HDC 2025، ثم تم إطلاق ساحة وكلاء Xiao Yi بـ أكثر من 80 وكيلًا.

الاتجاه الكبير نحو تحويل نظام التشغيل على الحافة قد ظهر في نفس الوقت على أنظمة التشغيل الرئيسية مثل Android و iOS و HarmonyOS و Windows.

ما يتم عرضه في المؤتمر هو فقط الوظائف، أما ما يتنافس عليه مصنعو أنظمة التشغيل حقًا فهو الأساس الثلاثي الذي يدعم تشغيل وكيل نظام التشغيل بشكل موثوق وحل المشكلات الفعلية: بيئة تشغيل الذكاء الاصطناعي على مستوى النظام، والرقائق القابلة للتحكم، ومصفوفة النماذج بين الجهاز والسحابة.

نظام AI على مستوى النظام: مركز جدولة الذكاء الاصطناعي على الحافة

الـ Runtime هو محرك الاستنتاج وخدمات النظام التي تعمل على الجانب المحلي للنموذج. من الأسفل، يتصل مباشرة بوحدة معالجة العصبونات (NPU) وجدولة موارد النظام؛ ومن الأعلى، يعرض قدرات الاستنتاج عبر واجهات برمجة تطبيقات ثابتة لجميع التطبيقات. إنه يحول النماذج المحلية إلى "ذكاء مشترك على مستوى النظام": مشاركة أوزان النموذج عبر التطبيقات، وجدولة موحدة للقوة الحسابية والذاكرة، ودعم استدعاء الأدوات المطلوبة للوكلاء، وتوجيه التوليد، وربط السياق والصلاحيات. إنه يحدد ما إذا كان وكيل النظام مجرد زر دردشة داخل تطبيق، أم خدمة مستمرة قادرة على تنفيذ عمليات على مستوى النظام.

أكمل عينة داخل نظام Android هي Google AICore. في ديسمبر 2023، تم إطلاق AICore كخدمة نظام (system service) ضمن Android 14؛ وفي أغسطس 2025، أصبح Gemini Nano متاحًا للمطورين عبر واجهات برمجة تطبيقات ML Kit GenAI. من قاعدة خدمة النظام إلى واجهات برمجة تطبيقات مستقرة موجهة للتطبيقات، استغرق AICore تقريبًا عامين لصقله باستمرار.

تتبع شركات أنظمة التشغيل الأخرى نفس المسار، لكن بوتيرة مختلفة. أطلقت Apple في WWDC25 إطار Foundation Models للمطورين، والذي يحتوي مسبقًا على مُزيّن @Generable، واستدعاء الأدوات، والتوليد الموجه (guided generation)، والجلسات ذات الحالة (stateful session)، مع ربطه بخلفية نموذج أساسي محلي بحوالي 3 مليار معلمة، مدعومًا بحسابات سحابية خاصة. وقد دمجت Microsoft إطار端侧 AI Foundry on Windows وPhi Silica داخل Windows 11، باستخدام Windows ML كخلفية استنتاجية أسفلية. وأطلقت Huawei في HDC 2025 مجموعة Agent Framework Kit (إطار الوكلاء الذكية لهارموني، HMAF)، وفتحت نظام النوايا وبروتوكول التعاون بين الوكلاء معًا.

Android AICore كخدمة نظام، يُوجّه Gemini Nano للتنفيذ على وحدات التسريع العتادية
المصدر: Android Developers

الرقاقة القابلة للتحكم: نقطة الدعم للتكامل بين البرنامج والعتاد

حددت Google حدودًا مادية واضحة لـ Gemini Intelligence في Android Show｜I/O Edition: ستُطرح المجموعة الكاملة من الميزات لأول مرة فقط على أجهزة Pixel 10 وGalaxy S26 وغيرها من أجهزة الرأسية الأحدث، بينما لا تشمل أي طرازات من العام الماضي. وهذا يشير إلى حقيقة بسيطة: لا تزال نماذج الذكاء الاصطناعي تتطور بسرعة، ويطالب البرنامج المستمر بالمتطلبات الجديدة من الأجهزة. المعالجات القابلة للتحكم هي الأساس الذي يستوعب هذه المتطلبات، ودرجة التحكم تحدد المساحة التي تمتلكها شركات أنظمة التشغيل لضبط البرمجيات والعتاد لوكيل نظام التشغيل على الجهاز.

آيفون هو نموذج لنهج التكامل بين البرنامج والعتاد. تطورت iOS وmacOS منذ البداية جنبًا إلى جنب مع شرائح A وM، بينما قام Core ML بتغليف إدارة CPU وGPU وANE في طبقة الإطار. يستمر هذا النهج في التوسع في عصر نماذج اللغة الكبيرة. قدمت Apple Machine Learning Research مجموعة من القياسات العملية: من خلال تطبيق مسار تحسين Core ML لنشر Llama 3.1 8B Instruct على M1 Max، يمكن تحقيق سرعة تحليل محلية تصل إلى حوالي 33 رمزًا/ثانية. كما كشف تقرير تقني بعنوان "Apple Intelligence Foundation Language Models" أن Apple أجرت تحسينات على مستوى البنية، مثل مشاركة KV cache والتدريب القائم على التقدير بـ 2 بت، لتمكينها من فتح نماذج أساسية جانبية بحجم حوالي 3B للمطورين عبر إطار Foundation Models. هذا المستوى من العمق لا يمكن تحقيقه إلا عندما تمتلك الشركة شرائحها الخاصة — وهذا بالضبط هو قيمة السيطرة على الشريحة بالنسبة لشركات أنظمة التشغيل: فهو يحدد عمق التكامل بين البرنامج والعتاد، ويرفع الحد الأقصى لتجربة وكيل نظام التشغيل الجانبي.

في عصر الذكاء الاصطناعي، تقوم جوجل بنفس الشيء — منذ Pixel 6، اتبعت مسار SoC Tensor المُطوّر داخليًا، حيث يرفع Tensor G5 الأحدث أداء TPU بنسبة تصل إلى 60%، ومتوسط أداء CPU بنسبة 34%، ويُطبّق كأول SoC يشغل Gemini Nano بالإصدار الأحدث على Pixel 10. بالطبع، يعاني Tensor G5 من عيوب: أظهرت اختبارات Android Central أن تكوين الذاكرة (سعة RAM) لا يزال عائقًا في أداء الذكاء الاصطناعي، كما تفوقه Snapdragon 8 Elite في اختبار Geekbench AI؛ وفي اختبارات Macworld لـ Geekbench 6، كانت درجات G5 الأحادية والمتعددة الأنظمة أقل من A18 Pro. لا تزال جوجل تسعى للحاق، لكن المسار المتكامل المتمثل في Tensor المُطوّر داخليًا مع Gemini على الحافة قد تشكّل بالفعل.

يُعد دمج هواوي كيرين مع وحدة معالجة عصبية دافينشي ونموذج بانغو على الحافة، مسارًا آخر قابلًا للتحكم يوازي Apple وGoogle. وقد طرحت شاومي Xuanjie O1، وهي مُدخل جديد يتجه نحو تطوير رقائق قابلة للتحكم.

مصفوفة النماذج الحافة-السحابية: مصدر ذكاء العامل

مصفوفة النماذج الطرفية والسحابية هي مصدر "الذكاء" لأجهزة الطرف: فالنماذج السحابية ترفع سقف القدرة على تنفيذ المهام المعقدة، بينما تدعم النماذج الطرفية الحد الأدنى للتشغيل اليومي — حيث تقع على عاتق الطرف كل من التأخير، واستهلاك البطارية، والخصوصية، والاستقرار. كلا الطرفين ضروريان ولا يمكن الاستغناء عن أحدهما، والفرق يكمن في عمق التكامل مع نظام التشغيل. يجب دمج النماذج الطرفية في نظام تشغيل كل جهاز طرفي، مع التكامل العميق مع NPU المحلي، وتوليها هوية مزدوجة داخل نظام التشغيل: إلى الأسفل، فهي خلفية الاستدلال المحلي لـ Runtime؛ إلى الأعلى، فهي توفر واجهات برمجة تطبيقات على مستوى النظام للتطبيقات من خلال إطار عمل وSDK لـ Runtime.

التطوير الذاتي له معنى سواء في السحابة أو على الحافة، لكن العائد على الحافة أكثر وضوحًا. يمكن للنماذج المستوردة من الخارج في السحابة أن تدعم حدود القدرة، بينما تكمن مزايا التطوير الذاتي بشكل رئيسي في التحكم في التوجيه، والشروط التجارية، ووتيرة تطوير النموذج. أما على الحافة فالأمر مختلف. يتم تضمين نماذج الحافة في نظام التشغيل ووحدة معالجة الشبكة العصبية (NPU) لكل جهاز، ويتجلى العائد المباشر للتطوير الذاتي في أداء المنتج: مشاركة KV cache، والتدريب المدرك للكمية بـ 2-bit المصمم خصيصًا لجيل معين من الرقائق، وPer-Layer Embedding (المستمد من Gemma 3n، والذي يحمّل معلمات التضمين تدريجيًا من التخزين السريع على مستوى الطبقة) — كل هذه الميزات تصبح أسهل في التنفيذ فقط عندما يتم تصميم النموذج والعتاد معًا؛ وفي الوقت نفسه، لا يمكن أن يظل الإيقاع التعاوني خاضعًا لقيود مصنعي العتاد الخارجيين.

يُحسّن قدرة TPU في Tensor G5 بنسبة تصل إلى 60% مقارنة بالجيل السابق G4، لكن التحسن في Gemini Nano على G5 يتجاوز ذلك بكثير — وفقًا لـ Google الرسمية وJon Peddie Research، فإن سرعة المعالجة المحلية تصل إلى 2.6 مرة أسرع من الجيل السابق، وتنخفض استهلاك الطاقة إلى النصف، ويتسع نافذة token من 12,000 إلى 32,000 (ما يعادل معالجة حوالي مائة لقطة شاشة دفعة واحدة). هذه الأداءات المتفوقة بشكل ملحوظ تعود إلى بنية Matryoshka Transformer المرنة للاستدلال المستخدمة في Gemini Nano v3، بالإضافة إلى التحسين المتكامل مع TPU في Tensor G5.

Gemini Nano على Tensor G5 مقارنة بالقفزة الأداء من الجيل السابق
المصدر: Google/Jon Peddie Research، رسم بياني بواسطة SaaS AI

في طبقة النماذج على الحافة، تمتلك شركات أنظمة التشغيل الرئيسية جميعًا نماذجها الخاصة: Gemini Nano من Google، والنموذج الأساسي على الحافة من Apple بحوالي 3 مليار معلمة، وPhi Silica من Microsoft، ونموذج Pangu على الحافة من Huawei. التطوير الذاتي هو الخيار الافتراضي في هذه الطبقة.

يتم دمج طبقات القدرات الثلاث من الأسفل إلى الأعلى: الرقاقة القابلة للتحكم → نماذج على الجانب الطرفي/في السحابة → Runtime → Agent. تحدد الرقاقة القابلة للتحكم كفاءة الاستنتاج واستهلاك الطاقة التي يمكن تحقيقها من قبل النموذج على الجانب الطرفي، ويحدد النموذج على الجانب الطرفي الذكاء المحلي الذي يمكن لـ Runtime جدولة، ويحدد Runtime موثوقية تنفيذ Agent كخدمة نظام عبر التطبيقات. كلما كان التكامل بين الثلاثة أعمق، زادت الفروق في تجربة المنتج التي يمكن للشركات المصنعة للأنظمة التشغيلية تحقيقها على مستوى Agent على الجانب الطرفي، وزادت متانة حواجز الدخول.

كلما ازداد تداخل الطبقات الثلاث في نفس النظام البرمجي والعتادي، ظهرت قدرات منتج OS Agent التي لا يمكن تحقيقها على مستوى طبقة واحدة.

• التأخير في الاستجابة واستهلاك الطاقة. إن تحقيق Gemini Nano لسرعة معالجة تبلغ 2.6 مرة وأداء طاقة مخفض بنسبة النصف على Tensor G5 يعتمد على التوافق المتبادل بين بنية النموذج وتصميم الرقاقة وجدولة Runtime ضمن تصميم برنامج وعتاد من الجيل نفسه، فقط بهذه المستوى من التحسين يمكن أن تظهر النتائج.
• الخصوصية والثقة. يتم إنجاز المهام الشائعة التي تتضمن بيانات خاصة بواسطة نماذج على الجانب الطرفي، بينما تُحال الطلبات المعقدة إلى السحابة — هذه هي الموقف الافتراضي المعقول الذي يتبنّاه OS Agent تجاه بيانات المستخدم في هذه المرحلة. تحدد التكاملات الثلاثة ما إذا كان يمكن تحقيق "الأولوية للطرفية، مع السحابة كاحتياط" حقًا: التوافق العميق بين NPU والنماذج الطرفية هو المسار الأساسي الذي يمكّن النماذج الطرفية، التي لا تزال في مراحل تطويرها، من تحمل عبء الاستدلالات المتكررة اليومية؛ تقليل الضغط ومشاركة ذاكرة KV للنماذج من أجل NPU؛ وتحديد Runtime لمسار المهمة بين الطرفية والسحابة بناءً على تعقيدها. أي تقصير في أي من الطبقات الثلاث يجعل "الأولوية للطرفية" مجرد شعار تسويقي.
• في السياق النظامي، يقوم مُصنّع نظام التشغيل بإعادة تشكيل بيانات المستخدم عبر التطبيقات ومستويات النظام (الفهرسة الدلالية، إدراك الشاشة، الذاكرة الطويلة الأمد) إلى سياق شخصي على مستوى النظام ليُقدّمه للوكيل، وهو ما يُعدّ شرطًا أساسيًا لفهم الوكيل الحقيقي للمستخدم، وأيضًا السمة المميزة للوكيل النظامي مقارنة بالوكلاء على مستوى التطبيق الواحد. يعتمد التنفيذ على ثلاث طبقات مترابطة: يحتفظ Runtime بفهارس عبر التطبيقات وصلاحياتها، وتنفذ النماذج على الطرف المُستقبِل وظيفة الفهم والاستدلال باستمرار، ويوفّر NPU قوة حوسبة محلية فعّالة. تُنشئ Apple Core Spotlight فهرسًا دلاليًا على الجهاز، وتُدمج التطبيقات إجراءاتها وبياناتها في النظام عبر App Intents، وسيحصل الوكيل على السياق من خلال Personal Context (وقد أعلنت Apple أن هذه الميزة ستُطرح مع تحديثات برمجية مستقبلية)؛ أما على جانب Android، فتتبع AppFunctions نفس المسار.
• موثوقية الخدمة النظامية. يجب أن يُستدعى عامل النظام كخدمة على مستوى النظام، ويجب أن يظل متاحًا في سيناريوهات واقعية مثل عدم الاتصال بالإنترنت، والبطارية المنخفضة، وانخفاض الأداء بسبب الحرارة. يتم تشغيل النموذج الطرفي باستمرار على الجهاز، مما يسمح لعامل النظام بالعمل دون اتصال بالشبكة؛ ويتحمل وحدة معالجة الأعصاب (NPU) المُحسّنة بدرجة عالية من حيث البرمجيات والأجهزة الاستنتاج منخفض الاستهلاك للطاقة؛ ويُعيد توزيع Runtime التخزين حسب التوافر عند نقص موارد الجهاز (التبديل إلى نموذج أخف، أو توجيه الطلب إلى السحابة). إذا غاب أي طبقة من الطبقات الثلاث، فلن يتمكن عامل النظام من دعم شكل الخدمة النظامية، وسيتراجع إلى زر محادثة على مستوى التطبيق.

تقدم Apple Intelligence نموذجًا تعاونيًا متكاملًا: Apple Silicon ونماذج أساسية محلية بحجم حوالي 3B و إطار Foundation Models الذي يتكامل من الأسفل إلى الأعلى، حيث يتم معالجة السيناريوهات الشائعة محليًا، بينما تُنقل الطلبات المعقدة إلى الحوسبة السحابية الخاصة. أما Google فتتبع شكلًا مختلفًا. يُعد Tensor G5 أول SoC يُشغل بالكامل أحدث إصدار من Gemini Nano، ويتم توزيعه على Pixel 10، مع إدارة موحدة من قبل AICore، مما يسمح بتمكين ميزات الوكلاء النظامية مثل Magic Cue وPixel Screenshots بشكل افتراضي دون الاعتماد على السحابة. أما Huawei فهي النموذج البارز في بناء التكامل الثلاثي المستوى محليًا:麒麟 وNPU دافينشي و盘غ محلي وHMAF — جميعها مملوكة بالكامل، ومترابطة من الأسفل إلى الأعلى لتشكيل قاعدة ثلاثية الطبقات متكاملة.

آلية تداخل الطبقات الثلاثة لوكيل نظام التشغيل على الحافة
المصدر: Yunyong AI

الطبقة الثلاثية المتكاملة هي جوهر بناء خندق الحماية. فوق القاعدة، هناك العديد من المتغيرات التي تؤثر على قدرة المنتج في عصر OS Agent، مثل قدرة الوكلاء على التفاعل مع التطبيقات وحماية الخصوصية، وغيرها.

يتمحور تفاعل OS Agent مع التطبيقات في قلب التنافس بين مصنعي أنظمة التشغيل ومصنعي التطبيقات. حاليًا، هناك مساران متوازيان. الأول هو التعرف على الشاشة والأتمتة، ويشمل مشاركة الشاشة من Gemini Live، وذكاء Apple البصري، وCircle to Search، إلخ. يعتمد OS Agent على قراءة الشاشة والنقر على الأزرار للتدخل في التطبيقات، وهو ما يمكن تنفيذه لمهمة واحدة، لكنه يفتقر دائمًا إلى معلومات منظمة، مما يجعل بناء سير عمل مستقر متعدد الخطوات صعبًا. والمسار الآخر هو التكامل العميق عبر واجهات برمجة التطبيقات (API)، ويشمل Google AppFunctions وApple App Intents و华为Intents Kit، إلخ. حيث تُعرّض التطبيقات إجراءاتها الأساسية كواجهات منظمة للنظام، مما يسمح لـ OS Agent بالاستدعاء بشكل مستقر وبناء سير عمل متعدد الخطوات. إن نجاح مسار واجهات برمجة التطبيقات لا يعتمد على مصنعي أنظمة التشغيل، بل على مصنعي التطبيقات. إن تسليم الوظائف الأساسية للاستدعاء من قبل OS Agent يعني أن المستخدمين قد يتوقفون عن فتح التطبيقات مباشرةً، مما يعرض العلامة التجارية، والمواقع الإعلانية، وبيانات السلوك، ونقاط الدفع للخطر من حيث احتمال استحواذ نظام التشغيل عليها. وسيكون هذا نقطة التنافس الأساسية على حق توزيع حركة المرور على الأجهزة من جانب المستخدم.

حماية الخصوصية هي القيمة الأساسية والحد الأدنى للأنظمة الجانبية. تمتلك شركات أنظمة التشغيل أعلى مستويات الصلاحيات النظامية وأكثر البيانات الحساسة للمستخدمين، حيث تُعد الخصوصية موقفًا أساسيًا وشرطًا مسبقًا لتنفيذ الأمرين السابقين على المدى الطويل. وقد بنت Apple نظامًا لحماية الخصوصية يعتمد على الجهاز من خلال مشاركة نفس التصميم الأمني على مستوى الأجهزة بين شريحة Secure Enclave الجانبية المستقلة وعقد PCC الحوسبة السحابية الخاصة، وقد مكّنت هذه الاستراتيجية المنتج من جعل "الخصوصية. هذه هي Apple." علامةً علامتها التجارية الأساسية في الأسواق العليا عالميًا، مما أدى إلى كسب ثقة المستخدمين.

علامة "الخصوصية. هذه هي Apple." من Apple
المصدر: موقع Apple الرسمي

العناصر الثلاثة المتكاملة تشكل جوهر الخندق الدفاعي، بينما تؤثر هذه المتغيرات طويلة الأجل فوق القاعدة على مدى عمق التقوية الممكنة.

في ظل اتجاه تحول أنظمة التشغيل الطرفية إلى عوامل مساعدة، كلما كانت الطبقات الثلاث الأساسية — بيئة تشغيل الذكاء الاصطناعي على مستوى النظام، الرقائق القابلة للتحكم، ومصفوفة النماذج بين الطرف والخادم — أكثر متانة، زادت الحد الأدنى لجودة المنتج ومساحة التمايز التي تتمتع بها شركات أنظمة التشغيل في هذه المنافسة. فقط الشركات التي تستغل هذا الاتجاه لديها فرصة لدفع إعادة توزيع حقوق تدفق الدخول الطرفي، والحصول على موقع تنافسي أقوى.

لا تقتصر هذه الاتجاهات على الهواتف وأجهزة الكمبيوتر. إن القدرات الأساسية لـ OS Agent تتوسع عبر أنظمة الأجهزة المتعددة التي بنتها الشركات، خاصة في مجال إنترنت الأشياء. فالمعالجات القابلة للتحكم تنتقل إلى سيناريوهات مثل SoC السيارات، حيث قامت هواوي بوضع أساس رقاقات كيرين المخصصة للسيارات، ودخل نظام "بي بونغ" من شاومي سياراتها الخاصة؛ كما تنتقل النماذج الجانبية إلى أجهزة جديدة مثل النظارات بأسلوب خفيف، وستطرح نظارات Android XR الذكية التي طورتها جوجل وسامسونغ وGentle Monster وWarby Parker في خريف عام 2026؛ بينما يمتد التكامل بين Runtime وAgent عبر الإطارات "الطرفية الفائقة/الموزعة" التي وضعتها الشركات، مثل نظام هواوي 1+8+N وخط النقل الناعم الموزع لهارموني، و"النظام البيئي الكامل للإنسان والسيارة والمنزل" وHyperConnect من شاومي، وContinuity من Apple، وSDK عبر الأجهزة والخدمات المتعددة من جوجل. هذه المعركة الخاصة بـ OS Agent لا تقتصر على مصير الهواتف وأجهزة الكمبيوتر فقط.

تم تحسين AICore على مدار عامين تقريبًا؛ استغرق تكامل نظام Apple مع سلسلة شرائح Apple Silicon عشرات السنين؛ تطور Tensor حتى G5 ليتمكن Pixel 10 من تحمل عبء Gemini Nano v3. مسار هذه المعركة لا يُحدَّد في ساعة أو ساعتين من العروض الترويجية، بل يُصنع عبر أجيال من الشرائح والنماذج وRuntime.

المراجع:

• Gemini Intelligence تجلب الذكاء الاصطناعي الاستباقي إلى Android｜مدونة Google
• I/O 2026: مرحبًا بكم في عصر Gemini الوكيلي | مدونة Google
• Phi Silica، نموذج صغير لكنه قوي على الجهاز｜مدونة تجربة Windows
• Apple تؤجل ترقية Siri إلى أجل غير مسمى｜Bloomberg
• إطلاق نسخة بيتا للمطورين لـ HarmonyOS 6 (HDC 2025) | Huawei
• أحدث Gemini Nano مع واجهات برمجة تطبيقات ML Kit GenAI على الجهاز｜مدونة مطوري Android
• وثائق إطار عمل النماذج الأساسية｜Apple Developer
• كتاب أبيض لإطار العمل الذكي لهارموني: مطورو هواوي
• Llama 3.1 على الجهاز مع Core ML｜أبل لأبحاث التعلم الآلي
• تقرير تقني لنموذج اللغة الأساسي لـ Apple Intelligence 2025｜أبحاث التعلم الآلي لشركة Apple
• Google Tensor G5: النتائج التجريبية وكل ما تحتاج معرفته｜Android Central
• مُعالج Google الجديد M5 (Tensor G5 مفصل · Matryoshka Transformer) | Jon Peddie Research
• الحوسبة السحابية الخاصة: حدود جديدة لخصوصية الذكاء الاصطناعي في السحابة｜هندسة أمان Apple
• نظرة عامة على AppFunctions｜مطوّرو Android
• نوايا التطبيق | مطور Apple
• مقدمة عن Intents Kit (HarmonyOS) | مطورو هواوي
• شريحة Tensor G5 في Google Pixel 10 Pro مذهلة — إذا قارنتها بـ iPhone 14｜Macworld
• نظرة عامة على نموذج Gemma 3n｜Google AI للمطورين