الأمر الذي لم تتمكن Gemini من إنجازه، تم إنجازه بواسطة 千问

الملخص:

جيميني ينادي أوبر، وخدمة تشينوين (Qianwen) تطلب سيارة مباشرة—رغم أن هاتين الميزتين تبدوان متشابهتين، إلا أنهما مختلفتان تمامًا. الأولى تمكّن الذكاء الاصطناعي من تشغيل التطبيق، أما الثانية فهي تمنح الذكاء الاصطناعي قدرات استدلال عميقة فعلية، ما يجعله ينغمس في عملية التنفيذ الفعلية.

شبكة فينيكس للتكنولوجيا (Fenghuang Tech) — تقديم

المؤلف｜Dale

المحرر｜دونغ يو تشينغ (董雨晴)

في بيئة الذكاء الاصطناعي في الصين، توجد شركتان لا تدفعهما موجات الحماس. إحداهما DeepSeek، والأخرى تشينوين. الأولى، بتركيز ثابت وإيمان قوي تجاه AGI، تكرّس جهودها للبحث المتعمق في التحولات التقنية. أما الثانية، بقدرات قوية على بناء حواجز بيئية، فقد ظلّت دائمًا تحقق قفزة مبهرة لاحقًا، لتخترق سقف قدرات الذكاء الاصطناعي في الوقت الراهن.

في أواخر/منتصف مارس، بينما كان كل القطاع تقريبًا يمضي مدفوعًا بأجواء OpenClaw، أطلقت تشينوين بهدوء ميزة قفزية—طلب سيارات بالذكاء الاصطناعي (AI تاكسي). وهذه أيضًا، بعد دعم تشينوين لطلب الوجبات الخارجية، وحجز الفنادق وتذاكر الطيران وتذاكر المواقع السياحية، ثم شراء تذاكر الأفلام، تمثّل استثمارًا إضافيًا في “إنجاز الأعمال” بالذكاء الاصطناعي.

وعلى نطاق عالمي، لا يمكن عدّ الذكاء الاصطناعي الذي يصل إلى هذه المرحلة إلا على أصابع قليلة.

ظهور وكلاء الذكاء الاصطناعي الحقيقيين

لفهم مدى التطور القفزي الذي حققته ميزة تشينوين لطلب سيارة بالذكاء الاصطناعي، يجب أولًا العودة إلى منطق التقنية على المستوى الأساسي.

لفترة طويلة نسبيًا، كان الذكاء الاصطناعي في الغالب يؤدي دور “جهاز التحكم عن بُعد”، لكن مع استبدال ذلك بواجهة مستخدم رسومية أكثر تقدمًا. سواء كانت محادثات ذكية مبكرة أو روبوتات دردشة، فإن المنطق كان بسيطًا: تعليمات واحدة وتنفيذ واحد فقط. يرسل المستخدم أمرًا محددًا، ثم يستدعي النموذج دوال لإتمام المهمة—وهي حركة ميكانيكية لا تحتاج إلى قرارات ذكية. إنها “امتداد للأطراف”، وليست “امتدادًا للإرادة”.

لكن دور الوكيل مختلف تمامًا. ففي البداية صار لديه القدرة على التنفيذ—وبشكل أدق، امتلك النموذج قدرة على تقسيم الأهداف الفرعية والتخطيط الديناميكي داخل بيئات معقدة.

ومن خلال هذا المنطق، سنجد أن طلب سيارة بالذكاء الاصطناعي (AI تاكسي)، وطلب الوجبات الخارجية بالذكاء الاصطناعي (AI نقطة توصيل)، وشراء تذاكر الأفلام بالذكاء الاصطناعي، ليست حتى ضمن نفس فئة صعوبة “العمق التقني” و“الجهوزية للتطبيق”.

سواء كان الأمر طلب وجبات خارجية أو شراء تذاكر أفلام، فإن العملية تتم داخل حاوية معلومات شديدة البنية. والأدوات التي يتم استدعاؤها—مثل قواعد بيانات القوائم، والقسائم، ونظام الدفع—هي أدوات رقمية بالكامل. حتى لو كانت المتطلبات معقدة للغاية، مثل التخطيط لوجبات الغداء/الطلب في سيناريوهات مختلفة، فكل ذلك يتم داخل قواعد بيانات محدودة.

بل إن طلب الوجبات الخارجية إذا تم بالخطأ يمكن استبدال الطلب من مطعم آخر، وإذا اشترى المستخدم تذكرة فيلم بالخطأ يمكن تعديلها/استبدالها بتذكرة جديدة. هذه حالات ذات معدل تحمّل مرتفع للأخطاء. لكن طلب سيارة لا يمكن تغييره بسهولة. طلب السيارة هو سيناريو نموذجي: تكرار مرتفع، تحمّل منخفض للأخطاء، والتزام قوي بالتنفيذ—يجب أن تتحمل مسؤولية النتيجة الفعلية، بل وتتحملها في الوقت الحقيقي.

وهذا يعني أنه في أعمال طلب سيارات بالذكاء الاصطناعي، يحتاج الذكاء الاصطناعي إلى تفاعل فوري ومباراة/مزاوجة مع العالم الفيزيائي الحقيقي، والسائقين، وأطراف مشاركة أخرى في قطاع النقل.

وهذا هو موضع “القفزة” التي حققتها ترقية تشينوين الحالية—أي جعل الذكاء الاصطناعي يشارك في التنفيذ الفعلي.

أثناء اختبار المعاينة الذي أجرته “شبكة فينيكس للتكنولوجيا”، وجدنا أنه يستطيع تحديد نوع السيارة والمسار المناسبين بناءً على احتياج المستخدم الغامض. على سبيل المثال، في البداية حددت فقط نقطة الانطلاق ونقطة الوصول، فخطط لمسار واحد. ثم بعد أن أخبرت نفسي أنني أعاني من دوار السيارة، أعاد تخطيط المسار الثاني. وبالمقارنة مع المسار الأول، فإن المسار الثاني يحتوي على مقاطع طريق سريع أطول وعدد أقل من مناطق الازدحام.

بعبارة أخرى، عندما يعطي المستخدم لتشينوين أمرًا، فهي ليست مجرد مساعدتك في الضغط على عدة أزرار، بل إنها تفهم احتياجاتك المعقدة فعليًا. وراء ذلك سلسلة كاملة من أعمال التنفيذ في العالم الحقيقي، تشمل تخطيط المسار، والجدولة/التنسيق الفوري، وحساب التكلفة، وغيرها من العناصر.

عندما تقول: “اذهب بي إلى خليج تايزي (太子湾) لمشاهدة زهور الأقحوان”، يحتاج الذكاء الاصطناعي إلى فهم ما هو “خليج تايزي”، وأن “الأقحوان” يرتبط بموسم محدد، ثم يحدد أي وقت يجب أن تنطلق فيه، وأي بوابة/مدخل هو الأكثر ملاءمة للوصول إليه.

وهذا هو “التعامل/إنجاز الأمر” الحقيقي—ومن هذه المرحلة فصاعدًا، لم يعد الذكاء الاصطناعي مجرد جهاز تحكم عن بُعد، بل صار وكيلًا في الأعمال.

بعد محاولات متعددة، اكتشفت “شبكة فينيكس للتكنولوجيا” أن تشينوين قد امتلكت مبدئيًا قدرة على الدمج والتنفيذ متعدد المهام. وفي الحالة المثالية، يمكنها إتمام سلسلة طويلة من تنفيذ/التزام المهام. مثال: أولًا تساعد المستخدم في حجز تذاكر فيلم، ثم تطلب سيارة لتوصيله إلى السينما، وبعد ذلك تحجز/تحدد موعد سيارة عودة بعد الساعة 10:30. هذا مثال لسلسلة مهام سيناريو حياتي نموذجي، لكنه يتضمن أنظمة تنفيذ مختلفة تمامًا: حجز تذاكر فيلم، وطلب سيارة فورًا، وحجز/جدولة سيارة عودة. في الوضع التقليدي، تحتاج إلى التنقل بين ثلاثة تطبيقات. لكن الذكاء الاصطناعي يمكنه إكمال كل شيء عبر محادثة واحدة.

وهذا يعني أنه في المستقبل يمكن للذكاء الاصطناعي أن يتطور أكثر: من استبدال مهمة واحدة إلى أن يصبح “خادمًا منزليًا” بالمعنى الحقيقي للكلمة.

الأشياء التي لا يستطيع Gemini إنجازها، أنجزتها تشينوين

خلف إنجاز الأعمال بواسطة الذكاء الاصطناعي، توجد منافسة على مستوى النظام البيئي.

على مستوى العالم، ليس أن Gemini وOpenAI لا يرغبان في تقديم إنجاز أعمال بالذكاء الاصطناعي حقًا، بل إنهما لا يستطيعان القيام بذلك حتى الآن، ومن منظور طويل الأمد أيضًا، يعد تحقيق ذلك بواسطة OpenAI صعبًا جدًا.

الميزة التي تركز عليها Gemini مؤخرًا—من خلال أوامر صوتية مثل “ساعدني في استدعاء أوبر (Uber) للذهاب إلى المطار”—تجعل Gemini يفتح تطبيق Uber تلقائيًا، ويُنجز العملية داخل نافذة افتراضية، كما يدعم أيضًا Lyft. كما قيل في الفقرة السابقة، ما يزال الأمر في جوهره دور جهاز التحكم عن بُعد: محاكاة نقرات المستخدم وتشغيل التطبيق داخل نافذة افتراضية آمنة، بدل الربط المباشر مع النظام الخلفي. وقبل التأكيد النهائي لطلب السيارة، يلزم عادة أن ينفذ المستخدم الخطوة الأخيرة يدويًا.

**وهذا يرتبط أيضًا بمرحلة بالغة الأهمية: **إن إنجاز الأعمال بالذكاء الاصطناعي يحتاج إلى ثلاث قدرات أساسية: فهم الاحتياجات المعقدة، والاتصال/التكامل مع أنظمة التنفيذ، وتحمل المسؤولية عن النتيجة. يمكن حل الجزء الأول والثاني عبر الخوارزميات إلى حدٍ ما، لكن القدرة الثالثة—تحمل المسؤولية عن النتيجة—تحتاج إلى حلقة تجارية حقيقية لإغلاق دورة العمل.

عملية طلب السيارة تتضمن سلسلة من أنظمة الأعمال المعقدة، مثل قواعد التسعير، وجدولة السائقين، وتخطيط المسار، وعمليات الدفع والتسوية، ومعالجة الشكاوى… إلخ. يمكن للذكاء الاصطناعي أن يساعدك “في استدعاء سيارة”، لكن إذا لم تصل السيارة، أو كان المسار خاطئًا، أو كان السعر غير صحيح—من سيتحمل المسؤولية؟

الدافع لدى تشينوين ينبع من قدرة قوية على التنفيذ ودمج الأنظمة داخل منظومة علي بابا: نظام توصيل الوجبات “تاوباو شانغشوان (Taobao Flash Purchase)”، وحزمة تذاكر السفر والإقامة لدى “فيبو (Fliggy)”، والترفيه السينمائي لدى “تاوبي票 (Taopiaopiao)”. هذه ليست مجرد “اتصالات” سطحية، بل دمج عميق للأنظمة.

عندما يقول المستخدم: “ضمن 30 يوان، والداخلية لا يجب أن تكون لها رائحة”، يحتاج الذكاء الاصطناعي إلى حساب التكلفة فورًا، وتصفية أنواع السيارات، والاتصال بتفضيلات السائقين. هذه لا يمكن إنجازها عبر مجرد “استدعاء تطبيق”. بل يلزم التعمق داخل أنظمة التنفيذ، مع دعم قوي لبيانات المكان والزمان.

تكرار اختراق سقف قدرات الذكاء الاصطناعي

إذا كانت منافسات الذكاء الاصطناعي خلال العامين الماضيين تدور حول تباري قدرات المحادثة—إظهار مهارات الكتابة والأداء الفني—فمن الآن فصاعدًا تدخل المنافسة الشوط الثاني: مقارنة قدرات إنجاز الأعمال.

يمكن قياس الفارق في قدرات المحادثة بعدة نقاط في نتائج الاختبارات، وهي قائمة نتائج اعتيادية شاهدناها كثيرًا. أما الفارق في قدرات إنجاز الأعمال، فحتى الآن يبدو أنه “فرق بين ما إذا كان يمكن فعله وما إذا كان لا يمكن فعله”.

وتعد ميزة “مهارة طلب سيارة” التي أطلقتها تشينوين هذه المرة هي المنتج الدالّ على هذا الحد الفاصل. فهي لا تستطيع فقط فهم “أريد الذهاب إلى الشركة”، بل تتعرف بدقة أيضًا على نوايا مركبة مثل: “6 أشخاص يحتاجون إلى سيارة أعمال”، و“عند استلام الركاب يجب إضافة نقطة توقف/طريق عبر نقطة إضافية”.

الذي وراء ذلك هو إعادة بناء كاملة للنظام، من التعرف على النوايا وصولًا إلى إغلاق حلقة التنفيذ. الأمر ليس مجرد إضافة مدخل لطلب سيارة، بل إعادة تشكيل شاملة لنمط تفاعل خدمات التنقل، بل و”قلب” جوهري للتطبيقات التقليدية الخاصة بطلب السيارات.

في الوضع التقليدي، يجب على المستخدم أن يمر عبر منطق القائمة خطوة بخطوة داخل تطبيق طلب السيارة: اختيار نقطة الانطلاق، إدخال نقطة الوصول، اختيار نوع السيارة، الاطلاع على السعر التقديري… كامل العملية تفترض مسبقًا “أن يتكيف الإنسان مع الأداة”. وهذا التصميم يرفض بطبيعته التعبير الغامض—مثل أن تقول “أريد الذهاب إلى مكان في وسط المدينة قريب جدًا ومشهور بين الناس لمشاهدة الأقحوان”—فالنظام لا يستطيع الاستجابة. كما يرفض بطبيعته غير الناطقين/غير السكان الرقميين بالأرقام—فكثير من كبار السن تم استبعادهم طويلًا من خدمات التنقل لأنهم لا يستطيعون تشغيل الواجهات الرسومية.

والأهم من ذلك، بمجرد أن تتحمل “مساعدات الذكاء الاصطناعي” سيناريوهات التنقل الأساسية، ستواجه القيمة الوجودية لتطبيقات طلب السيارات التقليدية تحديًا بنيويًا. عندما لا يعود المستخدم بحاجة إلى فتح التطبيقات التقليدية يدويًا، بل يمكنه إكمال كل شيء عبر عبارة مثل “ساعدني في طلب سيارة إلى خليج تايزي”، فإن معدل فتح التطبيقات التي تعمل كأداة واحدة والولاء/الالتصاق بالمستخدم سيواجهان ضربة قاسية حتمية. مؤخرًا، بعد إطلاق Claude لمهارات التصميم، شهدت أسهم برامج التصميم المتخصصة مثل Adobe وFigma هبوطًا حادًا فورًا؛ وقد كتبت هذه الواقعة بالفعل تذييلًا واضحًا لهذا الاتجاه: عندما يستطيع الوكلاء العموميون إنجاز مهام احترافية، فإن الخندق/الحصن الواقي للأدوات المتخصصة سيتبخر بسرعة.

وليس هذا فقط. داخل مساعد الذكاء الاصطناعي، يمكن للـ Skills ولـ Agents أيضًا أن تحقق تعاونًا متعدد المجالات.

حتى الآن، قامت تشينوين بالفعل بربط خدمات مثل توصيل الوجبات، والتنقل، والسفر والإقامة، وتذاكر الفعاليات… إلخ. وبعد إطلاق مهارة طلب السيارة، يمكن لهذه القدرات أن تتكامل بسلاسة. على سبيل المثال، يمكن إنجاز شيء كامل مرة واحدة: “احجز لي فندقًا بالقرب من بحيرة غرب (West Lake)”، “اطلب سيارة لتوصيلني إلى هذا الفندق”، “ثم أوصِ بأقرب أطباق杭帮菜 (Hangzhou Bang Cai) المحلية ذات الطابع الأصيل”. هذه سلسلة مهام متعددة القفزات (Multi-hop) نموذجية، تتضمن ثلاث أنظمة رئيسية: الحجز والجدولة والتوصية. في الماضي كنت بحاجة للتبديل بين ما لا يقل عن ثلاثة تطبيقات، أما الآن فيكفي إجراء محادثة واحدة.

ومن جوهر الأمر، فهذا أيضًا قفزة محورية للذكاء الاصطناعي من كونه أداة إنتاجية إلى أن يصبح مساعدًا للحياة.

(المحرر المسؤول: غو (郭健东))

     【إخلاء المسؤولية】لا تمثل هذه المقالة سوى آراء المؤلف نفسه، ولا علاقة لها بأي جهة مع شركة Hexun. تظل منصة Hexun الإعلامية على الحياد تجاه العبارات والآراء الواردة في النص، ولا تقدم أي ضمان صريح أو ضمني بشأن دقة أو موثوقية أو اكتمال المحتوى المذكور. يرجى من القراء اعتبار ذلك للاستئناس فقط، وتحمل جميع المسؤوليات بأنفسهم. البريد الإلكتروني: news_center@staff.hexun.com

إبلاغ