Vertex AI

تُعد Vertex AI منصة التعلم الآلي والذكاء الاصطناعي التوليدي للمؤسسات من Google Cloud، والتي تم بناؤها وصيانتها بواسطة Google LLC. أُطلقت في الأصل عام 2021 لتوحيد خدمات AI Cloud المجزأة للشركة، وهي تمنح فرق علوم البيانات و MLOps مكاناً واحداً لتدريب النماذج المخصصة، والوصول إلى النماذج الأساسية عبر API، وبناء تطبيقات الاسترجاع المعزز (RAG)، ونشر وكلاء الذكاء الاصطناعي على نطاق واسع. في أبريل 2026، أعادت Google تسمية المنتج باسم Gemini Enterprise Agent Platform في مؤتمر Google Cloud Next، لكن الوثائق والأدوات وصفحات التسعير لا تزال تستخدم اسم Vertex AI على نطاق واسع. تتنافس المنصة بشكل مباشر مع AWS Bedrock و Azure AI Foundry في أعباء عمل الذكاء الاصطناعي التوليدي للمؤسسات.

تتيح Model Garden الخاصة بالمنصة للفرق الوصول إلى أكثر من 200 نموذج أساسي من خلال واجهة موحدة: سلسلة Gemini 3 و Gemini 2.5 الكاملة (نماذج الطرف الأول من Google)، و Claude 3.5 و Claude 3.7 Sonnet عبر شراكة Anthropic، وسلسلة Llama من Meta، و Gemma، وعشرات النماذج مفتوحة المصدر ونماذج الجهات الخارجية. وإلى جانب الوصول إلى النماذج، تتضمن Vertex أداة Vertex AI Studio لإنشاء النماذج الأولية للمطالبات، و Agent Builder لبناء ونشر وكلاء ذكاء اصطناعي متعددي الخطوات بخيارات بدون تعليمات برمجية (no-code) وواجهة برمجة التطبيقات (API)، و AutoML لتدريب مصنفات الرؤية والنصوص بدون تعليمات برمجية مخصصة، و Vertex AI Search لبناء تطبيقات RAG للمؤسسات، و Vector Search لاسترجاع التشابه عبر مليارات العناصر، وأدوات Pipeline لتنسيق مسارات عمل ML الكاملة. يتم دمج جميع تكاليف الحوسبة واستخدام النماذج والتخزين تحت حساب فوترة GCP واحد، مما يساعد فرق المشتريات في المؤسسات ولكنه يخلق خطراً حقيقياً لتكاليف خارجة عن السيطرة إذا تُركت الموارد الخاملة قيد التشغيل.

ما الذي تقدمه Vertex AI فعلياً في أبريل 2026

بعد مؤتمر Google Cloud Next 2026، تضع Vertex AI نفسها الآن كنظام تشغيل متكامل للوكلاء بدلاً من مجرد طبقة للوصول إلى النماذج. يوفر Agent Studio للفرق بيئة مرئية منخفضة التعليمات البرمجية (low-code) لبناء مسارات عمل الوكلاء متعددة الخطوات. ويتولى Agent Engine تنفيذ وقت التشغيل، وحالة الجلسة، وإدارة الذاكرة للوكلاء المنشورين، وتتم فوترته بشكل منفصل عن رموز النماذج (tokens). بينما يوفر Agent Gateway إدارة حركة المرور، والتوجيه، وقابلية المراقبة عبر الوكلاء المنشورين. تعمل هذه المكونات معاً، لكنها تتطلب تكوينات مختلفة وتحمل مقاييس فوترة مختلفة.

تُعد Model Garden نقطة الدخول الأكثر فائدة على الفور لمعظم الفرق. يضيف الوصول إلى Gemini 2.5 Pro أو Claude 3.7 Sonnet من خلال Vertex بدلاً من استدعاءات API المباشرة فوائد حوكمة المؤسسات: لا تغادر البيانات أبداً VPC الخاص بالعميل، ولا يتم استخدام بيانات الاستخدام في التدريب، وتتدفق جميع الطلبات من خلال ضوابط خدمة IAM و VPC الخاصة بـ GCP. يهم هذا حالات الاستخدام التي تتطلب الامتثال لـ HIPAA و SOC 2 واللوائح المالية. بالنسبة للفرق التي لا تتطلب هذه المتطلبات، فإن واجهة برمجة تطبيقات Gemini المباشرة عبر Google AI Studio أبسط وتكلف نفس السعر لكل رمز (token).

يعمل التسعير على عدة مقاييس مستقلة في وقت واحد. يتم احتساب رسوم استخدام النموذج لكل رمز: يكلف Gemini 2.5 Flash Lite مبلغ $0.10 لكل مليون رمز إدخال و $0.40 لكل مليون رمز إخراج؛ بينما يكلف Gemini 2.5 Pro مبلغ $1.25 لكل مليون رمز إدخال و $10.00 لكل مليون رمز إخراج. تفرض البنية التحتية لـ Agent Engine رسوماً قدرها $0.0864 لكل vCPU-hour و $0.0090 لكل GB-hour، مع تخزين ذاكرة الجلسة بسعر $0.25 لكل 1,000 حدث. تفرض مهام التدريب المخصصة رسوماً على حوسبة GPU/CPU بشكل منفصل. تضيف ميزة Google Search Grounding، التي تربط الاستجابات بنتائج الويب المباشرة، $35 لكل 1,000 مطالبة مرتبطة (grounded prompts) تتجاوز الحصة اليومية المجانية. يمكن أن يصل النشر في بيئة الإنتاج مع التدريب المخصص، ونقطة نهاية Agent Engine تعمل دائماً، والربط المنتظم بالويب، وحجم الرموز العالي إلى آلاف الدولارات شهرياً بدون إدارة دقيقة للتكاليف.

"أنا مستخدم جديد نسبياً لـ Google Cloud وتلقيت مؤخراً فاتورة غير متوقعة بحوالي ~£925 لشهر مارس 2026. جاءت غالبية التكلفة (~£440) من Vertex AI. لم أكن أدرك أن بعض خدمات Vertex AI (مثل نقاط النهاية أو المهام أو العمليات في الخلفية) يمكن أن تستمر في تكبد رسوم دون استخدام نشط." -- Rav_Khangurra، منتدى مطوري الذكاء الاصطناعي من Google، 2 أبريل 2026

موقع Vertex AI مقارنةً بـ AWS Bedrock و Azure OpenAI

تقدم المنصات الثلاث كتالوجات نماذج منسقة، وأدوات تنسيق الوكلاء، وضوابط أمان للمؤسسات. الاختلافات معمارية ومدفوعة بالنظام البيئي، وليست سطحية.

تستخدم AWS Bedrock نمط واجهة برمجة تطبيقات boto3 موحداً للوصول إلى أكثر من 100 نموذج من Anthropic و Meta و AI21 و Cohere و Stability AI و Amazon Titan. يغطي استدعاء API واحد جميع مزودي النماذج؛ حيث يمكنك تبديل النماذج عن طريق تغيير معلمة (parameter)، وليس التكامل بأكمله. تعمل خدمة Guardrails في Bedrock كطبقة أمان منفصلة قابلة للتكوين بشكل مستقل. لا تفرض Bedrock رسوماً منفصلة على البنية التحتية للوكيل في الاستخدام القياسي؛ حيث يتم دمج الحوسبة مع تسعير الاستدلال (inference). بينما تفرض Vertex رسوماً على وقت تشغيل Agent Engine بشكل منفصل، مما يضيف تعقيداً في الفوترة ولكنه يمنح أيضاً تحكماً أكثر دقة. بالنسبة للفرق التي توجد بياناتها وهويتها وفوترتها بالفعل في AWS (مثل S3 و Lambda و CloudWatch و IAM)، تتطلب Bedrock أعباء ترحيل أقل. لا تقدم Bedrock عائلة Gemini من Google؛ لذا يجب على الفرق التي تتطلب نماذج Gemini استخدام Vertex.

تمنح Azure AI Foundry (Azure OpenAI) المؤسسات وصولاً أولياً إلى نماذج OpenAI الرائدة، بما في ذلك GPT-5 والإصدارات المستقبلية، قبل ظهور تلك النماذج على أي سحابة مُدارة أخرى. هذا مُميِّز هيكلي لا يمكن لـ Vertex مضاهاته: تمتلك Vertex نماذج Claude و Gemini، ولكنها لا تمتلك نماذج OpenAI على الإطلاق. يضم كتالوج Azure AI Foundry أكثر من 1,700 نموذج بما في ذلك تشكيلة OpenAI الكاملة، و Meta Llama، و Mistral، وغيرها. يستخدم Microsoft Agent Framework، الذي وصل إلى التوفر العام (GA) في ديسمبر 2025، حزم SDK مفتوحة المصدر مع دعم خادم MCP. تتكامل Azure بشكل طبيعي مع Microsoft 365 و Azure Active Directory والمؤسسات التي تعتمد على تراخيص Microsoft للمؤسسات. بينما تتكامل Vertex بشكل طبيعي مع BigQuery و Google Workspace و GKE. يمكن لوحدات الإنتاجية المخصصة مع الحجوزات (Provisioned Throughput Units with Reservations) على Azure تقليل التكاليف بنسبة تصل إلى 70% لأعباء العمل الثابتة، على غرار خصم 50% الخاص بـ Batch API في Vertex ولكن بآليات حجز مختلفة.

الصورة التنافسية الصادقة: تحل المنصات الثلاث نفس مشكلة نشر الذكاء الاصطناعي في المؤسسات، ولكن الإجابة الصحيحة تتحدد بالكامل تقريباً بناءً على مكان وجود بياناتك وحوسبتك بالفعل. تتفوق Vertex عندما تكون بالفعل على GCP و BigQuery. وتتفوق Bedrock عندما تكون بالفعل على AWS. بينما تتفوق Azure عندما تكون بالفعل على بنية Microsoft التحتية أو تحتاج تحديداً إلى نماذج OpenAI.

كيف يبدو واقع الوكلاء ومسارات العمل

يتطلب البناء باستخدام Vertex Agent Builder في أبريل 2026 التنقل بين العديد من المنتجات المتداخلة. يوفر Agent Studio بيئة مرئية تعتمد على السحب والإفلات لربط الأدوات، ومصادر الربط (grounding sources)، وعمليات التسليم بين الوكلاء المتعددين. تُعد Agent Development Kit (ADK) الأساسية هي الطبقة البرمجية للمطورين الذين يحتاجون إلى مزيد من التحكم. يتم توثيق هذين المسارين بشكل منفصل، والوثائق نفسها مجزأة عبر وثائق Google Cloud، ووثائق Generative AI on Vertex AI، وملاحظات إصدار Vertex AI Agent Builder، وهي صفحات منفصلة.

تُعد المصادقة نقطة احتكاك متكررة. يتطلب استخدام Vertex إعداد مشروع GCP، وتمكين Vertex AI API، وتكوين حسابات الخدمة وأدوار IAM، وفي بعض الحالات التنقل عبر القيود الإقليمية لنماذج معينة. أبلغ العديد من المطورين عن أخطاء "تم رفض الإذن" (permission denied) بعد إكمال ما يبدو أنه إعداد ناجح. أطلقت Google وضع "Vertex express mode" في منتصف عام 2025 لتبسيط إنشاء مفاتيح API للمطورين القادمين من Gemini API، معترفةً بمشكلة المصادقة بشكل مباشر.

"يجب أن أعمل بجد لمعرفة الفرق بين Vertex AI و AI Studio و Gemini و Firebase Gen AI." -- ashu1461، Hacker News، منتصف 2025

يُعد التكامل مع BigQuery أقوى مُميِّز لمسار عمل المنصة. يمكن للفرق التي تقوم بتعلم الآلة القائم على التحليلات أولاً نقل البيانات من BigQuery مباشرةً إلى مهام تدريب AutoML، أو Feature Store، أو فهارس Vertex Search دون تصدير بيانات وسيطة. هذا المسار أسرع وأرخص حقاً للمؤسسات التي تعتمد على BigQuery مقارنةً بمسارات العمل المكافئة على Bedrock أو Azure. كما يُعد الوصول إلى TPU للتدريب عالي الإنتاجية ميزة أجهزة ذات مغزى: لا يتوفر سيليكون Google المخصص على السحابات المنافسة.

تضيف مشكلة أمنية تم الكشف عنها في مارس 2026 متطلباً تشغيلياً جديداً لنشر الوكلاء. وجدت Palo Alto Networks Unit 42 أن Vertex AI Agent Engine قام بتعيين أذونات افتراضية مفرطة للوكلاء المنشورين من خلال وكيل الخدمة لكل مشروع ولكل منتج (P4SA). أثبت الباحثون أن الوكيل المخترق يمكنه الوصول إلى جميع حاويات GCS في المشروع وتنزيل صور الحاويات الخاصة من Artifact Registry الداخلي لـ Google. يتطلب علاج Google تكوين إحضار حساب الخدمة الخاص بك (BYOSA) صراحةً لفرض IAM بأقل الامتيازات، وهي خطوة تكوين إضافية يجب على فرق أمان المؤسسات الآن دمجها في عملية النشر الخاصة بهم.

لمن تم بناء Vertex AI

فرق علوم البيانات في المؤسسات على GCP: حالة الاستخدام الأساسية والأقوى. إذا كانت بياناتك موجودة في BigQuery، وتعمل حوسبتك على GKE، ولديك حساب فوترة GCP حالي، فإن Vertex توفر بيئة MLOps موحدة تقلل من أعباء البنية التحتية بشكل كبير. تتكامل Feature Store و Pipelines و Model Monitoring مباشرةً مع أدوات Google الأصلية.

مهندسو MLOps الذين يحتاجون إلى Kubeflow مُدار: تُعد Vertex Pipelines بيئة Kubeflow مُدارة. تستفيد الفرق التي تحتاج إلى تنسيق المسارات دون تشغيل مجموعة Kubeflow الخاصة بها على GKE من إدارة Vertex. يكمن الحد في البيانات الوصفية: تضع Vertex Pipelines حداً أقصى يبلغ 10 ملايين عنصر (artifacts) لكل مشروع.

المؤسسات الحساسة للامتثال: أعباء عمل HIPAA و SOC 2 و FedRAMP التي تحتاج إلى بقاء البيانات ضمن حدود VPC ولا يمكنها السماح لبيانات الاستخدام بالوصول إلى مزودي النماذج تحصل على هذا الضمان من Vertex. تم تصميم التوفر العام (GA) لـ Claude على Vertex في يونيو 2024 (مع شروط امتثال مؤسسة Anthropic الكاملة) خصيصاً لملف المشتري هذا.

الفرق التي تبني تطبيقات ذكاء اصطناعي توليدي متعددة البائعين: تتيح Model Garden لفريق واحد تجربة Gemini و Claude و Llama والنماذج المخصصة المضبوطة بدقة تحت إطار حوكمة واحد دون التفاوض على اتفاقيات مؤسسية منفصلة مع كل مزود نموذج.

ما لا تقدمه Vertex AI

لا تُعد Vertex نقطة انطلاق جيدة للمطورين المستقلين أو الفرق الصغيرة التي لا تمتلك بنية تحتية على GCP. يتيح Google AI Studio على aistudio.google.com الوصول إلى نماذج Gemini باستخدام مفتاح API بسيط وبدون تكوين IAM. بالنسبة للمطورين الذين يرغبون فقط في استدعاء Gemini، تضيف Vertex تعقيداً دون أي فائدة ما لم تكن هناك حاجة إلى ضوابط الامتثال.

إنها ليست مساراً لنماذج OpenAI. تتوفر نماذج GPT-4 Turbo و GPT-5 حصرياً على Azure AI Foundry لعملاء السحابة المُدارة. تمتلك Vertex نماذج Claude و Gemini، وهي بدائل قوية، لكنها غير متوافقة مع واجهة برمجة تطبيقات OpenAI. ستحتاج الفرق التي تقوم بترحيل أعباء العمل التي تفترض توقيعات واجهة برمجة تطبيقات OpenAI إلى إعادة صياغة عمليات التكامل بغض النظر عن اختيار السحابة.

إنها غير مناسبة للفرق التي تحتاج إلى تسعير ثابت يمكن التنبؤ به. يجعل نموذج الفوترة متعدد الأبعاد (الرموز، الحوسبة، التخزين، QPM، الربط، أحداث الجلسة) التنبؤ بالتكلفة أمراً صعباً بدون أدوات FinOps مخصصة. يجب على الفرق التي عانت من مفاجآت الفوترة السحابية تعيين تنبيهات ميزانية صارمة قبل نشر أي نقاط نهاية تعمل دائماً أو أعباء عمل Agent Engine.